Viden -baserede systemer ( KBS ) består af centrale lagre , der indeholder oplysninger i forbindelse med et bestemt emne , såsom en medicinsk diagnose , finansielle analyser eller business produktion prognose. Videnbaserede systemer anvender kunstig intelligens metoder til at løse problemer og støtte menneskelig handling , læring og beslutningsprocesser . En KBS tjener som en lagerbygning for formidling af information eller har kapacitet til at gøre det. En viden management system samler , organiserer og henter oplysninger . De centrale elementer i et KBS omfatter en videndatabase , viden repræsentation , søgemekanismer og inferens mekanismer. Instruktioner
Viden Database
1
Beslut, om du vil bygge din egen delivery system fra bunden eller købe en ekspert Shell .
Byg en proprietær videnbase system, hvis du har programmører med ekspertise i en konventionel programmeringssprog , såsom Java , C + + eller Pascal , eller en kunstig programmeringssprog som Prolog eller LISP . Bring i en ekstern leverandør eller konsulenter til at konstruere databasen.
Køb en ekspert Shell , hvis der synes at være din bedste løsning. Expert Shell består af en software- program, der har de nødvendige funktioner til at organisere og levere viden. Denne software indeholder procedurerne for behandling af forespørgsler og give svar.
2
Recruit en viden ingeniør at interviewe emne eksperter og udvikle regler .
3
Ansæt domæne eksperter, der er meget vidende om emnet . For eksempel har en biolog befolker en ontologi videnbase ved at stille spørgsmål og registrere deres svar .
Viden Repræsentation og søgemekanismer
4
Gør strukturen fleksible og generelle forhold med konventionelle databaser . Undersøg datastrukturer til lagring af viden
5
Beslut , hvordan du bruger de metoder for data repræsentation : . . Træer, semantiske netværk, rammer eller produktionsregler
Trees organiserer data i en hierarkisk måde fra toppen og ned . Semantiske netværk anerkender , proces-og forward viden anmodninger til andre links er baseret på søgeordet. Rammer navn events og karakteristika eller " slots ", der beskriver fænomenet. Produktionsregler har to komponenter: situationen i venstre og handling til højre. Hvis situationen er sandt, udføre handlingen.
6
Bestem hvordan du får adgang til dataene. Den heuristiske søgeteknik beskæftiger specifikke regler for store vidensbaser . Denne metode finder det bedste svar på kortest tid.
Hvert viden repræsentation har en bestemt søgeteknik . For eksempel fastsætter reglerne , der er forbundet med at søge træer grenen træffes ved hvert gaffel. Produktionsregler søger omstændigheder , der matcher den venstre side af reglen.
Inferens Mekanismer
7
Inferens refererer til systemets evne til at skabe ny viden og løbende udvide systemet .
KBS modtager input fra brugeren om det problem, der skal løses . Den følgeslutning Værktøjet trækker på viden i videngrundlaget eller foretager slutninger . Den trækker en konklusion og giver brugeren rådgivning , eller systemet kan anmode om yderligere oplysninger.
Vælg inferens værktøjer, der vil give mulighed for at opbygge en stor KBS , såsom fremad kæde og ryg kæde.
Forward chaining ser på de tilgængelige oplysninger og bruger inferens regler for at få mere information , indtil den når sit mål. Tilbagestående kæde bruger dataene til at afgøre, om en bestemt kendsgerning er sandt.
8
Brug en kombination af deduktive og induktive inferensmetoder værktøjer .
Deduktiv slutning bruger oplysninger fra fakta , såsom produktion reglerne i KBS at skabe ny viden . Induktiv inferens udvikler nye generaliseringer eller regler forenelige med oplysninger i KBS .
9
Use case -baseret begrundelse for søgninger, der har ringe eller ufuldstændige oplysninger. Denne metode bruger tidligere sager er indeholdt i de KBS og visse attributter for at søge efter lignende karakteristika.