CC BY
49
Библиографический список
1. ГОСТ 34.601-90 Автоматизированные системы. 2. ГОСТ Р ИСО/МЭК 15288-2005. Информацион-
Стадии создания [Электронный ресурс]. URL: ная технология. Системная инженерия. Процессы
http://ockc.ru/wp-content/standart/34-601-90.pdf жизненного цикла систем. [Электронный ресурс].
(18.03.2015). URL: http://www.novsu.ru/file/977849 (18.03.2015).
УДК 004.891
УПРАВЛЕНИЕ РАЗРЕШЕНИЕМ КОНФЛИКТОВ В ПРОДУКЦИОННЫХ ЭКСПЕРТНЫХ СИСТЕМАХ
Л
© Д.П. Проскуряков1
Иркутский национальный исследовательский технический университет, 664074, Россия, г. Иркутск, ул. Лермонтова, 83.
Рассмотрены особенности управления выводом в продукционных базах знаний экспертных систем и их взаимосвязь с возможностью возникновения смысловых ошибок. Представлен подход к разрешению конфликтов, основанный на использовании описаний ситуаций, возникающих в процессе вывода. Рассмотрено применение средств рассуждения по прецедентам к представлению и обработке описаний ситуаций. Предложенный подход направлен на упрощение интеграции знаний, добавляемых в экспертную систему, и позволит облегчить организацию управления выводом в постоянно увеличивающейся базе знаний.
Ключевые слова: экспертные системы; стратегии управления продукциями; онтологии; рассуждения по прецедентам; динамическая память; конструкционная адаптация.
CONFLICT RESOLUTION MANAGEMENT IN RULE-BASED EXPERT SYSTEMS D.P. Proskuriakov
Irkutsk National Research Technical University, 83 Lermontov St., Irkutsk, 664074, Russia.
The paper describes the features of inference control in rule-based knowledge bases of expert systems and their relationship with the possibility of semantic error emergence. An approach to conflict resolution management based on the use of the descriptions of situations occurred in the inference process is presented. The application of case-based reasoning to representation and processing of situation description is considered. The proposed approach is aimed at simplifying the integration of the knowledge being added to the expert system. It will facilitate inference control in ever-expanding knowledge base.
Keywords: expert systems; product control strategies; ontologies; case-based reasoning; dynamic memory; constructive adaptation.
Важным этапом разработки экспертной системы (ЭС) является верификация -процесс доказательства того, что база знаний (БЗ) экспертной системы не содержит внутренних ошибок, таких как избыточность, противоречивость и неполнота [11]. Главной задачей верификации продукционной БЗ является выявление аномалий, а именно противоречивых или избыточных правил, циклов и т. п. Основываясь на полученной в результате анализа информации, в базу вносятся изменения, необходимые для организации корректного вывода.
Одним из ключевых элементов верификации продукционной БЗ является выявление ошибок в цепочках вывода. С уве-
личением размеров БЗ возрастает число ветвлений и взаимосвязей между цепочками вывода, и их анализ становится достаточно сложной задачей [2]. Кроме того, даже если в результате выполнения верификации в БЗ отсутствуют аномалии, вывод в такой базе все же может давать неверные результаты [1]. Причина этого состоит в наличии смысловых ошибок, характерных для конкретной предметной области (ПО). В свою очередь, возникновение таких смысловых ошибок в процессе вывода является следствием того, что машина вывода и стратегии управления продукциями (за исключением, до некоторой степени, метапродукций) выполняют действия над пра-
1
Проскуряков Дмитрий Павлович, аспирант, тел.: 89149150998, e-mail: [email protected] Proskuriakov Dmitry, Postgraduate, tel.: 89149150998, e-mail: [email protected]
вилами механически, без учета отношений между понятиями ПО, представленными в этих правилах.
Представление знаний в ЭС
Для того чтобы разобраться в причинах возникновения смысловых ошибок, рассмотрим, каким образом экспертное знание может быть отчуждено и представлено в виде, пригодном для использования экспертной системой. Базы знаний ЭС 70-х - начала 80-х гг. основывались на использовании какого-либо одного формализма (часто продукционных правил) для представления знаний о предметной области. Различные аспекты знания (как решать задачу, что представляет собой предметная область, почему все происходит именно так) описывались на единственном уровне абстракции и были неявно взаимосвязаны [5]. Такая организация знаний приводила к различным проблемам при приобретении знаний, объяснении получаемых результатов, работе вне сферы компетенции ЭС и в процессе поддержки ЭС [6, 4].
В отличие от ранних работ, так называемые ЭС второго поколения основываются на использовании различных видов знания и различных представлений. В этих системах знание разделяется на управляющее (control knowledge) и знание о предметной области (domain knowledge). Кроме того, знание может быть структурным и функциональным, качественным и количественным, причинно-следственным (causal) и эмпирическим [5].
Требования к «хорошему» способу представления знания достаточно широки и могут включать конфликтующие критерии (например, выразительность описания и эффективность вывода). Поэтому вместо выбора одного универсального формализма в ЭС второго поколения нередко стали использовать несколько различных представлений, каждое из которых наиболее подходит для описания определенного типа знания, выполнения определенных типов вывода или даже описывает одно и то же знание в различной форме [13].
При описании знания с помощью продукционных правил управление выво-
дом осуществляется машиной вывода и стратегией управления продукциями. Машина вывода выбирает, какие правила могут быть активированы на очередном шаге вывода, основываясь на содержимом рабочей памяти. Эти правила помещаются в конфликтное множество, и стратегия управления продукциями определяет, какие правила из конфликтного множества будут активированы.
В соответствии с архитектурными принципами, сформулированными в [6], машину вывода отделяют от БЗ и сохраняют максимально простой. Вся информация, на которой основывается функционирование машины вывода, явно представлена в правилах. В такой ситуации гораздо легче определить, какие изменения в БЗ приведут к улучшению работы ЭС [6]. Однако помимо этого необходимо также учитывать влияние стратегии управления продукциями.
Большинство стратегий управления продукциями (например, основанные на использовании приоритетов или выбирающие правила с наиболее общим или наиболее конкретным условием и т.п.) не учитывают ситуации, возникающей в процессе вывода. Решение об активации того или иного правила принимается на основе априорной информации, которую инженер вносит при заполнении БЗ. Проблемой является то, что каждое правило, добавляемое в БЗ, может иметь смысловые взаимосвязи с другими правилами. При этом большую их часть продукционная модель не отражает (что является следствием ее достоинства - модульности). Для БЗ небольшого размера инженеру не составляет труда отслеживать те отношения между правилами, которые могут повлиять на результаты, и вносить необходимые изменения в стратегию управления продукциями или в структуру БЗ.
Информация, на основе которой выполняется разрешение конфликта, может быть описана в правилах не полностью. При формулировании правил опускается значительная часть информации, например, различные второстепенные условия
активации правил, крайние случаи, аспекты ситуации, понимаемые инженером и экспертом как само собой разумеющиеся и т.п. Из-за этого становится проблематичным отслеживать взаимосвязи между правилами в увеличивающейся БЗ, так как часть информации, на которой основывается управление, не представлена явно. Кроме того, эту информацию необходимо соотнести с возможными конфликтами, отслеживать возникновение которых становится все труднее с ростом БЗ. Для решения этих проблем предлагается модифицировать стратегию управления продукциями так, чтобы она учитывала ситуацию, возникающую в процессе вывода.
Реконструирование отношений
между правилами
Чтобы разрешение конфликтов активации основывалось на ситуации, возникающей в процессе вывода, необходимо решить следующие задачи:
1. Описать необходимую для принятия решения информацию о существенных в ПО взаимосвязях между правилами.
2. Сопоставить эту информацию с возможными конфликтами.
Представление необходимой для принятия решения информации предлагается проводить в два этапа. Сначала всю существенную в ПО информацию, как ту, которая была опущена при формулировании правил, так и ту, которая представлена в них, предлагается систематически описать в онтологии ПО. Это позволит явно представить используемые понятия ПО и отношения между ними.
На втором этапе, основываясь на этой информации, необходимо выполнить описание ситуаций ПО, в которых могут возникать конфликты активации. В этом описании должна содержаться существенная для ПО информация, которая была опущена при формулировании правил. Именно на ее основе стратегия управления продукциями будет выполнять разрешение конфликта.
Для представления ситуаций предлагается использовать память, основанную на эпизодических пакетах (Episodic Memory
Organization Packets E-MOPs) [8]. Этот подход основывается на модели динамической памяти, предложенной Шэнком [12]. Запоминание в динамической памяти осуществляется путем поиска наиболее похожих элементов в памяти и их адаптации к новым данным [7]. Для этого содержимое памяти организовано в концептуальные категории, основанные на смысловом сходстве. Эти концептуальные категории описываются в виде эпизодических пакетов (E-MOPs). Эпизодические пакеты организуют похожие ситуации в соответствии с их различиями, а также строят обобщения на основе их сходных черт. Каждый эпизодический пакет содержит: нормы, описывающие обобщенную информацию, характеризующую запомненные ситуации; древовидную структуру, индексирующую ситуации в соответствии с их различиями [8].
При возникновении конфликта активации необходимо извлечь из памяти соответствующее описание ситуации. Эта задача разбивается на несколько этапов. Сначала необходимо сформировать запрос на основе той информации, которая описана в правилах. Для этого предлагается разобрать правила на понятия ПО, основываясь на онтологии. Полученное описание будет использоваться как ключ для поиска в памяти.
Работу с ситуациями, представленными в эпизодической памяти, предлагается основывать на рассуждении по прецедентам (case-based reasoning). Прецедентом в нашем случае будет являться описание ситуации ПО. Цикл рассуждения по прецедентам состоит из четырех этапов [3]:
1. Извлечение прецедента, наиболее подходящего текущей задаче.
2. Использование содержащейся в нем информации для решения новой задачи.
3. Проверка полученного решения.
4. Сохранение полезного опыта.
Ситуация, соответствующая сформированному на предыдущем этапе запросу, извлекается из памяти путем прохода по индексам эпизодических пакетов [9]. Запрос, сформированный на основе инфор-
мации, содержащейся в конфликтующих правилах, представляет собой частичное описание ситуации ПО. В эпизодической памяти должно содержаться полное описание этой ситуации (т.е. вместе со всей информацией из онтологии, необходимой для разрешения конфликта). В этом случае использование такого прецедента заключается в передаче его стратегии управления продукциями, которая использует его для разрешения конфликта.
Стратегия управления продукциями группирует правила в соответствии с полученным описанием. Выполняется разбор правил на понятия ПО и их сопоставление с описанием ситуации. В описании ситуации должны быть представлены все релевантные взаимосвязи между понятиями. Конфликт возникает при наличии взаимоисключающих альтернатив. Анализ взаимосвязей позволит определить, какая из альтернатив предпочтительней.
В случае если соответствующее описание ситуации не содержится в эпизодической памяти, необходимо сформировать это описание, основываясь на имеющихся прецедентах и на информации, извлекаемой из онтологии. Для этого предлагается использовать конструкционную адаптацию (constructive adaptation) [10]. Двумя ключевыми операциями в конструкционной адаптации являются формирование гипотез (hypotheses generation) и сортировка гипотез (hypotheses ordering) [10]. Эти операции выполняются на основе имеющихся прецедентов, частично подходящих для решения текущей задачи. Гипотезой в нашем случае будет являться запрос к онтологии на извлечение определенной информации. Результатом запроса является описание ситуации, которое может быть использовано стратегией управления продукциями.
Проверку построенного решения (описания ситуации) выполняет инженер. Решение признается корректным, если на его основе стратегия управления продукциями правильно разрешает конфликт активации. В этом случае решение сохраняется в эпизодической памяти. В противном слу-
чае выполняется проверка следующей гипотезы.
Обучение ЭС
Описанный цикл работы с эпизодической памятью позволяет расширять ее в процессе функционирования ЭС. Основу расширения составляют прецеденты, уже содержащиеся в эпизодической памяти. Для того чтобы приспособить их к новой проблеме, необходим источник информации о ПО, которым является онтология, описывающая отношения между понятиями ПО. Использование прецедентов основывается на применении конструкционной адаптации. Результаты ее работы зависят от уже имеющихся прецедентов и содержимого онтологии, поэтому предлагается использовать следующий подход к внесению знаний в ЭС. Главным его принципом является поэтапное внесение знаний в базу правил и онтологию.
На начальном этапе необходимо выбрать небольшое базовое множество правил и внести его в базу правил. Соответствующая информация записывается в онтологию. Отталкиваясь от возможных конфликтов, инженер должен внести в эпизодическую память несколько описаний ситуаций ПО, на основе которых эти конфликты могут быть разрешены.
После этого на каждом следующем этапе инженер должен также добавлять знание о ПО в базу правил и онтологию. Однако пополнение эпизодической памяти будет выполняться средствами конструкционной адаптации. Для этого на каждом этапе необходимо предлагать ЭС типовые задачи, в процессе решения которых будут формироваться описания ситуаций ПО, необходимые для разрешения конфликтов. Инженер будет контролировать этот процесс путем внесения «сырой» информации в онтологию и проверки выдвигаемых системой гипотез.
На начальных этапах заполнения БЗ такой подход может быть громоздким по сравнению с непосредственным описанием ситуаций в эпизодической памяти. Однако на большой БЗ использование содержащейся в эпизодической памяти информа-
ции позволит значительно облегчить организацию управления выводом. Главными вопросами здесь остаются выбор базовых ситуаций, которые инженер записывает в эпизодическую память на начальном этапе, и то, как разбить знание о ПО, чтобы поэтапно вносить его в БЗ.
Итак, базе правил и онтологии представлены знания о ПО. Эпизодическая память содержит метазнания - знания о том, как управлять знаниями о ПО, описанными в продукционных правилах. В существующих стратегиях управления продукциями метазнания представлены в виде приоритетов, назначенных правилам, либо метапродукций, явно специфицирующих, в какой ситуации какое правило применять. Предложенный поход к представлению метазнаний отличается от приоритетов тем, что вся
Библи
1. Долинина О.Н. Классификация ошибок в базах знаний экспертных систем // Вестник СГТУ. 2010. № 4 (50). Вып. 2. С. 125-130.
2. Проскуряков Д.П. Поиск противоречий с помощью стратегии управления продукциями на основе онтологии предметной области // Труды XIX Байкальской Всероссийской конференции «Информационные и математические технологии в науке и управлении». Ч. III. Иркутск: ИСЭМ СО РАН, 2014. С. 166-170.
3. Aamodt A., Plaza E. Case-based reasoning: foun-dational issues, methodological variations, and system approaches // Artificial Intelligence Communications. 1994. 7 (1). P. 39-59.
4. Clancey W. The epistemology of a rule-based expert system: a framework for explanation // Artificial Intelligence. 1983. № 20 (3). P. 215-251.
5. David J.M., Krivine J.P., Simmons R. Second generation expert systems: a step forward in knowledge engineering // Second Generation Expert Systems. Springer-Verlag, 1993. P. 3-25.
6. Davis R. Expert systems: where are we and where
информация, на основе которой осуществляется вывод, представлена явно в онтологии и извлекается оттуда при необходимости. Отличие от метапродукций заключается в использовании конструкционной адаптации, позволяющей автоматически корректировать метазнания при изменении знания о ПО.
Предложенный подход к построению метазнаний в процессе функционирования направлен на организацию управления выводом на постоянно увеличивающейся БЗ. Его целью является постоянная интеграция поступающих знаний. Кроме того, применение конструкционной адаптации позволяет ЭС предложить обоснованное решение по разрешению конфликта даже в ситуации, не предусмотренной инженером.
Статья поступила 25.05.2015 г.
ческий список
do we go from here // AI Magazine. 1982. №3 (2). P. 3-22.
7. Kolodner J. Case-based reasoning. Morgan Kaufman, 1993. 668 p.
8. Kolodner J. Maintaining organization in a dynamic long-term memory // Cognitive Science. 1983. Vol. 7. P. 243-280.
9. Kolodner J. Reconstructive memory: a computer model // Cognitive Science. 1983. Vol. 7. P. 281-328.
10. Plaza E., Arcos J.L. Constructive adaptation // Advances in Case-Based Reasoning. Vol. 2416. Springer Verlag, 2002. P. 306-320.
11. Preece A.D., Shinghal R., Batarekh A. Verifying expert systems: a logical framework and a practical tool // Expert systems with applications. 1992. Vol. 5. P. 421-436.
12. Shank R. Dynamic memory: a theory of reminding and learning in computers and people. Cambridge: Cambridge University Press, 1982. 234 p.
13. Simmons R., Davis. R. The roles of knowledge and representation in problem solving // Second Generation Expert Systems. Springer-Verlag, 1993. P. 27-46.
