Фреймовые модели представления знаний

Фрейм  («рама», «каркас», «основа», «скелет») – минимальное число признаков, описывающих объект или явление данной предметной области. Фреймовая модель представления знаний состоит из фреймов и является частным случаем семантической сети с фиксированной структурой записей в вершинах.

Базовыми элементами фреймовой модели являются так называемые слоты ("slot" – "щель"), именами которых могут служить типы объектов и отношений, а значениями – их свойства или характеристики. Слоты вначале создаются пустыми и заполняются в процессе активизации (активации) и функционированияфрейма в соответствии с определенными условиями или предписаниями, которыми эти процессы сопровождаются.

Каждый слот содержит имя слота, указатель наследования и тип данных, который определяет, имеет ли слот численное значение или является именем другого фрейма. В качестве значения слота может выступать имя программы процедурного типа, которая называется служебной или присоединенной процедурой, выполняемой при обращении к слоту – так образуются фреймовые сети. Характерной особенностью фреймов являются наличие процедур:

· наследования свойств;

· внутренней интерпретации;

· установления связей;

· введения отношений на слотах.

Процедура наследования свойств позволяет фреймам заимствовать свойства других фреймов путем использования так называемых указателей наследования, которые показывают, какую информацию об атрибутах слотов во фрейме верхнего уровня наследуют слоты с такими же именами во фрейме нижнего уровня.

Типичным указателем наследования является «АКО» («А-Кind-Of» - “это”), который указывает на фрейм более высокого уровня, откуда неявно наследуются (переносятся) значения аналогичных слотов.

Процесс поиска фрейма, который соответствует (релевантен) поставленной цели (ситуации), состоит в сопоставлении значений слотов фреймов в базе знаний со значениями атрибутов цели.

Основным преимуществом фреймовых моделей является возможность отражения организации памяти человека, а также гибкость и наглядность фреймовой сети. Поэтому фреймовые модели применяются чаще логических моделей представления знаний.

В качестве примера рассмотрим фреймовую модель базы знаний предметной области "Транспортные средства"экспертной системы (см. выше), которая может быть представлена в виде фреймовой сети рис.2.2.

Продукционные модели представления знаний

Наибольшее распространение в системах искусственного интеллекта получили продукционные модели представления знаний в виде правил продукций или продукционных правил (далее – продукций) в виде:

«Если (условие) то (действие)».

Под условием понимается некоторое предложение-образец, по которому осуществляется поиск информации в базе знаний. Действие выполняется при успешном исходе поиска.

Наряду с указанными продукциями применяются следующие продукции:

«Если (предшествующий) то (последующий)»;

«Если (основание) то (гипотеза)».

В продукционных моделях, так же как и в логических моделях, используются соединители "и", "или" и "не", например:

«Если Вова является сыном Кости

и        Костя является сыном Олега

то Вова является внуком Олега».

Если заключение одной  продукции является посылкой другой продукции, то можно установить третью  продукцию с посылкой из первой  продукции и заключением из второй, т.е.:             «Если X то Y» и «Если Y то Z» ® «Если X то Z».

Заключения одних продукций могут быть посылкой для других – так образуются сложные цепочки продукционной модели базы знаний. Целенаправленный перебор и выбор правил в продукционной базе знаний называется продукционным выводом на знаниях. Программное устройство, управляющее перебором правил и выводом на знаниях, называется машиной вывода или интерпретатором правил (продукций).

Продукционные модели чаще других применяются в промышленных экспертных системах в связи с наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, а также простотой механизма вывода.

В качестве примера рассмотрим продукционную модель базы знаний предметной области "Транспортные средства"экспертной системы (см. выше), которая может быть представлена в следующем виде:

Продукционная модель базы знаний "Транспортные средства":

Если ( самолет и вертолет и катер и танкер и грузовик и такси )

то ( транспортные средства ).

Если ((имеет колеса) и (имеет винт) и (имеет крылья) и (возит грузы) )

то ( самолет ).

Если ((имеет колеса) и (имеет винт) и не (имеет крылья) и (возит грузы) )

то ( вертолет).

Если (не (имеет колеса) и (имеет винт) и не (имеет крылья) и не (возит грузы))

то ( катер).

Если ((имеет колеса) и не (имеет винт) и не (имеет крылья) и (возит грузы) )

то ( грузовик).

Если ((имеет колеса) и не (имеет винт) и не (имеет крылья) и не (возит грузы))

то ( такси).

Порядок выполнения работы

2.1. Для своего варианта предметной области (см. "Лабораторную работу №1") разработать логическую,семантическую,фреймовую и продукционную модели представления знаний в базе знаний создаваемой экспертной системы.

2.2. Используя любую традиционную систему создания баз данных ("Dbase", "Paradox", текстовый массив и др.), создатьв компьютере 4 базы знаний экспертной системы с использованием логической,семантической,фреймовой и продукционной моделей представления знаний соответственно.

2.3. Представить на экранеи сделать распечатки (листинги) баз знаний, созданныхс использованием моделей представления знаний п.2.2.

Отчет о работе

Отчет о лабораторной работе должен иметь следующую структуру и содержать разделы:

Титульный лист (см.выше)

Содержание работы

Название и цель работы (см.выше)

Реферат (теоретические сведения и общая характеристика работы – см.выше)

Расчетно-графическая часть

Вариант задания (взять из "Лабораторной работы №1")

Состав базы знаний (взять из "Лабораторной работы №1")

Логическая модель базы знаний

Семантическая модель базы знаний

Фреймовая модель базы знаний

Продукционная модель базы знаний

Лабораторная часть

База данных логической базы знаний (здесь и далее – привести листинг (распечатку) и указать используемый тип системной базы данных)

База данных семантической базы знаний

База данных фреймовой базы знаний

База данных продукционной базы знаний

Анализ разработанных моделей баз знаний и выводы.

3. Лабораторная работа №3
"Программное обеспечение экспертной системы"

Цель работы – получение практических навыков использования языка программирования Prolog в среде "Turbo-Prolog"  при создании программного обеспечения экспертной системы.