Интеллектуальная экспертная система в вопросно-ответной форме

• Введение
• 1. Постановка задачи
• 2. Извлечение знаний и структурирование
• 3. Модель представления знаний
• 4. Стратегия вывода
• 5. Руководство пользователя
• Заключение
• Список литературы

Цель работы: создание интеллектуальной экспертной системы по подбору оптимальных комплектующих для стационарного компьютера.

Существует множество онлайн и печатных каталогов компьютерных комплектующих. Во всех из них указываются их характеристики и цена. Но как рядовому пользователю, плохо ориентирующемуся в характеристиках, выбрать из большого списка детали необходимые именно ему? Да так, чтобы они удовлетворяли не только поставленным техническим требованиям, но и имели пригодную стоимость (если это возможно). Данная система помогает сделать правильный выбор.

Система реализована в вопросно-ответной форме: система задает вопрос, а пользователь отвечает на него. Если человек затрудняется выбрать необходимый ему тип компьютера, ему предлагается ответить на ряд вопросов, после ответа на которые, система выдаёт пользователю подходящий ему тип компьютера. Следующим шагом является указание желаемой (максимальной) цены. После заполнения всех полей и расчета системой, результат выводится в таблице из комплектующих.

Первым выводится самый оптимальный набор деталей для сборки необходимого стационарного компьютера. Далее, по желанию пользователя, можно вывести все возможные результаты, удовлетворяющие всем критериям. Из них пользователь может выбрать понравившуюся ему комбинацию (при этом он может довольствоваться ценой и маркой определенной детали).

1. Постановка задачи

Требуется по ряду признаков решить, какая из имеющихся в базе данных деталей больше всего подходит пользователю. Также экспертная система должна уметь объяснять свое решение.

Объяснение решения программы будет выполнено в виде графика степени значения и характеристики той или иной детали в конкретном компьютере.

Для решения поставленных проблем была применена технология экспертных систем. Экспертные системы в отличие от обычных программ должны уметь объяснять свое решение, а также обладать базой знаний, что для программы без технологии экспертных систем сделать трудно, а в некоторых случаях невозможно.

Наша предметная область — комплектующие компьютеров, а так же их характеристики и область применения. На сегодняшний день рынок переполнен различного рода деталями для сборки персональных компьютеров. Конечно, эксперт в данной области может хорошо знать характеристики устройств, но он не всегда есть «под рукой». Также одной из особенностей предметной области является то, что прогресс не стоит на месте и техника все время развивается. Любое устройство может устареть, или наоборот приобрести большую значимость. Поэтому данная экспертная система предполагает режим ввода и корректировки данных.

Самая важная проблема, как было озвучено раньше, заключается в широком разнообразии характеристик устройств, также сложности добавляет составление вопросов для проверки признаков гипотез. На вопрос «Собираетесь ли Вы использовать при работе с компьютером видео-редакторы (конверторы)?» или «Собираетесь ли Вы на своем компьютере работать с базами данных?» каждый может ответить «да», не задумываясь о том что в этом случае придется выбрать мощный процессор, и при ограниченной цене компьютера могут пострадать характеристики других комплектующих. Также одной из проблем экспертной системы является её гибкость к нечетким ответам. Человек не всегда может точно сказать чем он будет заниматься на своем компьютере, а чем точно не будет. Данные проблемы предопределили выбор модели знаний. В нашей системе данная модель будет основана на нечетких знаниях с использованием метода Криса-Нейлора.

Типичным примером экспертной системы с использованием метода Криса-Нейлора является медицина. Например, надо определить, какая болезнь у человека:

1) Расставим вероятности, например, по признаку боли в горле и высокая температура:

Возьмем болезнь грипп: p+ боле в горле равна 0,01 (т.к. при гриппе нету боли в горле) соответственно p — (наблюдается признак, но это не гипотеза) будет очень высок. Если взять признак — высокая температура (которая при гриппе обязательна), то вероятности будут р+=1; p — =0,01.

1; температура; у вас высокая температура (>38)?

2; боль в горле; у вас болит горло?

После рассмотрения достаточного количества признаков система примет решения о вашей болезни.

Основное отличие экспертных систем это способ представления знаний, существует множество способов, основными из которых являются:

1) Продукционные модели (этот подход основан на представлении знаний с помощью правил).

2) Фреймы (в основу этого подхода положен объектно-ориентированный подход).

3) Семантические сети (в этом подходе знания рассматриваются как совокупность объектов и связей между ними и представляются в виде графов специального вида).

экспертная система интеллектуальная

4) Логические модели (подход основан на использование для представления знаний аппарата формальных систем (чаще всего логики предикатов)).

5) Нечеткие модели для представления знаний с разными видами неопределенности:

а) ненадежных знаний (ненадежности) б) неполноты в) многозначности г) размытости (нечеткости) — свойство информации, когда она имеет качественный или размытый смысл (Например: большой, старый, умный и т. п.)

д) недетерминированность — многовариантность, возникающая в процессе логического вывода.

Данная система, как уже было сказано выше, сохраняет опыт специалистов данной области. В качестве источников были использованы каталоги с описанием комплектующих. При выборе деталей пользователь не увидит коэффициенты, но увидит как менялась вероятность гипотезы и может соотнести как те или иные характеристики проявляются в той или иной детали, которую ему выбрала система.

Главное требование нашей системы — это соблюдение технологии инженерии знаний, то есть база знаний должна быть отделена от машины вывода в отдельный блок. Также система должна предоставлять возможность создания новой базы знаний, позволять редактировать и изменять, осуществлять логический вывод и иметь блок объяснения решений.

2. Извлечение знаний и структурирование

В качестве «экспертов» в нашей системе выступали данные из интернета и различных каталогов, которые дали нам достаточное количество информации о комплектующих, проанализировав большой объем информации были выделены 13 самых существенных по нашему мнению признаков, исходя из которых и определялась набор деталей для готового компьютера, наиболее подходящая пользователю, данный набор был согласованы с экспертов в данной области консультанту в магазине компьютерной техники, который не только утвердил их, но и помог нам расставить вероятности в используемом методе Криса-Нейлора.

Полученную информацию о предметной области мы решили разбить на 2 группы: гипотезы (то есть уже готовые компьютеры) и их признаки (то есть комплектующие). Специфика нашей задачи такова, что если один из признаков гипотезы не срабатывает, еще не факт что гипотеза не верна, также многие знания имеют качественный характер или имеют размытость (свойство информации, когда она имеет качественный или размытый смысл (большой, старый, умный), то есть мы обладаем нечеткими знаниями о предметной области, а, следовательно, модель представления знаний должна быть также сформирована на нечетких знаниях. Больше всего для решения нашей задачи подходит метод Криса-Нейлора, в основу которого входят условные вероятности, это помогает решить одну из проблем системы: когда признак не срабатывает, система не «ставит крест» на определенной гипотезе, а только уменьшает её вероятность. В дальнейшем гипотеза может повысить её и оказаться решением, если сработают другие признаки.

3. Модель представления знаний

Исходя из использования, для решения задачи, метода Криса-Нейлора и из того, что знания представляют собой совокупность гипотез и характеризующих их признаков, было решено представить базу знаний в виде таблиц со следующей структурой:

· Таблица «Гипотезы» .

Столбцы:

— Идентификатор гипотезы;

— Название гипотезы;

— Априорная вероятность данной гипотезы (Р (Н)).

· Таблица «Признаки» .

Столбцы:

— Идентификатор признака;

— Название признака;

— Текст вопроса, который программа задает пользователю по данному признаку.

· Таблица «Гипотезы-признаки» — описывает соответствие гипотез и характеризующих их признаков.

Столбцы:

— Идентификатор гипотезы;

— Идентификатор признака;

— Вероятность выполнения данного признака при выполнении данной гипотезы (р+);

— Вероятность выполнения данного признака при невыполнении данной гипотезы (р-).

Данную структуру базы знаний удобно представить в виде рисунка:

Рисунок 1 — Структура базы знаний.

Данную структуру базы знаний можно использовать для решения большинства задач методом Криса-Нейлора.

Таблица 1 — Признаки

4. Стратегия вывода

Для решения поставленной задачи было создано три таблицы. Страны, признаки и связующая эти таблицы — таблица вероятности, где показаны вероятности p+ и p — для признаков различных стран. На каждом, шаге логического вывода рассматривается какой-либо признак из тех, которые еще не рассмотрены, пользователю задается вопрос по поводу этого признака, а затем, в зависимости от ответа, пересчитываются текущие вероятности гипотез, если ответ 'да', то текущая вероятность гипотезы пересчитывается по формуле:

если ответ 'нет' то по формуле:

Для определения того, в каком порядке задавать вопросы вводится оценка свидетельства:

ЦС (j) — характеризует степень влияния данного признака на вероятность гипотезы. На текущем шаге рассчитываются цены свидетельства для каждого признака из числа тех, которые еще не рассмотрены. Затем выбирается признак с наибольшей ценой свидетельства. И система задает вопрос пользователю по поводу этого признака.

Для выбора гипотезы, можно перебрать все признаки и взять гипотезу с максимальной вероятностью, но это не всегда удобно (требуется время), также для выбора гипотезы можно использовать вероятностный коридор, с каждым шагом этот коридор сужается, количество нерассмотренных признаков уменьшается (рисунок 1). С помощью М₁ и М₂ определяем более узкий коридор для увеличения быстродействия (но в этом случае уменьшается точность). Если гипотеза выходит за границы линии М₁, то она отбрасывается как менее вероятная, если же она пересекает линию М₂, то данная гипотеза и будет нашим решением.

Рисунок 2 — вероятностный коридор

Тем не менее для данной системы выбран первый метод, как более точный. Нам важно рассмотреть все признаки чтобы определить оптимальную страну для проживания, так как если не будет учтён хотя бы один признак система можем с большой вероятностью выдать неправильное решение.

Когда ответы пользователя ненадежны (Скорее да, скорее нет), используется следующая формула:

P (H/R (j)) =P (H/j) P (j/R (j)) + P (H/?j) P (?j/R (j))

5. Руководство пользователя

Редактирование базы знаний.

Для редактирования базы знаний пользователь должен выбрать в главном меню программы кнопку «Меня» и выбрать подпункт «Админка»

Рисунок 3 — Вход в редактор БД

После входа в редактор БД появляется новая форма, разделенная на три части: добавление/удаление комплектующих, добавление/удаление признака (вопроса) и расставление вероятности. Первые две части данной формы похожи, в поле для редактирования «Название» следует написать название гипотезы/признака, и выставить её априорную вероятность (для страны) или текст вопроса (для признаков) затем становится доступной кнопка «Добавить» после нажатия на которую гипотеза/признак добавляются в базу знаний.

Что касается третьей части редактора базы знаний, то он состоит из двух полей с выбором, в которых отображены добавленные гипотезы и признаки и два поле для задания числовых значений с определенным шагом которые связывают гипотезу и признак путем добавления в базу знаний значений p+ и p-.

Рисунок 4 — Добавления p+ и p — для признаков гипотезы.

Режим тестирования

В режиме тестирования программа опрашивает пользователя по всем признакам, задавая по вопросу на каждый признак.

Для тогда чтобы начать тестирование пользователь нажимает кнопку «Начать тестирование» и на форме будут появляться вопросы на которые можно ответить «Да», «Нет», «Не знаю» и «Скорее да», «Скорее нет», после ответа пользователю будет предложен следующий вопрос до тех пор пока опрос не будет закончен.

Рисунок 5 — Режим тестирования.

После ответа на все вопросы на форме появится название страны, которое больше всего подходит пользователю. Далее ему следует нажать на появившуюся кнопку «Объяснить решение» .

В появившейся форме мы видим график, на котором видно как по ходу тестирования менялись вероятности трех самых подходящих стран для пользователя, также внизу графика имеется блок объяснения решения, а именно список вопросов и ответы пользователя на них.

Рисунок 6 — Блок объяснения решения

Заключение

Была сделана экспертная система по поиску комплектующих пригодных сборки компьютера пользователя. В системе были реализованы следующие требования: соблюдение технологии инженерии знаний (база знаний должна быть отделена от машины вывода в отдельный блок), система должна предоставлять возможность создания новой базы знаний, позволять редактировать и изменять базу знаний, система осуществлять логический вывод и иметь блок объяснения решений. Модель представления знаний являлась модель с использованием нечетких знаний, реализованный метод — метод Криса-Нейлора. В качестве цели также реализовано закрепление материала по курсам «Методы и средства искусственного интеллекта» и «Системы искусственного интеллекта» .

К аспектам полезности данной системы можно отнести то, что в системе собраны достаточно большие знания эксперта в области компьютерной техники, сохраняя его знания, система приносит пользу, так как может быть тиражирована. Также привлекает и возможность пользователя подходящие детали компьютера, не тратя время на поиск в интернете каких-либо сведений и не разрабатывая свои алгоритмы для определения подходящих деталей.

1. Джексон Питер.

Введение

в экспертные системы. — СПб.: Издательский дом «Вильямс», 2001.

2. Попов Э. В. Экспертные системы 90-х гг. Классификация, состояние, тенденции // Новости искусственного интеллекта. № 2., 1991.

3. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989.

4. Хейес-Рот и др. Построение экспертных систем. Под ред. Хейес-Рота Ф., Уотермана Д., Лената Д. — М.: Мир, 1987.

5. Частиков А. П., Гаврилова Т. А., Белов Д. Л. Разработка экспертных систем. Среда CLIPS. — СПб.: БХВ-Петербург, 2003.

6. Яшин А. М. Разработка экспертных систем. — Л.: ЛПИ, 1990.

7. Гаврилова Т. А., Черевинская К. Р. Извлечение и структурирование знаний для экспертных систем. — М.: Радио и связь, 1992.

8. Шумилина Т. В. Интервью в журналистике. — М.: МГУ, 1973.

9. Информатика. / Под ред. проф. Н. В. Макаровой. — М.: Финансы и статистика, 1998.

10. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. С. — П.: Питер", 2000.