Scientific journal
Modern problems of science and education
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 0,931

CHOICE A FORMAL REPRESENTATION KNOWLEDGE IN ONTOLOGY OF WARP KNITTING FABRICS

Кочеткова О.В., Эпов А.А., Казначеева А.А.
В статье рассмотрены базовые модели представления знаний в интеллектуальных системах. Произведен сравнительный анализ моделей предметной области. Осуществлен выбор формального представления знаний в онтологии трикотажа основовязаных переплетений.
In article base models of knowledge representation in intelligent systems are considered. The comparative analysis models of representation is made. Choice a formal representation of knowledge in ontology of warp knitting fabrics is carried out. Keywords: models of knowledge representation, ontology, warp knitting fabrics.

Представление знаний в области проектирования учебно-исследовательских САПР трикотажа основовязаных переплетений (УИ САПР ТОП) - это выражение на некотором формальном языке свойств большого количества различных объектов и закономерностей их отношений, важных для решения следующих задач [1]: 1) исследование методов и приемов художественного конструирования трикотажного полотна; 2) проектирование альтернативных данных для оптимального воспроизведения узора, параметров структуры и свойств трикотажа; 3) опытное воспроизведение трикотажа согласно расчету; 4) подготовка технико-экономической документации и методики автоматизированного управления качеством продукции.

Для повышения эффективности решения поставленных задач и одновременно упрощения компьютерной обработки моделей и компонентов в качестве инструментария для формальной спецификации понятий и отношений, характеризующих определенную область знаний экспертов, нами используется онтологический подход. В инженерии знаний под онтологией понимается детальное описание некоторой предметной области, которое используется для формального и декларативного определения ее концептуализации. Основная задача онтологического подхода состоит в том, чтобы облегчить пользователю поиск информации в большом наборе ресурсов путем систематизации знаний, создания единой иерархии понятий, унификации терминов и правил интерпретации.

На сегодняшний день известен ряд базовых моделей представления знаний и их модификаций. Это - представление с помощью продукционных моделей, исчислений предикатов (формально-логические модели), семантических сетей, фреймов. Анализ этих моделей с точки зрения их дальнейшего использования в построении онтологии ТОП позволяет получить необходимые практические рекомендации для проектирования.

На основании многочисленных исследований [2-6] в табл. 1 произведено сравнение моделей представления знаний по следующим характеристикам: уровень сложности элемента знаний; универсальность для различных предметных областей; естественность и наглядность представления знаний при использовании; размерность модели по объему памяти, необходимому для хранения элемента модели; особенности разработки системы на основе модели.

Таблица 1

Сравнительные характеристики моделей представления знаний 

Виды

моделей

Уровень сложности элемента знаний

Универсальность

Естественность и наглядность

Размерность

Особенности разработки

Продукционные модели

1. Работают с простейшими составляющими знания - факторами и правилами.

2. Ориентированы на простые, однородные и хорошо формализуемые предметные области.

1. Универсальны для разных предметных областей, кроме областей, описывающих специальные знания.

1. Обладают:

а) строгой формой и модульностью;

б) свойством независимости продукций;

в) легкостью модификации базы знаний;

г) простотой механизма логического вывода;

д) отличием от структур знаний, свойственных человеку.

1. Занимают малый объем памяти, необходимый для хранения элемента знаний модели-конструкции если-то.

1. Сложность и громоздкость структуры базы данных.

2. Значительные затраты времени на построение цепочки вывода.

3. Невозможность эффективно описать правила с исключениями.

4. Сложность проверки непротиворечивости системы.

5. Сложность оценки целостного образа знаний.

Формальные логические модели

1. Работают с простейшими составляющими знания - факторами и правилами.

2. Являются удобным средством для строгого построения моделей, описывающих конкретные предметные области.

3. Предъявляют высокие требования и ограничения к предметной области.

2. В промышленных интеллектуальных системах практически не используются.

1. Обладают:

а) свойством формализованности;

б) простотой представления логических взаимосвязей между фактами;

в) простотой механизма логического вывода.

1. Занимают малый объем памяти в силу простоты логических взаимосвязей между фактами и правилами.

1.Трудность в реализации динамичности системы, что приведет к сложности вычислений.

Семантические сети

1.Обладают способностью графически описывать объекты (процесс, состояние, какая либо сущность) предметной области.

2. Ориентированы на простые и хорошо формализуемые предметные области.

1. Универсальны для разных предметных областей.

1. Обладают:

а) наглядностью представления знаний как системы;

б) структурированностью;

в) сложностью вывода, связанного с поиском подграфа, соответствующего запросу;

г) неудовлетворительной способностью объяснить свои решения.

1. Занимают значительный объем памяти.

1. Возможность организации иерархической структуры.

2. Возможность наследования свойств.

3. Легкость добавления, удаления и сравнения дуг и узлов.

Фреймы

1. Обладают высоким уровнем абстрагирования.

2. Способны описывать метазнания и формировать на их основе новые знания.

3. Эффективны для структурного описания сложных понятий.

1. Универсальны за счет существования фреймов-понятий, фреймов-событий, фреймов-ситуаций, фреймов-ролей, фреймов-сценариев.

1. Отражают концептуальную основу организации памяти человека.

2. Обладают гибкостью и наглядностью в формализации экспертных знаний о предметной области.

3. Имеют:

а) внутреннюю интерпретацию и внутреннюю структуру связи;

б) возможность использования предположений и ожиданий.

1. Занимают значительный объем памяти, однако размерность фреймовых моделей значительно ниже, чем семантических сетей.

1. Иерархическая организация общих и частных понятий.

2. Удобство хранения данных за счет возможности связи с базой данных.

3. Достоинства по отношению к реляционной базе данных.

4. Наличие механизма наследования свойств.

5. Наличие во многих языках программирования специальных функциональных структурных единиц обладающих основными функциями фреймов.

6. Возможность легкого перехода к сетевой модели.

Анализ таблицы показывает, что фреймовая модель представления знаний наиболее подходит в качестве формального построения онтологии, поскольку позволяет специалисту в рамках стандартной модели описать все многообразие своих знаний о проектировании ТОП.

Фреймы дают возможность специалисту самостоятельно развивать и поддерживать модель знаний предметной области, не привлекая для этого аналитиков и программистов. С их помощью можно легко проверить полноту, согласованность и непротиворечивость представления сложной семантики области проектирования ТОП.

Использование фреймов в качестве основной структуры данных, хранящей понятия о типичных объектах и событиях, широко распространено в практике создания приложений искусственного интеллекта благодаря развитию методов объектно-ориентированного программирования. Практически во всех современных языках программирования появились специальные структурно-функциональные единицы (объекты, классы), обладающие основными признаками фреймов. Таким образом, представления знаний на основе фреймовой модели, особенно эффективно для структурного описания сложных понятий и решения задач.

Исходя из полученных рекомендаций относительно выбора модели представления знаний, в Камышинском технологическом институте проводятся работы по созданию интеллектуальной УИ САПР ТОП на основе фреймовой модели, интеллектуальным ядром которой является онтология. Разработка онтологии осуществляется в программной среде Protégé и базируется на следующих классификационных признаках: виды переплетений основовязаного трикотажа, необходимые условия их получения, рисунчатые эффекты, оборудование для производства, сырье. В зависимости от условий поиска данная онтология может выводить интересующую информацию о видах и характеристиках ТОП, выполненных на различных видах основовязального оборудования.

Список литературы:

  1. Кочеткова О.В., Казначеева А.А. Формирование требований к учебно-исследовательским САПР трикотажа. Материалы V всероссийской конференции «Инновационные технологии в обучении и производстве» / КТИ ВолгГТУ. - 2008, с. 176-179.
  2. Hammond P. Logic programming for expert systems // M. Sc. Thesis. Dept. of Computing. Imperial College, Univ of London, England, 1980.
  3. Вудс У.А. Основные проблемы представления знаний // ТИИЭР. - 1986. - Т. 74. - № 10. - С. 32-47.
  4. Минский М. Фреймы для представления знаний. - М.: Мир, 1979.
  5. Скрэгг Г. Семантические сети как модели памяти // Новое в зарубежной лингвистике. - М.: Радуга, 1983. - Выпуск 12. - С. 228-271.
  6. Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры. - Пер. с англ. - М.: Финансы и статистика, 1986.