Средства компьютерной поддержки приобретения знаний

Проблема автоматизированного приобретения знаний связана с разработкой специальных информационных технологий, обеспечивающих поддержку процедур извлечения и структурирования знаний. К настоящему времени автоматизированные системы приобретения знаний прошли в своем развитии три стадии.

На первой стадии в середине 1980-х гг. появилось первое поколение систем приобретения знаний на базе «оболочек» экспертных систем. Процессы извлечения и структурирования знаний выполнялись человеком. Подсистема приобретения знаний служила для ввода знаний в БЗ и ее корректировки. Экспертные системы заполнялись знаниями по следующей схеме:

  • создание конкретной экспертной системы;
  • опустошение базы знаний;
  • разработка системы приобретения знаний для нового наполнения БЗ;
  • формирование базы знаний для другой экспертной системы.

На второй стадии в конце 1980-х гг. появились системы приобретения знаний второго поколения, основанные на предварительном детальном анализе предметной области и моделях, позволяющих рассматривать процедуры извлечения, структурирования и формализации знаний как процесс преобразования лингвистических знаний в другие представления и структуры. Существенное влияние на системы второго поколения оказала психосемантика, на базе которой были созданы инструментальные средства многомерного шкалирования, факторного анализа, репертуарных решеток, логического вывода.

Третья стадия развития систем приобретения знаний (с 1990-х гг.) связана с созданием автоматизированных средств приобретения знаний. При этом структура БЗ формируется в процессе приобретения знаний, а не заранее.

Множество существующих и потенциально возможных систем приобретения знаний можно отобразить классификацией (табл. 8.6). 

Таблица 8.6 -Методы и системы приобретения знаний

Метод приобретения знаний

Наименование системы и авторы

Характеристика

Структурированное интервью

 

RESIAS (Davis R.)

ROGET (Bennet J.)

 

 

SALT (Markus S.)

 

 

 

MOLE (Eshelman L.)

 

 

OPAL (Muzen M.)

 

 

 

МЕДИКС

(Ларичев О.И.)

 

Формирует новые понятия и правила

Производит концептуальную организацию знаний для диагностических ЭС

Формирует базы знаний в области конструирования методом пошагового распространения ограничений

Обеспечивает контекстное приобретение знаний на основе структурированного интервью

Обеспечивает формирование и наращивание БЗ экспертной системы, дающей советы по лечению онкологических больных

Использует процедуры экспертной классификации для независимых свойств, признаков и их значений. Повышение эффективности экспертной классификации обеспечивается за счет применения априорно заданного отношения линейного порядка на множестве состояний

Имитация консультаций

 

АРИАДНА
(Моргоев В.)

 

 

 

ЭСКИЗ
(Андриенко Г.)

Реализует метод многократного решения экспертом проблемы классификации в режиме последовательной вопросно-ответной консультации

Включает набор игр для приобретения знаний, являющихся модификациями метода репертуарных решеток

Интегрированные среды приобретения знаний

 

AQUINAS (Boose J.)

 

 

 

 

 

 

 

 

 

 

 

 

KITTEN (Shaw M.)

Содержит набор программных средств для извлечения экспертных знаний разными методами: средства анализа репертуарных решеток с последующим преобразованием системы конструктов в базу продукционных правил; методы конструирования иерархических структур знаний; средства извлечения и представления неточных знаний; подсистемы тестирования, пополнения и коррекции базы знаний и др.

Основана на построении и

анализе репертуарных решеток. В отличие от AQUINAS данная интегрированная среда обеспечивает извлечение элементов из тестов, анализирует примеры решения задач экспертом и генерирует продукционные правила

Приобретение знаний из текстов

 

KRITON (DiderichJ.)

 

 

 

ТАКТ (Kaplan R.)

Выявляет процедурные знания на основе метода протокольного анализа из книг, документов, описаний, инструкций

Выделяет из предварительно подготовленного текста объекты, процессы и отношения каузального характера

Инструментарий прямого приобретения знаний

SIMER + MIR

(Осипов ГС.)

Позволяет формировать модели и базы знаний предметной области с неясной структурой объектов, неполно описанным множеством свойств объектов, большим набором разнородных связей между объектами