Правила пульсации вниз

Правила пульсации ( RDR ) — это подход к приобретению знаний . Приобретение знаний означает передачу знаний от людей-экспертов в системы, основанные на знаниях .

Вводный материал

Правила пульсации представляют собой поэтапный подход к приобретению знаний и охватывают семейство методов. RDR были предложены Комптоном и Янсеном на основе опыта поддержки экспертной системы GARVAN-ES1 (Комптон и Янсен, 1988). В исходной версии GARVAN-ES1 (Хорн и др., 1985) использовался процесс сбора знаний, основанный на разработке через тестирование, при котором новые случаи, которые были плохо классифицированы системой, добавлялись в базу данных, а затем использовались для постепенного уточнения базы знаний. Добавленные дела, выводы которых противоречили рекомендациям системы, были названы «краеугольными делами». Следовательно, база данных итеративно росла с каждым уточнением знаний. Затем базу данных можно было бы использовать для проверки изменений в знаниях. Инструменты сбора знаний, аналогичные тем, что предоставил Тейресиас, были разработаны для поиска и помощи в изменении противоречивых правил. Инструменты будут отображать правила, применяемые в каждом случае, и предложения по «редактированию» знаний для устранения конфликтов.

В рамках RDR знания человека-эксперта приобретаются на основе текущего контекста и добавляются постепенно. Комптон и Янсен утверждали, что знания эксперта в некоторой степени «придуманы» для того, чтобы оправдать, почему она была права, а не для того, чтобы объяснить, как она пришла к этой правильной интерпретации (или выводу). Обоснование основано на особенностях, выявленных в данном случае. Эксперт создает правило классификации случаев, соответствующих тому или иному контексту. Это правило вряд ли позволит классифицировать все случаи, принадлежащие к этому классу. Комптон и Янсен утверждали, что невозможно создать одно элегантное контекстно-свободное правило, поскольку знание, которое мы передаем, является обоснованием в контексте. Это означает, что не существует абсолютного знания, которое выступало бы в качестве основы для других знаний, поскольку знание истинно только в контексте (Комптон и Янсен, 1990).

Методология

Правила пульсации состоят из структуры данных и сценариев получения знаний. Знания экспертов-людей хранятся в структуре данных. Знания кодируются как набор правил. Процесс передачи знаний экспертов в системы, основанные на знаниях, в RDR объясняется в сценарии приобретения знаний.

Структура данных

Существуют различные структуры правил смещения, например, правила смещения с одной классификацией (SCRDR), правила смещения с множественной классификацией (MCRDR), вложенные правила смещения (NRDR) и колебания с повторяющимся выводом и множественной классификацией. правила отключения (RIMCRDR). Описанная здесь структура данных RDR — это SCRDR, которая является самой простой структурой.

Структура данных аналогична дереву решений . У каждого узла есть правило; формат этого правила: IF cond1 AND cond2 AND ... AND condN THEN заключение. Cond1 — это условие (логическая оценка), например A=1, isGreater(A,5) и среднее(A,">",среднее(B)). Каждый узел имеет ровно два узла-преемника, эти узлы-преемники соединены с узлом-предшественником с помощью «ELSE» или «EXCEPT».

Пример дерева SCRDR (определенного рекурсивно) показан ниже:

ЕСЛИ (OutLook = «СОЛНЕЧНО» И Температура = «ХОЛОДНО») ТОГДА PLAY="ТЕННИС" КРОМЕ ребенка-1 ЕЩЕ Ребенок-2

где Child-1 и Child-2 также являются деревьями SCRDR. Например, Ребенок-1:

ЕСЛИ (Ветер = «ВЕТЕР» И Влажность = «ВЫСОКИЙ») ТО Play="СКВОШ" КРОМЕ NoChild ИНАЧЕ NoChild

Сценарий приобретения знаний

Эксперты-люди предоставляют системе случай и добавляют новое правило, чтобы исправить классификацию неправильно классифицированного случая. Например, для правильной классификации падежа добавлено правило Child-1. [OutLook="СОЛНЕЧНО", Температура="ХОЛОДНО", Ветер="ВЕТРО", Влажность="ВЫСОКИЙ", ForeCast="ШТОРМ", Play="СКВАШ"]. Этот случай ошибочно классифицирован как Play="TENNIS".

Когда правило создается экспертами, условия этого правила должны удовлетворяться неправильно классифицированным случаем, а также НЕ должны удовлетворяться никакими предыдущими случаями, правильно классифицированными родительским правилом (которое в данном контексте является первым правилом).

Реализации

Ниже приведен список известных реализаций RDR:

Альфа-версия RDR (MCRDR) Framework была разработана исследовательской группой Университета Нового Южного Уэльса (UNSW) и Университета Тасмании (UTAS) при финансовой поддержке ARC. ^{[ необходимо определение ]}
Классификатор документов RDR (MCRDR) был разработан доктором Ян Сок Кимом, UNSW и AProf. Пён Хо Кан, UTAS.
Erudine Behavior Engine — это коммерческий программный продукт, в котором RDR используется как часть методологии сбора знаний и моделирования бизнес-процессов. Он реализован на Java.
Механизм дополнительных знаний Балларата (BIKE) — это комплексная реализация с открытым исходным кодом на C++ . Он включает плагины для RDR с одной и несколькими классификациями.
Pacific Knowledge Systems (PKS) использует коммерческий продукт под названием RippleDown Expert, который основан на правилах множественной классификации.
Программное обеспечение Java для интеллектуального анализа данных Weka имеет версию Induct RDR под названием Ridor. Он изучает правила из набора данных с основной целью предсказать класс в тестовом наборе.
Набор инструментов RDRPOSTagger: правила распределения единой классификации для тегов частей речи
Набор инструментов RDRsegmenter: правила распределения единой классификации для сегментации слов

См. также

Ссылки

ДК Нгуен, ДК Нгуен и СБ Фам (2017). «Правила Ripple Down для ответов на вопросы». Семантическая сеть , вып. 8, нет. 4, страницы 511–532. [.pdf]
Д.К. Нгуен, Д.К. Нгуен, Д.Д. Фам и С.Б. Фам (2016 г.). «Надежный подход к обучению на основе преобразований с использованием правил Ripple Down для маркировки частей речи». AI Communications , том. 29, нет. 3, страницы 409–422. [.pdf]
«ЛУЧШИЙ RDR (Правила лучшей экспертной системы с технологией Ripple Down)» . Доступны системы и публикации RDR . Проверено 15 февраля 2013 г.
«Машина дополнительных знаний Балларата» . Введение . Проверено 27 сентября 2010 г.
Р. Дэйзли, П. Уорнер, С. Джонсон и П. Вамплью (2010). «Машина дополнительных знаний Балларата». 11-й международный семинар по управлению и приобретению знаний для интеллектуальных систем и услуг (PKAW 2010) . стр. 195–207. дои : 10.1007/978-3-642-15037-1_17 . {{cite conference}}: CS1 maint: несколько имен: список авторов ( ссылка )
Д. Ричардс (2009). «Два десятилетия исследований RDR». Обзор инженерии знаний . 24 (2): 159–184. дои : 10.1017/S0269888909000241 . S2CID 6183087 .
П. Комптон и Р. Янсен (1988). «Знания в контексте: стратегия обслуживания экспертных систем». Учеб. Вторая австралийская совместная конференция по искусственному интеллекту . стр. 292–306.
П. Комптон и Р. Янсен (1990). «Философская основа приобретения знаний». Приобретение знаний . 2 (3): 241–257. CiteSeerX 10.1.1.31.7340 . дои : 10.1016/S1042-8143(05)80017-2 .
К. Хорн, Л. Лазарус, П. Комптон и Дж. Р. Куинлан (1985). «Экспертная система для интерпретации анализов щитовидной железы в клинической лаборатории». Ауст Комп Дж . 17 :7–11. {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )

Внешние ссылки