- •О.М. Топоркова информационные технологии и системы
- •Введение
- •Глава 1. Производство. Информация. Общество
- •1.1. Информационный характер процесса управления
- •1.2. Элементы субъекта управления и функции управления
- •1.3. Уровни управления и информация
- •1.4. Превращение информации в ресурс общества
- •Глава 2. Структура информационного процесса
- •2.1. Формирование данных
- •2.2. Передача данных
- •2.3. Обработка данных
- •2.4. Хранение данных
- •2.4.1. Оценка данных
- •2.4.2. Защита данных
- •2.4.2.1. Замки и ключи
- •2.4.2.2. Таблицы управления доступом
- •2.4.2.3. Протоколирование и аудит
- •2.4.2.4. Экранирование
- •2.4.2.5. Криптография
- •2.4.2.6. Обеспечение достоверности данных
- •2.4.2.7. Управление параллелизмом
- •2.4.2.8. Восстановление данных
- •Глава 3. Знания как вид информационного ресурса4
- •3.1. Виды знаний
- •3.2. Теоретические аспекты извлечения знаний
- •3.2.1. Психологический аспект
- •3.2.1.1. Контактный слой
- •3.2.1.2. Процедурный слой
- •3.2.1.3. Когнитивный слой
- •3.2.2. Лингвистический аспект
- •3.2.2.1.Общий код
- •3.2.2.2. Понятийная структура
- •3.2.2.3. Словарь пользователя
- •3.2.3. Гносеологический аспект
- •3.3. Методы извлечения знаний
- •3.3.1. Пассивные методы
- •3.3.1.1. Наблюдения
- •3.3.1.2. Мысли вслух
- •3.3.1.3. Лекции
- •3.3.2. Активные методы
- •3.3.2.1. Анкетирование
- •3.3.2.2. Интервью
- •3.3.2.3. Свободный диалог
- •3.3.2.4. Деловые игры
- •3.3.2.5. Круглый стол
- •3.3.2.6. Мозговой штурм
- •3.3.3. Текстологические методы
- •Глава 4. Понятия информационной технологии и информационной системы
- •4.1. Понятие и эволюция информационной технологии в производстве
- •4.2. Характеристика информационной технологии как системы
- •4.3. Структура базовой информационной технологии
- •4.3.1. Концептуальный уровень базовой информационной технологии
- •4.3.2. Логический уровень базовой информационной технологии
- •4.3.3. Физический уровень базовой информационной технологии
- •4.4. Понятие и эволюция информационных систем
- •4.5. Классификация информационных систем
- •Глава 5. Новые информационные технологии
- •5.1. Представление знаний в компьютере
- •5.1.1. Продукционная модель
- •5.1.2. Сетевая модель
- •Полная семья
- •5.1.3. Фреймовая модель
- •5.1.4. Логическая модель
- •5.2. Интеллектуальные информационно-поисковые системы
- •5.2.1. Морфологический анализ
- •5.2.2. Синтаксический анализ
- •5.2.3. Семантический анализ
- •5.3. Расчетно-логические системы
- •5.4. Экспертные системы
- •Глава 6. Организация интерфейса пользователя в информационных технологиях и системах
- •6.1. Типы диалогов
- •6.2. Эргономичность интерфейса
- •Глава 7. Современные тенденции в области информационных технологий и систем
- •7.1. Км-технологии9
- •7.2. Cals-технологии
- •7.3. Erp-технологии
- •7.4. Scm-технологии
- •7.5. Crm-технологии
- •7.6. WorkFlow-технологии
- •7.7. Ит-стратегия предприятия
- •7.7.1. Источники экономической эффективности
- •7.7.2. Выбор системы и команды внедрения
- •7.7.3. Внедрение системы
- •7.8. Itil-технологии
- •7.9. Отечественный рынок решений в области информационных технологий
- •7.9.1. Renaissance
- •7.9.2. Axapta
- •7.9.3. Шереметьево-Карго
- •7.9.4. Eli Lilly
- •Список литературы
- •Оглавление
5.4. Экспертные системы
Обеспечивают выработку и оценку возможных альтернатив решений пользователем за счет использования знаний экспертов. Могут применяться как управленцем, так и специалистом. Используются в слабо структурированных предметных областях. Структура экспертной системы показана на рисунке 5.19.
работа
пользователь
команды и
решения и
исходные
объяснения
данные
знания, команды
инженер по знаниям
- эксперт
создание системы
знания факты
знания факты
Рисунок 5.19 - Структура экспертной системы
Экспертная система функционирует в двух режимах – создания и работы.
В режиме создания системы БЗ через интерфейс разработчика пополняется знаниями первого и второго рода. Знания первого рода – это общезначимые факты, явления, закономерности, признанные в данной предметной области и документированные. Знания второго рода – это эмпирические правила, интуитивные соображения и факты, которые, как правило, не публикуются, но дают возможность опытному эксперту эффективно принимать решения даже в условиях неполных и противоречивых исходных данных.
Успех в реализации экспертных систем тем больше, чем выше удельный вес знаний первого рода по отношению к знаниям второго рода. Если преобладают последние, то возникают следующие трудности: эксперт не может четко сформулировать правила принятия решений; эксперт не желает передавать кому-либо свои знания, сохраняя статус уникального специалиста; в исследуемой предметной области трудно найти эксперта.
Для устранения (возможно, частичного) данных трудностей используют подсистему накопления знаний, которая позволяет формировать эмпирические зависимости из неполных данных. При этом знания второго рода являются источником знаний первого рода. Для решения этой задачи используются принципы индуктивного обобщения в машинном обучении.
Эксперт описывает предметную область в виде совокупности данных и правил, при этом данные определяют объекты, их характеристики (свойства), связи между объектами, а правила определяют способы манипулирования данными, характерные для предметной области.
Инженер по знаниям управляет процессом коммуникации в форме последовательности содержательных сообщений, помогая эксперту; идентифицирует и конструирует понятия предметной области, выясняет и фиксирует их смысл, устанавливает связи между ними (выступает в роли посредника носителя знаний); организует хранение информации путем запоминания, выборки и документирования.
Интерфейс пользователя и разработчика может быть организован аналогично естественно-языковому интерфейсу, который был рассмотрен ранее. Он выполняет следующие действия:
распределяет роли пользователя и системы и организует их взаимодействие в процессе решения задачи;
преобразует данные пользователя на внутренний язык;
преобразует результаты на внешний язык.
Модуль создания системы может строиться либо с помощью алгоритмического языка, либо с помощью специальных языков типа ЛИСП или Пролог, либо с помощью специальных программных оболочек экспертных систем – готовых программных сред, которые могут быть приспособлены к решению определенной проблемы путем создания соответствующей базы знаний.
Решатель в режиме работы системы в определенном порядке обрабатывает знания из базы знаний на основании запроса и данных, вводимых пользователем. В результате пользователю дается вариант (варианты) решения его проблемы.
Подсистема объяснений – это основное отличие экспертных систем от других диалоговых человеко-машинных систем. Она объясняет, как система получила решение задачи, и какие знания при этом использовались. Это облегчает пользователю понимание результатов и повышает доверие к системе.