Методы извлечения и анализа экспертных знаний

• Автор: Асанов, Артем Асхатович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Москва
• Количество страниц: 125 с.

Содержание
Введение

Задача экспертной классификации

1.1 Определения, постановка задачи.

1.2 Обзор методов классификации

1.2.1 Методология

1.2.2 Метод I.

1.2.3 Метод классификации с линейной функцией полезности

1.2.4 Построение согласованной системы правил классификации.

1.2.5 Семейство методов Вербального Анализа Решений.

1.2.5.1 Алгоритм ОРКЛАСС.

1.2.5.2 Алгоритм ДИФКЛАСС
1.2.5.3 Алгоритм КЛАНШ.
1.2.5.4 Алгоритм ,.
1.2.6 Алгоритм расшифровки монотонных функций алгебры логики
1.3 ВЫВОДЫ.
Выявление экспертных знаний алгоритм ЦИКЛ.
2.1 Основ ье идеи.
2.2 Формальное изложение.
2.3 Свойства алгоритма.
2.3.1 1 олнота классификации.
,2.3.2 Непротиворечивость классификации.
2.3.3 Оценка вычислительной сложности.
2.4 Сравнеие алгоритмов
2.4.1 Процедура.
2.4.2 Результаты
2.5 Задачи большой размерности.
2.6 Выводы.
Анализ экспертных знаний построение решающих правил.
3.1 Экспертные решающие правила
3.2 Определения
3.3 Характеристики правил
3.4 Постановка задачи
3.5 Выявление решающих правил
3.5.1 Комбинаторный алгоритм
3.5.2 Генетический алгоритм.
3.5.2.1 Представление и создание популяции.
3.5.2.2 Целевая функция
3.5.2.3 Оператор селекции
3.5.2.4 Оператор скрещивания.
3.5.2.5 Оператор му тации
3.5.2.6 Оператор отбора
3.5.2.7 Построение решения.
3.5.2.8 Схема эволюции.
3.5.3 Оценки эффективности
3.6 Выводы.
Применения
4.1 Диагностика медикаментозных отравлений.
4.1.1 Особенности задачи
4.1.2 Построение базы знаний
4.1.3 Архитектура системы.
4.1.4 Выводы
4.2 Оценка качества па ковских кредитов.
4.2.1 Метод решения
4.2.2 Пакет i
4.2.3 Разработка и внедрение системы.
4.2.4 Выводы.
Заключение.
Литература


Напротив, новички преимущественно используют обратный вывод (backward reasoning), т. Этот путь требует значительно большего количества времени и существенно больше подвержен ошибкам [Patel, Ramoni, ]. Экспертное знание как правило подсознательно - в большинстве случаев эксперты не могут сформулировать правила, которые они используют в принятии решений. Правила, которые они все же могут явным образом вербализовать, охватывают лишь подмножество самых простых задач, которые они могут решить. Поэтому, можно считать что в результате многолетнего интенсивного обучения и практики у экспертов формируются правила распознавания, значительная часть которых находится на подсознательном уровне [Kihlstrom, ]. Причем существует знание, первоначально имевшее явное, декларативное представление, но затем со временем ставшее автоматическим, не требующим сосредоточения внимания и размышления. Однако существует и неявное (implicit) знание, которое изначально не представимо в явном виде и было сформировано как результат длительной интенсивной практики [Berry, ]. Многочисленные психологические эксперименты дают основания считать, что «сложные структуры, лежащие в основе языка, общения, восприятия, умения играть в сложные игры, возникают неявно и подсознательно» [Reber et al, J. Именно подсознательный характер экспертного знания вызвал значительные трудности при построении экспертных систем, а извлечение экспертных знаний было названо «узким местом» искусственного интеллекта [Feigenbaum, McCorduck, ]. Настоящая работа посвящена развитию алгоритмов и методов выявления подсознательного экспертного знания, построения экспертных баз знаний в тех предметных областях, где отсутствуют объективные модели принятия решений и эталоном качества решения задачи является опытный человек-эксперт. Работа также имеет своей целью разработку формальных методов анализа экспертного знания - выявление решающих правил, представляющих собой отражение когнитивных структур-паттернов, применяемых экспертами при решении задач. Разработан алгоритм ЦИКЛ построения полных и непротиворечивых баз экспертных знаний, позволяющий значительно повысить эффективность процесса выявления экспертного знания, а также расширить круг задач порядковой экспертной классификации, которые могут быть решены с его помощью. Построено обобщение метода, позволяющего сравнить эффективности алгоритмов решения задачи экспертной классификации, на случай задач произвольной размерности. Получены новые данные об эффективности алгоритмов ЦИКЛ, КЛАСС, алгоритмов расшифровки монотонных функций алгебры логики. Предложен формальный аппарат описания экспертных решающих правил. Сформулирована оптимизационная многокритериальная задача выявления решающих правил. Построены два алгоритма (комбинаторный и генетический) решения задачи выявления решающих правил. Разработан и проведен вычислительный эксперимент по сравнению эффективности алгоритмов выявления решающих правил. Во введении рассматриваются основания задачи выявления экспертного знания с точки зрения информационного подхода - доминирующей системы взглядов и методов в современной когнитивной психологии. Обсуждаются различные способы построения интеллектуальных систем, их различия и их применимость для решения хороню структурированных и слабо структурированных задач. Рассматриваются особенности мышления экспертов, обуславливающие сложность и важность проблемы выявления подсознательного экспертного знания при построении интеллектуальных систем в слабоструктурированных предметных областях. В первой главе приводится формальная постановка задачи экспертной классификации, даются основные определения: полная, непротиворечивая классификация, отношение доминирования, граничные элементы. Далее делается обзор современных методов классификации с акцентом на различные подходы к извлечению и представлению экспертного знания. Проводится аналогия с задачами расшифровки монотонных функций в области алгебры логики. На основе анализа формулируются проблемы и ставится цель диссертационного исследования.