Mô hình tích hợp tri thức khả năng

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:3

Thêm vào BST

Báo xấu

10
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Mô hình tích hợp tri thức khả năng đề xuất một mô hình tích hợp mới để tích hợp các tri thức được biểu diễn dưới dạng lôgic khả năng (possibilistic logic) bằng cách sử dụng cách tiếp cận thứ nhất.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Mô hình tích hợp tri thức khả năng

Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN: 978-604-82-7001-8 MÔ HÌNH TÍCH HỢP TRI THỨC KHẢ NĂNG Nguyễn Văn Thẩm1, Nguyễn Quỳnh Diệp1, Nguyễn Đỗ Kiều Loan2 1 Trường Đại học Thủy lợi, email: thamnv@tlu.edu.vn 2 Học viện Tài chính 1. GIỚI THIỆU CHUNG 2. NỘI DUNG Ngày nay, tích hợp tri thức (THTH) là một 2.1. Một số khái niệm trong các vấn đề nghiên cứu được quan tâm Đặt   a1 , ,an  là một ngôn ngữ mệnh cũng như ứng dụng rộng rãi trong nhiều lĩnh đề hữu hạn, trong đó a1 , ,an là các biến mệnh vực. Mục tiêu chính của THTH là nhằm đạt được các tri thức chung từ các nguồn tri thức đề. Hàm phân phối khả năng (Possibility riêng lẻ. distribution) là một ánh xạ  : Ω  0 ,1 . Với Để giải quyết được bài toán tích hợp thì  Ω ,    biểu diễn mức độ phù hợp của vấn đề đầu tiên cần giải quyết đó là biểu diễn diễn giải  đối với những tri thức sẵn có, được tri thức cần tích hợp. Tiếp theo là giai 0      1 . đoạn lựa chọn các phương pháp tích hợp phù Mức độ khả năng (Possibility degree) của hợp với mô hình biểu diễn. công thức  được xác định bởi Trong tiến trình tích hợp, bài toán THTT Δ    max    :  Ω ,    . Mức độ phải đối mặt với việc xử lý tính không nhất quán bởi vì các thông tin tích hợp có thể đòi hỏi (Necessity degree) của mỗi công thức xuất phát từ nhiều nguồn khác nhau. Logic  là     1  Δ   . Nếu     1, có khả năng [1] cung cấp một mô hình tốt để nghĩa  là phần thông tin hoàn toàn chắc giải quyết bài toán tích hợp khi tri thức xuất chắn hoặc một mục tiêu bắt buộc. Ngược lại, hiện tính không chắc chắn hoặc tính không     0 thể hiện sự không có thông tin đối nhất quán. Có hai cách tiếp cận để giải với  nhưng không có nghĩa là  sai. quyết bài toán THTT khả năng [2, 3]. Các Một công thức được gọi là một công thức tiếp cận thứ nhất, tính không nhất quán khả năng được xác định bằng một cặp  ,   được coi là không thể chấp nhận và thông trong đó  là một công thức mệnh đề và tin mâu thuẫn giữa các nguồn khác nhau sẽ   0 ,1 . Cặp  ,   có nghĩa là mức độ được giải quyết sau khi tích hợp. Ngược lại, các tiếp cận thứ hai cho rằng sự không nhất chắc chắn của ít nhất bằng        . quán là không thể tránh khỏi và do đó, cơ Định nghĩa 1. [1] Một cơ sở tri thức khả sở tri thức (CSTT) có thể không nhất quán năng (Possibilistic knowledge base) là một sau khi tích hợp. tập hữu hạn các công thức mệnh đề có dạng: Trong bài báo này, chúng tôi đề xuất một mô hình tích hợp mới để tích hợp các tri thức     i , i  : i  1,n được biểu diễn dưới dạng lôgic khả năng Cơ sở tri thức phẳng liên kết với  là (possibilistic logic) bằng cách sử dụng cách   i  : i , i    . Một CSTT khả * tiếp cận thứ nhất. năng  là nhất quán khi và chỉ khi * là nhất 61
Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN: 978-604-82-7001-8 quán. Khi * không chứa bất kỳ một công thức - Bước 1: Tính mức tự do của hợp hai mâu thuẫn nào được kí hiệu    . CSTT khả năng - Bước 2: Phân tách theo mức tự do Định nghĩa 2. Một hồ sơ tri thức  trên - Bước 3: Kết hợp để thu được CSTT khả  là một đa tập gồm một tập hữu hạn các cơ năng theo toán tử cực tiểu và CSTT khả năng sở tri thức, tức là,   1 , ,n  , trong đó bằng phép hợp i có thể giống  j với i  j . - Bước 4: Suy diễn CSTT khả năng chung Định nghĩa 3. [1] Cho CSTT khả năng  . từ CSTT khả năng theo toán tử cực tiểu và Với mọi  Ω , hàm phân bố khả năng được CSTT khả năng bằng phép hợp. định nghĩa như sau: Mô hình tổng quát tích hợp các CSTT khả  1 NÕu  i , i   ,  i năng được minh họa như Hình 1.       1  max  i :   Ng−îc l¹i Định nghĩa 4. [1] Cho CSTT khả năng  . Mức không nhất quán của CSTT khả năng  được xác định bởi      1  max     .  Định nghĩa 5. Cho một CSTT khả năng  và   0 ,1 . -  - cắt của  là      ,d   * :  ,d    ,d    -  - cắt chặt của  là      ,d   * :  ,d    ,d    Định nghĩa 6. [1] Cho CSTT khả năng  , mức tự do của  được định nghĩa như sau: Hình 1. Mô hình tích hợp CSTT khả năng       min i  0 ,1 :  i   Phần tiếp theo trình bày chi tiết các bước Định nghĩa 7. Cho CSTT khả năng  , thực hiện Thuật toán SCom trong mô hình. một phân tách của  liên quan đến     Thuật toán Scom [1]: được định nghĩa là một cặp  , B sao cho  Đầu vào: 1  i , i  : i  1,n và     B , trong đó:   2   i ,di  : i  1,m A   ,     :       Đầu ra: SCom   i , i  : i  1,h B   ,     :       Các bước: 2.2. Mô hình đề xuất Bước 1: Tính   1  2  theo Định Bài toán tích hợp các CSTT khả năng dựa nghĩa 6. trên khoảng cách được định nghĩa: Bước 2: Chia 1 và 2 theo   1  2  (1) Đầu vào: Một hồ sơ CSTT khả năng theo Định nghĩa 7: (2) Đầu ra: Một CSTT khả năng - Đặt , B là một phân tách của (3) Phạm vi bài toán: CSTT được biểu 1  2 theo   1  2  . diễn bằng các công thức khả năng. (4) Tiến trình tích hợp: Với mỗi cặp - Phân tách của 1 là cặp 1 , B1 sao cho CSTT khả năng của hồ sơ CSTT khả năng A1  Α'  1 và B1  B'  1 62
Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN: 978-604-82-7001-8 - Phân tách của 2 là cặp 2 , B2 sao cho + 22   M ,0.5 , H ,0.6  . A2  Α'  2 và B2  B'  2 Bước 3: Kết hợp: Bước 3: Kết hợp: - Kết hợp 11 và 21 bằng toán tử cực tiểu: Kết hợp A1 và A2 bằng toán tử cực tiểu: A   H  S ,0.2  ,  M  S ,0.3 A  i      ,min  ,d :  j i j   - Kết hợp 12 và 22 bằng phép hợp:    i , i   A1 ,  j ,d j  A2  B  S ,0.7  , M ,0.5 , H ,0.6    Bước 4: Suy diễn CSTT khả năng chung: Kết hợp B1 và B2 bằng phép hợp: SCom  A  B B  B1  B2  { H  S , 0.2  ,  M  S , 0.3 , Bước 4: Suy diễn CSTT khả năng chung SCom  A  B  M , 0.5 .  S , 0.7  ,  H , 0.6 } Theo Định nghĩa 3 và Định nghĩa 4, ta có 2.3. Bài toán minh họa   SCom   0 . Tức là CSTT khả năng sau Một bệnh viện làm một cuộc khảo sát về tiến trình THTT là nhất quán. các triệu chứng của bệnh Covid-19 mà các bệnh nhân đã nhiễm bệnh. Bệnh viện giao 3. KẾT LUẬN cho hai đơn vị thực hiện cuộc khảo sát. Trong bài này, chúng tôi đã đề xuất một - Đơn vị thứ nhất cung cấp kết quả trong đó mô hình để giải quyết bài toán THTT trên dấu hiệu “Đau họng” (H) là 0.2; dấu hiệu “Mệt ngữ cảnh lôgic khả năng. Mô hình có thể sử mỏi” (M) là 0.4; dấu hiệu “Sốt” (S) là 0.7. dụng hỗ trợ xác định triệu chứng bệnh lý, xác - Đơn vị thứ hai cung cấp kết quả trong đó định các nguyên nhân gây ô nhiễm môi dấu hiệu “Đau họng” là 0.6; dấu hiệu “Không trường,… Tuy nhiên, bài báo mới chỉ dừng mệt mỏi” là 0.5; dấu hiệu “Sốt” là 0.3. lại ở việc xây dựng mô hình lý thuyết. Vì Yêu cầu: Cần tìm một tri thức chung về vậy, xây dựng một chương trình trên dữ liệu các triệu chứng của bệnh Covid-19. thực tế là công việc của tương lai. Từ kết quả của các đơn vị cung cấp, ta thu được hồ sơ CSTT khả năng   1 ,2  4. TÀI LIỆU THAM KHẢO với    H , M ,S  . Trong đó, [1] Guilin Qi và công sự. 2004. A Split- - 1   H ,0.2  , M ,0.4  ,  S ,0.7  Combination Method for Merging Inconsistent Possibilistic Knowledge Bases. - 2   H ,0.6  , M ,0.5 , S ,0.3 In Proceedings of the Ninth International Conference (KR2004). AAAI Press. Bước 1: Tính   1  2  . [2] Guilin Qi và công sự. 2006. A split- - Đặt   1  2 combination approach to merging - Theo Định nghĩa 5 và Định nghĩa 6, knowledge bases in possibilistic logic. Ann Math Artif Intell 48.   1  2  =0.4 [3] Salem Benferhat and Claudio Sossai. 2013. Bước 2: Phân tách Merging Uncertain Knowledge Bases in a - Phân tách 1 thành cặp 11 , 12 với Possibilistic Logic Framework. CoRR abs/1301.7359. + 11   H ,0.2  , M ,0.4  + 12   S ,0.7  . - Phân tách 2 thành cặp 21 , 22 với + 21   S ,0.3 63