Извлечение - знание
Cтраница 1
Извлечение знаний с помощью программы MORE начинается с получения от эксперта знаний о базовых неисправностях ( патологиях) и связанных с ними симптомах. Затем программа избирательно активизирует указанные выше стратегии приобретения знаний, базируясь на тех знаниях, которые приобретены на предыдущих стадиях. Чтобы понять механизм выбора стратегий, рассмотрим процесс приобретения знаний с помощью MORE более подробно. [1]
Извлечение знаний из эксперта ( экспертов) осуществляется в процессе интенсивного систематического ( в течение нескольких месяцев) взаимодействия инженера по знаниям с экспертом. Сложность извлечения знаний состоит в том, что, как правило, эксперт либо не осознает, какими знаниями он пользуется для получения решения, либо не может сразу эти знания вербализовать. [2]
Извлечение знаний ( knowledge elicitation) - это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистов при принятии решения и структура их представлений о предметной области. [3]
 |
Тиловая структура экспертной системы. [4] |
Извлечение знаний из экспертов - сложная задача, представляющая узкое место в создании ЭС. Для построения базы знаний необходим инженер по знаниям, помогающий эксперту структурировать его знания о предметной области, интерпретируя и интегрируя ответы на вопросы, находя аналогии, предлагая контрпримеры и выявляя концептуальные трудности. [5]
Извлечением знаний называют процесс получения знаний от экспертов. Извлечение знаний - сложная и трудоемкая процедура, в результате которой инженеру по знаниям ( когнитологу, аналитику) необходимо создать собственную модель предметной области на основе информации, полученной от экспертов. Попытки получить знания, необходимые для разработки ИИС, непосредственно от экспертов и обойтись без когнитологов обычно не приводят к успеху, так как в этом случае предъявляются очень высокие требования к эксперту, который, являясь специалистом в предметной области, будет вынужден приобрести квалификацию инженера по знаниям. [6]
Извлечением знаний называют процесс получения знаний от экспертов. Извлечение знаний - сложная и трудоемкая процедура, в результате которой инженеру по знаниям ( когнитолоту, аналитику) необходимо создать собственную модель предметной области на основе информации, полученной от экспертов. Попытки получить знания, необходимые для разработки ИИС, непосредственно от экспертов и обойтись без когнитологов обычно не приводят к успеху, так как в этом случае предъявляются очень высокие требования к эксперту, который, являясь специалистом в предметной области, будет вынужден приобрести квалификацию инженера по знаниям. [7]
Для извлечения знаний используются различные методы. Наиболее распространенные из них - интервью, анкетирование, наблюдение и проработка специальной литературы. [8]
Хотя извлечение знаний из баз данных является одной из разновидностей машинного обучения, существуют аспекты, существенно отличающие его от других приложений машинного обучения. Первое и главное состоит в том, что базы данных, как правило, проектируются без учета потребностей специалистов в области обобщения. Системам извлечения знаний приходится работать с уже готовыми базами данных, рассчитанными на нужды других приложений. В них вовсе не обязательно присутствуют атрибуты, которые могли бы облегчить процесс обучения. [9]
Для извлечения знаний из первого источника в KRITON применена техника интервью, использующая стратегии репертуарной решетки разбиения на ступени. [10]
 |
Сравнение методов нейронных сетей и экспертных систем. [11] |
Рассматривая извлечение знаний из обученных нейронных сетей мы уже показали, что представление о них, как о черных ящиках, не способных объяснить полученное решение ( это представление иногда рассматривается как аргумент в пользу преимущества экспертных систем перед нейросетями), неверно. В то же время, очевидно, что как и в случае мозга, в котором левое и правое полушарие действуют сообща, естественно и объединение экспертных систем с искусственными нейронными сетями. Подобные синтетические системы могут быть названы нейронными экспертными системами - этот термин использовал Иржи Шима, указавший на необходимость интеграции достоинств обоих типов систем. Такая интеграция может осуществляться двояким образом. Если известна только часть правил, то можно либо инициализировать веса нейронной сети исходя из явных правил, либо инкорпорировать правила в уже обученные нейронные сети. Такой возможностью обладают введенные им сети интервальных нейронов. [12]
Для извлечения знаний используются различные методы. Наиболее распространенные из них - интервью, анкетирование, наблюдение и проработка специальной литературы. [13]
Метод извлечения знаний из лекций предполагает, что эксперт передает свой опыт инженеру по знаниям в форме лекций. При этом инженер по знаниям может заранее сформулировать темы лекций. Если этого не удается сделать, то когнитолог конспектирует лекции и задает вопросы. Качество информации, предоставленной экспертом в ходе лекции, определяется четкостью сформулированной темы, а также способностями лектора в структурировании и изложении своих знаний и рассуждений. [14]
 |
Схема извлечения знаний из текста. [15] |
Страницы: 1 2 3 4