Македонская Л.А.

Автомобильно - дорожный институт ГВУЗ «ДонНТУ», г. Горловка

Формирование базы экспертных знаний

 

В настоящее время исследования в области разработки интеллектуальных систем, выполняющих роль эксперта и консультанта, являются главными направлениями в развитии компьютерных информационных технологий. При этом, бесспорно, актуальными являются проблемы, связанные с формированием и представлением знаний, выявлением закономерностей в знаниях, формированием решающих правил, принятием и обоснованием решений [1].

Теории и практике формирования баз знаний посвящены исследования следующих ученых: П.Джексона, А.П. Еремеева,  Б.А. Кобринского, Э.В. Попова, А.Ю. Терехиной и других. Вместе с тем, в отечественной науке и практике на современном этапе отсутствует полный теоретический анализ процессов формирования базы экспертных знаний. Этим обусловлена цель статьи – попытаться провести теоретический анализ отдельных аспектов формирования базы экспертных знаний.

На сегодняшний день решение широкого круга неформализованных задач в различных предметных областях в большой степени связано с практическим применением средств вычислительной техники и современных информационно-интеллектуальных технологий, одной из которых является технология экспертных систем. Экспертная система (ЭС) – это специальный программный комплекс, аккумулирующий знания специалистов в конкретной предметной области, а также обеспечивающий пользователя возможностями трансформирования опыта специалистов-экспертов путем создания  и развития базы знаний [2].

При этом процедуры формирования знаний в экспертных системах могут различаться по нескольким аспектам в том числе по источникам знаний, роли участников процесса приобретения знаний, методам приобретения и тестирования знаний. Их приобретение может происходить следующими способами [3]:

- инженер знаний получает знания эксперта в процессе интенсивного интервью и механически переносят их в базу знаний;

- инженер знаний сам становится экспертом, полагаясь на собственный анализ фраз эксперта, который выполняется им в процессе общения с экспертом, он кодирует знания эксперта на выбранной им языке описания;

- эксперт самостоятельно загружает базу знаний ЭС с помощью специальной программы, при этом в какой-то мере выполняя функции инженера знаний;

- специальная программа анализирует источник знаний и сама преобразует их в форму, пригодную для хранения в базе знаний ЭС.

Третий и четвертый способы имеют дело уже с вторичными, переделанными знаниями и применяются при наличии качественных и проверенных хранилищ знаний или данных. Наиболее распространены сейчас первые два способа. Однако традиционно при их использовании существует промежуточное звено – инженер знаний, который, во-первых, способен исказить вводимые знания, а во-вторых может помешать наиболее свободному выражению мнений эксперта.

Существует достаточно большое количество методов формирования знаний, однако авторы выделяют две основные разновидности: «прямой»(снизу вверх, от данных к модели) и «косвенный» (сверху вниз, от модели к данным).

При использовании прямых методов инженер знаний задает прямые вопросы эксперту и записывает все, что он отвечает, реже знания вводит сам эксперт (системы TEIRESIAS, АРИАДНА). Эта группа методов включает: моделирование сценария, интервью, анкетирование, простое наблюдение, анализ протоколов, анализ с прерыванием.

В основе косвенных методов (системы SIMER, MICKEY, EIR, EXSORT, DCS, LEMS) лежит недоверие в способности эксперта изложить свои знания о предметной области с достаточной степенью достоверности. С помощью этих методов собирается информация о предметной области в форме некоторой совокупности свойств. Косвенные методы включают: многомерное шкалирование, иерархическую кластеризацию, общие весовые сети, упорядоченные деревья и репертуарные решетки.

Например, репертуарные решетки используются при описании структуры знаний эксперта. Так, в системе SIMER [3] эксперту предъявляются триады событий с предложением назвать свойство, отличающее одно событие от других. На следующем этапе эксперту предлагается назвать противоположное свойство. Пополнение базиса свойств отрасли осуществляется путем повторения этой процедуры с другими триадами. В конце семантической сети система может осуществлять логический вывод.

База экспертных знаний также может формироваться на основе тестирования знаний. Специалисты по работе со знаниями выделяют несколько вариантов разбивки процесса формирования знаний: идентификация, концептуализация, формализация, выполнение, тестирование; определение предметной области, формирование начальных знаний, формирование основного состава знаний; предварительная фаза и фаза накопления.

Таким образом, формирование базы экспертных знаний может осуществляться на основе различных аспектов приобретения знаний. Полностью сформированная база экспертных знаний способствует решению ряд задач, которые требуют специального подхода.

 

Литература:

1. Кобринский Б.А. Искусственный интеллект и медицина: особенности прикладных консультативных систем / Б.А. Кобринский. - М: Наука, 2000. – 286 с.

2. Попов Э.В. Статические и динамические экспертные системы: Учебное пособие / Э.В. Попов. – М.: Финансы и статистика, 1996. – 320 с.

3. Попов Э.В. Экспертные системы: решение неформа­ли­­зованных задач в диалоге ЭВМ / Э.В. Попов. – М.: Наука, 2007 – 287 с.