Онтологическая модель доступа к компонентам знаний в экспертно-виртуальной среде поддержки принятия решений САПР Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 681.3

ОНТОЛОГИЧЕСКАЯ МОДЕЛЬ ДОСТУПА К КОМПОНЕНТАМ ЗНАНИЙ В ЭКСПЕРТНО-ВИРТУАЛЬНОЙ СРЕДЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ САПР

Я.Е. Львович, Е.Н. Королев

Предлагаются модели представления знаний в системах дистанционного обучения и их интеграции с экспертно-виртуальной средой поддержки принятия решений в САПР. Предлагаемая онтологическая модель совместима со стандартом построения учебного материала SCORM и в то же время поддерживается предложенным стандартом формирования Enterprise компонент поддержки принятия решений в экспертно-виртуальной распределенной среде

Ключевые слова: онтологическая модель, принятие решений, Enterprise компоненты, SCORM

Одним из путей повышения эффективности принятия решений в САПР является обучение системных пользователей в качестве экспертов принятия решений и развитие систем поддержки принятия как индивидуальных, так и групповых решений.

Эффективная работа эксперта при принятии проектных решений невозможна без существования автоматической системы обработки данных с помощью прогностических, имитационных и оптимизационных моделей, которую будем называть экспертно-виртуальной средой. Для эффективного взаимодействия реальных и виртуальных экспертов необходимо дальнейшее развитие подсистем обучения пользователя, как эксперта принятий решений в рамках применяемой обучающей среды.

В этой связи актуальным является разработка комплекса методов и информационных технологий, направленных на интеграцию системы обучения эксперта принятия индивидуальных и групповых решений с экспертно-виртуальной средой поддержки принятия решений в распределенных предприятиях. Это позволит обеспечить поддержку принятия решений, при этом адаптируясь к уровню знаний и взглядам специалиста, легко реализовать изменения или расширения требований к системе, повысить качество подготовки пользователей экспертно-виртуальной среды и в конечном итоге оптимизировать весь процесс принятия решения.

Важным моментом является способ представления знаний для организации, как учебного процесса, так и процесса поддержки индивидуальных и групповых решений в распределенной экспертно-виртуальной среде. Способ представления знаний должен поддерживать как существующие современные технологии построения учебного материала для систем дистанционного обучения в формате XML, так и иметь возможность адресовать удаленно размещенные Enterprise компоненты поддержки принятия решений.

Львович Яков Евсеевич - ВГТУ, д-р техн. наук, профессор, тел. (4732) 43-77-04

Королев Евгений Николаевич - ВГТУ, канд. техн. наук, доцент, тел. 8-910-347-1007

В настоящее время одной из самых успешных и перспективных является информационнообучающая среда (ИОС) Advanced Distributed Learning (ADL), разработанная для объединения высших учебных заведений и коммерческих предприятий с целью создания стандартов в сфере дистанционного обучения. Необходимость разработки такого стандарта возникла в связи с тем, во многих странах создается ИОС, в которой объединяются территориально рассредоточенные информационные обучающие ресурсы различных поставщиков образовательных услуг, начиная от школ и заканчивая университетами и центрами повышения квалификации.

Создание стандарта “SCORM” стало первым шагом на пути развития концепции ADL, так как данный стандарт определяет структуру учебных материалов и интерфейс среды выполнения, за счет чего учебные объекты могут быть использованы в различных системах электронного дистанционного образования.

Основой модели SCORM является модульное построение учебного материала [3,7]. Модули учебного материала в SCORM называются разделяемыми объектами контента (SCO - Shareable Content Objects). SCO - автономная единица учебного материала, имеющая метаданные и содержательную часть. Совокупность модулей определенной предметной области называется библиотекой знаний (Web-репозиторием). Модули (SCO) могут в различных сочетаниях объединяться друг с другом в составе учебного материала, для компиляции которых создается система управления (сервер управления контентом), наиболее часто используемое ее название - Learning Management System (LMS).

В SCORM используется язык XML для представления содержимого модулей,

определяются связи с программной средой и API (Программным интерфейсом приложений -Application Programming Interface), предоставлены спецификации создания метаданных,

базирующиеся на стандарте для программного доступа к информационному обучающему ресурсу IEEE. Стандарт IEEE 1484.12.1 «Метаданные учебных материалов» предназначен для создания метаданных учебных материалов на

информационных обучающих ресурсах и способствует автоматизации процесса

дистанционного обучения [4].

Однако в ИОС других стран реализуется программный интерфейс отличный от европейской модели SCORM, например, в Канаде посредством peer-to-peer соединения, в Австралии с помощью SOAP.

Поэтому для доступа обучаемого посредством мультиагентной системы дистанционного обучения (МСДО) к различного рода информационным обучающим ресурсам необходима разработка посредника в виде программного агента обучающего ресурса, который реализует различные модели доступа к указанным ресурсам [6,2].

В связи с этим, необходима разработка архитектуры МСДО, которая обеспечивает взаимодействие обучаемого с информационными обучающими ресурсами, территориально рассредоточенными в сети Интернет.

Предлагаемая модель Web-ориентированной экспертно-виртуальной и обучающей среды отражает идею хранения данных в Web таким образом, чтобы они были определены и связаны для дальнейшей возможности автоматизированной обработки, интеграции и повторного использования их в различных подсистемах при обучении или для принятия проектных решений.

В качестве механизма представления и совместного использования знаний в системе дистанционного обучения и поддержки принятия решений будем использовать web-онтологии. Таким образом, база знаний будет представлять собой, во-первых, источник информации для подсистемы обучения и экспертно виртуальной среды, а во-вторых, основу для построения программных систем (программных агентов), способных обрабатывать эту информацию. В качестве средства представления знаний будем использовать язык представления web-онтологий для экспертно-виртуальной среды поддержки принятия решений определенный на базе языка XML.

Для того, что бы понятия предметной области были наполнены определенным смысловым содержанием, они должны характеризоваться конкретными наборами свойств и состоять в определенных связях друг с другом. Эту задачу в языке представления web-онтологий будем решать с помощью механизмов свойств и ассоциированных с ними ограничений. Свойства подразделяются на два вида: свойства-

характеристики и свойства-связи. Первые

характеризует объекты (классы) и принимают в качестве своих значений данные определенных типов. Вторые ассоциирует объекты (классы) друг с другом и соответственно принимают в качестве своих значений объекты (классы). На свойства накладываются ограничения двух типов

глобальные и локальные. К глобальным

ограничениям относятся домены (классы, объекты

которых могут обладать этими свойствами) и диапазоны (классы, объекты которых могут выступать в качестве значений этих свойств). Локальные ограничения накладываются на свойства в рамках определенного класса и могут еще более сужать диапазоны для свойств в рамках этого класса, определять мощность свойств и их виды.

Определив, таким образом, классы и свойства с ограничениями, мы имеем возможность

описывать конкретные объекты. Описав все

классы, свойства, ограничения и объекты

предметной области, мы получаем сложную систему иерархий, являющуюся основой для построения программных систем, способных осуществлять операции определенного

интеллектуального уровня над информацией, содержащейся в онтологии. К этим операциям можно отнести, например, семантический поиск или определение целостности и достоверности информации на основе ограничений, заложенных в онтологии.

Рассмотрим семантическое описание компонент обучения и компонент поддержки принятия решений с использованием онтологий и разделением метаданных на контекстные и контентные. Компоненты обучения и компоненты поддержки принятия решений, знания о которых предлагается хранить в виде онтологий, будем называть компонентами знаний (КЗ) экспертновиртуальной среды. При этом метаданные представляют собой описание КЗ, а технологические операции это процедуры обеспечивающие интеграцию и использование информационных ресурсов, которые включают в себя процедуры обучения и процедуры поддержки принятия проектных решений, оперирующие со знаниями, представленных метаданными.

Компонент знания будет представлять собой пакет информации, который конструктивно состоит из двух блоков:

• манифест - общая (мета)информация,

описывающая ресурс в удобной для

автоматической обработки форме;

• содержание - содержательные

образовательные материалы, включенные в учебный объект.

В манифесте хранятся ключевые данные о самом компоненте знания. Для формирования и редактирования метаданных в формате IEEE можно использовать свободно распространяемый редактор Reload Editor.

Учебные объекты будем объединять в IMS-пакет. IMS-пакет представляет собой элемент готовых к использованию данных, например, часть учебного курса, которую можно использовать отдельно, целый курс или коллекцию курсов. Он состоит из 2 основных элементов: специального XML-файла imsmanifest.xml, называемого IMS-манифестом (IMS Manifest file), и физических файлов учебных объектов. IMS-манифест является

обязательным компонентом, описывающим структуру и ресурсы пакета, он состоит из нескольких элементов:

• элемент метаданных: описание манифеста в целом <metadata>;

<metadata>

<schema>ADL SCORM</schema> <schemaversion> 1.2</schemaversion>

<adlcp :location>imslrm.xml</adlcp:location> <imsmd:lom>

<imsmd:general>

<imsmd:identifier>Package2Class</imsmd:identifier>

<imsmd:title>

<imsmd:langstring

xml:lang="en">title</imsmd:langstring>

</imsmd:title>

<imsmd:language>ru</imsmd:language>

<imsmd:description>

<imsmd:langstring xml: lang="ru">Определение методов класса</imsmd:langstring> </imsmd:description>

</imsmd:general>

</imsmd:lom>

</metadata>

• элемент организаций: способы организации частей содержимого IMS-пакета (иерархия, индексы и т.д.) <organizations>;

Organizations default="newPackage4823с2"> <organization identifier="newPackage4823с2" structure="hierarchical">

<title>MYAP</title>

<item identifier="ITEM-newPackage4823с3" isvisible="true" identifierref="RES-newPackage4823с4">

<title> MYAP </title>

<item identifier="ITEM-newPackage4823с5" isvisible="true" identfierref="RES-newPackage4823с6">

<title> MYAP 1</title>

</item>

<item identifier="ITEM-newPackage4823с7" isvisible="true" identifierref="RES-newPackage4823с8">

<title> MYAP 2</title>

</item>

</item>

</organization>

</organizations>

• элемент ресурсов <resources>: ссылки на конкретные ресурсы манифеста (физические файлы учебных объектов), включая метаданные ресурсов, и ссылки на внешние файлы;

Этот блок содержит информацию о физической структуре пакета, описание каталогов и файлов, включенных в пакет. Кроме того этот блок содержит информацию о том, является ли данный

КЗ обучающим ресурсом (webcontent) для обучающей среды или является компонентом поддержки принятия решения (urlresours) для экспертно-виртуальной среды. Если компонент знания представляет собой обучающий ресурс, то его содержимое представляет из себя учебный материал в формате XML, сформированный по правилам представления компонент обучения. Если компонент знания является компонентом поддержки принятия решения, то его содержимое содержит URL, по которому размещается реализация данного компонента.

<resources>

<resource identifier="RES-newPackage4823" type="webcontent" adlcp: scormtype="sco" href="index.html">

<file href="index.html" />

<file href="base.css" />

<file href="content.css" />

<file href="popup_bg.gif" />

<file href="APIWrapper.js" />

<file href="SCOFunctions.js" />

<file href="common.js" />

<file href="libot_drag.js" />

<file href="icon_question.gif" />

</resource>

</resources>

Для того чтобы обеспечить совместимость со стандартом модульного построения учебного материала SCORM и в тоже время поддерживать предложенный стандарт формирования Enterprise компонент поддержки принятия решений экспертно-виртуальной среде необходимо

расширить файл IMS-манифеста элементом представления Enterprise-ресуров поддержки принятия решений.

<enterprisebeans>

<enterprisebeans

identifier="java:comp/env/ejb/EntryClass"

type="javaBeans">

</enterprisebeans>

Компоненты Enterprise Beans являются основой распределенного корпоративного приложения, представляющего собой экспертновиртуальную среду. С точки зрения

программирования Enterprise Beans представляют собой специальным образом аннотированные Java-классы.

Распределенное приложение экспертновиртуальной среды на основе EJB использует в своей работе службу именования и каталогов JNDI. Функции JNDI в EJB весьма широки:

• Регистрация и поиск объектных ссылок на локальные и удаленные бизнесинтерфейсы компонентов EJB.

• Регистрация и поиск ресурсов, таких как: контексты сеансов, источники данных JDBC и т.д.

• Доступ к переменным окружения сервера приложений и административным настройкам распределенного приложения.

В большинстве случаев службу JNDI может предоставлять сам сервер приложений (например, Sun Java System Application Server). Однако может быть использована и внешняя служба каталогов, например LDAP.

Доступ к JNDI может быть осуществлен непосредственно из любого приложения Java EE. Для этого необходимо создать объект javax.Namig.InitialContext, который предоставляет методы lookup, bind и т.д [5].

Для получения ссылки на локальный интерфейс компонента EJB будем использовать следующий код:

InitialContext ic = new InitialContext();

Object o =

ic.lookup("java:comp/env/CustomerSessionLocal");

Механизм аннотаций позволяет среде автоматически сгенерировать обращения к JNDI. А элемент <enterprisebeans> содержит значение “identifier”, которое используется в качестве параметра метода lookup для поиска необходимого нам EJB-компонента.

В то время как SCORM продолжает развивать технические стандарты электронного

дистанционного образования, предлагаемое расширение этой модели сосредотачивают свое внимание на следующих проблемах:

• определение многократного использования образовательных объектов;

• разработка новых моделей контента;

• разработка модели оценки знаний;

• создание новых моделей упорядочения содержания (sequencing) ;

• создание образовательных «хранилищ»;

• поддержка удаленных Enterprise компонент поддержки принятия решений.

Решение этих проблем ведет к созданию новой спецификации, которая расширят работу SCORM.

Схема взаимодействия эксперта принятия решений и экспертно-виртуальной среды для принятия решений должна представлять собой схему “Агентного моделирования” (АМ). Под “агентным моделированием” будем понимать новый подход к проектированию систем, содержащий автономных и взаимодействующих агентов. В настоящее время мультиагентные системы получили широкое применение в таких областях как системы телекоммуникации, поисковые системы в Internet, логистика, системы управления и контроля сложными процессами,

программы для электронной коммерции, системы защиты информации, системы анализа и управления в биомедицинских системах.

Веб-сервисы, как и мультиагентные системы, решают основную проблему гетерогенных IT-сред по обеспечению интеграции и взаимодействия систем. Становится все более ясно, что агентские системы, семантическая сеть, и веб-сервисы являются дополнительными, а не конкурирующими технологиями.

Именно в распределенных системах агенты наиболее ярко демонстрируют свои преимущества. Происходит поворот от создания лучших компонентов к созданию лучшего способа сотрудничества компонентов.

Прогресс в разработке программного обеспечения (ПО) за два последних десятилетия прошел через развитие все более и более мощных и естественных абстракций высокого уровня,

моделирования и разработки сложных систем. Процедурная абстракция, абстрактные типы данных, такие как объекты и компоненты - все это примеры таких абстракций. Агенты представляют собой следующий шаг абстракции: они могут использоваться разработчиками ПО для более естественного понимания, моделирования, и

разработки важного класса комплекса распределенных систем.

Разработка многоагентных систем затруднена сложностью процесса, обусловленного

динамической и распределенной природой ПО, который к тому же имеет склонность к ошибкам, нет общепринятой методологии, нет достаточного количества хороших инструментальных средств.

И, тем не менее, можно сказать, что подход к решению распределенных задач с помощью агентов уже сформировался в отдельную ветвь технологий проектирования - AOSE - Agent oriented software engineering. Решение различных задач на основе AOSE показывают перспективность такого подхода во многих отраслях, в том числе для обучающих систем.

Таким образом, в рамках системы обучения применение web - онтологий позволит специфицировать основные компоненты обучения, используемые учебные материалы, а также обеспечит возможность организации эффективного распределенного доступа к компонентам знания, путем создания единой базы знаний, которая будет сочетать в себе множество информации и будет фактически распределенной по сети Интернет, что позволит сделать ее независимой от интерпретации конкретного учебного процесса. Роль обучающих систем в таком случае будет сведена к роли интеллектуальных агентов, которые будут производить выборки из баз знаний в зависимости от контекста обучения

Общая схема интеграции экспертно-виртуальной и обучающей среды.

Разработанная онтологическая модель в соответствии с современными стандартами технологий дистанционного обучения обеспечивает унифицированный доступ к информационным обучающим ресурсам, поддерживающих метаданные учебных материалов по стандарту IEEE 1484.12.1 и к Enterprise компонентам поддержки принятия решений, разработанных по технологии EJB.

Внедрение программного агента обучающего ресурса в электронные библиотеки обеспечит организацию территориально рассредоточенных обучающих ресурсов в экспертно-виртуальной среде САПР. Для реализации программного агента обучающего ресурса будем использовать программно-инструментальное средство для разработки мультиагентных систем JADE.

Предложенная мультиагентная схема дистанционного обучения предназначена для получения учебных материалов с территориально рассредоточенных информационных обучающих ресурсов в сети Интернет с использованием образовательных стандартов международного института IEEE 1484.12.1 по созданию технологий дистанционного обучения, а также для вызова процедур по принятию индивидуальных и групповых решений и их интеграцию в систему дистанционного обучения.

Литература

1. Stein, D., Hanenberg, S., Unland, R. Designing Aspect-Oriented Crosscutting in UML. In proc. of Workshop on Aspect-Oriented Modeling with UML at AOSD, 2002.

2. SCORM, Sharable Content Object Reference Model, Version 1.3, Advanced Distributed Learning (http://www.adlnet.org), 2004.

3. IEEE 1484.12.1 "Standard for Learning Object Metadata", PISCATAWAY, NJ, 2002. - p. 44.

4. Х. М. Дейтел, П.Дж. Дейтел, С.И. Сантри Технологии программирования на Java 2. Книга 3. Корпоративные системы, сервлеты, JSP, Web-сервисы - М.: Бином, 2003 - 672 с.

5. I. Keleberda, N. Lesna, V. Repka Development of the multiagent ontological system for adaptive distance learning // Proceedings of the VII International Conference CADSM. Lviv-Slavske, 2003. - pp.559-560.

Воронежский государственный технический университет

ONTOLOGIC MODEL OF ACCESS TO KNOWLEDGE COMPONENTS IN EXPERT-VIRTUAL ENVIRONMENT DECISION-MAKING SUPPORT IN CAD SYSTEMS

Ja.E. Lvovich, E.N. Korolev

Representation models of knowledge in CAD systems of remote training and its integration with the expert-virtual environment decision-making support of the distributed enterprise are offered. The offered ontologic model is compatible to the standard of construction of teaching material SCORM and also is compatible to the formation Enterprise component standard of decision-making support in the expert-virtual distributed environment

Key words: ontologic model, decision making, enterprise components, SCORM