知识获取

学习系统的基本类型
什么是学习
学习是一种综合性的心理活动，它与记忆、 思维、知觉、感觉等多种心理活动密切联系； 西蒙 ：“学习“系统积累经验，改善性能的 过程”； 明斯基 ：“学习是我们头脑里有用知识的变 化”； 维纳：“学习是系统自我完善的过程”； 巴甫洛夫“学习是条件反射的形成过程”。
学习的基本概念
学习是一个知识和能力的增长过程。其内 在行为是知识获取（获得知识、积累经验 、发现规律，新知识结构的建立和改进等 ）；其外部表现是能力的改善（改进性能 、适应环境、实现自我完善等），使其变 得更快、更精确、更健全；学习是技巧的 获得，是理论的形成，是假设的验证，是 演绎的推理。
知识获取的理论基础是机器学习.指一个系统能不断改 进自身性能的过程,它包括: (1)系统能够解决更多的问题; (2)系统能够提供更精确的答案; (3)系统能够以更低的代价获取知识.
环境
学习环节
知识库
执行
返回
3.1 环境
环境是系统获取知识的信息来源，包括工作对象或客体所处的外 界条件。环境提供的信息水平确定了系统必须产生的假设类型。 系统中的环境包括工作对象和外界条件。比如在医疗系统中，环 境就是病人当前的症状、物化检验的报告和病历等信息；在模式 识别中，环境就是待识别的图形或景物；在控制系统中，环境就 是受控的设备或生产流程。 环境提供给系统的信息水平和质量对于学习系统有很大的影响。 信息的水平是指信息的一般性程度，也就是适用范围的广泛性。 高水平的信息往往比较抽象，适用面更广泛，而低水平的信息往 往比较具体，只适用于个别问题。如果环境提供较抽象的高水平 信息，学习环节就要补充遗漏的细节，以便执行环节能用于具体 情况。如果环境提供较具体的低水平信息，即在特殊情况执行任 务的实例，学习环境就要由此归纳出规则，以便用于完成更广的 任务。信息质量对学习难度有明显的影响。例如，若施教者向系 统提供准确的示教例子，而且提供例子的次序也有利于学习，则 容易进行归纳。若示教例子中有干扰，或示例的次序不合理，则 难以归纳。
机械学习（记忆学习）的设计要考虑三个问题：存储结构、 稳定性和记忆与计算的权衡。 1.存储结构 只有读取所用时间少于重新计算所用时间时，机械学习 （记忆学习）才有实用价值。为了快速读取存储的内容，就要 合理组织存储结构。在数据结构和数据库等领域已经详尽研究 了排序、检索和杂凑方法等有关问题。 2.环境稳定性 使用机械学习（记忆学习）时，总是认为保存的信息以后 仍然有效。如果环境变化快，保存的信息就会失效而不能再使 用。例如记忆的50年代汽车修理费用不能用来估计80年代汽车 修理费用。解决方法是随时监视环境的变化，不断更新保存的 信息。
返回
3.2
知识库
知识库用于存储和积累知识,根据记忆的稳定程度,库 中的知识可以划分为: (1)长期记忆知识 具有稳定性,如基本概念,定理,公理和规则等. (2)中期记忆知识 可通过学习改变的知识 (3)短期知识 环境变化的信息和数据,学习的中间结果等. 知识库中知识表示的形式必须具有易表示性、易推理 性、可修改性和可扩充性。
执行函数 输出模式
过程:执行元素每解决一个问题，系统就记住这个问题和 它的解，以后一旦再遇到此类问题，系统就不必重新进行 计算，而可以直接找出原来的解去使用。可以把执行元素 抽象地比作一个函数f，该函数在得到环境的输入模式（ x1，x2，…，xn）后，计算并输出模式（y1，y2，…，yk） ，则机械学习系统就是要简单地把这一输入输出模式对: [（x1，x2，…，xn），（y1，y2，…，yk）]存放在知识库 中，当以后再需要计算f（x1，x2，…，xn）时，系统执行 元素就可以直接从存储器中把（y1，y2，…，yk）检索出 来，而不需要再重新进行计算。
返回
2.知识获取的概念
知识获取是确定知识范围，采集和加工编辑知识的过 程。它是构造知识库的基础。 采集知识主要从专家那里采集与被求解问题有关的知 识,专家知识包括专业知识和求解问题的方法和步骤的 知识. 加工编辑知识要使知识规格化、系统化，使知识库便 于管理，包括如下方面： (1)问题的关系符号化,选择合适的知识表达方法; (2)建立知识库的编辑系统,可修改、删除、更新和调 整知识库的内容； (3)检验知识库的完整性和无矛盾性。 返回
非自动方式是专家系统建造中用得较为普遍的一种知识获取模 式。在非自动获取模式中，知识工程师起着关键的作用。其主要任 务是： ①与领域专家进行交谈，阅读有关的文献，获取专家系统所需 要的原始知识。 ②对已获得的原始知识进行分析、归纳、整理，形成用自然语 言描述的知识条款，然后返回给领域专家检查。
③ 把确定的知识条款用知识表示方法表示出来，用 知识编辑器进行编辑输入。 知识编辑器是一种用于知识输人的软件，通常是在建 造专家系统时根据实际需要编制的。 一般来说，知识编辑器应具有如下主要功能： ①把用某种模式或语言表示的知识转换成计算机可表 示的内部形式并输入到知识库中。 ②检测输入知识库中的知识的语法错误。 ③检测知识的一致性，报告产生错误的原因，以便进 行改正。
自动知识获取方式
自然语言理解。主要借助于自然语言处理技术，针对 文本类型的信息源，通过语法、语义分析，推导文本内 容属性，抽取与领域相关的语义实体及其关系，实现知 识获取。 模式识别。主要针对多媒体信息源（如图片、语音波 形、符号等），采用统计方法等对事物或现象进行描述 、辨认、分类和解释，从经数字化处理后的数据中识别 事物对象的特征。 机器学习。利用各种学习方法来获取知识，是一种高 级的全自动化的知识获取方法。 数据挖掘与知识发现。基于数据挖掘的知识获取是近 几年发展起来的新方法，它主要针对结构化的数据库， 采用统计学习等定量化分析方法，发现大量数据之间所 存在的关联。
③具有从运行实践中学习的能力。在知识库初步建成投入使用后，随着 应用向纵深发展，知识库的不完善性就会逐渐暴露出来。此时知识的自动获 取系统应不断地总结经验教训，从运行实践中学习，产生新的知识，纠正可 能存在的错误，不断进行知识库的自我完善。 总之，在自动知识获取系统中，原来需要知识工程师做的都由系统取代了 ，并且还要做更好的工作。自动获取知识的过程如图所示。
按照知识获取的自动化程度，可以将知 识获取划分为非自动知识获取和自动知识 获取两类基本方式。

非自动知识获取
非自动知识获取
非自动知识获取也称为人工移植。在这种方式中，知识 获取分两步进行，首先由知识工程师从领域专家或有关 的科技文献那里获取知识，然后再由知识工程师用某种 知识编辑器输入到知识库中，其工作方式如图所示。
返 回本节
3、学习系统的基本类型
关于学习，不同领域的专家持不同的观点。神经学家、 心理学家、控制论学者、人工智能研究者、实践操作 人员、理论工作者都有不同的定义，其中Simon的观点 也许是最完整，他把学习定义为“一个系统能不断改 进自身性能的过程”，下图是费根鲍姆等根据这个定 义提出的学习系统模型。
非自动知识获取方式
知识获取步骤 在非自动的知识获取方式中，知识获 取分两步进行，首先由知识工程师从相应信息源获取知 识；然后再由知识工程师通过某种知识编辑软件将知识 输入到知识库中。 特点 非自动方式是知识库系统建造中用得较普遍的 一种知识获取方式。 不足 采用这种方式建立知识库是一件相当困难且费 时费力的工作，已构成知识工程的瓶颈。
返回
3.3 学习环节
它是学习系统的核心。它的任务就是对环境信息进行 搜索、控制和逻辑思维，如比较、抽象、概括、综合、 推理等，以产生、修改与补充知识。它是智能系统的 知识产生器。
Baidu Nhomakorabea 3.4
工作环节
工作环节是整个学习系统的焦点，因为学习单元试图 改进的正是执行单元的动作。有关工作环节的三个主 要问题是：复杂性，反馈和透明性。 复杂性：当执行的任务很复杂，同时知识库很大时， 综合新规则和诊断错误规则的问题变得非常复杂。 反馈：所有的学习系统都必须通过某种方式评价学习 单元提出来的假设。
返回
1.机器学习发展的三个阶段 机器学习是指机器（计算机或智能机） 模拟人类直接从知识源（专家、资料） 或自身的实践中获取知识
第一阶段:研究集中在修正自身以适应环境自组织系统上;
第二阶段:70年代初期,由于Winston有影响的论文的发表,研究者
接受了如下观点,即学习是一个复杂而又困难的过程,自然也就不 能指望学习系统以完全没有任何知识为起点去学习高水平的概念。 第三阶段:目前正在进行中,目标是为专家系统获取知识.
返回
2.机器学习的主要研究类型
基础研究：发展各种理论，探讨所有可能的学习方法 及算法，比较人类学习与机器学习的异同和联系，寻 找适合机器学习的最好学习方法； 模拟：从模拟人类学习过程出发，建立认识生理学模 型与认识心理学模型，深入研究学习过程的各个环节 和特征； 应用：研制各种机器学习系统，使其能自动获取知识， 自动总结经验，自行完善性能，自动适应环境变化。
3.知识获取的本质
获得事实、规则及模式的集合； 信息源主要是人类专家、书本、数据库和网络 信息源等；然后把它们转换为符合计算机知识 表示的形式。
4.知识获取的基本任务
（1）基本目标 为智能系统建立健全、完善、有效的知识库 （2）基本任务 包括知识抽取、知识建模、知识转换、知识输入、知识检测以及知识 库的重组这几个方面： — 知识抽取。把蕴含于信息源中的知识经过识别、理解、筛选、归 纳等过程抽取出来，并存储于知识库中 — 知识建模。构建知识模型，主要包括三个阶段：知识识别、知识 规范说明和知识精化。 — 知识转换。把知识由一种表示形式变换为另一种表示形式。 — 知识存储。把用适当模式表示的知识经编辑、编译送入知识库。 — 知识检测。为保证知识库的正确性，需要做好对知识的检测。 — 知识库的重组。对知识库中的知识重新进行组织，以提高系统的 运行效率。
5.知识获取方法
知识获取有如下方法: (1)心理学方法:即场记法,这是基于个人结构理 论的多重表格法,用来提供场景、激发记忆和联 想. (2)人工智能方法:机器学习法. (3)软件工程方法:知识分析法. (4)基于领域模型的方法:获取分类型知识. (5)基于案例的方法:获取规划和设计知识.

自动知识获取
自动知识获取
所谓自动知识获取是指系统具有获取知识的能力。它不仅可以直接 与领域专家对话，从专家提供的原始信息中学习到专家系统所需的知 识，而且还能从系统自身的运行实践中总结、归纳出新的知识，发现 知识中可能存在的错误，不断自我完善，建立起性能优良、知识完善 的知识库。 为达到这一目的，它至少应具备以下能力： ①具有识别语言、文字、图像的能力。专家系统中知识主要来源 于领域专家以及有关的科技文献资料、图像等。为了实现知识的自动 获取，就必须使系统能与领域专家直接对话，能阅读有关的科技资料 。这就要求系统应具有识别语言、文字和图像的能力。只有这样，它 才能直接获 得专家系统所需的原始知识，为知识库的建立奠定基础。 ②具有理解、分析、归纳的能力。领域专家提供的知识通常是处 理具体问题的实例，不能直接用于知识库。为了将它变为知识库中的 知识，必须在理解的基础上进行分析、归纳、提炼、综合，从中抽取 出专家系统的所需的知识并放入知识库中。在非自动知识获取中，这 一工作是由知识工程师完成的，而在自动知识获取中，是由系统取代 知识工程师完成的。
知识的获取
知识是信息的一种形式
知识：对信息收集、分析、处理和优化 而形成的“制品”，是结构信息的一种 形式。智能控制的知识和经验源于信息 ，又可能被加工处理为新的信息，如指 令、决策方案和计划等，用于控制系统 或装置的活动。

知识的获取概述
1.获取的知识类型
对于构造专家系统,它需要获取的知识大 致可以归纳为专业知识和元知识两大类. 进一步可以划分为七个方面:事实知识、 规则知识、判定树知识、概念知识、控 制知识、原理性知识和关于知识的可靠 性的知识。
返回
4.学习系统的分类
按所使用的学习方法分类： (1)机械式学习 (2)指导式学习 (3)示例学习 (4)类比学习 (5)解释学习
机械式学习
简单的机械式学习模型
(x1,x2,…,xn) 输入模式
f
存储
(y1,y2,…,yk)
[(x1,x2,…,xn), (y1,y2,…,yk)] 输入输出模式对