Логико-лингвистическое моделирование - Logico-linguistic modeling - Wikipedia

Логико-лингвистическое моделирование это метод построения систем, основанных на знаниях, с возможностью обучения с использованием концептуальные модели из методология мягких систем, модальная логика предикатов и Пролог язык искусственного интеллекта.

Обзор

Логико-лингвистическое моделирование - это шестиступенчатый метод, разработанный в первую очередь для построения системы, основанные на знаниях (KBS), но он также может применяться в системах поддержки принятия решений вручную и анализе источников информации. Логико-лингвистические модели внешне похожи на Джон Ф. Сова с концептуальные графики;[1] оба используют пузырьковые диаграммы, оба связаны с концепциями, оба могут быть выражены в логике, и оба могут использоваться в искусственном интеллекте. Однако логико-лингвистические модели очень различаются как по логической форме, так и по способу построения.

Логико-лингвистическое моделирование было разработано для решения теоретических проблем, обнаруженных в методе мягких систем для проектирования информационных систем. Основная цель исследования заключалась в том, чтобы показать, как методология мягких систем (SSM), метод системного анализа, может быть расширен до искусственного интеллекта.

Фон

SSM использует три устройства моделирования: богатые изображения, корневые определения и концептуальные модели систем человеческой деятельности. Основные определения и концептуальные модели создаются самими заинтересованными сторонами в ходе повторяющихся дебатов, организованных фасилитатором. Сильные стороны этого метода заключаются, во-первых, в его гибкости, том факте, что он может решить любую проблемную ситуацию, и, во-вторых, в том, что решение принадлежит людям в организации, а не навязывается сторонним аналитиком.[2]

Информация анализ требований (IRA) продвинул базовый метод SSM на следующий этап и показал, как концептуальные модели могут быть преобразованы в детальный дизайн информационной системы.[3] IRA призывает к добавлению двух устройств моделирования: «Информационные категории», которые показывают необходимые информационные входы и выходы от действий, определенных в расширенной концептуальной модели; и «Мальтийский крест», матрица, которая показывает входы и выходы из информационных категорий и показывает, где требуются новые процедуры обработки информации. Заполненного Мальтийского креста достаточно для детального проектирования системы обработки транзакций.

Первоначальным толчком к развитию логико-лингвистического моделирования была озабоченность теоретической проблемой того, как информационная система может иметь связь с физическим миром.[4] Это проблема как в IRA, так и в более известных методах (например, SSADM ), потому что ни одна из них не строит свои информационные системы на моделях физического мира. Проекты IRA основаны на концептуальной модели, а SSADM - на моделях движения документов.

Решение этих проблем предоставило формулу, которая не ограничивалась проектированием систем обработки транзакций, но могла использоваться для разработки KBS с возможностью обучения.[5]

Шесть этапов логико-лингвистического моделирования

Рис. 1. Концептуальная модель SSM

Метод логико-лингвистического моделирования включает шесть этапов.[5]

1. Системный анализ

На первом этапе логико-лингвистическое моделирование использует SSM для системный анализ. На этом этапе делается попытка структурировать проблему в организации-клиенте путем выявления заинтересованных сторон, моделирования целей организации и обсуждения возможных решений. На данном этапе не предполагается, что KBS будет решением, и логико-лингвистическое моделирование часто дает решения, которые не требуют компьютеризированного KBS.

Экспертные системы имеют тенденцию фиксировать опыт людей из разных организаций по одной и той же теме. Напротив, KBS, созданный с помощью логико-лингвистического моделирования, стремится уловить опыт отдельных лиц в одной организации по разным темам. Акцент делается на выявление организационных или групповых знаний, а не отдельных экспертов. В логико-лингвистическом моделировании заинтересованные стороны становятся экспертами.

Конечной точкой этого этапа являются концептуальные модели в стиле SSM, такие как рисунок 1.

2. Создание языка

Рис 2. Логико-лингвистическая модель.

Согласно теории, лежащей в основе логико-лингвистического моделирования, процесс построения концептуальной модели SSM является витгенштейновским. языковая игра в котором заинтересованные стороны создают язык для описания проблемной ситуации.[6] Логико-лингвистическая модель выражает этот язык как набор определений, см. Рисунок 2.

3. Извлечение знаний

После того, как модель языка построена, заинтересованные стороны могут добавить предполагаемые знания о реальном мире. Традиционные концептуальные модели SSM содержат только одну логическую связку (необходимое условие). Чтобы представить причинные последовательности, "достаточные условия " и "необходимые и достаточные условия "также требуются.[7] В логико-лингвистическом моделировании этот недостаток устраняется двумя дополнительными типами связки. Результатом третьего этапа является эмпирическая модель, см. Рисунок 3.

4. Представление знаний

Рис 3. Эмпирическая модель

Модальная логика предикатов (комбинация модальная логика и логика предикатов ) используется как формальный метод представления знаний. Связки из языковой модели логически верны (обозначены "L"модальный оператор") и связка, добавленная на этапе извлечения знаний, верны (обозначены значком "M"модальный оператор). Перед переходом к этапу 5 модели выражаются в логических формулах.

5. Компьютерный код

Формулы в логике предикатов легко переводятся в Пролог язык искусственного интеллекта. Модальность выражается двумя разными типами правил Пролога. Правила, взятые на этапе создания языка процесса построения модели, считаются неисправимыми. В то время как правила со стадии извлечения знаний помечены как гипотетические правила. Система не ограничивается поддержкой принятия решений, но имеет встроенные возможности обучения.

6. Проверка

Система, основанная на знаниях, построенная с использованием этого метода, проверяет себя. Проверка происходит, когда клиенты используют KBS. Это непрерывный процесс, который продолжается на протяжении всего срока службы системы. Если мнения заинтересованных сторон о реальном мире ошибочны, это будет выявлено путем добавления фактов Пролога, которые противоречат гипотетическим правилам. Работает по классическому принципу фальсифицируемость найдено в философии науки[8]

Приложения

Компьютерные системы, основанные на знаниях

Логико-лингвистическое моделирование использовалось для создания полностью действующих компьютеризированных систем, основанных на знаниях, таких как система для ведения пациентов с диабетом в амбулаторных отделениях больниц.[9]

Поддержка принятия решений вручную

В других проектах необходимость перехода на Prolog считалась ненужной, поскольку печатные логико-лингвистические модели обеспечивали простое в использовании руководство по принятию решений. Например, система одобрения ипотечного кредита.[10]

Анализ источников информации

В некоторых случаях KBS не удавалось создать, потому что у организации не было всех знаний, необходимых для поддержки всей их деятельности. В этих случаях логико-лингвистическое моделирование показало недостатки в предоставлении информации, а там, где требовалось больше. Например, отдел планирования в телекоммуникационной компании[2]

Критика

Хотя логико-лингвистическое моделирование преодолевает проблемы, обнаруженные при переходе SSM от концептуальной модели к компьютерному коду, оно делает это за счет увеличения сложности модели, созданной заинтересованными сторонами. Польза от такой сложности сомнительна.[11]и этот метод моделирования может быть намного сложнее использовать, чем другие методы.[12]

Это утверждение было подтверждено последующими исследованиями. Попытка исследователей смоделировать решения о покупке в двенадцати компаниях с использованием логико-лингвистического моделирования потребовала упрощения моделей и удаления модальных элементов.[13]

Смотрите также

Рекомендации

  1. ^ Сова, Джон Ф. (1984), Концептуальные структуры: обработка информации в разуме и машине, Аддисон-Уэсли, Рединг, Массачусетс, США.
  2. ^ а б Грегори, Фрэнк Хатсон и Лау, Суй Понг (1999) Моделирование логических мягких систем для анализа источников информации - на примере Hong Kong Telecom, Журнал Общества операционных исследований, вып. 50 (2).
  3. ^ Уилсон, Брайан Системы: концепции, методологии и приложения, John Wiley & Sons Ltd. 1984, 1990. ISBN  0-471-92716-3
  4. ^ Грегори, Фрэнк Хатсон (1995) Отображение информационных систем в реальном мире. Серия рабочих документов № WP95 / 01. Департамент информационных систем, Городской университет Гонконга.
  5. ^ а б Грегори, Фрэнк Хатсон (1993) SSM для выявления и представления знаний, Исследовательский документ Warwick Business School № 98. Позже опубликован в Журнал Общества оперативных исследований (1995) 46, 562-578.
  6. ^ Грегори, Фрэнк Хатсон (1992) SSM к информационным системам: подход Виттенштейна. Научный доклад Уорикской школы бизнеса № 65. С поправками и дополнениями эта статья была опубликована в Journal of Information Systems (1993) 3, pp. 149–168.
  7. ^ Грегори, Фрэнк Хатсон (1992) Причина, следствие, эффективность и модели мягких систем. Отчет Уорикской школы бизнеса № 42. Позже опубликовано в Journal of the Operational Research Society (1993) 44 (4), стр. 149-168.
  8. ^ Грегори, Фрэнк Хатсон (1996) "Необходимость в" научных "информационных системах" Труды Американской конференции по информационным системам, август 1996 г., Ассоциация информационных систем, 1996 г. стр. 534-536.
  9. ^ Чой, Мей Йи Сара (1997) Логико-лингвистическое моделирование для построения системы управления пациентами с сахарным диабетом на основе знаний. Докторская диссертация, факультет информационных систем, Городской университет Гонконга.
  10. ^ Ли, Кам Шинг Клайв (1997) Разработка системы, основанной на знаниях, для одобрения ипотечных ссуд. Докторская диссертация, факультет информационных систем, Городской университет Гонконга.
  11. ^ Кляйн, Дж. Х. (1994) Когнитивные процессы и операционные исследования: взгляд на обработку информации человеком. Журнал Общества оперативных исследований. Vol. 45, № 8.
  12. ^ Кляйн, Дж. Х. (1995) Чрезмерно упрощенная когнитивная наука: ответ. Журнал Общества оперативных исследований. Vol. 46, No. 4. С. 275-6.
  13. ^ Накшвасди, Суравут (2004) Логические программные системы для моделирования решений о покупке промышленного оборудования в Таиланде. Диссертация доктора делового администрирования, Университет Южной Австралии.

дальнейшее чтение