Sposób w jaki wiedzę prezentujemy decyduje

(1)

(2)



Sposób w jaki wiedzę prezentujemy decyduje potem o tym jaką wiedzę możemy wyprowadzić z systemu, jakich metod analizy możemy użyć.



Najpopularniejsze są: reguły IF-THEN, sieci semantyczne, ramy i scenariusze, tablice decyzyjne, rachunek predykatów rachunek perceptów.



Każda z wybranych metod powinna

zapewniać mechanizmy wnioskowania.

(3)



Wiedza a priori

◦ comes before knowledge perceived through senses

◦ considered to be universally true



a posteriori knowledge

◦ knowledge verifiable through the senses

◦ may not always be reliable



procedural knowledge

◦ knowing how to do something



declarative knowledge

◦ knowing that something is true or false



tacit knowledge

◦ knowledge not easily expressed by language

(4)

Conventional

Programming

Knowledge-Based Systems

Algorithms + Data Structures

= Programs

Knowledge + Inference

= Expert System

N. Wirth

(5)

Noise Data

Information Knowledge

Meta-

(6)



Reguły produkcji



Sieci semantyczne



Ramy i scenariusze



Logika: rachunek predykatów



Rachunek perceptów



Metody reprezentacji wiedzy niepewnej



Tablice decyzyjne i zbiory przybliżone

(7)



Najczęściej stosowana metoda reprezentacji

wiedzy w systemach wspomagania decyzji

(8)



Prosta i łatwa w interpretacji metoda



Prosta implementacja

(9)



Prosta implementacja jest często nieefektywna.



Niektóre typy wiedzy nie są łatwo wyrażalne w takich regułach.



Duże zbiory reguł stają się trudne do

zarządzania.

(10)

Systemy takie zawierają zarówno opisy faktów jak i reguły decyzyjne. Cechy systemu faktograficznego:

• użytkownik musi komunikować się z systemem w sposób dla niego naturalny we wszystkich trybach użytkowania

• użytkownik ma prawo żądać objaśnień działania systemu, a nie tylko odpowiedzi na pytania

• system musi posiadać mechanizmy pozwalające w łatwy sposób rozszerzać i polepszać bazę faktów. Ten proces jest prowadzony interakcyjnie przy udziale specjalistów z danej dziedziny

• system powinien dostarczać zgromadzone i

skodyfikowane fakty niezbędne specjalistą z danej

dziedziny

(11)



Ważne jest stworzenie spójnej metody reprezentacji danych (faktów) i wiedzy.



Aby on był spójny: fakty i wiedza są zapisywane za pomocą interpretów logicznych.



Interpret logiczny - ciąg zdań wyrażonych tekstem lub mową stanowiących lingwistyczną interpretację faktów i celów.



Pewnym typem interpretów logicznych są percepty.



Proces poznawania to percepcja.



Perceptem nazywać będziemy odzwierciedlenie przez człowieka, zjawisk, przedmiotów i procesów.

Percepcja powstaje w wyniku działania bodźców.

(12)

(13)

(14)

1.

(cena:komputer:x1,drogi) 

(cecha:komputer:x1,uniwersalny) ) 

(obudowa:komputer:x1,duża)  (procesor:komputer:x1, PII).

2.

(prędkość:komputer:x1,szybki) )  (przeznaczenie:komputer:x1,gry)

(cena:komputer:x1,drogi).

3.

(pamięć:komputer:x1,dużo)  (cecha:komputer:x1,uniwersalny).

4.

(nagrywarka:komputer:x1,nie)  (przeznaczenie:komputer:x1,gry)

5.

(nagrywarka:komputer:x1,tak) (cena:komputer:x1,drogi) Fakty:

1.

(obudowa:komputer:mój,duża)

2.

(prędkość:komputer:mój,szybki)

3.

(nagrywarka:komputer:mój,tak)

4.

(pamięć:komputer:mój,dużo)

(15)

(procesor:komputer:mój,PII)

mój komputer jest wyposażony w procesor PII

(16)

•

Najpierw szukamy celu w faktach, jeśli cel jest jednym z faktów to koniec wnioskowania.

•

Jeśli cel nie jest faktem w bazie wiedzy to szukamy w konkluzjach reguł.

•

Jeśli znajdziemy regułę, której konkluzja jest

naszym celem wnioskowania, to teraz musimy

udowodnić wszystkie jej przesłanki. Dla każdej

przesłanki dowód przeprowadzamy tak jak dla

celu głównego (więc najpierw szukamy w faktach,

a dopiero gdy nie znajdziemy – szukamy w

konkluzjach reguł).

(17)

• (procesor:komputer:mój,PII)

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo)

Krok 1: Szukamy w faktach

Wynik: Brak celu w faktach

(18)

• (procesor:komputer:mój,PII)

(cena:komputer:x1,drogi)  (cecha:komputer:x1,uniwersalny) )  (obudowa:komputer:x1,duża)  (procesor:komputer:x1,PII).

(prędkość:komputer:x1,szybki) )  (przeznaczenie:komputer:x1,gry)

(cena:komputer:x1,drogi).

(pamięć:komputer:x1,dużo)  (cecha:komputer:x1,uniwersalny).

(nagrywarka:komputer:x1,nie)  (przeznaczenie:komputer:x1,gry) (nagrywarka:komputer:x1,tak) (cena:komputer:x1,drogi)

Krok 2: Szukamy w konkluzjach reguł

Wynik: Cel jest konkluzją reguły 1.

(19)

• (procesor:komputer:x1,PII)

mój

(cena:komputer:x1,drogi) (cecha:komputer:x1,uniwersalny) (obudowa:komputer:x1,duża) R1

(20)

• (procesor:komputer:x1,PII)

mój

(21)

• (procesor:komputer:x1,PII)

mój

(cena:komputer:mój,drogi) Czy znany jest fakt:

NIE

(22)

(cena:komputer:mój,drogi)

Krok 1: Szukamy w faktach

Wynik: Brak celu w faktach

(23)

Krok 2: Szukamy w konkluzjach reguł

Wynik: Cel jest konkluzją reguły 2 i 5.

(cena:komputer:mój,drogi)

(24)

• (procesor:komputer:x1,PII)

mój

(prędkość:komputer:x1,szybki) (przeznaczenie:komputer:x1,gry) R2

(25)

• (procesor:komputer:x1,PII)

mój

(26)

Czy znany jest fakt:

TAK

• (procesor:komputer:x1,PII)

Wnioskowanie…

mój

(prędkość:komputer:x1,szybki) (przeznaczenie:komputer:x1,gry)

(prędkość:komputer:x1,szybki) R2

F2: (prędkość:komputer:mój,szybki)

(27)

Czy znany jest fakt:

NIE

• (procesor:komputer:x1,PII)

Wnioskowanie…

mój

(przeznaczenie:komputer:mój,gry)

(28)

(przeznaczenie:komputer:mój,gry)

Krok 1: Szukamy w faktach

Wynik: Brak celu w faktach

(29)

Krok 2: Szukamy w konkluzjach reguł

Wynik: Cel jest konkluzją reguły 4

(przeznaczenie:komputer:mój,gry)

(30)

• (procesor:komputer:x1,PII)

Wnioskowanie…

mój

(nagrywarka:komputer:x1,nie) R4

(31)

(nagrywarka:komputer:x1,nie)

Krok 1: Szukamy w faktach

Wynik: Brak celu w faktach

(32)

Krok 2: Szukamy w konkluzjach reguł

Wynik: Brak reguły o konkluzji takiej jak cel wnioskowania.

Wniosek: Nie udowodnimy celu wnioskowania za pomocą reguły 2.

Spróbujemy więc jeszcze za pomocą reguły 5.

(przeznaczenie:komputer:mój,gry)

(33)

• (procesor:komputer:x1,PII)

Wnioskowanie…

mój

(nagrywarka:komputer:x1,nie) R4

(34)

• (procesor:komputer:x1,PII)

mój

R5

(nagrywarka:komputer:x1,tak)

(35)

(nagrywarka:komputer:x1,tak)

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo)

Krok 1: Szukamy w faktach

Wynik: Cel to fakt 3.

(36)

Wynik: Jedyny warunek reguły 5 został potwierdzony.

To uaktywnia tę regułę a w efekcie konkluzja tej reguły zostaje dodana jako nowy fakt do bazy wiedzy.

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo) 5. (cena:komputer:mój,drogi)

(37)

• (procesor:komputer:x1,PII)

mój

R5

(nagrywarka:komputer:x1,tak) F3

(nagrywarka:komputer:mój,tak)

(38)

• (procesor:komputer:x1,PII)

mój

R5

(39)

• (procesor:komputer:x1,PII)

mój

R5

(40)

(cecha:komputer:mój,uniwersalny)

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo) 5. (cena:komputer:mój,drogi)

Krok 1: Szukamy w faktach

Wynik: Brak celu w faktach

(41)

Krok 2: Szukamy w konkluzjach reguł (cecha:komputer:mój,uniwersalny)

Wynik: Cel jest konkluzją reguły 3

(42)

• (procesor:komputer:x1,PII)

mój

R5

R3

(pamięć:komputer:x1,dużo)

(43)

(pamięć:komputer:mój,dużo)

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo) 5. (cena:komputer:mój,drogi)

Krok 1: Szukamy w faktach

Wynik: Cel jest faktem 4

(44)

• (procesor:komputer:x1,PII)

mój

R5

R3

(pamięć:komputer:x1,dużo)

F4

(pamięć:komputer:mój,dużo)

(45)

Wynik: Jedyny warunek reguły 3 został potwierdzony.

To uaktywnia tę regułę a w efekcie konkluzja tej reguły zostaje dodana jako nowy fakt do bazy wiedzy.

6. (cecha:komputer:mój,uniwersalny)

(46)

• (procesor:komputer:x1,PII)

mój

(cena:komputer:x1,drogi) (cecha:komputer:x1,uniwersalny) (obudowa:komputer:x1,duża) R1

R5

R3

(pamięć:komputer:x1,dużo) F4

(pamięć:komputer:mój,dużo)

(47)

(obudowa:komputer:mój,duża)

1. (obudowa:komputer:mój,duża) 2. (prędkość:komputer:mój,szybki) 3. (nagrywarka:komputer:mój,tak) 4. (pamięć:komputer:mój,dużo) 5. (cena:komputer:mój,drogi)

6. (cecha:komputer:mój,uniwersalny)

Krok 1: Szukamy w faktach

Wynik: Cel jest faktem 1

(48)

• (procesor:komputer:x1,PII)

mój

(cena:komputer:x1,drogi) (cecha:komputer:x1,uniwersalny) (obudowa:komputer:x1,duża) R1

R5

R3

(obudowa:komputer:mój,duża) F1

(49)

Wynik: Wszystkie przesłanki reguły zostały potwierdzone.

To uaktywnia tę regułę a w efekcie konkluzja tej reguły zostaje dodana jako nowy fakt do bazy wiedzy.

6. (cecha:komputer:mój,uniwersalny) 7. (procesor:komputer:mój,PII)

(50)

• (procesor:komputer:x1,PII)

mój

R5

(nagrywarka:komputer:x1,tak)

F3 (nagrywarka:komputer:mój,tak)

R3

(obudowa:komputer:mój,duża) F1

(51)

(52)

 Sieci semantyczne (semantic networks) opracowane przez Ross Quilliana są ontologiczną metodą reprezentacji wiedzy. Quillian wyszedł z założenia, że pamięć ludzką najlepiej opisuje model asocjacyjny. Oznacza to, że terminy są wyjaśniane przez inne terminy. W taki sposób powstaje pewna struktura powiązań, która może być zamknięta.

 Sieć semantyczna jest zbiorem obiektów powiązanych ze sobą różnorodnymi relacjami.

Stanowi ona graficzną reprezentację pewnego rodzaju logiki, gdzie relacje miedzy obiektami są przedstawione w postaci rysunku – grafu, w którym obiekty to węzły, a relacje to gałęzie.

Węzły i łuki mają swoje nazwy. Węzłom (podobnie jak gałęziom) mogą być przypisane wagi określające np. stopnie przekonania o słuszności tych stwierdzeń. W sieci semantycznej można przeprowadzić wnioskowanie.

 Węzły na grafie reprezentują:

 obiekty fizyczne,

 obiekty konceptualne (czynności, wydarzenia),

 deskryptory – dodatkowy opis węzła, cechy charakterystyczne obiektu.

 Łuki reprezentują różnego rodzaju relacje pomiędzy obiektami oraz umożliwiają reprezentacje hierarchii. Tworzą one dwie hierarchie: hierarchię abstrakcji oraz hierarchię właściwości. Hierarchia abstrakcji obejmuje relację uszczegółowienia pomiędzy klasami („są”) oraz relację egzemplifikacji („jest wystąpieniem”) zachodzącą pomiędzy obiektem a klasą.

Hierarchia właściwości może obejmować dowolne zależności pomiędzy obiektami i klasami, a także pomiędzy obiektami i klasami a wartościami.

(53)



Sieci semantycznej używamy, gdy mamy pewność, że dobrze rozumiemy pojęcia z danej dziedziny i powiązania między nimi.



Większość sieci semantycznych jest oparta na kognitywistyce (poznawczo).



Składają się z łuków i węzłów, które mogą być zorganizowane w hierarchii taksonomicznej.



Sieci semantyczne pozwalają także odzwierciedlać dziedziczenie i prezentację węzłów jako proto-obiektów.



O czym należy pamiętać o sieci semantyczne ?



Niektórych właściwości nie da się łatwo wyrazić za pomocą

sieci semantycznej. Na przykład negacji, alternatywy i

ogólnego braku wiedzy taksonomicznej. Wyrażanie tych

relacji wymaga rozwiązania, takie jak uzupełnienie o

rachunek predykatów i przy użyciu specjalistycznych

procedur.

(54)



ABY SIEĆ SEMANTYCZNA mogła w ogóle

funkcjonowa ć, konieczne jest udostępnienie

komputerom zarówno źródeł informacji o

ściśle określonej strukturze, jak i systemów

reguł inferencyjnych, które pozwolą na

automatyczne wyciąganie wniosków.

(55)

(56)

(57)



Wiedza o relacjach to:

• atrybuty

• odpowiednie związane z nimi wartości.

Mechanizmy wnioskowania możliwe są dzięki:

• Właściwościom dziedziczenia (elementy

dziedziczą wartości z bycia członkami klasy).

Dane muszą być zorganizowane w hierarchię

klas.

(58)



• Prostokąty (węzły) – obiekty i wartości atrybutów obiektów.

• Strzałki - punkt od obiektu do jego

wartości.

(59)

(60)



Prosty mechanizm wnioskowania po prostu śledzi połączenia między węzłami sieci .



2 metody:



Intersection search



Inheritance

(61)



Aktywacja dwóch węzłów i poszukiwanie ich przecięcia i szukanie w ten sposób zależności między obiektami. Odwiedzone węzły

odpowiednio oznaczamy.

(62)



Dziedziczenie opiera się na reprezentacji „isa”



Dziedziczenie również zapewnia środki do rozumowania domyślnego.



przykład:



•Emus are birds.



• Typically birds fly and have wings.



• Emus run.

(63)

1. Emus are birds.

2. Typically birds fly and have wings.

3. Emus run.

(64)

(65)



Załóżmy, że chcemy odszukać panią Cook, poznaną na zeszłorocznych targach branżowych.



Nie pamiętamy jej imienia, ale przypominamy sobie, że pracowała dla jednego z naszych klientów, a jej syn studiował na tym samym uniwersytecie, co my.



Inteligentny program wyszukujący może przejrzeć wszystkie witryny ludzi o nazwisku Cook, pomijając strony dotyczące kucharzy (cooks) gotowania (cooking), Wysp Cooka itp., i znale wśród nich pracowników firmy, która jest na naszej liście klientów, a następnie dotrze

do witryn ich dzieci, aby sprawdzi , czy studiują na

danym uniwersytecie.

(66)

 identyfikacja osób na podstawie częściowych informacji: osoba ma nazwisko Cook, pracuje (works for) dla firmy będącej na mojej liście klientów (is client of), a jej syn (is parent of) studiuje (is student at) w Avondale University, który ukończyłem.

 Potrzebnej informacji nie znajdzie się na jednej konkretnej stronie WWW, ale powiązania semantyczne ułatwią odpowiednim programom odszukanie jej elementów na różnych stronach i rozpoznanie relacji typu Mike Cook jest synem Wendy Cook, a następnie połączenie ich w całość.

 Najogólniej mówiąc, SS umożliwi automatyczne przeprowadzanie

zaawansowanych wyszukiwań i transakcji.

(67)

 Semantic Web – projekt, który ma przyczynić się do utworzenia i rozpowszechnienia standardów opisywania treści w Internecie w sposób, który umożliwi maszynom i programom (np. tzw.

agentom) przetwarzanie informacji w sposób odpowiedni do ich znaczenia.

 Wśród standardów Semantic Web znajdują się m.in. OWL, RDF, RDF Schema (inaczej RDFS). Znaczenia zasobów informacyjnych określa się za pomocą tzw. ontologii.

 Semantic Web jest wizją Tima Bernersa-Lee (twórcy standardu WWW i pierwszej przeglądarki internetowej, a także przewodniczącego W3C). W swoich założeniach Semantic Web ma korzystać z istniejącego protokołu komunikacyjnego, na którym bazuje dzisiejszy Internet. Różnica miałaby polegać na tym, że przesyłane dane mogłyby być 'rozumiane' także przez maszyny. Owo 'rozumienie' polegałoby na tym, że dane przekazywane byłyby w postaci, w której można by powiązać ich znaczenia między sobą a także w ramach odpowiedniego kontekstu.

(68)

 OWL jest standardem pozwalającym na definiowanie klas na podstawie własności danych, a także na definiowanie logicznych charakterystyk relacji. OWL jest więc standardem formalnie zapisującym ontologię.

 Przykład:

 Mając daną klasę 'Człowiek', a także posiadając w jej zbiorze relację 'jest mężem', chcielibyśmy określić klasę 'Małżonek' (dla czytelności przykładu, uznajemy definicję męża zgodną z polskim stanem prawnym).

 Otóż małżonkiem jest zarówno dana, której podmiotem jest relacja 'jest mężem', jak i dana, której przedmiotem jest dana relacja (w języku grafów: małżonkiem jest wierzchołek grafu, z którego wychodzi krawędź 'jest mężem', jak i wierzchołek, do którego taka krawędź wchodzi).

 Relację 'jest mężem' możemy też dość dokładnie określić. Jest to relacja funkcjonalna (tzn. że każdy podmiot, którego dotyczy ta relacja, ma co najwyżej jeden przedmiot). Jest ona też odwrotnie funkcjonalna (przedmiot tej relacji ma co najwyżej jeden podmiot). Nie jest ona przechodnia (tzn. nie ma takiej własności, że jeśli A jest mężem B a B jest mężem C to A jest mężem C), posiada natomiast relację odwrotną.

Tą relacją jest 'jest żoną' (każdy A, który jest mężem B będzie spełniać następującą relację: B jest żoną A).

(69)



Język OWL pozwala na definiowanie zależności między danymi, dzięki czemu można przeprowadzać wnioskowanie.



Osobną sprawą jest przygotowanie odpowiednich mechanizmów, które takie wnioskowanie przeprowadzą poprawnie, a jednocześnie w odpowiednio szybkim czasie.



Program, przeprowadzający wnioskowanie nosi miano 'reasonera' (brak polskiego odpowiednika - w wolnym tłumaczeniu 'wnioskujący').



W tej chwili zaawansowanie techniczne reasonerów

jest wciąż ograniczone i przeprowadzanie

wnioskowań nawet na nieskomplikowanych

ontologiach trwa zbyt długo jak na uwarunkowania

Internetu.

(70)

 Z internetowych katalogów z semantycznymi znacznikami zadowoleni będą niewątpliwie sprzedawcy i klienci. Małym firmom będzie łatwiej i bezpieczniej prowadzić samodzielnie działalność za pośrednictwem Internetu.

 Jako klienci: wybieramy się w dłuższą podróż po świecie i chcemy dokonać wszystkich niezbędnych rezerwacji.

Potwierdzenia rezerwacji przesyłane przez linie lotnicze, hotele, agencje turystyczne itp. Opatrzone będą odpowiednimi znacznikami semantycznymi. Wszystkie daty wpiszą się same wprost do naszego terminarza, a wydatki do programu zarządzającego naszymi finansami, niezależnie od oprogramowania, którego używamy, jeśli tylko będzie ono rozpoznawać oznaczenia semantyczne.

 Koniec z pracowitym wydobywaniem informacji z listów elektronicznych.

 A i nadawcy nie będą musieli już rozsyłać danych w kilkunastu różnych formatach albo narzucać odbiorcom stosowanego przez siebie standardu zapisu.

(71)



Agent Łucja wyszukuje dla jej matki klinikę rehabilitacji, która spełnia zadane kryteria i ma wolne terminy nie kolidujące z rozkładem zajęć Łucji i jej brata Piotra.



Program typu agent będzie potrafił wykonać stawiane jemu zadania dzięki umieszczonym na stronach WWW oznaczeniom semantycznym.



Ontologie, w których zdefiniowane są niezbędne pojęcia

i ich powiązania semantyczne, umożliwiają agentom

rozpoznawanie znaczenia występujących w Sieci

Semantycznej elementów oraz współpracę z agentami

witryn i automatycznymi serwisami.

(72)

(73)



Sieć Semantyczna to nowy format dokumentów hipertekstowych, który umożliwi komputerom rozpoznanie ich treści.



Zrozumienie przez maszyny przekazu informacji będzie

polegać nie na jakiejś magicznej sztucznej inteligencji,

a raczej na zdolności maszyn do tego aby rozwiązać

dobrze zdefiniowane problemy przez wykonywanie

dobrze zdefiniowanych operacji na dobrze

zdefiniowanych danych.

(74)



“ The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation .”



—Tim Berners-Lee, James Hendler,

OraLassila,“The Semantic Web”, Scientific

American, May2001.

(75)

 XML uniwersalny język znaczników przeznaczony do reprezentowania różnych danych w strukturalny sposób. Pozwala użytkownikom definiować i używadć własnych znaczników, nie ma wbudowanych mechanizmów umożliwiających zrozumienie nowych znaczników przez innych użytkowników.

 XML Schema to język który wprowadza ograniczenia dotyczące typu i struktury danych w dokumentach XML w celu gwarancji, że dane XML są poprawne w sensie syntaktycznym.

 RDF jest standardem, który pozwala na zapis danych w postaci grafu skierowanego. W grafie tym dane zawarte są w wierzchołkach a relacje pomiędzy nimi i własności tychże znajdują się w krawędziach.

 RDF Schema wprowadzają do grafów takie pojęcia jak klasy i podklasy, pozwalające na wspólne grupowanie danych mających cechy wspólne. Dowolna dana może znajdować się w wielu klasach.

 OWL jest standardem pozwalającym na definiowanie klas na podstawie własności danych, a także na definiowanie logicznych charakterystyk relacji. OWL jest więc standardem formalnie zapisującym ontologie.

 Ontologie to zbiory stwierdzeń zapisanych na przykład w RDF, definiujące relacje pomiędzy pojęciami oraz wyznaczające reguły wnioskowania. Komputery będą w stanie zrozumieć semantyczną zawartość dokumentów WWW, odwołując się do ontologii, do których odnoszą się występujące w nich pojęcia.

(76)



RDF jest aplikacją języka XML, używanym do zapisu informacji w Sieci Semantycznej, przeznaczonym do przetwarzania maszynowego. W dosłownym tłumaczeniu RDF jest środowiskiem do opisu zasobów.



RDF jest standardem, który pozwala na zapis danych w postaci grafu skierowanego. W grafie tym dane zawarte są w wierzchołkach a relacje pomiędzy nimi i własności znajdują się w krawędziach.



RDF może być zakodowany w postaci języka XML, przez

co daje możliwość jego wizualizacji.

(77)



Zasadniczą strukturą każdego wyrażenia w RDF stanowi zbiór trójek, który nazywa się grafem RDF.



Każda trójka reprezentuje oświadczenia związku pomiędzy rzeczami, które są określone przez węzły które je łączą. Kierunek ścieżki jest ważny, zawsze prowadzi w kierunku obiektu.



Każdy taki zbiór składa się z następujących części:



–Subject (temat lub podmiot)



–Predicate (predykat) lub Property (właściwość), który określa związek.



–Object (obiekt)

(78)

Trójka RDF zawiera trzy komponenty:



–Subject (temat lub podmiot), który jest znacznikiem URI lub pustym węzłem



–Predicate (predykat) lub Property (własność), który jest znacznikiem URI



–Object (obiekt), który jest znacznikiem URI, literałem

lub pustym węzłem

(79)

RDF/XML „Description”14

<?xml version="1.0"?>

<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-

syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/">

<rdf:Description rdf:about="http://www.wmie.uz.zgora.pl/">

<dc:title>Wydział Matematyki Informatyki i Ekonometrii</dc:title>

<dc:language>pl</dc:language>

<dc:creator>Webmaster WMIE</dc:creator> </rdf:Description>

</rdf:RDF>

(80)



sieci semantyczne związane z odpowiednimi zestawami narzędzi programowych służących do inżynierii wiedzy leksykalnej:

1.

Semantic Network Processing System (SNePS) Stuarta C.

Shapiro lub

2.

paradygmat MultiNet Hermanna Helbig (w szczególności nadaje się do reprezentacji semantycznej wyrażeń języka naturalnego i używane w różnych aplikacjach NLP).

3.

Sieci semantyczne są stosowane w specjalistycznych

zadaniach wyszukiwania informacji, takich jak

wykrywanie plagiatu. Sieci semantyczne pozwalają wtedy

na kompresję w celu zmniejszenia różnorodności

językowej i umożliwiają przez to określenie znaczenia

słowa, niezależnie od zestawów słów.

(81)

(82)

(83)

The MemberOf link between Jill^and FemalePersons indicates that Jill belongs to the category of female persons.

(84)



O ile nie ma przeciwwskazań, zakłada się, że obiekty

należące do pewnej klasy dziedziczą po niej wszelkie jej własności.



Dziedziczenie jest wielokrotne. Można należeć do więcej niż jednej kategorii.

Jill ma 2 nogi !

(85)



Link: HasSister odwrotny do linku SisterOf ^.



Czasami po prostu takie linki ułatwiają wnioskowanie:

„Czyją siostrą jest Jack”.



Gdy odkryjemy że link HasSister jest linkiem

odwrotnymi do SisterOf , wówczas proces wnioskowania może iść za linkiem HasSister od Jack do Jill i

odpowiedzieć na pytanie.

(86)

Gaul

Astérix

Obélix

Idéfix Dog Abraracourcix

Panoramix

Ordralfabetix Cétautomatix

barks-at Human

AKO

(87)



Wady:



Reprezentacja tylko binarnych relacji co tworzy problem

dla relacji Run(ChennaiExpress,

Chennai,Bangalore,Today).



Nie ma standardowej definicji nazw linków.



Zalety:



Potrafią reprezentować wartości domyślne dla kategorii.

Jack ma 1 nogę, ale przecież jest osobą a każda osoba ma 2 nogi. Wtedy 2 nogi będzie wartością domyślną, ale jeśli dla Jack określono inaczej to ta wartość zostaje nadpisana.



Są łatwe do interpretacji.



Są łatwe do przełożenia na język PROLOG.

(88)

vertebrate ^

| is-a

has-part

| /--- wings

/ reproduction | /--- egg-laying | / body-temp

| /--- warm- blooded

bird--< no. of legs

^ ^ ^ \--- 2 / | \ \ covering

is-a / | \ \--- feathers / | \ \ movement

color / | \ \--- flight yellow ---canary

size / | is-a \ is-a

small ---/ | \ movement

| ostrich--- run movement | \ size

swim ---penguin \--- big

(89)

(90)

(91)

Tom is a cat.

Tom caught a bird.

Tom is owned by John.

Tom is ginger in colour.

Cats like cream.

The cat sat on the mat.

A cat is a mammal.

A bird is an animal.

All mammals are animals.

Mammals have fur.

(92)

(93)

(94)

Marvin Minsky

(95)



Autor: Marvin Minsky, 1974.



Zawiera pewne wartościowanie ludzkiego myślenia:

Oczekiwania, założenia, stereotypy. Wyjątki.

Rozmyte granice między klasami.

Istotą tej formy reprezentacji wiedzy jest

typowość, z wyjątkami, a nie definicja.

(96)



Rama (frame) jest strukturą danych

zawierającą wiedzę o pewnym obiekcie bądź

pewnym pojęciu.

(97)

A frame is a data-structure for representing a stereotyped situation, like being in a certain

kind of living room, or going to a child's birthday party. Attached to each frame are

several kinds of information. Some of this information is about how to use the frame.

Some is about what one can expect to happen next. Some is about what to do if these

expectations are not confirmed.

(98)



Idea hierarchii ram jest podobna do idei hierarchii klas z programowania

zorientowanego obiektowo.

(99)



System ram to najczęściej ich hierarchia



Każda rama ma:

◦

nazwę.

◦

sloty: własności jednostki mającej nazwę, i mające wartości. Przykładem wartości może być:



Wartość domyślna (default value)



Wartość dziedziczona (inherited value) z ramy wyżej w hierarchii



Procedura (daemon), która pozwala znaleźć wartość



specific value – np. wyjątek

(100)



W wyższych poziomach hierarchii ram typowa wiedza jest przechowywana (np. wartość w slocie może być zakresem wartości, albo jakimś warunkiem)



W niższych poziomach hierarchii, wartość w

slocie to specyficzna wartość, tak by nadpisać

wartość ewentualnie dziedziczoną

domyślenie z nadklasy.

(101)



Instancja obiektu jest łączona z jego klasą przez relację typu 'instance_of'



Klasa jest łączona z jej nadklasą przez relację 'subclass_of'



Ramy mogą zawierać i wiedzę proceduralną i deklaratywną.

◦

Wartości slotu zazwyczaj zawierają wiedzę

deklaratywną ale demony są w efekcie małymi

programami – a więc slot z demonem będzie już

wiedzą proceduralną.

(102)



Możliwe jest dziedziczenie wielokrotne, ale wtedy należy określić jak postąpić w

przypadkach gdy dziedziczone wartości

wnoszą jakieś konflikty.

(103)

Name: car Subclass of: thing

Wstępna informacja: cars.

(104)



a car has 4 wheels, is moved by an engine, and runs on petrol or diesel.



Możemy więc dodać 3 sloty do ramy CAR.

(105)

Name: car Subclass of: thing

Slots:

Name: Value: Restrictions:

car subclass_of

thing

with

wheels: 4,

moved_by:

engine, fuel:

[value:

unknown, type:

[petrol,diesel]].

wheels 4

moved by engine

fuel ? petrol or diesel

“a car has 4 wheels, is moved by an engine,

and runs on petrol or diesel.”

(106)



there is a particular type of car called a VW, manufactured in Germany.



Możemy więc dodać kolejną ramę w systemie, z 1 slotem.



Nie potrzebujemy powtarzać slotów i wartości z poprzedniej ramy. Będą one dziedziczone

!!!

(107)

Name: VW Subclass of: car

Slots:

‘VW’ subclass_of

car

with

made_in:

‘Germany’.

made in Germany

“there is a particular type of car called a VW,

manufactured in Germany.”

(108)



there is a particular type of VW called a Golf, which has a sun-roof.



Znów możemy dodać 3 ramę w systemie, z 1 slotem.



Podobnie, nie powtarzamy tego co jest i tak

dziedziczone.

(109)

Name: Golf Subclass of: VW

Slots:

‘Golf’ subclass_of

VW

with

top: sunroof.

top sunroof

“there is a particular type of VW called a Golf,

which has a sunroof.”

(110)



there is a particular type of Golf called a TDi, which runs on diesel. A TDi has 4 cylinders, and an engine capacity of 1.8 litres.



Możemy dodać 4 ramę z 3 slotami. Jeden z nich (fuel) już w systemie jest, ale tu pojawia się ponieważ ma konkretną wartość a nie

jakiś dopuszczalny zestaw wartości.

(111)

Name: TDi Subclass of: Golf

Slots:

‘TDi’ subclass_of

‘Golf’

with

fuel: diesel,

engine_capacity:

1.8, cylinders: 4.

fuel diesel engine

capacity 1.8 litres cylinders 4

“there is a particular type of Golf called a TDi,

which runs on diesel, has 4 cylinders, and has a 1.8

litre engine.”

(112)



my car, called C637SRK, is a Golf Tdi. It hasn’t got a sun-roof.



Dodajemy 5 ramę, z 2 slotami. W

przeciwieństwie do poprzednich ram, ta jest instancją ramy.



Jeden ze slotów (top) był już w systemie, ale

tu pojawia się ponieważ wymaga zapisania

innej niż dziedziczona wartości.

(113)

Name: C637SRK Instance of: TDi

Slots:

‘C637SRK’

instance_of

‘TDi’

with

owner: jp, top:

no_sun_roof.

owner jp

top no sun-roof

“There is a car called C637SRK which is an

instance of a Golf TDi etc.”

(114)



to calculate a car’s cylinder size, you divide the total engine capacity by the number of cylinders.



Możemy dodać inny slot w ramie car .



Będzie to demon (program) który będzie przedstawiał użytkownikami pewne

informacje ze slota, jeśli zajdzie taka

potrzeba.

(115)

Name: car Subclass of: thing

Slots:

car subclass_of thing with

wheels: 4,

moved_by: engine,

fuel: [value: unknown, type: [petrol,diesel]], cylinder_size:

[value: unknown, access_rule:

(if the engine_capacity of ?self is E & the cylinders of ?self is C

& Ans := E/C

then make_value Ans)].

wheels 4

moved by engine

fuel ? petrol or diesel.

cylinder size ? find total engine capacity, find

no.of cylinders,

divide first by second.

“to calculate a car’s cylinder size, you divide the total engine capacity by the number of

cylinders.”

(116)

(117)



Ramki stanowią naturalną drogę do zorganizowanego i zwięzłe przedstawienie wiedzy.



W jeden podmiot, ramka łączy całą niezbędną wiedzę na temat danego obiektu lub pojęcia.



Ramka zapewnia możliwość organizowania

wiedzy w slotach, aby opisać różne atrybuty i

właściwości obiektu.

(118)



Rama oznacza kolekcję slotów.



Każdy slot opisuje konkretny atrybut bądź operację ramy.



Pod wieloma względami przypomina ramka tradycyjny „rekord", który zawiera informacje dotyczące opisywanych obiektów.



Sloty przechowują wartości.



Slot może zawierać konkretną wartości, ale i być wskaźnikiem na inną ramę, może być

zbiorem reguł bądź procedurą, która

dostarczy wartości dla slotu.

(119)

Sloty mogą zawierać informacje takie jak:

1. Nazwa ramy.

2. Relacje ramy z innymi ramami.

◦ Rama IBM Aptiva S35 może być członkiem klasy Computer, która może należeć do klasy Hardware.

3. Wartość slotu.



Może być symboliczna, numeryczna, boolowska.



Może być określona gdy rama jest tworzona, bądź później w czasie sesji z systemem ekspertowym.

4.

Wartość domyślna (każdy samochód ma 4 koła).

5.

Zakres wartości (<$750; $1500>).

6. Procedura (program przypisany danej ramie, który będzie

wywołany jeśli np. wartość slotu się zmieni, bądź jeśli zajdzie

taka potrzeba)

(120)



2 typy procedur dla slotów:

◦ (a) WHEN CHANGED procedure.

◦ (b) WHEN NEEDED procedure.

(121)



Faseta (ang.facet) to dodatkowa wiedza o pewnym

atrybucie w ramie. Można ich używać do określenia

wartości atrybutu, do dodefiniowania pytań

użytkowników, i powiedzenia maszynie wnioskującej jak

obsługiwać dany atrybut.

(122)



Klasa Passenger car ma kilka typowych dla aut atrybutów.



Klasa jest tak różnorodna, że ciężko jest określić konkretne wartości dla atrybutów, ale dla pewnych można: typ silnika, typ

pracy silnika

(123)

(124)

(125)



Klasa Mazda jest łączona z nadklasą Passenger car relacją ‘is-a’.



Mazda dziedziczy wszystkie atrybuty z nadklasy, oraz ma własne atrybuty zadeklarowane: Country of manufacture z wartością domyślną: Japan.



Klasa Mazda 626 ma 3 dodatkowe atrybuty:

Model, Colour i Owner.



Rama Mazda DR-1216 dziedziczy wartośc dla atrybutu „country of manufacture” z ramy „ Mazda” i przydziela pojedyncze wartości

wszystkich atrybutom złożonym.

(126)



Mazda 626 ma średnie zużycie paliwa =22 miles per gallon, ale instancja Mazda DR- 1216 ma gorsze.



Mazda DR-1216 pozostaje instancją klasy

class Mazda 626, z dostępem do właściwości wyżej w hierarchii, nawet jeśli narusza to

typowe wartości w swojej klasie. Relacje między ramami w takiej hierarchii są

procesem specjalizacji.

(127)



Relacja ‘is-a’ nie jest jedyną możliwa.



Ogólnie wyróżnia się 3 typy relacji między obiektami:

◦ Generalization,

◦ aggregation

◦ association.

(128)

1) Generalizacja



Relacje: ‘a-kind-of’ lub ‘is-a’ między nadklasą i jej podklasami (car - vehicle)



Wszystkie podklasy dziedziczą własności ze swoich nadklas.

2) Agregacja



To relacje‘a-part-of’ lub ‘part-whole’ gdzie kilka

podklas jest powiązanych z nadklasą reprezentującą całość (engine is a part of a car)

3) Asocjacie



Pewne semantyczne relacje między różnymi klasami (Mr Black posiada dom, samochód i komputer. Klasy: dom, samochód, komputer są wzajemnie niezależne, ale

połączone z konkretnymi obiektem tworzą semantyczne

asocjacje)

(129)

(130)

(131)



Ogólnie, ta metoda nie rozróżnia

podstawowych właściwości (te, które

instancja musi mieć, aby być traktowana jako członek klasy) oraz

przypadkowych właściwości (te, które

wszystkie instancje klasy akurat nie ma).



Proste typowe wartości daje się łatwo zapisać, jednak gdy pojęcia są bardziej złożone, bądź jeśli następuje dziedziczenie wielokrotne,

zadanie może być nie do wykonania.

(132)



Większość systemów używa 2 typów metod:

◦ WHEN CHANGED i

◦ WHEN NEEDED.

demon ma strukturę typu IF-THEN.

Wykonywana jest zawsze gdy zmieni się

wartość określona przy IF.

(133)



WHEN CHANGED to metoda wykonana natychmiast gdy wartość atrybutu się zmienia.



Klasa Action Data użyta do kontroli tego co

się wyświetla na wejściu. Użytkownik może

użyć: next, previous, first lub last z listy i

sprawdzić dane biznesowe

(134)



Metoda ta pozwala nam przejść przez listę żądań. Wszystkie atrybuty są proste (ang.

simple [S]). Czyli mają wartość TRUE lub

FALSE. Sprawdźmy metodę dla atrybutu Goto

Next.

(135)

(136)

(137)

(138)

(139)

(140)



Cel: Evaluation OF Credit Evaluation

(141)

