Дана стаття опублікована раніше під назвою "Удосконалена архітектура об’єднаної із засобами OLAP і Data Mining експертної системи з розширеним логічним виведенням на моделі подання знань FPS для геоінформаційної системи" у збірці матеріалів Другого науково-технічного семінару "Геоінформаційні системи у військових задачах", 21.01.2011 р. (Львів: Академія Сухопутних військ). Матеріали дослідження зберегли повну актуальність і в 2018 році, тому публікуються повторно у більш доступному html-текстовому форматі з додатковим рисунком - замість pdf формата з першоджерелом цієї публікації.
У "штучному інтелекті" (Artificial Intelligence) гібридною системою вважають таку, що складається з двох або більше інтегрованих підсистем, кожна з яких може мати різні моделі подання знань і методи логічного виведення візуалізації й аналізу.
 |
| Компоненти гібридної експертної системи BI GIS ES |
Проте, у відомих архітектурах експертних систем (Expert System) продукційного типу з логічним виведенням за зразками та у діагностичних й довідкових системах на семантичних мережах не повністю розкриті можливості їх об’єднання з географічною інформаційною системою (Geographic Information System, GIS), з Business Intelligence (BI) або системою підтримки прийняття рішень (Decision Support System, DSS) на основі BI (OLAP, Data Mining, Visual Mining, Dashboards, Scorecard, ін.).
Архітектура запропонованої об’єднаної експертної системи (BI GIS ES) побудована на основі репліки трикомпонентної гібридної моделі подання знань FPS (Frame, Production system, Semantic network) – фреймової, з продукційними правилами і мультимедійними семантичними мережами.
Фрейми в FPS є моделлю структуризації елементів опису фактів, що підлягають експертизі.
Ці елементи можуть оцінюватися окремими значеннями, їх інтервалами чи переліками на число-лінгвістичних оцінках (ЧЛО), числових оцінках або на лінгвістичних шкалах.
Для прикладу формат дати є ЧЛО, містить числову частину для забезпечення математичної обробки і лінгвістичну частину для традиційного показу людям.
Тригери запуску продукційних правил у FPS приєднані до слотів протофреймів і забезпечують логічне виведення на елементах бази фактів.
Сучасні апаратні ресурси дозволяють здійснювати швидке логічне виведення не тільки по числовим частинам ЧЛО, але й по коротким лінгвістичним описам об'єктів , подій чи процесів у слотах протофреймів.
Для прикладу описи об'єктів, подій чи процесів можуть складатися з їх числових оцінок, ЧЛО та коротких лінгвістичних описів у комірках електронної таблиці, або у тексті з типовими роздільниками, який дозволяє перетворити його у таблицю для подальшої обробки.
Семантичні мережі у FPS забезпечують додаткову інтерпретацію логічного виведення, його продовження у мережі знань або управління віддаленими пристроями (засоби спостереження й оповіщення, ін.).
Порівняно з традиційними архітектурами ES BI GIS продукційного типу з логічними виведенням за зразками, а також з діагностичними системами на семантичних мережах, застосування моделі FPS в ES BI GIS надає дві нові узагальнені аналітичні функції.
1. База багатокритерійних продукційних процедур «ЯКЩО…ТО…ІНАКШЕ…» може виводити не тільки остаточні повідомлення про результати експертиз, але й форми оповіщення і діалогу з користувачем, до яких програмно вбудовані початкові вершини семантичних мереж, побудовані на технологіях OLE й гіперпосилань.
Ці мережі можуть утворювати додаткові діагностичні підсистеми, або підсистеми додаткового тлумачення результатів логічного виведення, або управляючі підсистеми. OLE забезпечує синхронізований перегляд 1-ї сторінки пояснюючого документа та подальший перехід по гіпермедійній мережі.
Активована логічним виведенням мережа може бути частиною системи управління знаннями (Knowledge Management System, KMS) і забезпечує початкове зв’язування у режимі Online «тих, кому необхідні знання» (користувачі ЕС) з «тими, хто знає» (експерти в області логічного виведення).
Приклад продукційного правила у неструктурованій формі, яке може виконувати ця система: ЯКЩО у визначеному квадраті місцевості, що відображається на ГІС, з’явилися визначені об’єкти, ТО видати повідомлення користувачу про цей факт або запросити у нього підтвердження про виконання певних дій обраними засобами по цій ділянці місцевості. Зазначимо, що продукційні правила або їх система можуть бути більш або менш складними.
2. За результатами експертизи, елементи опису фактів (відповідно до елементів лівої та удосконаленої правої частини матриці знань), додатково передаються до заcобів Business Intelligence (OLAP, Data Mining, Visual Mining, Dashboards, Scorecard, ін.).
Після накопичення певної кількості результатів експертиз в автоматичному чи автоматизованому режимі, може здійснюватися їх ретроспективний автоматичний або високоавтоматизований аналіз з використанням таких функціональних можливостей:
- швидкий багатовимірний аналіз комплексних наборів даних у нерегламентованій завчасно формі на основі елементарних операцій «консолідації», «деталізації», «обертання», «нарізання скибочок», ін.;
- класифікація,
- кластеризація,
- пошук асоціацій і часових послідовностей,
-аналіз аномальних відхилень,
- аналіз сили впливу різних факторів,
- встановлення мереж зв`язаних подій,
- прогнозування появи нових фактів,
- ін.
Приклад аналізу за допомогою OLAP: розподіл об’єктів по ділянках місцевості за роками, кварталами, місяцями, важливістю, ін.
Приклад аналізу за допомогою Data Mining: виявлення аномальних відхилень у появі будь-яких визначених об’єктів на певних ділянках місцевості, високоавтоматизована класифікація, кластеризація об`єктів на місцевості, виявлення об`єктів, які з`являються одночасно або послідовно у різних ділянках місцевості.
Необхідно зазначити, що алгоритми OLAP Data Mining створені на основі простих ідеалізованих алгоритмів людського мислення. Тому розуміння і використання OLAP & Data Mining також навчає аналітиків-користувачів методично правильному мисленню, яке вони застосовують додатково до вказаного у випадках, коли аналізовані явища, об`єкти і процеси не внесені до баз даних автоматизованих засобів з будь-яких причин.
Необхідно також зазначити, що засоби OLAP і Data Mining підтримують нерегламентовані форми аналізу, які визначаються евристиками користувача у межах елементів структури баз даних.
У теперішній час реалізовано дослідний прототип об'єднаної експертної системи, який може бути інтегрований з будь-якою ГІС, що має відкриту архітектуру.
Перспективою подальших досліджень є реалізація елементів BI GIS ES у експертних системах та в комплексах інтелектуальних програмних агентів у часткових підсистемах Army Business Intelligence для конкретних проблемних областей роботи у Збройних Силах України.
Джерело:
Коментарі