Понятие информационной системы

База знаний. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Все виды знаний могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети

Интерпретатор. Это часть ЭС, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.

Во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.

Модуль создания системы. Он служит для создания набора (иерархии) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экспертных систем.

Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык.

Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием.

 

3. Модели знаний

Знания – это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Для хранения знаний используются базы знаний.

Знания могут быть классифицированы по следующим категориям:

- поверхностные – знания о видимых взаимосвязях между отдельными событиями  и фактами в предметной области;

- глубинные – абстракции, аналогии, схемы, отражающие структуру и процессы в предметной области.

Существуют десятки моделей представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:

- продукционные;

- семантические  сети;

- фреймы;

- формальные логические модели.

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие).

Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения — к данным). Данные — это исходные факты, на основании которых запускается машина вывода — программа, перебирающая правила из базы.

Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

- класс — элемент класса;

- свойство — значение; 

- пример элемента класса.

Выделяют несколько классификаций семантических сетей:

- по количеству типов отношений (однородные – с единственным типом отношений; неоднородные – с различными типами отношений);

- по типам отношений (бинарные – в которых отношения связывают два объекта; n-арные – отношения, связывающие более двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

- связи типа “часть-целое”;

- функциональные связи;

- количественные;

- пространственные;

- временные;

- атрибутные связи;

- логические связи.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Основное преимущество этой модели – в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели – сложность поиска вывода на семантической сети.

Под фреймом понимается абстрактный образ или ситуация. В психологии и философии известно понятие абстрактного образа. Например, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2 ". Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть "дырки", или "слоты", — это незаполненные значения некоторых атрибутов — количество окон, цвет стен, высота потолка, покрытие пола и др.

В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа. 

Структуру фрейма можно представить так: 

ИМЯ ФРЕЙМА: 

(имя 1-го слота: значение 1-го слота), 

(имя 2-го слота: значение 2-го слота), 

…………………..

(имя N-ro слота: значение N-ro слота).

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы - экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

- фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);

- фреймы-роли (менеджер, кассир, клиент);

- фреймы-сценарии (банкротство, собрание акционеров, празднование именин);

- фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств.

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

В представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I порядка, когда предметная область или задача описывается в виде набора аксиом. Эта логическая модель применима в основном в исследовательских "игрушечных" системах, так как предъявляет очень высокие требования и ограничения к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения.

Модели знаний – продукционная, фреймовая, семантических сетей – обладают практически равными возможностями представления знаний. Дополнительно каждая модель знаний обладает следующими свойствами:

- продукционная модель позволяет легко расширять и усложнять множество правил вывода;

- фреймовая модель позволяет усилить вычислительные аспекты обработки знаний за счет расширения множества присоединенных процедур;

- модель семантических сетей позволяет расширять список отношений между вершинами и дугами сети, приближая выразительные возможности сети к уровню естественного языка.

 

9.4. Экспертная система «ДА» фирмы «Контекст»

В ДА-системе реализована так называемая ДА-технология обработки и анализа данных, опирающаяся на Детерминационный Анализ (сокращенно ДА, откуда название технологии). Предлагаемый в ней набор процедур позволяет решать широкий круг проблем, возникающих при работе с качественными и количественными данными. Детерминационный Анализ (или Анализ Правил) - это универсальный метод, обеспечивающий решение базовых задач анализа данных. Метод содержит оригинальный подход к анализу правил (детерминаций). Математические основы метода разработаны Сергеем Чесноковым в 70-е годы в Институте Системных исследований (ВНИИСИ, Москва) в отделе академика С.С.Шаталина (1934-1997). Была построена детерминационная логика, в которой нашли современное математическое оформление взгляды Аристотеля, не получившие должного развития в формальной логике двадцатого века. На базе теории детерминаций было получено радикальное обобщение силлогистики Аристотеля, приведшее к новому пониманию роли силлогистики в естественном языке, в основаниях логики и арифметики и в анализе данных (Чесноков, 1983-1994).

Что обеспечивает ДА-система?

1. Обработка данных:

- создание Словаря переменных;

- ввод данных из документов, лабораторных журналов и т.д.;

- ввод данных, записанных на гибких дисках в форматах других систем;

- обмен данными с другими системами;

- добавление новых данных в процессе анализа;

- корректировка введенных данных.

2. Анализ данных:

- построение таблиц распределений;

- построение графиков;

- поиск и анализ правил (детерминаций);

- построение таблиц правил (детерминаций);

- конструирование вторичных переменных;

- анализ в произвольных контекстах;

- оценивание статистических ошибок;

- расчеты с учетом весовых показателей.

  А также:

- информационный поиск;

- оформление результатов в виде отчетов;

- перенос таблиц, графиков, других материалов и результатов анализа в Word, WordPad, Excel.

Применение ДА-системы дает наилучший результат:

-  если Вас интересует поиск и анализ правил, объясняющих то или иное явление;

-  если при этом Вам приходится конструировать новые признаки из уже имеющихся, чтобы более четко ставить и решать интересующие Вас задачи;

-  если Вам необходимо вести анализ в разнообразных контекстах и в процессе анализа быстро переходить из одного контекста в другой;

-  при обработке и анализе неколичественных (качественных) данных;

-  при совместном анализе количественных и неколичественных данных;

-  когда не выполнены (или под вопросом) условия применимости классических статистических методов анализа количественных данных.

В области маркетинговой деятельности ДА-система может быть использована для:

-  планирования отношений с клиентами;

-  планирования торговой политики и товарооборота;

-  планирования загрузки складских помещений;

-  планирования использования торговых площадей;

-  регулирования занятости персонала;

-  планирования рекламных кампаний;

-  работы по созданию необходимого имиджа фирмы.

ДА-система может применяться для обработки данных, которые представляют деятельность фирмы и ее филиалов, отношения с поставщиками и клиентами, а также результаты обследований потенциальных поставщиков и клиентов. Это клиентские счета, накладные, сводки о результатах работы фирмы за день, неделю, месяц, данные опросов потенциальных поставщиков и клиентов, данные маркетинговых исследований по группам производителей товаров и т.д. С помощью ДА-системы, обрабатывая внутренние документы фирмы, а также данные маркетинговых опросов клиентов, производителей и поставщиков можно оперативно получать следующие типы результатов

Общие характеристики фирмы за любой период в сжатой, сухой форме (дела за прошедший день, неделю, месяц; квартальный отчет, годовой отчет). Оценки того, насколько успешно действует фирма. Динамика характеристик фирмы за любой период и по любым отрезкам времени (в форме таблиц и графиков по годам, сезонам, месяцам, дням). Анализ спадов и подъемов в делах фирмы, выявление того, что было ошибкой, а что - удачной находкой, как сделать, чтобы дела шли более успешно. Анализ эффективности рекламы. Сезонные колебания активности клиентов. Товары-форварды и товары-аутсайдеры, по разным регионам, поставщикам, клиентам, сезонам. Поставщики-форварды и поставщики-аутсайдеры, клиенты-форварды и клиенты-аутсайдеры, по разным регионам и группам товаров. Регионы-форварды и регионы-аутсайдеры по разным группам товаров и клиентов.  Списки по разным критериям (суммарная выручка, цена единицы товара, объем партии, общее количество единиц, количество сделок, привлекательность для потенциальных клиентов и т.д.). Портреты потенциальных клиентов по отдельным товарам и услугам (группам товаров и услуг).