Базы знаний предприятий и организаций

 

В качестве примера для рассмотрения структуры баз знаний экспертных систем возьмем ESWin – программную оболочку для работы с продукционно-фреймовыми экспертными системами с возможностью использования лингвистических переменных. Описываемая программная оболочка предназначена для решения задач методом обратного логического вывода на основе интерпретации правил-продукций с использованием фреймов как структур данных, включающих в себя, в частности, лингвистические переменные.

База знаний состоит из набора фреймов и правил-продукций. Фрейм – это структура данных, состоящая из слотов (полей). Формат внешнего представления базы знаний (в текстовом файле) выглядит следующим образом:

TITLE = <название экспертной системы>

COMPANY = <название предприятия>

FRAME // фрейм

<описание фрейма>

ENDF

.

.

.

FRAME // фрейм

<описание фрейма>

ENDF

RULE // правило-продукция

<описание условий правила>

DO

<описание заключений правила>

ENDR

.

.

.

RULE // правило-продукция

<описание условий правила>

DO

<описание заключений правила>

ENDR

База знаний состоит из двух частей: постоянной и переменной. Переменная часть базы знаний называется базой данных и состоит из фактов, полученных в результате логического вывода. Факты в базе данных не являются постоянными. Их количество и значение зависят от процесса и результатов логического вывода.

До начала работы с экспертной оболочкой база знаний находится в текстовом файле,
в котором хранятся фреймы и правила-продукции (база знаний). При начале работы с програм-мной оболочкой наличие данного файла обязательно. Этот файл создается пользователем с помощью специального редактора или вручную.

В другом файле с расширением хранятся факты, полученные в процессе логического вывода (база данных). При начале работы с программной оболочкой наличие данного файла необя-зательно. Файл с базой данных создается программной оболочкой в процессе логического вывода.

При работе с программной оболочкой фреймы и правила-продукции, находившиеся в файле с базой знаний, остаются неизменными. Факты, находившиеся в файле с базой данных, могут изменяться в процессе логического вывода (появляться, удаляться или менять свое значение в результате срабатывания правил-продукций или диалога с пользователем).

Пример базы знаний:

TITLE = для выбора метода представления знаний

FRAME = Цель

Метод представления знаний: ()

ENDF

FRAME = Тип

Решаемые задачи: (диагностика; прогнозирование)

ENDF

FRAME = Область

Применение [Какова область применения?]: (медицина; экономика)

ENDF

FRAME = Действие

Сообщение: ()

ENDF

 

RULE 1

= (Область.Применение; медицина)

= (Тип.Решаемые задачи; диагностика)

DO

= (Метод представления знаний; Правила-продукции с представлением нечетких знаний) 90

ENDR

 

RULE 2

= (Область.Применение; экономика)

= (Тип.Решаемые задачи; прогнозирование)

DO

= (Метод представления знаний; Фреймы) 100

= (Метод представления знаний; Правила-продукции с представлением нечетких знаний) 70

= (Метод представления знаний; Семантические сети) 70

MS (Действие.Сообщение; Доказано правило 4)

ENDR

Фреймы используются в базе знаний для описания объектов, событий, ситуаций, прочих понятий и взаимосвязей между ними. Формат внешнего представления фреймов (в текстовом файле) выглядит следующим образом:

FRAME (<тип фрейма>) = <имя фрейма>

PARENT: <имя фрейма-родителя>

OWNER: <имя фрейма-владельца>

<имя слота 1> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение k>)

<имя слота 2> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение l>)

<имя слота n> (<тип слота>) [<вопрос слота>?]: (<значение 1>; <значение 2>; ... ; <значение m>)

ENDF

 

Фрейм может принадлежать к одному из трех типов фреймов:

– фрейм-класс (тип описывается зарезервированным словом “класс”);

– фрейм-шаблон (тип описывается зарезервированным словом “шаблон”);

– фрейм-экземпляр (тип описывается зарезервированным словом “экземпляр”).

В базе знаний содержатся фреймы-классы и фреймы-шаблоны. При создании базы знаний тип фрейма-класса можно не описывать, этот тип фрейма понимается по умолчанию. Явно следует описывать только тип фрейма-шаблона.

В базе данных хранятся только фреймы-экземпляры. Так как для хранения фреймов-экземп-ляров используется специальный файл, явно их тип в этом файле также можно не описывать. (Описание типов фреймов-классов и фреймов-экземпляров используется по преимуществу во внутреннем представлении базы знаний и базы данных.)

Тип слота может принадлежать к одному из трех типов: символьный, численный, лингвисти-ческий. Описание типа слота определяет тип возможных значений слота. Обязательным является описание типов слотов численного (описывается зарезервированным словом “численный”) и лингвистического (описывается зарезервированным словом “лп”). Слот без описания типа понимается как символьный по умолчанию.

Напомним, что понятие “база знаний” ведет свое происхождение из систем искусственного интеллекта. В этих системах базы знаний генерируются для экспертов и систем, основанных на знаниях, в которых компьютеры используют правила вывода для получения ответов на вопросы пользователя. По мере усложнения АИС, многие методы, которые ранее использовались только в исследовательских целях, находили свое место в разработках организационно-технических систем. Методы и средства “управления знаниями” в настоящее время стали применяться в АИС различного назначения, в том числе в производстве, экономике, коммерческих и финансовых приложениях.

В таких системах под управлением знаниями понимается установленный в организации формальный порядок работы с информационными ресурсами для облегчения доступа к знаниям и повторного их использования с помощью современных информационных технологий. Основная цель – сделать знания доступными и повторно используемыми на уровне всей организации.

Ресурсы знаний различаются в зависимости от отраслей индустрии и приложений, но, как правило, они включают руководства, письма, новости, информацию о заказчике, сведения о конкурентах и данные, накопившиеся в процессе работы. При этом используются разнообразные технологии:

– электронная почта;

– базы и хранилища данных;

– системы групповой поддержки;

– броузеры и системы поиска;

– корпоративные сети и Internet;

– экспертные системы и системы баз знаний.

Традиционно проектировщики АИС ориентировались лишь на отдельные группы пользователей – главным образом, менеджеров. Такие системы содержат набор инструментальных средств для нисходящего доступа к базам данных, информация в которых необходима для поддержки принятия решений в процессе управления. Более современные системы проектируются в расчете на целую организацию. Очевидно, что когда все данные содержатся в едином хранилище, изучение связей между отдельными элементами данных может быть более эффективным, а результатом анализа становятся новые знания, скрытые в анализируемых знаниях.

Если хранилища данных содержат в основном количественные данные, то хранилища знаний ориентированы в большей степени на качественные данные. Знания генерируются из следующих источников:

– баз и хранилищ данных;

– рабочих процессов, статей и новостей;

– внешних баз данных, в том числе Web-страниц и др.

Хранилища знаний обычно распределены по большому количеству серверов. Базы знаний могут содержать руководства и правила проектирования, спецификации и требования.

Другим распространенным приложением является база знаний кадровых ресурсов, содержащая данные о квалификации и профессиональных навыках сотрудников, об образовании, перечень специальностей, сведения об опыте работы и т.д.

Получили развитие обучающие базы знаний. Например, обучающая база знаний агентства безопасности может содержать три типа уроков: информационные, уроки успеха и проблемы.

Информационный урок может описывать, как служащий принимает на себя временные обязанности в случае опасности. В “Уроках успеха” приводится позитивный опыт разрешения трудной ситуации. В “Уроках по проблемам” показаны примеры типичных ситуаций возникно-вения ошибок и возможные пути их устранения.