Обзор методов инженерии знаний

1. Обзор методов инженерии  знаний.

       Инженерия знаний (англ. knowledge engineering) — область наук об искусственном интеллекте, связанная с разработкой экспертных систем и баз знаний. Изучает методы и средства извлечения, представления, структурирования и использования знаний.

       Инженерия знаний (ИЗ) была определена Фейгенбаумом и МакКордаком в 1983 году как:

       «ИЗ — раздел (дисциплина) инженерии, направленный на внедрение знаний в компьютерные системы для решения сложных задач, обычно требующих богатого человеческого опыта.»

       В настоящее время это также  предполагает создание и обслуживание подобных систем (Кендэл, 2007). Это также тесно соприкасается с разработкой программного обеспечения и используется во многих информационных исследованиях, например таких, как исследования искусственного интеллекта, включая базы данных, сбор данных, экспертные системы, систем поддержки принятия решений и географические информационные системы. ИЗ связана с математической логикой, также используемой в разных научных дисциплинах, например в социологии где «подопытными» являются люди, а цели исследований — понимание, как работает человеческая логика на примере взаимоотношений в обществе.

       Пример  действия системы, базирующейся на ИЗ:

       Рассмотрение  задачи

       Запрос  к базам данных по задаче

       Внесение  и структурирование полученной информации (IPK модель)

       Создание  базы данных по структурированной информации

       Тестирование  полученной информации

       Внесение  корректировок и эволюция системы.

       Будучи  скорее искусством, нежели чисто инженерной задачей, ИЗ не имеет большого практического  применения. Подразделом ИЗ является метаинженерия знаний, пригодная для разработки ИИ.

       С середины 1980-х в ИЗ появилось несколько принципов, методов и инструментов, которые облегчили процесс получения и работы со знаниями. Вот некоторые ключевые из них:

       Существуют  разного рода типы знаний[какие?] и для работы с ними должны использоваться конкретные методы и техника.[какие?]

       Существуют  различные типы экспертов и опыта.[какие?] Для работы с ними должны использоваться определенные методы и техника.[какие?]

       Существуют  разные способы предоставления, использования, понимания знаний[какие?] и работа с ними может помочь переосмыслить и использовать уже имеющиеся знания по-новому.

       В инженерии знаний используются методы структурирования знаний для убыстрения процесса получения и работы со знаниями.

       Под обобщением понимается процесс получения  знаний, объясняющих имеющиеся факты, а так же способных классифицировать, объяснять и предсказывать новые  факты. Исходные данные представляются обучающей выборкой. Объекты могут  быть разбиты на классы. В зависимости  от того, заданы или нет априорные  разбиения объектов на классы, модели обобщения делятся на модели обобщения  по выборкам и по классам.

       К_ni

       n⁺ = {0₁⁺, 0₂⁺…0_nj⁺} – положительная выборка.

       Может задаваться отрицательная выборка  n^- = {0₁^-, 0₂^-…0_ьj^-}

       Требуется найти такое правило, которое  позволяет установить, относится или нет объект к классу Kj.

       В моделях обобщения по данным выборка  представляется множеством объектов класса. Методы обобщения делятся на методы обобщения по признакам и структурно-логические методы обобщения.

       Z = {z₁, z₂, …, z_r}

       Z_i = {z_i1, z_i2, …, z_ini}

       Объект  характеризуется множеством значений признаков Q_i = {z_1j1, z_2j2, …, z_rjr}.

       Структурно-логические методы обобщения используются для представления знаний об объектах, имеющих внутреннюю структуру среди структурно-логических методов. Можно выдвинуть два направления: индуктивные методы нормального исчисления и методы обобщения на семантических сетях.

1, если i-ый признак имеет j-ое значение

0, в противном  случае

Алгоритм обобщения понятий по признакам.

h_ij =

       Правила определения принадлежности объектов к некоторому классу представляются в ряде логических формул элементами которых являются h_ij  и функции Ç, È, `.

       Пример:

       Z = {z₁, z₂} {пол, возраст}

       Z₁ = {z₁₁, z₁₂} {м, ж}

       Z₂ = {z₂₁, z₂₂, z₂₃} {молодой, средний, старый}

       n_j⁺ = {0₁⁺, 0₂⁺}        n_j^- = {0₁^-, 0₂^-, 0₃^-}

       0₁⁺ = (z₁₁, z₂₁)          0₂⁺ = (z₁₁, z₂₂)

       0₁^- = (z₁₁, z₂₃)           0₂^- = (z₁₂, z₂₁)          0₃^- = (z₁₂, z₂₂)

       &_i h_ij  - обобщенное конъюнктивное понятие

       0 = max(x_ij – 1/a_i), где 0 – критерий, x_ij – частота появления некоторого значения признака, a_i – количество признаков.

       Пример:

       0 = 3/5 – 1/2 = 0.1

       n_j⁺ = {0₁⁺, 0₂⁺}        n_j^- = {0₁^-}

       n_-1⁺ = 0                    n_-1^- = {0₂^-, 0₃^-}

 

2. 

55. Правильный  ответ 2

Источник: Косарев В.П. Экономическая информатика. –М:, стр.239

60. Правильный  ответ 1

Источник: Косарев В.П. Экономическая информатика. –М:, стр.243

109. Правильный  ответ 2

Источник: СПС  «Гарант» карточка запроса

113. Правильный  ответ 4

Источник: СПС  «Гарант» справка к документу

171. Правильные  ответы 1,2,5

Источник: Балдин К.В., Уткин В.Б. Информационные системы в экономике. – М:, стр. 254

218. Правильный  ответ 1

Источник: 1С:Предприятие 8

224. Правильный  ответ 1

Источник: 1С:Предприятие 8

255. Правильные  ответы 1,4,5

Источник: Балдин К.В., Уткин В.Б. Информационные системы в экономике. – М:, стр. 218

264. Правильные  ответы 1,3,4

Источник: Балдин К.В., Уткин В.Б. Информационные системы в экономике. – М:, стр. 222

287. Правильные  ответы 1,2,5

Источник: Косарев В.П. Экономическая информатика. –М:, стр. 541