О методе сравнительной оценки параметров для разработки экспертных систем

Размещено на http://www.allbest.ru/

О МЕТОДЕ СРАВНИТЕЛЬНОЙ ОЦЕНКИ ПАРАМЕТРОВ ДЛЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ

О.Н. Долинина

Аннотация

экспертный система база знание

Описан метод сравнительной оценки параметров для формирования базы знаний на основе модифицированной системы продукций, учитывающих взаимное влияние фактов, на примере экспертной системы неотложной кардиологии KORDEX и экспертной системы InfoSafety для прогнозирования угрозы информационной опасности предприятия.

Экспертная система, продукции, взаимное влияние фактов

Annotation

There is described a method of comparative evaluation of the parameters for development of knowledge base. It is realized with modified rules system taking into consideration mutual impact of facts. There are shown the examples of using the method: expert system of urgent cardiology KORDEX and expert system InfoSafety for prognosis of threats to information safety of the company.

Expert system, production, mutual influence of the facts

Основная часть

Среди систем искусственного интеллекта наибольшую популярность приобрели экспертные системы (ЭС). ЭС предназначены для неформализованных или трудноформализуемых задач, в то же время они не отвергают и не заменяют традиционных методов обработки данных. Экспертные системы отличаются от других систем обработки данных тем, что в них в основном используются символьный способ представления, нечисловой вывод и эвристический поиск решения, а не исполнение заданного алгоритма. Они применяются для решения трудных практических задач и по качеству и эффективности решений ЭС не уступают решениям человека-эксперта.

Особую роль в экспертных системах играют сами знания, а не формальные методы рассуждений. Прежде всего, потому, что для большинства трудных проблем нет четких алгоритмических решений, так как многие важные задачи возникают в сложных контекстах социальных или физических явлений, не поддающихся строгому описанию. К таким задачам можно отнести задачи управления и социальных прогнозов, юридическую практику, медицинскую диагностику и прогноз, геологическую разведку, анализ военных ситуаций и пр.

На сегодняшний день среди форм представления знаний, используемых для представления экспертных знаний, преобладают продукционные системы или правила. Это объясняется их универсальностью, т.е. любая формальная система, оперирующая символами, может быть реализована в виде одной из продукционных систем Поста [1], а также удобством представления знаний.

Продукционная база знаний (ПБЗ) определяется совокупностью:

P=(F, R, G, C, I), (1)

где F - конечное множество фактов о решаемой проблеме. Каждый факт может быть установленным или неустановленным, совокупность установленных фактов задает некоторую ситуацию в предметной области.

R - множество продукций или правил, включающее правила вида

rm: ЕСЛИ f i де rm - имя правила, rmОR; fi,fj...,fn - условия выполнения правила; fk - следствие правила, f I, fj,..., fn, fk F; G - множество целей или терминальных фактов ЭС; I - интерпретатор правил, реализующий процесс вывода. C является множеством разрешенных комбинаций фактов. В множество С не входят, например, комбинации, в которых установлены одновременно какие-либо два факта, взаимно исключающие друг друга. База правил R и множество целей G образуют базу знаний.

Однако на практике достаточно часто встречаются случаи, когда в чистом виде для формирования базы знаний продукции вида (2) применить не удается. Примером может служить медицина, в частности в области прогноза развития неотложных состояний в таких областях как кардиология, как наиболее часто встречающихся в практике и определяющих значительные потери трудоспособности и летальность.

Во многих медицинских диагностических алгоритмах связь «признак - болезнь» или «признак - прогноз» не отражает существа дела. Во-первых, наличие одних и тех же симптомов при большом числе заболеваний и большого количества комбинаций различных симптомов при одном заболевании приведет к существенному увеличению числа продукций в ПБЗ.

Во-вторых, признак (симптом) является непосредственным проявлением состояния органа или системы, а не самого заболевания или прогноза его развития. Например, в кардиологии наличие у больного такого признака, как рецидивирующая, плохо поддающаяся лечению загрудинная боль в покое, является проявлением не пессимистического прогноза развития НС, а вероятнее всего, наступающего тромбоза коронарной артерии и ишемии миокарда. Более приемлема ассоциация «признак - влияние на синдром - заболевание (прогноз заболевания)», где под синдромом понимается совокупность признаков, характеризующих состояние органа или системы.

Метод сравнительной оценки влияния параметров

Для случаев, когда продукции вида (2) не удается применить, для формализации знаний предлагается метод сравнительной оценки влияния параметров. Человеческому мышлению свойственно оперировать понятиями, связанными между собой линейными зависимостями. Эту закономерность представляется целесообразным использовать для построения модели предметной области. Кроме того, информация, которой располагает эксперт, всегда избыточна, и в процессе принятия решения он как бы взвешивает все имеющиеся аргументы и определяет силу влияния признака (факта) на развитие синдрома (промежуточного или конечного факта).

Таким образом, предлагается использовать продукции вида

rm: ЕСЛИ f i ТО ВЛИЯЕТ inf НА fk,, (3)

где inf означает силу влияния факта fi на fk. и принимает значения из лингвистического множества D, которые, в свою очередь, преобразуются в числовые значения.

D={высокий (сильный), умеренный, низкий (слабый), практически не имеется}. Влияние может быть как отрицательным (уменьшающим возможность возникновения факта fk), так и положительным (усиливающим возможность возникновения факта fk).

Хорошо себя зарекомендовала модель знаний, состоящая из трех уровней (входного, промежуточного, выходного). Качественно модель представления знаний (рисунок) напоминает трехслойный персептрон, где в качестве промежуточного слоя выступают синдромы.

И f j... И fn ТО fk,, (2)

В структуре ПБЗ, представленной на рисунке

- множество входных фактов,

- множество промежуточных фактов (синдромов), - множество конечных целей ЭС.

Математически это означает, что каждый промежуточный и выходной факты определяются как суммы соответствующих весовых коэффициентов(wij, vij):

Если суммарные значения yj и gr превысят некоторое предельные значения l1j, l2j, соответственно, то вывод можно считать сделанным. Значения yj и gr, а также l1j, l2j могут быть представлены в виде лингвистических переменных, принимающих значения из множества D, или определены экспертным способом.

Структура ПБЗ, сформированной по методу сравнительной оценки влияния параметров

Для случая построения ЭС в области неотложной кардиологии в процессе построения ПБЗ эксперт отвечает на вопрос о качественном определении влияния каждого из симптомов заболевания на прогноз его развития: «Какой вклад вносит определенный признак (значение признака, отсутствие признака) в выраженность определенного синдрома?» т.е. должен субъективно (качественно) установить нагрузку признака на фактор. Причем один и тот же признак вносит различные по величине и знаку «вклады» в различные синдромы (промежуточные факты), которые, в свою очередь, влияют на величину целевых значений. Для удобства рекомендуется при построении базы знаний формировать таблицу (пример - таблица). Например, наличие стабильной боли за грудиной при малейшей нагрузке сильно влияет на выраженность стеноза коронарных артерий, практически не влияет на выраженность спазма, слабо влияет на развитие тромбоза, умеренно отрицательно влияет на адаптированность миокарда к ишемии.

В общем случае модель знаний может иметь z уровней, однако наиболее эффективно метод работает для одного промежуточного слоя. Применение данного метода для формирования продукционной базы знаний экспертных систем позволяет существенно сократить размерность по сравнению с традиционным способом, а также время отладки [2].

Применение метода сравнительной влияния параметров

Метод сравнительной оценки влияния параметров был успешно применен при создании ЭС KORDEX [2], выполняющей прогноз развития нестабильной стенокардии и определяющей риск развития осложнений от проведения антиаритмической терапии, выделено 196 входных фактов, 6 промежуточных фактов (синдромов), определяющих течение нестабильной стенокардии и прогноз риска инфаркта миокарда, а также лечебную тактику (элементы множества G): степень атеросклеротического сужения коронарных артерий, вероятность тромбоза коронарных артерий, адаптация миокарда к ишемии, потребность миокарда в кислороде, склонность коронарных артерий к спазму, скорость нарастания стеноза коронарных артерий.

Качественными примерами продукций, относящихся к области непосредственно прогноза и назначения лечения, являются:

НС: r150: ЕСЛИ СПАЗМ КОРОНАРНЫХ СОСУДОВ высокий, ТО это умеренно повышает РИСК РАЗВИТИЯ ИНФАРКТА, сильно повышает НЕОБХОДИМОСТЬ НАЗНАЧЕНИЯ АНТАГОНИСТОВ КАЛЬЦИЯ, немного понижает НЕОБХОДИМОСТЬ НАЗНАЧЕНИЯ В-БЛОКАТОРОВ;

ПТ: r168: ЕСЛИ АКТИВНОСТЬ СИМПАТО-АДРЕНАЛОВОЙ СИСТЕМЫ высокая, ТО это сильно уменьшает ЭФФЕКТИВНОСТЬ ТЕРАПИИ.

Описанный подход к формированию продукций в БЗ за счет качественного выделения основных фактов (синдромов), влияющих на течение заболевания и назначение лечения, позволил сократить размерность БЗ до 416 продукций вида (3). В случае построения БЗ KORDEX в виде классической продукционной системы вида (2) количество правил составило 4600 [2].

Метод также был применен для построениябазы знаний экспертной системы InfoSafety для прогнозирования угрозы информационной опасности предприятия [2, 3], в том числе с учетом социального инжиниринга и определения мероприятий по предотвращению данной угрозы. В настоящее время уровень информационной безопасности предприятия является важной характеристикой его стабильности. Целевое множество G состоит из двух элементов: мотивация персонала на участие в политике безопасности; угроза социального инжиниринга. Общий объем продукций вида (3) составил 152.

Качественные примеры продукций:

R45: Факт «Хорошие отношения с начальством и коллегами» сильно увеличивает мотивацию персонала на участие в политике безопасности.

R46: Факт «Хорошие отношения с начальством и коллегами» умеренно увеличивает угрозу социального инжиниринга.

R59: Факт «Участие персонала в формировании задач информатизации» сильно увеличивает мотивацию персонала на участие в политике безопасности и умеренно уменьшает угрозу социального инжиниринга.

Отметим, что метод сравнительного влияния параметров успешно применяется в случае, когда эксперт имеет опыт формализации знаний, владеет методами обработки многомерных данных, применяемых для выделения наиболее информативных признаков и описания их влияния на другие признаки. Например, для предварительного анализа предметной области при формировании экспертной системы KORDEX использовался дискриминантный анализ, а в случае ЭС - метод соответствия.

Пример заполнения матриц весовых коэффициентов для определения влияния входных фактов на промежуточные

Литература

1. Post E.L. Formal Reductions of the General Combinatorial Decision Problem // American Journal of Mathematics. 1943. V.65. P. 197-215.

2. Долинина О.Н. Информационные технологии в управлении современной организацией: монография. Саратов: Сарат. гос. техн. ун-т, 2006. 160 с.

3. Долинина О.Н. Социальный инжиниринг и формирование политики управления предприятием // Соц. - гум. знания. 2005. №6. С.209-220.

Размещено на Allbest.ru