ارائه دانش Knowledge Representation

1. ارائه دانشKnowledge Representation Vali Derhami Yazd University, Computer Department vderhami@yazduni.ac.ir

2. دانش و ارائه دانش • دانش: فهم يك حوزه مربوط به يك موضوع • ارائه دانش: روش استفاده شده براي رمز كردن (كد كردن) دانش دريك پايگاه دانش يك سيستم خبره. • انواع دانش: • دانش رويه اي (Procedural): چطور مساله حل مي شود. بيان رابطه بين پديده ها. مانند: قواعد، و استراتژي ها • دانش وصفي (Declarative): چه چيز در مورد مساله مي دانيم يا شناخته شده است. • ابر دانش (Meta-knowledge): دانشي در مورد يك دانش ديگر.معمولا استفاده ميشود تا از ميان دانشها، دانش مناسب براي حل مساله انتخاب بشود. In an expert system, an ontology is the metaknowledge that describes everything known about the problem domain. • دانش تجربي يا ابتكاري (Heuristic): شرح قوانين سر انگشتي كه رويه استدلال را نشان مي دهد. • دانش ساختاري(Structural): شرح ساختار دانش، شرح يك مدل عقلی (ذهني) خبره از مساله.

3. Expert Systems: Principles and Programming, Fourth Edition

4. تكينكهاي ارائه دانش • سه تايي O-A-V (شي ، صفت، و مقدار) • قواعد Rules • شبكه معناييSemantic Network • قالب ها Frames • منطق Logic

5. سه تايي O-A-V • گزاره: يك جمله كه درست يا نادرست است. • يك O-A-V گزاره را به سه قسمت تقسيم ميكند: 1- شي 2- صفت 3- مقدار صفت. • سه نوع مقدار : • بولي • عددي • رشته String

6. سه تايي O-A-V • حقايق نايقين (Uncertain): • در نظر گرفتن درجه يقين (Certainty factor: CF) -1<= CF<=1

7. حقايق فازي (Fuzzy) Lotfi Zadeh: father of Fuzzy Logic,1965, Berkely Fuzzy logic is all about the relative importance of precision versus significance Precision and significance in the real world

8. Central notion of fuzzy systems is that truth values (in fuzzy logic) or membership values (in fuzzy sets) are indicated by a value on the range [0.0, 1.0], with 0.0 representing absolute Falseness and 1.0 representing absolute Truth.

11. قواعد • قاعده: يك ساختار دانش كه تعدادي از اطلاعات دانسته شده را به اطلاعات ديگري مربوط ميكند و از طريق آن ميتوان آن اطلاعات را نتجه گيري نمود. • قواعد براي ارائه دانش رويه ايي بكار مي روند. IF the ball’s color is red Then I like the ball.

12. يك نمونه فرآيند استدلال يك سيستم خبره

13. اجراي يك رويه

14. قوانين متغير دار: If John is an employee AND John’s age is greater than 65 Then John can retire. • مكانيسم تطبيق الگو

15. قوانين نايقين: قوانيني كه 100 درصد برقرار نيست به آنها يك درجه يقين اختصاص مي دهيم. IF inflation is high Then almost certainly interest rates are high • استفاده از درجه يقين IF inflation is high Then interest rates are high( CF=0.8) • ابرقاعده: يك قاعده كه نحوه استفاده ديگر قواعد را شرح مي دهد. IF the car will not start AND the electrical system is operating normally Then use rules concerning the fuel system

16. Fuzzy Rules IF s1 is Li1 and … and sn is Lin Then Y is Oi

17. Rule sets

19. روش تخته سياه • براي مشاركت سيستم هاي خبره ارائه شده و براي حل مسائل توزيع شده كه از طريق قوانين ارتباطي حل مي شود. • Hearsay-II :براي تشخيص گفتار در سال1980، از 12 ماجول سيستم خبره استفاده شده و شامل 1000 لغت. • تخته سياه: نوعي معماري كه چند سيستم خبره اطلاعات را در يك محيط عمومي به اشتراك ميگذارند. حاوي سه قسمت: • تعدادي سيستم خبره • تخته سياه • زمان بند: كنترل ماجولها را دارد و نحوه استنتاج كلي را راهبري ميكند.

20. شبكه معنايي (شبکه های انجمنی) • روش ارائه دانش با استفاده از گراف، ساخته شده از گره ها و كمانها كه به ترتيب بيان كننده شي ها و ارتباط بين انها هستند.

21. Another Sample of SN (from Ref.1)

22. Semantic Nets • A classic representation technique for propositional information (sometimes called propositional net) • Propositions – a form of declarative knowledge, stating facts (true/false) • Propositions are called “atoms” – cannot be further subdivided. Expert Systems: Principles and Programming, Fourth Edition

23. گسترش شبكه معنايي • اضافه كردن شي عمومي (حيوان) • اضافه كردن شي شبيه (پنگوين) • اضافه كردن شي خاص (قناري) • ارث بري از طريق كمان Is –A چطور پرنده حركت ميكند. در بعضي کتابها استفاده از A kind of براي اتصال يک کلاس به کلاس بالاتر

25. Problems with Semantic Nets Disadvantages of semantic nets could be classified as: • Expressiveness (نحوه بيان) • no internal structure of nodes • no easy way to represent heuristic information • extensions are possible, but cumbersome (زحمت) • best suited for binary relationships • Efficiency • may result in large sets of nodes and links • search may lead to combinatorial explosion • especially for queries with negative results • Usability • lack of standards for link types • naming of nodes • classes, instances • Exercise: Read more from (Ref1. Page 72) and prepare a report. Expert Systems: Principles and Programming, Fourth Edition

26. قالبها Frames • تكامل شبكه معنايي. براي ارائه دانش رويه ايي و وصفي. شبکه معنايي دوبعدي فريمها سه بعدي • قالب: يك ساختار داده براي ارائه دانش كليشه ايي يا قراردادي stereotypical)) تعدادي مفهوم و شي

27. Class Frame دو نوع خواص: استاتيك و ديناميك

28. Instance frame • خواص و مقدار را از کلاس ارث مي برد البته ميتوان مقدارهاي خواص را تغيير يا خواصي را اضافه کرد.

29. Frame Inheritance • مصداق ها خواص و مقدارها را از كلاس ارث مي برند مگر آنكه در خود مصداق تعيين شده باشد. • ارث بري رفتاري: بايد متدي براي بيان آن عمل بيان شود. مثلا در کلاس پرنده متدي تعريف شود که هرگاه پرنده گرسنه است چکار ميکند واين ارث برده شود. • Facets: provide additional control over property values • IF needed Facet: مقدار يک خاصيت در موقع نياز از طريق يک زبان رويه اي بدست مي ايد For ex. In Kappa Pc: Frame:Property=value IF Bird:No_Wings < 2 Then Bird: Flies=False IF Bird:No_Wings =2 Then Bird: Flies=True • If changed Facetمتدي که وقتي خاصيت مذکور تغيير کرد بعضي عملها انجام شود: IF Bird:Hungry=True Then Bird:Activity=Eating

30. منطق (Logic) • منطق گزاره اي: Prepositional Logic

31. منطق (Logic) • محاسبات اسنادي: Predicate Calculus • بجاي A= Ball’s color is red بصورت color(ball,red) ارائه ميگردد. • Predicates : Likes (john, movie) • Variables: likes (X,Y) • Functions : father (ALi) = Nima , Mother(Hassan)= Maryam, Spouse(Father (Ali), Mother(Hassan) ) = spouse(Nima,Maryam)