Разработайте правило selection, которое выбирает вино с наивысшим рейтингом и предлагает его Пользователю.

Разработайте правило rejection, которое активизируется после ввода пользователем отрицательного ответа на текущее предложение.

Правило acceptance завершает текущий сеанс работы с программой, (defrule acceptance

(task choice)

(decision (re?candidate) (is yes))

=>

(printout

T crlf

"Sir/Madam has impeccable taste "

;; "Сэр/Мадам! У вас исключительно тонкий вкус! "

T crlf) (halt))

II) Как можно изменить стратегию поиска, например не формировать сначала весь список, а предлагать пользователю вина сразу же после формирования очередного кандидата, причем создавать их в порядке "качества" вина?

ГЛАВА 12. Эвристическая классификация (II)

Инструментальные средства и задачи, решаемые экспертной системой

Эвристическая классификация в системах MUD и MORE

Модель предметной области выполнения буровых работ

Стратегии приобретения знаний

Использование коэффициентов уверенности в программе MORE

Опыт эксплуатации системы MORE

Совершенствование стратегий

Уроки проекта GUIDON

Структура задач в системе NEOMYCIN

Рекомендуемая литература

Упражнения

ГЛАВА 12.  Эвристическая классификация (II)

Инструментальные средства и задачи, решаемые экспертной системой

Эвристическая классификация в системах MUD и MORE

12.3. Совершенствование стратегий Рекомендуемая литература Упражнения

Сейчас мы продолжим начатый в предыдущей главе анализ различий между задачами классификации и конструирования. Но теперь основное внимание будет сосредоточено на методах решения проблем, включая и различные способы представления знаний и реализации машины логического вывода. В частности, мы подробно рассмотрим типы инструментальных программных средств, наиболее подходящих для разработки систем эвристической классификации, примеры использования эвристической классификации в экспертных системах, более современных, чем MYCIN и EMYCIN, и увидим, каким образом сказывается обладание знаниями об используемых методах решения проблем на работе автоматизированных систем извлечения знаний.

Мы начали обсуждение методов решения проблем с эвристической классификации по той причине, что этот метод наиболее понятный. В следующих главах будут рассмотрены другие, более сложные методы, и вы сможете сравнить их.

Но в этой главе мы будем считать, что метод решения проблем выбран, а наша задача — проанализировать процесс выбора инструментальных средств для проектируемой экспертной системы и средств приобретения знаний.

Инструментальные средства и задачи, решаемые экспертной системой

В своей статье [Clancey, 1985] Кленси отметил, что хотя языки, базирующиеся на правилах, такие как EMYCIN, и не учитывают многих свойств предложенной им модели эвристической классификации, все же они являются достаточно подходящими инструментами для задач классификации, в частности задач диагностики. Хотя вразрез с рекомендациями Кленси ни система MYCIN, ни системы, базирующиеся на EMYCIN, не содержат специфических средств таксономии симптомов или признаков неисправностей, тот факт, что решения могут быть заранее пронумерованы, означает, что можно применить обратную стратегию построения суждений, т.е. строить логическую цепочку от абстрактных категорий решений к подходящим данным через промежуточный этап абстрагирования данных. Этот этап неявно включен в используемые правила. Тот факт, что выводы из набора правил индексируются в терминах медицинских параметров, на которые они ссылаются, позволяет без особого труда реализовать стратегию рассуждения от цели к средствам.