ứng dụng mạng ngữ nghĩa để giải bài toán tam giác

Biểu diễn tri thức và ứng dụng CHƯƠNG 1: MỞ ĐẦU 1.1. Giới thiệu đề tài Việc ứng dụng tri thức nhân loại vào trong ngành công nghệ thông tin để góp phần đưa ra những lời giải cho nhiều vấn đề khó được xem là một giải pháp và cần thiết và có ý nghĩa. Các tri thức nhân loại đều có thể được xây dựng thành một hệ thống hoàn chỉnh và ứng dụng trong nhiều ngành khác nhau dưới sự hỗ trợ của công nghệ thông tin. Việc chuyển đổi tri thức nhân loại thành các hệ thống vẫn đang được thực hiện, những tri thức đó đã và đang được ứng dụng rộng rãi trong quá trình phát triển của xã hội. Để xây dựng các hệ chuyên gia và các hệ giải bài toán dựa trên tri thức người ta phải thiết kế một cơ sở tri thức cho hệ thống và một động cơ suy diễn để giải quyết vấn đề dựa trên tri thức, đặt biệt là các hệ giải toán dựa trên tri thức, vấn đề là làm sao để thiết kế mô hình nhằm biểu diễn cơ sở tri thức thể hiện đầy đủ miền tri thức và được mô tả đầy đủ các khía cạnh của tri thức trong lĩnh vực nó cần biểu diễn, mô hình này còn hướng đến việc tạo điều kiện thuận lợi cho việc thiết kế, cài đặt để xây dựng một công cụ suy diễn dễ dàng truy cập phục vụ tốt quá trình suy luận khai thác ứng dụng . Trong khoa học về trí tuệ nhân tạo có nhiều phương pháp để biểu diễn tri thức và phương pháp cho hiệu quả cao trong viêc biểu diễn và suy luận dựa trên các bài toán tổng quát, mỗi phương pháp điều có ưu, nhược điểm riêng của từng phương pháp trong phần trình bày này người viết đề xuất một mô hình biểu diễn tri thức gọi là mạng ngữ nghĩa kết hợp với một số thuật toán được ứng dụng trong giải “bài toán tam giác” của chương trình phổ thông. 1.2. Phạm vi của đề tài Tìm hiều các khái niệm liên quan đến các phương pháp biểu diễn tri thức và suy luận trên máy tính, các mô hình tính toán, một số kỹ thuật máy học 1.3. Phương pháp thực hiện. Để thực hiện đề tài tôi đã tìm hiểu tổng quan về máy học, các thuật toán liên quan đến phương pháp biểu diễn tri thức và suy luận trên máy tính Về nghiên cứu tài liệu: tìm hiểu các khái niệm và các kiến thức có liên trên các sách chuyên ngành, các bài báo đăng trên các tạp chí khoa học ,… 1.4. Bố cục bài thu hoạch Nội dung của bài thu hoạch bao gồm 5 chương: Chương 1: Mở đầu Giới thiệu tổng quan về đề tài, phạm vi và phương pháp thực hiện đề tài. Cuối cùng là đề ra bố cục trình bày của bài thu hoạch. Chương 2: Các khái niệm về trí tuệ nhân tạo và cơ sở tri thức Trình bày các khái niệm cơ bản về trí tuệ nhân tạo và cơ sở tri thức HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 1 Biểu diễn tri thức và ứng dụng Chương 3 : Các khái niệm liên quan đến biểu diễn tri thức Đây là chương mô tả về các khái niệm và các kỹ thuật biểu diễn tri thức Chương 4: Minh họa chương trình ứng dụng mạng ngữ nghĩa để giải bài toán tam giác HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 2 Biểu diễn tri thức và ứng dụng CHƯƠNG 2: CÁC KHÁI NIỆM VỀ TRÍ TUỆ NHÂN TẠO VÀ CƠ SỞ TRI THỨC 2.1. Trí tuệ nhân tạo và trí tuệ tự nhiên Tư duy là một quá trình phức tạp, cần thiết để giải quyết các vấn đề của thế giới phức tạp. Các máy móc thiết bị có khả năng hỗ trợ con người để xử lý những vấn đề phức tạp này có thể coi là các công cụ trí tuệ hỗ trợ khả năng tư duy của con người. Nhu cầu cần có các công cụ như vậy sẽ phát triển khi những dạng mới của sự phức hợp này phát triển, ví dụ như các dạng của xã hội thông tin kết nối mạng toàn cầu ngày càng gia tăng. Máy móc có khả năng xử lý thông tin một cách trí tuệ cần phải thực hiện việc này như cách thức con người tư duy. Thứ nhất là, cần có những tiền đề để con người có thể giao lưu một cách tự nhiên với máy móc. Thứ hai là, con người phải phát triển các phương pháp tinh vi hiện đại để giải quyết các vấn đề của thế giới phức tạp và cần thích ứng với một số phương pháp này. "Máy móc tư duy tự nhiên" có kỹ năng toán học thông thường có thể ảnh hưởng đến năng lực trí tuệ của con người. Máy móc tư duy tự nhiên cần có các giải pháp phần mềm cũng như các giải pháp phần cứng mới, rất có thể sẽ dựa trên cơ sở công nghệ nano. Tuy nhiên, trong bài này, sẽ tập trung vào các nguyên lý của "điện toán tự nhiên" (do máy móc tư duy tự nhiên thực hiện), không phụ thuộc vào việc thực hiện về phần cứng hay phần mềm. Năng lực của máy móc ngày nay còn xa mới bằng năng lực của con người. Tuy nhiên, điện toán tự nhiên còn chưa đạt đến giới hạn của nó. Các cách tiếp cận hiện nay cùng với các khái niệm và ý tưởng mới hứa hẹn mang lại những tiến bộ đáng kể trong tương lai gần. Viễn cảnh của điện toán tự nhiên như là một khái niệm mới thể hiện trong bài này dựa trên cơ sở sự hiểu biết của con người về những nguyên lý tư duy của con người kết hợp với các nguyên lý chức năng của các hệ thống tế bào sinh học. 2.2. Các tiếp cận đã được xác lập Lĩnh vực trí tuệ nhân tạo có nhiều cách tiếp cận khác nhau để mô hình hóa quá trình tư duy tự nhiên. Các cách tiếp cận này gồm có các mạng ngữ nghĩa (Semantic Networks), mạng Bayesian (Bayesian Networks) và otomat dạng ô (Cellular Automata) ; nhưng các ví dụ nổi bật nhất là mạng nơron và hệ thống chuyên gia. Đồng thời, các công cụ lập trình hiện đại cũng thường liên quan đến điện toán tự nhiên trong việc hỗ trợ cho các nhà lập trình thiết lập mã cho những vấn đề ngày càng phức tạp. Những nguyên lý cơ bản của các cách tiếp cận được trình bày dưới đây sẽ là những yếu tố cơ bản của điện toán tự nhiên trong tương lai. Trong phần "mạng tam giác 3 chữ S", sẽ trình bày cách thức có thể kết hợp chúng với nhau thành một công cụ và có thể bổ sung thêm những khía cạnh mới như thế nào. 2.2.1. Hệ chuyên gia HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 3 Biểu diễn tri thức và ứng dụng Các hệ thống chuyên gia thể hiện logic tư duy của con người theo cấu trúc quyết định kiểu hình cây. Cấu trúc này đáp ứng được các hệ thống quy mô vừa. Tuy nhiên, cách tiếp cận này còn bị hạn chế đối với những cấu trúc phức tạp. Các khía cạnh của mạng, như các mối liên quan, sự trừu tượng hoá và sự không chắc chắn - có thể là đặc trưng quan trọng nhất của năng lực con người trong việc giải quyết những vấn đề phức tạp - đã không được mô phỏng một cách đầy đủ. 2.2.2. Hệ thống nơron Các hệ thống nơron tập trung vào khía cạnh mạng. Chúng thể hiện dạng rất cơ bản của điện toán tự nhiên. Về cơ bản, các mạng nơron mô phỏng chức năng cơ bản của cấu trúc micro và nano của bộ não, các nơron và các liên kết của chúng. Các tín hiệu đầu vào thường liên kết với mạng này và truyền trong toàn mạng theo một phương thức xác định. Có thể kiểm soát cách thức truyền tín hiệu bằng đánh giá mối liên hệ giữa các nút. Đánh giá này có thể được điều chỉnh tự động bằng các phương tiện của mọt quy trình huấn luyện (means of a training procedure). Giải quyết các nhiệm vụ khó, như nhiệm vụ nhận dạng (khó xử lý bằng các thuật ngữ logic), là điểm mạnh của mạng nơron. Tuy nhiên, những nhiệm vụ cực kỳ phức tạp đòi hỏi phải có số lượng lớn các khái niệm phức tạp đan xen với nhau, (giống như những nhiệm vụ trong bộ não người), cũng có thể được phát triển tự động. Điều này cũng tương tự như sự tái hiện lại sự phát triển của tư duy từ lúc khởi đầu 2.2.3. Mạng ngữ nghĩa và mạng Bayesian Các mạng này có nhiều nét giống như mạng nơron vì chúng đều sử dụng phương pháp xác xuất. Tuy nhiên, các nút (và trong một số trường hợp là các liên kết), kết nối với biểu hiện ngữ nghĩa của cá thể, tức là chúng có tên hoặc biểu hiện liên quan với chúng. Vì vậy, các mạng này có ưu điểm là có thể tiếp cận cục bộ trong cấu trúc nội tại của chúng đến con người. Một nhược điểm so với mạng nơron là phải thiết kế cấu trúc mạng bằng cách thủ công. Tuy nhiên, sau đó có thể kiểm tra tính hợp lý của cấu trúc này và sửa đổi khi cần thiết vì các nút và các liên kết mang ý nghĩa ngữ nghĩa mà con người hiểu được. Đối với những mạng lớn và phức tạp có thể có những hạn chế như khó kiểm soát được tính năng tổng thể của toàn mạng. Cấu trúc mạng Baysian có thể thiết kế bằng cách thủ công và kiểm chứng đánh giá bằng cách huấn luyện. Không giống như mạng nơron, đánh giá của các liên kết đến một nút không được coi là liên kết độc lập. Về mặt kỹ thuật, có thể xử lý vấn đề này bằng các matrix đánh giá ở các nút thay vì đánh giá các liên kết. Kết quả là số lượng các đánh giá có thể sẽ rất lớn. Trong mạng ngữ nghĩa, các liên kết cũng như các nút có thể mang một ý nghĩa. Ví dụ, các sự kiện đơn giản như "chân là một bộ phận của cơ thể người" và "nam giới cụ thể HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 4 Biểu diễn tri thức và ứng dụng hơn là người" có thể biểu hiện bằng các liên kết thứ bậc như "là một bộ phận của" và "cụ thể hơn là". Nói chung, mạng ngữ nghĩa và mạng Baysian sử dụng các thuật toán mà thế giới đang dùng trên các mạng để tính toán các trị số kích thích của các nút. Một số mạng ngữ nghĩa được gắn với các quy trình ("procedural attachments") tại các nút, chúng sẽ được kích hoạt khi sự kích thích nút vượt quá ngưỡng cho phép. 2.2.4. Ngôn ngữ lập trình Phương thức phổ biến nhất đưa trí tuệ nhân tạo vào là viết chương trình máy tính thông thường theo ngôn ngữ như C++ hoặc Java, ví dụ như cho quá trình nhận biết. Các ví dụ điển hình là các bộ chương trình (Search Engine) văn bản trên cơ sở các phương pháp thống kê hoặc bộ lọc ở các hình ảnh đưa ra các đối tượng xác định. Nhiệm vụ ở đây là tìm các thuật toán tối ưu nhất và kết hợp chúng lại theo cách thông minh nhất. Các nhà lập trình thực hiện điều này bằng phương pháp thủ công và họ chính là người làm cho chương trình có trí tuệ hay không. Nếu trong một hình ảnh của chip máy tính tự động tìm thấy một đường gãy, hoặc nếu máy tính chơi cờ đánh thắng nhà vô địch thế giới, thì chắc chắn là phải có một trí tuệ ẩn sau quá trình này. Không thể viết một chương trình phức tạp hợp lý mà không có lỗi và cũng không thể kiểm soát được các chương trình như vậy hoạt động như thế nào. Do đó, các chương trình cần phải được gỡ rối, thử nghiệm tính năng và luôn luôn sửa đổi. Nếu các nhà lập trình phải viết các chương trình này bằng ngôn ngữ của máy, gần như là sẽ không thể thực hiện được. Các ngôn ngữ máy tính hiện đại cho phép các nhà lập trình viết mã ở cấp độ cao hơn, tức là có thể tư duy nhiều cách hơn và bộ vi xử lý phải làm việc ít hơn. Do đó, ngôn ngữ lập trình hiện đại là công cụ phản ảnh tư duy của con người ở một chừng mực nào đó và như vậy thiết lập nên một loại điện toán tự nhiên. Nếu con người ra lệnh cho máy tính thực hiện một nhiệm vụ nào đó theo cách tự nhiên, thì người ta gọi đấy là máy tư duy tự nhiên. Nhìn lại lịch sử của ngôn ngữ lập trình, người ta thấy xu hướng phát triển theo hướng này. Các ngôn ngữ định hướng vào đối tượng và các ngôn ngữ hiện đại khác thực sự đã sử dụng nhiều khái niệm tự nhiên như các lớp (Classes) và tính kế thừa (Inheritance). 2.2.5. Otomat dạng ô (Cellualar automata) Otomat dạng ô là công cụ tính toán các tình huống phức tạp. ý tưởng hàm chứa trong otomat dạng ô hoặc máy dạng ô rất tự nhiên: các đối tượng gần nhau có ảnh hưởng đến nhau. Người ta đã sử dụng một số lượng lớn các ô như vậy theo cách bố trí hình học đều. Các ô thường ở trạng thái rời rạc, bị ảnh hưởng bởi những mối quan hệ của chúng với các ô lân cận. Otomat dạng ô có thể được coi là mạng sơ đẳng, nhưng tính năng động HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 5 Biểu diễn tri thức và ứng dụng của chúng có thể cực kỳ phức tạp. Về nguyên tắc, bất kỳ một loại điện toán nào đều có thể thực hiện bằng các máy như vậy. 2.3. Mạng tam giác 3 chữ S (triple-S network), máy fractal Khi kết hợp tất cả các phương pháp nêu trên hoặc ít nhất là một số khía cạnh của chúng vào một công nghệ, người ta có thể tận dụng sức mạnh của từng cá thể để tạo nên một máy mạnh hơn. Một trong các loại máy như vậy là mạng tự tổ chức, ngữ nghĩa và tự tương tự, hoặc còn gọi là mạng tam giác ba chữ S (Self-organizing, Semantic, Self- similar Network). Mạng tam giác 3 chữ S về cơ bản là một loại mạng tri thức của thế giới theo thứ bậc có chứa tri thức về các đối tượng, các thuộc tính và các mối quan hệ của chúng cũng như là tri thức xử lý điều cần làm khi một số đối tượng có trong thế giới thực. "Thế giới thực" ở đây có nghĩa là biến đổi đầu vào tương tác với mạng tam giác 3 chữ S. Đầu vào này có thể là một hình ảnh, văn bản hoặc bất kỳ một cấu trúc phức tạp nào. Có các nút và các liên kết mang ngữ nghĩa (giống như các mạng ngữ nghĩa) cũng như là các trình gắn thủ tục, gọi là Jani (Thần có hai mặt). Một số liên kết thể hiện logic ES ("and", "or" và các chức năng phức tạp hơn). Các liên kết và các nút có mang các đánh giá có thể huấn luyện được (giống như mạng nơron). Các liên kết có thể được nối với nhau, tạo nên sự phụ thuộc giữa chúng (giống như mạng Bayesian). Đặc trưng nổi bật nhất của mạng tam giác 3 chữ S là sự kết hợp cấu trúc thứ bậc và số lượng lớn các trình gắn thủ tục. Như vậy, sẽ tạo ra máy otomat dạng ô tổng quát: trạng thái (hoạt động) của Jani phụ thuộc vào trạng thái (kích thích) của nút mà nó gắn với, trạng thái này lại phụ thuộc vào các trạng thái của các nút và các liên kết lân cận. Trong mạng tam giác 3 chữ S, các nút và các liên kết được nhóm thành các mạng con. Nếu những mạng con này cũng được coi là các nút với các trạng thái liên quan, cuối cùng ta sẽ có otomat dạng ô tổng quát, theo thứ bậc, có các đặc trưng tương tự theo thứ bậc, gọi là máy fractal. Khi mạng này tương tác với các đầu vào phức tạp, tính kế thừa sẽ phát huy tác dụng: các đối tượng đầu vào kế thừa jani từ các nút và các liên kết phù hợp với nó nhất. Tính kế thừa này cũng có thể coi như là sự kích hoạt các trình gắn thủ tục. Các đối tượng ở đầu vào thay đổi trạng thái của chúng từng bước một, tuỳ theo ảnh hưởng của láng giềng. Một số jani thể hiện các thủ tục phân lớp, so sánh các lớp và các nấc với nhau, trong đó các jani tạo lập mạng hoặc tạo lập nhóm các đối tượng đầu vào. Như vậy, trong thủ tục từng bước thay đổi phân loại và phân đoạn jani được kích hoạt sẽ biến đổi đầu vào ban đầu chưa được cấu trúc thành mạng thứ bậc. Cấu trúc mạng đầu vào sẽ ngày càng giống mạng tam giác 3 chữ S. Ví dụ, ban đầu một hình ảnh đầu vào có thể chỉ chứa các điểm khác nhau. Trong tiến trình thủ tục, cấu trúc mạng, thứ bậc của hình ảnh sẽ phát triển từng bước để tạo ra HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 6 Biểu diễn tri thức và ứng dụng các dạng (như nhà cửa) với các đối tượng quanh đó (như đường sá), và cuối cùng là thành một thành phố. Với cách tiếp cận này, có thể tạo ra nhiều đối tượng và mối quan hệ hơn là cần thiết. Một số trong chúng sẽ bị bỏ đi. Một số khác thích hợp với chúng hoặc hữu ích cho việc tạo ra các đối tượng theo cấp độ thứ bậc khác nhau được giữ lại. Việc tạo ra các đối tượng và các quan hệ trên và theo các cấp độ thứ bậc khác nhau tương đương với việc biến đổi thông tin thành tri thức. Nó bao gồm ngữ cảnh vì nó được thể hiện bởi láng giềng mạng cục bộ của đối tượng cụ thể. Sự tự động thay đổi thủ tục phân lớp và phân đoạn các đối tượng đầu vào là một khía cạnh mới, gọi là điện toán tự tổ chức hoặc điện toán có xúc cảm. Còn hai khía cạnh khác là điện toán chung (generic computing) và điện toán tự tương tự. Ba cơ chế này thể hiện các cơ chế quan trọng của tự nhiên. HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 7 Biểu diễn tri thức và ứng dụng CHƯƠNG 3: MẠNG NGỮ NGHĨA 3.1. Khái niệm Mạng ngữ nghĩa là một công cụ trực quan giúp chúng ta biểu diễn được các mối liên hệ giữa các tri thức tổng quát, các khái niệm, các sự việc mà chúng ta quan tâm. Mạng ngữ nghĩa là một phương pháp biểu diễn tri thức đầu tiên và cũng là phương pháp dễ hiểu nhất đối với chúng ta. Để biểu diễn một mạng ngữ nghĩa thì người ta dùng phương pháp đồ thị. Trong đó đỉnh là các đối tượng (khái niệm, tri thức, sự việc) nào đó, còn các cung giữa các đỉnh nó thể hiện các mối liên hệ giữa các đối tượng (khái niệm, tri thức, sự việc) này. Chẳng hạn : giữa các khái niệm chích chòe, chim, hót, cánh, tổ có một số mối quan hệ như sau : Chích chòe là một loài chim. Chim biết hót. Chim có cánh. Chim sống trong tổ. Các mối quan hệ này sẽ được biểu diễn trực quan bằng một đồ thị như sau : Hình 3.1 : Đồ thị biểu diễn các mối quan hệ trong mạng ngữ nghĩa Do mạng ngữ nghĩa là một loại đồ thị cho nên nó thừa hưởng được tất cả những mặt mạnh của công cụ này. Nghĩa là ta có thể dùng những thuật toán của đồ thị trên mạng ngữ nghĩa như thuật toán tìm liên thông, tìm đường đi ngắn nhất,… để thực hiện các cơ chế suy luận. Điểm đặc biệt của mạng ngữ nghĩa so với đồ thị thông thường chính là việc gán một ý nghĩa (có, làm, là, biết, ) cho các cung. Trong đồ thị tiêu chuẩn, việc có một cung nối giữa hai đỉnh chỉ cho biết có sự liên hệ giữa hai đỉnh đó và tất cả các cung trong đồ thị đều biểu diễn cho cùng một loại liên hệ, cùng lắm là trong đồ thị thông thường có thêm trọng số. Trong mạng ngữ nghĩa, cung nối giữa hai đỉnh còn cho biết giữa hai khái niệm tương ứng có sự liên hệ như thế nào. Việc gán ngữ nghĩa vào các cung của đồ thị đã giúp giảm bớt được số lượng đồ thị cần phải dùng để biễu diễn các mối liên hệ giữa các khái niệm. Chẳng hạn như trong ví dụ trên, nếu sử dụng đồ thị thông thường, ta phải dùng đến 4 loại đồ thị cho 4 mối liên hệ : HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 8 Biểu diễn tri thức và ứng dụng một đồ thị để biểu diễn mối liên hệ "là", một đồ thị cho mối liên hệ "làm", một cho "biết" và một cho "có". Một điểm khá thú vị của mạng ngữ nghĩa là tính kế thừa. Bởi vì ngay từ trong khái niệm, mạng ngữ nghĩa đã hàm ý sự phân cấp (như các mối liên hệ "là") nên có nhiều đỉnh trong mạng mặc nhiên sẽ có những thuộc tính của những đỉnh khác. Chẳng hạn theo mạng ngữ nghĩa ở trên, ta có thể dễ dàng trả lời "có" cho câu hỏi : "Chích chòe có làm tổ không?". Ta có thể khẳng định được điều này vì đỉnh "chích chòe" có liên kết "là" với đỉnh "chim" và đỉnh "chim" lại liên kết "biết" với đỉnh "làm tổ" nên suy ra đỉnh "chích chòe" cũng có liên kết loại "biết" với đỉnh "làm tổ". (kiểu "suy luận" mà ta vừa thực hiện bắt nguồn từ thuật toán "loang" hay "tìm liên thông" trên đồ thị). Chính đặc tính kế thừa của mạng ngữ nghĩa đã cho phép ta có thể thực hiện được rất nhiều phép suy diễn từ những thông tin sẵn có trên mạng. Tuy mạng ngữ nghĩa là một kiểu biểu diễn trực quan đối với con người nhưng khi đưa vào máy tính, các đối tượng và mối liên hệ giữa chúng thường được biểu diễn dưới dạng những phát biểu động từ (như vị từ). Hơn nữa, các thao tác tìm kiếm trên mạng ngữ nghĩa thường khó khăn (đặc biệt đối với những mạng có kích thước lớn). Do đó, mô hình mạng ngữ nghĩa được dùng chủ yếu để phân tích vấn đề. Sau đó, nó sẽ được chuyển đổi sang dạng luật hoặc frame để thi hành hoặc mạng ngữ nghĩa sẽ được dùng kết hợp với một số phương pháp biểu diễn khác. 3.2. Các kỹ thuật biểu diễn tri thức 3.2.1. Bộ ba Đối tượng – Thuộc tính – Giá trị Cơ chế tổ chức nhận thức của con người thường được xây dựng dựa trên các sự kiện (fact), xem như các đơn vị cơ bản nhất. Một sự kiện là một dạng tri thức khai báo. Nó cung cấp một số hiểu biết về một biến cố hay một vấn đề nào đó. Một sự kiện có thể được dùng để xác nhận giá trị của một thuộc tính xác định của một vài đối tượng. Ví dụ, mệnh đề "quả bóng màu đỏ" xác nhận "đỏ" là giá trị thuộc tính "màu" của đối tượng "quả bóng". Kiểu sự kiện này được gọi là bộ ba Đối tượng-Thuộc tính-Giá trị (O-A-V – Object-Attribute-Value). Hình 3.2 : Biểu diễn tri thức theo bộ ba O – A - V Một O-A-V là một loại mệnh đề phức tạp. Nó chia một phát biểu cho trước thành ba phần riêng biệt: đối tượng, thuộc tính, giá trị thuộc tính. Trong các sự kiện O-A-V, HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 9 Biểu diễn tri thức và ứng dụng một đối tượng có thể có nhiều thuộc tính với các kiểu giá trị khác nhau. Hơn nữa một thuộc tính cũng có thể có một hay nhiều giá trị. Chúng được gọi là các sự kiện đơn trị (single-valued) hoặc đa trị (multi-valued). Điều này cho phép các hệ tri thức linh động trong việc biểu diễn các tri thức cần thiết. Các sự kiện không phải lúc nào cũng bảo đảm là đúng hay sai với độ chắc chắn hoàn toàn. Vì thế, khi xem xét các sự kiện, người ta còn sử dụng thêm một khái niệm là độ tin cậy. Phương pháp truyền thống để quản lý thông tin không chắc chắn là sử dụng nhân tố chắc chắn CF (certainly factor). Khái niệm này bắt đầu từ hệ thống MYCIN (khoảng năm 1975), dùng để trả lời cho các thông tin suy luận. Khi đó, trong sự kiện O- A-V sẽ có thêm một giá trị xác định độ tin cậy của nó là CF. Ngoài ra, khi các sự kiện mang tính "nhập nhằng", việc biểu diễn tri thức cần dựa vào một kỹ thuật, gọi là logic mờ (do Zadeh đưa ra năm 1965). Các thuật ngữ nhập nhằng được thể hiện, lượng hoá trong tập mờ. 3.2.2. Các luật dẫn Luật là cấu trúc tri thức dùng để liên kết thông tin đã biết với các thông tin khác giúp đưa ra các suy luận, kết luận từ những thông tin đã biết. Trong hệ thống dựa trên các luật, người ta thu thập các tri thức lĩnh vực trong một tập và lưu chúng trong cơ sở tri thức của hệ thống. Hệ thống dùng các luật này cùng với các thông tin trong bộ nhớ để giải bài toán. Việc xử lý các luật trong hệ thống dựa trên các luật được quản lý bằng một module gọi là bộ suy diễn. 3.2.2.1. Các luật dẫn cơ bản Các luật thể hiện tri thức có thể được phân loại theo loại tri thức. Và như vậy, có các lớp luật tương ứng với dạng tri thức như quan hệ, khuyến cáo, hướng dẫn, chiến lược, và heuristic. Các ví dụ sau minh họa cho các loại luật. Quan hệ IF Nguồn điện hỏng THEN Máy tính sẽ không khởi động được Lời khuyên IF Máy tính không khởi động được THEN không thể lấy bất kỳ thông tin trong đó Hướng dẫn IF Máy tính không khởi động được AND các linh kiện trong CPU tốt THEN Kiểm tra hệ thống nguồn điện Chiến lược IF Máy không khởi động được HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 10 [...]... Mô hình mạng các C-Object tổng quát sẽ cho ta một phương pháp biểu diễn các dạng bài toán tổng quát trong hệ cơ sở tri thức các C-Object, làm cơ sở cho việc thiết kế các môđun giải toán và trợ giúp giải toán trong các hệ giải toán thông minh CHƯƠNG 4: MINH HỌA CHƯƠNG TRÌNH ỨNG DỤNG MẠNG NGỮ NGHĨA GIẢI BÀI TOÁN TAM GIÁC Các bài toán hình học phẳng gồm các dạng toán như giải bài toán hình tam giác, hình... tượng, ngoài ứng dụng được nêu trên mạng tính toán có thể áp dụng trong việc biểu diễn và giải một số bài toán trên các phản ứng hóa học và ta có thể xem tri thức đó như một mạng mạng tính toán mà mỗi phản ứng là một số quan hệ của mạng Việc ứng dụng bài toán tam giác vào mạng tính toán nó không chỉ dừng lại ở việc tính ra giá trị các yếu tố cần thiết mà có thể đưa ra cách giải hình thức của bài toán thậm... 17 Biểu diễn tri thức và ứng dụng Các bài toán này được hình thành dựa trên các tính chất và thuộc tính của hình học phẳng Do đó có thể xác định được các đối tượng trên mạng ngữ nghĩa của những bài toán này là các đỉnh, các cạnh Và mối liên hệ giữa các đối tượng này là tính chất của các bài toán hình học 4.1 Giới thiệu bài toán hình tam giác 4.1.1 Xác định thông tin Xét tam giác ABC với các thông tin... dùng biểu diễn các tri thức về các vấn đề tính toán và được áp dụng một cách có hiệu quả để giải quyết các vấn đề nầy Mỗi mạng tính toán là một mạng ngữ nghĩa chứa các biến và những quan hệ có thể cài đặt và sử dụng được cho việc tính toán Có thể nói rằng mạng tính toán là một sự tổng HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 15 Biểu diễn tri thức và ứng dụng quát hoá của kiểu dữ liệu trừu tượng có... và ứng dụng 4.1.2 Chọn lọc thông tin Trong các thông tin đã cung cấp ở các bài toán trên ta có thể thấy một số thông tin thừa không cần thiết như: 3 đường trung tuyến ia , ib , ic ở bài toán tam giác Với các thông tin này hệ thống không bị mất đi độ chính xác nhưng sẽ làm cho tốc độ suy luận giảm đi Vậy nên cần được loại bỏ 4.1.3 Biểu diễn thông tin trên mạng ngữ nghĩa c.hC Hình 4.2 : Mạng ngữ nghĩa. .. tượng trên mạng ngữ nghĩa có các mối quan hệ khép HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 19 Biểu diễn tri thức và ứng dụng kín nên chỉ cần có vừa đủ các giá trị cần thiết thì các đối tượng còn lại cũng sẽ được xác định Trong bài toán hình tam giác, ta có 11 đối tượng cần xác định lần lượt là 3 cạnh, 3 góc, 3 đường cao, chu vi và diện tích Thuật toán đơn giản được áp dụng trong bài toán này đó... nghĩa c.hC Hình 4.2 : Mạng ngữ nghĩa cho bài toán hình tam giác Trong mạng ngữ nghĩa trên, các ô tròn biểu thị cho các đối tượng của bài toán và các ô vuông thể hiện mối quan hệ giữa các đối tượng 4.1.4 Biểu diễn thông tin trên máy Vấn đề khó khăn nhất trong việc thể hiện nội dung của mạng ngữ nghĩa trên máy tính là việc không thể xác định được giá trị nào trên mạng đã xác định và giá trị nào cần phải... Trang 20 Biểu diễn tri thức và ứng dụng định, người dùng chọn tính để thể hiện kết quả Nếu không thể tính toán ra kết quả, chương trình sẽ thông báo cho người dùng biết Bước 1 : Khởi động chương trình Giao diện chính của chương trình demo sẽ hiện lên Bước 2 : Nhập các thông tin ban đầu cho bài toán tam giác, sau đó chọn thông tin để chương trình tính trong theo mạng ngữ nghĩa như hình vẽ HVTH: Nguyễn... giữa các đối tượng HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 12 Biểu diễn tri thức và ứng dụng Hình 3.4 : “Sẻ là Chim” thể hiện trên mạng ngữ nghĩa Người ta có thể nới rộng mạng ngữ nghĩa bằng cách thêm các nút và nối chúng vào đồ thị Các nút mới ứng với các đối tượng bổ sung Thông thường có thể nới rộng mạng ngữ nghĩa theo ba cách:  Thêm một đối tượng tương tự  Thêm một đối tượng đặc biệt hơn ... diễn tri thức và ứng dụng Kết quả của việc tính toán theo mạng ngữ nghĩa HVTH: Nguyễn Võ Thông Thái – CH1301053 Trang 22 Biểu diễn tri thức và ứng dụng Bước 3 : Ta có thể tìm kết quả khác bằng cách click vào nút làm lại 4.3 Kết luận 4.3.1 Ưu điểm: Biểu diễn tri thức tính toán dưới dạng các đối tượng rất tự nhiên và gần gũi với cách nhìn và nghĩ của con người khi giải quyết các vấn đề tính toán có liên . giải toán trong các hệ giải toán thông minh. CHƯƠNG 4: MINH HỌA CHƯƠNG TRÌNH ỨNG DỤNG MẠNG NGỮ NGHĨA GIẢI BÀI TOÁN TAM GIÁC Các bài toán hình học phẳng gồm các dạng toán như giải bài toán hình tam. thông tin trên mạng ngữ nghĩa Hình 4.2 : Mạng ngữ nghĩa cho bài toán hình tam giác Trong mạng ngữ nghĩa trên, các ô tròn biểu thị cho các đối tượng của bài toán và các ô vuông thể hiện mối quan. tượng trên mạng ngữ nghĩa của những bài toán này là các đỉnh, các cạnh. Và mối liên hệ giữa các đối tượng này là tính chất của các bài toán hình học. 4.1. Giới thiệu bài toán hình tam giác 4.1.1.