25 Проектирование информационных систем

Проектирование информационных систем искусственного интеллекта на предприятиях сферы сервиса 
Электротехнические и информационные комплексы и системы № 2, т. 8, 2012 г.
 
27 
Помимо хранения знаний требуется решить 
такие проблемы, как представление знаний и вы-
вод решений на их основе. Для представления 
знаний в интеллектуальных информационных сис-
темах применимы следующие модели: 
● Фреймы – это минимальные структуры ин-
формации, необходимые для представления 
класса объектов, явлений или процессов [1]. 
Другими словами, это совокупность массивов 
данных и процедур, ставящих каждый кон-
кретный фрейм в соответствие с определен-
ными событиями, явлениями, и определяю-
щими схему работы с фреймом (запись, уда-
ление и т.д.). Использовать их целесообразно 
для описания стереотипных объектов, собы-
тий и явлений. 
● Семантические сети – совокупность объектов и 
связей между ними, таких как лингвистические, 
атрибутивные, глагольные, логические, кван-
тифицированные и теоретико-множественные. 
● Продукционные системы – набор условий ви-
да «объект-действие», где «объектом» явля-
ется определенная база данных, содержимое 
которой – факты о некоторой предметной об-
ласти, а «действие» – это процедуры для ин-
терпретации и изменения данных фактов. Та-
ким образом, знание в данной системе – про-
дукт обработки «объекта» (факта) определен-
ным «действием» (процедурой). 
● Системы, основанные на исчислении преди-
катов – модель представления знаний, в кото-
рой факты предметной области описываются 
в виде формул логики предикатов и добавля-
ются в систему в виде аксиом. 
● Системы на нечетких множествах – представ-
ление нечетких, субъективных человеческих 
знаний в виде множеств. 
● Искусственные нейронные сети – логико-ма-
тематические модели, а также их программ-
ные и аппаратные реализации, построенные 
по принципу биологических нейронных се-
тей. Эта модель позволяет осуществлять 
представление знаний, основанное на масси-
рованной параллельной обработке, быстром 
поиске больших объемов информации и спо-
собности распознавать образцы, имеющие ис-
торические прецеденты. 
В зависимости от используемой системы 
представления знаний используются такие модели 
вывода знаний и решений ИИС: 
● Вывод на основе прямой и обратной цепочек – 
применяется в продукционных системах пред-
ставления знаний. Вывод решений происходит 
при сопоставлении фактов БД и условий, вклю-
ченных в правила БЗ. Для поиска решений ис-
пользуются метод перебора, эвристический ме-
тод, метод редукции, метод порождения и про-
верки и метод последовательного уточнения 
сверху. 
● Вывод на фреймах происходит путем обра-
щения к слотам данных присоединенных к 
фрейму процедур и дальнейшего сопоставле-
ния извлеченных данных с определенными 
условиями (правилами). 
● Вывод в семантических сетях осуществляется 
путем построения подсети, соответствующей 
запросу. 
● Дедуктивные методы поиска решений, осно-
ванные на применении логики предикатов. 
Знания извлекаются путем сопоставления и 
изменения исходных аксиом, хранящихся в БЗ. 
● Вывод на искусственных нейронных сетях 
(ИНС); реализуется в процессе обучения 
ИНС, т.е. подбором определенных значений 
весов (коэффициентов) элементов ИНС. 
Выбор той или иной системы представления 
и вывода знаний зависит от типа и целей проекти-
руемой интеллектуальной информационной сис-
темы. Для ИИС предприятий сферы сервиса наи-
более приемлемы продукционные системы, систе-
мы нечетких множеств и системы на искусствен-
ных нейронных сетях, ввиду их наибольшей при-
способленности к решению слабоформализован-
ных и неструктурированных задач, таких как про-
гнозирование, принятие решений, планирование, 
выявление зависимостей и т.д. 
Технологическое обеспечение ИИС основы-
вается на операциях ввода/вывода и обработки 
информации. Работа с данными ведется по стан-
дартным схемам, применяемым для традиционных 
информационных систем, представление и вывод 
знаний были рассмотрены выше. Особое внимание 
стоит уделить задаче ввода знаний в систему. 
Данный процесс подразумевает наличие эксперта 
– 
человека, обладающего знаниями о предметной 
области. В роли эксперта может выступать как со-
трудник компании, например руководитель или 
менеджер высшего звена, так и представитель сто-
ронней организации, проводящей анализ деятель-
ности предприятия. С помощью инженера по зна-
ниям знания вводятся в базу знаний; в дальней-
шем, в процессе функционирования на их основе, 
система вырабатывает решения и в совокупности с 
новыми фактами сама генерирует знания.

---