Regułowa reprezentacja wiedzy

Najpopularniejszym sposobem reprezentacji wiedzy w systemach ekspertowych jest reprezentacja bazy wiedzy oparta na regułach IF – THEN  Z prawdziwości pewnych faktów można wnioskować o prawdziwości innych. Takie zależności zapisane są w regułach .W bazie wiedzy zgromadzony jest zbór reguł i faktów.Wyrażenia w przesłankach i konkluzjach nazywamy klauzulami.

 

Ogólna postać reguły:

 

 

IF x₁   is  F₁ and/or x₂  is F₂ and / or …….x_n  is F_n       przesłanka

 

THEN y is  G                                                             konkluzja

 

Gdzie x₁ ,x₂, …………….x_n, y oznaczają  obiekty , a F₁ , F₂, …………F_n , G – wartości

 

 

Przykład :

 

IF poziom_cukru_pacjenta IS < 60

 

THEN ryzyko_zachorowania _na_cukrzycę is DUŻY

 

 

Reguły są oparte na trójkach OAW(Obiekt ,Atrybut ,Wartość ):

- w przesłance :

Obiekt pacjent ;  Atrybut poziom_cukru;   Wartość <60

 

- w konkluzji :

Obiekt pacjent ; Atrybut poziom; Wartość duży

 

Należy podkreślić różnicę w traktowaniu atrybutu i wartości w przesłance i konkluzji.

W przesłance system porównuje –sprawdza , czy relacja atrybut –wartość

 (poziom_cukru <60) jest prawdziwa , w konkluzji natomiast następuje  podstawienie .Konkluzja jest wnioskiem , co ma się  dziać z atrybutem .(ustaw wartość ryzyka na duży).

Ogólna postać reguły zakłada istnienie wielu wejść (trójek OAW ) i jedno wyjście .Możliwe jest zbudowanie reguły , w wyniku której podając kilka działań i która ma kilka na wyjściu kilka trójek OAW:

 

 

 

IF x₁  is F₁ and /or x₂ is F₂ and/or …..x_n   is     F _n

 

THEN y₁ is G₁ and y₂ is G₂

 

 W konkluzji jedynym spójnikiem logicznym ,jest spójnik „and”. Stosowanie spójnika „or” jest dopuszczalne , lecz nie zalecane ze względu na większe skomplikowanie modułu wnioskującego.

Reprezentacja regułowa wykorzystywana jest w systemach dedukcyjnych , w których zbiór faktów początkowych jest przekształcany w zbiór faktów końcowych. W zależności od przeznaczenia system może spełniać funkcje taki jak :klasyfikowanie , ustalanie przyczyn , planowanie , monitorowanie ,diagnozowanie itp.

Zbiór reguł można rozpatrywać jako szczególny sposób zapisu  sieci  stwierdzeń , ponieważ z prawdziwości jednego stwierdzenia mogą wynikać inne. W niektórych systemach dopuszczalna  jest rozwinięta (tzw. pełna ) postać reguł., która zawiera dodatkowe stwierdzenie uznawane za prawdziwe w razie niespełnienia przesłanki .

Ogólna postać reguły rozwiniętej jest następująca:

 

IF przesłanka THEN konkluzja1 ELSE konkluzja2

Konkluzja2 jest tym dodatkowym stwierdzeniem . Taka postać reguł  czasami może prowadzić do uznania nieoczekiwanych konkluzji. Ze względu na złożona nieraz kompletność bazy wiedzy , brak przesłanki jest utożsamiany z uznaniem tej przesłanki za fałszywą .

 

 

 

 

 

 

            Fakty i Reguły

 

Wiedza jest to informacja , która umożliwia ekspertowi podejmowanie decyzji .

Typy wiedzy to:

- Fakty czyli wiedza stała i zmienna Np.

Ceny nieruchomości są wysokie

- Reguły opisują zawiązki i relacje pomiędzy faktami Np.

 

              if

stopa inflacji jest wysoka

            then

                        ceny nieruchomości  są wysokie

 

Fakty są to elementarne składniki informacji używane w Systemach Ekspertowych.

 

FAKTY + REGUŁY => WNIOSKI

1.Cechy faktów:

-są stwierdzeniami opisującymi specyficzne cechy obiektów

- zmienność i dezaktualizacja

- mogą być pewne lub niepewne

Z faktami możemy wiązać współczynniki wiarygodności tzw. stopień pewności , który mówi nam na ile można ufać danej informacji.

Wprowadzanie nowych faktów do bazy danych:

2. Wprowadzanie nowych faktów do bazy danych:

 

              Wprowadzone do bazy danych przed rozpoczęciem pracy SE (fakty stałe)

              Wprowadzone w czasie pracy SE (wynik wykonania reguł)

              Wprowadzone jako odczyt z urządzeń zewnętrznych

              Wprowadzone z zewnętrznej bazy danych (żądanie użytkownika, wykonanie reguły działania)

Fakty sterują procesem podejmowania decyzji oraz określają , które reguły mają być wykonane.  Jakość procesu wnioskowania zależy od istotności faktów użytych w danym  procesie.

Fakty i reguły tworzą bazę danych zwaną bazą wiedzy. Bazy reguł są często bardzo rozbudowane ,  zawierają wiele połączonych ze sobą elementów. W trakcie pracy systemu baza może być zmieniana. Możemy dodawać nowe reguły , a już istniejące zmieniane lub usuwane .Może to prowadzić do utraty kontroli nad zawartością bazy, a przez to do istnienia niepotrzebnych , sprzecznych bądź niekompletnych reguł.

 

Reguły to warunkowe stwierdzenia o istnieniu pewnych zależności między obiektami.

 

Cechy reguł:

- Korespondują ze sposobem w jaki ekspert przestawia swoją wiedzę

- Opisują reakcje systemu na napływające informacje (bez względu na kolejność)

 

 

A oto dwie metody , które mogą ułatwić inżynierowi wiedzy panowanie nad baza wiedzy.

 

1. Grupowanie Reguł

 

Reguły mogą być pogrupowane w bazie wg konkluzji lub wg przesłanki .Umieszczając obok siebie reguły które kończą się taką samą konkluzją , daje możliwość prześledzenia przesłanek , które do tej konkluzji prowadzą . Następnie uporządkowanie grup. Najważniejsze są grupy zawierające konkluzje końcowe  .Podobnie porządkujemy w przypadku przesłanek .takie 

 

2. Sieć zależności

Jest to graficzna metoda sprawdzania kompletności bazy reguł

Dzięki tej metodzie można odnaleźć w bazie danych reguły , które nie prowadza do konkluzji końcowej ,niepotrzebne przesłanki i nieosiągalne konkluzje .

Np. Dany jest następujący zbiór reguł

 

R1: If  b and c

 

      Then  g

 

R2: If  a and g

 

       Then I

 

R3: If d and g

 

     Then J

 

R4: if e or f

 

    Then h

 

R5: if d and e

 

   Then K

 

I , J i K są konkluzjami końcowymi . Zakłada się , ze jest to pełen , końcowy zbiór reguł , podlegający weryfikacji.

Podczas analizy sieci można zauważyć , ze reguła R4 , której wynikiem jest konkluzja pośrednia h , nie jest później nigdzie wykorzystywana .stad wynika ,ze albo reguła nie jest potrzebna , albo brakuje dalszego rozumowania .Jeśli reguła R4 jest niepotrzebna , to jednocześnie fakt f jest niewykorzystywany bazy wiedzy może być usunięta reguła R4 i fakt f.

Ze względu na sposób uzyskiwania ostatecznych konkluzji w procesie wnioskowania rozróżniamy dwa rodzaje reguł:

1. Reguły proste – to ,takie ,które maja postać wniosków pośrednich ;
2. Reguły złożone – to , takie, które umożliwiają bezpośrednie wyznaczanie wniosków przez system.

Przykład reguły złożonej :

If są spełnione wszystkie warunki niezbędne do przyjęcia wniosku ,ze u pacjenta stwierdzono wysokie ryzyko zachorowania na cukrzyce then należy skonsultować się z diabetologiem .

Zaletą reguł złożonych jest to, że nie wymagają maszyn wnioskujących o skomplikowanym sposobie działania ;ponieważ każdą z reguł w konkluzji zawiera pewien wniosek końcowy .

Wystarczy uaktywnić jedna regule ,aby osiągnąć wynik. Wadą jest trudność formułowania odpowiedniego zbioru reguł oraz złożony sposób jego weryfikacji i uzupełniania .

Zaletą reguł prostych jest łatwość weryfikacji zbioru reguł i ograniczenie ich redundancji.

Wada jest potrzeba realizacji złożonych działań przez maszynę wnioskująca ,dlatego ze trzeba uaktywnić wiele reguł.