Файл: Макарова_Информатика_2000.doc

Группа текстологических методов объединяет методы извлечения знаний, основанные на изучении специальных текстов из учебников, монографий, статей, методик и других носителей профессиональных знаний.

Задачу извлечения знаний из текстов можно сформулировать как задачу понимания и выделения смысла текста. Сам текст на естественном языке является лишь проводником смысла, а замысел и знания автора лежат во вторичной структуре (смысловой структуре или макроструктуре текста), настраиваемой над естественным текстом [3].

При этом можно выделить две такие смысловые структуры: М₁ смысл, который пытался заложить автор, это его модель мира, и М2 смысл, который постигает читатель, в данном случае инженер по знаниям (рис. 17.13) в процессе интерпретации I. При этом Т – это словесное одеяние М₁, т.е. результат вербализации V.

Сложность процесса заключается в принципиальной невозможности совпадения знаний, образующих М₁ и М₂, из-за того, что M₁ образуется за счет совокупности представлений, потребностей, интересов и опыта автора, лишь малая часть которых находит отражение в тексте Т. Соответственно и М₂ образуется в процессе интерпретации текста Т за счет привлечения всей совокупности научного и человеческого багажа читателя.

Рис. 17.13. Извлечение знаний из текстов

Встает задача выяснить, за счет чего можно достичь максимальной адекватности М₁ и М₂, помня о том, что понимание всегда относительно. Рассмотрим подробнее, какие источники питают модель М₁ и создают текст Т. В [17] указаны два компонента любого научного текста. Это первичный материал наблюдений и система научных понятий в момент создания текста. В дополнение к этому, на наш взгляд, помимо объективных данных экспериментов и наблюдений, в тексте обязательно присутствуют субъективные взгляды автора, результат его личного опыта, а также некоторые "общие места", или "вода". Кроме того, любой научный текст содержит заимствования из других источников (статей, монографий) и т.д.

При извлечении знаний аналитику, интерпретирующему текст, приходится решать задачу декомпозиции этого текста на перечисленные выше компоненты для выделения истинно значимых для реализации базы знаний фрагментов. Сложность интерпретации научных и специальных текстов заключается еще и в том, что любой текст приобретает смысл только в контексте, где под контекстом понимается окружение, в которое "погружен" текст.

Основными моментами понимания текста являются (частично из [ 17]):

выдвижение предварительной гипотезы о смысле всего текста (предугадывание);

определение значения непонятных слов (т.е. специальной терминологии);

возникновение общей гипотезы о содержании текста (о знаниях);

уточнение значения терминов и интерпретация отдельных фрагментов текста под влиянием общей гипотезы (от целого к частям);

формирование некоторой смысловой структуры текста за счет установления внутренних связей между отдельными важными (ключевыми) словами и фрагментами, а также за счет образования абстрактных понятий, обобщающих конкретные фрагменты знаний;

корректировка общей гипотезы относительно содержащихся в тексте фрагментов знаний (от частей к целому);

принятие основной гипотезы, т.е. формирование М₂

Следует отметить наличие как дедуктивной (от целого к частям), так и индуктивной (от частей к целому) составляющей процесса понимания.

Центральными моментами процесса I являются шаги формирования смысловой структуры или выделения "опорных", или ключевых, слов, а также заключительное схватывание "смысловых вех" в единую семантическую структуру. В качестве ключевого слова может служить любая часть речи (существительное, прилагательное, глагол и т.д.) или их сочетание. Существует гипотеза лингвостатистики о том, что наиболее употребляемые слова являются наиболее важными с точки зрения содержания текста, т.е. отражают его тематическую структуру.

Подготовкой к прочтению специальных текстов является выбор совместно с экспертами некоторого "базового" списка литературы, который постепенно введет аналитика в предметную область. В этом списке могут быть учебники для начинающих, главы и фрагменты из монографий, популярные издания. Только после ознакомления с "базовым" списком целесообразно приступать к чтению специальных текстов.

Наиболее простым методом является анализ учебников, в которых логика изложения обычно соответствует логике предмета, и поэтому макроструктура такого текста будет, наверное, более значима, чем структура текста какой-нибудь специальной статьи. Анализ методик затруднен как раз сжатостью изложения и практическим отсутствием комментариев, т.е. фоновых знаний, облегчающих понимание для неспециалистов. Поэтому можно рекомендовать для практической работы комбинацию перечисленных методов.

В заключение предложим одну из возможных практических методик анализа текстов с целью извлечения и структурирования знаний.

Составление "базового" списка литературы для ознакомления с предметной областью и чтения по списку.

Выбор текста для извлечения знаний.

Первое знакомство с текстом (беглое прочтение). Для определения значения незнакомых слов – консультации со специалистами или привлечение справочной литературы.

Формирование первой гипотезы о структуре текста.

Внимательное прочтение текста с выписыванием ключевых слов и выражений, т.е. выделение "смысловых вех" (компрессия текста).

Определение связей между ключевыми словами, разработка макроструктуры текста в форме графа или "сжатого" текста (реферата).

Формирование поля знаний на основании структуры текста.

17.3. Структурирование знаний

Концептуальная структура предметной области

Функциональная структура предметной области

Формализация и программная реализация базы знаний

КОНЦЕПТУАЛЬНАЯ СТРУКТУРА ПРЕДМЕТНОЙ ОБЛАСТИ

Одна из наиболее творческих процедур при построении экспертных систем – процедура концептуального анализа полученных знаний или структурирование.

Структурирование - это процесс создания полуформализованного описания предметной области. Такое полуформализованное описание называется полем знаний. Обычно оно создается в графической форме.

Поле знаний P_z можно описать следующим образом:

где S_k – концептуальная структура предметной области;

S_f – функциональная структура предметной области.

Концептуальная структура, или модель предметной области, служит для описания ее объектов и отношений между ними, т.е. можно сказать, что концептуальная модель S_k представляет собой следующее:

где А – множество объектов предметной области;

R – множество отношений, связывающих объекты.

Множество отношений представляет собой связи между объектами. При помощи этих отношений инженер по знаниям фиксирует концептуальное устройство предметной области, иерархию понятий, свойства и структуру объектов. Разработка концептуальной структуры имеет самостоятельное значение, не зависимое от конечной цели – разработки экспертных систем. Эта структура может служить для целей обучения, повышения квалификации, для прогнозирования, объяснения, реструктурирования и т.п.

Основными из них являются АКО, A-part-of, Has-attribute, Value и др.

АКО (A-Kind-OF) – "это есть", например, [MacII]  (АКО)  [ПК]. АКО отражает родовидовые отношения и иерархию понятий предметной области. Обязательно присутствует в любой концептуальной структуре.

A-part-of – "часть от", например, [процессор]  (A-part-of)  [компьютер]. Это отношение служит для отражения физической структуры и декомпозиции сложных объектов на составляющие.

Has-attribute – "имеет свойство", например, [память]  (Has-attribute)  [объем памяти].

Value – "значение", например, [объем памяти]  (Value)  [16 Мбайт].

Поле знаний может напоминать семантическую сеть (см. подразд. 16.1), но оно менее формализовано. Если в сети жестко оговорены возможные виды связей, то в поле знаний они произвольны.

Краткий алгоритм формирования концептуальной структуры.

Шаг1. Определить все результирующие понятия, или выходы системы. Это может быть набор диагнозов, рекомендаций, советов системы.

Шаг2. Определить все входные понятия, или факторы, от которых зависит результат работы системы.

Шаг3. Установить промежуточные понятия, участвующие в рассуждениях экспертов, если они есть.

Шаг4. Для всех понятий найти обобщающие и уточняющие понятия, т.е. установить иерархии объектов.

Шаг5. Для объектов, участвующих в рассуждениях, определить свойства и их значения.

Шаг6. Попытаться определить другие связи, и все в целом отразить графически.

Шаг7. Убрать лишние связи, объекты, обсудить структуру с экспертом, дополнить, если надо, с возвратом к шагам 1 - 6.

Пример 17.1. Здесь рассматривается пример структурирования знаний для экспертной системы, которая советует, где лучше всего отдохнуть в отпуске. Сначала создается концептуальная структура, описывающая понятия данной предметной области (рис. 17.14).

На рис. 17.14 использованы связи АКО и Value. Дополните самостоятельно данное поле знаний.

ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ПРЕДМЕТНОЙ ОБЛАСТИ

Функциональная структура отражает модель рассуждений и принятия решений, которой пользуется эксперт при решении задачи. Обычно функциональная структура представляется в виде каузальных отношений (cause) и может быть позднее формализована в виде коротких правил "если – то" (см. продукционные модели в подразд. 16.1), или в виде семантических сетей.

Представить функциональную структуру можно в виде таблицы, графа или предложений на естественном языке. Наглядные формы предпочтительны.

Часто в моделях рассуждений присутствуют нечеткие понятия – "часто", "много", "очень", "высокий", "большой" и др. Для их представления базе знаний используется так называемая нечеткая логика, автор которой – Л. Заде, предложил простой формализм для таких понятий. Этот формализм использует понятие нечеткой функции принадлежности, которая отражает численно на шкале [0, 10] или [0, 1] степень уверенности эксперта в том, что конкретное значение можно отнести к данному нечеткому понятию. Подробнее см. [10,14].

Смотрите также файлы

Лермонтов.doc

Лекция FrontPage.doc

Курсовая.docx

курсовая сцен.мастерство.doc

КУРСОВАЯ КАМНЕРЕЗЫ.doc

Файл: Макарова_Информатика_2000.doc

17.3. Структурирование знаний

Смотрите также файлы

Информация

Списки файлов

Дополнительно