Tổng quan về hệ chuyên gia1.1 Khái niệm hệ chuyên gia Trước tiên ta nói về trí tuệ nhân tạo Trí tuệ nhân tạo = Tri thức + Suy diễn Trí tuệ nhân tạo là một bộ phận của khoa học máy tính l
Tổng quan về hệ chuyên gia
Khái niệm hệ chuyên gia
Trước tiên ta nói về trí tuệ nhân tạo
Trí tuệ nhân tạo = Tri thức + Suy diễn
Trí tuệ nhân tạo (AI) là lĩnh vực của khoa học máy tính tập trung vào việc phát triển các hệ thống máy tính thông minh, có khả năng thể hiện các đặc điểm tương tự như trí thông minh của con người, bao gồm khả năng hiểu ngôn ngữ, học hỏi, suy luận và giải quyết vấn đề.
Trí tuệ nhân tạo đóng vai trò quan trọng trong việc giải quyết các bài toán có độ phức tạp cao Đối với các thuật toán có độ phức tạp cấp hàm đa thức, chúng ta có thể viết chương trình bình thường Tuy nhiên, với các thuật toán có độ phức tạp hàm mũ, việc áp dụng các kỹ thuật trí tuệ nhân tạo là cần thiết để thu hẹp không gian bài toán, từ đó giảm đáng kể thời gian thực hiện.
Hệ cơ sở tri thức là một phần mềm được phát triển để tái hiện khả năng giải quyết vấn đề của các chuyên gia con người Hệ thống này dựa trên tri thức chuyên ngành, giúp người dùng áp dụng kiến thức để giải quyết các vấn đề phức tạp trong lĩnh vực tương ứng.
Hình 1.1 Các lĩnh vực nghiên cứu cơ bản của trí tuệ nhân tạo
Hệ chuyên gia là một nhánh của trí tuệ nhân tạo, được thiết kế để áp dụng tri thức chuyên biệt nhằm giải quyết các vấn đề phức tạp mà thường cần đến sự can thiệp của các chuyên gia con người Nó bao gồm một hệ thống chương trình máy tính tích hợp tri thức và quy trình suy diễn trong một lĩnh vực cụ thể, giúp xử lý các bài toán khó đòi hỏi sự am hiểu sâu sắc của các chuyên gia.
Tri thức trong hệ chuyên gia là sự tích lũy kiến thức từ sách vở, tạp chí, và các chuyên gia, nhà bác học Các thuật ngữ như hệ chuyên gia, hệ thống dựa trên tri thức và hệ chuyên gia dựa trên tri thức thường được sử dụng đồng nghĩa.
Hệ chuyên gia bao gồm ba thành phần chính: cơ sở tri thức (knowledge base), máy suy diễn (inference engine) và hệ thống giao tiếp với người sử dụng (user interface) Cơ sở tri thức lưu trữ thông tin chuyên môn, máy suy diễn thực hiện quá trình suy luận từ dữ liệu, trong khi hệ thống giao tiếp giúp người dùng tương tác hiệu quả với hệ thống.
Cơ sở tri thức chứa các tri thức để từ đó, máy suy diễn tạo ra câu trả lời cho người sử dụng qua hệ thống giao tiếp
Người sử dụng cung cấp các sự kiện đã biết và thông tin hữu ích cho hệ chuyên gia, từ đó nhận được những câu trả lời, lời khuyên và gợi ý chính xác.
Hoạt động của một hệ chuyên gia dựa trên tri thức được minh họa như sau:
Hình 1.2 Hoạt động của hệ chuyên gia
Mỗi hệ chuyên gia được thiết kế để giải quyết các vấn đề trong một lĩnh vực cụ thể như y học, khoa học, công nghệ, hoặc tài chính, chứ không phải cho mọi lĩnh vực vấn đề.
Tri thức chuyên gia để giải quyết một vấn đề đặc trưng được gọi là lĩnh vực tri thức (knowledge domain).
Hình 1.3 Quan hệ giữa lĩnh vực vấn đề và lĩnh vực tri thức
Lịch sử hình thành và phát triển của hệ chuyên gia
1943 Dịch vụ bưu điện, mô hình Neuron của Me Culloch and Pitts
1954 Thuật toán Markov điêu kiện thực thi các luật
1956 Hội thảo Dartmouth, lý luận logic, tìm kiêm nghiệm suy
(heuristic search), thống nhất thuật ngữ trí tuệ nhân tạo
1957 Rosenblatt phát minh khả năng nhận thức, Newell, Shaw và
Simon đê xuât giải bài toán tổng quát (GPS: Genenal Problem
1958 Mc Carthy đê xuât ngôn ngữ trí tuệ nhân tạo LISA (LISA AI
1962 Nguyên lý Rosenblatt’s vê chức năng thân kinh trong nhận thức
(Rosenblatt’s Principles of Neurodynamicdynamics on
1965 Phương pháp hợp giải Robinson Ưng dụng logic mờ (fuzzy logic) trong suy luận về
1968 Mạng ngũ’ nghĩa (semantic nets), mô hình bộ nhớ kêt hợp
(associative memory model) của Quillian
1969 Hệ chuyên gia vê Toán học MACSYMA (Martin and Moses)
1970 Ưng dụng ngôn ngữ PROLOG (Colmerauer, Roussell, et, al.)
1971 Hệ chuyên gia HEARSAY I vê nhận dạng tiêng nói (speech recognition) Xây dựng các luật giải bài toán con người (Human
1973 Hệ chuyên gia MYCIN vê chân trị y học (Shortli ffe, et,al.)
1975 Lý thuyêt khung (frames), biêu diên tri thức (knowledge representation) (Minsky)
1976 Toán nhân tạo (AM: Artificial Mathematician) (Lenat) Lý thuyêt Dempster-Shafer về tính hiển nhiên của lập luận không
1977 Sử dụng ngôn ngữ chuyên gia OPS (OPS expert system shell) trong hệ chuyên gia XCON/R1 (Forgy)
1978 Hệ chuyên gia XCON/R1 (McDermott, DEC) đ ê bảo trì hệ thông máy tính DEC (DEC computer systems)
1979 Thuật toán mạng vê so khớp nhanh (rete algorithm for fast pattern matching) của Forgy ; thương mại hoá các ứng dụng về
1980 Ký hiệu học (symbolics), xây dụng các máy LISP (LISP machines) tù' LMI.
1982 Hệ chuyên gia về Toán học (SMP math expert system); mạng nơ-ron Hopfield (Hopfield Neural Net);
Dự án xây dựng máy tính thông minh thê hệ 5 ở Nhật bản
(Japanese Fifth Generation Project to develop intelligent
1983 Bộ công cụ phục vụ hệ chuyên gia KEE (KEE expert system tool) (intelli Corp)
1985 Bộ công cụ phục vụ hệ chuyên gia CLIPS (CLIPS expert system tool (NASA
Cấu trúc của hệ chuyên gia
- Một hệ chuyên gia kiểu mẫu gồm các thành phần cơ bản sau:
(1) Bộ giao diện người – máy
(2) Môtơ suy diễn hay suy diễn máy
(5) Bộ tiếp nhận tri thức
Hình 1.4 Các thành phần cơ bản của một hệ chuyên gia
Bộ giao diện người-máy đóng vai trò quan trọng trong việc kết nối giữa hệ chuyên gia và người sử dụng Nó thu thập thông tin từ người dùng và cung cấp các câu trả lời, lời khuyên cùng với những giải thích cần thiết về lĩnh vực chuyên môn.
Mô tơ suy diễn là một công cụ mô hình hóa cách lập luận của con người, cho phép thực hiện các suy diễn để tạo ra tri thức mới dựa trên sự kiện và tri thức có sẵn trong bộ nhớ làm việc và cơ sở tri thức Trong động cơ suy diễn, có hai kiểu suy diễn chính: suy diễn tiến và suy diễn lùi.
Cơ sở tri thức là nền tảng lưu trữ và biểu diễn các tri thức mà hệ thống đảm nhận, phục vụ cho các hoạt động của hệ Nó bao gồm hai thành phần chính: cơ sở sự kiện (facts) và cơ sở luật (rules).
Bộ giải thích: Giải nghĩa cách lập luận của hệ thống cho người sử dụng.
Bộ tiếp nhận tri thức có nhiệm vụ thu thập thông tin từ các chuyên gia, kỹ sư tri thức và người dùng thông qua câu hỏi và yêu cầu của họ Sau khi tiếp nhận, bộ này sẽ lưu trữ các tri thức vào cơ sở dữ liệu tri thức để phục vụ cho việc tra cứu và ứng dụng sau này.
Vùng nhớ làm việc: Cơ sở dữ liệu toàn cục chứa các sự kiện phục vụ cho các luật.
Các tri thức phán đoán mô tả các tình huống đã hoặc sẽ xảy ra, trong khi tri thức thực hành thể hiện các hậu quả và thao tác cần hoàn thiện khi một tình huống được thiết lập Tri thức thực hành thường được diễn đạt bằng các biểu thức rõ ràng, dễ hiểu và dễ áp dụng cho người sử dụng.
Hình 1.5 Quan hệ giữa máy suy diễn và cơ sở tri thức
Hình trên đây mô tả quan hệ hữu cơ giữa máy suy diễn và cơ sở tri thức.
Đặc trưng cơ bản của hệ chuyên gia
Hệ chuyên gia có các đặc trưng cơ bản sau:
1 Tách tri thức khỏi điều khiển
2 Có tri thức chuyên gia
3 Tập trung nguồn chuyên gia
4 Lập luận dựa trên các ký hiệu
6 Khả năng giải quyết vấn đề bị hạn chế
7 Độ phức tạp của bài toán
Tách tri thức khỏi điều khiển :
Trong các chương trình truyền thống, khối điều khiển (giải thuật) và tri thức (cấu trúc dữ liệu) thường liên kết chặt chẽ với nhau, điều này gây khó khăn trong quá trình phát triển và thay đổi chương trình.
Trong hệ chuyên gia, cơ sở tri thức và môtơ suy diễn hoạt động độc lập, điều này tạo điều kiện thuận lợi cho việc phát triển và bảo trì hệ thống.
Có tri thức chuyên gia:
Tri thức là yếu tố quan trọng trong hệ chuyên gia, bao gồm cả tri thức lĩnh vực và kỹ năng giải quyết của chuyên gia Những tri thức này được thu thập và mã hóa trong hệ thống, giúp nâng cao hiệu quả và độ chính xác của các quyết định.
Chuyên gia là thuật ngữ chỉ những người có kỹ năng xuất sắc và khả năng giải quyết vấn đề một cách hiệu quả Họ có thể là bác sĩ, nhà kinh tế, hoặc người chơi cờ vua.
Tập trung nguồn chuyên gia:
Hầu hết các chuyên gia có kỹ năng vượt trội trong việc giải quyết các vấn đề thuộc lĩnh vực của họ Tương tự, hệ chuyên gia cũng chỉ có khả năng xử lý những vấn đề mà nó đã được huấn luyện, trong khi những vấn đề ngoài phạm vi này thường khó khăn để giải quyết.
Một thách thức phổ biến trong việc phát triển hệ chuyên gia là việc thu thập kiến thức từ các chuyên gia để giải quyết những vấn đề phức tạp Những dự án hệ chuyên gia thành công thường tập trung vào việc khai thác các kiến thức chuyên sâu đã được xác định rõ ràng.
Lập luận dựa trên các ký hiệu:
Hệ chuyên gia sử dụng ký hiệu để biểu diễn tri thức, cho phép diễn đạt nhiều dạng tri thức khác nhau, bao gồm sự kiện, khái niệm và các quy luật.
Bên cạnh việc biểu diễn các câu lệnh (chỉ thị) ở dạng ký hiệu, các hệ chuyên gia còn xử lý các ký hiệu này khi giải quyết vấn đề
Các chuyên gia sử dụng kinh nghiệm phong phú của mình để giải quyết hiệu quả các vấn đề hiện tại Họ nắm vững thực tế và áp dụng những hiểu biết này một cách linh hoạt, giúp tối ưu hóa quá trình ra quyết định.
Hầu hết trí tuệ nhân tạo thuở ban đầu đầu áp dụng các kỹ thuật tìm kiếm may rủi khi giải quyết vấn đề
Khả năng giải quyết vấn đề hạn chế:
Trước khi khởi động dự án, việc xác định liệu vấn đề có thể giải quyết được hay không là rất quan trọng Điều này có thể khiến những người mới tiếp xúc với hệ chuyên gia cảm thấy bất ngờ, bởi vì họ thường nghĩ rằng trí tuệ nhân tạo có khả năng giải quyết mọi bài toán.
Nếu không có chuyên gia để giải quyết vấn đề, chúng ta khó có thể kỳ vọng vào hiệu quả của hệ thống chuyên gia Trong trường hợp vấn đề quá mới hoặc thay đổi nhanh chóng, không có hệ chuyên gia nào đủ khả năng để xử lý Do đó, chúng ta chỉ nên phát triển hệ thống chuyên gia cho những bài toán mà họ có khả năng giải quyết.
Các bài toán nên có độ phức tạp lập luận không quá dễ và cũng không quá khó
Khi nhiệm vụ quá dễ và chỉ cần hệ chuyên gia giải trong thời gian ngắn, việc đánh giá công sức của hệ chuyên gia trở nên khó khăn Nếu vấn đề không phức tạp đến mức không thể quản lý, thì cần xác định độ phức tạp của vấn đề Trong trường hợp vấn đề có độ phức tạp cao, nên chia nhỏ thành các bài toán con, mỗi bài toán có thể được giải quyết bởi một hệ chuyên gia riêng.
Hệ chuyên gia giải quyết vấn đề được coi như một chuyên gia, nhưng cũng có khả năng mắc sai lầm Điều này cho thấy rằng trong một số trường hợp, chương trình truyền thống có thể tỏ ra ưu việt hơn so với hệ chuyên gia.
Lĩnh vực ứng dụng của hệ chuyên gia
Hiện nay, hàng trăm hệ chuyên gia đã được phát triển và ứng dụng rộng rãi trong các tạp chí, sách, báo và hội thảo khoa học Bên cạnh đó, những hệ thống này cũng được sử dụng trong các công ty và tổ chức quân sự, nhưng không được công khai vì lý do bảo mật.
Bảng dưới đây liệt kê một số lĩnh vực ứng dụng diện rộng của các hệ chuyên gia.
Lĩnh vực Ứng dụng phát triển
Cấu hình (Configuration) Tập hợp thích đáng những thành phần của hệ thống theo cách riêng.
Chẩn đoán (Diagnosis) Lập luận dựa trên những chứng cứ quan sát được.
Dạy học thông minh cần khuyến khích sinh viên đặt câu hỏi về lý do, cách thức và các tình huống giả định, giống như họ đang trò chuyện với một giáo viên Việc giải thích các dữ liệu thu thập được là rất quan trọng để giúp sinh viên hiểu rõ hơn về kiến thức và ứng dụng của nó trong thực tế.
Kiểm tra (Monitoring) So sánh dữ liệu thu lượm được với dữ liệu chuyên môn để đánh giá hiệu quả.
Lập kế hoạch (Planning) Lập kế hoạch sản xuất như yêu cầu.
Dự đoán là việc ước lượng kết quả từ một tình huống cụ thể Chữa trị liên quan đến việc chỉ định các biện pháp để giải quyết vấn đề Điều khiển là quá trình quản lý, bao gồm các bước như diễn giải, chẩn đoán, kiểm tra, lập kế hoạch, dự đoán và chữa trị.
Các phương pháp xây dựng hệ chuyên gia
Các thuật toán đã học
Chiến lược suy diễn tiến bắt đầu từ các sự kiện đã biết, từ đó rút ra các sự kiện mới bằng cách áp dụng các kết luận phù hợp với những sự kiện này Quá trình này tiếp tục cho đến khi đạt được trạng thái đích hoặc không còn luật nào phù hợp với các sự kiện đã biết hoặc được suy diễn.
Hệ thống suy diễn hoạt động như sau:
- Trước tiên hệ thống này lấy thông tin về các bài toán từ người sử dụng và đặt chung vào bộ nhớ làm việc.
- Suy diễn quét các luật theo dãy xác định trước; xem phần giả thiết có trùng khớp với nội dung trong bộ nhớ.
- Nếu phát hiện một luật như mô tả trên, bổ sung kết luận của luật này vào bộ nhớ Luật này gọi là cháy.
- Quá trình tiếp tục cho đến khi không còn khớp được luật nào.
- Lúc này bộ nhớ có các thông tin của người dùng và thông tin do hệ thống suy diễn.
/* TG là tập các sự kiện (mệnh đề) đúng cho đến thời điểm đang xét */ /* SAT là tập hợp các luật có dạng p1^p ^…^p2 m q, sao cho ∀ p i ∈ TG với i = 1, 2, , m*/ void SuyDienTien( ){
SAT = Loc(R, TG) while (KL ⊄ TG) and (SAT ≠ ∅ ) do
{ r get(SAT) /*Lấy luật r trong SAT*/
TG = TG ∪ {q} /*Bổ sung vế phải vào TG*/
R = R\{r} /*Loại đi luật đã áp dụng*/
SAT = Loc(R,TG) /*Tính lại tập SAT*/
} if (KL ⊂ GT) then exit (“thành công”) else exit (“không thành công”)
Hoạt động của quá trình suy diễn tiến
Suy diễn lùi (backward chaining) là phương pháp suy diễn bắt đầu từ các sự kiện cần chứng minh Quá trình này tìm kiếm các luật có vế phải tương ứng với những sự kiện này Nếu vế trái của luật có mặt trong giả thiết, sự kiện sẽ được chứng minh Nếu vế trái không có trong giả thiết ban đầu, ta sẽ bổ sung vào tập kết luận và loại bỏ những sự kiện đã chứng minh Quá trình này tiếp tục cho đến khi hoàn thành việc chứng minh tất cả các sự kiện cần thiết.
Tập kết luận là một phần của giả thiết, và trong trường hợp này, bài toán đã được chứng minh Các luật và sự kiện được sử dụng trong quá trình chứng minh tạo thành vết suy diễn.
Trong kết luận của bài toán, có một sự kiện xuất hiện nhưng không xác định được luật nào để đưa sự kiện này sang phía bên phải Do đó, bài toán này không thể được chứng minh.
Giả sử: - TG là tập các sự kiện cần chứng minh tại thời điểm đang xét (khởi tạo TG = KL)
- S là tập các luật có dạng p ^ p ^ … p ^ p q trong đó p 1 2 n-1 n i TG
- R là tập các luật ban đầu
- r là luật thứ i trong tập Si
- p = right (r ) là vế phải của luật ri i
If TG = Then KL được chứng minh
Begin p:=get(TG); if S(p) = Then KL không chứng minh được
- MYCIN là hệ chuyên gia đầu tiên áp dụng cho lĩnh vực y học (chẩn đoán và điều trị bệnh nhân bị nhiễm trùng máu).
MYCIN là một chương trình chẩn đoán bệnh sử dụng các triệu chứng và kết quả kiểm tra y tế để đưa ra kết luận Chương trình này yêu cầu thông tin bổ sung về bệnh nhân và gợi ý các xét nghiệm cần thiết nhằm đạt được kết quả chính xác hơn.
- MYCIN sử dụng cơ chế lập luận gần đúng để xử lý các luật suy diễn dựa trên độ chắc chắn.
- MYCIN biểu diễn các sự kiện dưa trên 1 bộ 4 giá trị gồm: Ngữ cảnh(Object), Tham số(Attribute), Giá trị(Value), Hệ số(CF)
- Lý thuyết về độ chắc chắn
+ MB (Measure of Belief in): độ đo sự tin cậy
+ MD (Measure of Disbelief in): độ đo sự không có chứng cứ E
+ MD (H/E) là độ đo sự không tin cậy của giả thuyết H khi có chứng cứ E Khi đó: → 0 < MB (H/E) < 1
Cây quyết định là một dạng đặc biệt của cấu trúc cây nhằm hỗ trợ cho tiến trình ra quyết định Cây gồm các thành phần:
- Nút trong: biểu diễn thuộc tính.
- Nhánh: biểu diễn giá trị cụ thể của thuộc tính đó.
- Nút lá: đại diện cho giá trị dự đoán của thuộc tính mục tiêu.
1 A thuộc tính quyết định tốt nhất cho nút kế.
2 Gán A là thuộc tính quyết định cho nút.
3 Với mỗi giá trị của A, tạo một nút con mới cho nút.
4 Sắp xếp các ví dụ vào các nút lá.
If các ví dụ đã được phân loại đúng, dừng ctr; Else lặp lại trên mỗi nút lá mới.
Thuật giải ILA được sử dụng để xác định các luật phân loại cho tập mẫu học Nó hoạt động theo cơ chế lặp, tìm kiếm luật có khả năng bao phủ nhiều mẫu dữ liệu nhất từ từng lớp Khi một luật được xác định, ILA sẽ loại bỏ các mẫu liên quan khỏi tập dữ liệu bằng cách đánh dấu chúng và đồng thời thêm luật mới vào danh sách luật Quá trình này tiếp diễn cho đến khi tất cả các lớp được đánh dấu, kết quả cuối cùng là một danh sách các luật được sắp xếp thay vì một cây quyết định.
+ Bước 1: Chia tập mẫu thành các bảng con tương ứng với các giá trị có thể có của thuộc tính đích.
Với mỗi bảng con thực hiện các công việc sau
+ Bước 2: Khởi tạo biến đếm kết hợp thuộc tính j = 1
+ Bước 3: Phân chia danh sách các thuộc tính điều kiện theo các tổ hợp phân biệt, môi tổ hợp ứng với j thuộc tính phân biệt.
Bước 4: Đối với mỗi tổ hợp thuộc tính, hãy đếm số lượng giá trị của thuộc tính xuất hiện trong các dòng chưa được đánh dấu của bảng con đang xem xét.
+ Bước 5: Nếu tổ hợp lớn nhất bằng , tăng j lên 1 và quay lại bước 3.+ Bước 6: Đánh dấu các dòng thỏa tổ hợp lớn nhất của bảng con đang xử lý.
Bước 7: Cập nhật tập luật R bằng cách thêm luật mới, trong đó vế trái bao gồm tập các giá trị của thuộc tính tương ứng với tổ hợp lớn nhất, được tạo thành từ việc kết hợp các thuộc tính bằng toán tử AND, trong khi vế phải thể hiện giá trị thuộc tính quyết định tương ứng.
Nếu tất cả các dòng đã được phân lớp, tiếp tục thực hiện từ bước 2 cho các bảng con còn lại Nếu chưa hoàn tất việc đánh dấu, quay lại bước 4 Khi tất cả các bảng con đã được xem xét, quá trình sẽ kết thúc và kết quả thu được là tập luật cần tìm.
Các vấn đề liên quan đến bài toán “Tư vấn chọn trường đại học”
Hiện nay, việc lựa chọn trường đại học đang thu hút sự chú ý lớn Việc chọn trường phù hợp giúp sinh viên yên tâm học tập và tích cực rèn luyện, từ đó nâng cao cơ hội thành công trong tương lai Nếu chọn đúng ngành và trường, cơ hội nghề nghiệp sẽ gia tăng Các yếu tố như địa phương, khối học, nhóm ngành, sở thích và học lực đóng vai trò quan trọng trong việc giúp học sinh đưa ra quyết định đúng đắn.
Để hỗ trợ giáo dục và giúp học sinh tự tin lựa chọn trường học phù hợp với khả năng và sở thích, phụ huynh có thể hướng dẫn con em mình chọn con đường dẫn đến thành công một cách chính xác và hợp lý.
2.2.3 Phương pháp Để xây dựng được hệ chuyên gia này thì hệ thống cần có một cơ sở tri thức đầy đủ các thông tin về trường học cũng như các yêu cầu chọn trường của học sinh
Xây dựng hệ chuyên gia
Thuật toán suy diễn tiến
Hệ thống tư vấn chọn trường đại học yêu cầu người dùng cung cấp thông tin như địa phương, khối thi, nhóm ngành nghề, sở thích và học lực Dựa trên những thông tin này, hệ thống sẽ so khớp với tập luật trong máy để đưa ra kết quả tư vấn phù hợp cho người sử dụng.
Áp dụng thuật toán vào bài toán “Tư vấn chọn trường đại học”
Các tri thức cụ thể của bài toán tư vấn chọn trường đại học:
- Dữ liệu tìm ra ngành nghề bao gồm: khối thi, nhóm ngành nghề, sở thích, học lực
- Dữ liệu tìm ra trường bao gồm: ngành nghề và địa phương
Cách thức thu thập thông tin:
- Tìm kiếm thông tin trên Internet về trường học
- Dựa trên thống kê để đưa ra tri thức.
Tập các sự kiện bao gồm các nhóm sự kiện:
3.2.2.1 Các sự kiện trong bài toán Địa phương
3 N03 Báo chí và thông tin
4 N04 Kinh doanh và quản lý
6 N06 Máy tính và công nghệ thông tin
2 ST02 Ứng dụng kỹ thuật
6 ST06 Quản lý doanh nghiệp
10 ST10 Giúp đỡ mọi người
11 ST11 Làm việc với các con số
7 KL07 Công nghệ truyền thông
8 KL08 Quản trị kinh doanh
15 KL15 Công nghệ thông tin
16 KL16 Công nghệ kỹ thuật cơ khí
17 KL17 Công nghệ kỹ thuật ô tô
18 KL18 Công nghệ kỹ thuật điện, điện tử
1 T01 Đại học luật Hà Nội
2 T02 Đại học Nội Vụ Hà Nội
3 T03 Đại học Kiểm Sát Hà Nội
4 T04 Đại học Luật TP.HCM
6 T06 Đại học Mỹ Thuật Việt Nam
7 T07 Đại học Mỹ thuật Công Nghiệp
8 T08 Đại học Mỹ Thuật TP.HCM
9 T09 Đại học Sân khấu- Điện ảnh TP.HCM
10 T10 Đại học Sân khấu- Điện ảnh
11 T11 Đại học Văn hóa- Nghệ thuật Quân đội
12 T12 Đại học Nguyễn Tất Thành
13 T13 Đại học Sư phạm Nghệ thuật Trung ương
Học viện Âm nhạc Quốc gia Việt Nam
16 T16 Nhạc viện Công nghệ TP.HCM
17 T17 Học viện Lavender Việt Nam
18 T18 Học viện Báo chí và Tuyên truyền
19 T19 Đại học Khoa học Xã hội và Nhân văn
20 T20 Đại học Khoa học Xã hội và Nhân văn TP.HCM
21 T21 Trường Đại học FPT TP.HCM
22 T22 Đại học Công nghệ TP.HCM
24 T24 Đại học Ngoại thương Hà Nội
25 T25 Đại học Bách khoa Hà Nội
26 T26 Đại học Kinh tế Quốc Dân
27 T27 Đại học Kinh tế TP.HCM
28 T28 Đại học Công nghiệp TP.HCM
29 T29 Đại học Kinh tế-Luật
32 T32 Đại học Ngoại thương TP.HCM
33 T33 Đại học Ngân hàng TP.HCM
34 T34 Đại học Khoa học Tự nhiên Hà Nội
35 T35 Đại học Khoa học và Công nghệ Hà
36 T36 Đại học Sư phạm TP.HCM
37 T37 Đại học Bách khoa – Đại học Quốc gia TP.HCM
38 T38 Đại học Công Nghệ - Đại học Quốc Gia Hà Nội
39 T39 Đại học FPT TP.HCM
40 T40 Đại học Công Nghiệp Hà Nội
41 T41 Đại học Xây Dựng Hà Nội
42 T42 Đại học Xây Dựng TP.HCM
43 T43 Học Viện Nông Nghiệp Việt Nam
44 T44 Đại học Nông Lâm TP.HCM
3.2.2.2 Các luật( Modun suy diễn)
Ví dụ: Tập giả thiết mà người dùng cung cấp:
+) Nhóm ngành nghề: Máy tính và công nghệ thông tin
Biểu diễn các giả thiết theo quy tắc đặt tên sự kiện, ta được: D1, K1, N06,ST12, HL4
Kết luận là tập các mã T trong bảng TRUONG Thuật toán kết thúc khi SAT tìm ra mã T.
Thực hiện suy diễn tiến: r TG SAT
TG: tập các sự kiện tham gia, ban đầu TG = GT = {D01, K01, N06, ST12, HL4}. r: luật lấy ra trong SAT.
SAT: tập các luật có dạng p1^p ^…p2 n > q.
Thiết kế chương trình
Dữ liệu gồm 2 bảng dữ liệu chính:
- ID_SuKien: Mã sự kiện
- MoTaSuKien: Mô tả sự kiện
- LoaiSuKien: Loại sự kiện (để phân loại các sự kiện)
Hình 3.7 Form quản lý sự kiện
- Tại đây người dùng có thể nhấn vào Datagridview để xem mã sự kiện, mô tả và loại sự kiện.
- Người dùng có thể tìm kiếm, thêm, sửa, xóa các sự kiện bằng cách nhấn vào các button tương ứng.
Hình 3.3 Form quản lý tập luật
- Tại đây người dùng có thể nhấn vào Datagridview để xem mã luật và nội dung
- Người dùng có thể tìm kiếm, thêm, sửa, xóa các luật hoặc nội dung bằng cách nhấn vào các button tương ứng.
- Tại đây người dùng chọn các thông tin phù hợp tại combobox rồi nhấn vào button “Tư vấn” để tìm kiếm thông tin trường học được hiển thị tại
- Sau khi tìm kiếm xong người dùng có thể nhấn vào button “Làm mới” để xóa sạch thông tin tại RichTextBox