Acasă | Despre noi | feedback-ul
Cunoștințele și datele sunt o resursă informațională și sunt stocate în calculator în conformitate cu modelul dezvoltat.
Baza de cunoștințe este cunoașterea unei persoane (expert, specialist) plasată în memoria calculatorului conform unui model.
Lucrul cu bazele cunoașterii este una din direcțiile inteligenței artificiale. al cărui scop este crearea de instrumente. ceea ce permite rezolvarea problemelor. considerată în mod tradițional intelectuală.
Un model este o regulă sau un acord. implementarea cărora vă permite să vă imaginați ceva în memoria calculatorului într-o formă care să vă permită să utilizați instrumentele formale (software) pentru prelucrarea lor (obținerea de noi cunoștințe).
Există diverse modele de reprezentare a bazelor de cunoștințe, dintre care cele mai populare sunt:
- modele de producție (arbori de ieșire);
- rețelele semantice (rețelele asociative),
Deoarece orice model, inclusiv modelul de reprezentare a cunoștințelor, este formal, prin urmare, pot fi create instrumente software pentru a le prelucra.
Cunoașterea, ca și alte forme de reprezentare a informației, devine caducă sau inutilă, deci trebuie să existe un sistem de gestionare a acestora.
Sistemul de management al cunoștințelor este un set de instrumente software care oferă căutarea, introducerea, prelucrarea, utilizarea și actualizarea cunoștințelor.
Rețelele semantice în rezolvarea problemelor economice
O rețea semantică este un grafic orientat a cărui noduri (noduri) corespund conceptelor domeniului modelat și arcurilor la relațiile dintre ele.
Deoarece conceptele reprezintă, de obicei, obiecte specifice sau abstracte și relații - legături.
Rețelele semantice conțin o descriere a relațiilor în formă explicită. indicată prin relații sintactice, semantice și pragmatice.
Cele mai multe ori folosesc următoarele relații:
-integer-part (o clasă este o subclasă, un element este un set etc.);
-conexiune funcțională. definită de verb (produce, livrează, etc.);
-atributiv (să aibă o valoare, să aibă o proprietate);
- temporar (în timpul, mai devreme, mai târziu ...).
Este mai ușor să explicăm baza de cunoștințe în comparație cu baza de date. deoarece diferențele dintre ele sunt indistincte (fuzzy).
Figura de mai jos prezintă informațiile despre livrări. furnizori, etc., folosind o bază de date relațională și o bază de cunoștințe sub forma unei rețele semantice.
Comparând baza de date și baza de cunoștințe, vedem că informațiile din baza de date sunt mai puține și, prin urmare, este dificil să răspundem cu certitudine la întrebare:
Oare firma OOO Voskhod a comandat Rassvet LLC pentru supapa pe care o produce sau OOO Voskhod a furnizat armătura produsă de Rassvet LLC?
Diferența dintre bazele de cunoștințe și bazele de date este că acestea conțin legături între obiecte într-o formă explicită.
Rețeaua semantică este procesată pe baza principiului corelației obiect-obiect și a relațiilor specificate în cerere. cu obiectele și relațiile care există în rețeaua semantică.
Arborele de ieșire în rezolvarea problemelor economice
Arborele de ieșire este un set de reguli combinate care reflectă condițiile pentru executarea unui anumit proces.
Regulile sunt un construct lingvistic al formei:
IF <условие, ct(условия)>, LA <заключение, ct(заключения)> ct (reguli),
ct (condiții) - coeficientul de determinare a condiției;
ct (concluzie) - coeficientul de claritate al concluziei;
ct (regula) este coeficientul definitivității regulii.
ravnyy0. indică o incertitudine totală,
egal cu 1 - la certitudine deplină.
Regulile și coeficienții sunt stabiliți de expert.
Regulile multiple sunt combinate într-un arbore de ieșire.
De exemplu, sunt definite două reguli.
indicele prețurilor va crește cu cel puțin 3% (condiția B) ct (B)
prețurile la energie vor crește cu nu mai mult de 19% (condiția C), ct (C) = 0,4
Pentru a cumpara cumpara (concluzia A) ct (A) = 0.7, ct (regula 1) = 0.7.
IFSLU crește cu cel puțin 1,5% (condiția D) ct (D) = 0,8
ratele Băncii Centrale vor fi în limita a 12% (condiția E) ct (E) = 0,5
volumul exportului va crește cu mai mult de 5% (condiția G) ct (G) = 0,6
Indicele prețurilor va crește cu cel puțin 3%. (concluzia B) ct (B) = 0,3, ct (regula 2) = 0,3.
Aceste reguli sunt combinate în arborele prezentat în figura de mai jos.
Cunoștințele de acest fel sunt reprezentate grafic. precum și modul în care se calculează coeficientul de claritate al concluziei.
Suntem de acord să încheiem concluzia obținută cu ajutorul regulii de mai sus. și condițiile - de jos.
Numărul de lângă condiție indică certitudinea sa, iar numărul de lângă linie indică certitudinea regulii în sine.
Pot exista mai multe condiții în regula. care sunt conectate una cu alta de sindicatele AND sau OR.
Dacă A și B și C, apoi E,
Dacă A sau B sau C, THEN E.
Din punct de vedere grafic, aceste reguli sunt reprezentate după cum se arată în figură
Arcul solid sau punctat indică tipul de unire a condițiilor: uniunea ȘI sau uniunea OR, respectiv.
Numărul de lângă arc (solid sau punctat) indică certitudinea regulii, iar numărul de lângă condițiile și concluziile se bazează pe certitudinea condițiilor și a concluziilor.
Persoana care ia decizia, condițiile (A, B, C) și, de asemenea, regula atribuie un factor de certitudine de la 0 la 1.
Cu ajutorul unor formule speciale se calculează coeficientul de claritate pentru concluzie.
Pentru o regulă simplă care conține numai o singură condiție, de exemplu IF E, atunci C, coeficientul de certitudine pentru concluzia C se calculează după cum urmează:
ct (C) = ct (E) · ct (reguli)
unde ct (C) este coeficientul de claritate al concluziei C;
ct (E) este coeficientul de certitudine al condiției E;
ct (regula) este coeficientul definitivității regulii.
Trimiteți-le prietenilor: