Основные компоненты ИИС. Конструирование базы знаний.Техника вывода. Система естественно-языкового интерфейса. Технологияработы ИИС. Байесовская сеть. Разработка прототипа системы поддержкирешений.

Основные компоненты интеллектуальной информационной системы (ИИС)
Репозиторий - гибкие аналитические процедуры за счет предварительного вычисления производных показателей (агрегатов), более дружественный интерфейс, использующий элементы естественного языка; применяются специальные структуры хранения, реализующие сложные пространственно-временные и концептуальные зависимости между данными. Фактически метаданные, хранящиеся в репозитарии, – частный вид базы знаний
Конструирование базы знаний
Структура БЗ: представления фактов и правил вывода. Знания, хранящиеся в ИИС, интегрируются в результате объединения знаний, поступивших от многих индивидуальных экспертов, и могут принимать такие формы, как базы данных и правила вывода. Также необходимо связывание - установить связь с другими средствами информационных систем, таким как численные вычисления или графика.
Техника вывода
Вывод заключается в порождении новых фактов и знаний из уже имеющихся в базе данных посредством применения правил вывода. Основным инструментом вывода является представление знаний в форме правил следующего вида: IF <ситуация > THEN <действие >. Это же правило основное в реализации выводов из хранимых фактов. Вывод — это разновидность знания, а именно, знания о том, как можно извлечь из базы данных явно представленных знаний, дополнительные знания, не представленные явно.
Система естественно-языкового интерфейса (СЕЯИ)
В идеале СЕЯИ должно удовлетворять следующим требованиям:

обеспечивать вход и выход системы в виде естественного языка;

обеспечивать обработку входных данных и генерацию выходных, основываясь на знании относительно синтаксических, семантических и прагматических аспектов естественного языка.

Технология работы интеллектуальных информационных систем (ИИС)
В первых экспертных системах отыскание, подготовка, извлечение и ввод знаний, специфических для предметной области, осуществлялись инженером по знаниям. Производилось интервьюирование соответствующих экспертов по специальной методике
Открытие знаний в базах данных (ОЗБД) — это процесс открытия первоначально неизвестных зависимостей в больших базах данных. ОЗБД включает в себя следующие элементы:

отбор, очистку, преобразование и проекцию данных;

анализ данных для извлечения зависимостей;

 оценка зависимостей для отбора из них наиболее значимых, т.е. «знаний»;

консолидация знания;

разрешение конфликтов с ранее извлеченными знаниями;

обеспечение доступности знаний для системы ОЗБД.

 

Байесовская сеть

 

Байесовская сеть — это направленный ациклический граф, в котором каждая вершина — случайная переменная

Узел, в предсказании которого мы заинтересованы, обозначаем как x или первичный узел (прайм-узел). Другие переменные — это переменные, объясняющие профиль пользователя и обозначающиеся как X = (x₁,x₂,..,x_n) или полевые вершины (листья). Полевые вершины связаны согласно вероятностным соотношениям между ними

Как только создана байесовская сеть, можно предсказывать реакцию пользователя на предложение ТДП, основанное на доступной информации, описывающей поведение клиента. Исторически реализация байесовского классификатора в полном объеме нереализуема из-за необходимости обработки большого объема данных

Разработка прототипа системы поддержки решений

Для примера, прототип системы поддержки решений, основанной на диаграмме влияния, рекомендующей, должен ли агент осуществлять продвижение тарифного дисконтного плана  (ТДП) или нет. Как только модель байесовской сети предсказывает вероятность быть нетейкером. информация появляется в овале «Предсказанная вероятность».

 

В таблице, где суммированы результаты, касающиеся ТДП-продвижения, показано следующее: если среднемесячный пакет услуг, потребляемых клиентом, велик (больше, чем $х₂/мес), тогда предлагайте ТДП независимо от предсказанной вероятности и стоимости предложения, поскольку потенциальный выигрыш от сохранения данного клиента перевешивает стоимость рекламной компании.

 

Если ежемесячный пакет услуг, потребляемых клиентом, умеренный (от $x₁ до $х₂/мес), тогда:

предлагайте ТДП, когда стоимость предложения мала ($Y0;

предлагайте ТДП только тогда, когда стоимость предложения является умеренной и предсказанная вероятность (или вероятность быть нетейкером) меньше, чем z₂;

не предлагайте ТДП, если стоимость рекламной компании высока ($Y₃). Если ежемесячный пакет услуг, потребляемых клиентом, мал (меньше, чем $х₁/мес), тогда предлагайте ТДП только тогда, когда стоимость предложения мала ($Y₁) и предсказанная вероятность меньше, чем z_1.

 

Друзья! Приглашаем вас к обсуждению. Если у вас есть своё мнение, напишите нам в комментарии.