Atvejų savybių vaizdavimas ir panašumų įvertinimas

Tema	Informatika
Tipas	Ištrauka
Aprašymas	Šiuolaikinės paieškos sistemos gali tapti efektyvesnės, pritaikius dirbtinio intelekto srityje vystomus atvejais grindžiamų sistemų metodus. Išskirtinė tokių sistemų savybė - panašių atvejų paieška atvejų bazėje. Straipsnyje nagrinėjamas panašių atvejų paieškos metodas, taikant klasifikavimą. 1 Įvadas Šiuolaikinėse elektroninės prekybos bei paieškos sistemose vartotojai dažnai nusivilia, kai negali rasti jiems tinkamo produkto ar informacijos. Rasti kataloge reikiamą produktą dažniausiai įmanoma tik tada, kai žinomas tikslus produkto pavadinimas. Tuo tarpu vartotojas, nebūdamas atitinkamos srities ekspertu, paprastai gali nusakyti tik pageidautinas produkto savybes. Tokioms problemoms ištaisyti šiuolaikinėse komercinėse sistemose tikslinga taikyti atvejais grindžiamų sistemų (CBR – Case Based Reasoning) metodus.
Patalpinta	2005-05-19
Parsisiuntė	612
	Parsisiųsti22 KB

Išsamus aprašymas

Išgaunant panašiausią atvejį ar atvejus iš atvejų bazės, jie yra apibrėžiami, remiantis naujos problemos aprašymu.
Pakartotinai naudojant informaciją ir žinias išgautuose atvejuose, jos taikomos naujos problemos sprendimui. Tam, kad suformuoti sprendžiamą atvejį, naujos problemos aprašymas suderinamas su informacija, esančia sename atvejyje.
Peržiūrint siūlomo sprendimo tinkamumą, jis įvertinamas realiame laike. Jei būtina ir įmanoma, siūlomas atvejis pritaikomas.
Jei atvejo sprendimas sugeneruotas pakeitimo fazėje, tuomet jis turi būti saugomas būsimų problemų sprendimui - tai reiškia, kad atvejų bazė yra atnaujinama, įsimenant naują atvejį.
3 Panašių atvejų paieška CBR sistemose

Išskirtinė CBR sistemų savybė - panašių atvejų paieška atvejų bazėje. CBR sistemos suvienodina užklausų ir atvejų skaičiavimus. Naudojama savybė yra vadinama artimiausio kaimyno suradimu.
Globalus panašumas tarp atvejų gali būti surandamas, pavyzdžiui, kaip lokalaus panašumo svorinė suma, skaičiuojama kiekvienai savybei, kurią turi aprašytas atvejis.
Lokalaus panašumo skaičiavimui kiekvienai individualiai savybei gali būti naudojamos skirtingos metrikos priklausomai nuo jos duomenų tipo (skaičiai, simboliai ir taip toliau).
Kiekviena savybė gali turėti su ja susijusį svorį, kuris didina arba mažina tos savybės svarbą.
Jeigu atvejų bazė yra labai didelė, ji turi būti suindeksuota. Tinka įvairūs indeksavimo būdai. Didelių atvejų bazių indeksavimui gali būti naudojami medžiai. Sprendimų medis - tai hierarchinė saugomų atvejų struktūra, besiremianti savybių reikšmėmis. Šaknies viršūnės apima visus atvejus, o žemesnės viršūnės palaipsniui padalina atvejus į poaibius. Šis medis dar vadinamas klasifikacijos medžiu. Klasifikacija - tai n-viršūnių medis, kur viršūnės atvaizduoja simbolines reikšmes. Simboliai kiekvienoje medžio viršūnėje gali būti naudojami kaip atributo reikšmė atvejyje arba užklausoje. Skirtingai nuo paprasto simbolinio tipo, kuris tik išvardina galimas atributo reikšmes, vieta klasifikacijų medyje atvaizduoja papildomus ryšius tarp simbolių. Šie ryšiai išreiškia žinias apie klasifikacijos simbolių panašumą. Atvejų atvaizdavimo kalbos turi šiuos klasifikacijos tipus, kurie naudojami CBR programų modeliavime [2].

4 Žinios, įeinančios į klasifikavimo sistemas

Toliau bus analizuojamos žinios, kurios naudojamos klasifikacijose. Įvertinimo sistemos [3] naudoja du skirtingus žinių tipus:
1. Žinias apie objektų klases (vaizduojamos vidinėmis viršūnėmis);
2. Žinios apie panašumą tarp kabančių viršūnių.

Raktiniai žodžiai

• sprendimų medis
• sprendimu medis
• sprendim