WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 82 |

СущностьИмя2 = «Сущность» Описание2 = «…» “instance_of” “instance_of” “instance_of” 1 Док_РекШап1 * Рекв_Тип1 Справочник* Документ2 РеквизитреквизитШапки тип Имя1 = «Справочник» Имя1 = «Документ» Имя1 = «Реквизит» Описание1 = «…» 1 Док_ЗначРек2 * Описание1 = «…» Описание1 = «…» Рекв_Знач2 * Наименование2: String Номер2: Integer значениеРеквизита значение Дата2: DateTime “instance_of” “instance_of” “instance_of” Док_РекШап0 Рекв_ТипСчет1 Клиент1 КонтрагентреквизитШапки тип Имя0 = «Документ» Имя0 = «Клиент» Имя0 = «Контрагент» Описание0 = «…» Описание0 = «…» Описание0 = «…» Номер1: Intrger Наименование1: String Дата1: DateTime “instance_of” “instance_of” “instance_of” :Счет :Клиент :Контрагент Док_ЗначРек0 Рекв_Знач0 Наименование0 = «ЧП Номер0 = значениеРеквизита значение Иванов» Дата0 = 22.02.Рис. 4. Пример использования потенциалов XII-th International Conference "Knowledge - Dialogue - Solution" Для выхода из сложившейся ситуации Аткинсон и Кюхне предлагают обобщить мелкое порождение до глубокого (deep instantiation) [2]. В данном случае появляется возможность делать утверждения не только об экземплярах, но и об экземплярах экземпляров. Для этого предлагается с каждым элементом модели связывать его потенциал – число, определяющее возможное количество порождений элемента.

Например, класс с потенциалом 2 (метакласс) при порождении превращается в класс с потенциалом (традиционный класс) и далее в класс с потенциалом 0 (объект). Аналогично, атрибут с потенциалом превращается в атрибут с потенциалом 1 (традиционный атрибут), который в свою очередь становится атрибутом с потенциалом 0 (слот). Пример использования потенциалов приведен на Рис. 4.

Кроме потенциалов, Аткинсон и Кюхне в своей работе [2] вводят понятие двойственного поля (DualField) – объект, обладающий семантикой и поля и слота. Другими словами, двойственное поле – это слот с ненулевым потенциалом. Примерами двойственных полей на Рис. 4 являются поля «Имя» и «Описание».

Не смотря на то, что введение потенциала позволяет избежать указанных выше проблем, возникающих при переходе к многоуровневому моделированию, этого явно не достаточно для решения практических задач. Предлагаемый в [2] язык, поддерживающий потенциалы, является слишком простым, его возможностей не хватает для решения реальных задач. Необходимы дополнительные инструменты метамоделирования, такие как метаатрибуты и метаассоциации.

Язык O ML O ML – это рабочее название разрабатываемого автором языка многоуровневого онтологического моделирования, полученное из следующей цепочки: «Ontological Multi-Level Modeling Language OMLML O2ML O ML».

В основе O ML лежит следующие три вещи:

• UML – богатые возможности «внутри-уровневого моделирования»;

• OMEGA – широкие возможности «межуровневого» моделирования;

• глубокое порождение – поддержка многоуровневого моделирования.

На Рис. 5, Рис. 6 и Рис. 7 приведен пример использования языка O ML. Из рисунков видно, что использование потенциалов позволяет сократить количество метаатрибутов, что приводит к более компактным и простым моделям. С формальной точки зрения атрибут с потенциалом n > 1 – это метаатрибут с потенциалом n – 1, удовлетворяющий следующим ограничениям:

• множество допустимых типов ограничено только одним типом;

• количество экземпляров в каждом классе-потомке класса-владельца равно одному;

• имена экземпляров совпадают с именем самого метаатрибута.

“ModelLevel” Мета-метамодель “MetaClass” “MetaAttribute” Сущность Атрибут string Имя2 = «Сущность» string Описание2 = «…» “MetaAttribute” “MetaAttribute” Ключ ПолеДанных Type = {int, string} Count = {1} Рис. 5. Пример O ML-мета-метамодели В графической нотации O ML используется отличное от UML описание атрибутов следующего вида:

<Тип> <Имя> <Потенциал>: <Имя метаатрибута>. Такой подход согласуется с тем, что метаатрибут является классификатором соответствующих ему атрибутов.

Ontologies “ModelLevel” Метамодель {Родитель = Потомок} “MetaClass” “MetaAttribute” Документ:Сущность Реквизит: ПолеДанных “MetaAssociation” string Имя1 = «Документ» Multiplicity = {1} Родитель_Потомок string Описание1 = «…» string Номер2: Ключ “Родитель” datetime Дата2: ПолеДанных Multiplicity = {0..1} Aggregation = {shared} 1 0..“MetaClass” ТабличнаяЧасть:Сущность “Потомок” Multiplicity = {*} string Имя1 = «Табличная часть» string Описание1 = «…» “MetaAssociation” Документ_ТабличнаяЧасть 0..1 Родитель “Документ” “MetaClass” Multiplicity = {1} 0..Справочник:Сущность Aggregation = {composite} Потомок string Имя1 = «Справочник» “ТабличнаяЧасть” string Описание1 = «…» Multiplicity = {*} string Название2: ПолеДанных isOrdered = true Рис. 6. Пример O ML-метамодели “ModelLevel” Модель “Class” “Class” Счет: Документ Пользователь: Справочник string Имя0 = «Счет» string Описание0 = «…» “Class” int Номер1: Ключ Клиент: Справочник datetime Дата1: ПолеДанных Пользователь Автор1: Реквизит Контрагент Клиент1: Реквизит : Документ_ТабличнаяЧасть * “Class” {ordered} ПозицияСчета:ТабличнаяЧасть Родитель string Имя0 = «Позиция счета» “Class” string Описание0 = «…» Товар: Справочник 0..Товар Товар1: Реквизит Потомок int Кол-во1: Реквизит * currency Цена1: Реквизит :Родитель_Потомок Рис. 7. Пример O ML-модели Особенностью O2ML является то, что он обладает полностью формально определенной семантикой, что делает возможным непосредственное построение O ML-машины. Для описания семантики используется язык XOCL (eXecutable OCL), который расширяет возможности OCL и является частью XMF (eXecutable Metamodeling Framework) [3].

Библиографический список [1] Atkinson C., Khne T. Rearchitecting the UML Infrastructure. ACM Transactions on Modeling and Computer Simulation, Vol. 12, No. 4, October 2002.

[2] Atkinson C., Khne T. The essence of multi-level metamodeling. In Proceedings of the Fourth International Conference on the Unified Modeling Language, M. Gogolla, C. Kobryn, Eds., Lecture Notes in Computer Science, vol. 2185, 19–33, 2001.

XII-th International Conference "Knowledge - Dialogue - Solution" [3] Clark T., Evans E., Sammut P., Willans J. Applied Metamodelling: A Foundation for Language Driven Development http://albini.xactium.com/web/downloads/b1a35960appliedMetamodelling.pdf, 2004.

[4] Gitzel R., Ott I., Schader M. Ontological Metamodel Extension for Generative Architectures (OMEGA), Working Paper, University of Mannheim, Department of Information Systems III, http://www.bwl.uni-mannheim.de/Schader/_files/gitzelomega.pdf, June, 2004.

[5] Object Management Group, Common Warehouse Metamodel, http://www.omg.org/technology/cwm, 2001.

[6] Object Management Group, Meta Object Facility Core v2.0, http://www.omg.org/cgi-bin/docformal/2006-01-01, January 2006.

[7] Object Management Group, UML Superstructure Specification v2.0, http://www.omg.org/cgi-bin/docformal/05-07-04, July 2005.

Информация об авторе Сергей Шаврин – Пермский государственный университет, старший преподаватель;

e-mail: shavrin@gmail.com САМООРГАНИЗАЦИЯ ПРОЦЕССА ФУНКЦИОНИРОВАНИЯ ЭКСПЕРТНОЙ СИСТЕМЫ С ИСПОЛЬЗОВАНИЕМ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ Елена Нетавская Аннотация: Оптимизация процессов проектирования, создания, функционирования и сопровождения экспертных систем является важной задачей теории искусственного интеллекта и методов принятия решений. В статье предложен подход к ее решению с использованием технологии, базирующейся на методологии системного анализа, онтологии предметной области, принципах и методах самоорганизации. Изложены аспекты реализации такого подхода, базирующиеся на построении соответствия между иерархической структурой онтологии и последовательностью вопросов в автоматизированной систем контроля знаний.

Ключевые слова: Экспертная система, онтология, самоорганизация Введение Экспертные системы (ЭС) относятся к основным и наиболее ранним направлениям искусственного интеллекта. Первые ЭС, базирующиеся на использовании вычислительной техники, известны с 60-х годов прошлого столетия. Сегодня сложно назвать отрасль науки или производства, где бы они не использовались. Вместе с тем, стремительное движение по этапам <общество без границ><информационное общество><общество, базирующееся на знаниях> и лавиноподобный рост количества информации значительно усложнили адекватное использование ЭС, что связано с информационной избыточностью, неполнотой и нечеткостью информации, ее субъективностью. Возникли проблемы представления знаний экспертов, оптимизации процессов получения заключений в ЭС, определения полноты информационных баз.

Типичным представителем ЭС являются автоматизированные системы контроля знаний (АСКЗ) по дисциплинам, связанным с информационными технологиями. Не останавливаясь на задачах верификации тестов и оценки результатов отметим, что в них в полной мере отражены все вышеуказанные проблемы. В дальнейшем изложении будем руководствоваться выводом [Feigenbaum, 1963] о том, что “основным принципом инженерии знаний является то, что возможности решателя задач интеллектуального агента в первую очередь определяются его информационной базой и лишь во вторую - используемым методом вывода”.

Ontologies Анализ, характеристика и составные части процесса создания экспертных систем Предпосылкой и побудительным мотивом получения новых знаний является идея или необходимость. В случае ЭС такая необходимость заключается в получении некоторого вывода, являющимся одним из определяющих факторов при принятии решений. С помощью АСКЗ оценивают уровень знаний. Будем иллюстрировать процесс создания ЭС при помощи трех методологических структурных единиц, которыми являются онтология (O), системный анализ (CA) и самоорганизация (CO).

Следуя этапам алгоритма СА, в соответствие с [Плотинский, 1992], [Згуровский, 1997], определим цель создания ЭС как средства, атрибутом которого является способность накапливать экспертные знания и впоследствии возможность заменить экспертов в процессах принятия решений. Задачи, решаемые для достижения цели, определяются предметной областью. В частности, для АСКЗ такими являются контроль знаний, определение их уровня и, частично, их приобретение. Функционирование ЭС определяется внешней средой, из которой поступает информация в виде тем, вопросов, возможных ответов, правил вывода и в которую передается результат – оценка уровня знаний.

Как сложную систему, ЭС можно представить тремя моделями [Тимченко, 1991]: строения, функционирования и развития. Модель строения является теоретико-множественной моделью:

Mb =< It,Iq,Ia,Ro >, (1) в которой отображен элементный базис системы: It - информационная таблица тем контроля; Iq - таблицы данных вопросов ( в зависимости от типов вопросов их может быть несколько); Ia - таблицы возможных ответов с указанием градации их правильности; Ro - совокупность правил вывода, иногда представляемую некоторой процедурой или алгоритмом. Модель функционирования определяет процесс достижения цели системой, который осуществляется ее элементами, подсистемами, целостной ЭС:

Mf =< Ot,Oq,Qa,P1,P2,...,Pn,A >, (2) где Ot - динамические операции, сопровождающие процесс выбора темы; Qq - динамические операции выбора множества вопросов; Qa - динамические операции формирования множества возможных ответов и их оценки; Pi,i = 1,n - совокупность операций, реализующих последовательность переходов при тестировании; A - алгоритм оценивания знаний. Модель развития отражает движение ЭС, обладающей атрибутами открытости, мобильности, системного и информационного единства, комплексности по этапам ее жизненного цикла:

Md =< AdAmAu,Br >, (3) где - логическая дизъюнкция или конъюнкция, Ad - процедуры адаптации к изменению внешних условий; Am - процедуры модернизации и использования новых технологий; Au - процедуры частичной или полной утилизации; Br - механизмы обратной связи, позволяющие с учетом будущих процессов производить изменения в ЭС на всех этапах ее жизненного цикла.

Модели (1)-(3) являются дополнительным информационным фактором, позволяющим осуществлять структуризацию процесса создания и функционирования ЭС. Заметим, что эффективно функционировать будет та ЭС, как уже указано выше, которая имеет адекватно сформированный информационный базис. В его качестве рационально использовать онтологию - достаточно сложную организованную структуру знаний о предметной области с одной стороны, с другой - исходный материал для получения новых знаний [Гречко, 2005]. Построение и использование онтологии в ЭС базируется на том, что:

- онтология в таком случае совместно используется коллективами агентов;

- знания о предметной области используются неоднократно;

- знания о предметной области отделены от процесса и алгоритма экспертизы;

- она необходима для анализа знаний о предметной области.

Разработка и использование онтологий на сегодняшний день не формализованы, для их построения существуют только некоторые фундаментальные правила. Вместе с тем, области применения онтологий XII-th International Conference "Knowledge - Dialogue - Solution" и аспекты их развития достаточно разнообразны, о чем свидетельствует анализ работ 2005 года. Так, в [Гречко, 2005] построена онтология метода анализа иерархий Саати; в статье [Даревич, 2005] для повышения интеллектуального анализа текста предложено использовать взвешивание понятий в модели онтологии; авторы [Кучеренко, 2005] рассматривают вопросы, связанные с представлениями в онтологии нечетких понятий и отношений; статья [Шалфеева, 2005] посвящена исследованию оценивания в процессе создания онтологий. Алгоритм сравнения интересов продавцов и покупателей в Интернетмагазинах предложен в работе [Гладун, 2005]; в статье [Gribova, 2005] рассмотрена задача разработки пользовательского интерфейса с использованием разных типов диалога, базирующихся на использовании онтологий; процедура структурирования знаний в прикладной области изучается в [Palagin, 2005]. Анализ работ показывает, что их можно разделить на два типа: к одному относятся статьи, в которых изучаются аспекты создания и усовершенствования онтологий, к другому - решения прикладных задач с их использованием.

Pages:     | 1 |   ...   | 27 | 28 || 30 | 31 |   ...   | 82 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.