Структура адаптивной информационной системы

Пусть Qï имеет описание, представленное в формуле (2).

(2)

Если использовать аналогию с описанием баз данных, то Qï соответствует описанию таблиц базы данных.

Формула (2) означает, что в нашей базе знаний используются два типа фактов: вид_работы_ставка (задаёт зависимость между видом работы и размером ставки) и вход_данные_работника_ставка (задаёт структуру фактов, которые будут поступать в систему как входные данные, рис. 2).

Тогда Qïï представлено в формуле (3).

Предложение (3) выражает то, что (Вид_работы, Доп_сведения), взятые вместе, являются ключом отношения вид_работы_ставка в формуле (2). Если использовать аналогию с описанием баз данных, то Qïï соответствует описанию функциональных зависимостей отношений, записанных в Qï.

При описании Qïï использовался синтаксис языка логического программирования Пролог. Согласно этому синтаксису имена отношений, функций и констант пишутся малыми буквами, а имена переменных начинаются с заглавных букв. Знак :- является символом импликации, но записанной справа налево (¬); запятая служит символом конъюнкции . Предложение (3) является примером правила. В правилах неявно предполагается, что все переменные связаны квантором ".

Предложения пролога состоят из головы (В) и тела (А), А®В. Тело – это список целей, разделённых логической связкой. Также в Прологе предложения бывают трёх типов: факты, правила и вопросы.

Факты содержат утверждения, которые являются всегда безусловно верными. Они имеют пустое тело.

Правила содержат утверждения, истинность которых зависит от некоторых условий. Правила имеют голову и (непустое) тело.

С помощью вопросов пользователь может спрашивать систему о том, какие утверждения являются истинными. Вопросы имеют только тело .

Qï и Qïï вместе предоставляют средства для описания логической модели предметной области, хранимой в базе знаний. Используя их, можно осуществлять проверку правильности введения новых фактов в базу знаний.

На основе описания Qï и Qïï заполним предикатную базу данных следующими фактами (4).

(4)

Таким образом, в предикатной базе данных (рис. 2) находятся пять фактов. Одинарные кавычки означают, что данное выражение является атомом (значением из множества «Вид_работы»).

Теперь опишем систему правил Qïïï. Для простоты правила будут иметь вид А®В:

	(5)
	(6)
	(7)
	(8)
	(9)
	(10)
	(11)

Формула (5) означает, что для всех X и Y, Y является максимальной ставкой работника X, если Y1 – максимальная ставка работника X по базе фактов и Y2 – максимальная ставка работника X по базе правил и Y равен минимальному значению из Y1 и Y2.

Формула (6) означает, что для всех X и Y1, Y1 является максимальной ставкой по базе фактов для работника X, если Y1 является максимальной ставкой по виду работы B и дополнительным сведениям D из входных данных работника. Остальные правила интерпретируются аналогично правилам (5) и (6).

Правила (10) и (11) определяют минимальное значение из Y1 и Y2, причём в зависимости от ситуации срабатывает только одно из этих правил.

Итак, пусть на вход системы поступает входной факт (12) и запрос (13).

	(12)
	(13)

Входной факт (12) передаёт в интеллектуальную подсистему данные, которые находятся в приложении (рис.1). Этот факт является дополнением к фактам, хранящимся в предикатной базе данных (рис. 2).

3.4 Работа логического блока  при решении задачи

Вычисление запроса инициируется формулой (13), которая формирует цель: «Найти факт, унифицируемый с макс_ставка_работника(X,Y)». Логический блок (рис. 2) для достижения поставленной цели предпринимает следующие шаги.

Шаги вычисления.

1) Искомый список целевых утверждений: макс_ставка_работника(X, Y).

2) Логический блок ищет в базе  знаний предложение, у которого  голова сопоставима с целевым  утверждением. Поиск начинается  с предикатной базы данных, а затем переходит к базе правил. В результате логический блок находит правило (5). После этого происходит замена списка целевых утверждений телом правила (5). Таким образом, порождается новый список целевых утверждений.

макс_ставка_факты(X,Y1),

макс_ставка_правила(X,Y2),

min(Y1,Y2,Y).

3) Затем происходит просмотр  базы знаний для нахождения  предложения, сопоставимого с макс_ставка_факты(X,Y1). Найдено правило (6). В результате появляются две новых цели.

вход_данные_работника_ставка(X,_, B, D),

вид_работы_ставка(В, Y1, D).

4) Далее происходит поиск предложения 

вход_данные_работника_ставка(X,_,B,D), которое найдено во входном факте (12). В результате получаем следующую конкретизацию: X=’Иванов И.И.’, B=’основная работа’, D=’студент’. Т.к. у данного предложения нет тела, то логический блок переходит к шагу 3 и ищет следующую цель - вид_работы_ставка(’основная работа’,Y1, ’студент’).

5) Цель вид_работы_ставка(’основная работа’,Y1, ’студент’) логический блок находит в предикатной базе данных, откуда получает значение для Y1=0.50. Возвращаясь к шагу 3, получаем истинное значение предиката макс_ставка_факты(X,Y1), если X=’Иванов И.И.’ и Y1=0.50.

6) Рассматриваем следующее целевое  утверждение 

макс_ставка_правила(’Иванов И.И.’,Y2). Логический блок находит правило (7). Но, анализируя правило (7), логический блок обнаруживает, что условие O<16 не выполняется, т.к. O=20, поэтому логический блок ищет следующее правило для рассматриваемой цели. Находит правило (8), которое также не подходит. Затем логический блок находит правило (9). В данном правиле выполняются два условия, и переменная Y2 приобретает значение 1.00. Таким образом, предикат макс_ставка_правила(’Иванов И.И.’,Y2) принимает истинное значение, если Y2=1.00. Опять возвращаемся к шагу 3 и рассматриваем последнее целевое утверждение.

7) Для целевого утверждения min(0.50,1.00,Y) логический блок находит правило (10). Т.к. условие Y1£Y2 выполняется, то переменной Y будет сопоставлено значение 0.50. Таким образом, утверждение min(0.50,1.00,Y) будет истинно при Y=0.50.

8) Возвращаясь к шагу 1, мы получаем  истинное значение предиката макс_ставка_работника(X, Y) при X=’Иванов И.И.’ и Y=0.50. Эти значения и будут ответом на запрос.

В результате логический блок передаёт вызвавшему его приложению следующий результат: макс_ставка_работника(’Иванов И.И.’, 0.50).

В данном примере подбор правил и фактов для решения поставленной задачи выявил только одно возможное решение. В общем случае решений может быть несколько. Поэтому, когда интерпретатор ищет в базе знаний соответствующее предложение, после первой успешной конкретизации переменных и получения результата необходимо вернуться к дальнейшему поиску и просмотру базы знаний до конца. В результате в нашем примере база знаний просматривалась целиком неоднократно. Для уменьшения затрат времени на поиск нужных фактов логический блок должен сначала анализировать структуру Qï, а только затем обращаться непосредственно к предикатной базе. Для уменьшения времени просмотра правил нужно использовать структуру продукций, приведённую выше.

Заключение

В данном реферате рассмотрена структура адаптивной информационной системы. Основным элементом такой системы является база знаний, которая взаимодействует с подсистемой обработки и хранения данных. Преимуществом адаптивной информационной системы является то, что при редактировании базы знаний инженер по знаниям влияет на выполнение системой бизнес-процессов. В результате система становится более гибкой и способной адаптироваться к специфике работы пользователей.

Структура интеллектуальной подсистемы, в первую очередь, зависит от выбора модели представления знаний. Для реализации базы знаний адаптивной информационной системы выбрано сочетание продукционной и логической моделей. Такое представление знаний обладает рядом преимуществ: снижает требования к качеству и полноте хранящихся знаний, увеличивает эффективность обработки продукций и повышает наглядность представления знаний.

Таким образом, возможности применения адаптивной информационной системы не будут ограничены одной предметной областью. В зависимости от заполнения интеллектуальной части знаниями, её можно использовать в разных предметных оластях.                                                 

 

 

 

 

 

 

 

 

 

 

Список литературы

1. Информационная управляющая система  МГТУ им. Н.Э. Баумана «Электронный университет»: концепция и реализация / Т.И. Агеева, А.В. Балдин, В.А. Барышников и др.; [под ред. И.Б. Фёдорова, В.М. Черненького]. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2009. – 376 с.

2. Информационные технологии в  инженерном образовании / под ред.С.В. Коршунова, В.Н. Гузненкова. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2007. – 432 с.

3. Андрейчиков А.В., Андрейчикова  О.Н. Интеллектуальные информационные  системы. – М.: Финансы и статистика, 2004. – 424 с.

4. Искусственный интеллект. – В 3-х кн. Кн. 2. Модели и методы: Справочник/ Под ред. Д.А. Поспелова – М.: Радио и связь, 1990. – 304 с.

5. Адаменко А.Н., Кучуков А.М. Логическое программирование и Visual Prolog. – СПб.: БХВ-Петербург, 2003, 992 с.