روشهاي بازنمايي دانش

دانش زياد دانش درجه انتزاع اطلاعات داده ها کم کيفيت

منابع دانش مستندات (کتاب،راهنماها،...) غير مستندات (در ذهن مردم،از ماشين ها،...) کسب دانش از پايگاه داده هاي موجود کسب دانش از اينترنت

سطوح دانش دانش سطحي (Shallow Knowledge) دانش عمقي(Deep Knowledge) برخي روش هاي ارائه دانش از قبيل شبکه هاي معنايي و فريمها امکان پياده سازي استدلال در سطح عميق(انتزاع و قياس) را ميسر مي کنند.

انواع دانش دانش اعلاني(Descriptive knowledge) دانش رويه اي(Procedural Knowledge) فرا دانش(Meta Knowledge)

دانش اعلاني يک ارائه توصيفي از دانش است که: در اظهارات علمي بيان مي شود سطحي است با اهميت است دانش توصيفي در ارتباط با يک شئ خاص است مرحله ابتدايي در يادگيري دانش مي باشد

دانش رويه اي دانش رويه اي به رويه هايي که در فرايند حل مسئله به کار گرفته شده اند مرتبط است ترتيب قدم به قدم و چگونگي انجام را شامل مي شود ممکن است شامل توضيحات باشد پاسخ هاي خودکار را شامل مي شود ممکن است چگونگي استفاده از دانش سطحي و چگونگي استنباط کردن را بگويد

فرا دانش دانشي در رابطه با ساختار، جايگاه و مشخصات دانش موجود

باز نمايي دانش دانش اکتساب شده جهت محاسباتي شدن سازمان دهي مجدد ميگردد. هدف از بازنمايي دانش، تغيير syntax با کامل نمودن معني است. يک باز نمايي خوب، دانش را به صورت طبيعي در دامنه مسئله ارائه مي دهد.

بازنمايي منطقي (Logical Representation)- در مرتبه اول به جبر،prolog و دانش اعلاني اطلاق مي شود باز نمايي رويه اي(Procedural Representation)- يک مجموعه از دستورالعمل ها براي حل يک مسئله مثل يک سيستم فروش بازنمايي شبکه اي(network Representation)- دانش در يک ساختار گرافي قرار دارد مثل وابستگي مفهومي و گراف هاي مفهومي که آنها را در اين فصل مطالعه مي کنيم باز نمايي ساختاري(structural Representation)- يک بسط از شبکه مثل اسکريپت ها و فريم ها که در اين فصل آنها را مطالعه خواهيم کرد

باز نمايي منطقي فرم کلي از هر پردازش منطقي ورودي ها فرض هاي منطقي فرضيات منطقي براي توليد خروجي و نتيجه گيري به وسيله پردازش منطقي استفاده شده اند (استنباط) حقايق مي توانند براي مشخص کردن حقايق جديد که صحيح اند استفاده شوند.

منطق نمادين سيستم قوانين و رويه ها که استنباط از فرضيات منطقي را اجازه مي دهد. فرم هاي اساسي منطق محاسباتي: منطق گزاره اي (Propositional Logic) منطق گزاره نما(Predicate Knowledge)

منطق گزاره اي گزاره عبارتي است که صحيح يا غلط است. قوانيني براي مشخص کردن صحيح يا غلط بودن يک گزاره جديد استفاده مي شوند.

گزاره نما يک عبارت را به قسمت هاي جزئي مي شکند جبر گزاره نما گزاره نما يک عبارت را به قسمت هاي جزئي مي شکند جبر گزاره نما از متغير ها و توابع متغير در يک عبارت نمادين منطقي استفاده مي کند. جبر گزاره نما پايه prolog است (برنامه نويسي در منطق). مثال هاي عبارات prolog : Likes(jay,chocolate)

ليست ها مجموعه اي از عناصر مرتبط به صورت طبيعي براي ارائه سلسله مراتبي دانش استفاده مي شوند. اشياء بر اساس درجه يا ارتباط گروه بندي يا مدرج مي شوند.

درخت هاي تصميم گيري به درخت هاي تصميم گيري در تئوري تصميم گيري شبيه هستند ميتوانند فرايند يادگيري دانش را ساده کنند. ارايه دانش به صورت دياگرام

سه تايي O-A-V اشياء،صفات و مقادير. اشياء مي توانند فيزيکي يا مفهومي باشند. صفات مشخصه اشياءاند. مقادير اندازه خاص صفات اند.

نمايش آيتم هاي O-A-V

شبکه هاي معنايي شبکه هاي معنايي به وسيله Quilian در قبل از 1960 براي ارائه دانش به عنوان يک شبکه از تخصيصات ارائه شده اند. به وسيله link هاي زير سوالات ساده مي تواند پاسخ داد شود.

شبکه هاي معنايي نما يش گرافيکي از دانش. گره ها و لينک ها ارتباطات سلسله مراتبي بين اشياء را نشان مي دهند. گره ها: اشياء. لينک ها : ارتباطات Is-a Has-a

شبکه هاي معنايي مي توانند وراثت را نشان دهند. شبکه هاي معنايي – ارائه بصري از ارتباطات. مي توانند با ساير روش هاي نمايش ترکيب شوند.

مثالي از شبکه هاي معنايي Human Being Is a Boy Is a Is a Needs Goes to Woman Joe School Is a Food Has a child Kay

گراف هاي مفهومي (Conceptual Graphs) - ساختار گراف لينکها برچسب ندارند. گره ها ارتباطي مفهومي بين مفاهيم ارائه شده اند. در ترسيم، مفاهيم در جعبه ها و ارتباطات مفهومي در بيضي ها نمايش داده مي شوند. مفاهيم ممکن است حقيقي باشند (بچه،سگ،...) يا مجازي(عشق،زيبايي،...).

انواع ارتباطات مثالي از ارتباطات يک،دو و سه تايي

گراف يک جمله در يک وابستگي مفهومي فعل يک نقش مرکزي در ساختار را نمايش مي دهد.فعل “give” دراين جمله يک عامل، يک شئ و يک گيرنده دارد.

تمرين گراف مفهومي زير چه دانشي را نمايش مي دهد:

انواع و انحصارات فردي در مورد اول نوع سگ است و انحصار فردي آن emma . يک سگ مشخص شده اما بدون نام، با يک شماره نمايشي از يک سگ مشخص شده به وسيله # و اضافه کردن يک ارتباط مفهومي براي نام

نام هاي درخت نامش McGill بود و خودش را Lil صدا مي زد اما همه او را با Nancy مي شناختند. هنرمند کي بود؟ نام آواز چه بود؟

عموميت و تخصيص (Generalization and Specialization)

اتصال مفاهيم اگر دو گراف شامل يک نود يکسان باشند مي توانند به هم متصل شوند. در زماني که گراف برآيند ازگراف اصلي خاص تر است اتصال به هم نوعي محدوديت است.

ساده سازي اتصال دو گراف ممکن است منتج به نتايج تکراري شود. اتصال دو گراف ممکن است منتج به نتايج تکراري شود. عملگر ساده سازي باعث حذف اطلاعات تکراري مي شود. براي رفع ابهام مورد استفاده قرار مي گيرد.

وراثت وراثت يک فرم از عموميت دادن است. عموميت دادن تضمين نمي کند که گراف برآيند صحيح است حتي اگر گراف هاي اصلي صحيح باشند.

گره هاي گزارهاي فعل “believes” يک گره گزاره اي مي گيرد همانطور که يک شئ است.

تمرين گراف مفهومي زير چه چيزي را نشان مي دهد.

گراف هاي مفهومي و منطق گراف هاي مفهومي در قابيلت نمايش دانش با جبر گزاره نما معادلند.

الگوريتمي براي تبديل يک گراف مفهومي به جبر گزاره نما: 1) هر متغيير يکتا ي x1,x2,…,xn به هر يک از n مفهوم عمومي در g نسبت دهيد . 2)يک ثابت يکتا به هر مفهوم فردي در g نسبت دهيداين مفهوم ممکن است به سادگي نام يا علامت دهنده اي که براي نمايش استنباط مفهومي استفاده شده است باشد . 3)هر نود مفهومي را به وسيله يک گزاره نماي يکتا با همين نام نشان دهيد به عنوان نوعي که آرگومان متغيير يا ثابت نسبت داده شده به آن نود. 4)هر ارتباط مفهومي n تايي در g را به عنوان يک گزاره نماي n تايي که نام آن نام همين ارتباط است را نشان دهيد.هر آرگومان گزاره نما که متغيير يا ثابت نسبت داده شده به نود مفهومي مطابقت داده شده باشد که به آن ارتباط متصل است را قرار دهيد. 5)اتصال همه جملات اتمي که تحت 3و4 تشکيل شده اند را برقرار کنيد. اين بدنه عبارت جبر گزاره نمايي است.

قوانين جفت هاي شرط – عمل اگر اين شرايط اتفاق بيافتد سپس بعضي از اعمال اتفاق خواهد افتاد يا بايد بيافتد. اگر چراغ توقف قرمز باشد و شما ايستاده باشيد آنگاه گردش به راست صحيح است.

شکل قوانين If condition then conclusion conclusion,if premise

قوانين دانش و استنتاج انواع متداول قوانين: قوانين دانش يا قوانين اعلاني همه وقايع وارتباطات درباره يک مسئله را شرح مي دهد. قوانين استنتاج يا قوانين رويه اي که چگونگي حل يک مسئله را توصيه مي کنند قوانيني درباره قوانين (meta rules). قوانين دانش در پايگاه دانش ذخيره شده اند. قوانين استنتاج قسمتي از موتور استنتاج مي شوند.

مزاياي قوانين فهم ساده اي دارند (فرم طبيعي دانش). استنتاج و توضيح آن ها ساده است. تغيير و حفظ آنها ساده است. ترکيب آن ها با چيز ها ي نامعلوم ساده است. قوانين غالبا مستقل اند.

محدوديت هاي قوانين دانش پيچيده نيازمند قوانين زيادي است. سازندگان قوانين را دوست دارند. (hammer syndrome) محدوديت هاي جستجو در سيستم هاي با قوانين زياد.

مشخصه ارائه قوانين

فريم ها تعريف و ديد کلي فريم: ساختمان داده اي است که کليه دانشها درباره يک شئ خاص را شامل مي شود . دانش در يک ساختار سلسله مراتبي سازمان يافته است. قالبي براي برنامه نويسي شئ گرا

اصطلاحات فريم

اجزاء يک فريم اطلاعاتي که فريم مشخص مي کند. ارتباط اين فريم با ساير فريم ها. توصيف کننده نيازمنديها براي هماهنگي فريم: به عنوان مثال يک صندلي ارتفاعي بين 20 تا 40 سانتي متر از کف دارد،پشت آن از 60 سانتي متر بلندتر است و ... اطلاعات رويه اي: فريم ها توانايي اتصال کد رويه اي به Slot را دارند. اطلاعات پيش فرض فريم اطلاعات نمونه جديد: Slot هاي فريم ممکن است به صورت نامشخص جا گذاشته شوند تا وقتي که مقاديري براي يک نمونه خاص داده شوند يا تا آنها براي بعضي جنبه هاي حل مسئله لازم باشند.

قابليت هاي فريم توانايي آشکار کردن اطلاعات مستند درباره يک مدل دامنه اي.به عنوان يک مثال قطعات ماشين و صفات تخصيصي آنها. توانايي محدود کردن مقادير مجاز که يک صفت مي تواند بگيرد. پيمانه اي بودن اطلاعات،تسهيل اجازه توسعه و نگهداري سيستم. مکانيزمي که امکان محدود کردن حقايق در طول زنجيره رو به عقب يا رو به جلو را ميسر مي کند . دستيابي به مکانيزمي که وراثت اطلاعات را در يک سلسله مراتب کلاس پشتيباني مي کند.

وراثت

وراثت (2)

وراثت (3) يک کلاس جديد براي حل مجدد ابهام.

انتقال پذيري زير کلاس ها يک مسئله: پنگوئن ها پرواز نمي کنند. يک کلاس از پرنده اي که پرواز نمي کند توليد مي شود. نتايج در ساير زير مسئله ها: اگر زير کلاس ها انتقال پذير باشند ما استنباط مي کنيم که يک پنگوئن يک پرنده است. يک لينک اضافي مسائلي باوراثت چند گانه را توليد مي کند.

خلاصه اي از فريم ها فريم ها دانش را در داخل ساختار هايي سازمان مي دهند. رويه ها مي توانند به فريم ها متصل شوند فريم ها وراثت کلاس را پشتيباني مي کنند. فريم ها مي توانند دانش پيش فرض را اعمال کنند. در اصل فريم ها شبکه هاي معنايي را به وسيله مهيا کردن سازمان و ساختار توسعه مي دهند.

اسکريپت ها عناصر : شرايط ورود: اين شرايط بايد قبل از حوادثي که در اسکريپت مي تواند اتفاق بيافتد برآورده شده باشد. وسائل صحنه نمايش: نمايش اشياء اسلات ها که شامل حوادث مي باشند. نقش ها: اشخاصي که در حوادث هستند. دنبال کردن: تغيير در اسکريپت. صحنه نمايش: ترتيبي از حوادث که ممکن است اتفاق بيافتد.حوادث در فريم هاي وابستگي مفهومي ارائه شده اند.

اسکريپت رستوران

اسکريپت دزدي

مزايا و معايب مزايا: توانايي پيشگويي حوادث. معايب: عموميت نسبت به فريم ها کمتري دارند. ممکن است براي ارائه همه انواع دانش ها مناسب نباشند.

ارتباطات اساسي وابستگي مفهومي

نکات اضافي : مسير وابستگي را نشان مي دهد. <=>:ارتباط فعل عامل را نشان مي دهد. P : زمان گذشته را نشان مي دهد. INGEST :يک عمل اوليه از تئوري است. O : ارتباط اشياء. D : مسير اشياء در فعاليت را نشان مي دهد. F :آينده. T : گذر. K : در حال ادامه دادن. Ts : شروع گذر. ؟ : پرسشي. Tf : اتمام گذر. C : شرطي. /: منفي. Nil : حاضر. Delta? : نداشتن زمان.

اعمال اوليه ATRANS : گذر يک ارتباط.(give) PTRANS : گذر محل فيزيکي از يک شي.(go) PROPEL : اعمال نيروي فيزيکي به يک شئ.(push) MOVE : حرکت قسمتي از بدن به وسيله خودش.(kick) GRASP : گرفتن يک شئ به وسيله يک اکتور.(grasp) INGEST : قورت دادن يک شئ به وسيله يک حيوان.(eat) EXPEL : بيرون انداختن از بدن يک حيوان.(cry) MTRANS : گذر اطلاعات ذهني.(tell) MBUILD : به صورت ذهني ساخت اطلاعات جديد.(decide) CONC : به صورت مفهوم درآوردن يا فکر کردن درباره يک نظر.(think) SPEAK : توليد صدا.(say) ATTEND : تمرکز دادن عضو حسي.(listen)

مثال

تمرين ديا گرام جمله زير را ترسيم کنيد: - John يک طرح براي new york گرفته است. - John تعجب کرد که چه کسي پنير را خورده است.

مثال هاي بيشتر

ملاحظات براي ارزيابي يک بازنمايي دانش طبيعي بودن ،يکنواخت بودن و قابليت فهم. درجه گذاري براي اينکه کدام دانش صريح تر است يا اينکه در کدام رويه جا سازي شده است. پيمانه اي بودن و ثابت بودن يک پايگاه دانش. راندمان بازيابي دانش و قدرت اکتشافي رويه استنتاج کننده.

هيچ روش باز نمايي دانش به تنهايي براي همه کارها مورد استفاده قرار نمي گيرد. بازنمايي دانش چند گانه: هر چيزي براي يک زير وظيفه متفاوت مناسب است.

بازنمايي دانش چند گانه قوانين + فريم ها. ساير. بازنمايي دانش بايد موارد زير را پشتيباني کند: کسب دانش. بازيابي دانش. استنتاج.

سيستم Cyc تلاش براي ارائه يک دانش حسي. فرضيات محکم: هوشمندي يک مقدار وسيع از دانش را نياز دارد. نيازمند يک پايگاه دانش بزرگ است. Cyc در همه اوقات به عنوان يک پايگاه از يک واقعيت که مورد قبول عام است توسعه مي يابد. دانش پس زمينه به وسيله يک آمريکايي به دست آمد. بعضي کاربردهاي اقتصادي که بر اساس بخشي از Cyc پايه ريزي شده اند وجود دارد.