630_Poletajkin_A.N._Sotsial'nye_iehkonomicheskie_informatsionnye_sistemy_

между понятиями Sk. Таким образом, Sf образует стратегическую составляющую модели.

Существует широкое разнообразие методов структурирования, которое определяется в основном сложностью разрабатываемых систем – это структурные, системные, объектные подходы и их различные гибриды. Ввиду того, что данная ЭС значительной сложностью не отличается, в качестве методологии формирования поля знаний предлагается простейший прагматический подход, алгоритм которого выглядит следующим образом [4]:

1)определение входных и выходных данных;

2)составление словаря терминов;

3)выявление объектов, понятий и их атрибутов;

4)выявление связей между понятиями;

5)выделение метапонятий и детализация понятий;

6)построение концептуальной составляющей;

7)определение отношений;

8)определение стратегии принятия решений;

9)структурирование поля знаний.

Несмотря на относительную простоту, это довольно сложный и разнообразный процесс. Сложность проектирования интеллектуальных систем опре-

деляется в основном сложностью предметных областей и управления процес-

сом разработки, а также сложностью обеспечения гибкости конечного программного продукта и описания поведения отдельных подсистем. Эту проблему решает объектная методология.

Можно предложить в качестве базисной парадигмы методологии структурного анализа знаний и формирования поля знаний обобщенный объектноструктурный подход (ОСП), последовательно разработанный от математического обоснования до технологии и программной реализации [4].

Основные постулаты этой парадигмы заимствованы из объектноориентированного проектирования и расширены:

1)системность (взаимосвязь между понятиями);

2)абстрагирование (выявление существенных характеристик понятия, которые отличают его от других);

3)иерархия (ранжирование на упорядоченные системы абстракций);

4)типизация (выделение классов понятий с частичным наследованием);

5)модульность (разбиение задачи на подзадачи или «возможные миры»);

6)наглядность и простота нотации.

Использование пятого постулата ОСП в инженерии знаний позволяет строить глобальные БЗ с возможностью выделить локальные задачи с помощью горизонтальных и вертикальных сечений на отдельные модули пространстваописания ПрО. Шестой постулат акцентирует внимание на ясности. Традиционно языком инженерии знаний были диаграммы, таблицы и другие графиче-

191

ские элементы, способствующие наглядности представлений. Поэтому предлагаемый подход связан с возможной визуализацией процесса проектирования и подразумевает интегрированное использование сформулированных выше постулатов от первой до последней стадий разработки БЗ. На основе ОСП предла-

гается алгоритм объектно-структурного анализа (ОСА) предметной области,

позволяющего оптимизировать и упорядочить достаточно размытые процедуры

структурирования знаний.

Основы ОСА были предложены в [10] и подробно рассмотрены в [4]. ОСА подразумевает дезагрегацию ПрО, как правило, на восемь страт или слоев (табл. 8.3), а также разработку и использование матрицы ОСА (табл. 8.4), которая позволяет всю собранную информацию дезагрегировать последовательно по слоям-стратам (вертикальный анализ), а затем по уровням – от уровня проблемы до уровня подзадачи (горизонтальный анализ).

Таблица 8.3. Стратификация знаний о предметной области

При необходимости число страт может быть увеличено. В свою очередь знания каждой страты подвергаются дальнейшему ОСА и декомпозируются на составляющие Emn, где m – номер уровня, n – номер страты, а Е принадлежит множеству К всех концептов (понятий) предметной области.

Матрица Е является матрицей над К. Пусть М(К) – совокупность всех матриц над К. Тогда можно определить клеточную матрицу Е, в которой:

m= m1 + ... + mk,,

n= n1 + ... + nl,,

где m и n – целые положительные числа.

192

Матрица Е является несимметричной, так как часть клеточных элементов Е могут подвергаться декомпозиции, а часть представляет некоторые базисные атомарные концепты из К, не подлежащие детализации.

Предлагаемый подход предполагает реализацию концепции последовательного генезиса ОСП через ОСА к объектно-структурной разработке.

Алгоритм ОСА содержит последовательность аналитических процедур, позволяющих упростить и оптимизировать процесс структурирования и разделяется на две составляющие:

А_1. Глобальный (вертикальный) анализ, включающий разбиение ПрО на методологические страты на уровне всей ПрО. В результате заполняется первый столбец матрицы.

A_II. Анализ страт (горизонтальный), включающий построение многоуровневых структур по отдельным стратам. Число уровней n определяет-

193

ся особенностями стратифицированных знаний ПрО и может существенно отличаться для разных страт. С точки зрения методологии n<3 свидетельствует о слабой проработке ПрО. Чаще всего первый уровень соответствует уровню всей ПрО (уровень области). Второй – уровню проблемы, выделенной для решения. Третий – уровню конкретной решаемой задачи. Дальнейшие уровни соответствуют подзадачам, если имеет смысл их выделять. При этом возможно как последовательное применение восходящей (bottom-up) и нисходящей концепций (top-down).

А_1 – Глобальный анализ сводится к разбиению пространства основной

задачи структурирования предметной области на подзадачи, соответствую-

щие особенностям ПрО. Для разработки экспертных систем существует минимальный набор S-страт, обеспечивающий формирование БЗ:

S_3 – формирование концептуальной структуры Sk;

S_4 – формирование функциональной структуры Sf;

S_7 – формирование подсистемы объяснений Sо.

Формирование остальных страт позволяет существенно оптимизировать процесс разработки и избежать многих традиционных ошибок проектирования. Страты S_4 и S_5 являются дополнительными и формируются в случаях, когда знания предметной области существенно зависят от временных и пространственных параметров (системы реального времени, планирование действий роботов и т. п.). Алгоритм А_1 глобального анализа может быть кратко сформулирован следующим образом:

А_1_1. собрать все материалы по идентификации задачи и по резуль-

татам извлечения знаний;

А_1_2. выбрать набор страт N, подлежащих формированию (Nmin=3); А_1_3. отобрать всю информацию по первой выбранной страте (i=1,

где i – номер из выбранного набора страт N);

А_1_4. повторить шаг А_1_3 для всех выбранных страт (i++) до i <=

N;

А_1_5. если часть информации останется неиспользованной, увеличить число страт и повторить для новых страт шаг А_1_3; иначе перейти к последовательной реализации алгоритмов горизонтального анализа страт А_2.

А_2 – Анализ страт. Последовательность шагов горизонтального анализа зависит от номера страты, но фактически сводится к реализации дуальной концепции структурирования для решения конкретной подзадачи. Ниже предлагается алгоритм ОСА для одной из обязательных страт S_3 (ЧТО-анализ), результатом которого является формирование Sk.

A_2_3_l. Из группы информации, соответствующей ЧТО-страте, выбрать все значимые понятия и сформулировать соответствующие концепты.

А_2_3_2. Выявить имеющиеся иерархии и зафиксировать их графически в виде структуры.

194

А_2_3_3. Детализировать концепты (top-down).

А_2_3_4. Образовать метапонятия по концепции (bottom-up). А_2_3_5. Исключить повторы, избыточность и синонимию.

А_2_3_6. Обсудить понятия, не вошедшие в структуру Sk с экспертом и перенести их в другие страты, или исключить.

А_2_3_7. Полученный граф или набор графов разделить на уровни и обозначить – согласно матрице ОСА (таблица 8.3).

8.4.3 Анализ методов формализации знаний

Формализация знаний – процедура разработки БЗ на языке представления знаний, который, с одной стороны, соответствует структуре поля знаний, а с другой – позволяет реализовать прототип системы на следующей стадии программной реализации, то есть, строится формализованное представление кон-

цепций предметной области.

Базовым механизмом БЗ, подлежащим формализации, является модель представления знаний. Рассмотрим это аспект построения ЭС на примере продукционной модели (подробнее о продукционных моделях см. подраздел 8.2).

Продукционная система предусматривает наличие трех компонентов:

БЗ, содержащая правила продукции;

БД, отображающая текущее состояние решаемой задачи;

управляющая структура – программа, решающая, какое из возможных правил необходимо применить – интерпретатор правил.

Интерпретатор правил выполняет две функции:

1)просмотр существующих фактов из рабочей памяти (БД) и правил из БЗ и добавлению (по надобности) в рабочую память новых фактов;

2)определение порядка просмотра и применения правил.

Этот же механизм управляет подсистемой объяснений, сохраняя для пользователя информацию о полученных заключениях. Исходя из этого, можно разделить интерпретатор на два компонента – один реализует собственно вывод, другой управляет этим процессом.

Действие компонента вывода основано на правиле: «Если известно, что истинно утверждение А и существует правило вида «ЕСЛИ А, ТО В», то утверждение В также истинно». То есть правила срабатывают, когда находятся факты, удовлетворяющие их левой части.

Управляющий компонент определяет порядок применения правил и выполняет три функции:

1.Сопоставление – образец правила сопоставляется с имеющимися фактами.

195

2.Срабатывание – если образец правила при сопоставлении совпал с каки- ми-либо фактами из рабочей памяти, то правило срабатывает.

3.Действие – рабочая память подвергается изменению путем добавления в

нее заключения сработавшего правила. Если в правой части правила содержится указание на какое-либо действие, то оно выполняется. Интерпретатор продукции работает циклически. В каждом цикле он про-

сматривает следующее правило. В случае срабатывания правила, его заключение выполняется, и затем цикл повторяется сначала.

Понятно, что функционирование ЭС необходимо обеспечить программно. С этой целью разработаны необходимые программные средства, обеспечивающие весь функциональный цикл поля знаний, включая извлечение данных и представление результатов – интерфейс пользователя, а также интеллектуальный редактор БЗ. То есть функциональная структура БЗ представляется программным кодом на языке представления знаний, активно взаимодействующих с данными и фактами, хранящимися в БД.

Принципиально иное качественное значение имеет представление знаний на языке запросов SQL. Данный способ предусматривает наиболее продуктивное взаимодействие с БД. Любой запрос к БД базируется на правилах обобщения (интенсионал), либо детализации (экстенсионал) понятий из БД. Программа SQL в совокупности с БД образует так называемую дедуктивную базу данных. В реляционной БД каждый атрибут представляет собой не что иное, как предикатный или функциональный символ, а каждый кортеж может быть представлен фактом: микроситуацией, либо микросостоянием среды. БД образует сложную категориальную структуру, а SQL-программа придает этой структуре ситуативность, динамичность, гибкость, что существенно расширяет возможности ЭС при решении на базе знаний.

8.5 Задания для самостоятельного выполнения

1.Перечислите и охарактеризуйте основные модели представления знаний, выделите их преимущества и недостатки.

2.Дайте определение и опишите структуру экспертной системы поддерж-

ки принятия решений.

3.Перечислите категории методов извлечения знаний, охарактеризуйте методы из этих категорий и выполните их сравнительный анализ.

4.Перечислите принципы стратификации знаний о предметной области. Укажите и охарактеризуйте основные страты предметной области.

5.Перечислите основные источники знаний для экспертной системы поддержки принятия решений для прогнозирования спроса товаров народного потребления. Укажите основные проблемы в приобретении знаний.

196

6.В соответствии с принятым классификатором предметных областей экспертных систем классифицируйте современный отечественный региональный рынок товаров народного потребления.

7.Опишите алгоритм объектно-структурного анализа предметной облас-

ти и примените его области прогнозирования спроса товаров народного потребления.

8.Опишите алгоритм объектно-ориентированного подхода к формализации знаний о предметной области и примените его области прогнозирования спроса товаров народного потребления в ракурсе продукционной модели представления знаний. Представьте структуру подсистемы вывода экс-

пертной системы в области прогнозирования спроса товаров народного потребления.

8.6Контрольные вопросы

1.Что такое интеллектуальная система?

2.Что такое система, основанная на знаниях?

3.Что такое экспертная система?

4.Каково назначение экспертных систем?

5.Перечислите основные компоненты экспертной системы.

6.Что такое инженерия знаний?

7.Что представляет собой модель представления знаний?

8.В чем различие между декларативными и процедурными знаниями, а также соответствующими моделями представления знаний?

9.Что подразумевается под самоинтерпретируемостью знаний?

10.Что такое поддержка принятия решений?

11.В чем основные особенности структуру экспертной системы поддержки принятия решений?

12.Какие категории пользователей работают с экспертной системой под-

держка принятия решений?

13.Как пользователи различных категорий взаимодействуют с экспертной системой?

14.Кто такой инженер знаний, и какова его роль во взаимодействии с экс-

пертной системой?

15.Перечислите основные источники знаний для экспертных систем и укажите основной из этих источников.

16.Кто такие эксперты, и какие основные особенности приобретения знаний

уэкспертов?

17.Укажите основные проблемы в передаче знаний от экспертов к эксперт-

ным системам.

197

18.Перечислите и охарактеризуйте наиболее известные отечественные и за-

рубежные экспертные системы.

19.Перечислите и охарактеризуйте основные инструментальные средства создания экспертных систем.

20.Что такое представление знаний применительно к системам, основанным на знаниях?

21.Каковы особенности представления данных и знаний в социальных и экономических ИС?

22.Каковы особенности структуры жизненного цикла экспертных систем?

23.Перечислите и охарактеризуйте основные стадии процесса разработки

экспертных систем.

24.Что такое извлечение знаний применительно к системам, основанным на знаниях?

25.Какие методы извлечения знаний применяются для создания экспертных систем?

26.Воспроизведите простейший алгоритм извлечения знаний из текста.

27.Какие характеристики предметных областей экспертных систем выде-

ляются при классификации предметных областей?

28.Что такое поле знаний экспертной системы?

29.Что такое методы структурирования знаний, и каково их назначение?

30.Опишите алгоритм построения поля знаний экспертной системы.

31.Что такое объектно-структурный анализ предметной области?

32.Для чего предназначена матрица объектно-структурного анализа?

33.Что такое формализация знаний?

34.Что такое методы формализации знаний, и каково их назначение?

35.В каких формах может быть представлена функциональная структура базы знаний экспертной системы?

8.7Рекомендуемая литература

1.Бондаренко М.Ф., Шабанов-Кушнаренко Ю.П. Теория интеллекта : Учебник. – Х.: ООО «Компания СМИТ», 2006. – 576 с.

2.Борисов В.В., Круглов В.В., Федулов Ф.С. Нечеткие модели и сети. – М.: Горячая линия-Телеком, 2007. – 284 с.

3.Джонс М.Т. Программирование искусственного интеллекта в приложени-

ях. – М.: "ДМК Пресс", 2011. – 312 с.

4.Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах.

–К.: Слово, 2008. – 412 с.

5.Абдикеев Н.М. Проектирование интеллектуальных систем в экономике. –

М.: ИНФРА-М, 2003. – 532 с.

198

6.Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. – М.: Финансы и статистика, 2004. – 424 с.

7.Базы данных. Интеллектуальная обработка информации / В.В. Корнеев, А.Ф. Гареев, С.В. Васютин, В.В. Райх. – «Нолидж», 2000. – 352 с., ил.

8.Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошев-

ский. – СПб.: Питер, 2001. – 384 с.

9.Яхьяева Г.Э. Нечеткие множества и нейронные сети. – М.: ИнтернетУниверситет Информационных Технологий; БИНОМю Лаболатория зна-

ний, 2006. – 316 с.

10.Искусственный интеллект: в 3 т. Т.1 Системы общения и экспертные системы: справочник ; под ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464 с.

11.Искусственный интеллект: в 3 т. Т.2. Модели и методы: справочник ; под ред. Д.А. Поспелова. – М.: Радио и связь, 1990. – 304 с.

12.Искусственный интеллект: в 3 т. Т.3. Программные и аппаратные средства: справочник ; под ред. В.Н. Захарова, В.Ф. Хорошевского. – М.: Радио и связь, 1990. – 368 с.

13.Колесников А.В. Гибридные интелктуальные системы: Теория и технология разработки. – СПб.: Изд-во СПбГТУ, 2001. – 711 с.

14.Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. –

М.: ФИЗМАТЛИТ, 2002. – 256 с.

15.Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике.

– М.: СИНТЕГ, 2002. – 326 с.

16.Фролов Ю.В. Интеллектуальные системы и управленческие решения. – М, 2000. – 226 с. : ил.

17.Гаврилова Т.А. Извлечение и структурирование знаний для экспертных систем. СПб.: Питер, 1992. 384 с.

18.Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. Э. Кьюсиака; Пер. с англ. – М.: Машинострое-

ние, 1991.

19.Осуга С. Обработка знаний: Пер. с япон. – М.: Мир, 1989.

20.Поспелов Г.С. Искусственный интеллект – основа новой информационной технологии. М.: Наука, 1998.

21.Приобретение знаний : Пер. с япон. / Под ред. С. Осуги, Ю. Саэки. – М.:

Мир, 1990.

22.Хокинс Д.С., Блексли С. Об интеллекте; пер. с англ. – М.: ООО «И.Д.

Вильяме», 2007. – 69 с.

199

ЗАКЛЮЧЕНИЕ

Данное учебное пособие полностью освещает жизненный цикл информационных систем от возникновения идеи ее создания до введения в эксплуатацию готового продукта, главным образом, в сфере экономики и социологии, и составлено таким образом, чтобы обеспечить учебно-методическую поддержку обучающемуся в любом из аспектов изучения, проектирования, разработки,

тестирования, внедрения и сопровождения информационных систем. Матери-

ал учебного пособия сформирован на основе учебных курсов «Проектирование информационных систем», «Основы системного анализа объектов и процессов компьютеризации», «Управление жизненным циклом информационных систем» и «Информационные системы управления предприятием», читаемых автором на протяжении последних лет в высших учебных заведениях. Сочетание теоретической базы по данным дисциплинам с опытом автора в применении данных знаний в учебном процессе и на производстве позволило создать учебное пособие, ориентирующее студентов на реализацию полного жизненного цикла информационной системы, включая качественную реализацию ее обеспечивающих компонентов, конфигурирования в единый хорошо документированный программно-аппаратный комплекс и внедрение в производственную сферу. Опыт автора в области создания и применения информационных систем, основанных на знаниях, позволяет использовать при создании ИС методы и подходы инженерии знаний и интеллектуализации бизнес-процессов, получая таким образом экспертные системы поддержки принятия решений в области применения.

Учебное пособие может быть полезно не только студентам, но и специалистам разных областей, интересующихся методикой создания и исследования информационных систем. Список рекомендуемой литературы к каждому разделу пособия существенно расширяет учебно-методическое пространство пособия и отправляет автора в увлекательное путешествие самообразования с использованием новейших источников и прикладных программных инструментальных средств, позволяя достичь вершин самореализации на пути становления себя как квалифицированного специалиста в области прикладной инфор-

матики и информационных технологий.

200