Правила Ripple-down - Ripple-down rules

Правила Ripple-down (RDR) являются способом приближения приобретение знаний. Приобретение знаний относится к передаче знаний от экспертов-людей к системы, основанные на знаниях.

Вступительный материал

Правила Ripple-down - это постепенный подход к приобретение знаний и охватывает семейство методов. RDR были предложены Комптон и Янсен на основе опыта эксплуатации экспертной системы GARVAN-ES1 (Комптон и Янсен, 1988). В исходном GARVAN-ES1 (Хорн и др., 1985) использовался процесс приобретения знаний, когда новые случаи, плохо классифицированные системой, добавлялись в базу данных, а затем использовались для постепенного уточнения базы знаний. Добавленные случаи, выводы которых противоречили рекомендациям системы, были названы «краеугольными камнями». Следовательно, база данных итеративно росла с каждым уточнением знаний. Затем базу данных можно использовать для проверки изменений в знаниях. Инструменты получения знаний, аналогичные тем, которые предоставляет Teiresias, были разработаны для поиска и изменения конфликтующих правил. Инструменты будут отображать правила, срабатывающие для каждого случая, 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 «выдуманы» для обоснования ее правоты, а не для объяснения того, как она пришла к этой правильной интерпретации (или выводу). Обоснование основано на особенностях, выделенных из текущего дела. Эксперт создает правило классификации дел, соответствующих конкретному контексту. Это правило вряд ли классифицирует все дела, относящиеся к классу. Комптон и Янсен утверждали, что невозможно создать единое элегантное правило, свободное от контекста, поскольку передаваемые нами знания являются оправданием в контексте. Это означает, что не существует абсолютного знания, которое служило бы основой для других знаний, поскольку знание истинно только в контексте (Compton and Jansen 1990).

Методология

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

Структура данных

Существуют различные структуры правил сглаживания вниз, например, правила с постепенным откликом для единой классификации (SCRDR), правила с понижением для множественной классификации (MCRDR), вложенные правила с плавным переходом вниз (NRDR) и с повторным логическим выводом для множественной классификации. -down правила (RIMCRDR). Описанная здесь структура данных RDR является самой простой структурой SCRDR.

Структура данных похожа на Древо 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)). У каждого узла есть ровно два узла-преемника, эти узлы-преемники связаны с узлом-предшественником с помощью «ELSE» или «EXCEPT».

Пример дерева SCRDR (определенного рекурсивно) показан ниже:

ЕСЛИ (OutLook = "СОЛНЕЧНО" И Температура = "ПРОХЛАДНАЯ") THEN PLAY = "ТЕННИС" ИСКЛЮЧАЯ Child-1, ELSE Child-2

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

ЕСЛИ (Ветер = "ВЕТЕР" И ВЛАЖНОСТЬ = "ВЫСОКАЯ"), ТО Play = "SQUASH" ИСКЛЮЧАЯ NoChildELSE NoChild

Сценарий приобретения знаний

Специалисты-люди предоставляют системе случай и добавляют новое правило, чтобы исправить классификацию неправильно классифицированного случая. Например, для правильной классификации случая добавлено правило Child-1 [OutLook = "СОЛНЕЧНО", Температура = "COOL", Wind = "WINDY", Humidity = "HIGH", ForeCast = "STORM", Play = "SQUASH" ]. Этот случай ошибочно классифицирован как Play = "TENNIS".

Когда правило создается экспертами-людьми, условия этого правила должны удовлетворяться неверно классифицированным случаем, а также они 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 UNSW и исследовательской группой UTAS и финансируется ARC (система доступна на BESTRDR )
  • Классификатор документов RDR (MCRDR) был разработан доктором Ян Сок Ким, UNSW и AProf.Byeong Ho Kang, UTAS (система доступна по адресу BESTRDR )
  • Erudine Behavior Engine - коммерческий программный продукт, который использует RDR как часть своей методологии для сбора знаний и моделирования бизнес-процессов. Реализовано на Java.
  • Ballarat Incremental Knowledge Engine (BIKE) - это комплексная реализация с открытым исходным кодом в C ++. Включает плагины для RDR с единой и множественной классификацией.
  • Pacific Knowledge Systems (PKS) использует коммерческий продукт под названием RippleDown Expert, основанный на правилах множественной классификации Ripple Down.
  • В Ява Программное обеспечение для интеллектуального анализа данных WEKA имеет версию Induct RDR под названием Ridor. Он изучает правила из набора данных с основной целью предсказать класс в наборе тестов.
  • Набор инструментов RDRPOSTagger: Единые правила классификации для тегов части речи
  • Набор инструментов RDRsegmenter: Единые правила классификации Ripple Down для сегментации слов

Смотрите также

использованная литература

  • D.Q. Нгуен, Д.К. Нгуен и С. Фам (2017). «Правила Ripple Down для ответов на вопросы». Семантическая сеть, т. 8, вып. 4, страницы 511–532. [.pdf]
  • D.Q. Нгуен, Д.К. Нгуен, Д. Фам и С. Фам (2016). «Надежный подход к обучению, основанный на преобразовании, с использованием правил Ripple Down для тегов части речи». AI-коммуникации, т. 29, нет. 3, страницы 409–422. [.pdf]
  • «ЛУЧШИЙ RDR (Лучшая экспертная система, правила техники Ripple Down)». Доступны системы RDR и публикации. Получено 15 февраля, 2013.
  • "Двигатель дополнительных знаний Балларата". Введение. Получено 27 сентября, 2010.
  • Р. Дазли, П. Уорнер, С. Джонсон и П. Вэмплю (2010). «Двигатель дополнительных знаний Балларата». 11-й международный семинар по управлению знаниями и приобретению интеллектуальных систем и услуг (PKAW 2010). С. 195–207. Дои:10.1007/978-3-642-15037-1_17.CS1 maint: несколько имен: список авторов (ссылка на сайт)
  • Д. Ричардс (2009). «Два десятилетия исследований RDR». Обзор инженерии знаний. 24 (2): 159–184. Дои:10.1017 / S0269888909000241.
  • П. Комптон и Р. Янсен (1988). «Знания в контексте: стратегия обслуживания экспертных систем». Proc. Вторая Австралийская объединенная конференция по искусственному интеллекту. С. 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». Aust Comp J. 17: 7–11.CS1 maint: несколько имен: список авторов (ссылка на сайт)