Programista NetWeavera

NetWeaver Developer to system do tworzenia baz wiedzy . Ten artykuł

podaje krótką historię systemu,
podsumowuje kluczowe funkcje oprogramowania,
jest trochę wprowadzeniem, opisującym podstawowe atrybuty bazy wiedzy NetWeaver, oraz
zawiera dodatkowe odniesienia, które niezależnie dokumentują niektóre aplikacje NetWeaver opracowane od późnych lat 80. (zobacz sekcję #References w tym artykule, a także aplikacje udokumentowane dla systemu EMDS ).

Najpierw jednak słowo o bazach wiedzy. Chociaż istnieją różne sposoby opisywania bazy wiedzy , być może jedną z bardziej centralnych koncepcji jest to, że baza wiedzy zapewnia formalną specyfikację interpretacji informacji. Formalny w tym kontekście oznacza, że specyfikacja jest ontologicznie zobowiązana do semantyki i składni zalecanej przez procesor bazy wiedzy (inaczej silnik).

Krótka historia

NetWeaver powstał pod koniec 1991 roku jako odpowiedź na ułatwienie zadań inżynierii wiedzy poprzez udostępnienie graficznego interfejsu użytkownika silnikowi wnioskowania ICKEE (IConic Knowledge Engineering Environment) opracowanemu na Uniwersytecie Stanowym Penn przez Bruce'a J. Millera i Michaela C. Saundersa. Pierwsze iteracje były po prostu wizualną reprezentacją sieci zależności przechowywanych w składni podobnej do LISP-a. NetWeaver szybko przekształcił się w interaktywny interfejs, w którym środowisko wizualne było również w stanie edytować sieci zależności i zapisywać je w formacie pliku ICKEE. Ostatecznie NetWeaver stał się „na żywo” w tym sensie, że mógł oceniać sieci zależności w czasie rzeczywistym.

Podstawy NetWeavera

Baza wiedzy NetWeaver przedstawia graficznie problem do oceny jako sieć tematów, z których każdy ocenia propozycję. Formalna specyfikacja każdego tematu jest zbudowana graficznie i składa się z innych tematów (np. przesłanek) powiązanych operatorami logicznymi, takimi jak i, lub, nie itp. Tematy i operatory NetWeaver zwracają „ wartość logiczną ” o wartości ciągłej, który wyraża siłę dowodów, które operator i jego argumenty dostarczają tematowi lub innemu operatorowi logicznemu. Specyfikacja pojedynczego tematu NetWeaver obsługuje potencjalnie złożone rozumowanie, ponieważ zarówno tematy, jak i operatory logiczne mogą być określone jako argumenty operatora. Rozważana w całości, kompletna specyfikacja bazy wiedzy dla problemu może być pomyślana jako mentalna mapa logicznych zależności między zdaniami. Innymi słowy, baza wiedzy sprowadza się do formalnego logicznego argumentu w klasycznym sensie.

Kiedy logika spotyka się z grafiką

Teoria kognitywna sugeruje, że ludzie mają dwa podstawowe sposoby rozumowania: logiczny (choć nieformalnie niektórzy ludzie mogą to robić, pozostawieni samym sobie) i przestrzenny. Ciekawe rzeczy dzieją się, gdy logika jest implementowana graficznie.

Po pierwsze, wiedza poszczególnych ekspertów merytorycznych zaangażowanych w [[inżynierię wiedzy]] często nie jest w pełni zintegrowana w przypadku rozwiązywania złożonych problemów, przynajmniej na początku. Wiedza ta może raczej istnieć w nieco bardziej luźno zorganizowanym stanie, rodzaj zupy wiedzy z unoszącymi się w niej kawałkami wiedzy. Powszechna obserwacja inżynierów wiedzy doświadczonych w graficznym projektowaniu baz wiedzy polega na tym, że proces konstruowania graficznej reprezentacji wiedzy dotyczącej rozwiązywania problemów w formalnych ramach logicznych wydaje się być synergiczny, a nowe spostrzeżenia na temat wiedzy eksperta pojawiają się w miarę rozwoju procesu. (W tej chwili to twierdzenie jest w dużej mierze anegdotyczne. Autorzy tego artykułu muszą znaleźć odpowiedni sposób udokumentowania tego punktu, ponieważ w rzeczywistości jest to dość ważne odkrycie, nie ograniczające się tylko do NetWeaver, ale szerzej inżynierii wiedzy).

Po drugie, synergie podobne do tych obserwowanych przy organizowaniu rozumowania poszczególnych ekspertów merytorycznych mogą również wystąpić w projektach inżynierii wiedzy , które wymagają interakcji wielu dyscyplin. Na przykład wielu różnych specjalistów może być zaangażowanych w ocenę ogólnego stanu zlewni. Zastosowanie systemu logiki formalnej, z dobrze zdefiniowaną składnią i semantyką, pozwala specjalistom na wyrażenie ich podejścia do rozwiązywania problemów we wspólnym języku, co z kolei ułatwia zrozumienie, w jaki sposób wszystkie różne perspektywy różnych specjalistów pasują do siebie.

O bazach wiedzy NetWeaver

Baza wiedzy NetWeaver została zdefiniowana przez programistów jako sieć sieci (Miller i Saunders 2002). Każda sieć odpowiada tematowi będącemu przedmiotem zainteresowania problemu ocenianego przez bazę wiedzy.

Bazy wiedzy NetWeaver są oparte na obiektach. Istnieją dwa podstawowe typy obiektów: sieci i łącza danych, z których każdy jest reprezentowany w strukturze logicznej przez obiekt programowania, który ma zarówno stan, jak i zachowanie.

Silnik NetWeaver to biblioteka dołączana dynamicznie (DLL) systemu Windows, opracowana przez firmę Rules of Thumb, Inc. (North East, Pensylwania). NetWeaver Developer to interfejs do silnika, który służy do projektowania baz wiedzy.

Sieci logiczne

Baza wiedzy reprezentuje wiedzę o tym, jak rozwiązać problem pod względem interesujących tematów w domenie problemowej i relacji między tymi tematami. Każda sieć logiczna w bazie wiedzy NetWeaver reprezentuje propozycję dotyczącą stanu jakiegoś stanu lub procesu ekosystemu.

Stan — kluczową zmienną stanu sieci logicznej jest jej wartość logiczna, która wyraża stopień, w jakim dowody z poprzednich sieci i łączy danych potwierdzają lub odrzucają tezę. Logicznie rzecz biorąc, mówi się, że sieć A poprzedza sieć B, jeśli B zależy od A, ponieważ sieć A musi zostać oceniona przed oceną sieci B.
Zachowanie - Podstawową funkcją sieci jest ocena prawdziwości jej propozycji. Sieci NetWeaver mają trzy podstawowe zachowania związane z tą funkcją:
- Pytają swoich poprzedników, aby określić stan tych ostatnich.
- Oceniają swój własny stan, biorąc pod uwagę stan ich poprzedników.
- Informują o swoim stanie sieci wyższego rzędu, które są od nich zależne.

Łącza danych

Łącze danych to elementarna sieć zależności z nieco zmodyfikowanym zachowaniem.

Stan — podobnie jak sieć, łącze danych może oceniać wartość logiczną, biorąc pod uwagę dane wejściowe. Łącze danych może również zawierać wartość danych, która jest następnie przekształcana za pomocą operacji matematycznych zdefiniowanych dla obliczonego łącza danych.
Zachowanie:
- W NetWeaver Developer łącza danych monitują użytkownika o wprowadzenie danych.
- Po otrzymaniu danych łącza danych oceniają swój stan na podstawie wprowadzonych danych (proste łącza danych) lub przekazują wartość danych do specjalnego łącza danych, które dokonuje pewnej transformacji danych wejściowych (łącze danych obliczeniowych).
- Informują o swoim stanie sieci wyższego rzędu, które są od nich zależne.

Wartości prawdy

Wartość logiczna jest podstawową zmienną stanu sieci i łączy danych. Wyraża stopień przynależności obserwacji do zbioru. Oceny stopnia przynależności do zbioru są kwantyfikowane w semantyce logiki rozmytej . Równoważnie, pomyśl o mierniku wartości prawdy jako wyrażającym stopień, w jakim dowody wspierają propozycję sieci lub łącza danych; w EMDS symbolika map przedstawiających sieciowe wartości prawdy opiera się na koncepcji siły dowodu. Dodatkowe omówienie tego tematu można znaleźć w części Interpretacja wartości prawdy.

Łącza danych są często używane do odczytywania danych i oceny stopnia ich przynależności do pojęcia, które jest kwantyfikowane w argumencie rozmytym (argumencie, który kwantyfikuje przynależność do zbioru rozmytego). Zatem w łączu danych argument jest matematycznym stwierdzeniem zdania. Oto kilka prostych przykładów:

Jeśli dane w pełni spełniają argument, wówczas wartość logiczna łącza danych wynosi 1 (pełne poparcie).
Jeśli dane są całkowicie sprzeczne z argumentem, wówczas wartość logiczna łącza danych wynosi -1 (brak wsparcia).
Jeśli dane częściowo spełniają argument, wówczas wartość logiczna łącza danych mieści się w przedziale otwartym (-1, 1). Należy w szczególności zauważyć, że ujemne wartości prawdy większe niż -1 nie oznaczają prawdy ujemnej. Takie wartości oznaczają raczej niskie członkostwo lub niskie poparcie.
Jeśli dane nie są znane, wówczas wartość logiczna łącza danych wynosi 0 (nieokreślona).

Interpretację wartości logicznych w sieciach należy traktować bardziej ogólnie, ponieważ wartość logiczna sieci może zależeć od kilku do wielu operatorów logicznych. Proste przykłady związane z dwoma kluczowymi operatorami logicznymi, AND i OR, to:

Jeśli '''wszystkie''' logiczne poprzedniki operatora AND w pełni obsługują relację AND, wówczas wartość logiczna operatora wynosi 1 (pełne wsparcie).
Jeśli „dowolny” poprzednik logiczny operatora AND jest całkowicie sprzeczny z operatorem AND

relacji, to wartość logiczna operatora wynosi -1 (brak wsparcia).

Jeśli '''dowolny''' logiczny poprzednik operatora OR w pełni obsługuje relację OR, wtedy wartość logiczna wynosi 1 (pełne poparcie).
Jeśli nie ma dowodów za lub przeciw relacji AND lub OR, wówczas wartość logiczna każdego z operatorów wynosi 0 (nieokreślona).

Podobnie jak w przypadku łączy danych, sieci mogą również zostać ocenione jako częściowo prawdziwe. W NetWeaver powstają dwa warunki:

Brakuje co najmniej jednego elementu danych i nie można go podać, w związku z czym operator AND wprowadza wartość 0.
Jeden lub więcej elementów danych, które wpływają na wartość logiczną sieci zależności, zostało ocenionych pod kątem argumentu rozmytego i stwierdzono, że nie ma pełnego członkostwa w zbiorze rozmytym zdefiniowanym przez argument rozmyty (dane zapewniają tylko częściowe poparcie dla twierdzenia).

Notatki

Barr, NB, RS Copeland, M. De Meyer, D. Masiga, HG Kibogo, MK Billah, E. Osir, RA Wharton i BA McPheron. 2006. Diagnostyka molekularna ważnych gospodarczo gatunków muszek owocowych Ceratitis (Diptera: Tephritidae) w Afryce z wykorzystaniem analiz PCR i RFLP. Biuletyn Badań Entomologicznych, 96: 505–521. online

Dai, JJ, S. Lorenzato i DM Rocke. 2004. Oparty na wiedzy model oceny zlewni dla osadów. Modelowanie środowiskowe i oprogramowanie, tom 19: 423–433. online

Galbraith, John M., Ray B. Bryant, Robert J. Ahrens. 1998. System ekspercki dla taksonomii gleby. Gleboznawstwo, tom 163: 748–758. online

Heaton, Jill S., Kenneth E. Nussear, Todd C. Esque, Richard D. Inman, Frank M. Davenport, Thomas E. Leuteritz, Philip A. Medica, Nathan W. Strout, Paul A. Burgess i Lisa Benvenuti. 2008. Przestrzennie wyraźne wsparcie decyzji dotyczące wyboru obszarów translokacji dla żółwi pustynnych Mojave. Różnorodność biologiczna i ochrona 17: 575–590. online

Hu, ZB, XY He, YH Li, JJ Zhu, Y. Mu i ZX Guan. 2007. Ying yong sheng tai xue bao (Dziennik ekologii stosowanej) 18:2841-5. online

Janssen, R., H. Goosen, ML Verhoeven, JTA Verhoeven, AQA Omtzigt i E. Maltby. 2005. Wspomaganie decyzji w zakresie zintegrowanego zarządzania terenami podmokłymi, modelowanie środowiskowe i oprogramowanie, tom 20: 215–229. online

Mendoza, GA i Ravi Prabhu. 2004. Rozmyte metody oceny kryteriów i wskaźników zrównoważonej gospodarki leśnej. Wskaźniki ekologiczne 3: 227–236. online

Paterson, Barbara, Greg Stuart-Hill, Les G. Underhill, Tim T. Dunne, Britta Schinzel, Chris Brown, Ben Beytell, Fanuel Demas, Pauline Lindeque, Jo Tagg i Chris Weaver. 2008. Rozmyte narzędzie wspomagające podejmowanie decyzji w przypadku translokacji dzikiej przyrody do gminnych rezerwatów w Namibii, Environmental Modeling & Software, tom 23: 521–534. online

Porter, Andrea, Adel Sadek i Nancy Hayden. 2006. Rozmyte systemy informacji geograficznej do wyboru roślin fitoremediacyjnych. J. Enwir. inż. 132: 120. w Internecie

Saunders, MC, TJ Sullivan, BL Nash, KA Tonnessen, BJ Miller. 2005. Oparte na wiedzy podejście do klasyfikacji chemii wód jeziornych. Systemy oparte na wiedzy, tom 18: 47–54. online

Linki zewnętrzne