Данные и знания. Основные модели представления знаний

Как известно из дисциплины «Информационные системы» [ ], под данными понимаются факты или идеи, представленные в формализованном виде. Сами по себе данные не имеют смысловой нагрузки, она появляется в результате интерпретации этих данных.

Пример.

//здесь пример таблицы из базы данных (1)

			ФИО студентов
Иванов И.И.			Иванов И.И.
Петров П.П.			Петров П.П.
Сидоров С.С.			Сидоров С.С.

Итак, данные не дают информации, однако ситуация меняется, если мы подразумеваем, что в левой колонке фамилии студентов, а в правой – номера их групп.

Как мы помним, средство, позволяющее реализовывать интерпретацию данных и таким образом способствовать получению информации, называется моделью данных (МД), а совокупность данных, определенных с помощью модели данных, называется базой данных (БД). Отличительной особенностью баз данных является четкое разделение на интенсиональную часть (данные) и экстенсиональную (средства интерпретации данных). Особенностью моделей знаний (МЗ) является как бы совместное хранение интенсионала и экстенсионала базы данных, что открывает новые возможности. Модели знаний являются формальной основой для построения баз знаний. К сожалению, модели знаний в отличие от моделей данных не вписываются в какое-то одно общее формальное определение.

Примечание. Как мы помним модель данных можно формально определить, как тройку M={G, R, O}, где G – множество правил порождения структур данных (схемы), R – множество правил порождения ограничений целостности, О – множество допустимых операций над данными.

Тем не менее, существует несколько подходов к классификации моделей знаний. Согласно самому распространенному подходу выделяют логические, продукционные, сетевые и фреймовые модели. Эта классификация фактически основана на математическом аппарате, используемом в моделях. Так, в основе логического подхода лежит аппарат математической логики, в основе продукционных моделей формальные правила особого вида, называемые продукциями, в основе сетевого подхода – различные структуры на основе графов, а в основе фреймов – идея перехода от общего к частного за счет вычисления конкретных параметров.

Нам удобнее придерживаться иной классификации, более связанной с применимостью тех или иных моделей для решения того или иного класса задач. С этой точки зрения выделяют логические, продукционные, реляционные модели и нейронные сети.

Заметим, что реляционные модели представления знаний, отличающиеся «близостью» к естественным языкам, ни в коем случае нельзя путать с реляционной моделью данных, которая изучается в курсе «Информационные системы».

Глава 2. ЛОГИЧЕСКИЕ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

В этой главе рассматриваются модели знаний, основанные на аппарате математической логики и их применение для решения ряда задач. К ним прежде всего относится автоматизированный логический вывод и построение экспертных систем. Одновременно рассматривается и структура этих систем.

Основное внимание уделяется классическим логикам – логике высказываний (ЛВ) и логике предикатов первого порядка (ЛППП), но дается и краткий обзор неклассических логик, в частности логик высших порядков, модальных и многозначных логик.

Материал главы излагается с расчётом на то, что студенты имеют представление об основах теории множеств, математической логики, программирования на языке высокого уровня, теории алгоритмов и теории графов. Приводимые алгоритмы описываются на обобщенном паскале.

Дата добавления: 2015-09-06