Kennisacquisitie en - modellering Rogier van Eijk

75
Basis van het kennismodelleren • Domeinkennis • Inferentiekennis • Taakkennis • Zelftest deels gebaseerd op boek en slides ‘The CommonKADS Methodology’ 1 Basis van kennismodelleren

description

Kennisacquisitie en - modellering Rogier van Eijk. college 3 Modelleren van synthesetaken. Vorige keer : modelleren van analysetaken. Vandaag : modelleren van synthesetaken. Leerdoel. begrijpen en kunnen hanteren van de taakmethoden voor synthesetaken. m odelleren / herkennen. - PowerPoint PPT Presentation

Transcript of Kennisacquisitie en - modellering Rogier van Eijk

Page 1: Kennisacquisitie  en - modellering Rogier  van  Eijk

Basis van het kennismodelleren

• Domeinkennis• Inferentiekennis• Taakkennis• Zelftest

deels gebaseerd op boek en slides ‘The CommonKADS Methodology’

1Basis van kennismodelleren

Page 2: Kennisacquisitie  en - modellering Rogier  van  Eijk

MODELLEREN VAN CONTEXT

Vereenvoudigd voorbeeld

Basis van kennismodelleren 2

Page 3: Kennisacquisitie  en - modellering Rogier  van  Eijk

De expert

• Ademtherapeut en –trainer– (health en wellness)

Basis van kennismodelleren 3

Page 4: Kennisacquisitie  en - modellering Rogier  van  Eijk

OM-1: Organisatie

1. zzp-er in netwerk:– huisarts, specialist, fysiotherapeut, psycholoog,

collega’s, cliënten

2. Probleem: – Groot gebrek aan kennis over ademtraining

• bij het grote publiek, cliënten, zelfs medici– Expert komt tijd te kort om zijn kennis over te dragen

3. Oplossing: – kennissysteem dat ademtraining ondersteunt

Basis van kennismodelleren 4

Page 5: Kennisacquisitie  en - modellering Rogier  van  Eijk

OM2: Proces

Basis van kennismodelleren 5

diagnosedoorarts

diagnose door

therapeut

opstellen

programma

instructie en

feedback

Page 6: Kennisacquisitie  en - modellering Rogier  van  Eijk

OM3: Process breakdown

Basis van kennismodelleren 6

No Task Performed by

Where? Knowledge asset

Inten-sive?

Signifi-cance

1 Diagnose door arts

Huisarts Praktijk huisarts

Medisch algemeen

Ja 3

2 Diagnose door therapeut

Adem-therapeut

Lesruimte Ademhaling Ja 3

3 Opstellen programma

Adem-therapeut

Lesruimte Oefen-programma’s

Ja 4

4 Instructie en feedback

Adem-therapeut

Lesruimte of huis client

Training en coaching 

Ja 5

Page 7: Kennisacquisitie  en - modellering Rogier  van  Eijk

OM4: Knowledge assets

Basis van kennismodelleren 7

Knowledge asset

Posessed by

Used in Right form?

Right place?

Right time?

Right quality?

Medisch algemeen

Huisarts Diagnose door arts

Ja Ja Ja Niet altijd

Ademhaling Therapeut Diagnose door therapeut

Niet altijd

Niet altijd

Ja Ja

Oefenpro-gramma’s

Therapeut Opstellen trainingspro-gramma

Niet altijd

Niet altijd

Ja Ja

Training en coaching

Therapeut Instructie en feedback

Ja Ja Ja Ja

Page 8: Kennisacquisitie  en - modellering Rogier  van  Eijk

OM5: Feasibility en acties

• Goede ademhaling is essentieel voor mentale, emotionele en fysieke gezondheid

• Er ontbreekt benodigde kennis en ervaring bij cliënten, therapeuten (in opleiding) en zelfs bij medici

• Er is met name een groeiende vraag naar een kennissysteem dat ademhalingstraining vanuit het oogpunt van de therapeut als gebruiker ondersteunt

Basis van kennismodelleren 8

Page 9: Kennisacquisitie  en - modellering Rogier  van  Eijk

KENNISMODELDeze week

Basis van kennismodelleren 9

Page 10: Kennisacquisitie  en - modellering Rogier  van  Eijk

10Basis van kennismodelleren

Kennismodel

• gespecialiseerde ‘tool’ voor de specificatie van kennisintensieve taken

• abstraheert van communicatie-aspecten

• centraal thema is: hergebruik

Page 11: Kennisacquisitie  en - modellering Rogier  van  Eijk

11Basis van kennismodelleren

Relatie met andere modellen

organisatiemodeltaakmodel

agentmodelkennis-intensieve

taak

communicatie-model

kennis-model

‘design’model

requirements-specificatie

voor interactiefuncties

requirements-specificatie

voor redeneerfuncties

taak geselecteerd in ‘feasibility’-studieen verder gedetailleerd in

taak- en agentmodellen

Page 12: Kennisacquisitie  en - modellering Rogier  van  Eijk

12Basis van kennismodelleren

De term “kennis”

• “informatie over informatie”– voorbeeld: subklassehierarchie van objecttypes

• geen harde grens getrokken tussen informatie en kennis– zienswijze: kennis is “betekenisvolle informatie”

• doel: “kennisintensieve”-systemen– werken met grote hoeveelheden betekenisvolle

informatie

Page 13: Kennisacquisitie  en - modellering Rogier  van  Eijk

13Basis van kennismodelleren

Uitdagingen in het specificeren van kennis

person

ageincome

loan

amountinterest

Jan heeft een lening van €1,750Harrie heeft een lening van € 2,500

Een persoon met een lening zou minstens 18 jaar oud moeten zijnEen persoon met een inkomen van maximaal € 10.000 kan maximaal een lening van € 2.000 krijgenEen persoon met een inkomen tussen € 10.000 en € 20.000 kan een maximum lening krijgen van €3.000.

INFORMATIE

KENNIS

has loan

Page 14: Kennisacquisitie  en - modellering Rogier  van  Eijk

14Basis van kennismodelleren

Structureren van een kennisbank

Rule 1: IF ... THEN ...Rule 2: IF ... THEN ...Rule 3: IF ... THEN ...

Rule 12: IF ... THEN ...

Rule 4: IF ... THEN ...Rule 5: IF ... THEN ...Rule 6: IF ... THEN ...Rule 7: IF ... THEN ...Rule 8: IF ... THEN ...Rule 9: IF ... THEN ...Rule 10: IF ... THEN ...Rule 11: IF ... THEN ...

<plus many others>

één plattekennisbank

meerdere regelverzamelingenbevatten regelsmet een gelijke structuur

rules of type A

rules of type D

rules of type B

rules of type C

Page 15: Kennisacquisitie  en - modellering Rogier  van  Eijk

15Basis van kennismodelleren

Kenniscategorieën

• Taakkennis– doelgericht– functionele decompositie

• Domeinkennis – relevante domeinkennis en informatie– statisch

• Inferentiekennis– basisredeneerstappen over het kennisdomein

die in een taak kunnen worden uitgevoerd

Page 16: Kennisacquisitie  en - modellering Rogier  van  Eijk

16Basis van kennismodelleren

Overzicht kennismodel

Ziekte(type)

Symptoom(type)

Test(type)

hypothesize(inferentie)

verify(inferentie)

DIAGNOSE(taak)

Taakkennistaakdoelentaakdecompositietaakcontrole

Inferentiekennisbasisinferentiesrollen

Domeinkennisdomeintypesdomeinregelsdomeinfeiten

Page 17: Kennisacquisitie  en - modellering Rogier  van  Eijk

17Basis van kennismodelleren

Voorbeeld: autodiagnose

benzinetankleeg

acculeeg

accumeternul

benzinemeternul

poweruit

gedrag motorstart niet gedrag motor

stopt ermee

benzine in motorfalse

zekeringgesprongen

inspectie van zekeringkapot

1

2 3

4 5

6

7 8 9

Page 18: Kennisacquisitie  en - modellering Rogier  van  Eijk

Voorbeeld: ademhaling

Basis van kennismodelleren 18

borst beweegt nauwelijks

buik beweegt nauwelijks

frozen breathing

chest breathing

buik in op inademing

reverse breathing

breath holding pattern

buik uit op uitademing

Page 19: Kennisacquisitie  en - modellering Rogier  van  Eijk

DOMEINKENNIS

Basis van kennismodelleren 19

Page 20: Kennisacquisitie  en - modellering Rogier  van  Eijk

20Basis van kennismodelleren

Domeinkennis

• domeinschema– schematische beschrijving van kennis- en

informatietypes– vergelijkbaar met datamodel– gedefinieerd dmv van domeinconstructen

• kennisbank– verzameling van kennisinstanties– vergelijkbaar met inhoud van database– maar: van statische aard

Page 21: Kennisacquisitie  en - modellering Rogier  van  Eijk

21Basis van kennismodelleren

Constructen voor domeinschema’s

• Concept– vgl. objectklasse (zonder operaties)

• Relatie– vgl. associatie

• Attribuut– primitieve waarden

• Regeltype– introduceert expressies => geen SE equivalent

Page 22: Kennisacquisitie  en - modellering Rogier  van  Eijk

22Basis van kennismodelleren

Concept en attribuut

• “Concept” beschrijft een verzameling objecten/instanties

• Georganiseerd in concepthiërarchieën

• Kunnen een willekeurig aantal attributen hebben

• Een attribuut refereert naar een waarde• Waardes zijn atomair en gedefinieerd via waardetypes

• Attributen mogen niet naar andere concepten refereren– gebruik hiervoor het relatie-construct

Page 23: Kennisacquisitie  en - modellering Rogier  van  Eijk

23Basis van kennismodelleren

Voorbeeld: concepten autodomein

VALUE-TYPE dial-value; VALUE-LIST: {zero, low, normal}; TYPE: ORDINAL;END VALUE-TYPE dial-value;

CONCEPT gas dial; ATTRIBUTES: value: dial-value;END CONCEPT gas-dial; CONCEPT fuel-tank;

ATTRIBUTES status: {full, almost-empty, empty};END CONCEPT fuel-tank;

gas dial

value: dial-value

fuel tank

status: {full, almost-empty, empty}

Page 24: Kennisacquisitie  en - modellering Rogier  van  Eijk

24Basis van kennismodelleren

Voorbeeld: concept ademhaling

VALUE-TYPE buikbeweging; VALUE-LIST: {in, uit, geen}; TYPE: NOMINAL;END VALUE-TYPE buikbeweging;

CONCEPT buik; ATTRIBUTES: inademing: buikbeweging;

END CONCEPT buik;

buik

inademing: buikbeweging

uitademing: buikbeweging;

uitademing: buikbeweging

Page 25: Kennisacquisitie  en - modellering Rogier  van  Eijk

25Basis van kennismodelleren

Example: subtypes autodomeincar state

status: universalobservable: boolean

invisiblecar state

observable: {false}

visiblecar state

observable: {true}

car observable

value: universal

fuel tank

status: {full, almost-empty, empty}

battery

status: {normal, low}

fuse

status: {normal, blown}

gas in engine

status: boolean

power

status: {on, off}

engine behavior

status: {normal, does-not-start, stops}

fuse inspection

value: {normal, broken}

gas dial

value: dial value

battery dial

value: dial-value

Page 26: Kennisacquisitie  en - modellering Rogier  van  Eijk

26Basis van kennismodelleren

Voorbeeld: subtypes ademhaling

breaths per minute: natural

breath holdingpattern

frozen breathing

CONCEPT frozen breathing; DESCRIPTION: “oppervlakkig ademen"; SUB-TYPE-OF: breath holding pattern;

;END CONCEPT house;

CONCEPT Hyperventilation; DESCRIPTION: “te veel ademen"; SUB-TYPE-OF breath holding pattern; ATTRIBUTES:

breaths per minute: NATURAL;END CONCEPT hyperventilation;

hyperventilation

Page 27: Kennisacquisitie  en - modellering Rogier  van  Eijk

27Basis van kennismodelleren

Relatie

• typisch tussen concepten– elke ariteit (plaatsigheid)– specificatie van kardinaliteit

• speciale constructie voor binaire relaties

• relaties kunnen attributen hebben

• reificatie van een relatie is toegestaan– relatie fungeert als een concept– vgl. associatieklasse in UML– een vorm van hogere orde relaties

Page 28: Kennisacquisitie  en - modellering Rogier  van  Eijk

28Basis van kennismodelleren

Voorbeeld: relatie autodomein

car person

car person

ownership

ownershippurchase date: date;

a)

b) car personowned-by

c)

0+ 0-1

Page 29: Kennisacquisitie  en - modellering Rogier  van  Eijk

29Basis van kennismodelleren

N-plaatsige relatie

agent

nameposition

observation

valuedatetime

observable

type

location

departmenthospital

patient

namediagnosis

Page 30: Kennisacquisitie  en - modellering Rogier  van  Eijk

30Basis van kennismodelleren

Modelleren van regels

• regels zijn een veelvoorkomende vorm van symbolische kennis

• kennisanalyse is er op gericht regels te vinden met een gemeenschappelijke structuur

• een regel is een instantie van een regeltype

Page 31: Kennisacquisitie  en - modellering Rogier  van  Eijk

Voorbeeld ademhaling

– frozen breathing -> borst beweegt nauwelijks– frozen breathing -> buik beweegt nauwelijks

– chest breathing -> buik beweegt nauwelijks– chest breathing -> schouders omhoog op inademing

– reverse breathing -> buik in op inademing– reverse breathing -> buik uit op uitademing

• patroon: breath holding pattern -> lichaamsobservatie

Page 32: Kennisacquisitie  en - modellering Rogier  van  Eijk

Voorbeeld ademhaling II

– frozen breathing -> zachte beweging– frozen breathing -> psychotherapie

– chest breathing -> losmaken schouders– chest breathing -> leren gebruiken van middenrifspier

– reverse breathing -> observeren van de ademhaling– reverse breathing -> samengaan ademen en beweging

• patroon: breath holding pattern -> oefenprogramma

Page 33: Kennisacquisitie  en - modellering Rogier  van  Eijk

33Basis van kennismodelleren

Regeltype

• modelleert een relatie tussen expressies over ‘feature’-waardes (attribuutwaarden)

gas-dial.value = zero -> fuel-tank.status = empty

• modelleert een verzameling van echte-wereld “regels” met een overeenkomende structuur

• afhankelijkheid is meestal niet strict logisch (= implicatie)– specificeer een ‘connection symbol’

Page 34: Kennisacquisitie  en - modellering Rogier  van  Eijk

34Basis van kennismodelleren

Voorbeeld regeltype

loanconstraint

restricts

person.income <= 10,000 RESTRICTS loan.amount <= 2,000

person.income > 10,000 AND person.income <= 20,000 RESTRICTS loan.amount <= 3,000

person

name: stringincome: integer

loan

amount: integerinterest-rate: number

1+

Page 35: Kennisacquisitie  en - modellering Rogier  van  Eijk

35Basis van kennismodelleren

Structuur van regeltypen

• <antecedent> <connection-symbol> <consequent>

• Voorbeeld regel:

fuel-supply.status = blocked CAUSES

gas-in-engine.status = false;

• flexibel gebruik

Page 36: Kennisacquisitie  en - modellering Rogier  van  Eijk

36Basis van kennismodelleren

Regeltypes voor autodiagnose

invisiblecar state car state

car observable

invisiblecar state

manifestationrule

statedependency

causes

hasmanifestation

1 1

11

Page 37: Kennisacquisitie  en - modellering Rogier  van  Eijk

37Basis van kennismodelleren

Kennisbank• partitie, bevat instanties van kennistypes

– regeltype instanties = “regels”

• structuur:– USES: <types used> from <schema>– EXPRESSIONS: <instances>

• representatie van instanties:– intuitieve natuurlijke taal

• connection symbol– formele taal (zie ook: appendix van boek)

Page 38: Kennisacquisitie  en - modellering Rogier  van  Eijk

38Basis van kennismodelleren

Voorbeeld kennisbankKNOWLEDGE-BASE car-network;

USES: state-dependency FROM car-diagnosis-schema, manifestation-rule FROM car-diagnosis-

schema; EXPRESSIONS: /* state dependencies */

fuse.status = blown CAUSES power.status = off; battery.status = low CAUSES power.status =

off; …./* manifestation rules */ fuse.status = blown HAS-MANIFESTATION

fuse-inspection.value = broken; battery.status = low HAS-MANIFESTATION

battery-dial.value = zero; …..END KNOWLEDGE-BASE car-network;

Page 39: Kennisacquisitie  en - modellering Rogier  van  Eijk

INFERENTIEKENNIS

Basis van kennismodelleren 39

Page 40: Kennisacquisitie  en - modellering Rogier  van  Eijk

40Basis van kennismodelleren

Inferentiekennis

• beschrijft het laagste niveau van functionele decompositie

• basis informatieverwerkende eenheden: – inferentie => redeneren– transferfunctie => communicatie met andere agenten

• waarom speciale status? – indirect gerelateerd aan domeinkennis– maakt hergebruik van inferenties mogelijk

Page 41: Kennisacquisitie  en - modellering Rogier  van  Eijk

41Basis van kennismodelleren

Voorbeeldinferentie: cover

complaint hypothesiscover

causalmodel

my car does not start fuel tank is empty

fuel tank is empty leads to lack of gas in engineif there is no gas in the engine, then the car does not start

dynamic input role dynamic output role

static role

inference

Page 42: Kennisacquisitie  en - modellering Rogier  van  Eijk

42Basis van kennismodelleren

Inferentie

• volledig beschreven via een declaratieve specificatie van de eigenschappen van de input/output

• interne proces van de inferentie is een black box– verdere details niet relevant voor kennismodel

• Input/output beschreven via “role names”– functionele namen die geen deel uitmaken van het

kennisdomein/domeinschema

• richtlijn om te stoppen met decompositie: uitleg

Page 43: Kennisacquisitie  en - modellering Rogier  van  Eijk

43Basis van kennismodelleren

Kennisrol

• Functionele naam voor data/kenniselementen

• Naam beschrijft de “rol” van het element in het redeneerproces

• Expliciete ‘mapping’ op domeintypes

• Dynamische rol: variërende input/output

• Statisch rol: invariante input – vgl. een kennisbank

Page 44: Kennisacquisitie  en - modellering Rogier  van  Eijk

44Basis van kennismodelleren

Inferentie: voorbeeld

INFERENCE cover; ROLES:

INPUT: complaint; OUTPUT: hypothesis; STATIC: causal-model;

SPECIFICATION: "Each time this inference is invoked, it generates a candidate solution that could have caused the complaint.";

END INFERENCE cover;

Page 45: Kennisacquisitie  en - modellering Rogier  van  Eijk

45Basis van kennismodelleren

Dynamische kennisrollen: vb

KNOWLEDGE-ROLE complaint; TYPE: DYNAMIC; DOMAIN-MAPPING: visible-state;

END KNOWLEDGE-ROLE complaint;

KNOWLEDGE-ROLE hypothesis; TYPE: DYNAMIC; DOMAIN-MAPPING: invisible-state;

END KNOWLEDGE-ROLE hypothesis;

Page 46: Kennisacquisitie  en - modellering Rogier  van  Eijk

46Basis van kennismodelleren

Voorbeeld statische kennisrol

KNOWLEDGE-ROLE causal-model; TYPE: STATIC; DOMAIN-MAPPING: state-dependency FROM car-network;

END KNOWLEDGE-ROLE causal-model;

Page 47: Kennisacquisitie  en - modellering Rogier  van  Eijk

47Basis van kennismodelleren

Transferfuncties

• brengt een stukje informatie over tussen de redenerende agent en een andere agent

• vanuit het perspectief van kennismodelleren: black box– alleen naam en input/output

• gedetailleerde specificatie van transferfuncties is onderdeel van het communicatiemodel

• standaardnamen

Page 48: Kennisacquisitie  en - modellering Rogier  van  Eijk

48Basis van kennismodelleren

Types transferfuncties

obtain receive

present provide

systeminitiative

externalinitiative

externalinformation

internalinformation

Page 49: Kennisacquisitie  en - modellering Rogier  van  Eijk

49Basis van kennismodelleren

Inferentiestructuur

• gecombineerde verzameling van inferenties specificeert het basisinferentievermogen van het kennissysteem

• grafische representatie: inferentiestructuur

• legt ‘constraints’ op voor de controle-‘flow’

Page 50: Kennisacquisitie  en - modellering Rogier  van  Eijk

50Basis van kennismodelleren

Voorbeeld: inferenties auto

complaint

cover

predict compare

obtain

expectedfinding

actualfinding

result

causal model

manifestation model

hypothesis

Page 51: Kennisacquisitie  en - modellering Rogier  van  Eijk

51Basis van kennismodelleren

Gebruik van inferentiestructuur

• Belangrijk communicatiemiddel tijdens het ontwikkelproces

• Dikwijls provisorisch

• Kan moeilijk te begrijpen zijn vanwege “vage” (niet domein-specifieke termen)

• Vaak nuttig om te annoteren met domein-specifieke voorbeelden

Page 52: Kennisacquisitie  en - modellering Rogier  van  Eijk

52Basis van kennismodelleren

Geannoteerde inferentiestructuur

complaint

cover

predict compare

obtain

expectedfinding

actualfinding

result

causal model

manifestation model

hypothesis

engine doesnot start

state dependencyrules

empty fuel tank gas dial = zero/low

gas dial = normal

not equalmanifestation

rules

Page 53: Kennisacquisitie  en - modellering Rogier  van  Eijk

53Basis van kennismodelleren

Hergebruik van inferenties

• Standaardverzameling van inferenties?!– lastig onderwerp

• See catalogus in hfdst. 13

• Gebruik zoveel mogelijk de standaardnamen

Page 54: Kennisacquisitie  en - modellering Rogier  van  Eijk

TAAKKENNIS

Basis van kennismodelleren 54

Page 55: Kennisacquisitie  en - modellering Rogier  van  Eijk

55Basis van kennismodelleren

Taakkennis

• beschrijft doelen– diagnosticeer een patiënt zodat deze behandeld kan

worden– beoordeel een hypotheekaanvraag zodat het risico om

geld te verliezen zo laag mogelijk is– ontwerp een lift voor een nieuw gebouw

• beschrijft strategieën die gebruikt kunnen worden om doelen te realizeren

• typisch beschreven op hiërachische wijze

Page 56: Kennisacquisitie  en - modellering Rogier  van  Eijk

56Basis van kennismodelleren

Taakdecompositie voor autodiagnose

diagnosis

diagnosis through

generate-and-test

obtaincover

predict

task

task method

compare

decomposition

inferences

transfer function

Page 57: Kennisacquisitie  en - modellering Rogier  van  Eijk

57Basis van kennismodelleren

Taak

• Beschrijving van de input/output

• Belangrijkste verschil met traditionele functies:

– gemanipuleerde data worden (ook) in een domein-onafhankelijke manier beschreven

– voorbeeld: de output van een medische diagnose zou niet “ziekte” zijn maar een abstracte naam als “foutcategorie”

Page 58: Kennisacquisitie  en - modellering Rogier  van  Eijk

58Basis van kennismodelleren

VoorbeeldtaakTASK diagnosis; GOAL: "Find a likely cause for the complaint of the user";

ROLES:INPUT: complaint: "Complaint about the behavior of the

system"; OUTPUT: fault-category: "A hypothesis explained by the

evidence"; evidence: "Set of observations obtained during the

diagnostic process"; SPEC: "Find an initial state that explains the complaint

and is consistent with the evidence obtained";END TASK diagnosis;

Page 59: Kennisacquisitie  en - modellering Rogier  van  Eijk

59Basis van kennismodelleren

Taakmethode

• beschrijft de realisatie van een taak als een decompositie in subfuncties– subfuncties: een andere taak, inferentie, transferfunctie

• hoofdbestanddeel van een methode: “controlestructuur”– volgorde van subfuncties– klein programma– beschrijft de redeneerstrategie

• additionele taakrollen– om tussentijdse redeneerresultaten in op te slaan

Page 60: Kennisacquisitie  en - modellering Rogier  van  Eijk

60Basis van kennismodelleren

Voorbeeld taakmethode

TASK-METHOD diagnosis-through-generate-and-test; DECOMPOSITION:

INFERENCES: cover, predict, compare;TRANSFER-FUNCTIONS: obtain;

ROLES:INTERMEDIATE:

expected-finding: "The finding predicted, in case the hypothesis is true";

actual-finding: "The finding actually observed";

Page 61: Kennisacquisitie  en - modellering Rogier  van  Eijk

61Basis van kennismodelleren

Voorbeeld methodecontrole CONTROL-STRUCTURE:

REPEAT cover(complaint -> hypothesis);

predict(hypothesis -> expected-finding); obtain(expected-finding -> actual-finding); evidence := evidence ADD actual-finding; compare(expected-finding + actual-finding -> result);

UNTIL result = equal or “no more solutions”;

END REPEAT IF result == equal

THEN fault-category := hypothesis; ELSE "no solution found"; END IF

Page 62: Kennisacquisitie  en - modellering Rogier  van  Eijk

62Basis van kennismodelleren

UML activiteitendiagram voor methodecontrole

cover

predict

obtain compare

[no more solutionsof cover]

[new solutionof cover]

[result = equal]

[result = not equal]

solution found

no solution found

startdiagnosisthrough

generate-and-test

Page 63: Kennisacquisitie  en - modellering Rogier  van  Eijk

63Basis van kennismodelleren

Elementen van controlestructuur I

• “procedure”-aanroepen: – taken, transferfuncties, inferenties

• ‘role operations’– assign, add/append, delete/subtract, retrieve, …

• controleprimitieven– repeat-until, while-do, foreach-do, if-then-else

Page 64: Kennisacquisitie  en - modellering Rogier  van  Eijk

64Basis van kennismodelleren

Elementen van controlestructuur II

• condities:– logische expressies over rollen:– voorbeeld:

• until differential = empty

• twee speciale condities:– has-solution

• invocatie van inferentie die mogelijk faalt

– new solution• invocatie van inferentie die meerdere keren een

oplossing kan geven, bijv ‘cover’ in autodiagnose

Page 65: Kennisacquisitie  en - modellering Rogier  van  Eijk

65Basis van kennismodelleren

Inferentie of taak?

• Criterium:

– “Als voor het uitleggen van het gedrag van het gehele systeem, het interne gedrag van een bepaalde functie belangrijk is, dan dient men deze functie als een taak te modelleren”

• Tijdens ontwikkelproces: provisorische inferentiestructuren

• Functie = taak of inferentie (of transferfunctie)

Page 66: Kennisacquisitie  en - modellering Rogier  van  Eijk

66Basis van kennismodelleren

Kennismodel tov SE analysemodel

• “Data model” bevat “data over data” – = knowledge

• Functies worden onafhankelijk van datamodel beschreven– maakt hergebruik van redeneerfuncties mogelijk

• Nadruk op “interne controle” – strategie van het redeneerproces

• Kennismodel abstraheert van communicatie-aspecten

Page 67: Kennisacquisitie  en - modellering Rogier  van  Eijk

67Basis van kennismodelleren

Het debat tav data en functie

DATAviewpoint

FUNCTIONviewpoint

Object-georieënteerde analyse(OMT, Booch, ....)

‘Structured Analysis’(Yourdon)

CommonKADS:scheiden functie en data

functionele decompositie is startpuntdatatypes worden afgeleid

statische informatiestructuur is startpuntfuncties gegroepeerd met datahergebruik van data/functiegroepen ("objecten")

gelijktijdige functie/data beschrijvingherbruikbare functionele decompositiesherbruikbare data/kennistypes

Page 68: Kennisacquisitie  en - modellering Rogier  van  Eijk

Samenvatting:Koppeling taak en domein• iedere inferentie uit de taakmethode• heeft kennisrollen • die worden via domain mappings• aan concepten en regeltypes gekoppeld• waarvan de daartoe behorende instanties (feiten en

regels) in de kennisbank staan.

• als hulpmiddel daarbij gebruiken we een inferentiestructuur met annotaties

Page 69: Kennisacquisitie  en - modellering Rogier  van  Eijk

ZELFTEST

Page 70: Kennisacquisitie  en - modellering Rogier  van  Eijk

Vraag 1

• Welke kennisrollen heeft een transferfunctie?

A) StatischeB) DynamischeC) Statische en dynamischeD) Noch statische noch dynamische

Basis van kennismodelleren 70

Page 71: Kennisacquisitie  en - modellering Rogier  van  Eijk

Vraag 2

• Worden in een kennisbank ‘domain mappings’ beschreven?

A) JaB) Nee

Basis van kennismodelleren 71

Page 72: Kennisacquisitie  en - modellering Rogier  van  Eijk

Vraag 3

• Zijn connectionsymbols onderdeel van een domeinschema?

A) JaB) Nee

Basis van kennismodelleren 72

Page 73: Kennisacquisitie  en - modellering Rogier  van  Eijk

Vraag 4

• Welke modellering is correct?

A)

B)

Basis van kennismodelleren 73

VALUE-TYPE buikbeweging; VALUE-LIST: {in, uit, geen}; TYPE: NOMINAL;END VALUE-TYPE buikbeweging;

VALUE-TYPE buikbeweging; VALUE-LIST: {in, uit, geen}; TYPE: ORDINAL;END VALUE-TYPE buikbeweging;

Page 74: Kennisacquisitie  en - modellering Rogier  van  Eijk

Werkcolleges

1. bestuderen gehele practicumopdracht, werken aan opdracht 1 en opstarten opdracht 2

2. afronden opdracht 1, werken aan opdracht 2

3. afronden opdracht 2, opstarten opdracht 3

4. werken aan opdracht 3, verwerken feedback opdracht 2 (aanwezigheid verplicht)

5. afronden opdracht 3, opstarten opdracht 46. werken aan opdracht 4, verwerken feedback opdracht 3 (aanwezigheid

verplicht)7. afronden opdracht 4, opstarten opdracht 5 en 6 8. werken aan opdracht 5 en 6, verwerken feedback opdracht 4

(aanwezigheid verplicht)

Basis van kennismodelleren 74

Page 75: Kennisacquisitie  en - modellering Rogier  van  Eijk

Deadlines

• Wo 11 feb 2015: opdracht 1 (23.59 uur)

• Wo 18 feb 2015: opdracht 2 (23:59 uur)

• Wo 4 mrt 2015: opdracht 3 (23:59 uur)

• Wo 25 mrt 2015: opdracht 4 (23:59 uur)

• Ma 6 apr / wo 8 apr 2015: presentatie

• Wo 15 apr 2015: eindrapport (18:00 uur)

Basis van kennismodelleren 75