Современные информационные технологии/2. Вычислительная техника и программирование

К.т.н. Малыхина М.В., к.т.н. Бегман Ю.В.

ФГБОУ ВПО «Кубанский государственный технологический университет», Россия

Применение базы знаний прецедентов в области решения проблем абонентов сотовых сетей

Прецедент – это описание проблемы или ситуации в совокупности с подробным указанием действий, предпринимаемых в данной ситуации для решения данной проблемы. Для задачи обслуживания абонентов сотовой сети связи прецедентом можно считать заявку, подаваемую абонентом [1].

Пусть задан прецедент следующего вида:

, (1)

где P – проблема, которая возникла у абонента в процессе эксплуатации сотовой сети связи; R – решение этой проблемы; U – результат, который описывает состояние исследуемого процесса после разрешения произошедшей проблемной ситуации.

Структура прецедента включает общие данные о моменте регистрации прецедента, данные, характеризующие возникшую проблему, принятое решение и описание результата выбора решения (проблема ликвидирована или нет). Исходя из описания прецедента, формально определим базу знаний прецедентов следующим образом:

, (2)

где – множество прецедентов, I – совокупность индексных термов, определяющих принадлежность прецедента к одному из классов K.

Структура базы знаний прецедентов показана как семантическая сеть, узлы которой – это индексные термины, прецеденты или классы прецедентов. Пара «индексный термин – значение» указывает путь от класса прецедентов к прецеденту или к другому классу прецедентов. Новый прецедент записывается в соответствующий класс, с которым имеет наибольшее количество совпадающих пар «индексный термин – значение» (принцип «близости»), наследуя при этом характеристики этого класса. На множестве прецедентов своего класса конкретный прецедент различается по-своему специфическому индексному термину.

Модель вычислений с использованием методов рассуждений на основе прецедентов имеет следующий вид:

, (3)

где BP – база прецедентов, – алгоритм определения похожих прецедентов .

Интерпретатор , используя , обрабатывает информацию, хранящуюся в базе прецедентов BP, и представляет совокупность процессов:

, (4)

где – обнаружение; – адаптация; – пересмотр; – сохранение.

Вывод, основанный на прецедентах, зависит от структуры базы знаний прецедентов. Известны несколько методов обнаружения прецедентов [2]: ближайшего соседа; индукция; индукция, управляемая знаниями; обнаружение по шаблону. Эти методы могут использоваться в отдельности или комбинироваться в гибридные стратегии. Метод ближайшего соседа предполагает оценку похожести между прошлыми прецедентами и новым прецедентом, основываясь на подгонке взвешенной суммы признаков.

Пусть имеются образцы X_i и X_k в N-мерном пространстве признаков, тогда выбор прецедента осуществляется с помощью метрик сравнения (таблица 1) [2]. Для решения задачи поиска причин возникновения проблем с эксплуатацией сотовой сети связи у абонентов будем вычислять степень близости прецедента по всем признакам по формуле [3]:

, (5)

где – весовое значение значимости признака; – функция схожести; , – значения i-го признака в текущем и прошлом прецеденте соответственно.

Степень сходства прецедентов вычисляется по метрике Хэмминга:

, (6)

где – число совпадающих признаков у образцов ,; – общее число признаков.

Таблица 1 – Основные типы метрик

Метрика	Тип признаков	Формула для оценки меры близости
Евклидово расстояние	Количественные
Манхэттенская метрика	Количественные
Мера сходства Хэмминга	Номинальные (качественные)	, где nik – число совпадающих признаков у образцов Xi и Xk.
Расстояние Махалонобиса	Количественные	, где W – ковариационная матрица выборки
Расстояние Журавлева	Смешанные	, где

Литература:

1. Малыхина М.П., Бегман Ю.В. Нейросетевая экспертная система на основе прецедентов для решения проблем обслуживания абонентов сотовой сети // Известия вузов. Северо-кавказский регион. Технические науки. – Новочеркасск, 2009. – №3. – С. 6 – 9.

2. Карпов Л.Е., Юдин В.Н. Методы добычи данных при построении локальной метрики в системах вывода по прецедентам. – М., ИСП РАН, препринт №18, 2006.

3. Малыхина М.П., Бегман Ю.В. Нейросетевая экспертная система на основе прецедентов для решения проблем абонентов сотовой сети: монография. Краснодар: Юг, 2011. 148 с.