Сайт Информационных Технологий Вывоз мусора тбо.

МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В СЕМИОТИЧЕСКОЙ СИСТЕМЕ

Е.Ю. Головина

Московский энергетический институт (технический университет)

Abstract – The Multi-layer logic is selected as one of knowledge representation languages in semiotic systems. The extension of syntax of Multi-layer logic is developed which allows to increase efficiency of deductive inference for complex-structure problem domains. One of mechanisms of processing of knowledge in semiotic system is represented. The semiotic tool of modeling of complex-structure problem domains is developed.

Введение

В последние годы происходит бурное развитие математического аппарата, лежащего в основе интеллектуальных систем. Одним из направлений исследований в этой области является разработка теории семиотических систем, представляющей математический базис для построения интеллектуальных систем качественно нового уровня. Так, на смену формальной системы и ее частичных модификаций приходит семиотическая система, позволяющая адекватно описывать современные проблемные области, основными характеристиками которых являются открытость, динамичность, cложноструктурированность.

Основоположником нового подхода к разработке интеллектуальных систем как семиотических систем моделирования является академик РАЕН, д.т.н. Д.А. Поспелов.

В данной работе рассматривается подход к созданию одной из моделей представления знаний и одного из механизмов обработки знаний, которые могут быть положены в основу семиотических систем.

1. Семиотическая модель представления знаний

Поскольку в основе базы знаний семиотической системы лежит семиотическая модель представления знаний, рассмотрим метод ее построения. В качестве одной из составляющих семиотической модели представления знаний выбираем гибридную модель, объединяющую объектно-ориентированный подход к моделированию проблемной области, процедуры и модель представления знаний проблемной области.

В качестве одного из формализмов представления знаний проблемной области в семиотической системе предлагаем использовать логическую модель, основанную на многоуровневой логике (Multi-layer logic или коротко MLL), разработанную Setsuo Ohsuga и Hiroyuki Yamauchi [1,2], которая является удобным аппаратом для формализации сложноструктурированной информации. MLL является интеграцией логического подхода и подхода, основанного на семантической сети, к построению языка представления знаний. Процедуры вызываются в процессе дедуктивного вывода. Они используются, например, для определения экстенсионалов отношений, нахождения значений атрибутов, реализации операций над объектами.

Для представления IS-A и Part-of иерархий в MLL используются иерархическая абстракция и иерархическая структура [1].

Слэшем называется некоторый разделитель, который используется в префиксе формулы. Так, простой слэш (Qx/X) используется для обозначения, что х является элементом множества Х (xI X), простой "жирный" слэш (Qx/X) обозначает, что х определен на множестве, элементами которого являются компоненты объекта Х (Xx), двойной слэш (Qx// X) обозначает, что х определен на множестве, элементами которого являются части объекта Х (X4 x), где [1].

Если объект Y имеет в качестве компонент несколько объектов, то для того, чтобы задать нужную компоненту Х объекта Y, необходимо использовать селектор, который представляется предикатом F(X,Y) [1]. Поэтому, чтобы определить свойства х I Х, который является частью объекта Y, необходимо написать формулу :

( $ X/ #Y)(Qx/X) [ F(X,Y) & G( x ) ],

которая может быть преобразована к стандартной форме [1]:

(Qx//#Y) [ F(х,Y) & G( x ) ],

где , #- -обозначение константы, G(x) - описывает свойства х.

Нами развит синтаксис MLL за счет введения расширения, которое позволяет заменить селектор, используемый для нахождения нужной компоненты некоторого объекта, на композицию префикса логической формулы. Пусть объект #Y имеет в качестве компонент несколько объектов, т.е. Тогда префикс может содержать запись вида:

(1)

где #- -обозначение константы. задает сортность х. #Y будем называть 4 - предком для х по иерархии Part of.

Запись (1) содержательно означает, что х определена на объединении частей #Y, которые имеют сортность . Преимущества такого подхода заключаются в том, что:

Из вышерассмотренного следует, что предложенное расширение синтаксиса MLL повышает эффективность дедуктивного вывода по памяти и быстродействию. Расширенный синтаксис MLL имеет следующий вид.

Алфавит:.

(1). константы: а,b,c,...,X,Y,Z (константные множества),...

(2). переменные: x,y,z,...

(3). функциональные символы: f,g,h,...

(4). предикатные символы: P,Q,R,...

(5). кванторы:

(6). отрицание:

(7). логические связки: &, V,

(8). вспомогательные символы: #,*,/, /,//,{,},(,)

Термы.

(1). Любая константа и переменная являются термом.

(2). Если f есть n-местный функциональный символ и являются термами, то есть терм.

(3). Все термы получаются применением (1) и (2).

Правила образования ППФ.

F1. Если Р является n-местным предикатным символом и есть термы, то является ППФ (атомарной формулой).

F2. Если F и G - ППФ, являются ППФ.

F3. Если F - ППФ и х - предметная переменная, то

(1). и являются ППФ, где y есть константа или переменная.

(2). (" x/ X)F и ($ x/ X)F являются ППФ , где y есть константа или переменная.

(3). и являются ППФ, где y есть константа или переменная.

(4). и являются ППФ, где y есть константа или переменная, Z есть константное множество.

F4. Других правил образования ППФ нет.

Приведем пример логического выражения.

Пример. Программная компонента х, входящая в состав системы поддержки управления #Р, обеспечивает посадку самолета у, приписанного к аэропорту #А, если имеется :

, содержащий сведения, необходимые для посадки самолета y, вырабатываемый x и принимаемый у.

((x/программная_система)//#Р) ((y/самолет)//#О)

((s/РЛС)//#А)((t/ЭВМ)//#А) (/поток_сообщений)//#I1)

(/класс_сообщений)//)

(/поток_сообщений)//#I2)

(/класс_сообщений)//)

Функционирует(x,t) & Соединена(s,t) & Принимает_РЛС(s,)&Описывает(,y) &Обрабатывает(x,)&Передает_РЛС(s,)&Вырабатывает(x,)&Принимает_самолет(y,)Обеспечивает_посадку(х,y)

2. Механизмы обработки знаний в семиотической системе

Неотъемлемой частью любой интеллектуальной системы являются механизмы обработки знаний. В семиотической системе используются различные механизмы вывода, одним из которых является дедуктивный вывод.

Дедуктивный вывод позволяет:

В процесс дедуктивного вывода вовлекаются два важных алгоритма алгоритм сколемизации и алгоритм унификации. Эти алгоритмы в MLL являются дальнейшим развитием соответствующих алгоритмов в исчислении предикатов первого порядка [3,4]. В качестве процедуры вывода используется линейная входная резолюция, которая является полной для хорновских дизъюнктов и обладает большой эффективностью.

Разработанные алгоритмы дедуктивного вывода для предложенного расширения синтаксиса MLL положены в основу семиотической системы моделирование сложноструктурированной проблемной области (Knowledge Model) [5].

3. Иерархическая структура и продукционная модель

Из рассмотренного следует, что MLL является удобным средством для формализации структурного аспекта проблемной области. Иерархическую абстрактную структуру удобно использовать и для представления динамических аспектов проблемной области, которые описываются с помощью продукционной модели представления знаний. Иерархическая абстрактная структура позволяет разбить продукционные правила на блоки в соответствии с принадлежностью к элементам структуры и использовать механизм наследования продукционных правил. Механизм наследования продукционных правил позволяет "сжать" базу знаний, сделать ее более компактной. Рассмотрим механизм наследования продукционных правил на примере. Пусть задана иерархическая структура, которая описывает некоторую абстрактную проблемную область "Аэропорт". Иерархическая структура состоит и 3-ех уровней детализации:

1-й уровень - Аэропорт;

2-й уровень - РЛС, классы самолетов (ТУ, ИЛ, АН,...);

3-й уровень - представители классов РЛС, самолетов (конкретные объекты).

Управление работой аэропорта задается множеством продукционных правил, которые разбиваются на блоки в соответствии с уровнями в иерархической структуре следующим образом:

В каждый блок 3-го уровня входят продукционные правила, которые задают специфические законы управления конкретным самолетом или РЛС. А остальные продукционные правила, которые задают общие законы управления РЛС и классами самолетов, могут быть получены благодаря механизму наследования.

Таким образом, иерархическая структура позволяет создать иерархию продукционных правил и использовать принцип наследования продукционных правил, подобно механизму наследования свойств в ISA иерархии.

4. Семиотическое программное средство КМ (Knowledge model) моделирования сложноструктурированной проблемной области

Программное средство КМ (Knowledge Model) является семиотическим средством моделирования проблемной области. КМ применяется для:

Система КМ поддерживает "свободное соединение" [2] базы знаний и баэы данных (БД), под управлением СУБД Paradox. Такая реализация системы КМ обеспечивает использование всех возможностей СУБД Paradox, такие как распределенная обработка, высокая производительность, сложный контроль, обеспечение целостности и безопасности данных, отказ и восстановление БД, поддержка очень больших БД.

Заключение

Выбрана многоуровневая логика в качестве одного из языков представления знаний в семиотической системе. Приведено расширение синтаксиса многоуровневой логики, которое позволяет увеличить эффективность дедуктивного вывода для сложноструктурированных проблемных областей. Описан один из механизмов обработки знаний в семиотической системе. Разработано семиотическое программное средство моделирования сложноструктурированной проблемной области.

Работа выполнена при финансовой поддержке РФФИ.

Литература

  1. Ohsuga S., Yamauchi H. Multi-layer logic - a predicate logic including data structure as knowledge representation language.- New generation computing, Vol.3,-NO.4,-1985 -c.451-485.
  2. Ohsuga S. Toward intelligent CAD systems.- Computer Aided Design, Vol.21,-NO.5,- 1989.-c.315-337.
  3. Вагин В.Н.,Головина Е.Ю.,Оськин Ф.Ф. Модели и методы представления знаний в CASE-технологии.- Интеллектуальные системы. Том 2 выпуск 1-4. М.: Издательский центр РГГУ, 1997 с.115-134
  4. Vagin V.N, Viktorova N.P., Golovina E.Yu. Multi-layer Logic as a Knowledge Representation Model in the CASE System.- Journal of Computer and Systems Sciencis International. Vol. 33, No.3,1995,рр72-83
  5. V.N.Vagin,E.Yu.Golovina Knowledge Model in Semiotic System.- Seventh Internation Conference Artificial Intelligence and Information-Control Systems of Robots AIICSR'97. Second Workshop on Appli ed Semiotics. September 15,1997 Smolenice Castle, Slovakia,р.61-66

Site of Information Technologies
Designed by  inftech@webservis.ru.