 |
||||
КАРКАС: інструментарій для створення бази знань
|
|
|
||
|
|
|
Вступ Один із головних напрямів штучного інтелекту — це розробка інтелектуальних систем. Цей напрямок переслідує моделювання мистецтва людини аналізувати, структурувати, отримувати і застосовувати знання в предметних областях, що погано формуються. Яскравим представником таких систем є експертні системи. Експертні системи – це клас комп'ютерних систем, які можуть давати пораду на рівні експерта: консультувати, ставити діагноз із певним ступенем впевненості, пояснювати свої висновки (http://www.it-karkas.com.ua). Ядром експертної системи є база знань та алгоритм прийняття рішення (машина виведення). На шляху створення експертних систем існує кілька перешкод, наприклад, несуперечність знань у базі знань та її динамічний супровід. Інструментальний засіб для створення моделей баз знань – система "КАРКАС" не тільки поєднує поширені методи представлення знань (продукції та фрейми), але й заснована на новому підході представлення знань у вигляді ієрархічної функціональної системи, що відображає динамічні процеси предметної галузі. Як приклади, на сайті системи "КАРКАС", наведено різні презентації моделей баз знань. Оскільки модель кадру (каркас знань, що складається з слотів) найбільш вдало відображає елементи знань людської нейронної мережі, система, що розглядається, отримала назву "КАРКАС". Система "КАРКАС" реалізує основні інструментальні засоби, сервіси (middleware, каркаси) для побудови баз знань предметної галузі за допомогою ієрархічної функціональної системи та, таким чином, полегшує побудову експертних систем. Система "КАРКАС" поєднує різні підходи в побудові систем, заснованих на знаннях, таких як: експертні системи, експертні навчальні системи, мультиагентні системи. Такі компоненти, як редактор бази знань, машина виведення, блок пояснення, є загальними для перерахованих систем і є інструментами системи "КАРКАС", які можна імплантувати в прототипи експертних систем. Фрагменти прикладів баз знань (тексти правил і фреймів, скріншоти) призначені лише для навчання та розуміння логіки міркувань під час консультації у системі "КАРКАС". ОБРАНЕ 1.2. Методика розробки баз знань у системі "КАРКАС" Алгоритм створення моделі БЗ на основі системи "КАРКАС" складається з наступних кроків: 1. Вивчити методику побудови БЗ за допомогою моделей БЗ, наведених у системі "КАРКАС". 2. Побудувати онтологію ПрО: - Визначити класи, об'єкти та їх зв'язки; - Визначити атрибути; - визначити цілі та підцілі; - Визначити критерії оцінки (скласти список); - скласти список значень, які може набувати кожен із певних атрибутів; - Вибрати спосіб визначення ступеня впевненості. 3. Виконати ідентифікацію ПрО. 4. Побудувати концептуальну модель ПрВ. 5. Вибрати логічний висновок на основі проведеного вище аналізу, 6. Здійснити формалізацію БЗ. 7. Протестувати БЗ. Приклади оформлення побудови БЗ представлені у вигляді презентацій на сайті системи "КАРКАС". Сценарій розробки моделі БЗ містить: постановку завдання, ідентифікацію ПрО, концептуальну модель ПрО, формалізацію БЗ, опис об'єктів та їх зв'язків, опис атрибутів та значень, що приймаються ними, список атрибутів, список правил і фреймів, протокол консультації тестового прикладу. Постановка задачі. Завдання має задовольняти вимоги доцільності її вирішення за допомогою технології системи "КАРКАС". Когнітолог за допомогою експерта визначає та формулює відповіді на такі питання щодо розробки прототипу ЕС: - Призначення прототипу ЕС; - сфера використання; - Користувачі; - клас розв'язуваних проблем; - критерії ефективності та обмеження показників предметної галузі; - Мета прототипу ЕС; - Очікувані результати; -Підцілі (проміжні цілі); - Об'єкти предметної області; -початкові дані; - Особливості вирішення завдань. Ідентифікація ПрВ. Описується неформальна постановка задачі, в якій обґрунтовується необхідність розробки прототипу ЕС та розглядаються наступні її параметри: призначення прототипу ЕС, сфера застосування, клас завдань (аналіз, діагностика тощо), мета консультації, очікувані результати (список можливих значень мети), підцілі (Проміжні цілі), вихідні дані. Аналізуються особливості розв'язання задач: опис характеристик невизначеності, динамічності розв'язуваних задач, основних евристик. При ідентифікації предметної галузі когнітолог за допомогою експерта формулює неформальний опис завдання. Складається глосарій предметної області, що є основою формування сукупності об'єктів, атрибутів. Розрізняють такі види атрибутів: - питальні; - цільові; - Демони (методи об'єктів предметної області). Атрибути запитів отримують свої значення в результаті відповіді на запитання в режимі консультації з користувачем. Цільові атрибути – внаслідок роботи машини логічного висновку. Вони розміщуються у консеквентах продукцій. Демони - це атрибути, які набувають своїх значень в результаті роботи методів об'єктів, які реалізовані в агенті машини логічного висновку. Концептуальна модель ПрВ. Розробляється модель логічних можливостей вибору об'єктів онтології, схеми опитування користувачів, кластери онтології. Наводяться такі графічні моделі: - Об'єктна модель (схеми класифікації об'єктів); - Дерево рішень задачі. Формалізація БЗ. Здійснюється вибір методів машини виведення: ієрархічна функціональна система, прямий або зворотний ланцюжок міркувань або непрямий ланцюжок міркувань (перерахунок цін свідчень) або застосування формули Байєса. Розробляється алгоритм розрахунку факторів упевненості правил. Здійснюється обробка конфліктних наборів правил. Аналізується успадкування об'єктів. Редагування БЗ. Спочатку формується список атрибутів БЗ: атрибут – ключове слово предметної області, асоційований із нею питання та відповіді створення фактів БЗ. Потім формуються правила та фрейми. Потім слід виконати фільтрацію БЗ. Зауважимо, що при виборі зворотного ланцюжка виведення система "КАРКАС" автоматично будує ієрархічну функціональну систему. Когнітолог спочатку складає діаграму дерева рішень. Виробляючи вибір у кожній точці розгалуження, діаграма дерева допомагає приймати рішення. Такий тип логічної структури (у вигляді дерева рішень) дозволяє проаналізувати БЗ на повноту і запобігти надмірності правил. У табл. 1.3 наведено типи атрибутів, що використовуються для створення фактів БЗ. Зауваження 1.1. Тут к1, …, кN – це коефіцієнт фактора впевненості експерта у правильності відповіді на питання, а кб1, …, кN – це коефіцієнт фактора впевненості, який характеризує апріорну ймовірність можливого факту, утвореного в результаті відповіді на запитання (використовується цей коефіцієнт при роботі машини логічного висновку на основі формули Байєса). Формат зовнішнього уявлення БЗ (в текстовому файлі) має такий вигляд: правило-продукція; кадр; метаправила. Метаправила призначені для управління БЗ, що використовуються у прототипі ЕС "РІБЗ". У системі "КАРКАС" моделі знань перебувають у текстовому файлі з розширенням pattern.knb (knowledge base). Наявність цього файлу є обов'язковою, оскільки введення правил, фреймів та метаправил здійснюється за допомогою зазначених моделей шляхом їх наповнення та подальшого копіювання в нові продукції та фрейми. Тестування БЗ. Здійснюється обробка конфліктних наборів правил. РОЗДІЛ 2. МОДЕЛІ ЕКОНОМІКО-ФІНАНСОВИХ БАЗ ЗНАНЬ Розглядаються різні моделі БЗ, засновані на економіко-фінансовій інформації. Онтології розроблено за допомогою методики побудови БЗ у системі "КАРКАС". 2.3. Модель бази знань для вибору страхової компанії Постановка завдання. Досить важливим у здійсненні страхування комерційних ризиків для підприємців є правильний вибір страхової компанії. При виборі страхової компанії підприємець керується наступними критеріями: надійність, фінансові показники, тарифи, бренд, спектр послуг, рейтинг організації. Необхідно розробити онтологію для вибору страхової компанії зі страхування комерційного ризику підприємства. Призначення прототипу ЕС – це консультування з підбору страхової компанії щодо страхування комерційного ризику підприємства (ризики, пов'язані з комерційною й фінансовою діяльністю підприємця). Сфера застосування прототипу ЕС – це підприємства, які мають потребу в страхуванні комерційних ризиків. Ціль прототипу ЕС – підбір найбільш оптимального варіанта страхової компанії для страхування комерційних ризиків залежно від ступеня ризику й страхових умов. Вхідні дані: для аналізу діяльності страхової компанії – це характер фінансової діяльності, наявність або відсутність вільних коштів; для визначення платоспроможності страхової компанії – це власний капітал, страхові резерви; для визначення ліквідності страхової компанії класів – це фінансові показники (страховий та інвестиційний портфель, прибуток компанії, статутний капітал, страхові премії й виплати). Очікувані результати (список можливих значень мети консультації): найбільш оптимальний вибір страхової компанії зі страхування комерційних ризиків. Ідентифікація ПрО. Обов'язковими для кожної страхової компанії є наступні економічні нормативи, які установлювані Національним банком України й визначають надійність даної страхової компанії: платоспроможність страхової компанії; показники ліквідності балансу; максимальний розмір ризику на одного позичальника; розмір обов'язкових страхових резервів. При виборі страхової компанії підприємство, як правило, засновується на наступних показниках: надійність страхової компанії; величина страхового тарифу; фінансові показники компанії; спектр послуг даної страхової компанії. У концептуальній моделі ПрО виділені класи, які подані в табл. 3.1, а на рис. 3.1 зображена ієрархія класів у вигляді дерева логічних можливостей для вибору страхової компанії. Дужкою, яка перетинає, позначена вершина типу "І", а відсутність її – "АБО". Таблиця 3.1 Класи БЗ
Правило 2а. A&B&C&D#. ЯКЩО A Бренд = Так B Ліцензія = Так C Досвід роботи = Так D Оцінка з рейтингу = Так ТО Надійність = Висока. Правило 2б. A&B&C&D#. ЯКЩО A Бренд = Ні B Ліцензія = Ні C Досвід роботи = Ні D Оцінка з рейтингу = Ні ТО Надійність = Низька. Фрейм 2. Ім'я слоту | Тип слоту | Спадкування Бренд | Заміщення | н Ліцензія | Заміщення | н Досвід роботи | Заміщення | н Оцінка з рейтингу | Заміщення | н Цільовий слот. Надійність | Не визначена. Правило 1а. A&B&C&D&E#. ЯКЩО A Грошовий тариф = Так B Тариф 3 – 5 % = Ні C Тариф 8 – 10 % = Ні D Тариф 13 – 15 % = Ні E Тариф 18 – 20 % = Ні ТО Тариф = Грошовий. Правило 1б. A&B&C&D&E#. ЯКЩО A Грошовий тариф = Ні B Тариф 3 – 5 % = Так C Тариф 8 – 10 % = Ні D Тариф 13 – 15 % = Ні E Тариф 18 – 20 % = Ні ТО Тариф = Низький. Правило 1в. A&B&C&D&E#. ЯКЩО A Грошовий тариф = Ні B Тариф 3 – 5 % = Ні C Тариф 8 – 10 % = Так D Тариф 13 – 15 % = Ні E Тариф 18 – 20 % = Ні ТО Тариф = Середній. Правило 1р. A&B&C&D&E#. ЯКЩО A Грошовий тариф = Ні B Тариф 3 – 5 % = Ні C Тариф 8 – 10 % = Ні D Тариф 13 – 15 % = Так E Тариф 18 – 20 % = Ні ТО Тариф = Високий. Висновок. Створено демонстраційну онтологію для вибору страхової компанії на основі знань про комерційні ризики, страхування комерційних ризиків, класифікації фінансових і комерційних ризиків, тарифи страхування, умови страхування. При створенні онтології в системі "КАРКАС" фрейми відіграють роль атракторів, які вловлюють неіснуючі екземпляри класів, утворені в результаті консультації користувача із системою.
|
|
|
|
|
2012 г. it-karkas.com.ua
Володимир Бурдаєв |
 |
|
|
|
