uzluga.ru
добавить свой файл

МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ПРОДУКЦИОННЫХ БАЗ ЗНАНИЙ.

А. С. Иванов

Саратовский государственный университет, Саратов, Россия


В экспертных системах (ЭС) одной из основных моделей представления знаний является продукционная модель. Достоинства продукций отмечались многими авторами. Однако, при работе с продукционными базами знаний (БЗ) приходится сталкиваться с синтаксическими и семантическими проблемами. Проверка реальной базы знаний, хранящей сотни и тысячи правил, на правильность заполнения, на полноту и непротиворечивость, структуризация базы, оценка времени, затрачиваемого на проведение логического вывода - представляет собой ряд непростых задач.

Продукционные правила имеют вид ЕСЛИ - ТО. В части «ЕСЛИ» описывается условие применимости правила, в части «ТО» – заключение, которое делается в случае применения правила.

Продукционная БЗ представляет собой набор продукционных правил, содержащий необходимые для проведения логического вывода знания. Известные данные представляются в виде троек «объект – атрибут – значение». Под объектом понимается некоторый объект предметной области, под атрибутом – некоторая его характеристика. Атрибуты объектов обычно снабжаются списком разрешенных значений. Таким образом значением атрибута является некоторый элемент его списка разрешенных значений

Логический вывод (ЛВ) представляет собой поиск ответа на вопрос пользователя, заданный экспертной системе. Этот ответ будет отыскиваться ЭС на основе анализа знаний, накопленных в БЗ к этому моменту. Сам по себе ответ является одним из элементов списка разрешенных значений.

В продукционных ЭС, как правило, используется две разновидности ЛВ: прямой (от данных к цели) или обратный (от цели к данным). При проведении прямого вывода у пользователя заранее запрашиваются все известные ему данные. ЭС используя эти данные и знания, хранящиеся в БЗ, выводит новые данные. Этот процесс продолжается аналогичным образом до тех пор, пока ЭС не перестанет получать из БЗ новые данные, или не будет установлено значение атрибутов некоторого, выделенного пользователем, объекта. Обратный вывод проводится следующим образом. Вначале у пользователя запрашивается имя объекта, для атрибутов которого ему необходимо установить значения. Затем ЭС из знаний, хранящихся в БЗ, запрашивая, при необходимости, у пользователя дополнительные сведения, выводит новые данные. Далее, используя предыдущие и вновь полученные данные, ЭС получает новые. Этот процесс продолжается аналогичным образом до тех пор, пока ЭС не сможет ответить на вопрос пользователя, то есть присвоить атрибутам объекта какие-либо из разрешенных значений, или станет ясно, что получить требуемые значения не удается.

Отметим, что реальные базы знаний могут насчитывать сотни правил. Они хранятся в базе в хаотичном порядке, т.е. для нахождения нужного правила приходится просматривать всю БЗ, что снижает скорость работы продукционных экспертных систем. Очевидно, что если бы можно было упорядочить правила в БЗ таким образом, чтобы при установлении нового факта пришлось бы просматривать не всю базу знаний, а только часть ее, то время проведения ЛВ сократилось бы.

В докладе описывается разработанный автором способ представления продукционной БЗ в виде мультиграфа специального вида, который позволить повысить эффективность работы ЭС. Приводятся разработанные для этого представления алгоритмы прямого и обратного ЛВ, а также экспериментальные данные, подтверждающие эффективность работы алгоритмов на предложенном мультиграфе.