知识获取总结报告.ppt

5.解释学习的基本过程 1. 产生解释结构 其任务是要证明提供给系统的训练实例为什么是目 标概念的一个实例。 为此，系统应从目标开始反向推理，根据知识库中 已有的事实和规则分解目标，直到求解结束。 一旦得到解，便完成了该问题的证明，同时也获得 了一个解释结构。 5.解释学习的基本过程 举例 假设要学习的目标是“一个物体x可以安全地放置在另一个物体y的上面”。即 目标概念：Safe-to-Stack (x, y) 训练实例（是一些描述物体obj1与obj2的事实）： On(obj1 ,obj2) 物体1在物体2的上面 Is-a(obj1 , book) 物体1是书 Is-a(obj2 , table) 物体2是桌子 Volume(obj1 , 1) 物体1的体积是1 Density(obj1 , 0.1) 物体1的密度是0.1 5.解释学习的基本过程 领域知识 是把一个物体安全地放置在另一个物体上面的准则： 1﹁Fragile(y)→Safe-to-stack(x, y) 如果y不是易碎的，则x可以安全地放到y的上面 2 Lighter(x, y)→Safe-to-stack(x, y) 如果x 比y轻，则x可以安全地放到y的上面 3 Volume(p, v)∧Density(p, d)∧Product (v, d, w)→Weight(p, w) 如果p的体积是v、密度是d、v乘以d的积是w，则p的重量是w 4 Is-a(p, table)→Weight(p, 5) 如果p是桌子，则p的重量是5 5 Weight(p1, w1)∧Weight(p2,w2)∧Smaller(w1, w2)→Lighter(p1, p2) 如果p1的重量是w1、 p2的重量是w2、w1比w2小， 则p1比p2轻 5.解释学习的基本过程 其证明过程是一个由目标引导的逆向推理，最终得到的解释树就是该例的解释结构： 5.解释学习的基本过程 　　3.记忆与计算的权衡　　为了确定是利用存储的信息还是重新计算，要比较二者的代价。例如在数学用表中有三角函数表，可直接查表不必计算。因为计算比查表复杂。但在数学用表中不列出两数乘积表，因计算并不复杂。可用两种方法选择是记忆还是计算。一种是代价效益分析法。它在首次得到一个信息时，确定是否有必要保存它。这时要考虑该信息以后使用的概率、存储空间和计算代价。另一种是有选择的放弃。保存的内容在读取时加上时间标志，这就是最后使用的时间。保存一项新内容时，要删除一项旧内容，这是未使用的时间最长的旧内容。　　 指导式学习 1. 概念 指导式学习又称嘱咐式学习或教授式学习，类似于学生向教师学习知识的过程。其核心问题是如何把由外部环境向系统提供的、不能被直接执行的知识或建议转化为可执行的知识，并把新的知识与知识库中已有的知识有机地联系起来。在学习过程中，系统需要对形成的知识反复进行评价，使其不断完善。 指导式学习系统的研究有两种主要目标。一种目标旨在开发接受抽象、高层次指导，并把这种指导转换为知识库中的知识来指导性能元的行为系统。这种系统试图对知识获取的全过程进行自动化实现。另一目标旨在开发高级的知识获取辅助工具，如知识库编辑器和知识调试器，这类工具旨在使专家易于把抽象层知识转换为详细的知识库级知识，如规则等。 专家的指导转换为系统性能的过程 请求 解释 操作 归并 评价 知识库 推理机 输出 输入 专家 教导获取部分 用户 指导式学习的系统模型 ⑴ 请求(request)：请求并接受专家的指导； ⑵ 解释(interpret)：转换为形式化的内部表示； ⑶ 操作化(operationalize)：转换为可使用的形式； ⑷ 归并(integrate)：并入知识库； ⑸ 评价(evaluate)：对性能元的相应操作进行评价； ⑴ 请求 系统学习的第一步骤是向指导者请求建议或教导。这种请求可以是简单的提问，如让指导者给出一般性的建议；也可以是复杂的，如让系统识别出知识库中的不足，请求专家予以更正；请求可以是主动的，如系统主动提出询问，把指导者的注意力集中在特定问题上；也可以是被动的，如系统仅是被动地等待指导者提供建议。 ⑵ 解释 解释是接受专家的建议并将其转化成机器的内部表示形式的过程。为此要求系统必须先提供一种表示语言，这种表示语言能够让专家表达出他的教导而不致于失去必要的信息。这种表示语言可由知识工程师和专家事先进行合作，研究出一种以交互的菜单驱动方式让专家进行屏幕选择，这样对每一选择都有确定的含义理解，但这样的表示语言的表达能力较为有限。这种表