Имя материала: Базы знаний интеллектуальных систем

С другой стороны, корпоративная память расширяет эти технологии работой со знаниями, чтобы улучшить качество решения задач. Так OMIS включает подсистемы объяснений, которые позволяют непосредственно отвечать на вопросы: «Почему?» и «Почему нет?». В простой базе данных или гипертекстовой системе пользователи должны были бы искать нужную информацию для ответа на такие вопросы непосредственно, а для этого необходимо отфильтровать большое количество потенциально нужной информации, которая, однако, не будет применяться в специфическом случае.

Наконец, OMIS не только выдает информацию, но должна также быть всегда готовой воспринимать новую информацию от ее пользователей.

Рисунок 5.8 представляет архитектуру для OMIS и корпоративной памяти (частично из работы [Borghoff and Pareschi, 1998]). Ядром системы является Информационное хранилище (Information Depository). Рисунок также дает представление о некоторых видах информации, которая включается в корпоративную память.

 

 

Рис. 5.8. Архитектура OMIS

 

Если хранилища данных содержат в основном количественную информацию, то хранилища знаний больше ориентированы на качественный материал. КМ-сис-темы генерируют системы из широкого диапазона данных, хранилищ данных, статей новостей, внешних баз, WWW-страниц.

Программный инструментарий для OMIS включает как оригинальные разработки, например KARAT [Tschaitschian, 1997], так и стандартные средства, например, LOTUS NOTES обеспечила один из первых инструментариев хранения качественно и документальной информацией. Однако сегодня в связи с бурным развитием Интернета, КМ-системы все чаще используют Web-технологию.

 

5.3.4. Особенности разработки OMIS

 

Так как разработка систем корпоративной памяти — это прежде всего программный проект, то для нее применимы традиционные технологии разработки больших программных систем. В каждом программном проекте первым шагом в разработке является анализ требований, в котором должны быть найдены ответы на следующие вопросы:

• Какие задачи должны поддерживаться?

• Какая информация необходима, чтобы решить эти задачи?

• Какой тип поддержки желателен пользователями?

• Каков уровень затрат на разработку?

• Какие изменения ожидаются в будущем?

При поиске ответов на эти вопросы следует учитывать:

1. Человеческий фактор. Основная причина неудач ранних опытных проектов OMIS заключалась в том, что разработчики игнорировали реальные потребности, способности, и цели пользователей системы [Malsch et al., 1993; Kuehn et al., 1994].

2. Стоимостной анализ. Во-первых, ядро проекта должно ориентироваться на критические процессы, «страдающие» от недостатка информационной поддержки. Во вторых, не следует перегружать начальную систему слишком большим количеством услуг, которые могут быть желательны, но не обещают быстрое возвращение инвестиций.

3. Эволюция знаний. Электронная поддержка особенно ценна в областях, подвергающихся быстрым изменениям, так как на таких предприятиях трудно обеспечить доступ к оперативной современной информации. В системах OMIS часто используют различные новые технологии обработки знаний, не имеющие пока общепринятых русскоязычных терминов и связанные с получением нового знания из анализа данных, например «открытие или разведка знаний» (Knowledge Discovery) и «разработка данных» (Data Mining). Разведка знаний представляет собой новое и быстро развивающееся направление, занимающееся «нетривиальным извлечением точной, ранее неизвестной и потенциально полезной информации из данных» [Piatetsky-Shapiro, Frawley, 1991]. В методах разведки данных используются различные подходы к анализу текста и числовых данных, плюс специальный инструментарий статистического анализа.

4. Чувствительность к контексту для естественно-языковых запросов. Система должна «понимать» контекст поступающих запросов. К примеру, она должна различать термины «размножение животных» и «размножение документов».

5. Гибкость. Система должна иметь возможность обрабатывать знания в различной форме и по разным темам в контексте работы данного предприятия.

6. Интеллектуальность. Система должна накапливать информацию о своих пользователях и о знаниях, которые она получает во время работы. Таким образом, со временем ее возможность «продуманно» предоставлять пользователям знания должна совершенствоваться.

До последнего времени при разработке OMIS остается целый ряд исследовательских вопросов [Kuehn and Abecker,1998]:

• Проблема обобщения моделей данных, словарей понятий или тезаурусов, онтологии. Основание для объединенной эксплуатации данных, документов, и формального знания — построение объединенных мета-моделей данных и знаний. Полезны были бы процедуры автоматического порождения тезауруса из существующих массивов документов. Объединенная онтология/тезаурус может использоваться, чтобы улучшить поиск, фильтрацию и маршрутизацию документов.

• Проблема объединения логического вывода и информационного поиска. Объединенная эксплуатация формальных и неформальных представлений знаний и данных — это последовательное сближение логических методов и методов информационного поиска и индексации данных.

• Соединение деловых процессов и управления знаниями. Окончательная цель состоит в том, чтобы обнаруживать информационную потребность в течение выполнения производственного процесса и определять уместное знание в специфическом контексте задачи. Первый прагматический шаг в этом направлении описан в работе [Hinkelmann и Kieninger, 1997], где авторы предлагают использовать информацию контекста задачи для информационной фильтрации.

Корпоративная память интегрирует знания, чтобы в решении новых задач опереться на предварительно накопленный опыт. Таким образом, можно избегать повторения ошибок, опыт может расширяться систематически, и информационно-емкие процессы работы могут быть выполнены более эффективными способами. В отличие от экспертных систем первичная цель систем OMIS — не поддержка одной специфической задачи, а лучшая эксплуатация необходимого общего ресурса — знаний.

В настоящее время существует значительный интерес к КМ со стороны промышленных компаний, которые осознают высокий прикладной потенциал корпоративной памяти для решения целого ряда практических задач обработки информации. С другой стороны, не многие из проектов идут далее стадии прототипа, что очевидно показывает, что компании стараются избегать затрат и риска вложения капитала в новые технологии, которые еще не нашли широкого распространения.

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 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 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125 | 126 | 127 | 128 | 129 | 130 | 131 | 132 | 133 | 134 | 135 | 136 | 137 | 138 | 139 | 140 | 141 | 142 | 143 | 144 | 145 | 146 | 147 | 148 | 149 | 150 | 151 | 152 | 153 | 154 | 155 | 156 | 157 |