fh-kurs wissensmanagement formale grundlagen i – teil 2 (a.o.univ.prof. dr. franz hörmann)
TRANSCRIPT
![Page 1: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/1.jpg)
FH-KursWissensmanagement
Formale Grundlagen I – Teil 2(a.o.Univ.Prof. Dr. Franz Hörmann)
![Page 2: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/2.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 2
Wissensrepräsentation
Symbolisch:– rot(gerhards(auto))
Grafisch:
![Page 3: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/3.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 3
Wissensrepräsentation
Aus der symbolischen Wissensrepräsentation muss, unter Einsatz von Regeln, neues Wissen abgeleitet werden können (Schlussfolgerung, Inferenz).
Anforderungen an Wissensrepräsentationssprachen:– Repräsentationszulänglichkeit
– Schlusszulänglichkeit
– Schlusseffizienz
– Klare Syntax und Semantik
– Natürlichkeit
![Page 4: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/4.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 4
Wissensrepräsentation
Repräsentationssprache Logik:– z.B.: fA X(vogel(X) fliegt(X))
– aber:• ist nicht sehr effizient
• kann nicht gut mit Zeit, Meinungen und Unsicherheiten umgehen (modale und temporale Logik nicht effizient)
Frames und Semantische Netze– Wissen wird als Sammlung von Objekten und ihren Eigenschaften
dargestellt
![Page 5: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/5.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 5
Wissensrepräsentation
Frames und Semantische Netze– Es existieren Klassen und Objekte (Instanzen)
– Eigenschaften können über Vererbung weitergegeben werden
– IF-THEN-Regeln können Ereignisse mit Aktionen verknüpfen• „Produktionsregeln“ (production rules)
– Es werden vererbungsbasierte Schlußfolgerungen möglich
![Page 6: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/6.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 6
Wissensrepräsentation
![Page 7: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/7.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 7
Wissensrepräsentation
Semantische Grundlagen– Was bedeuten die Elemente (Terme)?
• z.B. Analogie zur Mengenlehre: Menge der Elefanten, Elemente der Menge etc.
• Ohne genaue Bedeutungsklärung können semantische Netze nicht sinnvoll verwendet werden!
![Page 8: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/8.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 8
Wissensrepräsentation
Frames– … sind eine Variante der semantischen Netze
– … speichern alle erforderlichen Eigenschaften eines Elements als Dateneinheit
– Die Eigenschaften selbst werden durch sog. Slots repräsentiert
– Diese enthalten Slot-Werte
![Page 9: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/9.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 9
Wissensrepräsentation
Beispiel:– Säugetier:
• Oberklasse: Tier
• hat_Teil: Kopf
– Elefant:• Oberklasse: Säugetier
• Farbe: Grau
• Größe: groß
– Nellie:• Instanz von: Elefant
• mag: Äpfel
![Page 10: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/10.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 10
Wissensrepräsentation
Frame-Systeme– … enthalten überschreibbare Standardwerte in den Slots
– … gestatten u.U. Mehrfachvererbung (aus mehreren Oberklassen zugleich, z.B. könnte Clyde zugleich Elefant und Zootier sein wo ist seine Heimat? Für solche Regelkonflikte müssen Lösungen bereitstehen!)
– Es ist möglich, dass Slots selbst wieder Frames enthalten
– Slots können auch Prozeduren enthalten (procedural attachments), welche immer dann ausgeführt werden, wenn der Wert des Slots abgefragt wird
– Viele Dinge können mit Frames nur schwierig dargestellt werden (Negation, Disjunktion, Quantifizierungen)
![Page 11: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/11.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 11
Wissensrepräsentation
Prädikatenlogik – Syntax:– Atomare Sätze werden mittels Operatoren verknüpft:
• und (Konjunktion)
• oder (Disjunktion)
• nicht (Negation)
• Folgerung (Implikation)
• Äquivalenz
![Page 12: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/12.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 12
Wissensrepräsentation
Prädikatenlogik – Syntax - Beispiel:
• ich_fahre_gern_auto und ich_kann_autofahren (Konjunktion)
• ich_esse_gerne_kuchen oder ich_esse_gerne_früchte (Disjunktion)
• nicht ich_esse_gerne_kohl (Negation)
• wenn ich_esse_gerne_kuchen dann ich_esse_oft_kuchen (Implikation)
• wenn ich_esse_gerne_kuchen dann ich_esse_oft_kuchen und umgekehrt (Äquivalenz)
![Page 13: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/13.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 13
Wissensrepräsentation
Prädikatenlogik – Semantik:• Kann mittels Wahrheitstafeln festgelegt werden:
X Y X oder Y
w w w
w f w
f w w
f f f
![Page 14: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/14.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 14
Wissensrepräsentation
Prädikatenlogik – Beweistheorie:• Modus Ponens (inference rule):
A, A B
--------------
B
Aus „A“ ist wahr und „wenn A dann B“ ist wahr
folgt „B“ ist wahr.
![Page 15: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/15.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 15
Wissensrepräsentation
Prädikatenlogik – Beweistheorie:• Resolution:
A o B, n B o C
-------------------
A o C
Aus „A oder B“ und „non B oder C“
folgt „A oder C“.
![Page 16: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/16.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 16
Wissensrepräsentation
Prädikatenlogik – Syntax:– Konstantensymbole (klein geschrieben, z.B. franz)
– Variablen (groß geschrieben, z.B. X)
– Funktionale Ausdrücke (z.B. vater(franz) )
![Page 17: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/17.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 17
Wissensrepräsentation
Prädikatenlogik – Syntax – Beispiel in Prolog:
vater(karl,franz).
vater(klaus,karl).
grossvater(X,Y) :-
vater(X,Z),
vater(Z,Y).
Erst kommt die Folgerung, danach die Bedingungskette.
Hornklauseln (nur eine Folgerung ist syntaktisch darstellbar).
![Page 18: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/18.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 18
Wissensrepräsentation
Prädikatenlogik – Syntax – Probleme:
– Unsicherheit („Morgen regnet es vielleicht“)
– Standardsituationen („Hier regnet es normalerweise nicht“)
– Meinungen („Ich glaube morgen wird es nicht regnen“)
– Zeit bzw. Veränderungen im Zeitablauf
![Page 19: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/19.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 19
Wissensrepräsentation
Prädikatenlogik – Syntax:
Prinzipiell kann alles, was in Frames repräsentiert wird, in die Prädikatenlogik übersetzt werden (aber NICHT UMGEKEHRT) die Prädikatenlogik hat eine stärkere Repräsentationsadäquanz als Frame-Systeme (representational adequacy).
![Page 20: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/20.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 20
Wissensrepräsentation
Regelbasierte Systeme:
![Page 21: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/21.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 21
Wissensrepräsentation
Regelbasierte Systeme:
![Page 22: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/22.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 22
Wissensrepräsentation
Regelbasierte Systeme: Backward Chaining
Fakten: r, s, t, u, v, w
Regeln: y & w -> x
u & z -> y
r -> z
Goal: x
![Page 23: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/23.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 23
Wissensrepräsentation
Regelbasierte Systeme: Backward Chaining
![Page 24: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/24.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 24
Wissensrepräsentation
Regelbasierte Systeme: Forward Chaining
Fakten: r, s, t, u, v, w
Regeln: y & w -> x
u & z -> y
r -> z
Die Regeln werden einzeln abgearbeitet, d.h. es werden nacheinander die Fakten z, y und x der Faktenbank hinzugefügt (implizites Regelwissen in explizites Faktenwissen transformiert).
![Page 25: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/25.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 25
Wissensrepräsentation
Regelbasierte Systeme:
– Forward Chaining: Data Driven (Aktionen werden ausgeführt)
– Backward Chaining: Goal Driven (Hypothesen werden bewiesen bzw. Anfragen beantwortet)
![Page 26: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/26.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 26
Wissensrepräsentation
Regelbasierte Systeme - Beispiel:
![Page 27: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/27.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 27
Wissensrepräsentation
Regelbasierte Systeme – Beispiel Forward Chaining:
Fakt smoky wird hinzugefügtFakt fire wird hinzugefügtAktion switch_on_sprinklers wird ausgeführt
![Page 28: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/28.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 28
Wissensrepräsentation
Regelbasierte Systeme – Beispiel Backward Chaining:
Hypothese switch_on_sprinklers soll überprüft werdenDazu muss fire bewiesen werdenDazu muss smoky bewiesen werden
q.e.d.
![Page 29: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/29.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 29
Wissensrepräsentation
Regelbasierte Systeme – Beispiel Backward Chaining:
![Page 30: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/30.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 30
Wissensrepräsentation
Regelbasierte Systeme:
– PROLOG verwendet Backward Chaining mit Tiefensuche und verfügt über
– eingebauten Mustervergleich (pattern matching)
– Anwendungsbeispiel für Backward Chaining: MYCIN (Diagnose bakterieller Infektionen für rechtzeitige Therapie)
– Anwendungsbeispiel für Forward Chaining: XCON (Konfiguration von VAX-Computern)
![Page 31: FH-Kurs Wissensmanagement Formale Grundlagen I – Teil 2 (a.o.Univ.Prof. Dr. Franz Hörmann)](https://reader036.vdocuments.pub/reader036/viewer/2022070310/55204d6249795902118b6ddb/html5/thumbnails/31.jpg)
a.o.Univ.Prof. Dr. Franz Hörmann 31
Wissensrepräsentation
Anwendungssoftware zum Wissensmanagement:
– AXON Idea Processor (http://web.singnet.com.sg/~axon2000/)