Курсовая с практикой на тему Анализ модели представления знаний в интеллектуальных системах на основе семантических сетей.

Содержание:

ВВЕДЕНИЕ. 3

1.МОДЕЛИ
ПРЕДСТАВЛЕНИЯ ЗНАНИЙ НА ОСНОВЕ СЕМАНТИЧЕСКИХ СЕТЕЙ   5

1.1 Характеристика
семантических сетей. 5

1.2 Особенность
семантической сети как модели представления знаний. 8

2. АНАЛИЗ
СЕМАНТИЧЕСКОЙ СЕТИ.. 16

2.1 Организация
семантической сети как инструмент познания. 16

2.2 Семантическая
сеть — перспективная платформа для системы управления знаниями  18

ЗАКЛЮЧЕНИЕ. 24

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ.. 26

Введение:

Семантические сети были разработаны как
аппарат для представления общих знаний. С момента своего создания они активно
использовались в системах обработки естественного языка и зарекомендовали себя
как один из наиболее наглядных способов представления семантики высказывания на
естественном языке. Семантические сети — это инструмент для представления
сложных наборов объектов и отношений между ними, которые, в свою очередь,
выступают в качестве элементов знаний в сети. Вывод в семантической сети
основан на анализе отношений между объектами. Семантические веб-модели во
многом универсальны и легко адаптируются к любой предметной области. Задачи,
связанные с извлечением знаний из текстов, системами обучения, поиском
информации, обобщением, проверка корректности терминологических словарей и
определений – это далеко не полный перечень задач, для решения которых успешно
используются семантические веб-модели. Для создания семантической сети
необходимо провести комплексный анализ текста, который позволит представить отношения
объектов, их свойства и признаки, а также определить важность терминов и
отношений текста, что даёт возможность сделать выводы о его содержании,
наиболее и наименее важных фактах в рамках данного текста и их зависимостей
друг от друга.

В
настоящее время происходит увеличение объема обрабатываемой информации, в связи
с чем растет потребность в интеллектуальных системах. Следовательно, задачи
семантического анализа графики, звука, текста становятся все более актуальными.
Методы, основанные на анализе факторных (статистических) характеристик слов и
словосочетаний изучаемого текста, находят наибольшее применение при решении
прикладных задач. Существенной проблемой этих методов является невозможность
полностью отобразить содержание или смысл анализируемого объекта, например
текста. Кроме того, при попытке извлечения знаний из построенной семантической
сети могут возникнуть трудности с правильной интерпретацией содержания
представленных текстовых данных.

Актуальность.
В связи с вышесказанным для корректного построения семантической сети текста
необходимо производить интеллектуальную обработку анализируемых данных, дающую
возможность совместно с использованием нечеткой системы определять
композиционную структуру текста, а также при помощи предметных онтологий
выделять термины и отношения между ними.

Цель
работы проанализировать модели представления знаний в интеллектуальных системах
на основе семантических сетей.

Задачи
работы:

—
охарактеризовать семантические сети;

—
изучить особенности семантической сети как модели представления знаний;

—
определить организацию семантической сети как инструмент познания;

—
рассмотреть семантическую сеть как перспективная платформа для системы
управления знаниями.

Заключение:

Компьютеры являются очень эффективной
поддержкой при обучении и приобретении знаний в высшей школе при использовании
их в качестве инструментов познания для отражения того, что студены выучили и
что они знают. Вместо того чтобы использовать возможности компьютерных
технологий для распространения информации, компьютеры должны использоваться во
всех областях знаний в качестве инструментов, помогающих обучаемым вдумчиво и
критически осмысливать представления, которые они изучают. Использование
компьютеров в качестве инструментов познания путем применения прикладных
программ в качестве формализмов представления знаний способствует более
быстрому и более полному усвоению материала, чем при использовании всех
имеющихся в настоящее время обучающих компьютерных программ.

Инструменты
познания базируются на компьютерах, вычислительные способности которых делают
их очень эффективными. В большинстве случаев эти прикладные программы являются
широко доступными и недорогими. Многие компьютеры совместимы с программным
обеспечением, описанным в данной статье. Большинство прикладных программ
являются бесплатными или могут быть получены менее чем за 100$. Так как эти
программы могут быть использованы для создания знаний в конкретной области, они
являются более полезными, чем обучающие программы, которые часто стоят
несколько сотен долларов за каждую и которые охватывают только весьма
ограниченный круг задач. Инструменты познания используются учениками для
представления своих знаний, т. е. они являются простыми, мощными формализмами для
представления знаний. Инструменты познания должны быть достаточно простыми для
изучения. Приобретение навыков. необходимых для использования инструментов
познания, как правило, не требует много времени. Большинство учеников
овладевают этими навыками в течение двух часов.

Многие
другие компьютерные среды также могут использоваться в качестве инструментов
познания. Jonassen (в печати) отмечает полезность использования в качестве
инструментов познания проведения компьютерных конференций, программирования и
микромиров. Каждая из этих сред имеет огромный потенциал в плане представления
знаний и обучения, однако они пока еще имеют определенные ограничения, так как
они не обладают всеми теми характеристиками, которые описаны в предыдущих
разделах, и, к сожалению, детальное обсуждение этих сред выходит за рамки
данной статьи.

Фрагмент текста работы:

1.МОДЕЛИ
ПРЕДСТАВЛЕНИЯ ЗНАНИЙ НА ОСНОВЕ СЕМАНТИЧЕСКИХ СЕТЕЙ 1.1 Характеристика
семантических сетей Термин
семантическая означает смысловая, а сама семантика — это наука, устанавливающая
отношения между символами и объектами, которые они обозначают, т.е. наука,
определяющая смысл знаков.

Более
наглядными являются языки, опирающиеся на сетевую модель представления знаний.
В основе такой модели лежит идея о том, что любые знания можно представить в
виде совокупности объектов (понятий) и связей (отношений) между ними.

Семантическая
сеть описывает знания в виде ориентированного графа. В качестве вершин сети
выступают понятия, факты, объекты, события и т. п., а в качестве дуг сети —
отношения, которыми вершины связаны между собой. Семантическая сеть является
представлением структуры памяти человека.

Например,
«программист сел за компьютер и отладил программу». Объектами являются:
программист (А1), компьютер (А2), программа (А3). Объекты связаны отношениями:
сел за компьютер (р1), отладил (р2), загружена в компьютер программа (р3). Рисунок
1 — Семантическая сеть является представлением структуры памяти человека

Основная
идея моделирования при помощи семантических моделей заключается в том, что
модель представляет данные о реальных объектах и связях между ними прямым
способом, что облегчает доступ к знаниям. Начиная движение от некоторого
понятия по дугам отношений, можно достичь других понятий.

Семантическая
сеть как модель наиболее часто используется для представления декларативных
знаний. С помощью этой модели реализуются такие свойства системы знаний, как
интерпретируемость и связность, в том числе по отношениям IS-A и PART-OF. За
счет этих свойств семантическая сеть позволяет снизить объем хранимых данных,
обеспечивает вывод умозаключений по ассоциативным связям.

Одной
из первых известных моделей, основанных на семантической сети, является
TLC-модель (Teachaple Languge Compre-hender – доступный механизм понимания
языка), разработанная Куиллианом в 1968 году.

Модель
использовалась для представления семантических отношений между концептами
(словами) с целью описания структуры долговременной памяти человека в
психологии.

Понятиями
обычно выступают абстрактные или конкретные объекты, а отношения — это связи
типа:

 • "это" ("is"),

•
"имеет частью" ("has part"),

 • "принадлежит",

•
"любит".

Характерной
особенностью семантических сетей является обязательное наличие трех типов
отношений:

—
класс — элемент класса;

—
 свойство — значение;

—
пример элемента класса.

Самыми
распространенными являются следующие типы отношений:

—
быть элементом класса, то есть объект входит в состав данного класса (ВАЗ 2106
является автомобилем);

—
иметь свойства, то есть задаются свойства объектов (жираф имеет длинную шею);

—
иметь значение, то есть задается значение свойств объектов (человек может иметь
двух братьев);

—
является следствием, то есть отражается причинноследственная связь
(астеническое состояние является следствием перенесенного простудного
заболевания).

Более
детально можно выделить следующие отношения:

—
связи типа "часть-целое" ("класс-подкласс",
"элемент-множество" и т.п.);

—
функциональные связи (определяемые обычно глаголами "производит",
"влияет"…);

—
количественные (больше, меньше, равно…);

—
пространственные (далеко от, близко от, за, под, над…);

—
временные (раньше, позже, в течение…);

—
атрибутивные связи (иметь свойство, иметь значение…);

—
логические связи (и, или, не);

—
отношения «близости»;

—
отношения «сходства-различия»;

—
отношения «причина-следствие» и др.

Различают
экстенсиональные и интенсиональные семантические сети.

Экстенсиональная
семантическая сеть описывает конкретные отношения данной ситуации.

Интенсиональная
– имена классов объектов, а не индивидуальные имена объектов. Связи в
интенсиональной сети отражают те отношения, которые всегда присущи объектам
данного класса.

Пример
семантической сети. В качестве вершин понятия: Человек, Иванов, Волга.
Автомобиль, Вид транспорта. Двигатель. Рисунок
2 — Пример семантической сети

Преимущество
этой модели — в соответствии современным представлениям об организации
долговременной памяти человека. Недостаток модели — сложность поиска вывода на
семантической сети.

Проблема
поиска решения в базе знаний типа семантической сети сводится к задаче поиска
фрагмента сети, который соответствует некоторой подсети, соответствующей
поставленному вопросу.

Для
реализации семантических сетей существуют специальные сетевые языки, например
NET и др. Широко известны экспертные системы, использующие семантические сети в
качестве языка представления знаний — PROSPECTOR, CASNBT, TORUS . [1]