CC BY
13Анализ развития современных систем логического вывода показывает перспективность использования в рамках одной системы комплексного подхода, включающего абдукции для получения гипотез, объясняющих наблюдения за параметрами системы и состоянием среды, индукции для формирования и оценки правил вывода, и дедукции для прогнозирования перспективного состояния системы.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ]. РастригинЛ.А. Адаптация сложных систем Рига:3инантне,1981. 375с.
2. Охтшев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 410 с.
3. Дияигенский Н.В. Рапопорт Э.Я., Современные концепции построения и применения общей теории управления сложными системами. Проблемы управления и моделирования в сложных системах; Тр. 111 Междунар. конф./ Под ред. В.П. Мяеникова, А.А. Кузнецова, В.А. Виттиха. Самара:СНЦ РАН, 200)
4. Дик В. В. Методология формирования решений в экономических системах и инструментальные среды их поддержки. - М.: Финансы и статистика, 2000, - 300 с.
5. Буканое Ф.Ф., Губанов И.Г., Погоредова Е.В, Системный анализи моделирование профессиональных баз знаний. Самара: Самар, гос. техн. ун-т. 2004. 217 с,
6. Вагин В. Н., Головина Е. Ю., Загорянская А, А., Фомина М В, Достоверный н правдоподобный вывод в интеллектуальных системах / Под ред. В.Н. Вагина, Д.А. Поспелова. М.: ФИЗМАТЛИТ, 2004.
Статья поступила в редакцию 3 октября 2006 г.
УДК 004.382 И. А. Минаков
ИНТЕГРАЦИЯ ПРОФЕССИОНАЛЬНЫХ ЗНАНИЙ, ПРЕДСТАВЛЕННЫХ В ВИДЕ ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ
Рассматривается задача анализа информационных материалов, представленных в виде текстов на естественном языке, с целью предоставления эксперту знаний об объекте исследования. Решение данной задачи связано с использованием субъектно-ориентированной модели приобретения знаний. В статье предлагается данная модель и описываются архитектура и основные модули инструментальной среды, построенной на основе модели приобретения знаний и позволяющей реализовать процесс интеграции профессиональных знаний, предоставляя исследователю удобные и развитые механизмы для анализа разнородной информации, представленной в виде электронных информационных ресурсов
Субъектно-ориентврованная модель познания как метод ивтеграцив разнородных знаний
Традиционно, познание представляется как процесс взаимодействия субъекта и объекта, в ходе которого на объект познания происходит как бы наложение различных теоретикопознавательных моделей.
С целью достижения основной задачи научного познания — обнаружения объективных законов действительности — природных и социальных, традиционно использовалась субъект-объектная модель научных исследований, сторонниками и последователями которой были Галилей, Бэкон, Гоббс, Декарт, Ньютон, Лейбниц.
В последнее время ей в дополнение была предложена субъект-субъекггная модель, основанная на коммуникационном взаимодействии между экспертами и ориентированная на принятие оперативных решений при изучении сложных систем [1], где, не имея возможности или времени для изучения объекта, исследователь получал требуемую информацию посредством диалога с другими исследователями, в итоге реконструируя объективную картину мира или модели (см. рис.]).
Тем не менее, в научном познании встречается целый класс задач, выбивающийся из этой стройной картины. Он обуславливается тем, что иногда предмет изучения недоступен исследователю, и единственными доступными материалами являются свидетельства \ результаты анализа других экспертов. Например, это типично для такой науки, как история, когда нет возможности непосредственно изучить, например, политическую и военную структуру Римской империи, но есть труды Плутарха, Тацита и Светония.
18
Инструменты I
Субъект
исследования
| ■ об**» «ваадаюш*;.
\
О
Имструменты исследования
О
Субъекты исслеаовати - Эксперты
с=>
жиме маимодейстаие
Псслмогагспь
Результаты исследований
а а Ш
и пз
Р и с. 1. Субъект-объектный и субъект-субъектные методы научного исследования
В теории и практике научного познания задаче анализа информационных материалов с целью предоставления эксперту знаний об объекте исследования, к сожалению, посвящено крайне мало работ. Кроме того, до последнего времени не существовало возможностей автоматизировать процесс анализа подобных документов, в первую очередь за неимением подходящих технических средств для поддержки. Но сейчас, с появлением СМИ, компьютеров и особенно Интернет, все чаще возникает ситуация, когда объект исследования может быть для исследователя совсем «невидим», эксперты недоступны, но доступно невероятное множество информационных ресурсов, данному объекту посвященное. Возникает необходимость в инструменте, позволяющем автоматизировать процесс изучения объекта опосредованно, на основе анализа исследований других экспертов. Особенностью подобного рода исследований будет то, что результат ориентирован на конкретного эксперта, и более того, процесс поиска и анализа материалов в общем случае должен управляться пользователем. Таким образом, результатом анализа будет некоторая проекция имеющейся информации на нужды и интересы исследователя, т.е. из одного и того же набора информационных материалов каждый эксперт будет извлекать свой индивидуальный набор знаний, преломляя имеющиеся материалы через призму собственной модели мира и знаний о предметной области. Поэтому подобную модель будем называть субъектно-ориентированной моделью приобретения знаний (рис. 2).
Знания, исследуемые в данной модели, являются совокупностью проекций моделей \ знаний других исследователей, и по определению будут неформализованными, неполными и противоречивыми. Тем не менее, эти знания необходимо донести до исследователя, т.к. для анализа ему могут потребоваться работы, совпадающие или противоречащие его концепции, что позволит ему лучше осуществить собственное исследование.
Таким образом, мы приходим к тому, что исследователю необходим инструмент для анализа разнородных знаний, произведенных другими экспертами и представленных в виде текстов на естественном языке.
1. Попытаемся описать основные шаги исследователя по работе с подобным инструментом и требования к такому инструменту.
2. На вход системе будет поступать набор текстов, посвященных некоторой научнотехнической проблеме, и представленный в виде электронных текстов на естественном языке.
3. В процессе работы исследователь должен описать, какого рода знания его интересуют (в общем случае эксперт не обладает информацией о том, содержатся ли интересующие его знания в наборе документов)
4. Система должна сама попытаться описать все документы в терминах предметной области и проанализировать, имеются ли среди них информация, интересующая исследователя
5. Выходом инструмента будет структурированный поднабор документов, где документы будут классифицированы согласно своей семантике, разделены на семантические группы и отсортированы по степени релевантности к запросу пользователя.
6. Таким образом, исследователь будет иметь возможность формулировать семантические запросы к системе, и получать релевантные документы.
7. Дополнительным пожеланием к системе будет возможность пополнять знания и обучаться в процессе работы, тем самым уточняя знания о предметной области и повышая качество результатов.
Классический цикл познания, основанного на понимании.
Механизмы, требуемые для реализации основных блоков цикла познания
Научное познание в гносеологическом плане есть сложный противоречивый процесс воспроизводства знаний, образующих целостную развивающуюся систему понятий, теорий, гипотез, законов и других идеальных форм, закрепленных в языке — естественном или искусственном (математическая символика, химические формулы и т.п.). Научное знание не просто фиксирует свои элементы, но и непрерывно воспроизводит их на своей собственной основе, формирует их в соответствии со своими нормами и принципами. В развитии научного познания чередуются революционные периоды, так называемые научные революции, которые приводят к смене теорий и принципов, и эволюционные, спокойные периоды, на протяжении которых знания углубляются и детализируются. Процесс непрерывного самообновления наукой своего концептуального арсенала критичен для развития науки [2].
Поэтому попытки формализовать макроструктуру познавательной деятельности предпринимались многими выдающимися учеными и философами, в том числе можно отметить работы И.Канта, Г.В.Ф. Гегеля, Р.Декарта, К.Поппера, С.Н. и Е.Н. Трубецких, В.И. Вернадского, Т. Куна, Г.П. Щедровицкого. Принципы онтологического анализа и синтеза, применяемые в процессе познания, были сформулированы в работах В.А. Витгиха [3-4].
Из множества имеющихся схем процесса приобретения знаний, приведем схему познавательной деятельности, которая на наш взгляд наиболее корректно описывает процесс приобретения знаний, основанных на понимании [3]. Приведенный на рис. 3 цикл познания основывается на работах [4-9].
В схеме представлены две принципиальные части «инь» и «янь» процесса познания - онтологический анализ и онтологический синтез.
Р и с. 3. Цикл приобретения знаний, основанных на понимании
Под онтологическим анализом понимают разделение объекта (мысленно или реально) на составные части с целью их отдельного изучения, либо, используя при этом систему знаний об объекте (онтологию), либо с целью создать подобную систему. В качестве таких частей могут быть какие-то вещественные элементы объекта или же его свойства, признаки, отношения и т. п. Анализ — необходимый этап в познании объекта. С древнейших времен анализ применялся, например, для разложения на составляющие некоторых веществ. (Например, метод анализа сыграл важную роль в крушении теории флогистона в химии). Несомненно, анализ занимает важное место в изучении объектов материального мира. Но он составляет лишь первый этап процесса познания.
Для постижения объекта как единого целого нельзя ограничиваться изучением лишь его составных частей. В процессе познания необходимо вскрывать объективно существующие связи между ними, рассматривать их в совокупности, в единстве. Осуществить этот второй этап в процессе познания — перейти от изучения отдельных составных частей объекта к изучению его как единого связанного целого возможно только в том случае, если метод анализа дополняется другим методом — онтологическим синтезом. В процессе синтеза производится соединение воедино составных частей (сторон, свойств, признаков и т. п.) изучаемого объекта, расчлененных в результате анализа. Здесь сформированная система знаний применяется с целью изучения объекта как единого целого, со всеми его связями и свойствами. При этом синтез не означает простого механического соединения разъединенных элементов в единую систему. Он раскрывает место и роль каждого элемента в системе целого, устанавливает их взаимосвязь и взаимообусловленность, т. е. позволяет понять подлинное диалектическое единство изучаемого объекта.
Анализ фиксирует в основном то специфическое, что отличает части друг от друга. Синтез же вскрывает то существенно общее, что связывает части в единое целое. Анализ, предусматривающий осуществление синтеза, своим центральным ядром имеет выделение существенного. Тогда и целое выглядит не так, как при «первом знакомстве» с ним разума, а значительно глубже, содержательнее.
Анализ и синтез с успехом используются и в сфере мыслительной деятельности человека, т. е. в теоретическом познании. Но и здесь, как и на эмпирическом уровне познания, анализ и синтез - это не две оторванные друг от друга операции. По своему существу они — как бы две стороны единого аналитико-синтетическош метода познания.
Таким образом, в рамках онтологического анализа и синтеза можно выделить четыре основных этапа и соответствующих им модуля для работы со знанием, реализация которых позволит обеспечить приведенный выше цикл приобретения знаний.
Разберем более подробно каждый из приведенных этапов, предполагая, что исходным материалом познавательной деятельности является текст, описывающий некоторый предмет исследования.
К числу основных этапов относятся:
1 .Осмысление/Абстрагирование - здесь на основе общих знаний о мире, и, возможно, некоторых начальных неформализованных знаний о предмете исследования, эксперт пытается построить некоторую структурированную (формализованную!) модель знаний (этап абстрагирования), описывающих предмет, используя при этом ряд информационных материалов.
2. Восприятие/Отражение - построенная модель знаний используется для представления всех имеющихся информационных материалов в терминах данной модели. На основе предварительно понятой нами модели знания мы реконструируем реальный мир и проецируем его на наше субъектное восприятие мира, в терминах нашей модели знания. Здесь каждому информационному ресурсу ставится в соответствие его образ, формализованный в терминах модели знаний.
3. Применение/Верификация - здесь осуществляется проверка качества проведенной нами проекции - насколько полно мы описали имеющиеся информационные ресурсы, насколько точно наша модель позволяет нам искать, сравнивать и структурировать материалы, является ли представление тождественным в том смысле, что семантически близкие образы документов отображают реальную семантическую схожесть самих документов.
4. Переосмысление/Пополнение - На данном этапе происходит анализ возможных ошибок и неточностей предыдущего этапа, и изменение модели знаний, на основе найденных неточностей этапов восприятия и применения. Итогом данного этапа будет перестроенная или пополненная модель знаний, которая позволит точнее сформулировать знания о мире, тем самым полнее понимать его и взаимодействовать с ним.
Инструментальная среда онтологического анализа и синтеза
Для решения задачи интеграции профессиональных знаний с целью индивидуализации процесса приобретения знаний, в данной работе предлагается инструментальная среда онтологического анализа и синтеза, ориентированная на решение задачи эффективного и оперативного получения и обработки знаний об изучаемом объекте. Данная среда получила название СИНТЕЗ (СИстема ИНТеграции Знаний).
В ней, согласно схеме приобретения знаний, каждому блоку цикла познания ставится в соответствие программный модуль, реализующий познавательные функции данного блока.
1. Осмысление/Абстрагирование - Начальное построение онтологии предметной области - метод автоматизированного построения онтологии предметной области, реализующийся путем итеративного анализа строящейся онтологии с помощью предложенных методов понимания текстов на естественном языке с применением базовой онтологии и набора предметно-ориентированных текстов на основе алгоритмов мультиагентного взаимодействия и разрешения конфликтов между квантами знаний. Результатом данного этапа становится начальная онтология предметной области. (Подробнее см. [9])
2. Восприятие/Отражение - Представление информационных квантов в терминах онтологии предметной области - метод представления неструктурированной информации на естественном языке, основанный на применении механизмов мультиагентного взаимодействия квантов знаний, позволяющих реконструировать смысл предложения, и использовании построенных онтологий для хранения межфразового контекста в виде семантических дескрипторов, тем самым дающий возможность представлять смысл текста в виде семантических сетей и обеспечивающий механизмы сравнения семантики связных профессиональных текстов (подробнее см. [101]).
3. Применение/Верификация - Механизмы поиска, сравнения, классификации и кластеризации информационных объектов на основе семантических дескрипторов - метод кластерного анализа, реализованный на основе агентного взаимодействия, что обеспечивает механизмы динамической иерархии групп семантически схожих объектов как в пошаговом, так и в пакетном режимах, а также дает возможность работы с неструктурированными квантами ин-
формации, тем самым предоставляя механизм поиска, анализа и классификации знаний, содержащихся в неструктурированных текстах (подробнее см. [122]).
4. Переосмысление/Пополнение - Алгоритм, машинного обучения системы в форме автоматизированного пополнения онтологии новыми знаниями на основе зависимостей, найденных в процессе анализа выявленных групп кластеров информационных объектов -метод автоматизированного пополнения онтологии новыми знаниями на основе анализа семантических групп, найденных на этапе кластеризации, и применения ряда эвристических правил, позволяющих уточнить и пополнить онтологию предметной области, тем самым улучшая качество представления, поиска и анализа документов (подробнее см. [3]).
Отметим, что система имеет два режима работы — внешний, направленный на предоставление необходимой информации эксперту, и внутренний, направленный на повышения качества ее работы за счет уточнение знаний о предметной области.
Во внешнем режиме основными становятся этапы восприятия и применения, на которых происходит запрос к системе, и выдача результатов в форме либо набора документов \ ссылок, либо набора фактов из онтологии. В этом режиме эксперту, работающему с системой, не нужна «внутренняя кухня», он может подавать на вход системе набор документов, задавать запрос на естественном языке или в виде онтологического дескриптора, и на выходе получать структурированный набор документов, или набор семантических дескрипторов, наиболее релевантных к его запросу. В этом режиме не видна логика работы системы, и ее способности к обучению на основе действий эксперта и приобретаемых знаний по итогам его работы.
Во внутреннем режиме, когда эксперт является скорее не пользователем системы, а инженером по знаниям, основной целью системы становится построение онтологии, наиболее адекватно отражающей знания о предметной области. В этом случае система обучается с помощью эксперта до тех пор, пока накопленных знаний не будет достаточно для решения задач, стоящих перед экспертом.
Процесс работы и архитектура системы
Предлагаемый подход к интеграции разнородных знаний, основанный на агентных взаимодействиях [134] и заключающийся в совместном использовании агентных механизмов работы со знанием на естественном языке и мультиагентного кластерного анализа, позволил создать архитектуру работы со знанием для реализации предложенных методов автоматизированного конструирования онтологий, представления и обработки информации, анализа результатов и пополнения знаний, обеспечивая цикл познания, необходимый для эффективного и оперативного использования информации.
Разработанная среда включает в себя несколько программных комплексов: инструментарий инженерии знаний [2], предназначенный для создания онтологий предметной области и логики принятия решений агентов, и программный инструментарий, ориентированный на представление, анализ и обработку знаний, представленных в виде информации на естественном языке.
Архитектура системы представлена на рис. 4.
Инструментарий инженерии знаний включает в себя конструктор онтологий, автоматизированную систему построения онтологий, систему понимания текста на естественном языке, систему извлечения знаний, модуль пополнения онтологических знаний и ряд дополнительных модулей, включая отладочную систему, интерфейсы работы с базами данных и внешними приложениями.
Таким образом, общая логика работы системы следующая:
Для получения новой информации об объекте исследования, мы используем ряд документальных результатов исследования, полученных другими экспертами (к таким результатам относится любая информация на естественном языке, представленная в электронном виде, включая документы, таблицы, электронную почту и пр.).
Далее на основе этой информации мы автоматизировано строим онтологию предметной области, которая затем может быть уточнена и дополнена человеком-экспертом.
Все документы - результаты исследования, на основе технологии анализа текстов на естественном языке, преобразуются в вид семантических дескрипторов, позволяющих представить смысл документа в терминах онтологии предметной области, т.е. в виде, удобном для семантического анализа.
Р и с. 4. Общая логическая архитектура системы
Теперь модуль кластерного анализа позволяет построить иерархические группы документов на основе их семантической близости, а модуль анализа дескрипторов позволяет пользователю с помощью интерфейса на естественном языке (также поддерживаются дескрипторы на основе онтологии) конструировать запросы и получать интересующую его информацию.
Далее применяется модуль пополнения онтологии. Он использует найденные модулем анализа семантически близкие группы для анализа и последующего уточнения имеющейся онтологии найденными правилами, что в итоге дает возможность точнее описать предметную область и, тем самым, лучше представить семантику документов.
Таким образом, система одновременно работает в двух режимах - внешнем и внутреннем. Во внешнем режиме она ориентирована на конкретного исследователя, и позволяет ему сконструировать онтологию, описывающую исследуемый объект, получить интересующие его знания, заключенные в документах других экспертов и проанализировать их с точки зрения семантической близости. Во внутреннем же режиме она ориентирована на постоянное улучшение онтологии предметной области, используя принцип обратной связи, и пополняя онтологию найденными правилами и объектами.
Основу всего комплекса составляет исполняющая система, реализованная в двух версиях на основе наиболее распространенных сред объектно-ориентированного программирования Object Pascal и C++ в операционной системе Windows-
Опыт разработки и применения рассматриваемых систем показал высокую эффективность созданных инструментальных средств, позволивших за короткое время создать более трех десятков различных приложений, предназначенных для решения реальных практических задач, в том числе в области логистики, конструировании он-лайн порталов, в поисковых системах, системах классификации документооборота и других применениях (см. [150-18]).
Для создания специализированных программных компонент приложения предлагается инструментарий программиста, состоящий из расширяемого набора библиотек программ, и позволяющий настроить инструментальную среду для обработки информации в исследуемой предметной области.
Рассматриваемые компоненты в целом составляют набор дополняющих друг друга средств, призванных упростить, ускорить и удешевить разработку подобного рода систем, и обеспечить исследователю возможность эффективно и оперативно получать, обрабатывать и интегрировать знания об исследуемом объекте.
Заключение
Предложенный подход и разработанная инструментальная система, ориентированные на решение задач извлечения знаний и понимания текста на естественном языке, предоставляют исследователю удобные и развитые механизмы для анализа разнородной информации, представленной в виде электронных информационных ресурсов.
Инструмент получения информации и знаний, ориентированных на конкретного человека-эксперта, учитывающий как общие знания о предметной области, так и его личную модель понимания, является неоценимым подспорьем для любых научно-технических и коммерческих исследований.
БИБЛИОГРАФИЧЕСКИЙ СПИСК
1. Вит тих В. А. Согласованная инженерная деятельность. Состояние, проблемы, перспективы // Проблемы машиностроения и надежности машин, №1, 1997. С. 6-14.
2. Капица ПЛ. Эксперимент. Теория. Практика. М., 1981.
3. Виттих В.А. Управление открытыми системами на основе интеграции знаний // Автометрия. 1998. № 3. С.38 -49.
4. Щедроеицкий Г П. Философия. Наука. Методология. М., 1997.
5. Виттих В. А.. Интеграция знаний при исследованиях сложных систем на основе инженерных теорий. // Извес-
тия РАН Теория и системы управления, N5, 1998.
6. Кутепов В. П. Проблема и задача в системе познания. Фрунзе, 1988.
7. Назаров А.И. Обобщенная модель познавательной деятельности индивида// Психологическая наука и образо-
вание. 2000. №3, С. 40-60.
8. Финн В,К. Интеллектуальные системы: проблемы их развития и социальные последствия - Будущее искусственного интеллекта. М.: Наука, 1991.
9. Ильин В В. Теория познания. Эпистемология. М.: Изд-во МГУ, 1974. 136 с.
10. А1инаков И.А. Разработка автоматизированной системы построения онтологии предметной области на основе анализа текстов на естественном языке // Вестник Самар, гос. техн. ун-та. Сер. «Технические науки», Самара: СамГТУ. 2004. Вып. 20. С. 44-48.
11. Андреев В В Ивкушкин К. В.. Картин Д. В., Минакое И.А., Ржевский Г. А., Скобелев П.О., Томин М.С. Разработка мул ьтиагентной системы понимания текста//Тр. II! Междунар. конф. по проблемам управления и моделирования сложных систем, Самара, 4-9 сентября 2001. Самара: СНЦ РАН, 2001.
12. Андреев В В., Волхонщв Д.В., Ивкушкин К.В., КарягинД.В,, Минакое И.А., Ржевский Г.А., Скобелев И.О. Муль-тиагентная система извлечения знаний // Тр. III Междунар. конф. по проблемам управления и моделирования сложных систем, Самара, 4-9 сентября 2001. Самара: СНЦ РАН, 2001. С. 206 - 212.
13. Минакое И. А. Автоматизированное пополнение онтологии на основе знаний, извлеченных в процессе кластеризации // Вестник Самар, гос. техн. ун-та. Сер. «Технические науки». Самара; СамГТУ, 2005. Выи. 33. С. 321326.
14. Андреев В., Виттих В., Батищев С., Ивкушкин К., Минакое И., Ржевский Г., Сафронов А., Скобелев П. Методы и средства создания открытых мультиагентных систем для поддержки процессов принятия решений // Известия Академии наук. Теория и системы управления. 2003. № 1.
15. Андреев В., .Гельфанд М., Ивкушкин К., Казаков А., Новичков П., Томин М., Вольман С., Минакое И., Скобелев П. Мультпатентная система для интеллектуального поиска рефератов статей по молекулярной биологии // Тр. IV Междунар. конф. по проблемам управления и моделирования сложных систем, Самара. 17-24 июня 2002. Самара: СНЦ РАН, 2002. С. 338 - 345.
16. Андреев В., .Минакое И., Лахин ОСальков А., Скобелев П. Развитие элементов самоорганизации и эволюции в мультиагентном портале социокультурных ресурсов Самарской области И Тр. VI Междунар. конф. по проблемам управления и моделирования сложных систем. Самара, 14-17 июня 2004. Самара: СНЦ РАН, 2004. С.277-281.
17. Алексеев А., Вольман С., Минакое И., Орлов А., Томин М. Создание мулътиагентной системы автоматической обработки, преобразования и коррекции логистических сообщений стандартных форматов обмена бизнес-данными // Тр. VI Междунар. конф. по проблемам управления и моделирования сложных систем, Самара, 14-17 июня 2004. Самара: СНЦ РАН, 2004. С.270-276.
18. Андреев В., Вольман С., Ивкушкин К., Карнгин Д., Ми каков И., Пименов А., Скобелев П., Томин М. Разработка мул ьтиагентной системы интеллектуальной обработки и классификации документов// Тр. V Междунар. конф. по проблемам управления и моделирования сложных систем, Самара, 17-21 нюня 2003. Самара: СНЦ РАН, 2003. С. 317 - 323.
Статья поступила в редакцию 7 сентября 2006 г.
