[ «Ю.Ф.Тельнов Интеллектуальные информационные системы Москва 2004 Тельнов Ю.Ф. Интеллектуальные информационные системы / Московский государственный университет экономики, статистики и информатики. – М.: МЭСИ, 2004. –с. © ...»
• Применяется в качестве вспомогательного средства советников и консультантов при проведении презентаций для руководства предприятия, на которых демонстрируется предлагаемая модель предприятия.
Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»
• Отражает отраслевое «ноу-хау» в области совершенствования хозяйственной деятельности, наилучшей практики ведения бизнеса и показателей деятельности, направления оптимизации бизнес-функций.
• Используется в качестве инструмента перевода бизнес-модели, определенной в общепринятых в бизнесе терминах, в специфическое для BAAN IV решение.
• Используется в мониторинге выполнения бизнес-функций на основе анализа показателей деятельности предприятия.
Модель бизнес-функций имеет следующие особенности:
• Бизнес-функции показаны как узлы в древовидной диаграмме, последовательно раскрываемой для пользователя.
• Бизнес-функции могут поясняться текстами, в которых описываются характеристики отдельной бизнес-функции, представляющие инструкцию по выполнению или комментарий, описывающий сущность функции.
• Бизнес-функции могут быть связаны с показателями деятельности предприятия модуля BAAN IV Enterprise Performance Manager (Рис. 6.7), оценивающие эффективность их выполнения после внедрения информационной системы. Набор показателей графически оформляется в виде дерева показателей («скелета рыбы»), каждый из которых может быть детализирован в виде самостоятельного поддерева и иметь представления в виде таблиц и графиков. Причем показатели на дереве окрашиваются в три цвета: зеленый – нормально, красный – ненормально, желтый – предостережение о возможных негативных тенденциях.
• Между вариантами бизнес-функции могут существовать отношения оптимизации, отражаемые на диаграмме бизнес-функций стрелками, которые показывают последовательность внедрения вариантов бизнес-функций (см. рис. П5.1 в приложении 5).
• К модели бизнес-функции может быть подключена мастер-программа для задания параметров конфигурации программных модулей.
Глава 6. Технология создания адаптивной информационной системы Модель бизнес-процесса – это некоторая последовательность работ, которая включает сеансы BAAN (шаги программных модулей – описание процесса в терминах BAAN IV), а также неавтоматизированные процедуры и приложения, разработанные в другой программной среде. Различают два типа бизнес-процессов: основной, соответствующей реализации некоторой основной бизнес-функции (из начала в конец), и детальный процесс, соответствующий одному виду работ основной функции и описывающий, как правило, последовательность операций на одном рабочем месте в цепочке процесса (рис. 6.8).
Детальный процесс является вложенным в основной (число уровней вложенности неограниченно). Например, в приложении 6 описывается бизнес-процесс закупки материалов, в который встраивается детальный бизнес-процесс БУХ (Учет счетов-фактур), выполняемый бухгалтерией (приложение 5 рис. П5.8).
В качестве автоматизируемых работ в бизнес-процессах могут использоваться утилиты, представляющие собой наборы вспомогательных сеансов (типа «показ» и «печать»), которые могут не обязательно выполняться пользователями, например, обращение к правовой информационно-справочной системе в процессе выполнения некоторой ручной работы.
Производительность Рис. 6.7. Дерево показателей деятельности предприятия Глава 6. Технология создания адаптивной информационной системы Модель бизнес-процесса позволяет наглядно представить и задокументировать:
• Последовательность выполнения работ с возможными разветвлениями для демонстрации функциональных возможностей информационной системы ключевым и конечным пользователям.
• Привязку сеансов BAAN IV к конкретным работам для последующего конфигурирования информационной системы.
• Процедуры начального запуска и установочные процедуры, необходимые для эксплуатации BAAN IV.
• Определить администрирование выполнения работ посредством назначения исполнителей работ, соответствующих ролей, прав доступа, рабочих инструкций (на этапах построения референтной и проектной моделей).
Бизнес-процессы обладают следующими характеристиками:
• Бизнес-процессы состоят из ряда компонентов, а именно состояний (входных и выходных каналов), работ и управления (рис. 6.9). Состояние предшествует каждой работе и следует за ней. Работа может представлять собой:
- сеанс работы с другим прикладным программным обеспечением, - неавтоматизированную ручную деятельность, - вложенный бизнес-процесс, - управляющую работу (статическое или динамическое условие).
• Бизнес-процессы моделируются на основе сети Петри [9]. Работа описывается как переход объектов из входного состояния в выходное. Входное состояние определено, когда во входной канал попадает знак (объект), в этот момент начинается работа. Обработанный знак попадает в выходной канал, определяя выходное состояние работы. Содержание вложенного бизнес-процесса определяется на более низком уровне. Управление копируют знаки в каналы выхода по следующим правилам (рис. 6.9):
- по меньшей мере в один канал (OR);
- только в один установленный канал (XOR).
Глава 6. Технология создания адаптивной информационной системы Dynamic Business Modelling : PETRI net modelling • С работами могут быть соотнесены должностные инструкции, документы и коды утилит. Должностные инструкции могут содержать особую вспомогательную информацию для сеанса в пределах конкретной работы (бизнес-процесса). В рамках определенной работы возможно сопоставление с документом, созданным в рамках данного вида деятельности. Коды утилит – это блоки сеансов, которые могут быть использованы в качестве вспомогательных сеансов, например, сеанс вывода на экран справочника для ознакомления, распечатка выходных документов.
• Ссылка на другой бизнес-процесс может быть приложена к такому компоненту как состояние, в результате чего может быть дано определение бизнес-процесса на нескольких страницах.
• Любой узел управления может иметь несколько исходящих стрелок. Каждой стрелке соответствует определенное значение условия. Значение условия соответствует выбранному варианту бизнес-функции (статическое условие) или установленному для нее параметру (динамическое условие). Таким образом, в зависимости от варианта бизнесфункции или установленных параметров схема бизнес-процесса компонуется динамически.
• На стадиях построения референтной и проектной модели работам могут быть назначены сотрудники (на уровне типов и конкретных работников) и выполняемые ими функции.
• В результате конфигурации информационной системы в качестве интерфейса пользователя используется получается структура меню и/или графическая диаграмма бизнес-процесса.
Бизнес-правила – это декларативные условные выражения, связанные с организацией бизнеса и использования программного продукта BAAN IV, которые хранятся в репозитории и применяются для контроля корректности построенной бизнес-модели и управления процессом конфигурации информационной системы. Бизнес-правила вводятся Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»
в репозиторий на стадии моделирования основных данных, а используются на стадиях построения референтных и проектных моделей при запуске соответствующих редакторов.
В инструментальном программном средстве DEM различают четыре вида бизнесправил (рис. 6.10):
• правила целостности проверяют согласованность совместного использования компонентов бизнес-моделей, • правила выбора осуществляют преобразования моделей бизнес-функций в модели бизнес-процессов, • правила установки параметров задают значения параметров настройки сеансов BAAN (программных модулей), • правила установки статических условий конфигурируют организацию бизнеспроцессов.
Рассмотрим определение бизнес-правил более детально. Примеры редактирования бизнес-правил представлены в приложении 5 на рис. П5.3 – П5.5.
IF THEN AND
IF AND THEN AND
IF AND THEN AND
Правила целостности используются для проверки согласованности референтной или проектной модели с точки зрения полноты и непротиворечивости используемых бизнес-функций и бизнес-процессов. В частности при копировании компонентов из модели основных данных в референтную или проектную модель осуществляется проверка полноты переноса необходимых бизнес-функций и бизнес-процессов, например:Если присутствует вариант бизнес-функции «Прямая поставка», то бизнесфункции «Обработка заказа на закупку» и «Обработка заказа на продажу» должны быть представлены в модели.
Правила преобразования автоматически переносят в референтную или проектную модель из модели основных данных определения бизнес-процессов, которые соответствуют основным бизнес-функциям. Например:
Глава 6. Технология создания адаптивной информационной системы Если определена основная бизнес-функция «Обработка контракта», то необходимо выбрать бизнес-процесс «Оформление контракта».
Правила установки параметров представляют собой конфигурационные правила, которые определяют глобальные значения параметров для всех модулей и сеансов БААН.
Параметры включают как значения параметров работы программных модулей, так и подключение программных модулей (сеансов BAAN). Например:
Если был определен вариант бизнес-функции «Обработка заказа на покупку в режиме ЭОД (Электронного обмена данными)», То включается значение параметра «Электронный обмен данными»
Правила статических условий – конфигурационные правила, с помощью которых устанавливается связь вариантов бизнес-функций со статическими условиями (управляющими работами на графическом представлении бизнес-процесса).
Если выбран вариант бизнес-функции «Ручной учет»
То включить статическое условие «Учет»
Статические условия (см. приложение 5 рис. П5.6) в свою очередь определяют условие включения или исключения ветви работ в бизнес-процессе проектной модели. Например, при выборе на первой фазе внедрения информационной системы варианта бизнес функции «ручной учет» (приложение 5 рис. П5.7) срабатывает правило выбора статического условия (приложение 5 рис. П5.5), которое включает статическое условие «учет» в положение «не требуется учет (автоматизированный) счетов- фактур», а следовательно ветвь бизнес-процесса «учет счетов-фактур» деактивируется (осветляется на графическом представлении модели – см. приложение 5 рис. П5.8). Таким образом, статические условия являются параметрами (принимающими значения «да» или «нет»), которые определяют ветку графической диаграммы, по которой осуществляется конфигурация бизнес-процесса.
Наряду со статическими условиями инструмент моделирования предприятий DEM позволяет отображать в качестве управляющих работ и динамические условия, которые проверяются в ходе выполнения бизнес-процесса на стадии эксплуатации сконфигурированной информационной системы.
II. Референтное моделирование Референтная модель получается в результате копирования компонентов из модели основных данных. При этом автоматически запускаются на выполнение все относящиеся к ней бизнес-правила.
На стадии референтного и проектного моделирования осуществляется построение модели бизнес-организации (рис. 6.11), которая представляет собой описание организационной структуры и структуры персонала типового предприятия отрасли (референтная модель) или какого-либо конкретного предприятия (проектная модель).
Структура персонала может быть описана на абстрактном уровне с помощью описания ролей (референтная модель) или на уровне конкретных сотрудников (проектная модель). Через указатели роли сотрудников устанавливается связь организационной структуры с бизнес-процессами. Указатель роли определяет тип работника, который может выполнять ту или иную работу (экономист, бухгалтер, менеджер и т.д.). Для каждой роли Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»
определяются полномочия в выполнении функций, права доступа к информации, должностные инструкции (рис. 6.12). При назначении работы конкретному работнику всегда осуществляется проверка роли, которую он может выполнять. Если при этом тип конкретного работника не соответствует роли, то последний не получает доступ на стадии эксплуатации информационной системы к выполнению работы.
Рис. 6.11. Компоненты модели бизнес-организации Построение модели бизнес-организации преследует следующие цели:
• получить представление о настоящей и, по возможности, будущей (целевой) организационных структурах и задокументировать их.
• сделать возможным создание пользовательского интерфейса BAAN IV (генерацию автоматизированного рабочего места) по выполняемым ролям сотрудникам (на основе референтной модели) или конкретным сотрудникам (по проектной модели), Модель бизнес-организации обладает следующими характеристиками:
• Организационная модель состоит из ряда организационных компонентов (подразделений, отделов). Данным организационным компонентам можно присвоить атрибуты: название, тип и произвольный текст.
• Между организационными компонентами, иерархически неподчиненными друг другу, могут быть установлены функциональные отношения. С данными функциональными отношениями можно соотнести текстовое описание.
• Организационная модель может состоять из одной или более организационных схем. Данные схемы могут соподчиняться друг другу с помощью определения компонентов субдиаграмм (например, у отдела может быть собственная организационная структура).
• Для бизнес-функций и работ бизнес-процессов на референтном и проектном уровнях могут быть назначены указатели ролей и конкретные работники. При этом на соответствующих графических диаграммах (см. приложение 5 рис. П5.7-П5.8) отображаются специальные пиктограммы с изображением людей.
• Организационные модели на проектном уровне могут определяться по фазам оптимизации для наглядного отражения последовательности этапов внедрения информационной системы.
Глава 6. Технология создания адаптивной информационной системы на базе методологии «BAAN – Оргинизационная среда»
Рис. 6.12. Установление связи модели бизнес-организации III. Проектное моделирование Моделирование проекта – процесс, посредством которого референтная модель анализируется и возможно модифицируется для конкретного предприятия. Проектная модель формируется путем копирования основных компонентов из референтной модели и/или модели основных данных.
На этапе разработки модели-проекта для каждой основной бизнес-функции устанавливаются фазы внедрения или оптимизации бизнеса. Фазы внедрения (оптимизации) по проектным моделям являются этапами в цикле преобразований и автоматизации бизнес-процесса, например, первая фаза внедрения – «ручной учет счетов-фактур», вторая фаза внедрения – «автоматизированный учет счетов фактур (приложение 5 рис. П5.7). Фазы внедрения задаются на самом нижнем уровне отображения бизнес-функций, то есть для вариантов бизнес-функций.
Каждой фазе внедрения в дальнейшем могут соответствовать версии модели. Программный модуль Enterprise Modeler предоставляет широкие возможности по управлению версиями. В каждый момент времени пользователь может быть активен в одной текущей версии. Вместе с тем, каждая версия бизнес-модели может состоять из компонентов, полученных из разных версий. Для формирования версий бизнес-моделей в разных операционных средах широко используются средства экспорта/импорта моделей.
Разработка конкретной организационной схемы Разработка конкретной организационной схемы сводится к назначению исполняемым ролям участников бизнес-процессов (типам работников) конкретных исполнителей с указанием основных его атрибутов (ФИО и прав доступа).
Глава 6. Технология создания адаптивной информационной системы IV. Конфигурация информационной системы Настройка программных модулей (сеансов BAAN) При выборе пользователем фазы оптимизации проектной модели система автоматически выбирает по правилам статических условий и активизирует все необходимые работы бизнес-процессов (сеансы BAAN), оставляя неиспользуемые сеансы на графической диаграмме в осветленном виде. Пример выбора работ бизнес-процесса, соответствующих фазе внедрения представлен в приложении 5 на рис. П5.8.
Посредством правил установки параметров программные модули (сеансы BAAN) получают автоматически значения необходимых режимов работы. Программное обеспечение BAAN IV позволяет распечатывать и вручную корректировать предложенные значения параметров. При этом могут быть отражены различия между установкой предложенных и текущих параметров.
Генератор интерфейса пользователя BAAN IV используется для создания экранов диалога в виде выпадающего меню или блок-схемы бизнес-процесса, по которой можно осуществлять навигацию и запуск работ (сеансов BAAN) на выполнение.
Процесс создания интерфейса пользователя управляется из референтной модели или проектной модели бизнес-процесса. В частности генерация структуры меню пользовательского диалога осуществляется по фазам оптимизации проектной модели (фазам внедрения). Если в поле «Фаза оптимизации» данные не введены, то генерация меню выполняется на основании информации о всех фазах (см. приложение 5 рис. П5.9).
Пользовательский интерфейс может создаваться как для каждого отдельного пользователя, так и в виде общего диалога для всех участников бизнес-процесса. В первом случае автоматически определяются права доступа пользователей. В результате генерации всем пользователям назначаются отдельные структуры меню с открытыми для использования сеансами BAAN, на обращение к которым у пользователей имеются полномочия. Во втором случае роли пользователей могут не приниматься во внимание. Тогда в меню включаются все работы независимо от того, кто конкретно будет работать на автоматизированном рабочем месте (см. приложение 5 рис. П5.9). Достоинство получаемого интерфейса заключается в его персонификации в виде автоматизированных рабочих мест и в возможности отслеживания с помощью графического диалога пользователя выполняемой работы в рамках отраженной в бизнес-процессе технологии (см. приложение 5 рис. П5.10).
Глава 6. Технология создания адаптивной информационной системы Корпоративная информационная система (ИС) – система сбора, регистрации, передачи, накопления, обработки и распространения информации, предназначенная для реализации функций управления: целеполагания, прогнозирования, планирования, учета, контроля, анализа хозяйственной деятельности, оперативного регулирования.
Адаптивность ИС – способность ИС быстро и адекватно изменять структуру программного, информационного, технического, организационного обеспечения в соответствии с изменяющимися бизнес-процессами и информационными потребностями предприятия.
Интеллектуализация ИС – обеспечение адаптивности ИС на основе постоянно обновляемой в репозитории (специальной базе знаний) модели предприятия.
Конфигурация ИС – настройка параметров и связывания типовых программных модулей в соответствии с моделью предприятия.
Методология проектирования ИС предполагает наличие некоторой концепции, принципов проектирования, реализуемых набором методов, которые в свою очередь должны поддерживаться некоторыми инструментальными программными средствами.
Система комплексной автоматизации предприятия – набор типовых проектных решений, охватывающих всю необходимую совокупность функциональных компонентов ИС (программных модулей).
Репозиторий – хранилище описания модели предприятия (метаинформации).
Модель предприятия (проблемной области) или Бизнес-модель – отражение объектов, функций, правил, процессов, которые определяют структуру информационной системы.
Модель основных данных – функционально-полная модель гипотетического предприятия, заложенная в некоторой системе комплексной автоматизации предприятия, поддерживается в репозитории.
Типовая (референтная) бизнес-модель – модель, которая является подмножеством модели основных данных для какой-либо отрасли или типа производства.
Проектная модель – модель конкретного предприятия, для которого создается ИС, которая представляет подмножество референтной модели и/или модели основных данных.
Модель бизнес-организации – модель организационной структуры предприятия.
Бизнес-цель (цель) – критерий эффективности функционирования предприятия.
Бизнес-функция (функция) – это некоторый функциональный вид деятельности предприятия. Бизнес-функции могут быть связаны отношениями агрегации «целое-часть»
и организованы в иерархическую систему.
Бизнес-процесс (процесс) – реализация одной бизнес-функции, как совокупность работ, выполняемых в определенной последовательности. Бизнес-процесс может включать вложенные подпроцессы.
Бизнес-правило (правило) – отражает совместимость бизнес функций и/или бизнес-процессов, реализацию бизнес-функций бизнес-процессами, параметры и условия выполнения бизнес-процессов. Используются для проверки корректности моделирования предприятия и конфигурации ИС.
Глава 6. Технология создания адаптивной информационной системы 1. Автоматизация управления предприятием / Баронов В.В., Калянов Г.Н., Попов Ю.Н, Рыбников А.И., Титовский И. Н. – М.: ИНФРА-М, 2000.
2. Информационные системы в экономике: Учебник / Под ред. проф. В.В. Дика. – М.: Финансы и статистика, 1996.
3. Калянов Г.Н. Консалтинг при автоматизации предприятий: Научно-практическое издание. Серия «Информатизация России на пороге ХХI века». – М.: СИНТЕГ, 1997.
4. Одинцов А.В., Норенков Ю.И., Горин А.Д. Динамическое моделирование предприятия. – Информационные технологии, 1997, № 2.
5. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса. М.: Финансы и статистика, 1997.
6. Смирнова Г.Н., Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информационных систем. М.: Финансы и статистика, 2001.
7. Тельнов Ю.Ф. Компонентная технология реинжиниринга бизнес-процессов и конфигурации информационной системы предприятия на основе управления знаниями. / Труды 7-ой Национальной конференции по искусственному интеллекту с международным участием (КИИ’2000). – М.: Издательство Физико-математической литературы, 2000.
8. Тельнов Ю.Ф. Компонентная технология реинжиниринга бизнес-процессов. В кн.: Реинжиниринг бизнес-процессов на основе современных информационных технологий / Материалы 4-й Российской научно-практической конференции. – М.: МЭСИ, 2000.
9. Юдицкий С.А., Кутанов А.Т. Технология проектирования архитектуры информационно-управляющих систем. – М.: Институт проблем управления, 1993.
10. BAAN – Подсистема «Методология внедрения». Компания BAAN-Россия, М.:Москва, 1997.
11. Lucas H.C. Information Technology for Management. Sixth edition. International Editions, 1997.
12. Perreault Yves, Vlasic Tom. Implementing BAAN IV, QUE Corp., 1998.
13. Henk Rietveld. Dynamic Business Modeling in Baan Business Organizer 4.0, 1995.
14. Ross R.G. The Business Rule Book. Classifying, Defining and Modelling Rules. Data Base Research Group, Inc. -1997.
Глава 7. Технология создания систем управления знаниями Глава 7. Технология создания систем управления знаниями 7.1. Этапы создания системы управления знаниями Проектирование СУЗ (рис.7.1) декомпозируется на этапы, которые свойственны разработке любой другой интеллектуальной информационной системы (см. параграф 2.1).
Вместе с тем, у СУЗ есть целый ряд особенностей, которые определяют характер выполнения отдельных этапов. К таким особенностям относятся:
• Коллективное использование знаний предполагает объединение и распределение источников знаний по различным субъектам, а, следовательно, решение организационных вопросов администрирования и оптимизации деловых процессов, связывающих пользователей СУЗ.
• Состав источников знаний определяется в принципе, конкретные источники знаний, особенно внешние источники знаний, могут добавляться по мере развития проекта.
Таким образом, задача проектирования СУЗ приобретает непрерывный характер.
• Поскольку СУЗ имеет многоцелевое назначение, возникает потребность в интеграции разнообразных источников знаний на основе единого семантического описания пространства знаний.
Первые две особенности предопределяют изменения в организации процесса проектирования СУЗ. Прежде всего, в составе проектной группы, занимающейся идентификацией проекта, в определенной степени стирается грань между ролями участников в качестве экспертов и пользователей, поскольку один и тот же человек при эксплуатации СУЗ может быть и источником, и получателем знаний. Следовательно, организация проектных групп должна в большей степени соответствовать требованиям создания команд реинжиниринга бизнес-процессов [6,12,16], в которых участники равноправны и основные задачи сводятся к определению функциональной направленности СУЗ: какие функции должны выполняться, какие знания должны интегрироваться, каков должен быть регламент предоставления и использования знаний. Таким образом, проектные группы в большей степени ориентированы на решение задачи, что должна делать СУЗ, а не как эти функции реализуются. В дальнейшем разработанный регламент функционирования СУЗ поддерживается специально созданной службой (подразделением) управления знаний.
Концептуальная проработка реализации СУЗ с учетом третьей особенности проектирования СУЗ в основном сводится к созданию онтологии, которое выполняется классически в результате взаимодействия инженеров по знаниям и экспертов. Разработка и поддержка онтологии в масштабе целого предприятия требует постоянных усилий для ее развития. Так как предприятия часто вовлечены в различные виды деятельности, то для одной СУЗ может потребоваться несколько онтологий. Для сокращения затрат на разработку онтологий целесообразно использовать онтологии, разработанные специализированными проектными организациями, которые могут использоваться на принципах тиражирования (разделения доступа) и повторного использования в форме подписки на централизованное обслуживание.
Программная реализация СУЗ имеет меньшее значение, поскольку в основном сводится к адекватному выбору инструментальных средств и их настройке. Проблемы программной реализации могут возникнуть при интеграции разнородных инструментов поддержки СУЗ, например, документальной поисковой системы, баз знаний прецедентов и электронной системы коммуникаций. В этом случае может потребоваться специализированная программная реализация с учетом требований разрабатываемой СУЗ.
В дальнейшем в учебном пособии с учетом содержания излагаемого предмета основной упор делается на проектирование и реализацию онтологий.
Глава 7. Технология создания систем управления знаниями Определение состава задач (назначение). На стадии идентификации проблемной области, в первую очередь, определяется состав решаемых задач. В принципе возможно создание узкоспециализированных систем по отдельным функциям управления: маркетинга, инжиниринга, менеджмента отдельных типов процессов: продаж, закупок, финансов и т.д.
Однако интегрированный характер применения СУЗ делает целесообразным их создание для цепочек взаимосвязанных процессов, например, инновации объединяют маркетинг, инжиниринг, рекламу, бизнес-планирование; стратегическое планирование – инновации, финансовый менеджмент, контроллинг бизнес-процессов различных видов и т.д. Другое дело, что разработка СУЗ может начинаться с отдельных областей, например, с маркетинга, не требуя одновременной разработки всех требуемых онтологий и источников знаний. Интерфейсная (инструментальная) и технологическая часть не зависит от числа решаемых задач и источников знаний, может апробироваться на отдельных функциональных приложениях.
Глава 7. Технология создания систем управления знаниями Отбор источников знаний. В качестве источников знаний легче всего подсоединяются базы данных оперативных информационных систем через механизм создания информационных хранилищ. Аналогично подсоединяется система электронных и неэлектронных архивов документов, которая может иметь централизованную и нецентрализованную схему управления.
Для создания баз знаний прецедентов требуется определить набор типовых бизнеспроцессов, для которых будут отбираться прецеденты, например, разработка проектов, заключение договоров, проведение PR-акций и т.д.
Для формализации знаний специалистов (экспертов) необходимо построить карты знаний, в которых была бы отражена степень владения работниками различных категорией знаний, отражаемых как в документальной, так и недокументальной форме.
Состав внешних источников знаний определяется в принципе, это могут быть: базы данных статистических органов, базы знаний государственных органов и специализированных коммерческих и консалтинговых компаний, базы данных и знаний партнеров, клиентов, конкурентов. Предпочтение отдается базам знаний, которые проаннотированы в каком-либо общем для СУЗ стандарте описания знаний. При этом рассматривается ценовой фактор доступа к информационным ресурсам.
Определение категорий пользователей Карты знаний облегчают и выявление основных категорий пользователей, к которым могут относиться:
• Лица, принимающие решения.
• Аналитики, подготавливающие информацию для принятия решений.
• Технические работники, обновляющие знания.
• Новички, требующие обучения.
• Смешанные категории пользователей.
Для категорий пользователей в дальнейшем будут определены права доступа к тем или иным источникам знаний.
Требования к организации СУЗ оформляются в виде различных диаграмм деловых процессов, например, с помощью инструментального средства ARIS Toolset [6,16].
Центральное место в проектировании СУЗ занимает онтология, которая определяет и интегрирует все источники знаний и приложения. Требования к разработке онтологии оформляются в специальном документе, например, в следующем виде [19] (табл. 7.1):
Предметная Подбор и повышение квалификации персонала Назначение: Онтология служит для обмена знаниями между департаментом управления персоналом и менеджерами проектов при отборе персонала требуемой квалификации Онтология используется для семантического поиска необходимых квалификационных характеристик для выполнения определенных Область значений: Онтология содержит концепты (категории) управления персоналом.
Концепты используемых квалификаций в технологиях и на рынке рассматриваются детально, концепты управления бизнесом на более Глава 7. Технология создания систем управления знаниями Поддерживаемые Система управления квалификаций персонала в ИНТРАНЕТ среде приложения: (Skill Management System) Источники знаний: Web страницы департамента управления персоналом Руководство о развитии персонала (внутренний документ) Спецификация продукции и технологий (внутренний документ) Интервью с работниками департамента управления персоналом и 7.3. Концептуализация знаний с помощью онтологий Онтология – это точное (явное) описание концептуализации знаний [21,22]. Ряд авторов под онтологиями понимают согласованные словари терминов и их значений. В более широком смысле онтология больше, чем просто согласованный словарь терминов. Назначение онтологий сводится к обеспечению следующих возможностей [7]:
1. Повышение интеллектуальности систем управления знаниями на основе представления того, что часто остается неявным. Во всех видах человеческой деятельности находятся предположения, которые обычно остаются неявными. Базы знаний традиционных экспертных систем основывается на реализации концептуальной модели, которая остается скрытой для пользователя и потому трудно понимаемой. В отличие от экспертных систем онтология формализует неявные предположения и концептуализацию. Декларативное представление в онтологиях концептуализации на основе семантических отношений и аксиоматики делает системы управления знаниями интеллектуальными.
2. Стандартизация на основе описания целевого мира в виде словаря, согласованного среди людей. Таким образом, возможна спецификация компонентов функциональности, понимание и сравнение различных систем в виде общего словаря. Также с помощью онтологий решается задача разделения знаний между различными пользователями и/или компьютерными системами (совместного использования), а также их повторное использование для новых ситуаций.
3. Систематизация знаний, которая позволяет интегрировать разнородные источники знаний на основе единой многоаспектной таксономии, представляемой в общем словаре.
4. Реализация метамодельной функциональности для конструирования. Онтология снабжает необходимыми понятиями, отношениями и ограничениями, которые используются как строительные блоки для построения конкретной модели решения задачи. Далее модели, построенные на основе онтологии, выполняются с использованием модулей, привязанных к выбранным понятиям.
5. Создание теории содержания. Онтология дает теорию содержания, позволяя постепенно обобщать понятия конкретной проблемной области.
К проектированию онтологии знаний предъявляются следующие требования [21]:
1. Ясность – четкая передача смысла введенных терминов (концептов).
2. Согласованность – логическая непротиворечивость определений.
3. Расширяемость – возможность монотонного расширения и/или специализации без необходимости пересмотра уже существующих понятий.
4. Минимум влияния кодирования – инвариантность к методам представления знаний.
5. Минимум онтологических обязательств – отражение только наиболее существенных предположений о моделируемом мире.
Глава 7. Технология создания систем управления знаниями Структура знаний, представляемая в онтологии, должна отображать постоянные парадигматические отношения понятий, независимые от контекста решения задачи, и правила формирования переменных синтагматических отношений понятий, возникающих в некотором контексте решения задачи.
Парадигматические отношения понятий. К таким отношениям относятся отношения синонимии, омонимии, полисемии, обобщения («Род-Вид»), агрегации («ЦелоеЧасть»), «Причина – Следствие», «Цель – Средство», «Аргумент-Функция» и ролевые ассоциации «Использует», «Обрабатывает» и т.д., которые превращают словарь в тезаурус.
Пример фрагмента онтологии информационных систем представлен на рис.7.2.
Для понятий онтологии могут быть также заданы свойства (атрибуты), формулы вычислений и примеры экземпляров. Например, свойства использования операций проектирования различными категориями участников процесса разработки информационной системы представлены на рис. 7.3.
Онтология отражает синтагматические отношения понятий в виде семантических ограничений (аксиом, логических правил). С помощью правил, с одной стороны, можно правильно интерпретировать смысловые отношения в конкретном контексте решения задачи, то есть контролировать целостность определений пользователя, а с другой стороны, можно расширять базовый список понятий за счет использования зависимостей свойств, которые связывают их с другими понятиями, то есть осуществлять логический вывод.
Объект проектирования - информационная система Рис. 7.2. Фрагмент онтологии информационных систем Глава 7. Технология создания систем управления знаниями Различают как стандартные правила, например, симметричности, инверсности, транзитивности, так и специализированные правила, например:
Если Реинжиниринг бизнес-процессов = «проводится»
То Проектирование информационной системы = «проводится»
Онтологическое знание организуется на трех уровнях:
• онтология верхнего уровня (метаонтология);
• онтология предметной области;
• онтология задач.
Метаонтология или базовая онтология отражает такие общие понятия, как «сущность», «класс», «свойство», «значение», «типы данных», «типы отношений», «процесс», «событие и т.д. Определения общих категорий позволяют системе, прежде всего, контролировать синтаксические конструкции понятий предметных и проблемных областей, которые объявляются, как наследники общих категорий.
Онтология предметной области определяет набор понятий, используемых при решении различных интеллектуальных задач и независимых от самого метода решения задач.
При построении онтологии предметной области проводится классификация (таксономия) понятий предметной области, выявляются свойства и отношения понятий, строятся процедурные определения (логические правила), расширяющие семантику модели предметной области.
Онтология задач имеет дело с понятиями, описывающими методы преобразования объектов предметной области в процессе решения задач. Например, для задач обучения в качестве методов обучения могут использоваться дедуктивный (от общего к частному), индуктивный (от частного к общему), абдуктивный (от частного к частному) методы; для задач стратегического анализа – SWOT-анализ, анализ системы сбалансированных показателей, проектный анализ и т.д. С помощью понятий, свойств и отношений описывается сущность используемых методов, устанавливается последовательность их выполнения.
Правила определяют условия применения методов при конкретных обстоятельствах. Пример одного из таких правил в задачах обучения представлен на рис. 7.4.
Если ТипОбучаемого = ТипСубъекта И То Выдать Список учебных-элементов, соответствующих концептам-стадиям ПО, инициируемых ТипомСубъекта и ЦелиУчебногоЭлемента, Глава 7. Технология создания систем управления знаниями Введение онтологии задач позволяет расширить класс интеллектуальных задач, решаемых с помощью СУЗ, в частности перейти от простых поисковых задач к задачам конфигурации, когда система автоматически разбивает задачу на подзадачи, для каждой подзадачи выбирает метод решения задачи, а для каждого метода отбирает необходимые единицы предметных знаний. Такая СУЗ является не просто интеллектуальной информационно-поисковой системой, но и системой, которая планирует и генерирует решение задачи.
В этом аспекте СУЗ должна обладать развитым механизмом вывода и по своей реализации сближается с классом экспертных систем, но на более развитой семантической основе.
В основе формализации онтологий, с одной стороны, лежат общепризнанные методы представления знаний, к которым в первую очередь относят методы исчисления предикатов и объектно-ориентированного подхода: семантические сети и фреймы. В частности, языки KIF (Knowledge Interchange Format) [23], основанный на исчислении предикатов, и OKBC (Open Knowledge Base Connectivity) [20], основанный на фреймовом представлении знаний, позволяют хорошо отображать логическое представление онтологий, транслируемое в конкретные модели представления знаний СУЗ.
С другой стороны, с учетом широкого применения в СУЗ гипертекстовых средств навигации стандартных броузеров, подключения внешних источников знаний и распространения знаний в среде ИНТЕРНЕТ и ИНТРАНЕТ, возникает потребность в расширении известных языков разметки HTML и XML методами описания онтологических знаний с помощью специальных семантических конструкций. Онтологические расширения языков разметки HTML и XML позволяют разрабатывать и использовать различные семантические анализаторы. В этом смысле концептуальное представление действительно не зависит от программной среды. Рассмотрим использование языков представления онтологического знания более подробно.
1. Языки, основанные на исчислении предикатов Языки данной группы основаны на декларативной семантике и являются логически всесторонними, т.е. обеспечивают выражение произвольных логических предложений.
Кроме того, с помощью этих языков хорошо представляется метазнание. Это позволяет пользователю представлять знания в явном виде и разрешает пользователю описывать новые конструкции представления знаний без изменения самого языка. Наиболее широко используемым языком данной группы является язык KIF. Хотя KIF не предназначен для совместного использования с программами в качестве языка представления знаний, он может быть использован и для этих целей. Специальные инструментальные средства, например Ontolingua, транслируют предложения KIF в конкретные представления знаний:
Loom на базе KL-ONE (MacGregor, 1991), Epikit (Genesereth, 1990), Algernon на базе фреймовой системы Access Limited Logic (Crawford & Kuipers, 1989), относительно просто написать трансляторы в CycL (Lenat & Guha, 1990), KEE (Fikes & Kehler, 1985), EXPRESS (Spiby, 1991) [22].
Язык KIF представляет собой язык, который разработан специально для обмена знаниями между различными программными агентами, созданными в отличающейся программно-технической среде и обслуживающими потребности различных участников системы управления знаниями. Обычно, при взаимодействии программного агента с источником знаний, представленным в другом формате, происходит преобразование формата онтологии Глава 7. Технология создания систем управления знаниями во внутреннее представление знаний агента. С этой точки зрения KIF является действительно концептуальным языком обмена знаниями, а не языком представления знаний.
Язык KIF имеет статус международного стандарта:
• ISO/IEC 10646-1:1993, Information Technology (IT) – Universal Multiple-Octet Coded Character Set (UCS).
• ISO/IEC 14481:1998, Information Technology (IT) – Conceptual Schema Modeling Facilities (CSMF).
Язык KIF представляет префиксную нотацию для исчисления предикатов и является LISP-подобным языком обработки списков. В языке KIF используются три типа выражений: термы – для обозначения объектов, предложения для отражения фактов и определения для представления постоянных зависимостей фактов: отношений, классов объектов, функций, которые реализуют аксиоматику (правила) интерпретации фактов.
В качестве термов используются индивидуальные переменные, функциональные термы, термы отношений, термы списков и т.д. Переменные начинаются с префикса ? и могут использоваться в кванторах всеобщности (for all) и существования (exists).
Отношения представляют основные конструктивные элементы для отражения структуры знания в виде предложений и определяют множества кортежей. Отношения обозначаются константами, которые выполняют роль предикатных символов. Функции представляют специальный вид отношений с N+1 аргументами, в которых (N+1)-й аргумент представляет результат выполнения функции на N аргументах. Классы объектов представляются унарными отношениями. Например, (C ?q) означает, что объект, соответствующий переменной ?q, является экземпляром класса C.
Предложения формируются из списков, в которых первым элементом является константа отношения, а остальные элементы являются термами. В предложениях используются операторы конъюнкции (and), дизъюнкции (or), импликации (=>), эквивалентности () и отрицания (not). Например, следующее логическое предложение, соответствующее правилу формирования вопроса в обучающей системе «Задавать вопросы новичку, которые не должны соответствовать знаниям эксперта» в нотации KIF, будет иметь следующий вид:
Символы newcomer (новичок), learner (ученик), question (вопрос), knowledge (знание), expert (эксперт) являются константами отношений (предикатами). Выражения ?L, ?Q – обозначают переменные, соответственно личность и элемент знаний. Предложение (newcomer ?L) отражает факт, что объекты, соответствующие переменной ?L, являются новичками. Предложение not (expert ?L) означает отрицание факта, что личности ?L являются экспертами (отлично освоившими курс обучения). Предложение question ?Q определяют вопросы к элементам знаний ?Q. Предложение knowledge отражает бинарное отношение, которое определяет знание элементов ?Q личностями ?L.
Глава 7. Технология создания систем управления знаниями Определения в языке KIF задаются операторами defrelation, deffunction и defobject, которые соответствуют определениям отношений, функций и классов объектов. Рассмотрим примеры из [22].
Определение отношения имеет следующий вид:
(defrelation CONNECTS (?comp1 ?comp2) «Бинарное отношение связи между компонентами.
:def (and (component ?comp1) (not (subpart-of ?comp1 ?comp2)) (not (subpart-of ?comp2 ?comp1))) Пример соответствует бинарному отношению двух компонентов. Аргументы ?comp1 and ?comp2 определены кванторами всеобщности. Предложение после ключевого слова :def означает логическое ограничение на аргументах, которое отражает условие необходимости. Вместо :def можно использовать знак импликации. На языке исчисления предикатов данное условие будет иметь вид:
x,y connects(x,y) component(x) component(y) ¬subpart-of(x,y) ¬subpart-of(y,x).
Если вместо :def использовать ключевое слово :iff-def или знак эквивалентности, то логическое ограничение будет определять условие необходимости и достаточности, т.е.:
x,y connects(x,y) component(x) component(y) Класс объектов определяется как унарное отношение. Например, (defclass CONNECTION (?connection) который не имеет внутренних переменных.»
:def (and (module ?connection) (internal-state-variables ?connection ?variable))))) Предложение :def задает условие необходимости. Соединение определяется как подкласс класса объектов модули, который не имеет внутренних переменных. Логическое выражение имеет следующий вид:
x [connection(x) module(x) ¬ y internal-state-variables(x,y)] Функция определяется подобно отношению, только результатный аргумент выводится из списка аргументов. Например, функция возведения в квадрат имеет следующее определение:
(deffunction SQUARED (?n) :-> ?value «Возведение в квадрат есть умножение числа на себя.»
:def (and (number ?n) (nonnegative-number ?value)) :lambda-body (* ?n ?n)) Глава 7. Технология создания систем управления знаниями Как в определении отношений, аргументы функции ограничиваются условием необходимости, следующим за ключевым словом :def. В частности для аргументов задается ограничение на доменах, например, условие (number ?n) означает, что функция определена только для чисел. Ограничение диапазона значений переменной функции специфицируется предложением, ограничивающим значение функции после ключевого слова :-> (например, ?value есть неотрицательное число). В теле deffunction разрешается использование предложения :lambda-body, являющееся выражением терма KIF, которое назначает значению функции выражение на аргументах. Например, * есть функция и lambda-body есть терм, который назначает произведение числа на себя. Логическое выражение определенной в примере функции имеет вид:
x,y [y = squared(x)] number(x) nonnegative-number(y) Определения классов в языке KIF отображаются в различные фреймовые представления знаний (KEE, KL-ONE и др.). Например, определение класса авторов в языке KIF:
(define-class AUTHOR (?author) «Автор – это личность, которая создает документы.
:def (and (person ?author) (= (value-cardinality ?author AUTHOR.NAME) 1) (value-type ?author AUTHOR.NAME biblio-name) (>= (value-cardinality ?author AUTHOR.DOCUMENTS) 1) может быть преобразовано в следующее каноническое фреймовое представление:
(define-class AUTHOR (?author) :axiom-def (and (subclass-of author person) (slot-value-cardinality author author.name 1) (slot-value-type author author.name biblio-name) (minimum-slot-cardinality author author.documents 1) (same-slot-values author author.name person.name))) Метка :axiom-def указывает, что эта аксиома определена без свободных переменных. Предложения в :axiom-def определяют константу author, а не переменную экземпляра ?author. Такое каноническое определение проходит через трансляторы Ontolingua.
2. HTML – подобные языки В качестве основы для языков описания онтологий и онтологического аннотирования текстов может выступать язык разметки данных HTML, дополненный специальными тегами (указателями, управляющими дескрипторами). С помощью тегов происходит выделение семантических фрагментов текста, которые унифицировано интерпретируются семантическими анализаторами различных программных средств.
Языки данной группы в целом позволяют описать объекты онтологии (далее будем называть их концептами), отношения между ними и определить некоторые правила вывода. Основное назначение таких языков состоит в возможности описания онтологии, аннотирования необходимых WEB-страниц концептами онтологии и дальнейшее осуществление поиска данных WEB-страниц с помощью специальной поисковой машины.
Глава 7. Технология создания систем управления знаниями Использование данных языков позволяет при осуществлении поиска в сети выводить более релевантную информацию на запросы пользователей, чем при использовании стандартных поисковых механизмов. Расширение HTML онтологическими конструкциями осуществляется в инструментальном средстве Ontobroker с помощью анкерных тегов и закрывающий его тег. Между этими тегами располагается список аргументов отношения, объявляемых тегом с характеристиками POS=(целое положительное или FROM или TO (для бинарного отношения)) и VALUE=«ключ экземпляра».
Если «ключом экземпляра» в бинарном отношении является ключ описываемого экземпляра, то описание этого аргумента в отношении можно опустить. Это верно только в том случае, если в характеристике POS используются слова FROM и ТО для определения места аргумента в отношении. В случае если для определения места аргумента используются числа, это будет ошибкой. Также ошибочным будет присваивание разным аргументам одинаковой позиции. Но если в объявлении отношения аргументов не будет вовсе, то это отношение будет принято как не содержащее аргументов.
3. XML-подобные языки В качестве основы для таких языков выступает расширяемый язык разметки XML, что уже само по себе дает данным языкам намного более широкие возможности в области представления данных, чем языкам, основанным на HTML. В настоящее время существует порядка 20 различных языков, основанных на языке XML с добавлением расширенных возможностей, позволяющих описать онтологию. В качестве признанных международными стандартами языков являются: XML, RDF (Resourse Description Framework) [17], OXML, DAML+OIL [26].
Сам язык XML в принципе не обладает практически никакими возможностями в области представления онтологий. В нем отсутствуют специальные конструкции, позволяющие описать взаимоотношения между концептами онтологии, правила вывода, ограничения и т.д. Данный язык предназначен исключительно для представления данных. Основным достоинством языка является то, что для работы с документами, подготовленными с помощью него, достаточно обычного интернет-браузера, т.е. не требуется никаких дополнительГлава 7. Технология создания систем управления знаниями ных средств. Но, вместе с тем, это и накладывает некоторые ограничения, так как отсутствует «интеллектуальность» при поиске информации.
XML – документ представляет собой размеченное дерево (рис. 7.5), в котором каждый узел имеет следующую конструкцию: метка + атрибут/значение + содержание.
Вместе с тем, XML не пригоден для Web-ресурсов широкого назначения, разделенного использования источников знаний в СУЗ, требуется заранее подготовленное соглашение о метках, примитивах и доменах словаря, в основном используется в ИНТРАНЕТ приложениях или небольших сообществах ИНТЕРНЕТ пользователей.
Рис. 7.5. Структура XML представления описания учебного курса Языки RDF и DAML+OIL имеют значительно более богатые возможности в описании онтологий по сравнению с XML, хотя сами представляют расширение XML. Данные языки позволяют (в разной степени) описать концепты, отношения между ними, поддерживают иерархию концептов и их наследование, а также иерархию и наследование свойств концептов, позволяют задавать некоторые правила вывода.
RDF (Resource Description Framework) – язык описания Web-ресурсов Язык онтологий для Web-приложений создан международной организацией W3C (World Wide Web Consorcium) при участии представителей различных заинтересованных организаций, поддерживается Netscape.
Базовым строительным блоком в RDF является триплет «объект – атрибут – значение», часто записываемый в виде A(O,V), который читается, как: объект O имеет атрибут A со значением V. Например, HasName (‘http://www.w3.org/employee/id1321’, «Jim Lerners») AuthorOf(‘http://www.w3.org/employee/id1321’,‘http://www.books.org/ ISBN0012515866’) HasPrice(‘http://www.books.org/ISBN0012515866’, «$62»).
Эту связь можно представить в семантической сети, как ребро с меткой A, соединяющее два узла, O и V:
[O]-A—>[V].
Глава 7. Технология создания систем управления знаниями В качестве значений могут выступать объекты, таким образом, организуется связывание триплетов. На рис. 7.6. показан пример графического представления семантической сети, связывающей два типа триплетов: автор книги (author-of) и опубликовано (publ-by).
Рис. 7.6. Пример графического представления семантической сети в RDF Кроме того, RDF допускает форму представления, в которой любое выражение RDF в триплете может быть объектом или значением, в качестве значений могут выступать триплеты. Таким образом, получаются вложенные (гнездовые) структуры (рис. 7.7).
Синтаксис представления триплетов одинаков и для определения классов, и для определения отношений (свойств): первый элемент – имя предиката, второй элемент – идентификация информационного ресурса (объекта), третий элемент – характеристика ресурса (значения свойства или отношения). Объекты RDF можно определить как экземпляры одного или нескольких классов (Class) с помощью свойства type. Характеристика подкласса (subClassOf) позволяет задавать иерархию обобщения для классов, а характеристика подсвойства (subPropertyOf) – иерархию обобщения для свойств. Ограничения на свойства задаются с помощью конструкций домена (Domain) и диапазона (Range). Пример описания онтологии на RDF имеет следующий вид [19]:
Глава 7. Технология создания систем управления знаниями Достоинства RDF заключаются в стандартизации представления парадигматических отношений по сравнению с XML. Вместе с тем, язык не приспособлен для отражения синтагматических отношений, что обедняет применение онтологии из-за неспособности делать логические выводы.
Язык OIL+DAML – фреймовый язык для Web-приложений Языки OIL (Ontology Interchange Language) и DAML (DARPA Agent Markup Language) разрабатывались независимо друг от друга, соответственно в Европе и США, как расширение языка RDF. Поскольку в основу языков были положены одни и те же принципы, в последствии стало возможным их объединение. В качестве принципов разработки языка используются следующие:
• Синтаксис XML/RDF.
• Семантика и логический вывод дескриптивной логики.
• Примитивы моделирования знаний – ограниченные фреймы OKBC.
Фреймовое представление онтологического знания в DAML+OIL обеспечивает следующие преимущества:
• Интуитивно понятное представление знаний для большинства пользователей.
• Широкий набор примитивов моделирования.
• Использование стандартов фреймовых систем OKBC, XOL.
• Поддержка логического вывода: выявление противоречивости, определение скрытых суперклассов.
• Определение непересекаемости классов.
• Классы могут быть примитивными с условием необходимости (импликации), например, elephant => animal that has-colour grey и определяемыми с условием необходимости и достаточности (эквивалентности), например, vegetarian < = > person who eats meat nor fish.
• Слабые и сильные ограничения слотов, соответственно определения «может иметь» (has value) и «имеет» (type value).
• Произвольные выражения классов вместо имен (использование дескриптивной логики), например, slot-constraint eats value-type NOT (OR meat fish) • Ограничения размерности, например, slot-constraint eats max-cardinality 1 plant.
• Задание подслотов, например, daughter-of sub-slot of child-of.
• Задание свойств для слотов фреймов или отношений, например, транзитивность (для отношения «целое-часть»), симметричность (для отношения соединения компонентов) и др.
Ограниченность фреймового представления связана со следующими особенностями:
• Не поддерживается механизм передачи значений слотов по умолчанию.
• Ограниченно представляются аксиомы, в основном через механизм ограничений слотов и определений подклассов.
Глава 7. Технология создания систем управления знаниями К основным конструктивным элементам построения онтологий в язые OIL+DAML относятся следующие элементы:
• class-def – определение класса, • subclass-of –определение подкласса, • slot-def – определение слота, • subslot-of – определение подслота, • domain – определение домена, • range –определение диапазона, • class-expressions – выражения класса, • AND, OR, NOT – логические операторы в выражения класса, • slot-constraints – ограничения слота, • has-value, value-type – имеет значение, тип значения в ограничении, • cardinality – кардинальность (число значений), • slot-properties – свойства слота, • trans, symm – транзитивность, симметричность.
Причем первые 6 конструктивных элементов наследуются от языка RDF, а остальные конструктивные элементы являются оригинальными.
Пример концептуального представления онтологии в языке DAML+OIL [19] представлен на рис.7.8.
subclass-of NOT animal % которые не есть животные class-def tree class-def branch slot-constraint is-part-of % ветви есть часть некоторых деревьев class-def defined carnivore % плотоядное животное есть животное subclass-of animal slot-constraint eats % которое ест некоторых других животных class-def defined herbivore % травоядное животное есть животное subclass-of animal, slot-constraint eats % которое ест растения или их части (slot-constraint is-part-of Рис. 7.8. Концептуальное представление онтологии в языке DAML+OIL Соответствующее описание фрагмента онтологии в синтаксисе языка OIL представлено на рис.7.9.
Рис. 7.9. Фрагмент онтологии в синтаксисе языка OIL Выбор инструментальных средств реализации СУЗ во многом определяется требуемой функциональностью использования СУЗ: информационный поиск во внешних и/или внутренних источниках знаний, коллективное решение задач, обучение, обоснование решений и т.д.
Для узкоспециализированных целей, ориентированных на поиск в ИНТЕРНЕТ ресурсах, используются специализированные системы. Например, система SHOE [29] обеспечивает аннотацию документов (Knowledge Annotator), сбор знаний в централизованную базу знаний (Expose), выполнение поисковых запросов (SHOE Search). Аналогичный проект (KA)2 [1,27] включает больший набор инструментов: редактор онтологий (OntoEdit), извлечение знаний из текстов (Text-To-Onto), средство гиперболической визуализации (Hiperbolic), средство поиска (OntoBroker) и др. Полный набор инструментальных возможностей OntoEdit представлен в таблице 7.2. Специализированная корпоративная информационно-поисковая система Canbera RetrievalWare [8,10,11] помимо поддержания словарей (тезауруса) и реализации запросов к внутренним информационным ресурсам позволяет отслеживать текстовую информацию на заданных узлах сети Internet, выполнять автоматическую рубрикацию поступающих на запросы документы и т.д. В условиях такого разнообразия становится очевидным, что выбор конкретного набора инструментов будет определяться наилучшим соотношением потребительная ценность/затраты в соответствующем классе программных средств и открытостью для возможных доработок.
Интероперабельность с другими OntoAnnotate Глава 7. Технология создания систем управления знаниями Значение слота по умолчанию Нет Максимальная арность отношений Исключающая декомпозиция Да Покрывающая декомпозиция Нет Множественное наследование Да Присоединение механизма вывода Да Автоматическая классификация Да Ограничения/Целостность Уровень проверки Контроль изменений пользователя Нет Управление групповой работой Нет Поддержка библиотеки онтологий Да Независимо от конкретной функциональной направленности программных инструментов реализации СУЗ включаемые инструментальные средства должны обеспечивать две основные группы функций:
• Создание и поддержание источников знаний.
• Доступ к источникам знаний.
Глава 7. Технология создания систем управления знаниями Инструментальные средства создания и поддержания источников знаний, как правило, имеют следующие функциональные возможности:
• Создание и поддержание онтологий.
• Аннотирование источников знаний.
• Подключение источников знаний.
• Автоматическая рубрикация и индексирование источников знаний.
Создание онтологий обеспечивается средствами онтологических редакторов, которые должны реализовывать ввод категорий, отношений на категориях, ограничений (аксиом) в графической визуальной форме, освобождающей разработчика от знания внутреннего синтаксиса представления онтологических конструкций. Кроме того, редакторы обеспечивают контроль возникающих ошибок. Пример использования редактора OntoЕdit представлен на рис. 7.10 – 7.11., а OilEd на рис. 7.12.
Глава 7. Технология создания систем управления знаниями Рис. 7.11. Определение примеров (экземпляров) в редакторе OntoEdit Рис. 7.12. Определение классов в редакторе OntoEdit При интеграции нескольких источников знаний полезно иметь средства трансляции онтологий из одного представления в другое, осуществлять объединение онтологий в одной системе управления знаниями. В качестве примера можно привести систему Ontolingua, которая обладает средстами трансляции в различные представления. В проекте (KA) имеется средство объединения/отображения онтологий (Merge/Map), а также их трансляции в DTD (document type definition) XML.
Глава 7. Технология создания систем управления знаниями Ручная аннотация источников знаний Сущность ручной аннотации сводится в задании для источника знаний категорий онтологии, к которым он относится и по которым в дальнейшем произойдет индексирование документа. Для упрощения этой работы могут использоваться специальные программы, которые позволяют пользователю просматривать и выбирать из онтологий необходимые категории для аннотации, например, программа Knowledge Annotator системы SHOE или программа OntoAnnotate, сопряженная с инструментальным средством OntoEdit.
Подключение источников знаний Подключение источников знаний к общей системе осуществляется путем их индексирования. Например, для включения аннотированного текста в СУЗ, поддерживаемую SHOE, необходимо внести заявку на размещение текста на сайте исследовательской группы PLUS, для чего в заявке указывается URL текста. После этого программа Expose собирает знания со всех www-страниц и помещает их в БЗ Parka, в которой также хранится информация всех существующих онтологий. Таким образом, знания распространяемого источника становятся доступными для специально разработанной в Java SHOE Search – поисковой машины.
Автоматическая рубрикация и индексирование источников знаний Описанные выше ручная аннотация и индексирование источников знаний допустимы, когда некоторая организация выставляет свой источник знаний на всеобщее обозрение во внешнюю среду. В процессе эксплуатации СУЗ в систему поступают большие объемы документов различной природы, например, при полнотекстовом отборе в Интернете или по электронной почте, которые вручную практически не возможно проаннотировать и проиндексировать. В этом случае используются программы автоматической рубрикации и индексирования.
Например, сервер рубрикации системы RetrievalWare в соответствии с ранее введенными запросами по мере поступления документов распределяет их по тематическим рубрикам (категориям) (по запросам определяется частота используемых терминов, которая определяет степень их важности для рубрикации). При этом один документ может входить в несколько рубрик. Система позволяет подключать и внешние средства рубрикации и кластеризации поступающих документов.
Для автоматического индексирования документов используется программный модуль Internet Spider системы RetrievalWare, который отслеживает текстовую информацию на заданных узлах сети Internet, сканируя неограниченное количество страниц Интернет.
Полученная таким образом информация автоматически индексируется RetrievalWare. При конфигурировании Internet Spider определяются такие параметры, как тип извлекаемых документов, имя хоста, каталог, домен, глубина, широта и частота сканирования. Internet Spider способен работать с любыми объемами данных – от корпоративной интрасети до внешних узлов Интернет. Критичные по времени процессы выполняются параллельно на нескольких процессорах (на многопроцессорных машинах). Возможна работа в многосерверной конфигурации. Имеются средства извлечения знаний из текстов, например, инструментальное средство Text-to-Onto проекта KA2.
Инструментальные средства доступа к источникам знаний СУЗ должны обеспечивать следующие функциональные возможности:
• Реализация запросов • Навигация и просмотр Глава 7. Технология создания систем управления знаниями • Коммуникация пользователей • Распространение знаний Реализация запросов Существующие поисковые системы обеспечивают только полнотекстовый поиск, например, в системах Altavista (WWW), Verity (Intranet). В результате возникают проблемы нерелевантности результатов поиска.
СУЗ, основанные на применении онтологии знаний, улучшают релевантность поиска по запросу за счет:
• Семантического контроля.
• Анализа контекста.
• Механизма расширения содержания.
Инструментальные средства реализации запросов к источникам знаний обычно включает интерфейс формулирования запросов, механизм вывода, машину доступа к информационным ресурсам, обычно поддерживающую многоагентную технологию. К таким инструментальным средствам относятся, например, Ontobroker (проект KA2), SHOE Search.
В системе SHOE составление запроса сводится к заполнению экранной формы путем последовательного определения из списков используемых онтологий, категорий онтологий, отношений (атрибутов) и ограничений на значения отношений (атрибутов), которые могут быть связаны достаточно сложными логическими выражениями. Пример заполнения экранной формы в системе SHOE представлен на рис. 7.13.
В процессе реализации запроса по ограничениям атрибутов и аксиомам, зафиксированным в онтологиях, осуществляется проверка корректности запроса и его расширение семантически значимыми отношениями. Например, к используемым категориям добавляются синонимичные обозначения, транзитивно удаленные термины.
Полученный результат поиска в некоторых системах может упорядочиваться по степени релевантности запросу. Так, в системе Retrieval Ware оценка релевантности отбираемых источников знаний запросам осуществляется на основе вычисления степени близости расширяющих терминов исходному запросу. Например, на запрос «прокат автомобилей» будет выдаваться информация, связанная с деятельностью предприятий бытового обслуживания, и не будет выдаваться информация о предприятиях металлургии или автомобилестроения, хотя слово прокат также относится к металлургии, а при производстве автомобиля может использоваться технология прокатки стального листа. Таким образом, система вычислит очень высокую степень близости между понятиями «прокат автомобилей» и «бытовое обслуживание» и недопустимо большое семантическое расстояние между понятиями «прокат автомобилей» и «металлургия» или «автомобилестроение». Вычисление семантического расстояния между понятиями выполняется на основе весовых коэффициентов, приписываемых по шкале (0,1) отношениям между категориями в семантической сети тезауруса.
Глава 7. Технология создания систем управления знаниями Рис. 7.13. Пример заполнения экранной формы в системе SHOE В системе Retrieval Ware существует возможность поиска документов по образцу (query by example) – при этом система сама выбирает из документа наиболее статистически и семантически значимые слова и формирует из них сложный логический запрос, учитывающий и структуру, и смысловое содержание документа.
Навигация и просмотр Существующие системы, поддерживающие информационные порталы (например, Yahoo) обладают следующими недостатками средств навигации пользователя:
• Жесткая система категорий (рубрик), не позволяющая пользователю самостоятельно формировать маршрут просмотра источников знаний на основе собственной рубрикации.
• Отсутствие или слабое справочное руководство по категориям, которое раскрывало бы понятийную сущность рубрик.
• Отсутствие визуализации иерархии рубрик, которое давало бы целостное представление о структуризации источников знаний.
С помощью онтологии обеспечиваются следующие возможности навигации:
• Визуализация иерархий рубрик навигации.
• Многоаспектная навигация в источниках знаний.
• Гипертекстовый доступ к глоссарию, раскрывающему смысловое содержание категорий.
• Динамическое формирование маршрута навигации в зависимости от уровня знаний и потребностей пользователя.
Глава 7. Технология создания систем управления знаниями Для реализации перечисленных возможностей используется либо общепринятый интерфейс с выбором из меню, либо специально разработанный интерфейс с применением средств визуализации и навигации на гиперболическом представлении онтологии (Hyperbolic Geometry). На рис. 7.14 показано гиперболическое представление онтологии, в котором узлы онтологии представляются шарами, а отношения – соединяющими линиями.
Рис.7.14. Гиперболическое представление онтологии Взаимодействие пользователей СУЗ (коммуникация и распространение знаний) Существующие системы поддержки дискуссионных форумов (Knowlity), средств группового взаимодействия (Lotus Notes) отличаются отсутствием или слабой персонализацией участников коллективного обмена знаниями. Простейшие доски объявлений, которыми, по сути, являются дискуссионные форумы, приводят к случайности формирования участников обсуждений на основе только названия темы и не гарантирует достижения цели.
В противовес применяемым средствам группового взаимодействия СУЗ, основанные на онтологиях, обеспечивают следующие возможности:
• Целенаправленный выбор партнера по решению проблемы на основе более точной ее формулировки в категориях онтологии.
• Онтологическое профилирование потенциальных участников группового взаимодействия, когда профили знаний участников описываются в категориях онтологии и подключаются к сети, как и документальные ресурсы.
Реализация потребностей пользователя в консультации эксперта может быть решена так же, как и поисковая задача с использованием многоагентной технологии, осуществляемой, например, в таких поисковых системах, как MARPI, OntoSeek, (ONTO)2 и др. [1].
Отличительной особенностью применения многоагентной технологии для коллективного решения задач в СУЗ является необходимость планирования использования ресурсов во времени с учетом требований экономии стоимостных затрат.
Многоагентная система организует взаимодействие агентов для совместного решения определенной задачи. В качестве агентов выступают активные программные объекты в нотации объектно-ориентированного подхода, которые помимо коммуникации между собой на основе собственного знания способны генерировать различные варианты решений и выбирать из них наиболее оптимальные по заданному критерию, а также при необходимости модифицировать собственные знания о правилах принятия решений.
Глава 7. Технология создания систем управления знаниями Так, для решения задачи поиска эксперта для консультации (рис. 7.15) агент процесса обрабатывает требования пользователя, в соответствии с требованием находит и посылает запросы агентам-ресурсам. Агенты ресурсов в свою очередь проверяют возможность выполнить запрос в отведенные сроки и посылают свои условия агенту процесса.
Агент процесса принимает решение и составляет расписание (график) выполнения работ агентами ресурсов, которые в соответствии с расписанием предоставляют свои ресурсы пользователю.
При распространении знаний СУЗ агент процесса периодически анализирует поведение (требования) пользователей и синтезирует за пользователя запросы на удовлетворение его потенциальных потребностей. В этом случае агент процесса должен обладать способностью самообучения на основе интеллектуального анализа запросов.
На основе многоагентной технологии решаются не только задачи консультирования, но и задачи коллективной разработки проектов, планирования и управления нерегламентированными работами (wotkflow, электронные торги и др.). В этом случае роли агентов ресурсов должны быть уточнены в соответствии с характером выполняемой работы, например, по специализации (эксперт, инженер, менеджер, администратор и др.) и квалификации (руководитель проекта, руководитель группы, исполнитель, ученик и др.).
При разработке проекта члены проектной группы имеют своих программных агентов, которые сначала договариваются между собой о создании эффективной группы на основе общей цели и достижения компромисса частных целей, а затем после переговоров о распределении ролей взаимодействуют. Последовательность взаимодействия агентов генерируется на основе онтологии задач, а понимание агентами сущности решаемой задачи происходит на основе предметной онтологии. В качестве онтологий задач используются онтологии проведения переговоров и взаимодействия участников проекта.
Глава 7. Технология создания систем управления знаниями Проектирование СУЗ направлено на создание корпоративной системы, требующей решения организационных вопросов взаимодействия сотрудников предприятия или реинжиниринга.
Стадия идентификации определяет требования к источникам знаний разрабатываемой СУЗ, набор решаемых задач, категории пользователей. В отличие от экспертных систем СУЗ отличаются способностью к расширению источников знаний и использованию разнообразных инструментальных средств.
Система управления знаниями интегрирует множество разнородных источников знаний, вследствие чего требуется проектирование единого семантического описания пространства знаний, в качестве которого выступает онтология.
Онтология – это точное (явное) описание концептуализации знаний в виде множества используемых понятий (концептов) и набора парадигматических и синтагматических отношений.
Парадигматические отношения – отношения синонимии, омонимии, полисемии, обобщения «род-вид», агрегации «целое-часть», причинно-следственные и другие отношения, которые превращают словарь понятий (концептов, категорий) в тезаурус.
Синтагматические отношения отражают семантические ограничения в виде аксиом или логических правил, которые позволяют правильно строить переменные отношения понятий в конкретном контексте решения задачи.
Метаонтология оперирует общими концептами и отношениями, которые не зависят от конкретной предметной области. Концептами метауровня являются такие общие понятия, как: «объект», «свойство», «значение», «событие» и т.д.
Предметная онтология отражает понятия, описывающие конкретную предметную область, отношения, семантически значимые для данной предметной области, и множество интерпретаций этих понятий и отношений.
Онтология задач в качестве понятий содержит типы решаемых задач, а отношения этой онтологии, как правило, специфицируют декомпозицию задач на подзадачи.
Формализация семантической структуры знаний требует применения языков исчисления предикатов для отображения аксиоматики и объектно-ориентированного представления знаний для отображения таксономии используемых понятий. Наиболее пригодными языками с этой точки зрения являются KIF и семантические сети и фреймовые языки, удовлетворяющие требованиям OKBC.
Коллективное использование СУЗ в INTRANET и INTERNET среде требует расширения языков разметки HTML и XML в части отображения онтологического знания.
Основное назначение языков представления знаний на базе RDF, DAML+OIL, OXML, SHOE, расширяющих языки разметки, заключается в возможности описания онтологии, аннотировании необходимых источников знаний концептами онтологии, по которым строятся индексы поиска знаний, подключающие источники знаний к СУЗ.
Инструментальные программные средства СУЗ должны включать средства онтологического инжиниринга (редакторы онтологий), ручного аннотирования источников знаний, автоматизированной рубрикации источников знаний, реализации поисковых запросов, навигации в пространстве знаний, установления интерактивного взаимодействия участников обмена знаниями, автоматизированного извлечения знаний из различных источников с помощью специальных инструментов.
Универсальный характер инструментальных программных средств СУЗ предполагает, что основной акцент в проектировании систем управления знаниями долГлава 7. Технология создания систем управления знаниями жен делаться на семантическое представление знаний и обмен знаниями между различными машинными агентами СУЗ. Пренебрежение этим принципом превращает СУЗ в набор плохо связанных между собой информационных технологий.
1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. М.:
Питер, 2000. – 382 с.
2. Зайцева Ж.Н., Рубин Ю.Б., Титарев Л.Г., Тихомиров В.П., Хорошилов А.В., Усков В.Л. Филиппов В.М. Открытое образование – стратегия XXI века для России / Под общей редакцией Филиппова В.М. и Тихомирова В.П. – М.: Издательство МЭСИ, 2000. – 324 с.
3. Зырянов М. Первый этап «Осеннего марафона» компании «ВестьМетатехнология». От поиска информации – к управлению знаниями. Еженедельник «Computerworld Россия», #46/1999. Издательство «Открытые системы».
http://www.jobworld.ru/cw/1999/ 4. Декер С., Мельник С., ван Хермелен Ф., Фенсел Д., Клейн М., Брукстра Д., Эрдманн М, Хоррокс Я. Semantic Web: роли XML и RDF. Открытые системы, #09/ 5. Ин Ц., Соломон Д. Использование Турбо-Пролога. М.: Мир, 1993. – 606 с.
6. Каменнова М., Громов А., Ферапонтов М., Шматалюк А. Моделирование бизнеса. Методология ARIS. Практическое руководство/ Под ред. М.С. Каменновой.: М.: Издво «Серебрянные нити», 2001. – 327с/ 7. Мизогучи Р. Шаг в направлении инженерии онтологий. Новости искусственного интеллекта. М.: РАИИ, 2000. №1-2, с. 11 – 36.
8. Попов Э.В. Корпоративные системы управления знаниями. // Новости искусственного интеллекта. 2001, №1. –с. 14-25.
9. Представление и использование знаний / Пер. с япон.; Под ред. Х.Уэнo, М.Исидзука. – М.: Мир, 1989. – 220 c.
10. Промышленная информационно-поисковая система Excalibur RetrievalWare (Convera Technologies Corp.) www.vest.msk.ru.
11. Русский семантический сервер. www.vest.msk.ru.
12. Смирнова Г.Н., Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информационных систем: Учебник / Под ред. Ю.Ф. Тельнова. – М.: Финансы и статистика, 2001. – 512 с. : ил.
13. Тельнов Ю.Ф., Скорова А.А., Андреева Н.В. Проектирование баз знаний. Учебное пособие.- М.: МЭСИ, 1992.-100с.
14. Тельнов Ю.Ф., Смирнова Г.Н., Диго С.М., Шишков М.Ю. Модели описания предметных областей баз данных. М.: МЭСИ, 1985. – 106 с.
15. Цикритзис Д., Лоховски Ф. Модели данных. /Пер. с англ. – М.: Финансы и статистика, 1985. -344с.
16. Шеер А-В. Моделирование бизнес-процессов. Издание 2-е. Пер с англ. / Под науч.ред. М.С. Каменновой. М.: Изд-во «Серебрянные нити», 2000. – 205с.
17. Питц-Маултис Н., Кирк Ч. XML: Пер с англ. – СПб.: БХВ-Петербург, 2001. – 736с.:ил.
18. Abecker A., Bernardi A, Hinkelman K, Kuhn O. Toward a Technology for Organizational Memories. // IEEE Intelligent Systems 1998. No. 3. p 40 – 48.
19. Akkermans H. (VUA), Schnurr H.-P., Studer R., Sure Y. (AIFB), On-To-Knowledge review. Juan-Les-Pins/France, October 06, Глава 7. Технология создания систем управления знаниями 20. Chaudhri V. K., Farquhar A., Fikes R, Karp P. D., Rice J. P. Open Knowledge Base Connectivity 2.0.2. February 3, 1998.
21. Gruber T. R. Toward Principles for the Design of Ontologies Used for Knowledge Sharing / /International Journal of Human and Computer Studies. – 1993, No. 43(5/6). p 907 – 928.
22. Gruber T. R. A Translation Approach to Portable Ontologies / / Knowledge Acqusition – 1993, No. 5(2). p 199 – 220.
23. Knowledge Interchange Format draft proposed American National Standard (dpANS) NCITS.T2/98-004.
24. O’Leary D.E. Using AI in Knowledge Management: Knowledge Bases and Ontologies. // IEEE Intelligent Systems. 1998, No 3. p.34-39.
25. O’Leary D. E. «Enterprise Knowledge Management», – IEEE Computer, 3, March 1998, pp. 54-61.
26. A. Lopatenko's Resource Guide to Metadata for Science, Research, Education and Technology. (OIL) http://e-science.narod.ru/Metadata_Science.htm 27. Maedche A., Motik B., Volz R. KAON — A Framework for Semantics-based EServices. Forschungszentrum Informatik FZI, 76131 (http://www.fzi.de/wim). Karlsruhe, Institute AIFB, University of Karlsruhe, 76128 Karlsruhe (http://www.aifb.uni-karlsruhe.de/WBS).
28. Motik B., Maedche A.. and Volz R. A Conceptual Modeling Approach for SemanticsDriven Enterprise Applications. FZI Research Center for Information Technologies at the University of Karlsruhe, D-76131 Karlsruhe, Germany.
29. Searching the Web with SHOE, by Jeff Heflin and James Hendler. In AAAI- Workshop on AI for Web Search. 2000.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Международный образовательный консорциум Московский государственный университет экономики, АНО «Евразийский открытый институт»Руководство по изучению дисциплины информационные системы»
для специальности «Прикладная информатика по областям применения»
Тельнов Ю.Ф. Руководство по изучению дисциплины «Интеллектуальные информационные системы» / Московский государственный университет экономики, статистики и информатики. – М.: МЭСИ, 2004. – 20 с.
© Тельнов Ю.Ф., © Московский государственный университет экономики, статистики и информатики, 1. Сведение об авторе
2. Цели и задачи дисциплины, сфера профессионального применения
3. Для изучения данной дисциплины студент должен знать
4. Перечень основных тем дисциплины
4.1. Тема 1. Основные понятия интеллектуальных информационных систем
4.2. Тема 2. Технология создания экспертных систем
4.3. Тема 3. Создание и использование статических экспертных систем
4.4. Тема 4. Создание и использование динамических экспертных систем
4.5. Тема 5. Создание и использование самообучающихся интеллектуальных систем.......
5. Для проведения итогового контроля необходимо:
6. Литература
6.1. Основная
6.2. Дополнительная
6.3. Интернет-ресурсы
«Интеллектуальные информационные системы»
Тельнов Ю.Ф.
Кандидат экономических наук Зав. кафедрой ПЭИС п/п 1. Интеллектуальные информационные сис- СИНТЕГ, темы в экономике/2-изд. Уч. Пособия 2. Интеллектуальные информационные сис- МЭСИ, темы в экономике/ Уч. Пособие 3. Проектирование баз знаний. Уч. Пособие МЭСИ, 1992 Скорова А.А., 4. Интеллектуальные системы обработки МЭСИ, 1989 Диго С.М., 5. Интеллектуальная система управления ло- Теория и системы 6. Особенности разработки интеллектуаль- Реинжиниринг биз- Григорьев С.В., ных систем динамического управления за- нес-процессов на Данилов А.В.
7. Экспертная система анализа финансового Реинжиниринг биз- Семушкина Н.В.
8. Реализация экспертной системы финансо- Искусственный ин- Морозова Е.В., вого анализа и планирования деятельности теллект -96, Казань, Семушкина Н.В.
предприятия в условиях неопределенности 1996, том используемых знаний.
9. Динамическое планирование аварийно- Искусственный ин- Григорьев С.В., спасательных работ в зоне ЧС с использо- теллект -96, Казань, Емельянов А.А.
ванием инструментального комплекса G2 1996, том 2. Цели и задачи дисциплины, сфера профессионального применения Целью курса «Интеллектуальные информационные системы» (ИИС) является изучение студентами проблематики и областей использования искусственного интеллекта в экономических информационных системах, освещение теоретических и организационнометодических вопросов построения и функционирования ИИС, основанных на знаниях, привитие навыков практических работ по проектированию баз знаний.
В результате изучения курса студент должен:
Знать структуру и общую схему функционирования ИИС, методы представления знаний в ИИС, области применения, этапы, методы и инструментальные средства проектирования ИИС;
Уметь выбрать форму представления знаний и инструментальное средство разработки ИИС для конкретной предметной области, спроектировать базу знаний, выбрать стратегию вывода знаний, разработать методы поддержания базы знаний в работоспособном состоянии;
Приобрести навыки в проектировании базы знаний, ее формализованном описании и наполнении, реализации различных стратегий вывода знаний и объяснения полученных результатов.
Сфера профессионального использования:
Знания и навыки, полученные в результате изучения данной дисциплины, могут быть применены:
- При разработке систем управления знаниями в банках, производственных и торговых компаниях, консалтинговых и страховых фирмах, туристических агентствах и др.;
- При разработке систем интеллектуального поиска в распределенных информационных ресурсах в среде ИНТЕРНЕТ;
- При разработке экспертных систем анализа, прогнозирования и планирования финансово-хозяйственной деятельности предприятия;
- При разработке систем извлечения знаний из данных и текстов;
- При разработке интеллектуальных систем мониторинга и управления бизнеспроцессами;
- При разработке систем электронной коммерции и поддержки виртуальных предприятий.
3. Для изучения данной дисциплины студент должен знать Для изучения дисциплины требуются знания базовых экономических дисциплин:
«Основы бизнеса», «Основы менеджмента», «Основы маркетинга», «Финансовый анализ», «Экономика и статистика фирм», «Менеджмент предприятия и организации», «Маркетинговые исследования», «Инновационный менеджмент».
Изучение дисциплины основывается на дисциплинах прикладной информатики:
«Информационные технологии», «Базы данных». Для специальности «Прикладная информатика по областям применения» требуется знание дисциплин: «Теория экономических информационных систем», «Основы алгоритмизации и программирования», «Объектно-ориентированное программирование», «Проектирование информационных систем», «Разработка и стандартизация программных средств и информационных технологий», «Открытые системы».
Для изучения дисциплины требуется знание математических и статистических методов, излагаемых в дисциплинах: «Дискретный анализ», «Теория вероятностей и математическая статистика», «Теория систем и системный анализ». Для специальности «Прикладная информатика по областям применения» требуется знание дисциплин: «Теория нечетких множеств», «Применение методов неопределенности в экономике».
4.1. Тема 1. Основные понятия интеллектуальных информационных систем Цель изучения: Раскрыть предмет и метод курса «Интеллектуальные информационные системы», определить подклассы интеллектуальных информационных систем, используемых в экономике.
1. Понятия данных, информации, знаний. Показывается роль информационной системы в преобразовании данных, как формализованном отражении действительности, в информацию, полезную в решении конкретных задач управления, на основе знания о зависимостях фактов.
2. Эволюция информационных систем. Дается определение процедурной и декларативной формам представления знаний. Рассматривается эволюция информационных систем от процедурных систем обработки данных к информационных системам, основанным на декларативном представлении баз знаний.
3. Понятие интеллектуальной информационной системы. Раскрывается способность ИИС генерировать алгоритмы решения задач для конкретных ситуаций на основе баз декларативных знаний.
4. Признаки интеллектуальности ИИС. Раскрываются признаки классификации ИИС: коммуникативные способности взаимодействия ИИС с пользователем, решение сложных задач, самообучение и адаптация к развитию проблемной области.
1.1. Использование систем с интеллектуальным интерфейсом. Дается характеристика систем с интеллектуальным интерфейсом: интеллектуальных баз данных, систем с естественно-языковым интерфейсом, интеллектуальных гипермедийных систем, систем когнитивной графики, виртуальной реальности.
1.2. Использование экспертных систем. Показываются особенности решения сложных слабо формализуемых задач в условиях неопределенности и динамичности среды.
Раскрывается архитектура экспертных систем: база знаний, механизм логического вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс. Дается классификация экспертных систем:
1.3. Использование самообучающихся систем. Раскрываются особенности самообучающихся систем, основанных на извлечении знаний из данных, из прецедентов использования, из текстов. Дается характеристика методов индуктивного обучения на примерах, построения решающих функций нейронных сетей, методов поиска решений по аналогии на основе прецедентов. Рассматривается применение методов интеллектуального анализа в информационных хранилищах.
1.4. Использование ИИС в управлении знаниями предприятия. Показывается необходимость управления знаниями для улучшения менеджмента предприятия. Раскрываются принципы управления знаниями: интеллектуальное ассистирование, сбор и систематиРуководство по изучению дисциплины ческая организация знаний из различных источников, быстрая адаптация к изменяющимся потребностям, способность обрабатывать неполную, некорректную и часто-изменяемую информацию, интеграция с существующей программной средой, активная презентация релевантной информации. Рассматриваются основные задачи управления знаниями:
• приобретение (acquisition), получение знания от экспертов, из диаграмм потоков работ, руководств и учебников или извлечение из баз данных – преобразование неявных знаний в явные знания;
• представление знаний (representation), организация знания в соответствии с предпочтительной для компании классификационной схемой или таксономией;
• распространение (dissemination), обеспечение доступа к знаниям тем категориям сотрудников, которые в них нуждаются и могут извлечь преимущества от их использования.
Изучив данную тему, студент должен:
• знать: отличительные характеристики интеллектуальных информационных систем от систем обработки данных, принципы, задачи и области применения ИИС по классам и в управлении знаниями предприятия;
• уметь: классифицировать ИИС по признакам интеллектуальности и выбирать адекватные классу решаемых задач (проблемной области) типы ИИС.
При изучении темы 1 необходимо:
• читать учебное пособие [1] главу 1 стр. 9-40; учебное пособие [2] главу 2 стр. 24-36, учебное пособие [3] главу 1 стр.9-38.
• акцентировать внимание на следующих понятиях: база декларативных знаний, генерация алгоритма решения задачи на основе базы знаний в соответствии с описанием конкретной ситуацией, решение задач в условиях неопределенности и динамичности среды, приобретение знаний от экспертов, извлечение знаний из данных, прецедентов, текстов.
Для самооценки темы 1 ответить на вопросы:
1. Укажите различия между данными, информацией и знаниями.
2. Какие существуют формы представления знаний?
3. Чем интеллектуальная информационная система отличается от системы обработки данных, системы баз данных?
4. Каковы признаки интеллектуальности ИИС?
5. Как в соответствии с признаками интеллектуальности осуществляется классификация ИИС?
«