2 МОДЕЛІ ПРЕДСТАВЛЕННЯ ЗНАНЬ

У багатьох випадках для ухвалення рішень в тій або іншій області людської діяльності невідомий алгоритм рішення, тобто відсутня чітка послідовність дій, що свідомо приводять до необхідного результату. Наприклад:

-

-

-

При ухваленні рішення в таких випадках необхідно мати деяку суму знань про саму цій області. Наприклад: при виборі якнайкращого ходу в конкретній шаховій позиції необхідні знання про правила гри, силу шахових фігур, стратегію і тактику і багато що інше. Під знаннями розуміється те, що стало відоме після вивчення. Сукупність знань потрібних для ухвалення рішень, прийнято називати наочною областю або знаннями про наочну область.

У будь-якій наочній області є свої поняття і зв'язки між ними, своя термінологія, свої закони, що зв'язують між собою об'єкти даних наочної області, свої процеси і події. Крім того, кожна наочна область має свої методи вирішення завдань.

Вирішуючи завдання такого вигляду на ЕОМ використовують ІС, ядром яких є бази знань, що містять основні характеристики наочних областей.

При побудові баз знань традиційні мови, засновані на чисельному представленні даних є неефективними. Для цього використовуються спеціальні мови представлення знань, засновані на символьному представленні даних. Вони діляться на типи по формальних моделях представлення знань. Різні автори по-різному ці моделі класифікують. Взагалі їх чотири:

-

-

-

-

Хтось об'єднує продукційні і логічні, а хтось мережеві і фреймові.

Спочатку коротко розглянемо продукційні і логічні моделі:

Знання в таких моделях представляються в наступній формі: «Якщо А то В». Замість А і В можуть стояти деякі твердження, факти, накази і так далі Наприклад: «Якщо діагоналі чотирикутника перетинаються під прямим кутом, то цей чотирикутник ромб», «Якщо зробиш роботу то отримаєш зарплату» і так далі.

З прикладів видно що правило складається з двох частин: посилки (умови) і наслідку (висновки). Якщо А (посилка) має місце, то В (наслідок) також реалізується або може бути реалізовано. Посилка може полягати і з декількох частин тобто «Якщо А1, А2..,АN то В».

Запис правила означає, що «Якщо всі посилки від А1 до Аn істинні, то наслідок В також істинно». Посилки А1..Аn є прості посилки вони з'єднуються за допомогою союзів: і, або і можуть містити заперечення не. При реалізації правил такого вигляду з однієї або декількох посилок (знань) можуть бути отримані нові знання, тому вони називаються продукційними. Прикладом може служити наступне правило:

Якщо людина Х є сином людини У, і

людина У є сином людини Z, і

людина Z є чоловіком

то людина Х є внуком людини Z.

Далі розглянемо мережеві моделі.

У основі мережевих моделей представлення знань лежить ідея про те, що будь-які знання можна представити у вигляді сукупності об'єктів (понять) і зв'язків (стосунків) між ними. На відміну від продукційних ці моделі наочніші, оскільки будь-який приклад можна представити у вигляді орієнтованого (направленого) графа.

У основі моделей цього типу лежить конструкція, названа семантичною мережею. Мережеві моделі формально можна задати у вигляді

Н=[I,C1,C2..,CN,G].

Тут I множина інформаційних одиниць; С1..,СN – множина типів зв'язків між інформаційними одиницями. Відображення G задає між інформаційними одиницями, що входять в I зв'язки із заданого набору типів зв'язків.

Залежно від типів зв'язків, використовуваних в моделі, розрізняють класифікуючі мережі, функціональні мережі і сценарії.

Приклад: Розглянемо набір з декількох фраз.

Папуга Кеша є птахом, і він уміє говорити.

Звати є

уміє

Рисунок 2.1 – Фрагмент семантичної мережі

2.1 Фреймові і мережеві моделі

Раніше були розглянуті семантичні мережі. Поняття, що входять в мережу, описуються у вигляді фреймів. А що таке фрейм?

Фрейм – це мінімально можливий опис суті якої-небудь події, ситуації, процесу або об'єкту. Існує і інше розуміння фрейма – це асоціативний список атрибутів. Поняття мінімально можливе означає, що при подальшому спрощенні опису втрачається його повнота, і воно перестає визначати ту одиницю знань, для якої було призначено. Представлення знань за допомогою фреймів розуміється як один із способів представлення знань про ситуації. Фрейм має ім'я (назва) і складається із слотів. Слоти – це незаповнені (нульові) позиції фрейма. Якщо у фрейма всі слоти заповнені – це опис конкретної ситуації. У перекладі з англійського слово «фрейм» означає «рамка», а слово «слот» – «щілина». На відміну від моделей інших типів у фреймових моделях фіксується жорстка структура інформаційних одиниць, яка називається протофреймом. У загальному вигляді структура інформаційних одиниць виглядає таким чином:

(Ім'я фрейма:

ім'я слота1 (значення слота1);

ім'я слота2 (значення слота2);

. . . . . . . . . . . . . . . . . . . . . . . . . .

ім'я слотаК (значення слотаК)).

Значенням слота може бути практично що завгодно (числа, математичні співвідношення, тексти на природній мові або на мові програм, посилання на інші слоти даного фрейма) .Значенням слота може виступати і окремий фрейм, що є дуже зручним для впорядковування знань по ступеню спільності. Виключення з фрейма будь-якого слота робить його неповним, а іноді і безглуздим.

При конкретизації фрейма йому і слотам приписуються конкретні імена і відбувається заповнення слотів. Таким чином з протофреймов виходять фрейми – екземпляри. Перехід від початкового протофрейма до фрейма – екземпляру може бути багатокроковим, за рахунок поступового уточнення значень слотів.

Розглянемо деякий протофрейм:

(Список співробітників:

Прізвище (значення слота1);

Рік народження (значення слота2);

Спеціальність (значення слота3);

Стаж (значення слота4)).

Якщо як значення слотів використовувати конкретні дані, то отримаємо фрейм –