Модель семантических сетей

Семантические сети представляют собой ориентированные графы с помеченными дугами. Аппарат семантических сетей является естественной формализацией ассоциативных связей, которыми пользуется человек при извлечении каких-то новых фактов из имеющихся. Построение сети способствует осмыслению информации и знаний, поскольку позволяет установить противоречивые ситуации, недостаточность имеющейся информации и т. п.

Обычно в семантической сети предусматриваются четыре категории вершин:

Понятия (объекты),

События,

Свойства,

Значения.

Понятия представляют собой константы или параметры, которые определяют физические или абстрактные объекты.

События представляют действия, происходящие в реальном мире, и определяются указанием типа действия и ролей, которые играют объекты в этом действии.

Свойства используются для представления состояния или для модификации понятий и событий.

Сведения семантической сети образуют сценарий, который является набором понятий, событий и причинно-следственных связей.

Необходимо различать вершины, обозначающие экземпляры объектов, и вершины, представляющие классы объектов. Например, Новиков - экземпляр типа Студент. В семантической сети экземпляр может принадлежать более чем одному классу (Новиков – и Студент, и Спортсмен).

В других моделях в отличие от семантической сети типы объектов указаны в схеме, а экземпляры объектов представлены значениями в базе данных. В семантической сети один и тотже экземпляр объекта может быть соотнесен с несколькими типами.

В синтаксических моделях (реляционной, сетевой или иерархической) для обеспечения такой связи потребуется дублирование информации об объекте.

Все семантические отношения предметной области можно разделить на следующие:

Лингвистические,

Логические,

Теоретико-множественные,

Квантификационные.

Лингвистические отношения бывают глагольные (время, вид, род, число, залог, наклонение) и атрибутивные (модификация, размер, форма).

Логические отношения подразделяются на конъюнкцию (и), дизъюнкцию (или), отрицание (не) и импликацию (если – то).

Теоретико-множественные отношения - это отношение подмножества, отношение части и целого, отношение множества и элемента.

Квантификационные отношения делятся на логические кванторы общности и существования («каждый», «все»), нелогические кванторы («много», «несколько») и числовые характеристики.

При установлении структуры понятий существуют две обязательные связи

1- связь "есть-нек" (от слов "есть некоторый"). Направлена от частного понятия к более общему и показывает принадлежность элемента к классу;

2- связь "есть-часть". Показывает, что объект содержит в своем составе разнородные компоненты (объекты), не подобные данному объекту.

Пример семантической сети для описания структуры понятия "юридическое лицо" приведен на следующем рисунке.

Рисунок 4.2 Элементы семантической сети

Связь "есть-нек" обозначается одной линией, связь "есть-часть" – двумя.

Рассмотрим представление событий и действий с помощью семантической сети. Выделяются простые отношения, которые характеризуют основные компоненты события. В первую очередь из события выделяется действие, которое обычно описывается глаголом. Далее необходимо определить объекты, которые действуют, объекты, над которыми эти действия производятся, и т. д. Все эти связи предметов, событий и качеств с глаголом называются падежами. Обычно рассматривают следующие падежи:

1. агент - предмет, являющийся инициатором действия;

2. объект - предмет, подвергающийся действию;

3. источник - размещение предмета перед действием;

4. приемник - размещение предмета после действия;

5. время - указание на то, когда происходит событие;

6. место - указание на то, где происходит событие;

7. цель - указание на цель действия.

Рассмотрим пример: Директор завода "САЛЮТ" остановил 25.03.90 цех № 4, чтобы заменить оборудование

Рисунок 4.3 Пример семантической сети

Преимущества семантических сетей:

1) описание объектов и событий на уровне, очень близком к естественному языку;

2) обеспечивается возможность сцепления различных фрагментов сети;

3) возможные отношения между понятиями и событиями образуют достаточно небольшое и хорошо формализованное множество;

4) можно выделить из полной сети, представляющей все знания, некоторый участок семантической сети, который необходим в конкретном запросе.

4.4 Базы знаний

В современных системах управления вопрос о принятии решений информационной системой требует фиксации знаний об управляемом объекте и реализации моделей принятия ре­шений, характерных для человека-специалиста (инженера, тех­нолога, экономиста, бухгалтера). Способность человека накапливать и использовать знания, принимать решения можно назвать естественным интеллектом, соответствующие возмож­ности информационной системы получили название искусст­венный интеллект.

Система понятий для представления знаний существенно отличается от понятий для представления данных, поэтому отображение знаний производится в базу знаний. Вместе с тем база знаний способна хранить данные как простую разновид­ность знаний.

Запросы, которые формулируются пользователями инфор­мационной системы, реализуются одним из двух возможных способов:

Сообщения, являющиеся ответом на запрос, хранятся в явном виде в БД, и процесс получения ответа представ­ляет собой выделение подмножества значений из файлов БД, удовлетворяющих запросу;

Ответ не существует в явном виде в БД и формируется в про­цессе логического вывода на основании имеющихся дан­ных.

Последний случай принципиально отличается от рассмот­ренной ранее технологии использования баз данных и рассмат­ривается в рамках представления знаний, т. е. информации, необходимой в процессе вывода новых фактов. База знаний содержит:

Сведения, которые отражают существующие в предметной области закономерности и позволяют выводить новые фак­ты, справедливые в данном состоянии предметной облас­ти, но отсутствующие в БД, а также прогнозировать потен­циально возможные состояния предметной области;

Сведения о структуре ЭИС и БД (метаинформация);

Сведения, обеспечивающие понимание входного языка, т. е. перевод входных запросов во внутренний язык.

Принято говорить не о "знаниях вообще", а о знаниях, за­фиксированных с помощью той или иной модели знаний.

Принципиальными различиями обладают три модели пред­ставления знаний - продукционная модель, модель фреймов и модель семантических сетей.

4.5 Продукционная модель знаний

Продукционная модель состоит из трех основных компо­нентов:

Набора правил, представляющего собой в продукцион­ной системе базу знаний;

Рабочей памяти, в которой хранятся исходные факты и результаты выводов, полученных из этих фактов;

Механизма логического вывода, использующего прави­ла ц соответствии с содержимым рабочей памяти и формиру­ющего новые факты.

Каждое правило содержит условную и заключительную части. В условной части правила находится одиночный факт либо несколько фактов (условий), соединенных логической операцией "И".

В заключительной части правила находятся факты, кото­рые необходимо дополнительно сформировать в рабочей па­мяти, если условная часть правила является истинной.

Пример

Предположим, что в рабочей памяти хранятся следующие факты:

Доля выборки записей равна 0,09;

ЭВМ - PC XT.

Правила логического вывода имеют вид:

1) Если метод доступа индексный, то СУБД - dBASE 3.

2) Если метод доступа последовательный, то СУБД - dBASE 3.

3) Если доля выборки записей <0,1, то метод доступа - индекс­ный.

4) Если СУБД - dBASE 3 и ЭВМ - PC XT, то программист -Иванов.

Механизм вывода сопоставляет факты из условной части каждо­го правила с фактами, хранящимися в рабочей памяти. В данном при­мере сопоставление условия правила 3 с фактами из рабочей памяти приводит к добавлению нового факта "Метод доступа - индексный" и исключению правила 3 из списка применяемых правил.

С учетом нового факта становится справедливой условная часть правила 1, и в рабочей памяти появляется факт "СУБД -dBASE З". Далее становится применимым правило 4, что приводит к фиксации в рабочей памяти факта "Программист - Иванов". В этот момент дальнейшее применение правил невозможно, и про­цесс вывода останавливается. Наш пример показывает, что при­менимость каждого правила из базы знаний в процессе вывода вовсе не обязательна.

Новые факты, полученные механизмом вывода:

Метод доступа - индексный,

СУБД-dBASE 3,

Программист - Иванов.

В приведенном примере для получения вывода правила при­менялись к фактам, записанным в рабочей памяти, и в резуль­тате применения правил добавлялись новые факты. Такой спо­соб действий называется прямым выводом. Возможен также обратный вывод целей. В качестве цели выступает подтвержде­ние истинности факта, отсутствующего в рабочей памяти. При обратном выводе исследуется возможность применения правил, подтверждающих цель, необходимые для этого дополнитель­ные факты становятся новыми целями и процесс повторяется.

Предположим, что в нашем примере запрос цели имеет вид:

? "программист - Иванов".

Эта цель подтверждается правилом 4. Необходимые для пра­вила 4 факты - "ЭВМ - PC XT" и "СУБД - dBASE 3". Первыйизних присутствует в рабочей памяти, а второй становится новой целью. Для этой цели требуется подтверждение правила 1 или пра­вила 2. Факт-условие правила 2 не содержится в рабочей памяти и не является заключением существующих правил. Поэтому данная ветвь обратного вывода обрывается. Для применения правила 1 необходим факт "Метод доступа - индексный", он является зак­лючением правила 3, а условие правила 3 соблюдается (в рабочей памяти хранится факт "Доля выборки записей равна 0.09").

В итоге первоначальная цель "программист-Иванов" призна­ется истинной.

В случае обратного вывода условием останова системы является окончание списка правил, которые относятся к дока­зываемым целям. При прямом выводе останов происходит по окончании списка применимых правил. Следует отметить, что на каждом шаге вывода количество одновременно применимых правил может быть любым (в отличие от примеров, приве­денных выше). Последовательность выбора подходящих пра­вил не влияет на однозначность получаемого ответа; однако может существенно увеличить требуемое число шагов вывода. В реальных базах знаний с большим числом правил это может существенно снизить быстродействие системы. В системах с обратным выводом есть возможность исключить из рассмот­рения правила, не имеющие отношения к выводу требуемых целей, и тем самым несколько ослабить указанный отрицатель­ный эффект. По этой причине системы с обратным выводом целей получили большее распространение.

Представление знаний в виде набора правил имеет следу­ющие преимущества:

Простота создания и понимания отдельных правил;

Простота механизма логического вывода.

К недостаткам этого способа организации базы знаний относятся:

Неясность взаимных отношений правил;

Отличие от человеческой структуры знаний.

4.6 Фреймы

В основе теории фреймов лежит фиксация знаний путем сопоставления новых фактов с рамками, определенными для каждого объекта в сознании человека. Структура в памяти ЭВМ, представляющая эти рамки, называется фреймом. С по­мощью фреймовмы пытаемся представить процесс система­тизации знаний в форме, максимально близкой к принципам систематизации знаний человеком.

Фрейм представляет собой таблицу, структура и принци­пы организации которой являются развитием понятия отно­шения в реляционной модели данных. Новизна фреймов оп­ределяется двумя условиями:

1) имя атрибута может в ряде случаев занимать в фрейме позицию значения,

2) значением атрибута может служить имя другого фрейма или имя программно реализованной процедуры. Структура фрейма показана ниже.

Слотом фрейма назы­вается элемент данных, предназначенный для фиксации зна­ний об объекте, которому отведен данный фрейм. Перечислим параметры слотов.

Имя слота. Каждый слот должен иметь уникальное имя во фрейме, к которому он принадлежит. Имя слота в некоторых случаях может быть служебным. Среди служебных имен отме­тим имя пользователя, определяющего фрейм; дату определе­ния или модификации фрейма; комментарий.

Указатель наследования. Он показывает, какую информа­цию об атрибутах слотов во фрейме верхнего уровня наследу­ют слоты с теми же именами во фрейме нижнего уровня. При­ведем типичные указатели наследования:

S (тот же). Слот наследуется с теми же значениями данных;

U (уникальный). Слот наследуется, но данные могут принимать любые значения;

I (независимый). Слот не наследуется.

Указатель типа данных. К типам данных относятся:

FRAME (указатель) - указывает имя фрейма верхнего уровня;

ATOM (переменная),

TEXT (текстовая информация),

LIST (список),

LISP (присоединенная процедура).

С помощью механизма управления наследованием по от­ношениям "есть-нек" осуществляются автоматический поиск и определение значений слотов фрейма верхнего уровня и при­соединенных процедур.

Рассмотримпример использования системы фреймов. Иерар­хия фреймов, показанная на рис. 4.4.а, отображает организацион­ную структуру и работы, выполняемые в некотором отделе конст­рукторского бюро. Она предназначена для фиксации факта окончания отдельных работ исполнителями, группами и отделом в це­лом. Фрейм ROOT является стандартным фреймом, все другие фреймы должны быть подчинены ему. Слот АКО используется для установления иерархии фреймов.

Работа начинается посредством передачи сообщения в слот фрейма верхнего уровня DEP. При этом запускается присоединенная про­цедура, которая передает в фреймы нижнего уровня зна­чение текущей даты. Когда происходит заполнение какого-то слота в фрейме, делается попытка дать значения всем слотам этого фрейма, в том числе попытка выполнения присоединенной про­цедуры.

Фреймовые системы обеспечивают ряд преимуществ по сравнению с продукционной моделью представления знаний:

1)знания организованы на основе концептуальных объек­тов;

2)допускается комбинация представления декларативных (как устроен объект) и процедурных (как взаимодейству­ет объект) знаний;

3)иерархия фреймов вполне соответствует классификации понятий, привычной для восприятия человеком;

4)система фреймов легко расширяется и модифицируется.

Трудности применения фреймовой модели знаний в ос­новном связаны с программированием присоединенных про­цедур.

Имя слота	Указатель наследования	Указатель Типа	Значение слота
FRAME-NAME: DEP
АКО	(U) ROOT	FRAME ROOT
DESINF	(U) ROOT	TEXT	(ОТДЕЛ 23)
DATE	(U) ROOT	LIST
ТЕМА	(I) .TOP.	LIST	(TEMA1 ТЕМА2)
ТЕМА1	(I) «TOP»	LIST	NIL
ТЕМА2	(I) .TOP.	LIST	NIL
FLAG1	(I) «TOP.	ATOM
FLAG2	(I) TOP.	ATOM
LOGIC	(U) «TOP.	LISP	MAIN
FRAME-NAME: TEMA1
АКО	(U) ROOT	FRAME DEP
DESINF	(U) ROOT	TEXT	(КОНСТРУИРОВАНИЕ ПЛЕЕРА)
DAE	(U) ROOT	LIST
FAM	(I) «TOP.	LIST	(FAM1 FAM2 FAM3)
FAM1	(I) TOP»	LIST	NIL
FAM2	(I) «TOP.	LIST	NIL
FAM3	(I) TOP.	LIST	NIL
FLAG1	(1) .TOP*	ATOM
FLAG2	(1) «TOP»	ATOM
FLAG3	(1) TOP»	ATOM
LOGIC	(U) TOP.	LISP	COMP1
FRAME-NAME: FAM1
AKO	(U) ROOT	FRAME TEMA1
DESINF	(U) ROOT	TEXT	(ЛЕНТОПРОТЯЖНЫЙ
			МЕХАНИЗМ)
DATE	(U) ROOT	LIST
TODAY	(1) «TOP»	ATOM
ENDDATE	(1) .TOP.	ATOM	02.04.91
LOGIC	(U) .TOP»	LISP	COMPDATE

Рисунок 4.4 Пример базы знаний фреймового типа:

а - иерархия фреймов; б - значения слотов

4.7 Семантические сети для представления знаний

Особенность семантической сети как модели знаний состо­ит в единстве базы знаний и механизма вывода новых фактов. На основании вопроса к базе знаний строится семантическая сеть, отображающая структуру вопроса, и ответ получается в результате сопоставления общей сети для базы знаний в це­лом и сети для вопроса.

Рассмотримпример семантической сети, отображающий под­чиненность сотрудников в отделе учреждения, приведенный на рис. 35,а. Приводятся связи, показывающие подчиненность пер­вого сотрудника. Остальные сотрудники отдела связываются че­рез вершины сети связями типа "руководит 2", "руководит 3" и т. д.

Вопрос "Кто руководит Серовым?" представляется в виде под­сети, показанной на рис. 4.5,б. Сопоставление общей сети с сетью запроса начинается с фиксации вершины "руководит", имеющей ветвь "объект", направленную к вершине "Серов". Затем произ­водится переход по ветви "руководит", что и приводит к ответу "Петров"

Рисунок 4.5 Примеры: а - семантической сети;

б - сети логического вывода для запроса

Преимущества семантических сетей состоят в том, что это достаточно понятный способ представления знаний на осно­ве отношений между вершинами и дугами сети. Однако с уве­личением размеров сети ухудшается се обозримость и увели­чивается время вывода новых фактов с помощью механизма сопоставления.

Одной из попыток расширения возможностей СИИ является использование сочетания различных МПЗ фреймов и продукций (продукционные правила в слотах фрейма являются формой присоединения к фрейму процедурных знаний) семантических сетей и логических моделей семантических сетей и продукций. Однако простое объединение в одной БЗ нескольких МПЗ, получивших название комбинированных или смешанных, как правило, малоэффективно. Различные МПЗ не обязательно несовместимы друг с другом, однако они отличаются по степени соответствия конкретным внутренним представлениям эксперта.  

К недостаткам подхода Ханта, ограничивающим применение результатов этих исследований, следует отнести специфичность языка описаний входных примеров и ограниченный смысл формируемых понятий. Кроме того, за рамками исследования осталось рассмотрение проблемы формирования взаимосвязанных понятий, что очень существенно для систем с искусственным интеллектом , использующих в качестве моделей проблемных сред модели семантического типа.  

Этап концептуального проектирования включает создание концептуальной схемы БД. Спецификации разрабатываются в той степени, которая требуется для перехода к реализации. На этом этапе создаются подробные модели пользовательских представлений данных затем они интегрируются в концептуальную модель (семантическая модель), фиксирующую все элементы корпоративных данных, которые будет содержать БД.  

Известно достаточно большое число семантических моделей данных (например, модель "сущность-связь", модель семантических сетей и др.) однако используемые в них понятия, идеи и методы характеризуются большим сходством, что облегчает их совместное рассмотрение.  

Модель семантических сетей  

Возможности выражения семантики в терминах сущностей и связей весьма ограничены. Повышение выразительной силы изобразительных средств достигается в модели семантической сети. В определенном смысле возможности семантической сети являются наиболее универсальными из известных к настоящему времени.  

Принципиальными различиями обладают три модели представления знаний - продукционная модель , модель фреймов и модель семантических сетей.  

Концептуальное проектирование служит для получения моделей семантического уровня, определяющих конкретную предметную область . Описание концептуальных моделей отражает объекты ЭИС и связи между ними, но не должно зависеть от методов представления данных в конкретной системе управления базами данных. Концептуальная модель - некоторое формализованное, заданное в явном виде, отображение предметной области , определяющее множество ее состояний, включая правила их изменения. Данная модель призвана обеспечить устойчивую и долговременную работу всей системы, выдерживать замену одного управляющего комплекса на другой.  

Классификация показателей народнохозяйственного планирования должна носить многоаспектный характер и строиться в тесном взаимодействии со всеми другими общесоюзными и локальными классификаторами и номенклатурами. Последнее объясняется тем, что в наименованиях показателей находятся термины, входящие в различные классификаторы и номенклатуры. Используя зафиксированные в них отношения между терминами (род -вид, целое - часть и т. п.), можно определять семантические связи между показателями, в том числе вхождение их в определенные виды, типы и классы. Полный состав признаков классификации должен быть определен на основе анализа структуры планов, характера применяемых экономико-математических моделей , методов решения задач , включенных в методическое обеспечение АСПР.  

Информация относительно ее возникновения и последующих преобразований проходит три этапа, которые, собственно, и определяют ее семантический, синтаксический и прагматический аспекты. Человек сначала наблюдает некоторый факт окружающей действительности, который отражается в его сознании в виде определенного набора данных. Здесь проявляется синтаксический аспект. Затем после структуризации этих данных в соответствии с конкретной предметной областью человек формирует знание о наблюдаемом факте. Это семантический аспект полученной информации. Информация в виде знаний имеет высокую степень структуризации, что позволяет выделять полную информацию об окружающей нас действительности и создавать информационные модели исследуемых объек-18  

Виды знаний могут быть представлены одной из следующих семантических моделей  

Приведено планирование базы данных, Выполнен анализ предметной области и построена схема объекты-взаимосвязи, выделены элементы данных и сформулированы семантические правила . Спроектирована модель данных, которая затем преобразуется в логическую модель конкретной системы управления базой данных.  

К СЕМАНТИЧЕСКИ ПОЛНОЙ МОДЕЛИ  

Так как отношения семантически полной модели могут  

Заключительная фаза анализа предметной области состоит в проектировании ее информационной структуры (или концептуальной схемы). Описывать предметную область или проектировать концептуальную схему можно средствами достаточно большого количества моделей, созданных специально для этих целей. В простых случаях для построения концептуальной схемы используют традиционные методы агрегации и обобщений. При агрегации информационные объекты (элементы данных) объединяются в один в соответствии с семантическими связями между объектами.  

В рамках каждой БД концептуальные требования обобщаются в концептуальную модель , выраженную абстрактными средствами, позволяющими увидеть все информационное содержание предметной области . Концептуальная модель позволяет как бы подняться вверх над предметной областью и увидеть ее отдельные элементы. При этом подробность, детальность и глубина предметной области зависит от выбранной модели. Модель с минимальными возможностями должна обеспечивать способность задания данных и их взаимосвязи. Соответственно семантическая мощь концептуальной модели увеличивается с возрастанием дополнительного числа характеристик, которые она позволяет оп-  

Активные понятийные модели разрабатывались не только для хранения описаний используемых понятий и связей между ними. Ставились цели динамически формировать новые суждения, определять тождество или сходство понятий, производить их интерпретацию вычислительного характера. К таким моделям относятся разные представления семантических сетей , некоторые специальные понятийные модели, например . Однако создание технологически полных механизмов такого рода оказалось очень сложной задачей. Для непосредственного использования в промышленных разработках ИС активные понятийные модели до последнего времени были непригодны.  

Определяются составляющие информационной модели , их взаимосвязь и последовательность разработки. Строится технологический маршрут разработки, выделяются отдельные этапы (фазы) процесса, устанавливаются структура и содержание исходных и конечных данных каждого этапа. Выполняются формальные процедуры семантического контроля выходных данных каждого этапа для отладки информационной модели и контроля процесса разработки проекта.  

Трем типам знаний соответствуют и три типа моделей для их представления синтаксические, семантические и прагматические. Наличие двух последних является наиболее существенным признаком, отличающим интеллектуальные системы от всех других.  

В основе моделей этого типа лежит конструкция, названная ранее семантической сетью . Сетевые модели формально можно задать в виде  

Фрейм чаще всего определяют как структуру данных для представления стереотипных ситуаций. При этом способ группирования множества конкретных ситуаций в стереотипную, как правило, не может быть определен строго. Чаще всего стереотипные ситуации (для данной предметной области) выделяет исследователь, опираясь на опыт и данные наблюдений. Неформальные знания исследователя о предметной области можно рассматривать как систему понятий, определяющих представление о конкретных ситуациях . Каждое понятие связывается с конкретной ситуацией , а конкретные ситуации согласуются с соответствующей стереотипной. Если понятия представляют собой неформальные знания о стереотипной ситуации, то фреймы - это формализованные знания. Таким образом, фреймы соответствуют понятиям, отражающим объекты, явления, характеристики предметной области . Это дает основание рассматривать фрейм как семантический блок или модуль модели представления знаний . Модель представления знаний строится в виде сети фреймов, т. е. системы определенным образом взаимосвязанных фреймов. Поэтому в мо-  

В ряде систем используются комбинации сетевых и продукционных моделей представления знаний . В таких моделях декларативные знания описываются в сетевом компоненте модели, а процедурные знания - в продукционном. В таком случае говорят о работе продукционной системы над семантической сетью.  

В современном мире пропаганда давно уже перестала быть чисто идеологическим занятием, она покоится на жестких научных основаниях. Именно последняя война, получившая название "холодной", была на самом деле войной семантической, войной семиотической. Она дала значительный стимул развитию коммуникативных моделей воздействия. Они в достаточной мере научны, хотя и формулируются с непривычной для нашего уха долей цинизма. Так, американцы считают, что им лучше обработать одного журналиста, чем десять домохозяек или пять врачей. Поскольку человек при этом рассматривается как канал, а не как адресат информации.  

Модель семантической сети (модель Куилиана). Семантическая сеть - это направленный граф с поименованными  

Семантические барьеры могут создавать коммуникативные проблемы для компаний, действующих в многонациональной среде. Например, фирма Дженерал Моторс, выбросив на латиноамериканский

Логическая модель знаний.

Логическая модель представляет собой формальную систему - некоторое логическое исчисление. Все знания о предметной области описываются в виде формул этого исчисления или правил вывода. Описание в виде формул дает возможность представить декларатив­ные знания, а правила вывода - процедурные знания. Языки представлений знаний логического типа широко использо­вались на ранних стадиях развития интеллектуальных систем, но вскоре были вытеснены (или, во всяком случае, сильно потеснены) языками других типов. Объясняется это громоздкостью записей, опирающихся на классические логические исчисления. При формировании таких записей легко допустить ошибки, а поиск их очень сложен. Отсутствие наглядности, удобочитаемости (особенно для тех, чья деятельность не связана с точными науками) затрудняло распространение языков такого типа.

Фреймовая модель знаний .

Фрейм (англ. frame - каркас или рамка) предложен М. Минским в 1970-е гг. как структура знаний для восприятия пространственных сцен. Эта модель имеет глубокое психологическое обоснование. Под фреймом понимается абстрактный образ или ситуация. Фреймом называется также и формализованная модель для отображения образа. Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через: - фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель); - фреймы-роли (менеджер, кассир, клиент); - фреймы-сценарии (банкротство, собрание акционеров); - фреймы-ситуации (тревога, авария, рабочий режим устройства) и др. Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language) и другие позволяют эффективно строить промышленные ЭС. Широко известны такие фреймоориентированные экспертные системы, как ANALYST, МОДИС.

Термин семантическая означает "смысловая", а сама семантика - это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков. Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними. Характерной особенностью семантических сетей является обязательное наличие трех типов отношений: - класс - элемент класса; - свойство - значение; - пример элемента класса. Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу. Основное преимущество этой модели - в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели - сложность поиска вывода на семантической сети. Для реализации семантических сетей существуют специальные сетевые языки, например NET и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний - PROSPECTOR, CASNET, TORUS.

По форме описания знания подразделяются на:

Декларативные (факты) - это знания вида "А есть А". Декларативные знания подразделяются на объекты, классы объектов и отношения. Объект - это факт, который задается своим значением. Класс объектов - это имя, под которым объединяется конкретная совокупность объектов-фактов. Отношения - определяют связи между классами объектов и отдельными объектами, возникшие в рамках предметной области.

Процедурные - это знания вида "Если А, то В". К процедурным знаниям относят совокупности правил, которые показывают, как вывести новые отличительные особенности классов или отношения для объектов. В правилах используются все виды декларативных знаний, а также логические связки. При обработке правил следует отметить рекурсивность анализа отношений, т.е. одно правило вызывает глубинный поиск всех возможных вариантов объектов БЗ.

Граница между декларативными и процедурными знаниями очень подвижна, т.е. проектировщик может описать одно и то же как отношение или как правило.

Модель семантическая

система значений, приписываемых выражениям некоторого формализованного языка, то же, что интерпретация. Логические системы часто строятся в виде формального исчисления, принимающего во внимание лишь внешний вид формул и символов. Исчисление превращается в язык после того, как его символом придано некоторое значение и указана область объектов, к которой относятся его выражения и формулы. После этого мы можем говорить об истинности и ложности формул исчисления. М. с. как раз и называют систему значений или область объектов, которые превращают формулы логического исчисления в истинные или ложные утверждения.

Словарь по логике. - М.: Туманит, изд. центр ВЛАДОС . А.А.Ивин, А.Л.Никифоров . 1997 .

Смотреть что такое "модель семантическая" в других словарях:

Модель управления схема, наглядно отражающая семантические и синтаксические актанты лексемы и способы их морфосинтаксического оформления. Понятие введено в теории «Смысл ↔ Текст». Синтаксис Основные понятия Предложение: простое, осложнённое … Википедия

У этого термина существуют и другие значения, см. Сеть … Википедия

Пример семантической сети Семантическая сеть информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут… … Википедия

Книга И. А. Мельчука «Русский язык в модели „Смысл ↔ Текст“» Теория «Смысл ↔ Текст» теория языка, созданная И. А. Мельчуком и представляющая его как многоуровневую модель преобразований смысла в текст и обратно (модель «Смысл ↔ Текст»);… … Википедия

МОДЕЛЬ ЧЕРТ - Класс моделей человеческой памяти, основывающихся на допущении, что информация хранится в форме набора отличительных (семантических) черт, которые однозначно идентифицируют каждое понятие. Более подробно см. семантическая черта и ср. с… …

Семантическая сеть (модель) - – класс теоретических моделей структуры человеческой долговременной памяти. В таких моделях считается, что информация хранится в форме слов, понятий или предложений как независимых единиц, объединённых определёнными связями или отношениями.… … Энциклопедический словарь по психологии и педагогике

СЕМАНТИЧЕСКАЯ СЕТЬ (МОДЕЛЬ) - Класс теоретических моделей структуры человеческой долговременной памяти. В таких моделях считается, что информация хранится в форме слов, понятий или предложений как независимых единиц, связанных определенными связями или отношениями. Например,… … Толковый словарь по психологии

У этого термина существуют и другие значения, см. Модель. Сетевая модель теоретическое описание принципов работы набора сетевых протоколов, взаимодействующих друг с другом. Модель обычно делится на уровни, так, чтобы протоколы вышестоящего уровня … Википедия

В данной статье или разделе имеется список источников или внешних ссылок, но источники отдельных утверждений остаются неясными из за отсутствия сносок … Википедия

Модель основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)». Продукционная модель фрагменты Семантической сети, основанные на временных отношениях между состояниями объектов. Продукционная… … Википедия

Книги

• Русские глагольные предложения. Экспериментальный синтаксический словарь , . Экспериментальный синтаксический словарь является принципиально новым лексикографическим изданием, так как в нем впервые в русской лексикографии систематизированы семантические модели русских…
• Теория функционального синтаксиса. От семантических структур к языковым средствам , А. Мустайоки. В книге представлена новая модель функционального синтаксиса, систематически следующая принципу "от значения к форме" . Исходным пунктом концепции является семантическая структура, отражающая…

§ 1. Понятие и основные модели перевода

Модель перевода – это теоретический конструкт, алгоритм, описывающий деятельность переводчика в процессе перевода.

Основные модели:

трансформационно-семантическая

денотативно-ситуативная

коммуникативная

Трансформационносемантическая:

два это преобразованиеварианта объектовмодели и структур одного языка в

объекты и структуры другого по определенным правилам, т.е. с использованием разных видов

соответствий и трансформаций, без обращения к внеязыковой действительности (Л.С. Бархударов).

преобразование по правилам внутриязыковых трансформаций 1)структур ИЯ для обеспечения прямого перевода на ПЯ; или 2)пословного перевода на ПЯ с

целью получения идиоматичного грамотного перевода на ПЯ (О.И. Бродович, А.Д. Швейцер)

Переведите:

Before the invention of fashion in 1350 A.D., tailors were unnecessary: Clothing didn"tacknowledge the body"s shape.

Mosquitoes are attracted to the color blue twice as much as to any other color.

Разновидности модели, построенные на различных

теориях 1) Порождающая грамматика:языка теория

постулирует наличие у человека некоей языковой способности, состоящей из знания базовых структур языка и правил их преобразования в поверхностные.

Для английского языка характерны 6 ядерных/базовых структур: NV

There (be) N (D) N be N

при построении речевых высказываний т.н. ядерные предложения преобразуются (трансформируются) в поверхностные путем

преобразования синтаксической структуры одного предложения:

John sent Bill a letter. ↔ The letter was sent to bill by John.

или соединения нескольких ядерных с возможным опущением элементов или с использованием слов-заменителей

Having sent a letter to Bill, John went home.

Схема модели перевода, построенной на основе порождающей грамматики

Преимущества и

недостатки требует минимального привлечениямодели внелингвистических знаний для интерпретации языковых структур

позволяет сократить все многообразие языка до нескольких базовых структур.

позволяет привести два языка к семантическому “общему знаменателю”

на стадии анализа ИТ они помогают снять неоднозначность, поскольку ядерные структуры однозначны, т.к. эксплицируют смысловую структуру

poor worker (х-ка лица или процесса?)

television channel award (субъект или объект действия?)the foundation of the school (процесс или предмет?)

на стадии синтеза позволяют преодолеть такие проблемы как:

1) отсутствие соответствующей морфологической формы в ПЯ (герундий – His handling the millitary operation appears to be lax ← It apperaed that he handled … Создается впечатление, что военной операцией он руководил нечетко.

2) невозможность передать словообразовательное значение слова морфологическим способом ( the rent raiser, disturber )

3) различия в лексической сочетаемости ( She spoke about the waste of human resources ).

4) для сохранения тема-рематического членения или когда русское предложение начинается с косвенного дополнения (Американцам внушают, что… - Americans have been led to believe that…) и др.

2) Компонентный

анализ: значения всех словтеория во всех языках могут быть описаны с помощью одного и того же ограниченного набора из нескольких десятков элементов –семантических примитивов , соответствующих значениям слов,

предположительно встречающихся в любом языке и составляющих его понятийную основу (напр., "я", "ты", "кто-то", "что-то", "люди", "думать", "говорить", "знать", "чувствовать", "хотеть‘)

Семы делятся на три вида: общие, дифференциальные и дополнительные . Общие семы – те компоненты, которые объединяют все лексико-семантические варианты одного слова или синонимы одного синонимического ряда (напр.,give во всех значениях - это let+have ); дифференциальные – те компоненты, кот. обеспечивают включение рассматриваемых ЛСВ в разные синонимические ряды (дарить – «безвозмездность», покупать «брать за деньги»); дополнительные – те несущественные для логикопредметного значения элементы значения, которые часто служат базой для метафорического/метонимического переноса.

Схема модели, основанной на теории компонентного

Преимущества и недостатки модели

позволяет учитывать расхождения в компонентной структуре слов и конфигурациях семантических полей в двух языках при выборе соответствующей единицы ПЯ

В sibling по сравнению сбрат, сестра отсутствует сема «пол»

В рисунок (неспец.) по сравнению сdrawing отсутствует сема «карандашом»

Свояченица, золовка (сестра мужа/жены) – sister-in-law

объясняет случаи конкретизации значения исходной единицы ввиду разницы в конфигурации семантических полей

purple – any colour between red and blue: в переводе фиолетовый, лиловый, сиреневый.

BUT! не раскрывает механизма синтаксических и лексикосинтаксических преобразований

3) Семантическая модель «смысл↔текст»

стремится отразить закономерности преобразования смысла в текст и обратно.

Глубинная структура языка представляет собой не только глубинный синтаксис (как у Хомского), но и глубинную лексику.

Глубинная лексика включает лишь самостоятельные (первичные слова), а

остальное интерпретируется в терминах лексических функций, которые делятся на две категории: эквивалентные замены (синонимы, конверсивы типа «дать-получить», синтаксические дериваты) исемантические параметры ,выражающие некоторые элементарные смыслы при ключевом слове :

Oper1 (типовая ситуация, присоединитель субъекта в роли подлежащего) – задать при вопрос, сделать при шаг;

Oper2 (присоединитель объекта в роли подлежащего) – подвергнуться нападению, понести наказание.

Inctp – начинаться (вспыхнуть, подниматься), Fin – заканчиваться (улеглась, отошла),

Magn - высокая степень – (грубая ошибка, жгучий брюнет).