Стратегии управления выводом. Прямой и обратный вывод. 


Мы поможем в написании ваших работ!



ЗНАЕТЕ ЛИ ВЫ?

Стратегии управления выводом. Прямой и обратный вывод.



Стратегия управления выводом в ЭС. При реализации стратегии управления выводом в ЭС необходимо решить два вопроса:
1) какую точку в пространстве состояний принять в качестве исходной (от выбора этой точки зависит и метод осуществления поиска (прямой или обратный));
2) какими методами можно повысить эффективность поиска решения? (Эти методы определяются выбранной стратегией перебора – в глубину, в ширину, по подзадачам или как-то иначе).

Прямой и обратный вывод. В системах с прямым выводом по известным фактам отыскивается заключение, которое следует из этих фактов (рис. 2.7). Если такое заключение удается найти, то оно заносится в рабочую память. В системах с обратным выводом по известному заключению находятся те факты, которые приводят к данному заключению (рис. 2.8). Эти факты затем и записываются в рабочую память.

Рис. 2.8. Стратегия обратного вывода: а – поиск в глубину; б - поиск в ширину

В случае применения объектно-ориентированной парадигмы в стратегиях вывода БЗ ЭС характерно наследование атрибутов, когда значение их передается по иерархии от вышестоящих классов к нижестоящим. В остальном процесс вывода повторяет описанные ранее стратегии.

Определение понятия онтологии. классификация онтологии

Понятие и классификация онтологий

Актуальность задачи совершенствования информационного поиска в эталонном банке данных правовой информации Республики Беларусь (далее – ЭБДПИ) обусловлена как неуклонно возрастающими ролью и объемами использования электронных информационно-правовых ресурсов во всех сферах нормотворческой и правоприменительной деятельности, которые являются одними из важнейших составляющих государственного управления в целом, так и возрастанием правовой культуры населения страны и процессами формирования правового государства и информационного общества.
Недостаток лингвистических и онтологических знаний (знаний о мире), используемых в приложениях информационного поиска, служит причиной разнообразных проблем. Нехватка знаний приводит к нерелевантному поиску в тех случаях, если способы формулировки запросов отличаются от способов описания релевантных ситуаций в документах.
Для целей данной статьи наиболее применимо определение онтологии из работы [1]. Онтология – это иерархически структурированное множество терминов, описывающих предметную область, которая может быть использована как исходная структура для базы знаний.
Рассмотрим некоторые из типов онтологии в порядке от менее формализованных ресурсов к более формализованным [2].
Словарь с определениями, глоссарий, может рассматриваться как онтология с пустым множеством отношений.
Рубрикаторы представляют собой иерархически организованные онтологии. При этом отношения между рубриками не сводятся к одному и тому же типу отношений, смысл отношений между разными рубриками может различаться.
Информационно-поисковые тезаурусы также рассматриваются как онтологические ресурсы. Они имеют обычно таксономические отношения, а также ряд дополнительных отношений. Часто в тезаурусах происходит совмещение под одним именем отношения выше–ниже разного рода отношений, то есть отношения устанавливаются не всегда формальным образом.
Тезаурусы типа WordNet, особенно классификация существительных, также рассматриваются как ресурсы онтологического типа.
Можно выделить следующие отличительные особенности тезаурусов как вида онтологических ресурсов:
единицы тезаурусов имеют тесную связь с естественным языком, обычно снабжаются вариантами их выражения на естественном языке;


  • тезаурусы обычно не имеют внутренней структуры понятий. Знания о мире, предметной области представлены в виде отношений между понятиями;

  • аксиомы (правила вывода) сводятся к свойствам транзитивности и наследования.

Онтология верхнего уровня(онтология OpenCyc,Sumo,Dolce)

Онтологии верхнего уровня

Пренебрегая незначительными различиями в определениях термина " онтология ", полученных из разных источников (и приведенных в лекции 1), в этом разделе под онтологией будем понимать систему, которая состоит из множества понятий, их определений и аксиом, необходимых для ограничения интерпретации и использования понятий.

OpenCyc

OpenCyc1 - открытая для общего пользования часть коммерческого проекта Cyc, в рамках которого создана наиболее масштабная и детализированная на текущий момент онтология в области здравого смысла. База знаний OpenCyc содержит информацию из различных предметных областей: Философия, Математика, Химия, Биология, Психология, Лингвистика и т.д. Структурно база знаний OpenCyc состоит из констант (терминов) и правил (формул), оперирующих этими константами. Правила делятся на два вида: аксиомы и выводимые утверждения. Под аксиомами в OpenCyc понимаются утверждения, которые были явно и вручную введены в базу знаний экспертами, а не появились там (или могут появиться) в результате работы машины вывода. Все утверждения или формулы в базе знаний OpenCyc фиксируются на языке CycL, выразительно эквивалентном исчислению предикатов первого порядка.

DOLCE

DOLCE (Descriptive Ontology for Linguistic and Cognitive Engineering) - первая из онтологий в библиотеке базовых онтологий проекта WonderWeb. Для представления своей онтологии авторы DOLCE избрали более гибкий, чем в проекте Cyc, подход: онтология фиксируется с использованием логики предикатов первого порядка. Затем описывается та часть утверждений, которая может быть представлена на языке OWL. Оставшиеся аксиомы, выраженные на языке KIF2, добавляются к OWL -описаниям в виде комментариев. Таким образом достигается выразительность уровня KIF3 и совместимость с OWL. Недостаток такого подхода в том, что приложения, не имеющие информации о действительной структуре OWL -документа, не смогут получить доступ к "закомментированным" утверждениям.

SUMO

SUMO (Standard Upper Merged Ontology) - онтология верхнего уровня, разработанная в рамках проекта IEEE SUO (IEEE Standard Upper Ontology) и Teknowledge. Проект претендует на статус стандарта для онтологий верхнего уровня. Аксиомы ограничивают интерпретацию концептов и предоставляют основу для систем автоматизированного рассуждения, которые могут обрабатывать базы знаний, соответствующие по своей структуре онтологии SUMO. Пример аксиомы: "Если Cявляется экземпляром процесса горения, то существуют выделение тепла H и излучение света L такие, что оба они - H и L- являются подпроцессами C ". Более сложные предложения говорят, что процессы выделения тепла и излучения света сопутствуют каждому процессу горения. Аксиомы кодируются в SUMO на формальном логическом языке SUO-KIF.

9. Онтология предметных областей на примере онтологий CIDOC CRM

Другое название - онтология домена. Назначение схоже с назначением онтологии верхнего уровня, но область интереса ограничена одной предметной областью (т.н. доменом), например, авиация, медицина, культура, дистанционное обучение, Интернет-технологии. Онтология предметной области обобщает понятия, использующиеся в некоторых задачах домена, абстрагируясь от самих задач (так, онтология автомобилей независима от любых особенностей конкретных марок машин). Во многих дисциплинах сейчас разрабатываются стандартные онтологии, которые могут использоваться экспертами по предметным областям для совместного использования и аннотирования информации в своей области.

Например, в области медицины созданы большие стандартные, структурированные словари, такие как SNOMED CT (SystematizedNomenclature of Medicine - Clinical Terms - систематизированная номенклатура медицины - клиническая терминология) и UMLS(Unified Medical Language System - семантическая сеть Системы Унифицированного Медицинского Языка). Также появляются обширные общецелевые онтологии. Так, программа ООН по развитию (United Nations Development Program) и компания Dun&Bradstreet объединили усилия для разработки онтологии UNSPSC, которая предоставляет терминологию товаров и услуг (www.unspsc.org). Еще один пример - онтология в области документации в сфере культурного наследия CIDOC CRM, которая будет рассмотрена в лекции 5.

CIDOC CRM CIDOC CRM ("Committee on Documentation" " Conceptual Reference Model ") представляет собой формальную онтологию, предназначенную для улучшения интеграции и обмена гетерогенной информацией по культурному наследию. Более конкретно, CIDOC CRM определяет семантику схем баз данных и структур документов, используемых в культурном наследии и музейной документации, в терминах формальной онтологии. Модель не определяет терминологию, появляющуюся в конкретных структурах данных, но имеет характерные отношения для ее использования.

Модель может служить как руководством для разработчиков информационных систем, так и общим языком для экспертов предметной области и специалистов по информационным технологиям. Она предназначена для покрытия контекстной информации исторического, географического и теоретического характера об отдельных экспонатах и музейных коллекциях в целом. Иерархия классов модели CIDOC CRM делится на 2 ветви: Постоянные сущности и Временные сущности. Прочие классы являются вспомогательными.

На самых нижних уровнях иерархии классов появляются понятия, характерные для сферы культуры: Хранение, Перемещение(ценностей), " Проект или Процедура " (в том числе техника производства), Период (в том числе художественный стиль). Иерархия классов может быть гибко расширена с применением встроенного класса Тип. Наибольший интерес представляют свойства. Классы на нижних уровнях иерархии имеют около 10-15 свойств, причем большая часть свойств наследуется от классов-предков. Названия свойств представляют собой глагольные фразы, выбранные так, что при последовательном связывании двух классов свойством получается осмысленная фраза с субъектом (первый, если считать слева направо, класс), предикатом (свойством) и объектом (второй класс)



Поделиться:


Последнее изменение этой страницы: 2016-09-20; просмотров: 436; Нарушение авторского права страницы; Мы поможем в написании вашей работы!

infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 52.90.142.26 (0.006 с.)