Интеллектуальная экспертная система по выбору страны, которая близка человеку по его взглядам

Пример экспертной системы с использованием метода Криса-Нейлора. Структура базы данных. Стратегия вывода результатов выбора страны. Руководство пользователя, редактирование базы знаний. Режим тестирования, его завершение, блок объяснения решения.

Рубрика Программирование, компьютеры и кибернетика
Вид контрольная работа
Язык русский
Дата добавления 29.12.2012
Размер файла 1,6 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Введение

Цель работы: создание интеллектуальной экспертной системы по выбору страны, которая наиболее близка человеку по его жизненным взглядам.

В интернете существует много тестов по выбору оптимальной страны для человека. Этот вопрос волнует людей, которых интересует, в какой стране им было бы находится комфортнее всего. Тем не менее, данные тесты выдают человеку лишь одну страну и не объясняют свой выбор. Данная система устраняет эти недостатки. Система реализована в вопросно-ответной форме: система задает вопрос, а пользователь отвечает на него. После ответа на все вопросы пользователю выдается не только страна, подходящая ему больше всего, исходя из его жизненных принципов и предпочтений, но и выдается график, на котором можно увидеть как гипотезы (страны) меняли свои вероятности, когда пользователь отвечал на вопросы. На графике показаны три страны с наибольшей вероятностью, которая и дает нам ответ на вопрос, какая из стран подходит пользователю больше всего. Также реализован блок объяснения решения, который выводит список вопросов и то, как на них отвечал пользователь и блок справки, имеющий руководство пользователя.

1. Постановка задачи

Требуется по 11 признакам решить, какая из 11 предложенных стран больше всего подходит пользователю. Также экспертная система должна уметь объяснять свое решение.

Объяснение решения программы будет выполнено в виде графика изменения вероятности гипотезы от ответов на задаваемые вопрос, а также список вопросов, которые задавались пользователю и его ответы на них.

Для решения поставленных проблем была применена технология экспертных систем. Экспертные системы в отличие от обычных программ должны уметь объяснять свое решение, а также обладать базой знаний, что для программы без технологии экспертных систем сделать трудно, а в некоторых случаях невозможно.

Наша предметная область - страны, а также их физическое, экономическое и политическое положение в мире. В мире насчитывается более 208 стран с разной культурой, конституционным строем, климатом и.т.д. Конечно, эксперт в данной области может хорошо знать признаки большинства стран, но он не всегда есть “под рукой". Также одной из особенностей предметной области является то, что наш мир изменчив. Любая страна может поменять форму правления или даже перестать существовать. Поэтому данная экспертная система предполагает режим ввода и корректировки данных.

Самая важная проблема, как было озвучено раньше, заключается в широком разнообразии признаков и стран, также сложности добавляет составление вопросов для проверки признаков гипотез. На вопрос «Хотели бы вы хорошее социальное обеспечение?» или «Хотели бы вы жить на море?» практический любой человек ответит да, не задумываясь, что в первом случае его ждут высокие налоги, а во втором - высокий наплыв туристов в сезон отдыха. Также одной из проблем экспертной системы является её гибкость к нечетким ответам. То, что человек не хочет, чтобы в его стране было море, вовсе не означает, что страна, в которой есть море, ему не подходит по остальным признакам, которые могут оказать решающее значение для выбора экспертной системы. Данные проблемы предопределили выбор модели знаний. В нашей системе данная модель будет основана на нечетких знаниях с использованием метода Криса-Нейлора.

Типичным примером экспертной системы с использованием метода Криса-Нейлора является медицина. Например, надо определить, какая болезнь у человека:

1) Расставим вероятности, например, по признаку боли в горле и высокая температура:

Возьмем болезнь грипп: p+ боле в горле равна 0,01 (т.к. при гриппе нету боли в горле) соответственно p- (наблюдается признак, но это не гипотеза) будет очень высок. Если взять признак - высокая температура (которая при гриппе обязательна), то вероятности будут р+=1; p- =0,01.

1; температура; у вас высокая температура ( >38 )?

2; боль в горле; у вас болит горло?

После рассмотрения достаточного количества признаков система примет решения о вашей болезни.

Основное отличие экспертных систем это способ представления знаний, существует множество способов, основными из которых являются:

1) Продукционные модели (этот подход основан на представлении знаний с помощью правил).

2) Фреймы (в основу этого подхода положен объектно-ориентированный подход).

3) Семантические сети (в этом подходе знания рассматриваются как совокупность объектов и связей между ними и представляются в виде графов специального вида).

4) Логические модели (подход основан на использование для представления знаний аппарата формальных систем (чаще всего логики предикатов)).

5) Нечеткие модели для представления знаний с разными видами неопределенности:

а) ненадежных знаний (ненадежности)

б) неполноты

в) многозначности

г) размытости (нечеткости) - свойство информации, когда она имеет качественный или размытый смысл (Например: большой, старый, умный и т.п.)

д) недетерминированность - многовариантность, возникающая в процессе логического вывода.

Данная система, как уже было сказано выше, сохраняет опыт специалистов по данной проблематике. В качестве географических источников был использованы сведения о странах, полученные в различных атласах и интернет ресурсов, также в работе принимал участие и очень помог нам расставить коэффициенты знакомый - будущий учитель географии, который проявил большую заинтересованность в нашем проекте и помог ответить на несколько проблемных вопросов. Как сказал наш эксперт, практически все эксперты в данной проблематике сходятся к одному мнению и больших расхождений в их мнении нету. Тем не менее пользователь при выборе страны коэффициенты не увидит, но увидит как менялась вероятность гипотезы и может соотнести как те или иные признаки проявляются в стране, которую ему выбрала система.

Главное требование нашей системы - это соблюдение технологии инженерии знаний, то есть база знаний должна быть отделена от машины вывода в отдельный блок. Также система должна предоставлять возможность создания новой базы знаний, позволять редактировать и изменять, осуществлять логический вывод и иметь блок объяснения решений. 2. Извлечение знаний и структурирование.

В качестве «экспертов» в нашей системе выступали данные из интернета и различных справочников, которые дали нам достаточное количество информации о политической и климатической ситуации в различных странах, проанализировав большой объем информации были выделены 11 самых существенных по нашему мнению признаков, исходя из которых и определялась страна, наиболее подходящая пользователю, данные признаки были согласованы с экспертов в данной области - будущим учителем географии, который не только утвердил их, но и помог нам расставить вероятности в используемом методе Криса-Нейлора.

Полученную информацию о предметной области мы решили разбить на 2 группы: гипотезы (то есть сами страны) и их признаки. Специфика нашей задачи такова, что если один из признаков гипотезы не срабатывает, еще не факт что гипотеза не верна, также многие знания имеют качественный характер или имеют размытость (свойство информации, когда она имеет качественный или размытый смысл (большой, старый, умный), то есть мы обладаем нечеткими знаниями о предметной области, а, следовательно, модель представления знаний должна быть также сформирована на нечеткихзнаниях. Больше всего для решения нашей задачи подходит метод Криса-Нейлора, в основу которого входят условные вероятности, это помогает решить одну из проблем системы: когда признак не срабатывает, система не «ставит крест» на определенной гипотезе, а только уменьшает её вероятность. В дальнейшем гипотеза может повысить её и оказаться решением, если сработают другие признаки.

2. Модель представления знаний

Исходя из использования, для решения задачи, метода Криса-Нейлора и из того, что знания представляют собой совокупность гипотез и характеризующих их признаков, было решено представить базу знаний в виде таблиц со следующей структурой:

Таблица «Гипотезы».

Столбцы:

Идентификатор гипотезы;

Название гипотезы;

Априорная вероятность данной гипотезы (Р(Н)).

Таблица «Признаки».

Столбцы:

Идентификатор признака;

Название признака;

Текст вопроса, который программа задает пользователю по данному признаку.

Таблица «Гипотезы-признаки» - описывает соответствие гипотез и характеризующих их признаков.

Столбцы:

Идентификатор гипотезы;

Идентификатор признака;

Вероятность выполнения данного признака при выполнении данной гипотезы (р+);

Вероятность выполнения данного признака при невыполнении данной гипотезы (р-).

Данную структуру базы знаний удобно представить в виде рисунка:

Рисунок 1 - Структура базы знаний

Данную структуру базы знаний можно использовать для решения большинства задач методом Криса-Нейлора.

Таблица 1 - Признаки

Название признака

Вопрос

море/океан

Вы любите отдыхать на море?

температура

Хотели бы вы чтоб круглый год было тепло?

осадки

Вам нравится дождливая погода?

лес

Любите ли вы гулять по лесу?

горы

Привлекают ли вас горные просторы?

плотность населения

Вам нравится находить новые знакомства?

территория

Хотите ли вы жить в большой стране?

спорт

Хотите ли вы иметь возможность заниматься спортом?

налоги

Хотите ли вы иметь широкое социальное обеспечение (при высоких налогах)?

демократия

Хотели бы вы учавствовать в политической жизни страны?

армия

Вы готовы чтобы ваша страна тратила большие деньги на армию?

3. Стратегия вывода

Для решения поставленной задачи было создано три таблицы. Страны, признаки и связующая эти таблицы - таблица вероятности, где показаны вероятности p+ и p- для признаков различных стран. На каждом, шаге логического вывода рассматривается какой-либо признак из тех, которые еще не рассмотрены, пользователю задается вопрос по поводу этого признака, а затем, в зависимости от ответа, пересчитываются текущие вероятности гипотез, если ответ 'да', то текущая вероятность гипотезы пересчитывается по формуле:

если ответ 'нет' то по формуле:

Для определения того, в каком порядке задавать вопросы вводится оценка свидетельства:

ЦС(j) - характеризует степень влияния данного признака на вероятность гипотезы. На текущем шаге рассчитываются цены свидетельства для каждого признака из числа тех, которые еще не рассмотрены. Затем выбирается признак с наибольшей ценой свидетельства. И система задает вопрос пользователю по поводу этого признака.

Для выбора гипотезы, можно перебрать все признаки и взять гипотезу с максимальной вероятностью, но это не всегда удобно (требуется время), также для выбора гипотезы можно использовать вероятностный коридор (Рисунок 1), где Pmax(H) - это значение P(H), которое теоретически может быть получено, если предположить, что все признаки «сработают» в пользу данной вероятности. Pmin(H) - которое может быть получено, если все признаки сработают не в пользу данной вероятности. С каждым шагом этот коридор сужается, количество нерассмотренных признаков уменьшается. С помощью М1 и М2 определяем более узкий коридор для увеличения быстродействия (но в этом случае уменьшается точность).

если на некотором шаге оказывается, что Pmax(H) какой-либо гипотезы становится меньше чем Pmin(H) всех других гипотез, то такую гипотезу можно отбросить, как маловероятную, и наоборот, если Pmin(H) данной гипотезы <Pmax(H) всех других гипотез, то эта гипотеза и есть решение.

Рисунок 2 - Вероятностный коридор

Тем не менее для данной системы выбран первый метод, как более точный. Нам важно рассмотреть все признаки чтобы определить оптимальную страну для проживания, так как если не будет учтён хотя бы один признак система можем с большой вероятностью выдать неправильное решение.

Когда ответы пользователя ненадежны (Скорее да, скорее нет), используется следующая формула:

P(H/R(j))=P(H/j)P(j/R(j)) + P(H/?j)P(?j/R(j))

4. Руководство пользователя

Редактирование базы знаний.

Для редактирования базы знаний пользователь должен выбрать в главном меню программы кнопку «Настройки» и выбрать подпункт «Редактор БД».

Рисунок 3 - Вход в редактор БД

После входа в редактор БД появляется новая форма, разделенная на три части: добавление/удаление гипотезы (страны), добавление/удаление признака (вопроса) и расставление вероятности. Первые две части данной формы похожи, в поле для редактирования «Название» следует написать название гипотезы/признака, и выставить её априорную вероятность (для страны) или текст вопроса (для признаков) затем становится доступной кнопка «Добавить» после нажатия на которую гипотеза/признак добавляются в базу знаний.

Рисунок 4 - Добавление гипотезы в базу знаний

Что касается третьей части редактора базы знаний, то он состоит из двух полей с выбором, в которых отображены добавленные гипотезы и признаки и два поле для задания числовых значений с определенным шагом которые связывают гипотезу и признак путем добавления в базу знаний значений p+ и p-.

Рисунок 5 - Добавления p+ и p- для признаков гипотезы

Режим тестирования

В режиме тестирования программа опрашивает пользователя по всем признакам, задавая по вопросу на каждый признак.

Для тогда чтобы начать тестирование пользователь нажимает кнопку «Начать тестирование» и на форме будут появляться вопросы на которые можно ответить «Да», «Нет», «Не знаю» и «Скорее да», «Скорее нет», после ответа пользователю будет предложен следующий вопрос до тех пор пока опрос не будет закончен.

Рисунок 6 - Режим тестирования

После ответа на все вопросы на форме появится название страны, которое больше всего подходит пользователю. Далее ему следует нажать на появившуюся кнопку «Объяснить решение».

Рисунок 7 - Завершение тестирования

база данных пользователь тестирование

В появившейся форме мы видим график, на котором видно как по ходу тестирования менялись вероятности трех самых подходящих стран для пользователя, также внизу графика имеется блок объяснения решения, а именно список вопросов и ответы пользователя на них.

Рисунок 8 - Блок объяснения решения

Заключение

Была сделана экспертная система по поиску страны пригодной для пользователя. В системе были реализованы следующие требования: соблюдение технологии инженерии знаний (база знаний должна быть отделена от машины вывода в отдельный блок), система должна предоставлять возможность создания новой базы знаний, позволять редактировать и изменять базу знаний, система осуществлять логический вывод и иметь блок объяснения решений. Модель представления знаний являлась модель с использованием нечетких знаний, реализованный метод - метод Криса-Нейлора. В качестве цели также реализовано закрепление материала по курсам «Методы и средства искусственного интеллекта» и «Системы искусственного интеллекта».

К аспектам полезности данной системы можно отнести то, что в системе собраны достаточно большие знания эксперта в области политологии и географии, сохраняя его знания, система приносит пользу, так как может быть тиражирована. Также привлекает и возможность пользователя выбрать более подходящую для себя страну, не тратя время на поиск в интернете каких-либо сведений и не разрабатывая свои алгоритмы для определения лучшей из стран по своему вкусу.

Список литературы

1. Джексон Питер. Введение в экспертные системы. - СПб.: Издательский дом «Вильямс», 2001.

2. Попов Э.В. Экспертные системы 90-х гг. Классификация, состояние, тенденции // Новости искусственного интеллекта. № 2., 1991.

3. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. - М.: Радио и связь, 1989.

4. Хейес-Рот и др. Построение экспертных систем. Под ред. Хейес-Рота Ф., Уотермана Д., Лената Д. - М.: Мир, 1987.

5. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. - СПб.: БХВ-Петербург, 2003.

6. Яшин А.М. Разработка экспертных систем. - Л.: ЛПИ, 1990.

7. Гаврилова Т.А., Черевинская К.Р. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992.

8. Шумилина Т.В. Интервью в журналистике. - М.: МГУ, 1973.

9. Информатика. / Под ред. проф. Н.В. Макаровой. - М.: Финансы и статистика, 1998.

10. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. С. - П.: Питер», 2000.

Размещено на Allbest.ru


Подобные документы

  • Создание интеллектуальной экспертной системы по подбору комплектующих для стационарного компьютера. Медицина как пример экспертной системы с использованием метода Криса-Нейлора. Извлечение знаний, их структурирование, представление, стратегия вывода.

    контрольная работа [827,5 K], добавлен 14.12.2012

  • Разработка экспертной системы по выбору языка программирования для данного программного обеспечения. Выбор и обоснование механизма вывода решения. Дерево базы знаний экспертной системы. Программа формирования основного меню, руководство пользователя.

    курсовая работа [1,9 M], добавлен 15.08.2012

  • Фреймовые модели представления знаний. Разработка структуры фреймов для реализации экспертной системы. Разработка экспертной системы с фреймовой моделью представления знаний. Редактирование базы фактов кандидатов и описание режима консультации.

    курсовая работа [1,3 M], добавлен 13.10.2012

  • функциональные части обучающей системы: программа для создания и модификации тестов, сервисная программа администрирования и программа контроля знаний. Концептуальная и логическая модель базы данных. Структура файлов базы данных. Руководство пользователя.

    дипломная работа [807,0 K], добавлен 24.11.2010

  • Общая характеристика киноиндустрии как предметной области работы. Разработка базы данных и дерева вопросов для получения информации для выбора фильма. Программная реализация экспертной системы. Тестирование системы и создание руководства пользователя.

    курсовая работа [1,9 M], добавлен 19.05.2014

  • Создание таблиц базы данных с помощью MS Access "Страны Азии". Форма базы данных и запросы к выборкам данных. Модификация структуры таблиц, создания связей между главными таблицами, редактирование данных и проектирование форм для реальной базы данных.

    контрольная работа [723,9 K], добавлен 25.11.2012

  • Описание экспертной системы по подбору кадров. Требования к функциональным характеристикам программы. Состав и параметры технических средств ЭВМ. Структура входных данных. Руководство программиста и пользователя. Тестирование программного средства.

    курсовая работа [897,0 K], добавлен 13.11.2016

  • Виды и основные функции интеллектуальных систем. Выбор инструментального средства для создания экспертной системы. Физическое проектирование базы данных. Использование среды EsWin 2.1 для разработки и тестирования экспертной системы выбора должности.

    курсовая работа [615,8 K], добавлен 22.03.2016

  • Экспертная система - компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Структура, режимы функционирования, классификация экспертных систем, этапы разработки. Базы знаний интеллектуальных систем.

    реферат [32,2 K], добавлен 04.10.2009

  • Разработка экспертной системы по выбору языка программирования, отвечающего критериям разработчика: представление базы знаний; выбор и обоснование механизма вывода решения. Программа формирования основного меню, реализация механизма выработки решения.

    курсовая работа [2,5 M], добавлен 15.08.2012

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.