Глава 15 Методы анализа знаний

§ 1. Таксономия знаний

В базах знаний (БЗ) систем искусственного интеллекта накапливается большое количество знаний, которые извлекаются из данных автоматически (с помощью логических решающих функций) либо получаются инженерами по знаниям от экспертов. Попытки разобраться в содержании этого хранилища опыта и мудрости естественно приводят к необходимости навести в нем некоторый предварительный порядок. В первую очередь возникает желание разобраться в структуре этого информационного массива, выделить в нем некоторые подмножества в чем-то похожих друг на друга знаний, найти типичных представителей каждого такого подмножества, т. е. ставится задача сделать таксономию знаний в БЗ.

С появлением меры расстояния между знаниями эту задачу можно решить с помощью описанных раньше алгоритмов таксономии. Нужно лишь предварительно вычислить расстояния между всеми парами имеющихся знаний. При этом можно учитывать расстояния между левыми частями продукций (условиями), правыми (следствиями) или продукциями целиком.

Применение алгоритмов семейства FOREL позволит получить структурные элементы (таксоны) простой и потому легко интерпретируемой формы. Для каждого таксона можно найти его центр и указать знание, наиболее близкое к нему. Центр можно использовать в качестве типичного представителя данного таксона знаний.

Таксономия при разных радиусах гиперсфер позволяет построить дерево таксонов. Его корневая вершина характеризует БЗ в целом, а вершины-листья соответствуют отдельным знаниям. На каждом иерархическом уровне дерева будет отражена своя система классификации знаний или система понятий (доменов [127]). Если фиксировать структуры, которые возникают на разных этапах наполнения БЗ, то по ним можно реконструировать историю становления данной отрасли знаний. Можно видеть, как возникали и быстро росли одни таксоны (понятия), как некоторые понятия становились чрезмерно перегруженными и делились на составные части, другие таксоны переставали развиваться и при очередной ревизии БЗ исчезали из-за потери актуальности.

Таксономия знаний алгоритмами семейства KRAB позволяет обнаруживать более сложные структурные элементы, которые отражают объективно имеющуюся структуру, но затрудняют понимание получаемых результатов человеком. Для облегчения понимания можно описать результаты набором простых фигур — гиперсфер или гиперпараллелепипедов — с помощью алгоритма ДРЭТ.

Как будет показано в главе 17, структуризация БЗ методами таксономии позволяет усовершенствовать ряд важных характеристик экспертных систем.