Архитектура типичной ИИС анализа инвестиций показана на рисунке 6.1. Тремя ключевыми компонентами системы являются база правил, база данных и процедура вывода. Имеется три базы правил: база правил относительно компаний, база правил относительно отраслей и база правил для атрибутов (экономических показателей деятельности компаний).
Рис. 6.1. Архитектура ИИС системы анализа инвестиций
ИИС, используя индивидуальные предпочтения инвестора, данные об отдельных компаниях и о группах однородных компаний (отраслях), а также базу знаний, связывающих, в частности, параметры компании и ее рейтинг, помогает инвестору сформировать портфель и оценить при помощи модели квадратичного программирования Марковитца риск или дисперсию всего портфеля для выбора наилучшего варианта. Правила, использующие соответствующий формат, содержат знания системы.
Рис. 6.2. Пример подсистемы управления знаниями
Тезаурус как база знаний
Фундаментальным понятием теории баз данных и информационного анализа является понятие функциональной ассоциации: множество А функционально связано с множеством В если существует соответствие между элементами А и элементами В, так, что элемент А соответствует одному элементу В. Говорят, что функциональная ассоциация отображает элемент А в элемент В. В реляционной базе данных подобная ассоциация имеет место между ключевыми и неключевыми атрибутами.
Информационная система содержит данные, информацию и знания. Знания в информационных системах являются обычно бизнес-правилами
Цель системы ИИС или дедуктивной базы данных заключается в том, чтобы представить правила вывода в форме, совместимой с представлением информационных структур. Иногда систему знаний ИИС удобно представлять в графическом виде. Дело в том, что процесс приобретения знаний может потребовать многих интервью с экспертами в предметной области и многих пересмотров до того, как их можно будет счесть, как удовлетворительными.
Система баз знаний в общем случае включает систему баз данных, некоторые аспекты баз знаний являются формализациями вещей, появляющихся в приложениях баз данных, особенно ограничений.
Совокупность понятий, выраженных терминами естественного языка вместе с различного рода отношениями между ними образуют тезаурус системы. При помощи терминов тезауруса мы можем описать содержание текстов документов, хранящихся в ИИС посредством процедуры индексирования, т.е. указания терминов тезауруса, входящих в состав данного документа. Индексирование документов для документального поиска осуществляется при помощи тезауруса.
Формальные языки
В базах знаний отражаются связи и отношения между объектами предметной области. В естественном языке связи и отношения между предметами в предметной области выражаются в виде суждений (высказываний).
Суждение — это высказывание, в котором утверждается или отрицается связь между предметом и его признаком, отношение между предметами или факт существования предмета.
Языковой формой суждения является предложение. Суждение выражается повествовательным предложением
Умозаключение — это форма мышления, посредством которой из одного или нескольких суждений выводится новое суждение.
исчисления предикатов
Установление соответствия между выражениями языка и объектами и отношениями предметной области осуществляется при помощи интерпретации. Необходимо выбрать некоторую предметную область U, на которой следует указать оценки значений констант, функциональных и предикатных символов. Другими словами, интерпретация I на U есть функция, сопоставляющая индивидной константе а элемент множества U, т.е. I(a) = U, каждому n-местному функциональному символу fi ставим в соответствие отображение из Un в U, I(fi)=Un U; каждому n-местному предикатному символу подмножествоn n-кортежей, т.е. некоторый элемент из множества всех подмножеств Un, т.е. I(Pin)=Un
2u.
предикатов первого порядка
Вывод с точки зрения логики — это процесс вывода (порождение) правильных заключений из посылок. В более широком смысле это любой вычислительный механизм, обеспечивающий применение хранимых знаний к данным и информационным структурам для получения заключения, которое является скорее правдоподобным, чем логически правильным в строгом логическом смысле. Это, разумеется, накладывает ограничения в том смысле, как определить, являются ли заключения разумными и как представить знания относительно того, как тестировать заключения и как оценивать возможность.
Правила вывода можно грубо разделить на два класса: правила введения и правила исключения. Например, если все предположения «прибыль мала», «задолженность большая» и «уровень производства падает», то предположение «прибыль мала и задолженность большая, и уровень производства падает» также является истинным. Соответствующее правило исключения говорит, что если предыдущее предположение истинное, то истинной является любая из входящих в него посылок
Предикат в программировании — функция, принимающая один или более аргументов и возвращающая значения булева типа.
Формализация некоторой предметной области не является самоцелью. В результате формализации мы получаем возможность излагать сведения ИИС на формализованном языке. Нас интересует возможность обработки имплицитной или подразумеваемой информации, которая имеется в ИИС и для обработки которой необходимо представить содержание данных в точной логической форме. В 60-е годы XX в. Робинсоном был предложен метод резолюции, значительно повысивший эффективность алгоритмов автоматизации поиска вывода в формальной системе. Рассмотрим основные положения метода резолюций.
Всякая формула исчисления высказываний может быть приведена либо к дизъюнктивной либо к конъюнктивной нормальной форме..
Обычные дедуктивные системы логики не позволяют прямо формализовать модифицируемые рассуждения. Они обладают свойством монотонности: множество теорем растет лишь с увеличением множества основных аксиом.
Немонотонные логические системы — это логики, в которых введение новых аксиом может уточнить старые теоремы. Такие логики очень важны при моделировании реальных процессов, которые в присутствии неполной информации могут создавать и затем пересматривать предположение в свете новых наблюдений. Неудовлетворенность обычной логикой состояла в том, что было неясно, как работать с неполным знанием. В области искусственного интеллекта изучение восприятия, неоднозначности и общеизвестных знаний привело к представлению знаний с эксплицитным включением информации относительно типичных случаев ошибок и методов обработки ошибок. Много работ было выполнено по автоматическому доказательству теорем для исчисления предикатов первого порядка. Неполная информация представлена в этих системах как дизъюнкция нескольких возможностей, но отдельные дизъюнкты могут быть независимы от этих аксиом.
В рамках логики веры и знания оператор D принимает соответственно значения «предполагается» и «известно». Двойственный оператор 0, соответственно, «противоположное не предполагается» и «противоположное неизвестно».
Логики знания и фреймы
Логика знания или эпистемическая логика занимается изучением рассуждений о знании и рассуждений на основании знаний, в состав которых входят такие словосочетания, как «я знаю», «Андрей знает, что Женя не знает». Рассмотрим абстрактную ситуацию, в которой происходит обмен сообщениями между участниками, в качестве которых могут выступать как программы, так и пользователи ИИС, называемые для общности агентами.
А дальше ПРОЛООООГ...
Друзья! Приглашаем вас к обсуждению. Если у вас есть своё мнение, напишите нам в комментарии.