Представление знаний семантическими сетями реферат

Обновлено: 02.07.2024

Достоинством семантических сетей как модели представления знаний и непосредственно самого процесса обучения является наглядность описания предметной области, гибкость, адаптивность к цели обучаемого как субъекта получения знаний. При решении задач человек анализирует не только условия задачи, но и использует все свои накопленные знания и опыт. Причем из всего многообразия знаний он выбирает… Читать ещё >

Примеры семантических сетей для хранения знаний ( реферат , курсовая , диплом , контрольная )

Содержание

1. Репрезентации (представления) понятий и знаний
2. Примеры семантических сетей и их отличия от других моделей организации знаний
3. Виды семантических сетей
Заключение
Список использованной литературы

Однако, свойство наглядности с увеличением размеров и усложнением связей базы знаний предметной области теряется. Кроме того, возникают значительные сложности по обработке различного рода исключений. Для преодоления указанных проблем используют метод иерархического описания сетей (выделение на них локальных подсетей, расположенных на разных уровнях).

Однако, как показывает личный опыт работы, изучение и анализ информационных источников, основной проблемой при работе с большой базой знаний является проблема поиска знаний, их релевантных решаемой задаче. В связи с тем, что в обрабатываемых данных может не содержаться явных знаний, их классификация и структуризация могут значительно ускорить процесс поиска, тем самым, осуществляя интенсификацию процесса обучения.

Сравнительно недавно разработана интеллектуальная обучающая система в виде иерархической многоуровневой семантической модели (рис.

3), где понятия в зависимости от их сложности распределены по уровням.

Рис. 2. Мультиерархическая модель знаний по информатике.

Так, на самом верхнем уровне расположены классы понятий (на рис.

3 обозначают такие отношения между понятиями предметной области, как IS — A (это есть), PART — OF (является частью), MEMBER — OF (является элементом).

Разработанную модель можно интерпретировать ориентированным графом (рис.

Рис. 3. Представление иерархической модели знаний ориентированным графом.

Такой подход к организации знаний при разработке интеллектуальных обучающих систем по информатике позволяет значительно сократить время обучения, уменьшить объем памяти, занимаемой базой знаний и данных. Модель в виде иерархической семантической сети, являясь логической структурой изучаемой предметной области, показывает также последовательность изложения учебного материала.

Для контроля знаний обучаемых можно использовать также и сеть запроса (рис.

Рис. 4. Сеть запроса

По поводу решения основной задачи работы можно отметить, то в начале при создании ЭВМ использовались только процедурные представления при решении задач, при этом программы были хранителями этих знаний, декларативные же представления описывали данные, с которыми работали программы. Однако у человека в модели окружающего мира и в его деятельности оба вида представлений работают весьма активно, к чему стремятся и создатели искусственного интеллекта.

Семантические сети различают простые иерархические, мультииерархические и сети запроса. Несмотря на различия семантических и пропозициональных моделей сетей, обе модели предполагают, что знание хранится в виде объектов и связей между ними.

Бройдо В. Л. Вычислительные системы, сети и телекоммуникации СПб, Питер 2002; 464 с.

Глушков В. М. Основы безбумажной информатики — М.: Наука, 1992 — 512 с.

Каймин В. А. Информатика и дистанционное образование — М.: НОРМА-ИНФРА-М, 2002 — 432 с.

Каймин В. А. Информатика . М.: ИНФРА-М, 2002 — 328 с.

Кирмайер М. Информационные технологии. СПб.: Питер, 2003 — 443 с.

Лорьер Ж.-Л. Системы искусственного интеллекта — М.: Мир, 1995 — 466 с.

Нейлор К. Как построить свою экспертную систему. — М.: Энерго-Атом

Издат, 1991 — 388 с.

Роберт И. Современные информационные технологии в образовании: дидактические проблемы; перспективы использования.

Данная модель представления знаний была предложена американским психологом Куиллианом.
В основе моделей этого типа лежит конструкция, названная семантической сетью. Семантический подход к построению систем искусственного интеллекта находит применение в системах понимания естественного языка, в вопросно-ответных системах, в различных предметно-ориентированных системах

Работа состоит из 1 файл

семантические сети.doc

Семантическая модель представления знаний

Данная модель представления знаний была предложена американским психологом Куиллианом.

В основе моделей этого типа лежит конструкция, названная семантической сетью. Семантический подход к построению систем искусственного интеллекта находит применение в системах понимания естественного языка, в вопросно-ответных системах, в различных предметно-ориентированных системах

Семанти́ческая сеть — информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы. Таким образом, семантическая сеть является одним из способов представления знаний.

В названии соединены термины из двух наук: семантика в языкознании изучает смысл знаков, а сеть в математике представляет собой разновидность графа — набора вершин, соединённых дугами (рёбрами). В семантической сети роль вершин выполняют понятия базы знаний(это особого рода база данных , разработанная для управления знаниями ( метаданными ), то есть сбором, хранением, поиском и выдачей знаний), а дуги (причем направленные) задают отношения между ними. Таким образом, семантическая сеть отражает семантику предметной области в виде понятий и отношений.

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

· класс — элемент класса;

· пример элемента класса.

Классификация семантических сетей.

По количеству типов отношений, сети могут быть:

однородные (с единственным типом отношений);

неоднородные (с различными типами отношений).

По типам отношений:

бинарные (в которых отношения связывают два объекта);

парные (в которых есть специальные отношения, связывающие более двух понятий).

Для решения конкретных задач, например, тех которые решают системы искусственного интеллекта.

С. С. отраслевого масштаба должна служить базой для создания конкретных систем, не претендуя на всеобщее значение.

Глобальная семантическая сеть. Теоретически такая сеть должна существовать, поскольку всё в мире взаимосвязано. Возможно когда-нибудь такой сетью станет Всемирная паутина.

Семантические отношения

Количество типов отношений в семантической сети определяется её создателем, исходя из конкретных целей. В реальном мире их число стремится к бесконечности. Каждое отношение является, по сути, предикатом, простым или составным. Скорость работы с базой знаний зависит от того, насколько эффективно реализованы программы обработки нужных отношений.

Иерархические

Объект, как правило, состоит из нескольких частей, или элементов.. Важным отношением является ,описывающее связь частей и целого — отношение меронимии. В этом случае свойства первого множества не наследуются вторым. Мероним и холоним — противоположные понятия:

Мероним — объект, являющийся частью для другого. (Двигатель — мероним автомобиля.)

Холоним — объект, который включает в себя другое. (Например, у дома есть крыша. Дом — холоним крыши. Компьютер — холоним монитора.)

Вспомогательные

количественные (больше меньше, равно…);

пространственные (далеко от, близко от, за, под, над…);

временные (раньше, позже, в течение…);

атрибутивные (иметь свойство, иметь значение);

логические (И, ИЛИ, НЕ);

Использование семантических сетей

Семантизация - процесс изменения текстов, в которых выделяются семантические отношения без изменения их содержания. В Википедии существуют проекты по семантизации статей и Дерева категорий.

Семантизация статей заключается в основном путём использования шаблонов, при этом некоторые категории создаются автоматически.

Семантизация Дерева категорий возможна по частям после его анализа и выделения участков с родовыми категориями

Семантическая паутина

Концепция организации гипертекста напоминает однородную бинарную семантическую сеть, однако здесь есть существенное отличие:

Связь, осуществляемая гиперссылкой, не имеет семантики, т. е. не описывает смысла этой связи. Назначение семантической сети состоит в том, чтобы описать взаимосвязи объектов, а не дополнительную информацию по предметной области. Человек может разобраться, зачем нужна та или иная гиперссылка, но компьютеру эта связь не понятна.

Попытка создания семантической сети на основе Всемирной паутины получила название семантической паутины. Эта концепция подразумевает использование языка RDF (языка разметки на основе XML) и призвана придать ссылкам некий смысл, понятный компьютерным системам. Это позволит превратить Интернет в распределённую базу знаний глобального масштаба.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

В семантических сетях существует возможность представлять знания более естественным и структурированным образом, чем в других формализмах.

Основным преимуществом является то, что она более других соответствует современным представлениям об организации долговременной памяти человека.

Недостатком этой модели является сложность организации процедуры поиска вывода на семантической сети.

Для реализации семантических сетей существуют специальные сетевые языки (NET, SIMER+MIR и др.)

Семантическая сеть отображает совокупность объектов предметной области и отношений между ними, при этом объектам соответствуют вершины (или узлы) сети, а отношения – соединяющие их дуги.

Базовый элемент семантической сети – это, например, конструкция вида:

СМИТ производственный отдел,

Можно считать, что каждая из таких пар отношений представляет простой факт, а узлы помечаются именем соответствующего отношения.

В рассмотренной схеме представлен факт:

В семантическую сеть включаются только те объекты предметной области, которые необходимы для решения прикладных задач. В качестве объектов могут выступать события, действия, обобщенные понятия.

При разумном выборе обозначений отношений можно выражать очень сложные совокупности фактов. При этом вершины соединяются дугой, если соответствующие объекты предметной области находятся в каком-либо отношении.

Наиболее распространенными являются:

БЫТЬ ЭЛЕМЕНТОМ КЛАССА (ЯВЛЯТЬСЯ) – означает, что объект входит в состав данного класса, например

СМИТ руководитель,

ИМЕТЬ (ЕСТЬ) – позволяет задавать свойства объектов, отражает общие представления о них или указывает, что одно понятие представляет часть другого. Изобразим с помощью группу сложных фактов:

“СМИТ является руководителем”;

“СМИТ работает в производственном отделе, расположенном в здании 1”;

“У СМИТА голубые глаза”.

производственный отдел

голубые глаза СМИТ руководитель

ЯВЛЯТЬСЯ СЛЕДСТВИЕМ – отражает причинно-следственные связи между двумя объектами в семантической сети, например:

“Увольнение Смита является следствием нарушения им трудовой дисциплины”.

Все приведенные ранее примеры представления знаний в виде семантической сети были ограничены отношениями между существительными или фразами, составленными из существительных. Однако, это слишком жесткие ограничения.

Например, если нужно представить следующую фразу:

то ее невозможно представить при помощи введенных ранее допущений.

В этом случае нужно разработать представление относительно глаголов в дополнение к существительным.

май 2002 апрель2001

датив (dative) агент

После идентификации события можно произвести привязку других отношений, с помощью которых представляются понятия о работе:

Для отдельных ЭС были разработаны полные непротиворечивые наборы вербальных отношений – падежных отношений (Ч. Филмор).

1. Агент – исполнитель (инициатор) действия, выражаемого глаголом;

2. Объект – имя существительное, на которое распространяется действие или состояние, выражаемые глаголом;

3. Местоположение – место действия или состояния, выражаемое глаголом;

4. Датив – лицо, к которому имеет отношение действие или состояние, выражаемые глаголом.

Основной недостаток представления знаний предметной области в виде семантической сети – это сложность при обработке больших объемов информации и различных исключений.

Если БЗ экспертной системы имеет сотни или тысячи правил, то инженеру по знаниям достаточно затруднительно производить процесс обновления состава правил и контроль связей между ними.

С этой целью было введено представление знаний, основанное на использовании фреймов, что позволяет отражать родовидовую иерархию понятий в БЗ в явной форме.

Фреймом называется структура для описания стереотипной ситуации, состоящая из характеристик ситуации и их значений, причем характеристики называются слотами, а значения – заполнителями слотов.

Одно из достоинств системы, использующей фреймы – элементы, которые традиционно присутствуют в описании объекта или события, группируются, и благодаря этому, могут извлекаться и обрабатываться как единое целое.

Опишем сведения о служащем компании при помощи фреймовой структуры.

Проанализируем рис.3 – во-первых, фрейм имеет имя для идентификации описываемого им понятия; во-вторых, он состоит из слотов (на рис.3 слева) – тут все слоты пустые. Заполним слоты – рис.4:

имя: агрегат (фамилия, имя, отчество)

возраст: агрегат (годы)

отдел: диапазон (производство, администрация)

дата начала: агрегат (месяц, год)

до: агрегат (месяц, год) (по умолчанию: теперь)

Тут присутствуют различные типы заполнителей слов:

- имена других фреймов системы, на которые делается ссылка (АДРЕС, ЗАРПЛАТА)

- обозначения агрегат, диапазон – называемые фасетами слота – используются для того, чтобы в процессе обработки систем фреймов можно было наложить ограничения на тип объекта, использованный при заполнения слота.

почасовая заработная плата: агрегат (у.е. в час)

код налога: агрегат: (код налога) (по умолчанию: непредвиденный)

налог на дату: агрегат (месяц, год)

вычислить ((ОПЛАТА НАЛОГА) (код налога))

дата начала: апрель 20001

Различают статические и динамические системы фреймов. В системах первого типа фреймы не могут быть изменены в процессе решения задачи, в системах второго типа это допустимо.

О системах программирования, основанных на фреймах, говорят, что они являются объектно-ориентированными. Каждый фрейм соответствует некоторому объекту предметной области, а слоты содержат описывающие этот объект данные, т.е. в слотах находятся значения признаков объектов.

Недостатки фреймовых систем:

· высокая сложность, что сказывается в снижении скорости работы механизма ввода-вывода и в увеличении трудоемкости внесений изменений в родовидовую иерархию;

· большая стоимость ЭС, где для представления знаний используются фреймы.

Это один из самых распространенных форматов для представления знаний, основанный на продукционных правилах типа:

"ЕСЛИ условие, ТО действие",

причем первая их часть – антецедент (посылка правил) – состоит из элементарных предложений, соединенных логическими связками И, ИЛИ, НЕ;

вторая часть, называется консеквент (заключение) – это одно или нескольких предложений, которые образуют выдаваемое правилом решение или указывают на действие, подлежащее выполнению.

Антецедент представляет собой образец правила, предназначенного для распознавания ситуации. Причем правило срабатывает, если факты из памяти при сопоставлении совпали с образцом, после чего правило считается отработавшим.

В основе правил продукций лежит простой принцип : они определяют набор разрешенных преобразований, с помощью которых происходит продвижение от начального состояния до окончательного решения поставленной задачи. Текущее (промежуточное) состояние отражается с помощью множества фактов, фиксируемых в БД. В ходе решения задачи происходит сопоставление одной из частей правила с содержимым БД.

ЭС, базирующиеся на продукциях, состоят из трех компонентов :

1. БЗ, которая содержит правила продукций;

2. БД, которая отображает текущее состояние задачи;

3. Управляющей структуры – механизм вывода (интерпретатор правил), решающая, какое из правил продукции следует применить следующим.

Механизм вывода выполняет две функции:

· во-первых – просмотр существующих фактов из рабочей памяти и правил из БЗ и добавление в рабочую память новых фактов;

· во-вторых – определение порядка просмотра и применения правил.

Этот механизм управляет процессом консультации, сохраняя для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для срабатывания очередного правила в рабочей памяти оказывается недостаточно данных.

4. Представление знаний при помощи логики предикатов

Логика предикатов базируется на логике высказываний, причем высказывание – это предложение, принимающее только два значения:

истина или ложь.

Цена высокая или низкая.

Цена высокая и в отделе работает 15 человек.

Если Цена не высокая, то Цена низкая.

И наоборот, любое высказывание может быть разделено на несколько высказываний при помощи выделенных слов-связок.

Элементарные высказывания можно рассматривать как переменные, принимающие значения истина или ложь.

Обозначим элементарные высказывания символами А и В, а для обозначения выделенных слов-связок применим следующие символы:

Разобьем данное предложение на части – Сидоров (субъект), бухгалтер (свойства субъекта):

начальник (Василий, Петр).

Вместо имен можно подставить переменные х, у, z, тогда:

Рассмотрим предложение: У каждого бухгалтера есть начальник. Для формального представления этого предложения необходимо использовать конструкции вида:

Введенные допущения называются кванторами общности и существования:

Тогда предложение можно записать: "х$у(бухгалтер(х) É начальник(х,у)).

Важна последовательность постановки кванторов: если переменим местами: $у"х (бухгалтер(х) É начальник(х,у)),

то это будет обозначать:

У всех бухгалтеров общий начальник.

Все принятые выше допущения образуют математический аппарат, алгебру предикатов.

Введем понятие предиката.

Функцию от буквенных переменных , принимающую логические значения y (0 или 1), назовем n-местным предикатом или просто предикатом. Любой конечный предикат можно задать с помощью таблицы его значений, где каждому набору значений аргументов ставится в соответствие значение предиката у.

Алгебра предикатов характеризуется алфавитом букв А, состоящим из k различных символов и алфавитом переменных b, состоящим из n различных символов .

Для построения любой формулы будем пользоваться символами:

– буквами –

– переменными –

– знаками дизъюнкции – ‘Ú ’ и конъюнкции – ‘Ù’;

– логическими константами – ‘0’ и ‘1’.

Под любой формулой алгебры конечных предикатов будем понимать:

а) формула может быть символом ‘0’ или ‘1’;

б) все выражения вида a_i (x_j ), где индекс i изменяется от 1 до k, а индекс j – от 1 до n, также считаем формулами;

в) если выражения А и В являются формулами, то выражение (логическое сложение А и В) будет представлять из себя формулу.

г) если выражения А и В – формулы, то выражение (логическое умножение А и В) – называем формулой.

Рассмотрим тождества алгебры предикатов:

, .

Законы элиминации (или поглощения):

A (BÚC) º AB Ú AC,

A Ú BC º (AÚB) (AÚC).

Тождества для констант:

, .

Тождества для констант с отрицанием:

Закон двойного отрицания:

Закон исключенного третьего:

Когда мы рассматривали пример:

Если цена не высокая, то цена низкая, то мы обратили внимание на связку: Если . то. которую обозначили значком É.

Эта операция называется импликацией, и определяется как:

А É В º ù А Ú В,

где А и В – произвольные формулы алгебры предикатов,

º – операция, обозначающая тождественное равенство правой и левой части.

Рассмотрим свойства импликации:

1. Рефлективность импликации: .

2. Транзитивность импликации: .

Докажем данное тождество:

3. Свойства логических констант для импликации

, .

5. Закон контрапозиции:

6. Закон импортации:

7. Закон экспортации:

8. Закон приведения к абсурду:

9. Законы дистрибутивности: