Этап концептуализации

На данном этапе проводится содержательный анализ проблемной

области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. Этот этап завершается созданием модели предметной области (ПО), включающей основные концепты и

отношения. На этапе концептуализации определяются следующие особенности задачи [1]:

- типы доступных данных;

- исходные и выводимые данные,

- подзадачи общей задачи;

- применяемые стратегии и гипотезы; виды взаимосвязей между объектами ПО, типы используемых отношений (иерархия, причина

— следствие, часть — целое и т.п.);

- процессы, применяемые в ходе решения;

- состав знаний, используемых при решении задачи;

- типы ограничений, накладываемых на процессы, которые применены в ходе решения;

- состав знаний, используемых для обоснования решений.

Существует два подхода к процессу построения модели предметной области, которая является целью разработчиков ЭС на этапе концептуализации [1]:

1. Признаковый или атрибутивный подход предполагает наличие полученной от экспертов информации в виде троек «объект —

атрибут — значение атрибута», а также наличие обучающей информации. Этот подход развивается в рамках направления, получившего название «формирование знаний» или «машинное обучение» (machine learning).

2. Структурный (или когнитивный) подход, осуществляется путем выделения элементов предметной области, их взаимосвязей и семантических отношений.

Атрибутивный подход к построению модели предметной области

Признаковый или атрибутивный подход. Для атрибутивного подхода характерно наличие наиболее полной информации о предметной области: об объектах, их атрибутах и о значениях атрибутов. Кроме того,

существенным моментом является использование дополнительной

обучающей информации, которая задается группированием объектов в классы по тому или иному содержательному критерию.Тройки объект—атрибут—значение атрибута могут быть получены с помощью так называемого метода реклассификации, который основан на предположении что задача является объектно-ориентированной и объекты задачи хорошо известны эксперту. Идея метода состоит в том, что конструируются правила (комбинации значений атрибутов), позволяющие отличить один объект от другого [1].

На атрибутивном подходе базируются ЭС распознавания образов и автоматического группирования данных.