В.М. ТРЕМБАЧ, Т.С. ДАВЫДОВА СИСТЕМА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ МЕТОДОВ ПОИСКА В БАЗАХ ЗНАНИЙ

УДК 004.896(06) Интеллектуальные системы и технологии
В.М. ТРЕМБАЧ, Т.С. ДАВЫДОВА
Московский авиационный институт (государственный технический университет)
СИСТЕМА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
МЕТОДОВ ПОИСКА В БАЗАХ ЗНАНИЙ
В работе рассматриваются методы поиска в базах знаний при использовании
интегрированных методов описания предметных областей. Представлена демоверсия программы для исследования эффективности поисковых механизмов.
В современных системах управления знаниями стремительно растет
число задач, требующих для своего решения сведений, хранимых в корпоративных базах знаний. Одной из особенностей корпоративных баз
знаний является их большой объем, что усложняет решение задач поиска
релевантной запросу информации при жестких временных ограничениях.
В современных системах управления базами знаний стремятся использовать различные механизмы, позволяющие сократить время поиска. В статье рассматриваются методы поиска, ориентированные на интегрированный подход к описанию знаний. Особенность этих методов состоит в возможности построения ограниченных пространств поиска необходимых
знаний.
В корпоративных базах знаний поиск осуществляется в пространстве
состояний до тех пор, пока не будет найдена последовательность, необходимая для решения задачи. Классические методы решения поисковых задач хороши только при небольших объемах базы знаний, иначе при переборе придется просмотреть слишком много вершин. А так как всегда
имеются практические ограничения на время вычисления и отведенный
объем памяти, то одним из важнейших является вопрос, какими методами
можно повысить эффективность поиска решений. Традиционно в информационных системах с этой целью использовались различные эвристики
(«жадный» поиск, перебор этапами, использование оценочных функций и
т.д.) [1,2,3].
При использовании интегрированного подхода к представлению знаний для выполнения поступающих запросов на поиск необходимых сведений или на генерацию решения для новой задачи (ситуации) возможно
формирование проблемной области (сведений, необходимых для решения
задачи или подзадачи) на каждом шаге обработки запроса. Описание проблемной области содержит множество описаний сущностей (материальных или абстрактных), необходимых для выполнения запроса.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
145
УДК 004.896(06) Интеллектуальные системы и технологии
В общем виде, алгоритм формирования проблемной области представляет собой последовательность следующих действий:
 для множества параметров, описывающих рассматриваемое состояние, выбираются имена сущностей, которые эти параметры характеризуют. Множество упорядочивается, из него исключаются повторяющиеся
имена;
 полученное множество имен сущностей является основой для формирования конечного множества имен сущностей;
 по полученному множеству имен сущностей считываются из БЗ их
описания, которые и составят описание проблемной области состоянию.
При прямом выводе поиск начинается от начального состояния. При
обратном поиске за начальную точку принимается целевое состояние, а
затем алгоритм «возвращается назад», двигаясь по сети отношений между
сущностями. Комбинированный метод основывается на сочетании обратного и ограниченного прямого методов.
Время работы с базой знаний при формировании проблемной области
будет складываться из времени формирования проблемной области и
времени поиска уже в самой проблемной области.
В разработанной демо-версии системы осуществляется моделирование
различных методов поиска в базе знаний, что позволяет анализировать их
эффективность и целесообразность в зависимости от типа решаемых задач.
Список литературы
1. Болотова Л.С., Смирнов Н.А., Смольянинов А.А. Системы искусственного интеллекта. Теоретические основы и формальные модели представления знаний. Учеб. пособие. М.: Моск. гос. интут радиотехники, электроники и автоматики (технический университет), 2001.
2. Люгер, Джордж, Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – 4-е изд. /Пер. с англ. – М.: Издательский дом "Вильямс", 2003. С. 864.
3. Рассел С., Норвиг П. Искусственный интеллект: современный подход. – М.: Издательский дом «Вильямс», 2006. C. 1408.
4. Сэлтон Г. Автоматическая обработка, хранение и поиск информации. Нью-Йорк,
1968; Пер. с англ./Под ред. А.И. Китова. – М.: Сов. Радио, 1973. C. 560.
5. Трембач В.М. Приобретение знаний из опыта и внешних источников. //КИИ - 2006.
Десятая национальная конференция по искусственному интеллекту с международным участием. Сб. научн. тр. В 3 т. – М.: Физматлит, 2006. Т.3. С. 1100-1108.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
146