Что такое правила продукции
Понятие продукционных правил
Лекция 3. Продукционные правила.
Стратегии получения знаний
1. Извлечение знаний без использования вычислительной техники путем непосредственного контакта инженера по знаниям и источника знания (будь то эксперт, специальная литература или другие источники).
2. Приобретение знаний от эксперта с использованием ЭВМ при наличии подходящего программного инструментария.
3. Формирование знаний с использованием программ обучения при наличии репрезентативной (т.е. достаточно представительной) выборки примеров принятия решений в предметной области и соответствующих пакетов прикладных программ.
Приобретение знаний подразумевает, что автоматизированные системы действительно непосредственно приобретают уже готовые фрагменты знаний в соответствии со структурами, заложенными разработчиками систем. Большинство этих инструментальных средств специально ориентировано на конкретные базы знаний с жестко обозначенной предметной областью и моделью представления знаний, т.е. не являются универсальными.
Например, система TEIRESIAS, ставшая прародительницей всех инструментариев для приобретения знаний, предназначена для пополнения базы знаний системы MYCIN и ее дочерних ветвей в области медицинской диагностики с использованием продукционной модели представления знаний.
Термин «формирование знаний» традиционно закрепился за областью инженерии знаний, которая занимается разработкой моделей, методов и алгоритмов обучения. Он включает индуктивные модели формирования знаний и автоматического порождения гипотез, обучение по аналогии и др. Эти модели позволяют выявить причинно- следственные зависимости в базах данных.
Вопросы для самоконтроля:
1. Дайте определение, что такое информация?
2. Дайте определение, что такое знания?
3. Дайте определение, что такое данные?
4. Как классифицируются знания?
5. Дайте определение, что такое инженерия знаний?
6. Какие этапы включает процесс извлечения знаний?
7. Какие стратегии получения знаний вы знаете?
1. Понятие продукционных правил.
2. Системы продукций с обратными выводами.
3. Системы продукций с прямыми выводами.
В основе человеческой деятельности лежит мышление. Когда утром звонит будильник, мозг человека дает команду руке выключить его. Следует заметить, что это не автоматическая реакция, а решение конкретной задачи. При этом конечный результат, на который мы рассчитываем, на который направлены наши мыслительные процессы, называется целью. Как только цель (в данном случае выключение будильника) достигнута, перед человеческим мозгом сразу встают новые цели, например, одеться, позавтракать, выйти на остановку и т.д. Осуществление всех этих целей приводит к осуществлению главной цели – не опоздать в институт.
Для достижения цели используется некоторая совокупность фактов и способов их применения – правил. На этих понятиях основан наиболее распространенный метод представления знаний – правила продукции или продукционные правила. Этот метод был предложен Э. Постом (1943 г.). Продукционные правила объясняют логическую связь между понятиями предметной области. Системы с базами знаний, основанных на этой модели, называются продукционными системами. Эти системы бывают двух диаметрально противоположных типов – с прямыми и обратными выводами.
Правило продукции представляет собой подстановку следующего вида:
где 
– конечная связка факторов, B – действие, которое выполняется, если – истинно.
Иначе говоря, примером правил продукции может являться выражение следующего типа:
При этом факты и правила могут быть разной сложности. Они связаны между собой с помощью логических функций И, ИЛИ, НЕ.
Факт1 Тихие, темные улицы опасны
Факт2 Пожилые люди обычно не совершают дерзких преступлений
Факт3 Моя милиция меня бережет
Правило1 ЕСЛИ на темной, тихой улице вы встретите пожилого человека
ТО можно не очень беспокоится
Это простое правило можно усложнить добавив факты, объединенные в связку с помощью логической функции И:
Правило2 ЕСЛИ на тихой темной улице вы видите милиционера
И вы не преступали закон
ТО можно чувствовать себя в полной безопасности
Правила продукции можно отнести к категорическим знаниям, т.е. они всегда верны. Однако, в некоторых предметных областях (например, медицинская диагностика, системы управления и т.п.) преобладают вероятностные знания. Эти знания являются «мягкими» в том смысле, что говорить об их применимости к любым практическим ситуациям возможно только до некоторой степени. В таких случаях правила продукции дополняют вероятностной оценкой:
ЕСЛИ ТО С УВЕРЕННОСТЬЮ
Правило1 ЕСЛИ на тихой темной улице вы видите милиционера
И вы не преступали закон
ТО можно чувствовать себя в полной безопасности
Факты в правилах могут быть представлены в двух видах: в виде списков или в виде изолированной тройки:
атрибут→ объект→ значение,
при этом с каждым фактом связан коэффициент уверенности, изменяющийся в пределах [0,1].
Представление знаний в виде правил продукции обладает следующими преимуществами:
¨ независимостью правил, выражающих самостоятельные фрагменты знаний;
¨ легкостью и естественностью модификации знаний (правила продукции по структуре весьма похожи на рассуждения естественного языка);
¨ отделением управляющих знаний (правил) от предметных знаний (фактов). Это позволяет применять различные стратегии управления.
Основной недостаток продукций состоит в том, что при их большом количестве становится трудоемкой проверка непротиворечивости системы продукции. Например, при добавлении новых правил необходимо проверить, насколько они согласуются с уже существующими в базе знаний правилами.
Как уже отмечалось выше, правила продукции относятся к процедурным моделям представления знаний. Даже самое простое правило продукции (т.е. правило, не содержащие присоединенных процедур) есть элемент «процедурности», т.к. предполагается, что это правило будет использовано для выполнения некоторого действия. Именно это отличает процедурное представление знаний от декларативного, поскольку декларативные знания не несут никакой информации о том, как они будут использованы.
Продукционные правила
В основе человеческой деятельности лежит мышление. Когда утром звонит будильник, мозг человека дает команду руке выключить его. Следует заметить, что это не автоматическая реакция, а решение конкретной задачи. При этом конечный результат, на который мы рассчитываем, на который направлены наши мыслительные процессы, называется целью. Как только цель (в данном случае выключение будильника) достигнута, перед человеческим мозгом сразу встают новые цели, например, одеться, позавтракать, выйти на остановку и т.д. Осуществление всех этих целей приводит к осуществлению главной цели – не опоздать в институт.
Для достижения цели используется некоторая совокупность фактов и способов их применения – правил. На этих понятиях основан наиболее распространенный метод представления знаний – правила продукции или продукционные правила. Этот метод был предложен Э. Постом (1943 г.). Продукционные правила объясняют логическую связь между понятиями предметной области. Системы с базами знаний, основанных на этой модели, называются продукционными системами. Эти системы бывают двух диаметрально противоположных типов – с прямыми и обратными выводами.
Правило продукции представляет собой подстановку следующего вида:
где 
– конечная связка факторов, B – действие, которое выполняется, если 
– истинно.
Иначе говоря, примером правил продукции может являться выражение следующего типа:
При этом факты и правила могут быть разной сложности. Они связаны между собой с помощью логических функций И, ИЛИ, НЕ.
Факт1 Тихие, темные улицы опасны
Факт2 Пожилые люди обычно не совершают дерзких преступлений
Факт3 Моя милиция меня бережет
Правило1 ЕСЛИ на темной, тихой улице вы встретите пожилого человека
ТО можно не очень беспокоится
Это простое правило можно усложнить добавив факты, объединенные в связку с помощью логической функции ^ И:
Правило2 ЕСЛИ на тихой темной улице вы видите милиционера
И вы не преступали закон
ТО можно чувствовать себя в полной безопасности
Правила продукции можно отнести к категорическим знаниям, т.е. они всегда верны. Однако, в некоторых предметных областях (например, медицинская диагностика, системы управления и т.п.) преобладают вероятностные знания. Эти знания являются «мягкими» в том смысле, что говорить об их применимости к любым практическим ситуациям возможно только до некоторой степени. В таких случаях правила продукции дополняют вероятностной оценкой:
^ ЕСЛИ ТО С УВЕРЕННОСТЬЮ
Правило1 ЕСЛИ на тихой темной улице вы видите милиционера
И вы не преступали закон
ТО можно чувствовать себя в полной безопасности
Факты в правилах могут быть представлены в двух видах: в виде списков или в виде изолированной тройки:
атрибут→ объект→ значение,
при этом с каждым фактом связан коэффициент уверенности, изменяющийся в пределах [0,1].
Представление знаний в виде правил продукции обладает следующими преимуществами:
·
независимостью правил, выражающих самостоятельные фрагменты знаний;
·
легкостью и естественностью модификации знаний (правила продукции по структуре весьма похожи на рассуждения естественного языка);
·
отделением управляющих знаний (правил) от предметных знаний (фактов). Это позволяет применять различные стратегии управления.
Основной недостаток продукций состоит в том, что при их большом количестве становится трудоемкой проверка непротиворечивости системы продукции. Например, при добавлении новых правил необходимо проверить, насколько они согласуются с уже существующими в базе знаний правилами.
Как уже отмечалось выше, правила продукции относятся к процедурным моделям представления знаний. Даже самое простое правило продукции (т.е. правило, не содержащие присоединенных процедур) есть элемент «процедурности», т.к. предполагается, что это правило будет использовано для выполнения некоторого действия. Именно это отличает процедурное представление знаний от декларативного, поскольку декларативные знания не несут никакой информации о том, как они будут использованы.
Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет
Продукционная модель знаний
Продукционные модели можно считать наиболее распространенными моделями представления знаний. Продукционная модель – это модель, основанная на правилах, позволяющая представить знание в виде предложений типа:
Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.
В общем случае продукционную модель можно представить в следующем виде:
Системы обработки знаний, использующие продукционную модель получили название «продукционных систем». В состав экспертных систем продукционного типа входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: антецендента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению. Продукционные правила принято записывать в виде антецедент-консеквент.
Примеры продукционных правил:
Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.
Существуют два типа продукционных систем – с «прямыми» и «обратными» выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. Существуют также системы с двунаправленными выводами.
Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и организации логического вывода. К недостаткам таких систем можно отнести следующее:
При разработке небольших систем (десятки правил) проявляются в основном положительные стороны продукционных моделей знаний, однако при увеличении объёма знаний более заметными становятся слабые стороны.
Правила продукций
Нотация процедур в виде последовательностей правил была впервые предложена математиком Постом.
Люди имеют запас «знаний» о мире, в котором они живут. Некоторые виды знаний общеизвестны; к ним относятся знания, связанные с приемом пищи или вождением автомобиля. Другие знания более специальные, например те, что используются экспертами. Знания обычно представляются в виде фактов, характерных для окружающего мира (т. е. классов объектов и взаимосвязей между ними), процедур и правил манипулирования фактами, а также в виде информации о том, когда и как следует применять правила и процедуры.
Объекты группируют по классам, Петр, Джон, Фред и Анна могут мыслиться как объекты. Их можно отнести к классу “личность”. В дополнение к этому Петр, Джон и Фред могут быть классифицированы как “мужчины”, а Анна- как «женщина». Явное достоинство любой классификации заключается в том, что частично решается проблема переполнения памяти, так как достаточно помнить только характеристики класса, а не каждого объекта. Мы можем также определить отношения между классами (или отдельными объектами). Подобным образом мы можем определить отношение “руководит (А, В)”, означающее, что B находится в подчинении у A, В качестве примеров такой зависимости могут служить выражения:
руководит (Петр, Джон)
руководит (Джон, Анна)
руководит (Анна, Фред)
которые заключают в себе структуру “подотчетность” (другое отношение) между объектами Петр-Джон-Анна-Фред, Приведенный пример иллюстрирует отношения между схожими объектами. Между различающимися объектами также могут быть установлены отношения (например, “владеет (Петр, автомобиль)”). Знания об объектах и их взаимоотношениях позволяют классифицировать эти объекты и соотносить между собой.
Второй тип знания- правила. Они дают возможность определить, как вывести новые отличительные особенности класса или отношения для объектов, прежде не подразделенных на классы. Например, если мы определим отношение “отчитывается (В, А)” для того, чтобы отметить, что B подотчетен A (возможно, через других руководителей), то сможем установить правила:
“отчитывается (С, А)” есть ИСТИНА
ЕСЛИ или “руководит (А, С)” есть ИСТИНА
ИЛИ “руководит (А. В)” И “руководит (В, С)» есть ИСТИНА
Это довольно ограниченное правило. Оно применимо только для первого или второго уровня подотчетности, но в пределах ограничения оно дает нам возможность породить новый пример отношения “отчитывается”, который ранее не был известен. Например, правило позволяет сделать заключение о том, что “отчитывается (Анна, Петр)” и “отчитывается (Фред, Джон)” суть ИСТИНА. Вследствие того, что данное правило определено как двухуровневое, оно не может быть применено для получения вывода “отчитывается (Фред, Петр)” есть ИСТИНА. Для этого нам потребуется более мощное правило, включающее рекурсию:
“отчитывается (С, А)” есть ИСТИНА
ЕСЛИ или “руководит (А, С)” есть ИСТИНА
ИЛИ “руководит (А, В)” есть ИСТИНА
И “отчитывается (С, В)” есть ИСТИНА
Если задать вопрос “отчитывается (Джон, Петр)?”, то ответом будет ИСТИНА, поскольку истинна первая часть правила “ЕСЛИ”. Вопрос “отчитывается (Фред, Петр)?” потребует более сложной обработки. Табл. 3.1 показывает процесс подобной обработки с использованием рассмотренного правила.
Таблица 3.1 Пример отношения “отчитывается”
Большая Энциклопедия Нефти и Газа
Правила продукций являются предпочтительным средством отображения неформальных знаний. [3]
Система КЕНТАВР, где объединены правила продукций и прототипы, хорошо работала для задач интерпретации функций легких, но для каких типов задач пригодны такие системы в принципе. Проблемы диагностики, одним из примеров которых является пульмонологическая функциональная диагностика, хорошо поддаются обработке таким методом. В терминологии системы КЕНТАВР, прототипы представляют классы гипотез. При попытке установить соответствие между прототипами и известными данными может потребоваться новая информация, которую нужно определить, для чего приходится задавать вопросы пользователю. [4]
Как управляющие слоты прототипа, так и правила продукции играют роль на различных этапах консультации. Процесс консультации в целом показан на рис. 19, где указана также роль управляющих слотов и правил. [6]
Кроме прототипов и компонент, база знаний системы КЕНТАВР включает 142 правила продукции : 62 правила вывода, 14 правил обобщения, 42 правила уточнения, 18 правил активации и 6 правил лишних фактов. Остальные четыре группы правил описаны в следующих разделах. [8]
Представление, полностью основанное на фреймах, для этой проблемы возможно, если все правила продукции ввести внутрь фреймов. Посылки правила продукции могут быть представлены в одном фрейме, связанном со вторым фреймом, представляющим заключения. [12]
Система HARPY для распознавания речи, представленная Лоу-эрром [126], иллюстрирует несколько вопросов, связанных с компиляцией. В системе HARPY знания для распознавания речи представлены с помощью унифицированной структуры данных ( безконтекстные правила продукций ), описывающей множество всех возможных высказываний в рассматриваемой там предметной области. Эта структура данных представляет по существу ту же информацию, которая была использована в системе HARPY, за исключением информации о параметризации и сегментации. Компилятор значений системы HARPY объединяет синтаксические, лексические и речевые композиционные знания в единую большую сеть переходов. Сначала грамматика компилируется в сеть слов. Затем каждое слово заменяется копией графа его произношения и вставляются пограничные правила соединения слова с другими. В окончательном варианте сети каждый путь от начальной вершины к конечной представляет последовательность сегментов для некоторого предложения. Пользуясь таким знанием в компилированной форме, система HARPY способна производить быстрый поиск в попытке найти наилучшее соответствие между высказыванием и некоторым множеством интерпретаций. [15]