Рассматривается классификация моделей знаний. На основе аналитического обзора осуществляется выбор подходящей модели для тестирующей системы, в качестве которой выступает гибридная модель знаний на основе фреймов и семантических сетей.
Classification of models of knowledge is examined. On the basis of the analytical review, the choice of suitable model for the testing system is carried out. The most suitable is the hybrid model of knowledge which appears on the basis of frames and semantic networks.
Внедрение интеллектуальных систем, а также технологий, связанных с их разработкой и проектированием, в настоящий момент являются актуальным направлением исследований. Значительная часть новых автоматизированных систем содержит интеллектуальные компоненты. В области тестовых технологий практически каждая система оценки качества знаний должна содержать базу данных тестовых заданий, внедрение интеллектуальных технологий в данную сферу, позволяет говорить о новом качественном подходе к созданию подобных систем. Одной из основных задач интеллектуальных систем является формализация и представление знаний о предметной области и процессах, протекающих в ней. В тестирующей системе необходим подход к представлению знаний, позволяющий объединить в единой структуре базу данных и знаний. Таким образом, выбор способа представления знаний будет во многом определять будущность данной системы, при этом необходимо учитывать ряд особенностей при моделировании подобной системы:
1) Область обладает структурой, процесс моделирования которой не может быть закончен в ограниченный период времени.
2) Модель предметной области должна отражать не только состояние и структуру на момент проектирования и реализации, но и иметь внутренние механизмы динамической адаптации (в том числе и структурной) модели предметной области на протяжении всего жизненного цикла модели предметной области.
3) Существует проблема недостаточно полного описания методов, подходов и моделей представления знаний в области тестирования.
Представление знаний - это выражение на некотором формальном языке, называемом языком представления знаний, свойств различных объектов и закономерностей, важных для решения прикладных задач и организации взаимодействия пользователя с ЭВМ. Это могут быть объекты и закономерности предметной области, вычислительной среды и т.д. Тот факт, что язык, на котором записываются знания, является формальным, обеспечивает однозначность интерпретации записанного [1].
На данный момент существует множество различных подходов к формализации и представлению знаний в той или иной предметной области. Классификация представления знаний довольно разнообразна:
Выделим основные достоинства и недостатки моделей представления знаний в контексте разрабатываемой системы оценки качества знаний. Алгоритмическая модель представления знаний является основополагающей для всех остальных моделей представления знаний. Все существующие модели представления знаний являются или развитием алгоритмической модели представления знаний (например, продукционная модель представления знаний), или включают её в свою структуру (например, фреймовая модель представления знаний).
Алгоритмическая модель представления знаний позволяет описать практически любую модель предметной области (в частности любую модель предметной области, реализуемую на основе другой модели представления знаний).
Основными достоинствами алгоритмической модели для разрабатываемой системы являются: теоретическая проработанность, модульность, относительная простота реализации.
В качестве основных недостатков алгоритмической модели следует отметить: высокая степень детерминированости и статичности, ориентированность только на хорошо формализуемые предметные области, сложность в пополнении базы знаний. Следовательно, не смотря на достоинства использование алгоритмической модели, представления знаний для системы оценки качества знаний не приемлемо.
Основными достоинствами продукционной модели являются [1, 2]: простота создания и понимания отдельных правил; модульность, простота пополнения и модификации; возможность реализации любых алгоритмов и, как следствие, способность отражать любое процедурное знание; высокая эффективность поиска знаний за счет многоуровневой классификации сфер применения.
К недостаткам данной модели представления знаний следует отнести: неясность взаимных отношений правил, сложность проверки непротиворечивости системы; сложность оценки целостного образа знаний.
Таким образом, можно сделать вывод, что продукционная модель представления знаний ориентирована на относительно простые и хорошо формализуемые предметные области, к которым не относится тестология.
Семантическая сеть является удобным способом графического описания объектов предметной области. При этом под объектом может пониматься процесс, состояние, какая-либо сущность и т.п. [2]
Наряду с такими достоинствами, как высокая степень детерминированности, модульность, наглядность и простота в понимании отметим недостаток не позволяющий использовать данную модель в качестве представление знаний в данной области: ориентация на относительно простые и хорошо формализуемые области.
В отличие от моделей других типов, во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется протофрей-мом [1].
Фреймовая модель представления знаний отражает концептуальную основу организации памяти человека [5], а её гибкость и наглядность фактически позволяет говорить о простоте формализации экспертных знаний о предметной области.
Также к достоинствам фреймовой модели знаний относятся:
1) Внутренняя интерпретация и наличие внутренней структуры связей;
2) Возможность использования предположений и ожиданий;
3) Механизм наследования свойств;
4) Универсальность за счет существования не только фреймов для обозначения объектов и понятий, но и фреймов - событий, фреймов - ситуаций, фреймов - ролей, фреймов - сценариев и т.п.;
5) Возможность легкого перехода к сетевой модели.
Представления знаний на основе фреймовой модели, особенно эффективно для структурного описания сложных понятий и решения задач. Основным недостатком фреймовой модели представления знаний является отсутствие строгой формализации.
Фреймовая модель представления знаний является достаточно универсальной в качестве основной организации базы знаний. Среди логических моделей представления знаний наибольшее распространение получили исчисление высказываний и исчисление предикатов первого порядка. К одному из недостатков данной модели следует отнести сложность в реализации динамичности, что приведёт к сложности вычислений.
Подробную информацию по логическим моделям представления знаний можно найти в [1], [3], [4]. Исследуя объектно-ориентированные модели представления знаний необходимо отметить, что часть исследователей отождествляет фреймовую и объектно-ориентированную модель представления знаний, другие исследователи считают, что объектно-ориентированный подход, является не более чем средством реализации фреймовой или семантической модели предметной области. Существует и третья группа исследователей, которые говорят об объектно-ориентированной модели представления знаний как о самостоятельном направлении. В настоящий момент времени практически все существующие оболочки экспертных систем, экспертные системы и информационные интеллектуальные системы создаются на базе гибридных моделей представления знаний.
Гибридная модель представления знаний представляет собой интеграцию двух или более моделей представления знаний, либо их элементов с целью расширения возможностей и сокращения числа различных недостатков.
Из рассмотренных моделей, их достоинств и недостатков следует выделить фреймовую и семантическую модель представления знаний в качестве наиболее подходящих к реализации базы знаний в системе оценки качества знаний. Существует гибридная модель представления знаний фрейм-семантическая, которая объединяет достоинства фреймовой модели представления знаний и семантических сетей, что позволяет избавиться от ряда недостатков присущих этим моделям по отдельности.
Таким образом, следует предложить в качестве модели представления знаний гибридную модель представления знаний на основе фреймов и семантических сетей, что даст возможность реализовать такие свойства базы знаний предметной области как гибкость, наглядность, динамичность, полноту.
Список используемой литературы
Жуйков В.В. Внедрение интеллектуальных технологий в систему оценки качества знаний на основе моделей представления знаний [Текст] / В.В. Жуйков // Информационные технологии в образовании: Материалы II Международной научно-практической конференции «Информационные технологии в образовании (ИТО-Черноземье 2008)». Курск, 8-11 декабря 2008г. Ч.2. – Курск: Изд-во КГУ, 2008. – С. 29-33. – 0,3 п.л.