Адаптивные информационные системы

Введение

Большинство автоматизированных информационных систем работают по жёстко запрограммированным алгоритмам. Но существуют такие предметные области  и задачи автоматизации, в которых  использование данного принципа создания автоматизированной системы  не является оптимальным. Как правило, данные предметные области (задачи автоматизации) имеют сложную структуру, которую трудно алгоритмизировать. В них происходят частые изменения, которые могут затрагивать как бизнес-процессы, так и значения некоторых данных, участвующих при выработке решений. Поэтому при необходимости изменить какой-либо бизнес-процесс системы нужно прибегать к помощи программистов, которым приходится анализировать большие объёмы кода, даже если эти изменения несущественны. Примерами таких предметных областей могут служить области, связанные с системой управления вузом [1, 2], системой управления персоналом, экономикой и т.д.

В предметных областях, которые постоянно развиваются, возникает потребность в адаптивных информационных системах. Адаптивные информационные системы должны удовлетворять двум главным требованиям:

a) адекватно  отражать знания о предметной  области в каждый момент времени; 

b) быть пригодными  для лёгкой и быстрой реконструкции  при изменении предметной области  [3].

Адаптивные свойства информационных систем обеспечиваются за счёт интеллектуализации их архитектуры. Ядром таких систем является постоянно развиваемая модель предметной области, поддерживаемая в специальной базе знаний.

Таким образом, при разработке адаптивной информационной системы целесообразно разделить её функции на два типа:

a) функции, которые  легко алгоритмизировать (обработка  и отображение данных);

b) функции, которые  можно отнести к интеллектуальным (функции принятия решений).

В соответствии с этим, адаптивную информационную систему можно разделить на две части:

a) подсистема  обработки, хранения и отображения  данных;

b) интеллектуальная  подсистема.

В результате адаптивная информационная система имеет две  независимые подсистемы, которые  взаимодействуют друг с другом.

Преимущество  такой адаптивной информационной системы  состоит в том, что можно редактировать  базу знаний и влиять на работу системы  в целом (изменять критические алгоритмы  или данные, которые участвуют  при выборе решения). Структура интеллектуальной части системы является универсальной и не зависит от её наполнения. Следовательно, эту часть системы можно использовать в разных адаптивных информационных системах без каких-либо изменений.

1 Структура адаптивной  информационной системы

Структура адаптивной информационной системы представлена на рис. 1.

Подсистема обработки  данных состоит из базы данных и  приложения, взаимодействующего с ней. Приложение взаимодействует также  с пользователем, получая от него команды, и запускает соответствующие  процессы по обработке данных, которые содержат обращения к интеллектуальной подсистеме. Приложение взаимодействует с интеллектуальной подсистемой, когда необходимо выполнить действие, связанное с принятием определённого решения, или необходимо получить информацию, хранящуюся в базе знаний.

Рис.1. Структура  адаптивной информационной системы 

Приложение вызывает соответствующий Web-сервис и передаёт ему данные, описывающие текущее состояние системы, и запрос, который должна выполнить интеллектуальная подсистема. С помощью Web-сервисов реализуется механизм логического вывода, а каждый Web-сервис реализует решение определённого класса задач. Web-сервис ищет решение (ответ на запрос) на основе входных данных и информации, хранящейся в базе знаний. Затем, ответ передаётся приложению, которое использует его для дальнейшего выполнения процесса обработки данных.

Преимуществом Web-сервисов является то, что они позволяют использовать различные средства для разработки приложения и базы данных. В этом случае интеллектуальная подсистема не зависит от практической реализации подсистемы обработки и хранения данных, т.к. обмен информацией между ними происходит с использованием языка XML, который в настоящее время широко используется для интеграции разнородных систем.

На схеме, представленной на рис. 1, база знаний представляет собой  специально спроектированную базу данных. В ней хранится информация о фактах и правилах предметной области, а также структурная информация, описывающая интерпретацию фактов.

Заполняется и  редактируется база знаний через  «Модуль редактирования и просмотра  БЗ». Через этот модуль осуществляется доступ к БЗ инженера по знаниям. Также  в функции данного модуля входит контроль непротиворечивости системы правил и контроль правильности ввода новых знаний.

2 Выбор модели представления  знаний

Выбор способа  представления знаний в интеллектуальной системе является ключевым моментом разработки. С точки зрения человека, желательно, чтобы описательные возможности используемой модели были как можно выше. С другой стороны, сложное представление знаний требует специальных способов обработки (усложняется механизм вывода), что затрудняет проектирование и реализацию интеллектуальной подсистемы [3].

Существуют четыре основные модели описания знаний: логические модели, сетевые модели, продукционные  модели и фреймовые модели. Каждая из этих моделей имеет свои достоинства  и недостатки.

Сетевая модель является наиболее общей моделью представления знаний. Но такая универсальность имеет и негативную сторону. Если допускать в сетевой модели произвольные типы отношений и связей, не являющихся отношениями в математическом смысле (например, ассоциативные связи), то резко возрастает сложность работы с такой моделью [4]. Также построение сетевой модели зависит от взгляда на проблему самого разработчика. Поэтому разные инженеры по знаниям могут спроектировать разные модели одной предметной области, что может сказываться негативно на реализации процедур обработки знаний.

Во фреймовых  моделях соединены основные особенности  моделей перечисленных типов. Но в отличие от них, во фреймовых  моделях фиксируется жёсткая  структура информационных единиц [4]. Это существенно снижает гибкость такой модели.

Логические модели предназначены  для использования в исследовательских  системах, и основной их задачей  является доказательство теорем и организация  вывода в логике. К недостатку этих моделей относится то, что они  предъявляют высокие требования к качеству и полноте знаний о предметной области [3].

Продукционные модели наряду с фреймами являются наиболее популярными  средствами представления знаний. Продукции, с одной стороны, близки к логическим моделям, что позволяет организовать на них эффективные процедуры вывода, а с другой стороны, отражают знания более наглядно, чем классические логические модели [5].

Продукционные модели имеют, по крайней мере, два недостатка. При большом числе продукций  становится сложной проверка непротиворечивости системы правил. Это заставляет при добавлении новых продукций тратить много времени на проверку непротиворечивости полученной системы. Из-за присущей системе недетерминированности (неоднозначного выбора выполняемой продукции из множества активизированных продукций) возникают принципиальные трудности при проверке корректности работы системы [4].

Каждой модели представления  знаний отвечает свой язык. Однако на практике при разработке системы редко  удаётся обойтись рамками одной  модели представления знаний за исключением самых простых случаев [3].

Для реализации базы знаний адаптивной информационной системы  можно выбрать сочетание продукционной  и логической моделей. Совместное использование  этих моделей представления знаний обладает рядом преимуществ:

a) снижаются требования к качеству и полноте хранящихся знаний;

b) увеличивается эффективность  обработки продукций; 

c) увеличивается наглядность  представления знаний, т.к. подавляющая  часть человеческих знаний может  быть записана в виде продукций. 

3 Структура базы знаний, использующая логическую и продукционную модели

3.1 Логическая структура  базы знаний

Логическая структура  базы знаний, использующая логическую и продукционную модели, приведена  на рис.2.

Рис.2. Логическая структура  базы знаний, использующая логическую и продукционную модели

В базе знаний можно  выделить три основные части:

a) база правил;

b) предикатная база данных;

c) логический блок.

Для описания базы правил или  модели данных воспользуемся следующими понятиями.

Классам сущностей предметной области отвечают сорта (или типы), т.е. имена сортов интерпретируются как классы сущностей

Сигнатурой называется множество S выражений вида

(1)

где A_j, B – сорта, а f – функция.

Сигнатура задаёт структурные связи между понятиями  предметной области, представленные предикатами  и функциями. Логические связи между этими понятиями задаются формулами в этой сигнатуре (интерпретирующая сигнатуру структура). Структурные и логические связи выражают некоторое знание о предметной области.

Таким образом, все формулы строятся на основе сигнатуры S. Произвольная формула составляется из атомарных формул (атомов) с использованием логических связок ù, Ù. Ú, ® и кванторов " и $. Атомы составляются из термов (переменная, принимающая значение из сорта А), предикатных символов и символа равенства. Всякая входящая в атом переменная считается свободной в этом атоме. Если при составлении формулы используются кванторы, то переменные, с которыми они используются, считаются связанными.

Пусть Q – логическая модель предметной области. Тогда Q состоит  из двух частей: Q^ï и Q^{| |}, которые описывают соответственно структурные свойства предметной области и логические её свойства. В нашем случае Q^ï есть сигнатура S, а Q^ïï есть совокупность замкнутых формул (т.е. формулы, не включающие свободные переменные), записанных в сигнатуре S. Часть Q^ïï служит для представления ограничений, которым удовлетворяют сущности и отношения предметной области, закономерностей, описывающих поведение сущностей [4].

Если из Q^ïï отдельно записать правила, по которым можно проверять истинность новых утверждений, то можно предложить разбиение логической модели предметной области Q на три части: Q^ï, Q^ïï и Q^ïïï. При этом в Q^ïï останется описание только ограничений, которым удовлетворяют сущности и отношения предметной области, а в Q^ïïï мы будем записывать продукционные правила.

Предикатная база данных (рис. 2) хранит факты о предметной области (атомарные константные формулы), которые используются системой продукций Q^ïïï. Набор типов фактов определяется Q^ï, а правильность их написания – Q^ïï. Факты отражают знания эксперта о предметной области, которые всегда являются истинными, как правило, это какие-либо постоянные связи или значения термов.

Логический блок содержит основные алгоритмы работы с фактами  и правилами, а также механизмы  логического вывода и средства взаимодействия с внешним миром. Данный блок принимает входные факты и запросы, проверяет, соответствуют ли переданные факты хранящейся в базе знаний логической модели предметной области, осуществляет логический вывод, исходя из входного запроса, а также формирует результат выполнения этого запроса.

3.2 Структура продукционных  правил

В общем виде под продукцией понимается выражение  следующего вида:

Здесь i – имя продукции, с помощью которого данная продукция выделяется из всего множества продукций. В качестве имени может выступать некоторая лексема, отражающая суть данной продукции, или порядковый номер продукции в их множестве. На основании имени можно строить деревья вывода.

Элемент E характеризует сферу применения продукции. Такое разделение правил похоже на запоминание человеком информации. Наши знания, как бы «разложены по полочкам». Разделение знаний на отдельные сферы позволяет экономить время на поиск нужной продукции.

Основным элементом  продукции является её ядро: А Þ В (ЕСЛИ А ТО В). Продукция может истолковываться в обычном логическом смысле как знак логического следования В из истинного А (если А не является истинным выражением, то о В ничего сказать нельзя). Но в нашей базе знаний интерпретация ядра продукции является следующей: А описывает некоторые условия, необходимые для того, чтобы можно было совершить В.

Элемент Р есть условие применимости ядра продукции. Обычно Р представляет собой логическое выражение, как правило, предикат. Когда Р принимает значение «истина», ядро продукции активизируется. Если Р ложно, то ядро продукции не может быть использовано.

Элемент N описывает постусловия продукции. Они актуализируются только в том случае, если ядро продукции реализовалось. Постусловия продукции описывают действия, которые необходимо выполнить после реализации [4, 7].

3.3 Пример описания базы  правил и предикатной базы  данных

Рассмотрим описание логической структуры базы знаний в предметной области, связанной с управление персоналом. Возьмём задачу определения размера ставки, на которую можно принять работника.

Пусть Q^ï имеет описание, представленное в формуле (2).

(2)

Если использовать аналогию с описанием баз данных, то Q^ï соответствует описанию таблиц базы данных.

Формула (2) означает, что в нашей базе знаний используются два типа фактов: вид_работы_ставка (задаёт зависимость между видом работы и размером ставки) и вход_данные_работника_ставка (задаёт структуру фактов, которые будут поступать в систему как входные данные, рис. 2).