Архитектура подсистемы обработки контекстных данных в интеллектуальной системе

Получение сведений из контекста, в частности для решения задач планирования туристических услуг, позволяет усложнить процедуры принятия решений, учесть большее количество факторов, ограничений, улучшив этим качество предоставляемых услуг. Так, например, при формировании пакета услуг можно учесть возраст, пол, состояние здоровья, историю предыдущих заказов, привычки и вкусы клиента, цель поездки. При этом также значительно сокращается объем данных, вводит клиент в форму заказа.

В отличие от подхода к определению контекста предложенного в проекте CONTEXT, определим контекст как часть семантической базы знаний [8]. Это позволит придать системе принятия решений необходимую гибкость.

Рис. 1. Объекты контекста запланированной поездки

Под контекстом будем понимать часть базы знаний, которая определяет, как факты базы знаний связанны с определенным центральным фактом, контекст которого исследуется. Таким центральным фактом в нашем случае является запланированная поездка. Всю информацию, необходимую для принятия решения и планирования поездки, можно получить из контекста этого объекта. В первом приближении поездку можно описать ответами на ряд вопросов (кто, куда, когда, зачем) и таким образом определить первый уровень контекста поездки как набор объектов типов: Турист, Пункт назначения, Время и Цель. (рис. 1). Углубляя уровень детализации контекста, получают информацию о фактах, связанных с конкретным Туристом, Местом назначения, Временным периодом и Целью поездки.

Как правило, для решения конкретной задачи планирования туристических услуг необходимо иметь информацию, которая является частью контекста и которая используется в процедуре формирования пакета услуг. Такие процедуры инкапсулируют знания опытного эксперта-туроператора. Они и определяют, какие конкретно данные из контекста необходимо получить. Формализованные и документированные процедуры принятия решений туроператором будем называть моделями принятия решений. По сравнению с подходом Дж. Кардосо, контекст прорабатывается не вручную, клиентом, а программно — агентом, отражающим действия и знания эксперта-туроператора. Это позволяет документировать знания туроператора, многократно использовать их, предлагать альтернативные подходы к решению той же задачи и т. п.

Модели, используемые в интеллектуальной системе разделим на следующие группы по их назначению и ролями, которые они играют в процессе решения задач:

• *функциональные — выполняют функции туроператора, такие как обслуживание запроса, планирование поездки, предоставление информации, анализ, прогнозирование, формирование пакета услуг и др.;
• *вспомогательные — обеспечивают функционирование самой системы. Такими моделями являются модели координации ресурсов, оценки трудоемкости выполнения работ, планирования работы системы и др.;
• *рабочие — модели, которые отражают состояние действующего пакета услуг в реальном времени. Они используются для перепланировки пакета услуг в случае необходимости, оценки стоимости пакета, отслеживания процесса выполнения пакета и реагирования на непредвиденные события.

Рис. 2. Структурная схема интеллектуальной системы

Интеллектуальная система, сохраняет информацию в локальной базе знаний (рис. 2). Все знания являются семантически интерпретированными, то есть фактами определенной онтологии. Онтология занимает центральное место в архитектуре интеллектуальной системы, ведь модели принятия решений также формулируются на основе классов онтологии и оперируют фактами из базы знаний. Модели принятия решений хранятся в репозитории моделей. Одна из моделей (модель обработки запросов) постоянно активирована и обслуживает поступающие запросы пользователей. Эта модель анализирует и интерпретирует запрос и при необходимости активирует другие модели из репозитория.

Если контекстной информации для принятия решения не хватает, система обращается к внешним источникам контекстных данных. Определенные сложности в получении контекстных данных заключаются в том, что эти данные находятся в разных источниках, которые имеют разных владельцев и в общем случае различные форматы представления данных и различные онтологии. Такими источниками, например, являются базы данных контрагентов, базы данных и сайты провайдеров услуг. Задачи консолидации данных, согласование форматов и онтологий являются отдельными научными проблемами и в нашей работе не рассматриваются.