xây dựng hệ chuyên gia tư vấn tìm nhà trọ khu vực hà nội

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI م KHOA CÔNG NGHỆ THÔNG TINم BÀI TẬP LỚN MÔN HỆ CHUYÊN GIA ĐỀ TÀI XÂY DỰNG HỆ CHUYÊN GIA TƯ VẤN TÌM NHÀ TRỌ KHU VỰC HÀ NỘI Giáo viên hướng dẫn Ths Trần Hùng Cường Trườ.

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI ‫ﻣ‬KHOA CÔNG NGHỆ THÔNG TIN‫ﻣ‬ BÀI TẬP LỚN MÔN: HỆ CHUYÊN GIA ĐỀ TÀI: XÂY DỰNG HỆ CHUYÊN GIA TƯ VẤN TÌM NHÀ TRỌ KHU VỰC HÀ NỘI Giáo viên hướng dẫn: Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Cơng Nghệ thơng Tin MỤC LỤC LỜI NĨI ĐẦU 1 Tính cấp thiết đề tài Mục đích nghiên cứu CHƯƠNG 1: TỔNG QUAN HỆ CHUYÊN GIA Khái niệm hệ chuyên gia 2 Các thành phần hệ chuyên gia .2 2.1 Bộ giao diện người máy 2.2 Mô tơ suy diễn 2.3 Cơ sở tri thức 2.4 Bộ giải thích 2.5 Bộ tiếp nhận tri thức 2.6 Bộ nhớ làm việc 3 Lĩnh vực ứng dụng .4 Hướng nghiên cứu .6 CHƯƠNG 2: CÁC PHƯƠNG PHÁP XÂY DỰNG HỆ CHUYÊN GIA Cây định Thuật toán ID3 CHƯƠNG 3: XÂY DỰNG ỨNG DỤNG 11 Giới thiệu toán 11 Cơ sở liệu 11 Kết minh hoạ 14 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 22 TÀI LIỆU THAM KHẢO 23 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin LỜI NĨI ĐẦU Tính cấp thiết đề tài • Thế giới ngày phát triển mạnh mẽ với hoạt động vô đa dạng phức tạp đòi hỏi khả giải vấn đề mức độ trí tuệ nhân tạo ngày Vừa Lĩnh vực trí tuệ nhân tạo nói chung hệ chun gia nói riêng góp phần tạo hệ thống có khả trí tuệ người, có tri thức tiên tiến hệ chuyên gia để giải vấn đề phức tạp sống • Hệ chuyên gia thu hút mãnh mẽ ưu điểm sau • Các chương trình hệ chun gia ngày tỏ hữu hiệu tiện lợi đáp ứng nhu cầu thực tế • Các chương trình hệ chun gia ngày tỏ có tính khả thi Vừa • Hệ chun gia khơng có tính đơn lẻ phù hợp với Có cá nhân • Ở Việt Nam nói chung Hà Nội nói riêng, có Có sinh viên người làm chưa biết cách tìm nhà trọ hợp lí theo nhu cầu • Có Có cách giải vấn đề Cách giải xây dựng chương trình hỗ trợ tư vấn tìm nhà trọ Mục đích nghiên cứu • Tìm hiểu phương pháp biểu diễn tri thức kĩ thuật suy diễn thường dùng hệ chuyên gia Cuối xây dựng chương trình hệ chuyên gia giúp tư vấn tìm nhà trọ Hà Nội Bộ mơn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin CHƯƠNG 1: TỔNG QUAN HỆ CHUYÊN GIA Khái niệm hệ chuyên gia Theo E Feigenbaum: Hệ chuyên gia (Expert System) chương trình máy tính thơng minh sử dụng tri thức (knowledge) thủ tục suy luận (inference procedures) để giải Mớián tương đối khó khăn địi hỏi chun gia giải Hệ chuyên gia hệ thống tin học mơ (emulates) lực đốn (decision) hành động (making abilily) chuyên gia (con người) Hệ chuyên gia lĩnh vực ứng dụng trí tuệ nhân tạo (Artificial Intelligence) Các thành phần hệ chuyên gia 2.1 Bộ giao diện người máy Thực giao tiếp HCG người sử dụng Bộ nhận thông tin từ người sử dụng đưa câu trả lời, lời khun, giải thích lĩnh vực 2.2 Mơ tơ suy diễn Hệ chun gia mơ hình hóa cách lập luận người với mô dun động suy diễn Hệ chuyên gia chứa động suy diễn để tiến hành suy diễn nhằm tạo tri thức dựa kiện, tri thức vùng nhớ làm việc tri thức sở tri thức.Hai kiểu suy diễn động suy diễn suy diễn tiến suy diễn lùi Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin 2.3 Cơ sở tri thức Lưu trữ, biểu diễn tri thức mà hệ đảm nhận làm sở cho ác hoạt động hệ CSTT bao gồm kiện (facts) luật (rules) 2.4 Bộ giải thích Trả lời hai câu hỏi (why) cách (how), câu hỏi WHY nhằm mục đích cung cấp lý lẽ để thuyết phục người sử dụng theo đường suy diễn hệ chuyên gia Câu hỏi HOW nhằm cung cấp giải thích đường mà hệ chuyên gia sử dụng mang lại kết 2.5 Bộ tiếp nhận tri thức Làm nhiệm vụ thu nhận tri thức từ hệ chuyên gia người (human expert), từ kỹ sư xử lý tri thức người sử dụng thông qua yêu cầu lưu trữ vào CSTT 2.6 Bộ nhớ làm việc Chứa kiện liên quan phát trình đưa kết luận Bộ nhớ làm việc tương đương với nhớ ngắn hạn (Short- Term Memory) mơ hình giải vấn đề người Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Hình 1.1: Các hành phần hệ chuyên gia Lĩnh vực ứng dụng ❖ Điều khiển Các hệ thống điều khiển quản lý theo cách phù hợp hành vi hệ thống Chẳng hạn điều khiển trình sản xuất hay điều trị bệnh nhân Một hệ chuyên gia điều khiển lấy liệu thao tác hệ thống diễn giải liệu để hiểu trạng thái hệ thống hay dự đốn tương lai - Thiết kế Hệ thống có nhiệm vụ xây dựng đối tượng theo nàng buộc Chẳng hạn thiết kế hệ thống máy tính với đủ yêu cầu cấu hình nhớ tốc độ Các hệ thống thường thực bước công việc, bước tuân theo ràng buộc riêng Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Cơng Nghệ thơng Tin - Chuẩn đốn Các hệ thống chuẩn đoán chức hệ thống hay phát lỗi dựa quan sát thông tin Hầu hết hệ thống chn đốn có chi thức điều kiện , nguyên nhân phát sinh lỗi Chẳng hạn hệ thống chuẩn đoán bệnh dựa triệu trứng người bệnh • Giảng dạy Các hệ thống giảng dạy giúp giáo viên , sinh viên vài mơn học Ví dụ : 1979 Clancey đưa GUION để dạy sinh viên điều trị bệnh nhân nhiễm khuẩn - Diễn giải Các hệ thống diễn giải cho phép hiều tình bất ngờ từ thơng tin có sẵn Điển hình thơng tin rút từ liệu máy có thiết bị hay kết thí nghiệm - Giám sát Các hệ thống giám sát so sánh thông tin quan sát hành vi hệ | thống với trạng thái hệ thống coi gay cấn Ví dụ hệ | thống giám sát diễn giải tín hiệu thu từ đầu dị sóng so sánh thông tin với trạng thái biết Khi phát điều kiện gay cấn hệ thống kích hoạt loạt nhiệm vụ : Lập kế hoạch | Các hệ thống lập kế hoạch tạo hành động đạt đích theo ràng buộc Chẳng hạn lập kế hoạch nhiệm vụ cho người máy để thực chức - Dự đoán Người ta dùng hệ thống dự báo thời tiết để biết kết mà tình gây Các hệ thống dự báo kiện tương lai theo thơng tin có theo mơ hình tốn - Chuẩn trị Các hệ thống chuẩn trị khuyến cáo giải pháp chức sai Ví dụ Hệ thống BLUBOX Mulsant Servan - Schreiber đưa 1984 chuẩn trị bệnh nhân bị suy nhược Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin - Lựa chọn Các hệ thống lựa chọn dùng để xác định số lựa chọn tốt số khả Trong hệ chuyên gia người thường dùng kĩ thuật suy diễn khơng xác hàm đánh giá khớp Mô Các hệ chuyên gia mô mô hình hóa q trình hay hệ thống để nghiên cứu tác nghiệp tương tác hệ thống Hướng nghiên cứu Sử dụng thuật toán định ID3 để nghiên cứu xây dựng hệ chuyên gia tư vấn tìm nhà trọ Bằng cách sử dụng tìm kiếm tài liệu cơng trình nghiên cứu báo đăng hội thảo tạp chí lớn Bộ mơn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin CHƯƠNG 2: CÁC PHƯƠNG PHÁP XÂY DỰNG HỆ CHUYÊN GIA Cây định Cây định (ID3) phân cấp có cấu trúc dùng để phân lớp đối tượng dựa vào dãy luật Các thuộc tính đối tượng thuộc kiểu liệu khác Nhị phân (Binary), Định danh (Nominal), thứ tự (Ordinal), số lượng (Quantitative) thuộc tính phân lớp phải có kiểu liệu Binary Ordinal Cây định (gọi tắt DT) mơ hình đưa định dựa câu hỏi Xét ví dụ đây, câu hỏi có chơi tennis hay khơng? Quyết định đưa dựa yếu tố thời tiết: outlook, humidity, wind Hình 2.1: Mơ hình DT DT áp dụng vào toán: Phân loại (Classification) Hồi quy (Regression) Tuy nhiên toán phân loại sử dụng nhiều Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Trong lĩnh vực máy học, định kiểu mơ hình dự báo (predictive model), nghĩa ánh xạ từ quan sát vật/hiện tượng tới kết luận giá trị mục tiêu vật/hiện tượng Mỗi nút (internal node) tương ứng với biến; đường nối với nút thể giá trị cụ thể cho biến Mỗi nút đại diện cho giá trị dự đoán biến mục tiêu, cho trước giá trị biến biểu diễn đường từ nút gốc tới nút Kỹ thuật học máy dùng định gọi học định, hay gọi với tên ngắn gọn định Học định phương pháp thông dụng khai phá liệu Khi đó, định mơ tả cấu trúc cây, đó, đại diện cho phân loại cành đại diện cho kết hợp thuộc tính dẫn tới phân loại Một định học cách chia tập hợp nguồn thành tập dựa theo kiểm tra giá trị thuộc tính Q trình lặp lại cách đệ quy cho tập dẫn xuất Q trình đệ quy hồn thành tiếp tục thực việc chia tách nữa, hay phân loại đơn áp dụng cho phần tử tập dẫn xuất Một phân loại rừng ngẫu nhiên (random forest) sử dụng số định để cải thiện tỉ lệ phân loại Cây định phương tiện có tính mơ tả dành cho việc tính tốn xác suất có điều kiện Cây định mơ tả kết hợp kỹ thuật tốn học tính tốn nhằm hỗ trợ việc mô tả, phân loại tổng quát hóa tập liệu cho trước Dữ liệu cho dạng ghi có dạng: (x, y) = (x1, x2, x3 , xk, y) Biến phụ thuộc (dependant variable) y biến mà cần tìm hiểu, phân loại hay tổng qt hóa x1, x2, x3 biến giúp ta thực cơng việc Có nhiều thuật tốn để xây dựng DT, ta tìm hiểu thuật tốn tiếng DT thuật tốn ID3 Bộ mơn Hệ chun gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Cơng Nghệ thơng Tin Thuật tốn ID3 ID3 (J R Quinlan 1993) sử dụng phương pháp tham lam tìm kiếm từ xuống thơng qua khơng gian nhánh khơng có backtracking ID3 sử dụng Entropy Information Gain để xây dựng định Cho X tập vector đặc trưng (không gian đặc trưng) X = {x1, x2, …, xn} C tập giá trị phân lớp C: X → C thực gán nhãn cho phần tử X D = {(x1, c(x1)), (x2, c(x2)), …, (xn, c(xn))} ⊆X × C Nhiệm vụ: Dựa D, xây dựng định T xấp xỉ c ID3(D, Atributes, Target) { • Tạo nút t cho • Nếu tất mẫu D thuộc lớp dương trả có nút gốc t dán nhãn “+” • Nếu tất mẫu D thuộc lớp âm trả có nút gốc t dán nhãn “-” • Đặt t nhãn phổ biến thuộc tính mục tiêu D • Nếu Atributes rỗng trả có nút gốc trỏ t • Trường hợp khác: ▪ Đặt A* thuộc tính phân lớp tốt D ▪ Thuộc tính định t A* ▪ Với giá trị a A* thực hiện: - Bổ sung nhánh t ứng với A* = “a” - Đặt D_a tập D chứa mẫu mà A* = “a” Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin - Nếu D_a rỗng nhánh bổ sung nút với nhãn phổ biến D - Ngược lại, nhánh bổ sung ID3(D_a, Atributes –{A*}, Target) • Trả t } 10 Bộ mơn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin CHƯƠNG 3: XÂY DỰNG ỨNG DỤNG Giới thiệu tốn - Ở Việt Nam nói chung Hà Nội nói riêng, có Có sinh viên người làm chưa biết cách tìm nhà trọ hợp lí theo nhu cầu - Có Có cách giải vấn đề Cách giải chúng tơi xây dựng chương trình hỗ trợ tư vấn tìm nhà trọ Cơ sở liệu Bảng 1.1: Bảng liệu tiêu chí (thuộc tính) lựa chọn nhà trọ Tiêu chí Giá trị Giá tiền Thấp (700 – 1,5tr VND) Trung Bình (1,5tr – 2,5tr) Vừa ( > 2tr5 ) Diện tích Cũ ( < 20m2) Vừa ( từ 20 đến 30m2) Lớn ( > 30 m2) Nóng lạnh Có Khơng Điều hồ Có Khơng Khép kín Có Khơng Tình trạng Mới Cũ 11 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Bảng 2.1: Bảng liệu chi tiết TT 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 Giá tiền Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Thấp Vừa Diện tích Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Nhỏ Nóng lạnh Có Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Khơng Khơng Có Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Khơng Khơng Có Điều hồ Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Khép kín Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Tình trạng Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Tư vấn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Nhổn Đống Đa Đống Đa Đống Đa Đống Đa Đống Đa Đống Đa Đống Đa Thanh Xuân 12 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Vừa Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Khơng Khơng Có Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Khơng Khơng Có Có Có Có Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Mỹ Đình Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân Thanh Xuân 13 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 Vừa Vừa Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Cao Không Không Không Khơng Khơng Khơng Khơng Khơng Có Có Có Có Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Khơng Không Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Nhỏ Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Lớn Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Có Có Có Có Khơng Khơng Khơng Khơng Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Khơng Khơng Có Có Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Cũ Mới Thanh Xuân Thanh Xuân Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Cầu Giấy Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Hai Bà Trưng Kết minh hoạ Bây ta tính độ lợi thơng tin cho thuộc tính sau chọn thuộc tính có độ lợi thơng tin lớn làm gốc định Entropy(S) = × log 25 96 −13 - 96 26 96 × log × log 13 96 26 96 - 96 × log 96 - 96 × log 96 - 16 96 × log 16 96 - 25 96 = 2,433 - Xét thuộc tính “Giá tiền”: Entropy (SThấp) = −14 32 × log 14 32 - 18 32 × log 18 32 = 0,6256 14 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Entropy (SVừa) = Entropy (SCao) = −23 42 −10 22 × log 23 × log 10 42 22 Gain(S, Giá tiền) = Entropy(S) 22 96 - 32 96 19 42 12 22 × log × log 19 42 12 22 = 0,9587 = 0,976 × Entropy(SThấp) - 42 96 × Entropy(Svừa) - × Entropy(SCao) = 1,537 - Tương tự với thuộc tính điều kiện cịn lại: Gain(S, Diện tích) = 1,079 Gain(S, Nóng lạnh) = 0.146 Gain(S, Điều hồ) = 0,004 Gain(S, Khép kín) = 0,004 Gain(S, Tình trạng) = 0,003 - Trong thuộc tính điều kiện ta thấy “Giá tiền” có độ lợi thơng tin lớn nên thuộc tính chọn làm gốc - Trong nhánh “Giá tiền” = “Thấp”: Gain(SThấp, Diện tích) = 0,264 Gain(SThấp, Nóng lạnh) = 0,264 Gain(SThấp,Điều hồ) = 0,004 Gain(SThấp, Khép kín) = 0,004 Gain(SThấp, Tình trạng) = 0,004 15 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Trong nhánh “Giá tiền” = “Thấp”, “Diện tích” = “Vừa” Kết = “Nhổn” - Trong nhánh “Giá tiền” = “Thấp”, “Diện tích” = “Vừa” , “Nóng lạnh” = “Khơng” - Gain(SThấp,Vừa,Khơng, Điều hồ) = 0,138 Gain(SThấp,Vừa,Khơng,Khép kín) = 0,138 Gain(SThấp,Vừa,Khơng,Tình trạng) = 0,138 - Tương tự với nhánh khác khơng cịn thuộc tính để phân hoạch kết thúc - Ta có định: Hình 3.1 Cây Quyết Định 16 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin ❖ Các tập luật đưa từ bảng chi tiết: If Giá tiền = “Thấp” And Diện tích = “Nhỏ” Then Tư vấn = “Nhổn” If Giá tiền = “Thấp” And Diện tích = “Vừa” And Nóng lạnh = “Có” Then Tư vấn = “Nhổn” If Giá tiền = “Thấp” And Diện tích = “Vừa” And Nóng lạnh = “Khơng” And Điều hịa = “Khơng” Then Tư vấn = “Đống Đa” If Giá tiền = “Thấp” And Diện tích = “Vừa” And Nóng lạnh = “Khơng” And Điều hịa = “Có” And Khép kín = “Có” Then Tư vấn = “Đống Đa” If Giá tiền = “Thấp” And Diện tích = “Vừa” And Nóng lạnh = “Khơng” And Điều hịa = “Có” And Khép kín = “Khơng” And Tình trạng = “Mới” Then Tư vấn = “Đống Đa” If Giá tiền = “Thấp” And Diện tích = “Vừa” And Nóng lạnh = “Khơng” And Điều hịa = “Có” And Khép kín = “Khơng” And Tình trạng = “Cũ” Then Tư vấn = “Nhổn” If Giá tiền = “Vừa” And Diện tích = “Nhỏ” Then Tư vấn = “Thanh Xuân” If Giá tiền = “Vừa” And Diện tích = “Vừa” Then Tư vấn = “Mỹ Đình” If Giá tiền = “Cao” And Diện tích = “Nhỏ” Then Tư vấn = “Cầu giấy” 10 If Giá tiền = “Cao” And Diện tích = “Lớn” And Nóng lạnh = “Có” And Điều hồ = “Có”Then Tư vấn = “Cầu giấy” 11 If Giá tiền = “Cao” And Diện tích = “Lớn” And Nóng lạnh = “Khơng” Then Tư vấn = “Hai Bà Trưng” 12 If Giá tiền = “Cao” And Diện tích = “Lớn” And Nóng lạnh = “Có” And Điều hồ = “Khơng ” And Khép kín = “Khơng ”Then Tư vấn = “Cầu giấy 13 If Giá tiền = “Cao” And Diện tích = “Lớn” And Nóng lạnh = “Có” And Điều hồ = “Khơng ” And Khép kín = “Có ” And Tình trạng= “Cũ ” Then Tư vấn = “Cầu giấy” 14 If Giá tiền = “Cao” And Diện tích = “Lớn” And Nóng lạnh = “Có” And Điều hồ = “Khơng ” And Khép kín = “Có ” And Tình trạng= “Mới ” Then Tư vấn = “Hai Bà Trưng” 17 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Cơng Nghệ thơng Tin ❖ Một số hình ảnh phần mềm: - Phần mềm bắt đầu giao diện: Hình 3.2: Màn hình trang chủ Lựa chọn “Tư vấn” cho phép người dùng biết dựa vào tiêu chí họ họ nên tìm trọ khu vực TP Hà Nội Lựa chọn “ Dữ liệu” cho phép người dùng biết tập luật định 18 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin - Khi người dùng click vào “Dữ liệu”, phần mềm đưa người dùng đến giao diện: Hình 3.3: Màn hình Quản lý Dữ Liệu Ở giao diện “Quản lý Dữ liệu” có nút “Khởi Động Lại”, “Đọc liệu”, “Chạy”, “Xem Luật” Khi chọn “Khởi Động Lại”, phần mềm thay liệu có hiển thị “Dữ Liệu”, “Giải thích”, “Cây Quyết Định” thành liệu mặc định 19 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin Khi chọn “Đọc Dữ Liệu”, phần mềm hiển thị giao diện để người dùng import liệu có sẵn vào hiển thị “Dữ Liệu” : Hình 3.4: Màn hình thêm liệu - Khi chọn “Chạy” phần mềm sinh định tập luật 20 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Cơng Nghệ thơng Tin Hình 3.5: Màn hình tập luật 21 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ❖ Kết quả: - Tìm hiểu Hệ chun gia, - Tìm hiểu thuật tốn ID3, - Xây dựng hệ chuyên gia tư vấn tìm nhà trọ khu vực Hà Nội: • Phát biểu tốn ✓ Giới thiệu tốn ✓ Mục đích ✓ u cầu tốn • Xây dựng ứng dụng ✓ Xác định tập thuộc tính ✓ Biểu diễn tập luật dạng hình thức ✓ Biểu diễn tập luật máy tính ✓ Thuật toán ID3 ✓ Một số kết minh họa ❖ Hướng phát triển đề tài: - Cải tiến tri thức, nâng cao độ xác - Bổ sung hàm đánh giá để lựa chọn luật có khả dẫn đến kết luận để giảm số bước thực ❖ Đánh giá: - Chương trình cịn nhiều hạn chế kết tư vấn số lượng tập luật, lượng liệu hạn chế - Giao diện cịn đơn giản 22 Bộ mơn Hệ chun gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] Giáo trình Hệ chuyên gia – Đại học Công nghiệp Hà Nội Tài liệu trí tuệ nhân tạo Đại học Cơng nghiệp Hà Nội Tài liệu trí tuệ nhân tạo Đại học Bách Khoa Hà Nội Website 123doc.net Website Wikipedia.org 23 Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường ... Nghiệp Hà Nội – Khoa Công Nghệ thông Tin KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ❖ Kết quả: - Tìm hiểu Hệ chuyên gia, - Tìm hiểu thuật tốn ID3, - Xây dựng hệ chuyên gia tư vấn tìm nhà trọ khu vực Hà Nội: ... chuyên gia giúp tư vấn tìm nhà trọ Hà Nội Bộ môn Hệ chuyên gia || GVHD Ths Trần Hùng Cường Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin CHƯƠNG 1: TỔNG QUAN HỆ CHUYÊN GIA Khái niệm hệ. .. giải xây dựng chương trình hỗ trợ tư vấn tìm nhà trọ Mục đích nghiên cứu • Tìm hiểu phương pháp biểu diễn tri thức kĩ thuật suy diễn thường dùng hệ chuyên gia Cuối xây dựng chương trình hệ chuyên