bài giảng bên trong một hệ cơ sở tri thức

BÊN TRONG MỘT HỆ CƠ SỞ TRI THỨC 2 Hệ Cơsơ tri thức= Cơ sơ ûtri thức + Động cơ suy diễn Cấu trúc chung của một hệCSTT Cơ sở tri thức... Tổng quan quá trình xây dựng hệ CSTT 6 Một số bước

BÊN TRONG MỘT HỆ

CƠ SỞ TRI THỨC

2

Hệ Cơsơ tri thức= Cơ sơ ûtri thức + Động cơ suy diễn

Cấu trúc chung của một hệCSTT

Cơ sở tri thức

Tổng quan quá trình xây dựng hệ CSTT

6

Một số bước cơ bản để xây dựng hệ

Cơ sở tri thức

• Tiếp cận chuyên gia

• Thu thập, tổ chức tri thức

• Chọn lựa công cụ phát triển hệ CSTT

• Cài đặt hệ CSTT

Một số tiêu chuẩn phân loại các hệ

CSTT

• Tính đóng, mở, kết hợp

• Phương pháp biểu diễn tri thức

• Lĩnh vực ứng dụng

Hệ CSTTđóng

• được xây dựng với một số “tri thức lĩnh vực” ban đầu,và chỉ những tri thức đo ùma øthôi trong suốt quátrình hoạt động hay suốt thời gian sống của nó.

Hệ CSTT mở

hệ cơ sở tri thức tiên tiến hơn, có khả năng bổ sung

tri thức trong quá trình hoạt động, khám phá

10

Hệ CSTT kết hợp

• Bao gồm sự kết hợp giữa hệ đóng và hệ mở,hệ kết hợp giữa CSTT va øCSDL,hệ kết hợp giữa he äCSTT này với một hệ CSTT khác, …

• Những hệ CSTT kết hợp thường phát triển mạnh dựa trên tri thức liên ngành

• Ví dụ: những hệ hỗ trợ ra quyết định trong đời sống,kinh tế và khoa học, những hệ chẩn đoán, dự báo

Một số hệ CSTT điển hình

• Hệ giải toán

• Hệ chẩn đoán y khoa MYCIN

• Hệ điều khiển tự động

• Hệ dự báo thời tiết

Ví dụ: Máy điều nhiệt

MÙA TRONG NĂM

NGÀY TRONG TUẦN

GIỜ TRONG NGÀY

MÁY ĐIỀU NHIỆT

NHIỆT ĐỘ THÍCH HỢP

Thời gian Trước 9, Sau 17, Từ 9 -> 17

Sự khởi động Trong giờ làm việc, ngoài giờ làm việc

14

GIẢI PHÁP ĐIỀU NHIỆT

7 giải pháp điều nhiệt

-Đặt máy điều nhiệt là “14 o C”

- Đặt máy điều nhiệt là “15 o C”

- Đặt máy điều nhiệt là “16 o C”

- Đặt máy điều nhiệt là “18 o C”

- Đặt máy điều nhiệt là “20 o C”

- Đặt máy điều nhiệt là “24 o C”

- Đặt máy điều nhiệt là “27 o C”

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 2:

Thì Hôm nay là Cuối tuần

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 3:

Nếu Hôm nay là Ngày làm việc

Và Thời gian giữa 9 giờ sáng và 5 giờ chiều

Thì Sự khởi động là ‘trong thời gian làm việc’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

18

Luật dẫn 4:

Nếu Hôm nay là Ngày làm việc

Và Thời gian trước 9 giờ sáng

Thì Sự khởi động là ‘ngoài thời gian làm việc’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 5:

Nếu Hôm nay là Ngày làm việc

Và Thời gian là sau 5 giờ chiều

Thì Sự khởi động là ‘ngoài thời gian làm việc’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 6:

Thì Sự khởi động là ‘ngoài thời gian làm việc’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 9:

Thì Mùa là Mùa Đông

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 10:

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 11:

Và Sự khởi động là ‘trong thời gian làm

việc’

Thì Cấu hình điều nhiệt là ’20 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

26

Luật dẫn 12:

Và Sự khởi động là ‘ngoài thời gian làm việc’

Thì Cấu hình điều nhiệt là ’15 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 13:

Và Sự khởi động là ‘trong thời gian làm việc’

Thì Cấu hình điều nhiệt là ’24 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 14:

Nếu Mùa là Mùa Hè

Và Sự khởi động là ‘ngoài thời gian làm việc’

Thì Cấu hình điều nhiệt là ’27 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 15:

Và Sự khởi động là ‘trong thời gian làm việc’

Thì Cấu hình điều nhiệt là ’20 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

30

Luật dẫn 16:

Và Sự khởi động là ‘ngoài thời gian làm việc’

Thì Cấu hình điều nhiệt là’16 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 17:

Và Sự khởi động là ‘trong thời gian làm việc’

Thì Cấu hình điều nhiệt là ’18 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Luật dẫn 18:

Và Sự khởi động là ‘ngoài thời gian làm việc’

Thì Cấu hình điều nhiệt là ’14 độ’

CƠ SỞ TRI THỨC LUẬT DẪN (18 LUẬT)

Máy điều nhiệt = 18 o C

34

HỆ GIẢI TOÁN DỰA TRÊN TRI THỨC

Hệ giải toán=Tiên đề,định lý+Lập luậnlogic (toán học)

Yêu cầu

• Cho phép kiểm tra quá trình suy luận bao gồm việc thể hiện cụ thể các bước giải bài toán và trả lời hay giải thích cho quá trình giải.

• Cho phép việc hiệu chỉnh và cập nhật cơ sở tri

thức như thêm và loại bớt kiến thức trong cơ sở tri thức.

• Sử dụng các heuristic (thường không đầy đủ) trong việc suy luận giải bài toán nhằm đạt được các lời giải tốt.

Cấu trúc của một hệ giải bài toán

dựa trên tri thức

38

Bảo đảm sự tách biệt giữa

cơ sở tri thức và bộ suy diễn

• Sẽ làm cho việc biểu diễn tri thức được thực hiện một cách tự nhiên hơn.

• Các nhà thiết kế hệ thống giải bài toán thông minh sẽ tập trung vào vệc nắm bắt và tổ chức cơ sở tri thức

• Sẽ tăng cường tính mô-đun hóa của phần cơ sở tri thức, bộ suy diễn và bộ phận cập nhật, hiệu chỉnh kiến thức

• Cho phép cùng một chiến lược điều khiển và giao tiếp có thể được sử dụng cho nhiều hệ thống khác nhau

• Giúp ta có thể thử nghiệm nhiều chiến lượt điều khiển khác nhau trên cùng một cơ sở tri thức

Cơ sở tri thức

• rất đa dạng

• bao gồm:

– các khái niệm từ đơn giản đến có cấu trúc phức

tạp

– các hệ thức tính toán với những qui luật nhất định

– các liên hệ đa dạng bao gồm cả định tính lẫn

định lượng

– các luật dẫn và các heuristics

Vấn đề Suy diễn Tự động

• Phương pháp hợp giải, luật “Modus Ponens”, luật “Modus Tollens” và luật “tam đoạn luận”

• Phương pháp suy diễn tiến

• Phương pháp suy diễn lùi

• Kết hợp suy diễn tiến và suy diễn lùi

Một số kết quả nghiên cứu xây dựng

hệ giải toán hình học

• Chỉ xét một số luật suy diễn cụ thể trên các

quan hệ hình học và ứng với mỗi luật phải

viết riêng một thủ tục thi hành luật

• Chưa có một cơ sở tri thức có thể hiệu chỉnh

được và bộ suy diễn sẽ hoạt động dựa trên cơ

sở tri thức

• Chưa xem xét đến vấn đề tính toán

• Chưa có một ngôn ngữ qui ước cho việc đặc

tả các dạng bài toán

42

Một số phần mềm giải toán

• bộ phần mềm Engineering 2000

• Chương trình StudyWorks

• Chương trình Math Express

• Phần mềm toán học MAPLE

MẠNG SUY DIỄN-TÍNH TOÁN

Vấn đề

• Chúng ta phải thực hiện những tính toán hay suy diễn ra những yếu tố cần thiết nào đó từ một số yếu tố đã được biết trước

Ví dú 1

• Moôt vaôt theơ coù khoâi löôïng m chuyeơn ñoông thaúng vôùi

gia toâc khođng thay ñoơi laø a trong moôt khoạng thôøi

gian tính töø thôøi ñieơm t1 ñeân thôøi ñieơm t2

• Vaôn toẫc ban ñaău cụa vaôt theơ laø v1, vaôn toâc ôû thôøi

ñieơm cuoâi laø v2, vaø vaôn toâc trung bình laø v

• Khoạng caùch giöõa ñieơm ñaău vaø ñieơm cuoâi laø Δs

• Löïc taùc ñoông cụa chuyeơn ñoông laø f

• Ñoô bieân thieđn vaôn toâc giöõa 2 thôøi ñieơm laø Δv

• Ñoô bieân thieđn thôøi gian laø Δt

• Trong hoùa hóc chuùng ta thöôøng phại söû dúng

caùc phạn öùng hoùa hóc ñeơ ñieău cheâ caùc chaât

naăy töø caùc chaât khaùc

Î Cho tröôùc moôt soâ chaât hoùa hóc, haõy tìm caùch

ñieău cheâ ra moôt hay moôt soâ chaât naøo ñoù

Mạng suy diễn và tính toán

Mô hình mạng suy diễn và tính toán là một

sự khái quát cho một dạng tri thức dùng cho

việc biểu diễn tri thức và thiết kế các chương

trình giải toán tự động,

50

Định nghĩa

• Mỗi mạng tính toán là một mạng ngữ nghĩa

chứa các biến và những quan hệ có thể cài đặt và sử dụng được cho việc tính toá

Quan hệ

• Cho M = {x1,x2, ,xm} là một tập hợp các

biến có thể lấy giá trị trong các miền xác

định tương ứng D1,D2, ,Dm

• Đối với mỗi quan hệ R ⊆ D1xD2x xDm trên

các tập hợp D1,D2, ,Dm ta nói rằng quan hệ

nầy liên kết các biến x1,x2, ,xm

Q uan hệ đối xứng có hạng k (k>0)

• tính được k biến bất kỳ từ m-k biến kia

54

Q uan hệ không đối xứng có hạng k (k>0)

Ví dụQuan hệ f giữa 3 góc A, B, C trong tam giác ABC cho bởi hệ

thức:

A+B+C = 180 (đơn vị: độ)

quan hệ đối xứng có hạng 1

• quan hệ f giữ a nửa chu vi p với các độ dài của 3 cạnh a, b, c:

Mạng tính toán

• bao gồm một tập hợp các biến M và một tập

hợp các quan hệ (tính toán) F trên các biến

• Trong ví dụ 1 ở trên, ta có M(f) = {A,B,C}

• Trong ví dụ 2 ở trên, ta có M(f) = {a,b,c,p}

Ví dụ

• Mạng tính toán cho một hình chữ nhật

– b1, b2 : hai cạnh của hình chữ nhật;

– d : đường chéo của hình chữ nhật;

– s : diện tích của hình chữ nhật;

– p : chu vi của hình chữ nhật;

• có các quan hệ sau đây :

Vấn đề trên mạng tính toán

• Cho một mạng tính toán (M,F)

– M là tập các biến

– F là tập các quan hệ

• Giả sử có một tập biến A ⊆ M đã được xác

định

• B là một tập biến bất kỳ trong M

62

Vấn đề trên mạng tính toán

• Có thể xác định được tập B từ tập A nhờ các quan hệ trong F hay không?

• Nếu có thể xác định được B từ A thì quá trình tính toán giá trị của các biến thuộc B như thế nào?

• Trong trường hợp không thể xác định được B, thì cần cho thêm điều kiện gì để có thể xác định được B

Vấn đề trên mạng tính toán

• Bài toán xác định B từ A trên mạng tính toán

(M,F) được viết dưới dạng : AỈB

Hoặc AỈb

Định nghĩa

• Bài toán A → B được gọi là giải được khi có

thể tính toán được giá trị các biến thuộc B xuất phát từ giả thiết A

• Ta nói rằng một dãy các quan hệ {f1, f2, ,

fk} ⊆ F là một lời giải của bài toán A → B

nếu như ta lần lượt áp dụng các quan hệ fi(i=1, ,k) xuất phát từ giả thiết A thì sẽ tính được các biến thuộc B

Định nghĩa

• Lời giải tốt nếu không thể bỏ bớt một số

bước tính toán trong quá trình giải

• Lời giải tối ưu khi nó có số bước tính toán ít

• A là một tập con của M

• D là áp dụng được trên tập A khi và chỉ khi

ta có thể lần lượt áp dụng được các quan hệ

f1, f2, , fk xuất phát từ giả thiết A

Định nghĩa

• A0 = A, A1 = A0 ∪ M(f1), ,

• Ak = Ak-1 ∪ M(fk)

• ký hiệu Ak là D(A)

ỴA → D(A) : có D là lời giải

D(A) là sự mở rộng của tập A nhờ áp dụng

dãy quan hệ D

Thuật toán tính D(A) Nhập : Mạng tính toán (M,F),

A ⊆ M, dãy các quan hệ D = {f1, f2, , fm}.Xuất : D(A)

Định nghĩa

• Bao đóng của A là sự mở rộng tối đa của A trên mô

hình (M,F) Ký hiệu:

• Bài toán A → B là giải được khi và chỉ khi các bài

toán A → b là giải được với mọi b ∈ B

• Nếu A → B và B → C là các bài toán giải được thì

bài toán A → C cũng giải được

• Nếu bài toán A → B là giải được và B’ là một tập

con của B thì A → B’ cũng là một bài toán giải

được

A

70

Định nghĩa

• bài toán A → B là giải được khi và chỉ khi B ⊆ A

Tìm bao đóng của tập A ⊆ M

Tìm một lời giải cho bài toán A → B

Nhập : Mạng tính toán (M,F),

tập giả thiết A ⊆ M,tập biến cần tính B ⊆ M

Xuất : lời giải cho bài toán A → B

1.Solution ← empty; // Solution là dãy các

quan hệ sẽ áp dụng

Solution_found ← false;

74

3 Repeat

Aold ← A;

Chọn ra một f ∈ F chưa xem xét;

while not Solution_found and (chọn được f) do

if B ⊆ A then Solution_found ← true;

Chọn ra một f ∈ F chưa xem xét;

end; { while } Until Solution_found or (A = Aold);

4.if not Solution_found then

Bài toán không có lời giải;

else

Solution là một lời giải

Tìm một lời giải tốt từ một lời giải đã biết

Nhập : Mạng suy diễn (M,F),

lời giải D={f1, f2, , fm} của bài toán A→ B Xuất : lời giải tốt cho bài toán A → B

Thuật toán :

1 D ← {f1, f2, , fm};

2 for i=m downto 1 do

if D \ {fi} là một lời giải then

D ← D \ {fi};

3 D là một lời giải tốt.

Thuật toán kiểm tra lời giải cho bài toán

Nhập : Mạng suy diễn (M,F),

bài toán A→ B,

dãy các quan hệ {f1, f2, , fm}

Xuất : thông tin cho biết {f1, f2, , fm} có phải

là lời giải của bài toán A→ B hay không

• Cho tam giác ABC có cạnh a và 2 góc kề là

β, γ được cho trước

• Hãy xác định (hay suy ra) S của tam giác

Ví dụMạng suy diễn của tam giác

– M = {a, b, c, α, β, γ, ha, hb, hc, S, p, R, r, }

– Các quan hệ suy diễn :

MẠNG SUY DIỄN CÓ TRỌNG SỐ VÀ

LỜI GIẢI TỐI ƯU

(1) a + b + c = 2*p, và (2) a2 = b2 + c2 - 2*b*c*cos(A)

MẠNG SUY DIỄN CÓ TRỌNG SỐ VÀ

LỜI GIẢI TỐI ƯU

mạng suy diễn có trọng số là một mô hình (A,

D, w) bao gồm:

– một tập hợp các thuộc tính A,

– một tập hợp các luật suy diễn D, và

– một hàm trọng số dương w : D → R+

• Mỗi luật dẫn r thuộc D có dạng r : u ⇒ v

u và v là các tập hợp con khác rỗng và rời nhau của A

86

MẠNG SUY DIỄN CÓ TRỌNG SỐ VÀ

LỜI GIẢI TỐI ƯU

• r : u ⇒ v

• u: phần giả thiết của luật r - hypothesis(r)

• v : phần kết luận của luật r - goal(r)

• attr(r) = hypothesis(r) ∪ goal(r) : tập hợp các

thuộc tính trong luật r

+, -, * và / được đặt cho trọng số là 1

căn bậc 2 có trọng số là một hằng số dương c1 (c1>>1),

hàm lượng giác có trọng số là một hằng số dương c2(c2>>1)

Ví dụ

w(f1) = 2; w(f2) = w(f3) = w(f4) = 2*c2 + 2;w(f5) = 3; w(f6) = w(f7) = w(f8) = 2;

w(f9) = c1 + 6;

w(f10) = w(f11) = w(f12) = c2 + 1;

(A,D,w) là một mạng suy diễn có trọng số

• (A, D, w) là một MSDT

• S = {f1, ,fk} là một dãy các luật suy diễn

• w(S) = w(f1) + w(f2) + + w(fk).

• Ta gọi w(S) là trọng số của S.

90

Lời giải tối ưu

• Cho một bài toán A → B Dãy các luật suy

diễn S được gọi là một lời giải tối ưu khi:

– S là một lời giải của bài toán A → B.

– w(S) = min {w(S’) | S’ là một lời giải của bài

toán A → B }

• Xét bài toán H → G trên một MSDT (A, D,

w), với H và G là các tập con của tập thuộc

tính A

• Thuật toán

– Bước 1: Tìm một lời giải

– Bước 2: Rút gọn lời giải

Bước 1: Tìm một lời giải

• Khi G ⊄ H ta thực hiện quá trình lặp cho các

bước dưới đây:

– Bước 1.1: Tìm luật r ∈ D có thể áp dụng được để

suy ra các thuộc tính mới: hypothesis(r) bao hàm trong H nhưng goal(r) không bào hàm trong H.

– Bước 1.2: Nếu việc tìm kiếm ở bước 1.1 thất bại:

bài toán không có lời giải.

– Bước 1.3: Ngược lại thì bổ sung thêm goal(r) vào

H và ghi nhận r vào danh sách các luật đã được

áp dụng.

Tìm lời giải tối ưu

Không gian trạng thái của bài toán

• bài toán H → G trên một MSDT (A, D, w)

• r là một cạnh nối từ đỉnh H đến đỉnh H’ :

– r có thể áp dụng trên H

– H’ = H ∪ goal(r)

• trọng số của cạnh r (tức là một luật suy diễn)

là w(r)

ỴGraph(H→G)

• Một dãy S gồm các luật là một lời giải của

bài toán H → G khi và chỉ khi S là một lộ trình trên đồ thị Graph(H→G) nối từ H đến

S(H) và S(H) ⊃ G

• Độ dài của một lộ trình S trên đồ thị Graph(H→G) là w(S), trọng số của danh sách luật S trên MSDT (A, D, w)

• Đối với mỗi đỉnh N trên đồ thị:

h(N) = min {w(r) | hypothesis(r) ⊂ N}

• Bước 1: Khởi tạo trạng thái xuất phát.

– Open ← {H}; // danh sách đỉnh mở ban đầu chỉ

có đỉnh xuất phát

– Close ← {}; // danh sách đỉnh đóng

– g(H) ← 0; // độ dài lộ trình đến H là 0

– f(H) ← h(H); // độ dài lộ trình ước tính từ H đến

mục tiêu là h(H)

– found ← false; // biến kiểm tra quá trình tìm

Begin

Duyệt qua các đỉnh kế S của N mà S ∉ Close,

ứng với mỗi S ta xét các trường hợp sau:

g(S) ← g(N) + w(r); f(S) ← g(S) + h(S);

Cập nhật thông tin về đỉnh kế trước của S trên lộ trình;

end End

End // Kết thúc vòng lặp while

Bước 3: Kiểm tra kết quả việc tìm kiếm.

If Found then Kết quả là tìm được lời giải

tối ưu và thiết lập lời giảiElse Kết quả là bài toán không có lời giải

Tìm một sự thu gọn giả thiết của bài toán

• Nhập : Mạng suy diễn (A, D),

Bài toán H→ G giải được Xuất : tập giả thiết mới H’ ⊆ H tối tiểu

MẠNG SUY DIỄN-TÍNH TOÁN

• Tập hợp A gồm các thuộc tính

• Tập hợp D gồm các luật suy diễn (hay các

quan hệ suy diễn) trên các thuộc tính

• Tập hợp F gồm các công thức tính toán hay

các thủ tục tính toán tương ứng với các luật

suy diễn (f: DỈF)

• Tập hợp R gồm một số qui tắc hay điều kiện

ràng buộc trên các thuộc tính

106

Ví dụ:

• Kiến thức về một tam giác có thể được biểu diễn bởi

một mạng suy diễn tính toán (A, D, F, R) :

– A = {A, B, C, a, b, c, R, S, p, }

– D = {r1: A, B ⇒ C; r2: A, C ⇒ B; r3: B, C ⇒ A;

r4: A, a ⇒ R; r5: A, R ⇒ a; r6: R, a ⇒ A; r7: A, b, c ⇒ a; }

– F = {f1: C = π-A-B; f2: B = π-A-C; f3: A = π-B-C;

f4: R = a/(2.sin(A)); f5: a = 2.R.sin(A); f6: A = arcsin(a/(2.R));

f7: a= b2+c2-2.b.c.cos(A); }

– R = {a+b > c; a+c > b; b+c > a; a > b ⇔ A > B; a = b ⇔

A = B; }