Doctus Documentation

Átírás

1 Bevezetés Doctus Documentation 1 Előszó Néhány szó a dokumentumról Ábrák és táblázatok Ábrajegyzék Táblázatok jegyzéke...7 Doctus Útmutató 1 A Doctus KBS Eredeti döntés (ha nincs tapasztalat a területen) Előnyök A tulajdonságok összegyűjtése A tulajdonságok hierarchiája: a szabályalapú gráf Az esetek összegyűjtése Tudásimport adatbányászat A szabályok A következtetés Döntéselemzés és csiszolás Tudásexport intelligens portál Rutindöntés (ha van néhány tucat eset a területen) Előnyök A tulajdonságok összegyűjtése Az esetek összegyűjtése Tudásimport adatbányászat Döntési fa: az esetalapú gráf Az esetek osztályozása A következtetés Döntéselemzés és csiszolás Tudásexport intelligens portál Tanulás az esetekből (a modell redukálása) Előnyök Egyszintű hierarchia Hiányzó és eldöntetlen szabályok A következtetés Hallgatólagos tudás és csiszolás Tudásexport intelligens portál...31

2 1 Egy tudásbázisú rendszer A Doctus öt táblája Tulajdonságok (Attributes) Esetek Szabályalapú gráf Szabályok Esetalapú gráf Táblák használata Lépkedés a mezőkön A jobbegérgomb menü Szöveg bevitele Kijelölés Beszúrás és törlés Mezők mozgatása Mezők méretezése Tudásexport és tudásimport Tudásexport Tudásimport Kezelői felület Főmenü Keyboard Shortcuts Eszköztár Működtetés és karbantartás Telepítés Demo és Collector üzemmódok Doctus Fájltípusok Advanced Mode A Doctus indítása Command Line Arguments A program eltávolítása Appendix Mintapéldák Export sablonok Kötegelt feldolgozás batch utasítások Az informativitás meghatározása Glossary...95

3 Bevezetés Bevezetés 1 Előszó Baracskai Zoltán A hetvenes években a mesterséges intelligencia alkalmazásának hatalmas távlatai voltak, de a nyolcvanas évekre ezek nagyon leapadtak. Akkoriban a szakértőrendszerek kamaszkoráról írtam könyvet. Most újraolvasva a szöveget látom, hogy mennyit tudhat valaki, aki csak könyveket olvasott, anélkül, hogy a valóságban kipróbálta volna a dolgokat. Mennyivel jobb lett volna, ha van tapasztalatom az üzleti alkamazásokban. Csak informatikusok alkotásait használhattuk, nekik pedig végképp nem volt semmilyen üzleti tapasztalatuk. Az utóbbi 16 évben kifejlesztettem egy saját rendszert és mára van kb. száz működő alkalmazásom. Ma már képes vagyok bemutatni a szakértőrendszerek alkalmazásának lehetőségét az üzletelésben. És semmi okom rá, hogy megfosszam az új generációt attól, ami nekem nem állt rendelkezésemre. A szakértői keretrendszerek sokéves használata során kialakult néhány elv, amikre érdemes odafigyelni: Ha találunk egy új megoldást, nézzük meg, hogy van-e hozzá demo vagy próbaváltozat, az üzleti életre vonatkozó példákkal valamint érthető útmutatóval és/vagy súgóval, ami alapján néhány perc alatt meg tudjuk állapítani, hogy alkalmas-e a számunkra. A bemeneten a keretrendszer lehetővé kell, hogy tegye a tudásbázis integrálását adatbázisokkal/adattárházakkal, míg a kimeneti oldalon képes kell, hogy legyen exportálni a tudásbázist a bemutatást kényelmessé tevő formátumokban, pl. html fájlokként. A következtetési műveletek átláthatóak kell, hogy legyenek, és egyetlen gombnyomással elvégezhetők. Alapvető, hogy érthető legyen, mi történik. A szoftveren kívül szükség van tudásrendezőre (Knowledge Engineer), akiben bízhatunk. Az ő dolga nem csupán annyi, hogy megmutassa, hogy mikor melyik gombot kell megnyomni, hanem azt is, hogy hogy lehet menedzselni az összegyűjtött tudást. A tanácsadási referenciák segítenek a bizalom kiépítésében. Különös figyelmet fordítottam arra, hogy a fejlesztőcsapatom tagjai kövessék ezeket az elveket a Doctus 3.0 keretrendszer kifejlesztése során. 2 Néhány szó a dokumentumról Ez a dokumentum három változatban készül: súgófájlként a Doctus KBS része, online dokumentációként elérhető a Doctus weboldalakról ( és nyomtatható kézikönyv formájában. Mivel ezeket egyetlen forrásfájlból generáltuk, tartalmilag azonosak, kivéve a speciális rendeltetésű elemeket, mint pl. a kulcsszavak (csak a I-3

4 Bevezetés súgófájlban) vagy a navigátor (az online változatban és a súgóban). A dokumentum két fő részből áll: az útmutató (Doctus Guide) és a kézikönyv (Doctus References). Az első rész arról szól, hogy mire használjuk a Doctust, és a fókuszban a használat előnyei vannak. A második rész arról szól, hogyan használjuk a Doctust, ennek fókuszában a szoftver van. Hogy egyszerűbbé tegyük a dokumentum használatát, egyes szövegrészeknek megkülönböztető jelölést adtunk. I-4

5 Bevezetés Tipp: Alkalmas helyeken tippeket adunk, Doctusos tanácsadói tapasztalatunk alapján. Ezek az tippek bárkinek hasznosak lehetnek, aki tudásbázist épít. Matek: A Doctus lehetőségeinek logikai és/vagy matematikai magyarázatait azoknak ajánljuk, akik mélyebben szeretnék megérteni, hogy milyen okoskodást követtünk. Technikai: A Doctusban használt technikai megoldásokat csak a magas szintű programozói ismeretekkel rendelkező felhasználóknak javasoljuk. Haladóknak: A Doctus lehetőségeinek olyan finomságait jelöltük így, amelyek összezavarhatják a kezdőket, de nagyon hasznosak lehetnek a tapasztalt felhasználók számára. Példa: A jobb érthetőség kedvéért példákat mutatunk a használatra. Ezekhez a példákhoz demo-méretű tudásbázisokat használtunk, amelyek letölthetők a Appendix Mintapéldák (R-7.1) fejezetben. Appendix Mintapéldák (R-7.1). 3 Ábrák és táblázatok 3.1 Ábrajegyzék G-1. Ábra G-2. Ábra G-3. Ábra G-4. Ábra G-5. Ábra G-6. Ábra G-7. Ábra G-8. Ábra G-9. Ábra G-10. Ábra G-11. Ábra G-12. Ábra G-13. Ábra G-14. Ábra G-15. Ábra G-16. Ábra G-17. Ábra G-18. Ábra G-19. Ábra G-20. Ábra G-21. Ábra G-22. Ábra G-23. Ábra G-24. Ábra G-25. Ábra G-26. Ábra Tudásbázisépítés Tulajdonságok és értékek összegyűjtése. A szabályalapú gráf. Az esetek összegyűjtése. Tudásimport. Külső adatok klaszterezése. Szabályok 1D-ben. Szabályok 2D-ben. Tanácsok a szabálybevitelhez. Konzisztenciavizsgálat. A szabályalapú következtetés eredménye. Az eredmény magyarázata. Tudásexport. Értékelés az intelligens portálban. Tulajdonságok és értékek összegyűjtése. Az esetek összegyűjtése. Tudásimport. Külső adatok klaszterezése. Az esetalapú gráf. Tulajdonságok informativitása és sűrűsége. Tudásexport. Exportált esetalapú tudásbázis esetek gyűjtéséhez és gyors értékeléshez. Az esetalapú szabálygráf. Eldöntetlen szabályok a redukcióban. Tudásexport. Az exportált redukált modell. I-5

6 Bevezetés R-1. Ábra R-2. Ábra R-3. Ábra R-4. Ábra R-5. Ábra R-6. Ábra R-7. Ábra R-8. Ábra R-9. Ábra R-10. Ábra R-11. Ábra R-12. Ábra R-13. Ábra R-14. Ábra R-15. Ábra R-16. Ábra R-17. Ábra R-18. Ábra R-19. Ábra R-20. Ábra R-21. Ábra R-22. Ábra R-23. Ábra R-24. Ábra R-25. Ábra R-26. Ábra R-27. Ábra R-28. Ábra R-29. Ábra R-30. Ábra R-31. Ábra R-32. Ábra R-33. Ábra R-34. Ábra R-35. Ábra R-36. Ábra R-37. Ábra R-38. Ábra R-39. Ábra R-40. Ábra R-41. Ábra R-42. Ábra R-43. Ábra R-44. Ábra R-45. Ábra R-46. Ábra R-47. Ábra R-48. Ábra A jelöltek az elvégzett munkáik száma alapján a következő négy kategóriába sorolhatók: egy sem, néhány, átlagos és sok. Az «Attributes» tábla testreszabása Tulajdonságjellemzők Értéksorrend Tulajdonságjellemzők Elágaztatási mód Tulajdonságjellemzők Automatikus értékek Tulajdonságjellemzők Klaszter beállítások Tulajdonságjellemzők Külső adatforrás Az 1 nevű jelöltnek néhány elvégzett munkája van. Ez függőleges nézet. A «Cases» tábla testreszabása Ez az esetjellemző néhány és átlagos 1/3 2/3 arányban. Jelöltek keresése, akik Tender -e legalább fair. A Tender a Reference -től és a Finance -tól, míg a Finance a Warranty -tól és a Price -tól függ. A «Rule-Based Graph» tábla testreszabása A «Rules» tábla testreszabása Egy öt szabályból álló szabálylista lista nézete. A fenti szabálylista illusztrációja. Ugyan az a szabálylista, mint fent, csak 2D nézetben. A fenti szabálylista illusztrációja. Ugyan az, nem? A R-17. Ábra bordó szabályának tartománya van kijelölve. A «Divide Range» hatása az R-21. Ábra összes faktorán és összes szabályán. Az «Assemble Rules» hatása az R-20. Ábra-n. Az «Extend Rule Ranges» hatása az R-21. Ábra-n. Az R-16. Ábra szabálylistája feldarabolás után. A végeredmény a R-22. Ábra-n látható. Szabályok keresése a Finance mean tartományán, suggested Tender -rel. Három mező lesz kijelölve a R-17. Ábra-n. Egy tudásbázis alkalmazottak képességeiről szóló tulajdonságai. Nincsenek szabályai a «Rules» táblán, de jól jellemzett esetei vannak. A R-25. Ábra eseteiből keletkezett esetalapú gráf. A «Case-Based Graph» tábla testreszabása Az elágaztatáshoz választható tulajdonságok. A csomópont esetei. A minősítő esetjellemzők eloszlása. Esetalapú gráf létrehozása Elágaztatási mód Esetalapú gráf létrehozása Minősítés Esetalapú gráf létrehozása Küszöbök Esetalapú gráf létrehozása Tanulóesetek A R-26. Ábra-ból leszűrt esetalapú szabálygráf. HTML oldal exportálása Gráfok képeinek exportálása A Doctus táblázatainak exportálása Exportálás export sablonok használatával Importálás Excel munkafüzetből Importálás Microsoft Query adatbázsilekérdezésből Importálás ODBC adatbázislekérdezésből Importálás postafiókból Internetcímmé formázott (URL Encoded) esetek importálása A done_works adatoszlop és a Done works tulajdonság összekapcsolása. Betűtípus-beállítások A megjelenítési stílusok beállítása Entering authorization key I-6

7 Bevezetés R-49. Ábra Üzemmód kiválasztása 3.2 Táblázatok jegyzéke R-1. Táblázat R-2. Táblázat R-3. Táblázat R-4. Táblázat R-5. Táblázat R-6. Táblázat R-7. Táblázat R-8. Táblázat Billentyűparancsok A Doctus eszköztára Export sablonok paramétertípusai Export sablonok futtatható alkalmazások Export sablonok jelentések Export sablonok WEB kliensek Export sablonok WEB szerver alkalmazások Batch parancsok I-7

8 Doctus Útmutató Doctus Útmutató 1 A Doctus KBS A Doctus egy keretrendszer (Shell) tudásbázisú szakértőrendszer (Knowledge-Based Expert System) építéséhez. A tudásbázisú rendszerek tudásbázisokkal támogatják a munkánkat, és azért szakértői, mert szakértői szintű tudásra vonatkozik, azaz a legmagasabb szintű tudásra, ami még szavakba önthető, és azt is jelzi, hogy ez egy szűk területre vonatkozó tudás. Egy tudásbázisú szakértőrendszer két fő részből áll, a tudásbázisból és a keretrendszerből. Az, hogy a Doctus egy keretrendszer azt jelenti, hogy egy üres szoftver, amit arra terveztünk, hogy a szakértők tudása alapján tudásbázisokat készítsünk. Ennek során a szakértők tudását rendszerezzük, és gyakran új tudás fölfedezésével jár. A tudásbázis építése három folyamatot foglal magában, ezek: a tudásgyűjtés (Knowledge Acquisition), a tudásrendezés (Knowledge Engineering), ami a rendszerezésből és a finomhangolásból áll, valamint az alkalmazás. Mindezeket a folyamatokat a tudásrendező (Knowledge Engineer) támogatja. (G-1. Ábra) G-1. Ábra: Tudásbázisépítés A tudás megjelenítésére a Doctus szimbolikus logikát használ. Ez egy olyan formalizmust jelent, melyben a tudást logikai állítások írják le, amelyek szimbólumokból állnak, amiket ha. akkor szabályok kapcsolnak össze. A szimbólumok fogalmak, azaz a szakértő saját szavai. Emiatt a Doctus a szimbolikus mesterséges intelligencia körébe tartozik. A tudásbázisú rendszereket arra használjuk, hogy döntési alternatívákat értékeljünk, ezért a Doctus egyúttal a döntéstámogató rendszerekhez (Decision Support Systems) is tartozik. A döntési alternatívákat a Doctusban eseteknek nevezzük. Az esetek értékelése a következtetés. A Doctus háromféle következtetésre alkalmas: Ha a szakértő ki tudja mondani a fontos döntési szempontokat és a közöttük lévő szabályokat, a rendszer alkalmazza ezeket a szabályokat, hogy előállítsa az értékelést. Ezt dedukciónak, vagy szabályalapú következtetésnek (Rule-Based Reasoning RBR) nevezzük. Ezt akkor szoktuk használni, ha nincs tapasztalat a területen, és emiatt eredeti döntésre (G-2) (Original Decision) van szükség. Ha a szakértő ki tudja mondani a szempontokat, de nem tudja megmondani, hogy melyek fontosak közülük és nem tudja megfogalmazni a közöttük lévő szabályokat, de eléggé G-8

9 Doctus Útmutató tapasztalt (néhány tucat esetet ki tud mondani az értékeléssel együtt), akkor ebből a tapasztalatból kiindulva megtalálhatjuk azokat a szabályokat, amelyek leírják tapasztalat eseteit. Ez a következtetés az indukció, ami az esetalapú következtetés (Case-Based Reasoning CBR) szimbolikus változata. Mivel jelentős tapasztalatot feltételez a területen, az ilyen helyzetben rutindöntésről (G-3) (Routine Decision) beszélünk. Az indukció eredményéből a fontos döntési szempontokat redukcióval határozhatjuk meg. Ez a harmadik fajta következtetés, de csak az indukció után következhet, így nincs harmadik fajta tudásbázis. Csak kétféle tudásbázist építhetünk, szabályalapút és esetalapút. 2 Eredeti döntés (ha nincs tapasztalat a területen) Ha nincs feldolgozható tapasztalata a területen, a szakértőnek ki kell mondania a szabályokat, ezért ebben a helyzetben szabályalapú következtetést (Rule-Based Reasoning RBR) használunk. Mivel az általánosan megfogalmazott szabályokat alkalmazzuk az egyedi esetekre ezt a következtetést dedukciónak is nevezzük. 2.1 Előnyök Ha a tudásrendezés sikeres volt, akkor a tudásbázisú rendszer ugyanazt az értékelést adja az esetekre, amit a szakértő adna. Akkor mit sikerült hozzáadni? A tudásbázis a szakértő (vagy szakértőkből álló csoport) tudásának áttekinthető leírása, ami alapján a döntési javaslat könnyen indokolható. Az áttekinthetőség mellett a szakértő új tudásra lelhet, azáltal, hogy rájön, hogy bizonyos tulajdonságok nem fontosak, vagy átalakíthatja tudását a komplex szabályok megértése alapján. Ez azt jelenti, hogy az explicit elvárások közötti hallgatólagos kapcsolatok egy része explicitté vált a szakértő számára. 2.2 A tulajdonságok összegyűjtése A tudásgyűjtés első lépése mindig a döntési szempontok megfogalmazása. A döntési szempontokat a szakértő a tulajdonságokkal (azaz a tulajdonságok neveivel) és azok értékeivel írja le. Egy tulajdonság egy értéke egy elvárás, vagyis egy döntési kritérium. Tipp: Használjuk a szakterület tolvajnyelvét, hogy rövid kifejezéseket írhassunk a tudásbázisba. A jobb érthetőség érdekében magyarázatokat fűzhetünk minden tulajdonsághoz és értékhez. A tulajdonságok és az értékek összegyűjtése a Doctus első lapján ( Attributes címke) történik. (G-2. Ábra) G-9

10 Doctus Útmutató G-2. Ábra: Tulajdonságok és értékek összegyűjtése. A tulajdonságok értékei különböző jósági sorrendben lehetnek: növekvő (increasing), ha az első érték a legrosszabb; csökkenő (decreasing), ha az első helyen a legjobb van; ha egyik érték nem jobb, mint a másik, akkor a sorrend nominális (nominal). Tipp: Ha ugyanolyan jósági sorrendet használunk mindegyik tulajdonság értékeihez, sokkal könnyebb lesz definiálni a szabályokat. Ha szabályalapú tudásbázist építünk, akkor a tulajdonságok és értékeik meghatározása után a közöttük lévő kapcsolatok meghatározása következik. Ezeknek két része van, a mitől és a hogyan függ. 2.3 A tulajdonságok hierarchiája: a szabályalapú gráf Minden tulajdonságra meg kell adnunk, hogy mely tulajdonságoktól függ. Ehhez a tulajdonságokat egy hierarchikus gráfba rendezzük, amit szabályalapú vagy deduktív gráfnak hívunk (Rule-Based Graph). A gráf a Doctus harmadik lapján jelenik meg (G-3. Ábra), a szerkesztés úgy történik, hogy az egérrel egymás alá húzzuk a tulajdonságneveket (drag-and-drop). G-3. Ábra: A szabályalapú gráf. Tipp: Ne kössünk be több, mint 3-4 tulajdonságot egy csomópontba, hogy könnyebb legyen kimondani a szabályokat. Ha B tulajdonságot bekötöttük A tulajdonság alá (tehát A függ B-től), akkor B-t A faktorának (factor) nevezzük. Ugyanaz a tulajdonság lehet több más tulajdonságnak is faktora, de saját magának G-10

11 Doctus Útmutató nem lehet (sem, közvetlenül sem közvetve). A gráf gyökere nem faktora egyetlen tulajdonságnak sem, ezt nevezzük döntési tulajdonságnak (decision attribute) vagy kimenetnek. A gráf leveleinek nincsenek faktorai, ők a bemeneti tulajdonságok (input attributes). A többi tulajdonság más tulajdonságok faktora és neki is vannak faktorai, ezek a függő tulajdonságok (dependant attributes). Ha elkészült a szabályalapú gráf, akkor minden pontjában meg kell határozni a szabályokat. Tipp: Ha elkészült a szabályalapú gráf, még ne kezdjünk hozzá a szabályok kimondásához, előbb gyűjtsük össze az eseteket. Az esetek leírása során ugyanis gyakran megváltoztatjuk a tulajdonságokat és értékeiket. 2.4 Az esetek összegyűjtése A tudásbázisú rendszereket arra használjuk, hogy az eseteket értékeljük. Eset bármi lehet, amit le tudunk írni az összes fontos szempontból (azaz a kimondott tulajdonságokkal). Minden tulajdonság egy-egy értékét rendeljük minden egyes esethez. Tuljadonképpen az egy-egy érték az alapértelmezett, de a Doctus szintén kezeli az ismeretlen ( Unknown ), a mindegy ( Don t care ) és az osztott értékeket (distributed values). Az esetek leírása a Doctus második lapján ( Cases címke) történik. Dedukciónál, azaz szabályalapú következtetésnél ez a szabályalapú gráf megszerkesztése után következik, de később is bármikor adhatunk új eseteket a tudásbázishoz. A legkönnyebben úgy tudjuk hozzárendelni a tulajdonságok értékeit az esetekhez, ha a jobb egérgomb menüt használjuk. (G-4. Ábra) Tipp: Egyszerűbb lesz bevinni az eseteket, ha úgy állítjuk be a nézetet, hogy csak a bemeneti tulajdonságok jelenjenek meg. G-4. Ábra: Az esetek összegyűjtése. 2.5 Tudásimport adatbányászat A tudásimport (Knowledge Import) funkció arra szolgál, hogy az eseteket közvetlenül külső adatforrásokból hozzuk. A beépített adatforrás típusok (némelyik csak advanced mode használata esetén érhető el): Excel munkafüzet, Microsoft Query, postafiók (mailbox) és az internetcímmé formázott (URL encoded) esetek, de bármilyen forrás elérhető az ODBC meghajtón keresztül. (G-5. Ábra) G-11

12 Doctus Útmutató G-5. Ábra: Tudásimport. Az adatforrás rekordjai a tudásbázis esetei lesznek. A tulajdonságok hozzárendelését és az esetek importálását varázsló (wizard) támogatja. Az importált érték lehet szöveges (text) típusú, azaz rugalmas (flexible) valamint számszerű. Ez utóbbiakat egy klaszterező algoritmus fogja kezelni. Tipp: Az adatforrás mezőneveiben lévő speciális karaktereket nem mindig ismeri föl az importáló, a szóközöket pedig nem tudja kezelni, ezért figyeljünk arra, hogy ilyenek ne forduljanak elő. Gyakran a mezőnevek végén maradnak észrevétlenül meghúzódó szóközök! Az adatbányászat elképzelése abból a megfigyelésből fejlődött ki, hogy a szervezetek óriási mennyiségű adatot tárolnak (információrendszereik adatbázisaiban és adattárházaiban) és ezek többségét semmire sem használják. Elképzelhető, hogy ezen adatok közötti kapcsolatokban olyan szabályokat találhatunk, melyekből új tudást lehet fölfedezni. Az adatforrásokban található számszerű adatokat szimbólumokká kell alakítani. Ha a tudásimport modulon keresztül a Doctust összekapcsoltuk a külső adatforrással, ezt az átalakítást a beépített klaszterező algoritmus végzi el. (G-6. Ábra) A felhasználó csak a várt klaszterek számát kell, hogy megadja, a folyamat többi része automatikus. G-12

13 Doctus Útmutató G-6. Ábra: Külső adatok klaszterezése. A szabályalapú következtetésnél az adatbányászat azon az ötleten alapul, hogy a szakértő fejében lévő puha fogalmak némelyike visszavezethető az adatbázisokban és adattárházakban tárolt kemény adatok közötti puha összefüggésekre. Így a szabályalapú gráf egyes ágainak vége (a gráf levelei) számszerű bementet kaphatnak, pontosabban olyan szimbólumokat, amelyek numerikus tartományok klaszterezéséből származnak. Mivel az adatbázisokat és adattárházakat folyamatosan frissítik, a tudásbázis is mindig friss lesz az adatok szempontjából. Egy okos tudásbázis kialakításával intelligens értesítő funkciót hozhatunk létre, amely csak akkor hívja fel magára a figyelmet, ha az adatok változása a kimenetet is megváltoztatja. 2.6 A szabályok Ha kiválasztunk egy tulajdonságot az Attributes, a Cases vagy a Rule-Based Graph lapon, a negyedik lap címkéje megváltozik, a kiválasztott tulajdonság nevének megfelelően: Rules of.. (G-3. Ábra) A gráf minden csomópontjában (azaz minden függő tulajdonságnál) meg kell adni egy szabályhalmazt, amely egy kimenetet (a kiválasztott tulajdonság egy értékét) rendel hozzá a faktorok értékeinek, minden lehetséges variációjához. Ha a szabályban minden faktornak egy értéke szerepel, elemi szabálynak (elementary rule) nevezzük. Matek: Használjuk a következő jelöléseket: Tulajdonságok: A, B, C,. (X a döntési tulajdonság) Értékek: A={a 1, a 2, a 3, }; B={b 1, b 2, b 3, }; X={x 1, x 2, x 3, } Szabályok: A=a 1 B=b 2 C=c 1 X=x 1 Olvasd: Ha A értéke a 1 és B értéke b 2 és C értéke c 1 és akkor X értéke x 1 G-13

14 Doctus Útmutató Ha egy szabály értelmezési tartománya legalább egy tulajdonságra nagyobb, mint mint egy érték, akkor komplex szabálynak nevezzük. A lefedett tartomány csak szomszédos értékekből állhat, és lehet zárt (két érték és a közöttük lévők) vagy nyitott (jobb vagy rosszabb mint valamilyen érték). Matek: A fenti jelöléseket használva. Szabály: A [a 2,, a 5 ] B=b 2 C=c 1 X= x 1 Olvasd: Ha A értéke a 1 és a 5 között van és B értéke b 2 és C értéke c 1 és akkor X értéke x 1 Szabály: A a 2 B=b 2 C=c 1 X=x 1 Olvasd: Ha A értéke legalább a 2 és B értéke b 2 és C értéke c 1 és akkor X értéke x 1 A komplex szabályokat tekinthetjük elemi szabályok összevonásának. A tudás kevesebb komplex szabállyal könnyebben leírható. Persze ugyanaz a tudás többféle komplex szabályhalmazzal is leírható, azaz többféleképpen tudjuk összevonni az elemi szabályokat. A Doctus két különböző felületet kínál a szabályok kezelésére, amelyek között a felhasználó váltogathat. Az 1D felületen a szabályok lista formájában jelennek meg. Új szabályt közvetlenül beírhatunk a táblázatba, vagy használhatjuk a szabály beszúrása (insert rule) utasítást (G-7. Ábra). A 2D felületen egyes faktorok a táblázat sorait határozzák meg, mások az oszlopait. A táblázat minden cellája egy-egy szabály, melynek bemeneteit a helye (sor és oszlop) határozza meg, a kimenetét pedig a felhasználó adja meg, a jobb egérgomb menüből választva egy értéket. (G-8. Ábra) Egyszerre több cellát is kijelölhetünk. G-7. Ábra: Szabályok 1D-ben. G-14

15 Doctus Útmutató G-8. Ábra: Szabályok 2D-ben. Haladóknak: 1D-ben úgy is megadhatjuk a szabályokat, hogy először beviszünk egy általános szabályt (minden faktor minden értéke), majd ezután választjuk szét (split) vagy bontjuk szét (divide) a faktorok értelmezési tartományát. 2D-ben a szabályok szintenként is megadhatók, akkor úgy okoskodunk, hogy ha. és. akkor a kimenet legalább.. Az értékek már bemutatott jósági sorrendje alapján a Doctus tanácsokkal támogatja a szabálybevitelt. (G-9. Ábra) A tanácsok elfogadása segít elkerülni a szabályok ellentmondásait (inconsistency). G-9. Ábra: Tanácsok a szabálybevitelhez. Akár használjuk a szabályokat, akár nem, semmi sem akadályozza meg, hogy ellentmondó szabályokat vigyünk be. De, ha kiválasztottuk a konzisztenciavizsgálat (consistency check) opciót, a Doctus megjelöli az ellentmondó szabályokat. (G-10. Ábra) G-15

16 Doctus Útmutató Tipp: Néha az ellentmondásos szabályok logikailag helyesnek tűnnek. Ilyenkor érdemes elgondolkodni az értékek sorrendjének megváltoztatásán. G-10. Ábra: Konzisztenciavizsgálat. Tipp: Határozzuk meg a szabályokat 2D-ben, kihasználva a tanácsokat és a konzisztenciavizsgálatot, majd kapcsoljunk át 1D-be, hogy új tudásra tegyünk szert a complex szabályokból. 2.7 A következtetés A következtetés a szabályalapú rendszerben úgy működik, hogy aktivizáljuk a szabályokat az esetekre. Ezt az esetek értékelésének is nevezik, ugyanis minden esetre megkapjuk a döntési tulajdonság egy értékét. Az eredményt a Cases és a Rule-Based Graph oldalakon láthatjuk. (G-11. Ábra) G-11. Ábra: A szabályalapú következtetés eredménye. G-16

17 Doctus Útmutató Technikai: A Doctus a szabályokat szabálylista formájában tárolja, hasonlóan az 1D nézethez. A következtetés során a Doctus felülről lefelé keres a listában, és megáll az első megfelelő szabálynál. Ezért a többszörösen lefedett tartományok nem okoznak gondot, ha pedig nem talál megfelelő szabályt, akkor a kimenet Unknown lesz. Technikai: A következtetés a valóságban egy kicsit másképpen működik az Unknown, a Don t care és az osztott értékek miatt. Ha az esetek jellemzői vagy a szabályok kimenetei közül egy is Unknown az esete értékelése Unknown lesz. Ha osztott érték szerepel, akkor a szabályhalmaz kimenete ugyanolyan arányban lesz osztott, ha több osztott érték is van, a kimenet az elosztások szuperpozíciója lesz. A Don t care -t az összes bementi érték egyenletes elosztásaként kezeli. 2.8 Döntéselemzés és csiszolás Nagyon kellemes volna a döntési helyzet, ha volna egy és csak egy eset, amelynek az értékelése a döntési tulajdonság legjobb értéke volna. Ez azonban rendkívül ritkán az első nekifutásra, általában több legjobb esetünk is van, vagy éppenséggel egyetlen sincs. A csiszolás támogatására a Doctust egy magyarázó opcióval (explanation) láttuk el. (G-12. Ábra) Magyarázatot kérhetünk az esetek értékelésére, és a függő tulajdonságokhoz tartozó értékeikre is. Megmutatja, hogy melyik szabály, okozta a kérdezett kimenetet. G-12. Ábra: Az eredmény magyarázata. A magyarázatok segítségével meghatározzuk, hogy hol található az oka annak az értékelésnek, amellyel elégedetlenek vagyunk. A csiszolást viszont már kézzel kell elvégeznünk. Az eddigiek mellett azért is érdemes csiszolni a tudásbázist, hogy a tudás leírását egyszerűsítsük persze úgy, hogy semmi fontos ne vesszen el. A finomhangolás általában a következők valamelyikét jelenti (esetleg többet is): új tulajdonságok és/vagy értékek bevitele G-17

18 Doctus Útmutató meglévő tulajdonságok és/vagy értékek átnevezése meglévő tulajdonságok és/vagy értékek törlése szabályok módosítása esetek módosítása. A csiszolás után a tudásbázisnak tükröznie kell a szakértő véleményét a döntésről. A csiszolás akkor ért véget, amikor a szakértő a tudásbázis minden elemével egyetért. 2.9 Tudásexport intelligens portál A Doctus különféle intelligens ágensek (intelligent agent) formájában képes exportálni a tudásbázist. (G-13. Ábra) Ezek közül néhány csak az advanced mode használata esetén érhető el. G-13. Ábra: Tudásexport. Az exportált tudás kétféle lehet: A statikus exportált tudás valamiféle pillanatfelvétel a tudásbázisról, azaz nem képes következtetésre. Generálhatunk különböző típusú képeket és táblázatokat, amelyek a tudásbázis gráfjait vagy adatait tartalmazzák, valamint generálhatunk jelentést rtf formátumban, amely tartalmazza a tudásbázis összes táblázatait. A dinamikus exportált tudás képes következtetni. A beépített sablonokból generálhatunk webes szerver oldali alkalmazásokat (php, perl, jsp), kliens oldali alkalmazásokat (következtetésre képes html oldal, javascript) és önálló alkalmazásokat (c++, xls). Haladóknak: A fenti előre gyártott sablonok alapján saját specializált export sablonokat hozhatunk létre. A tudásexportálásnak köszönhetően a tudásbázist sok felhasználó számára elérhetővé tehetjük, akik felhasználhatják következtetésre, de változtatni nem tudják. Az exportált tudás egyes változatai arra is G-18

19 Doctus Útmutató alkalmasak, hogy portletként elhelyezzük őket a portálunkban. Ha a tudásbázis eredetileg külső forrásból hozott adatokat, ez a kapcsolat az exportált tudásbázisban is fenntartható. Így gyors értékelések készíthetők, melyekben a döntéshozónak csak néhány mezőt kell kitöltenie (kiválasztani néhány tulajdonság értékeit az esetekhez), míg a többi bement közvetlenül az adatbázisokból származik. (G-14. Ábra) G-14. Ábra: Értékelés az intelligens portálban. 3 Rutindöntés (ha van néhány tucat eset a területen) Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a G-19

20 Doctus Útmutató tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is. 3.1 Előnyök Az esetalapú tudásbázis szembeötlő előnye, hogy a tulajdonságok száma lecsökken az informatív tulajdonságokra. Ez megkönnyíti a döntés delegálását. Ez természetesen nem jelenti azt, hogy programozott döntéshozókat csinálunk, hiszen az esetalapú gráf (Case-Based Graph) a szakértő tudását adott feltételek mellett jeleníti meg. Ha megjelenik egy új eset, amit nem ír le a tudásbázis, az azt jelenti, hogy nem volt hasonló eset a szakértő tapasztalatában. A feltételek szintén megváltozhatnak. Emiatt a ajánlatos a tudásbázist folyamatosan bővíteni az új esetekkel, hogy a lehető legfrissebb állapotban tartsuk. Az esetalapú tudásbázis építésének legnagyobb nyeresége kevésbé szembetűnő. Ez a folyamat szinte mindig tudásfelfedezéssel jár, azaz a hallgatólagos tudás egy része szavakba önthetővé válik. Nagyon gyakori, hogy a szakértőt megdöbbenti az esetalapú gráf első látványa, ezért ilyenkor, a csiszolás nem csak azért szükséges, hogy a tudásbázist pontosítsuk, hanem azért is, hogy jobban megértsük az eredményt. 3.2 A tulajdonságok összegyűjtése A tudásgyűjtés első lépése mindig a döntési szempontok megfogalmazása. A döntési szempontokat a szakértő a tulajdonságokkal (azaz a tulajdonságok neveivel) és azok értékeivel írja le. Egy tulajdonság egy értéke egy elvárás, vagyis egy döntési kritérium. Tipp: Használjuk a szakterület tolvajnyelvét, hogy rövid kifejezéseket írhassunk a tudásbázisba. A jobb érthetőség érdekében magyarázatokat fűzhetünk minden tulajdonsághoz és értékhez. A tulajdonságok és az értékek összegyűjtése a Doctus első lapján ( Attributes címke) történik. (G- 15. Ábra) G-15. Ábra: Tulajdonságok és értékek összegyűjtése. G-20

21 Doctus Útmutató A tulajdonságok értékei különböző jósági sorrendben lehetnek: növekvő (increasing), ha az első érték a legrosszabb; csökkenő (decreasing), ha az első helyen a legjobb van; ha egyik érték nem jobb, mint a másik, akkor a sorrend nominális (nominal). Tipp: Ha ugyanolyan jósági sorrendet használunk mindegyik tulajdonság értékeihez, sokkal könnyebb lesz definiálni a szabályokat. Ha esetalapú tudásbázist építünk, akkor a tulajdonságok és az értékek meghatározása után az esetek összegyűjtése következik. Meg kell adnunk az esetek értékelését is. A Doctus majd megtalálja azokat a szabályokat, amelyek leírják a szakértő tapasztalatának eseteit. 3.3 Az esetek összegyűjtése A tudásbázisú rendszereket arra használjuk, hogy az eseteket értékeljük. Eset bármi lehet, amit le tudunk írni az összes fontos szempontból (azaz a kimondott tulajdonságokkal). Minden tulajdonság egy-egy értékét rendeljük minden egyes esethez. Tuljadonképpen az egy-egy érték az alapértelmezett, de a Doctus szintén kezeli az ismeretlen ( Unknown ), a mindegy ( Don t care ) és az osztott értékeket (distributed values). Az esetek leírása a Doctus második lapján ( Cases címke) történik. Indukciónál, azaz esetalapú következtetésnél az esetek összegyűjtése közvetlenül a tulajdonságok összegyűjtése után következik, de később is bármikor adhatunk új eseteket a tudásbázishoz. A legkönnyebben úgy tudjuk hozzárendelni a tulajdonságok értékeit az esetekhez, ha a jobb egérgomb menüt használjuk. (G-16. Ábra) Tipp: Egyszerűbb lesz bevinni az eseteket, ha úgy állítjuk be a nézetet, hogy csak az önálló (lonely) tulajdonságok jelenjenek meg. G-16. Ábra: Az esetek összegyűjtése. 3.4 Tudásimport adatbányászat A tudásimport (Knowledge Import) funkció arra szolgál, hogy az eseteket közvetlenül külső adatforrásokból hozzuk. A beépített adatforrás típusok (némelyik csak advanced mode használata esetén érhető el): Excel munkafüzet, Microsoft Query, postafiók (mailbox) és az internetcímmé formázott (URL encoded) esetek, de bármilyen forrás elérhető az ODBC meghajtón keresztül. (G-17. Ábra) G-21

22 Doctus Útmutató G-17. Ábra: Tudásimport. Az adatforrás rekordjai a tudásbázis esetei lesznek. A tulajdonságok hozzárendelését és az esetek importálását varázsló (wizard) támogatja. Az importált érték lehet szöveges (text) típusú, azaz rugalmas (flexible) valamint számszerű. Ez utóbbiakat egy klaszterező algoritmus fogja kezelni. Tipp: Az adatforrás mezőneveiben lévő speciális karaktereket nem mindig ismeri föl az importáló, a szóközöket pedig nem tudja kezelni, ezért figyeljünk arra, hogy ilyenek ne forduljanak elő. Gyakran a mezőnevek végén maradnak észrevétlenül meghúzódó szóközök! Az adatbányászat elképzelése abból a megfigyelésből fejlődött ki, hogy a szervezetek óriási mennyiségű adatot tárolnak (információrendszereik adatbázisaiban és adattárházaiban) és ezek többségét semmire sem használják. Elképzelhető, hogy ezen adatok közötti kapcsolatokban olyan szabályokat találhatunk, melyekből új tudást lehet fölfedezni. Az adatforrásokban található számszerű adatokat szimbólumokká kell alakítani. Ha a tudásimport modulon keresztül a Doctust összekapcsoltuk a külső adatforrással, ezt az átalakítást a beépített klaszterező algoritmus végzi el. (G-18. Ábra) A felhasználó csak a várt klaszterek számát kell, hogy megadja, a folyamat többi része automatikus. G-22

23 Doctus Útmutató G-18. Ábra: Külső adatok klaszterezése. Az esetalapú következtetésnél az adatbányászat azon az ötleten alapul, hogy Doctus szabálykereső algoritmusa alkalmas arra is, hogy egy adatbázis vagy adattárház adatai között találja meg a mintákat. A számszerű adatokat először a klaszterező algoritmus alakítja szimbólumokká, míg a nem-számszerű adatok rugalmas értékekként (flexible value) kerülnek a tudásbázisba. Az ilyen típusú adatbányászat eredménye könnyen értelmezhető mármint a terület szakértője számára. 3.5 Döntési fa: az esetalapú gráf A Doctus esetalapú gráfot generál, mellyel osztályokba sorolja a szakértőtől összegyűjtött eseteket. Az esetalapú gráf egy döntési fa, de nem függőségi viszonyokat mutat, hanem a ha. akkor szabályokat, amelyeket az esetek feldolgozásából nyert. A ha. akkor szabályokat úgy tudjuk leolvasni, hogy a gráf gyökerétől a levelek felé haladunk, ahol a kimenet értéke jelenik meg. (G-19. Ábra) Az esetalapú gráf generálásakor három elágaztatási mód közül választhatunk: Az alapértelmezett a hatékony ( Efficient ), amit a következő fejezetben részletesen bemutatunk. A bipoláris ( Bipolar ) minden csomópontot kétfelé ágaztat jó és rossz csoportokba sorolva a tulajdonság értékeit. A heurisztikus ( Heuristic ) ugyanazt az eredményt adja, mint a hatékony, amennyiben sok eset és/vagy tulajdonság van, ami egyébként jelentősen növelné a futási időt. G-23

24 Doctus Útmutató G-19. Ábra: Az esetalapú gráf. Az esetalapú gráfban megjelenő tulajdonságokat informatív tulajdonságoknak nevezzük, mivel ezek elegendőek, az összes esetet osztályozásához. 3.6 Az esetek osztályozása Hogyan készül el végül is az esetalapú gráf? Tegyük fel, hogy az esetek egy halmazt alkotnak, melyben rendetlenség van, a rendet definiáljuk a minősítő érték (a kimeneti tulajdonság értéke) homogenitásával. Ez azt jelenti, hogy az egyes részhalmazokba tartozó eseteknek egyforma a minősítő értéke. Keressük azt a tulajdonságot, amelyik a leginkább hozzájárul a rendhez. Egyenként vesszük a tulajdonságokat, és részhalmazokat képezünk azok értékei szerint. A tulajdonságok rendcsináló erősségét az informativitással (entrópianyereséggel) fejezzük ki. Kiválasztjuk a leginformatívabb tulajdonságot, ez kerül a gráf gyökerébe, és az első szintű részhalmazokat ennek értékei szerint képezzük. Ezeket a részhalmazokat az előbbi algoritmus szerint bontjuk tovább, míg minden részhalmaz homogén lesz a minősítő értékek szerint. A homogén részhalmazokat nem bontjuk tovább, ezek lesznek a gráf levelei. G-24

25 Doctus Útmutató Matek: Az informativitás meghatározása az Appendix Az informativitás meghatározása (R-7.4) fejezetben található. Haladóknak: A bemutatott algoritmus végtelen ciklusokba kerülhet, ezért küszöböket határoztunk meg, amelyek ilyen esetben leállítják a folyamatot. A küszöbök változtatásával szabályozhatjuk az esetalapú gráf méretét is. A minimális sűrűség ( Minimal Informativity Density ) egyenes arányban van az informativitással és a csomópont eseteinek súlyával. A minősítő érték maximuma ( Maximal Majority of a Benchmark Value ) a csomópontban található domináns minősítő érték felső határa. Az esetek minimális súlya ( Minimal Weight of Cases in Node ) azt mutatja, hogy az induló esetek legalább hány százaléka kell, hogy a csomópontban legyen, hogy azt tovább bontsuk. Technikai: A valós számítás némileg másképp működik az Unknown, a Don t care és az osztott értékek miatt. Amikor az esetalapú gráfon, generálással vagy kiválasztással, megjelenik az a tulajdonság, amelyre valamelyik eset értéke Unknown, akkor azt az esetet (csak ott) nem vesszük figyelembe. Ugyanebben a helyzetben az osztott értékű eset az arányosan kerül minden részhalmazba. A Don t care érték olyan, mintha az eset a tulajdonság minden értékét fölvenné. 3.7 A következtetés Az esetalapú következtetés eredménye az esetalapú gráf, amely leírja a szakértő tapasztalatának eseteiből indukált szabályokat. Új esetet szintén egyszerű értékelni az esetlapú gráf alapján: csak meg kell nézni, hogy mik az új eset jellemzői az informatív tulajdonságokra, és ennek alapján be kell sorolni a gráf gyökerétől a levelek felé haladva. Emellett a Doctus a redukcióval (G-4) és egyes tudásexport (R- 4.1) megoldásokkal is támogatja az új esetek minősítését. 3.8 Döntéselemzés és csiszolás A szakértő általában rosszul viseli, hogy a tapasztalata leírható mindössze néhány tulajdonsággal azok közül, amiket kimondott. A Doctus azzal támogatja az esetalapú gráf elemzését, hogy könnyet átlátható információkat ad minden csomópontban az informativitásról, a sűrűségről, az esetekről és a statisztikáról. (G-20. Ábra) Szintén könnyű kicserélni azt a tulajdonságot, amelynek értékei alapján tovább ágazik egy csomópontot, bár ennek vannak feltételei, amikre érdemes odafigyelni. A csiszolás párhuzamos, vagy majdnem párhuzamos tudásmodellek közötti váltogatás. Ez azt jelenti, hogy a tulajdonság kicserélése egy csomópontban csak abban az esetben lehet indokolt, ha azonos vagy majdnem azonos az informativitása és a sűrűsége. G-25

26 Doctus Útmutató G-20. Ábra: Tulajdonságok informativitása és sűrűsége. A csiszolásnak vannak más módjai is. Előfordul, hogy olyan esetet találunk, amely sehogyan sem illeszkedik az esethalmazba, és durva torzulásokat okozhat az esetalapú gráfon. Ezeket az eseteket általában nem jól írják le a felsorolt tulajdonságok, ezért kakukktojásoknak nevezzük őket. Ezeket érdemes kizárni az esetalapú következtetés bázisából. Néha van két (vagy több) eset, amelyeknek teljesen egyformák a jellemzői, kivéve a minősítést. Ez általában azt jelenti, hogy egy új tulajdonságra vagy értékre van szükség, amely alapján meg tudjuk őket különböztetni. És persze módosíthatjuk az eseteket is. Tipp: A jobb érthetőség érdekében hasznos lehet több esetalapú gráfot generálni, különböző minősítő tulajdonságokat választva. Ez megvilágítja a tulajdonságok összefüggéseit a vizsgált esethalmazra. A bipoláris elágaztatás megmutatja, hogy a tulajdonság mely értékei hasonlóbbak és kiindulópontként szolgálhatnak az értékek számának csökkentéséhez. 3.9 Tudásexport intelligens portál A Doctus különféle intelligens ágensek (intelligent agent) formájában képes exportálni a tudásbázist. (G-21. Ábra) Ezek közül néhány csak az advanced mode használata esetén érhető el. G-26

27 Doctus Útmutató G-21. Ábra: Tudásexport. Az exportált tudás kétféle lehet: A statikus exportált tudás valamiféle pillanatfelvétel a tudásbázisról, azaz nem képes következtetésre. Generálhatunk különböző típusú képeket és táblázatokat, amelyek a tudásbázis gráfjait vagy adatait tartalmazzák, valamint generálhatunk jelentést rtf formátumban, amely tartalmazza a tudásbázis összes táblázatait. A dinamikus exportált tudás képes következtetni. A beépített sablonokból generálhatunk webes szerver oldali alkalmazásokat (php, perl, jsp), kliens oldali alkalmazásokat (következtetésre képes html oldal, javascript) és önálló alkalmazásokat (c++, xls). Haladóknak: A fenti előre gyártott sablonok alapján saját specializált export sablonokat hozhatunk létre. A tudásexportálásnak köszönhetően a tudásbázist sok felhasználó számára elérhetővé tehetjük, akik felhasználhatják következtetésre, de változtatni nem tudják. Az exportált tudás egyes változatai arra is alkalmasak, hogy portletként elhelyezzük őket a portálunkban. Az exportált esetalapú tudásbázisnak két nagyon hasznos alkalmazása van: így gyűjthetünk újabb eseteket a tudásbázis bővítéséhez (G-22. Ábra bal oldal) és gyors értékelést adhatunk az új esetről, a gráf gyökerétől a levelei felé haladó utat követve (G-22. Ábra jobb oldal). G-27

28 Doctus Útmutató G-22. Ábra: Exportált esetalapú tudásbázis esetek gyűjtéséhez és gyors értékeléshez. 4 Tanulás az esetekből (a modell redukálása) Ha a szakértő elfogadta az esetalapú gráfot, akkor egy gombnyomással létrehozhatunk egy új szabályalapú tudásbázist, amelyben csak az informatív tulajdonságok szerepelnek, de ugyanazt a következtetést adja az indukcióban használt esetekre. A következtetés szabályok alapján történik, de ezeket a szabályokat esetekből nyertük indukcióval, ezért azt mondjuk esetalapú szabályokból következtetünk (Case-Based Rule Reasoning). Mivel a tudásbázist egy meglévő modell redukálásával kaptuk, redukciónak is nevezzük. A tulajdonságok és az esetek már induláskor benne vannak a tudásbázisban, ezért itt nem szól fejezet a tulajdonságok és az esetek összegyűjtéséről illetve a tudásimportról. 4.1 Előnyök A redukcióval generált tudásbázis nagy előnye, a lecsökkent méret, azaz hogy jóval kevesebb tulajdonság szerepel benne. Ez lehetővé teszi a felhasználó számára az új esetek gyors értékelését, de oda kell figyelni az aktualitásra (vagyis annak elveszésére). Hogy elkerüljük az elavult tudásbázis használatát, karban kell tartani az eredeti esetalapú tudásbázist folyamatosan hozzáadva az új eseteket és újragenerálva az esetalapú gráfot. Ha megváltoznak a feltételek, meg fog változni az esetalapú gráf is. G-28

29 Doctus Útmutató Tipp: Ha van egy szabályalapú tudásbázisunk, amit régóta használunk és már jelentős esethalmaz gyűlt össze, hajtsuk verge az esetalapú következtetést ugyanebben a tudásbázisban, majd ebből generáljunk redukált tudásbázist. Így tömörebbé tehetjük az eredeti szabályalapú tudásbázisban leírt tudást. 4.2 Egyszintű hierarchia Amikor az esetalapú gráfból a Doctus automatikusan generál egy szabályalapú tudásbázist, abban tulajdonságok egyszintű hierarchiában lesznek. Hogy megkülönböztessük ezt a szabályalapú gráfot a szokásostól, külön nevet adtunk neki, ami meg is jelenik a Doctus harmadik lapjának címkéjében (G-23. Ábra): esetalapú szabálygráf (Case-Based Rule Graph). Eltekintve attól, hogy egyszintű, ez a szabálygráf ugyanúgy működik azok, amiket a megszokott módon épített szabályalapú tudásbázisokban hoztunk létre, lásd a Eredeti döntés A tulajdonságok hierarchiája: a szabályalapú gráf (G-2.3) fejezetet. G-23. Ábra: Az esetalapú szabálygráf. 4.3 Hiányzó és eldöntetlen szabályok Ha a szabályoknak van olyan értelmezési tartománya, amit az esetalapú következtetéshez használt esethalmaz nem fed le vagy többszörösen is lefed, a redukált tudásbázis egyes szabályai hiányozhatnak, vagy eldöntetlenek lehetnek. (G-24. Ábra) G-29

30 Doctus Útmutató G-24. Ábra: Eldöntetlen szabályok a redukcióban. A hiányzó vagy eldöntetlen szabályok jelenthetnek lehetetlen tartományt vagy rosszul definiált tulajdonságot vagy értéket. Ezeket a helyzeteket általában a csiszolás során tisztázzuk. A szabályhalmazban ugyanazokat a műveleteket tudjuk használni, mint a szabályalapú tudásbázisok esetében, lásd a Eredeti döntés A szabályok (G-2.6) fejezetet. 4.4 A következtetés Esetalapú szabályoknál a következtetés ugyanúgy működik, mint a szabályalapú tudásbázisokban láttuk, (Eredeti döntés A következtetés (G-2.7) fejezet), de csiszolás nélkül megtörténhet, hogy az új eset(ek) értékelése eldöntetlen lesz, vagy egyáltalán nem lesz értékelés. Ez utóbbi esetben nagyon érdemes megismételni az esetalapú következtetést, az új esete(ke)t is figyelembe véve. 4.5 Hallgatólagos tudás és csiszolás A hiányzó vagy eldöntetlen szabályokat úgy tehetjük a legegyszerűbben egyértelművé, hogy átírjuk a szabályok kimeneteit. Ellenben érdemes elgondolkodni azon, hogy mi okozta a hiányzó vagy eldöntetlen szabályokat? Ha a szakértő biztos benne, hogy lehetetlen tartományról van szó, akkor akár úgy is hagyhatjuk őket, hiszen úgysem lesz oda tartozó eset. Ha mégis találunk olyan új esetet, amely ebbe a tartományba esik, elképzelhető, hogy megváltoztak a feltételek, és ebben az esetben érdemes frissíteni az esetalapú következtetést. Ha a csiszolás során változtattunk a tulajdonságokon és/vagy az értékeken, ugyanezeket a változtatásokat érdemes végrehajtani az eredeti esetalapú tudásbázison is, és megismételni az esetalapú következtetést. Mivel a redukált tudásbázisban a tulajdonságok egyszintű hierarchiában vannak, könnyen megtörténhet, hogy több mint 3-4 tulajdonságot kell összekapcsolnunk a szabályokkal, és így a szabályhalmaz kezelése nehézkessé válik. Nincs akadálya annak, hogy a gráfot többszintűvé alakítsuk, a szokásos drag-and-drop módszert használva, ahogy az a Eredeti döntés A tulajdonságok hierarchiája: a szabályalapú gráf (G-2.3) fejezetben szerepelt. G-30

31 Doctus Útmutató Tipp: Mielőtt átalakítanánk az esetalapú szabálygráfot, ismételjük meg az esetalapú következtetést különböző minősítő tulajdonságokat választva, hogy jobban megértsük a tulajdonságok közötti kapcsolatokat. A csiszolt esetalapú szabálygráfot visszacsatolásként használhatjuk az eredeti szabályalapú vagy esetalapú tudásbázishoz, és ezáltal kimondhatóvá tehetjük a hallgatólagos tudás egy részét. 4.6 Tudásexport intelligens portál A Doctus különféle intelligens ágensek (intelligent agent) formájában képes exportálni a tudásbázist. (G-25. Ábra) Ezek közül néhány csak az advanced mode használata esetén érhető el. G-25. Ábra: Tudásexport. Az exportált tudás kétféle lehet: A statikus exportált tudás valamiféle pillanatfelvétel a tudásbázisról, azaz nem képes következtetésre. Generálhatunk különböző típusú képeket és táblázatokat, amelyek a tudásbázis gráfjait vagy adatait tartalmazzák, valamint generálhatunk jelentést rtf formátumban, amely tartalmazza a tudásbázis összes táblázatait. A dinamikus exportált tudás képes következtetni. A beépített sablonokból generálhatunk webes szerver oldali alkalmazásokat (php, perl, jsp), kliens oldali alkalmazásokat (következtetésre képes html oldal, javascript) és önálló alkalmazásokat (c++, xls). Haladóknak: A fenti előre gyártott sablonok alapján saját specializált export sablonokat hozhatunk létre. A tudásexportálásnak köszönhetően a tudásbázist sok felhasználó számára elérhetővé tehetjük, akik felhasználhatják következtetésre, de változtatni nem tudják. Az exportált tudás egyes változatai arra is alkalmasak, hogy portletként elhelyezzük őket a portálunkban. Mivel a redukcióval egy új szabályalapú G-31

32 Doctus Útmutató tudásbázist hozunk létre, ennek exportált változatai nagyon hasonlóak a dedukcióban használtakhoz, csak annyi a különbség, hogy kevesebb mezőt kell kitölteni. (G-26. Ábra) G-26. Ábra: Az exportált redukált modell. G-32

33 Doctus Kézikönyv 1 Egy tudásbázisú rendszer A Doctus egy a tudásbázisú rendszerek közül. Képes arra, hogy az élet bármely területéről tudást begyűjtsön, tároljon, vizsgáljon, kezeljen vagy átlakítson. Igaz, a tudást a Doctusra jellemző szimbolikus alakra kell hozni. A szempontokat a rájuk utaló katagóriák fejtik ki. A tudás területének tárgyait (a döntési lehetőségeket) ezek a kategóriák írják le. Ezekután már csak egy szoftverrel működtetett szimbolikus logikára van szükség. 2 A Doctus öt táblája A Doctusban megnyitott tudásbázis a fő ablak gyermekeiben jelenik meg (Multiple Document Interface MDI). Ezek öt táblája ugyanannak a tudásbázisnak öt nézetét jelenítiti meg: Minden tábla a következő sémában van leírva: Nézet Mi látható ezen a táblán? Szerkesztés Mit lehet bevinni vagy módosítani ezen a táblán? Vizsgálat Mit lehet keresni vagy ellenőrizni ezen a táblán? Feldolgozás Mit lehet generálni ebből a táblából? 2.1 Tulajdonságok (Attributes) A tudás területének szempontjai, amiknek a Doctusban tulajdonságok a nevük, vannak felsorolva az «Attributes» táblán. Minden tulajdonság a nevéből, a szempontot alkotó kategórákból, azaz az értékeiből áll. Az értékek szimbolikus nevek (szavak vagy kifejezések), számszerű szempontok értékeinek szimbólumokká való alakítására klaszterezési eljárás áll rendelkezésre. R-33

34 R-1. Ábra: A jelöltek az elvégzett munkáik száma alapján a következő négy kategóriába sorolhatók: egy sem, néhány, átlagos és sok. Minden tulajdonság a tudás területének egy-egy dimenzióját feszíti ki. Habár nem folytonos, hanem az értékei révén diszkrét, a megfelelő számú tulajdonsággal bonyolult tudás is leírható. A tulajdonságok és értékeinek világos, természetes értelme teremt rendet a tudásbázis értelmezésében Nézet A tulajdonságoknak van még néhány jellemzője, amik ezen a táblán megjelenhetnek Leírás A tulajdonságoknak és értékeinek akár többsoros leírása is lehet. Válasszuk a «Description» pontot a «View» menüből. Egy különálló, átméretezhető ablak jelenik meg, amiben látható és szerkeszthető annak a tulajdonságnak vagy értéknek a leírása, amelyik az «Attributes» táblán éppen ki van választva. A «Ctrl-Up» és a «Ctrl-Down» teszi lehetővé ennek a léptetését az előzőre, illetve a következőre anélkül, hogy az ablakot el kellene hagynunk. Tipp: Válasszunk rövid neveket, hogy a Doctus más műveleteit kényelmesen használhassuk. Mélyebb leírást a «Description»-ba tegyünk. Haladóknak: A leírás különleges adatokat is tartalmazhat, hiszen azokat a hozzá való tudáskiviteli sablon (R-4.1) felismerheti benne. A sablonok nyelve számos szövegfeldolgozó műveletet kínál, hogy egy megfelelő elrendezésű leírásból kinyerhessük őket Testreszabás Válasszuk a «Customize» pontot a «View» menüből. R-34

35 R-2. Ábra: Az «Attributes» tábla testreszabása Ez a párbeszédablak az «Attributes» tábla megjelenését vezérli. A következő kapcsolók állnak rendelkezésre: Függőleges A tulajdonságok kezdetben sorokba vannak rendezve. Bekapcsolva oszlopokba rendeződnek. Wrap Az értékek jellemzői egy sorban, a tulajdonság sorában vannak. Amennyiben ez az elrendezés túl széles, a «Wrap» bekapcsolása egy oszlopba rendezi őket. Attribute Type Flags Azok a kis ikonok, amik a tulajdonságok típusát jelzik, és a név jobb oldlán látszanak, jeleníthetők meg, iletve tüntethetők el ezzel a kapcsolóval. AutoFit Text A tábla mezőinek a szélessége automatikusan beáll a tartalmának a méretére, ha be van kapcsolva. Attribute & Value Properties A tulajdonságok és értékeiknek jellemzői a listában való kijelöléssel engedélyezhetők, illetve tilthatók, hogy megjelenjenek az «Attributes» táblán. A jellemzők leírása a Tulajdonságjellemzők (R ) fejezetben található Szerkesztés Tipp: Ha több értékjellemző is látszik, az olvashatóság érdekében használjunk «Wrap»-ot Tulajdonságok és értékeik létrehozása Lépjünk a baloldali fejlécre, és gépeljük be a tulajdonság nevét. Lépjünk tovább «Tab»-bal vagy «Enter»-rel, és írjuk be az első érték nevét. Ismételjük, amíg az összes értéket be nem vittük. A «Ctrl- Enter» a következő sor elejére lép. Természetesen az egér is használható a szokott módon. R-35

36 Haladóknak: Ha olyan tulajdonság egészül ki egy új értékkel, amelyik egy másiknak faktora, bár a hozzá tartozó szabályok értelmezési tartománya megnövekszik, a szabályok értéktartományai változatlanok maradnak. Így egy fedetlen tartomány keletkezik a szabálylistában. Ez alól kivételek a teljes tartományok, mert azok kiegészülnek az új értékkel, hogy teljeseknek maradjanak. Technikai: Némelyik tudásfeldolgozó művelet teljesíménye drámaian leesik egy tucat érték táján. A felhasznált algoritmus kombinatorikus robbanás áldoztául esik. Habár tényleg ritka eset, hogy egy tulajdonság ilyen sok értéket igényelne Tulajdonságok és értékeik átnevezése Írjuk be az új nevet a mezőn, és hagyjuk el. A tulajdonság vagy az érték átneveződik, sőt automatikusan az összes előfordulása is frissül Tulajdonság beszúrása Lépjünk a baloldali fejlécre, vagy jelöljük ki az egész sort, és válasszuk az «Insert Attribute» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Az új tulajdonság az éppen kijelölt elé kerül, és kap egy kezdeti nevet. Írjuk be az igazi nevét, hogy felülírja, és hagyjuk el a mezőt Érték beszúrása Lépjünk egy fehér mezőre, és válasszuk az «Insert Value» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Az új érték az éppen kijelölt elé kerül, és kap egy kezdeti nevet. Írjuk be az igazi nevét, hogy felülírja, és hagyjuk el a mezőt. Haladóknak: Ha olyan tulajdonságba szúrunk új értéket, amelyik egy másiknak faktora, bár a hozzá tartozó szabályok értelmezési tartománya megnövekszik, a szabályok értéktartományai változatlanok maradnak. Így egy fedetlen tartomány keletkezik a szabálylistában. Ez alól kivételek a teljes tartományok, és azok a tertományok, amelyek a beszúrás miatt két részre oszlanának. Ezekben az esetekben a tartomány kiegészül az új értékkel, és a szabály lefedi az új tartományt is Tulajdonság törlése Jelöljük ki a törlendő tulajdonságokat és válasszuk a «Delete Attribute» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. A kijelölt tulajdonságok az összes hozzátartozó tudással együtt törlődnek. R-36

37 Haladóknak: A tulajdonsághoz tartozó tudás az értékei, az esetek megfelelő jellemzői, és a szabályaik. A tulajdonságok szabályalapú szabályalapú összefüggései megszakadnak. Haladóknak: Ha olyan tulajdonságból törlünk értéket, amelyik egy másiknak faktora, a hozzá tartozó szabályok érték-tartománya is lefaragásra kerül, de szabályok nem törlődnek. Így néhány szabály akár az egész érték-tartományát is elvesztheti, másszóval üres tartományt kap, így nincs többé tartomány, ahol aktív lenne. Ennek megfelelően ezek a szabályok nem látszanak 2D nézetben (R ), így csak szabálylista nézetben (R ) törölhetők, vagy a Szabályok Szabálylista kitisztítása (R ) használatával Érték törlése Érték törléséhez lépjünk rá, vagy jelöljünk ki többet belőle, és válasszuk a «Delete Values» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. A kijelölt értékek az összes hozzátartozó tudással együtt törlődnek. Haladóknak: Az értékhez tartozó tudás azok az esetjellemzők és szabálykimenetek, amelyek az értéket használják. Először a Doctus megvizsgálja a tudásbázist, hogy használtak-e, ekkor a törlés csak figyelmeztetés és ennek megerősítése után történik. Ezek az értékek Unknown -ra cserélődnek. Haladóknak: Ha olyan tulajdonságból törlünk értéket, amelyik egy másiknak faktora, a hozzá tartozó szabályok érték-tartománya is lefaragásra kerül, de szabályok nem törlődnek. Így néhány szabály akár az egész érték-tartományát is elvesztheti, másszóval üres tartományt kap, így nincs többé tartomány, ahol aktív lenne. Ennek megfelelően ezek a szabályok nem látszanak 2D nézetben (R ), így csak szabálylista nézetben (R ) törölhetők, vagy a Szabályok Szabálylista kitisztítása (R ) használatával Tulajdonság mozgatása Jelöljük ki a mozgatandó tulajdonságokat és, fogjuk meg a kijelölést a szélén, húzzuk el, majd engedjük el. A tulajdonságok átrendeződnek. Más kijelölés alkzatoknál a szokásos szövegmozgatás (R- 3.6) működik. Jelenleg nem lehet értékeket átrendezni Tulajdonságjellemzők Lépjünk rá, vagy jelöljünk ki több tulajdonságot, majd válasszuk az «Attribute Properties» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Többoldalas párbeszédablak nyílik a tulajdonságjellemzők megjelenítésére és beállítására Értéksorrend (Value Ordering) R-37

38 R-3. Ábra: Tulajdonságjellemzők Értéksorrend A legtöbb tulajdonság értelmének van valamiféle jósága. Az ilyen tulajdonságok értékei felsorolhatók eszerint a jóság szerint rendezve. Ha így történt, válasszunk «Increasing»-et növekvő jóság esetén. Ekkor a baloldali érték a legrosszabb, és a jobboldali a legjobb. Válasszunk «Decreasing»-et az ellenkező sorrend esetén. Válasszunk «Nominal»-t, ha a tulajdonságnak nincs jóság értelme, szóval az értékek csak megkülönböztetésre szolgálnak. Tipp: Use «Increasing» to have a clearly arranged rule domain if appropriate, it will make the rule input easier. Haladóknak: A «Nominal» választása egy tulajdonságon a konzisztenciavizsgálatot (R ) csak azon a tulajdonságon tiltja. A «Nominal» választása egy tulajdonságon, amelyik faktora egy másiknak, csak a faktorra vonatkozó konzisztenciavizsgálatot tiltja Elágaztatási mód (Branching Method) R-4. Ábra: Tulajdonságjellemzők Elágaztatási mód Ezek a jellemzők az esetalapú gráf létrehozását vezérlik. Az általános elágaztatási mód (R ) szűrhető ezzel a jellemzővel tulajdonságonként. A baloldali oszlopban az engedélyezett elágaztatási mód választahtó ki: R-38

39 No Branching Az egyik elágaztatási mód sincs engedélyezve. Ez a tulajdonság kimarad a lehetséges informatív tulajdonságok közül. Polar Only Mindig «Polar»-t használ ehhez a tulajdonsághoz. Disable Efficient «Heuristic»-et használ «Efficient» helyett, vagy «Polar»-t ha az van általánosan választva. Any Mindegyik mód engedélyezett, tehát az általános elágaztatási módot használja ehhez a tulajdonsághoz. Tipp: Használjunk «Disable Efficient»-et azokhoz a tulajdonságokhoz, amelyeknek sok értékük van, hogy a gráf létrehozásának sebességét megnöveljük. A jobboldali oszlop az általános egyengetési beállítást (R ) rögzíti erre a tulajdonságra: Default Az általános egyengetési beállítást (R ) használja. Normal Nem használ «Straightened»-t ezzel a tulajdonsággal. Straightened «Straightened»-et használ ezzel a tulajdonsággal. «Straightened»-et: használjunk az olyan értékeknél, mint a 10-nél kevesebb, 10 és 20 között és 20-nál több, ha el akarjuk kerülni az olyan lyukas érték halmazokat, mint a 10-nél kevesebb vagy 20-nál több Automatikus értékek (Auto Values) R-5. Ábra: Tulajdonságjellemzők Automatikus értékek A Doctus Tudásimport (R-4.2)ja képes automatikus értékbegyűjtésre: Constant Values Nincs értékbegyűjtés. Csak az előre megadott értékek lehetségesek. Az ismeretlen értékek Unknown -nal helyettesítődnek. Flexible Values Egyszerű értékbegyűjtésre. Minden ismeretlen érték (beleértve a számokat is!) új értékként hozzáadódik a tulajdonság értékeihez. Numeric Cluster Analysis Az értékek decimális lebegőpontos számokként, numerikus klaszteranalízisnek vetődnek alá, és helyettesítődnek a legközelebbi klaszter értékkel. A «Configure» a klaszterek beállítására szolgál. Részletesen lásd a Klaszterbeállítások (R )-nál. R-39

40 Klaszterbeállítások (Cluster Configuration) Engedélyezzük a Numeric Cluster Analysis (R )-t a tulajdonságra, majd nyomjuk meg a «Configure» gombot a párbeszédablakban, vagy válasszuk a «Cluster Configuration» pontot az «Edit» menüből. R-6. Ábra: Tulajdonságjellemzők Klaszter beállítások Ez a párdeszédablak a klaszteranalízis beállításait és a klaszterek állapotát mutatja. A klaszteranalízis a Tudásimport (R-4.2) indulásakor fut le; emiatt a klaszterek állapota, ami a párbeszédablakban látszik, automatikusan jött létre, bár kézzel is módosítható. A klaszteranalízis az Import Varázsló (R-4.2.6) segítségével is beindítható. The settings for cluster analysis are placed in the dialog below the table: Number of Values Expected A klaszteranalízis ennyi klasztert fog adni a tulajdonságnak. Minden klaszter egy értéket képvisel. Error measure A mód, ahogy a klaszteranalízis kiszámítja a hibatávolságot és kiválasztja a legjobb klaszter párt, hogy egyesítse őket. Jelenleg csak az «Euclidean» működik, amelyik a sztenderdizált nyers adatok különbségeinek négyzeteit összegzi a dimenziók mentén. Amalgamation/linkage rules Az eljárás, ahogy a klaszterek összeolvadnak a kívánt számúra. Jelenleg csak a «K-Means» működik, amelyik kimerítően megkeresi a legközelebbi klaszter párt. Insert Dimension Új oszlop jön létre a táblában egy új dimenzió számára. Minden dimenziónak külön külső adatforrása lehet, így mindegyiknek független klaszterállapota. A dimenzió külső adatforrása a fejlécen adható meg. Remove Dimension Az aktuális dimenzió oszlopa letörlődik. Az utolsó dimenzió nem törölhető. Technikai: A Tudásimport beolvassa az első 1000 esete, mint kezdeti klasztereket egy tárolóba, és megkezdi a klaszterek számának csökkentését a kiválasztott összeolvasztó/kötő szabály segítségével ismételve, míg el nem éri a klaszterek kívánt számát. A tábla első két sora a klaszterek jelenlegi állapotát mutatja: R-40

41 Total Cases Az analizált összes eset száma. Total Error Az összes hiba, amit az összes eset klaszterezése okozott. Average Az összes klaszterezett eset nyers adatainak átlaga ebben a dimenzióban. Sztenderdizáláskor használt adat. Standard Deviation Az összes klaszterezett eset nyers adatainak szórása ebben a dimenzióban. Sztenderdizáláskor használt adat. A harmadik sortól a klaszterek adatai szerepelnek. Minden klaszter sor a következő mezőkből áll: Left head cell A klasztert képviselő érték neve, kézzel átírható. Cases Az ebbe a klaszterbe került esetek száma. Average Error Az átlagos hiba, amit az ide került esetek klaszterezése okozott. Value A klaszter középpontja. Az ebbe a klaszterbe került esetek nyers adatainak átlaga Külső adatforrás (External Input) R-7. Ábra: Tulajdonságjellemzők Külső adatforrás A Doctus Tudásimport (R-4.2)-ja a külső adatforrásra kötött tulajdonságok esetjellemzőit tölti fel. A párbeszédablaknak ez az oldala mutatja és állítja be ezt az összeköttetést, habár ezt rendesen az Import Varázsló (R-4.2.6) teszi. A mezők jelentése Tudásimport (R-4.2) adatforrásától függ. Table A tábla (Microsoft Query & ODBC) vagy táblázat (Excel workbook) neve, amelyikről a nyers adatok származnak. Column Az tábla oszlopának neve, amelyikből a tulajdonság nyers adatai származnak. Ha több dimenziós klasztering van beállítva, a Cluster Configuration párbeszédablak (R ) fejlécén kell beállítani. Case Name Az tábla oszlopának neve, amelyikből az eset nyers adat azonosítója származik. Minden tulajdonságnak, amelyik azonos táblából származik, azonos esetazonosítót kell megadni. Ha a «Case Name» nincs megadva, a nyers adatok természetes sorrendben olvasódnak a «Cases» táblába. R-41

42 A döntési tulajdonság (Set to Decision Attribute) Egy tudásbázisnak tulajdonképpen több döntési tulajdonsága is lehet, de egy ezek közül ki van jelölve «Decision Attribute»-nak. Ez a tulajdonság képviseli a tudásbázis deduktív végkövetkeztetését, és a szabályalapú gráf gyökerét, ami felül látható. A «Decision Attribute» sora (vagy oszlopa, ha függőleges nézet van beállítva) a fejléc színével van kiemelve az «Attributes» és a «Cases» táblán. Ha a tulajdonság, amit döntési tulajdonságnak jelölünk, egy másik faktora, előbb levágásra kerül Vizsgálat Hivatkozatlan értékek keresése Válasszuk az «Unused Value» pontot a «Search» menüből. Azok az értékek, amelyek sem esetjellemzőként, sem szabály kimeneteként nem szerepelnek, kijelölődnek. Minden ilyen értéket kitörölhetünk (R ), de a szabályok tartományai sérülhetnek Faktorok keresése Válasszuk a «Factors» pontot a «Search» menüből. Az aktuális tulajdonság összes faktora kijelölődik Feldolgozás Nincs érintve. 2.2 Esetek A tudás területének tárgyai (a döntési lehetőségek), amiket a Doctus eseteknek hív, vannak felsorolva a «Cases» táblán. Minden esetnek van neve, és esetjellemzője minden tulajdonsághoz, ami az esetet a besorolja aszerint a szempont szerint, amit a tulajdonság képvisel. R-8. Ábra: Az 1 nevű jelöltnek néhány elvégzett munkája van. Ez függőleges nézet. Egy esetjellemző lehet: rendesen a megfelelő tulajdonság egy értéke, üres mező, ami az ismeretlent ( Unknown ) képviseli, R-42

43 csillag ( * ), ami a mindegy -et ( Don t care ) képviseli, vagy felosztott mező, ami több érték elosztott valószínűségét képviseli Nézet Leírás Válasszuk a «Description» pontot a «View» menüből. Az aktuális tulajdonság vagy érték leírása (R ) jelenik meg Testreszabás Válasszuk a «Customize» pontot a «View» menüből. R-9. Ábra: A «Cases» tábla testreszabása Ez a párbeszédablak az «Cases» tábla megjelenését vezérli. A következő kapcsolók állnak rendelkezésre: Vertical Az esetek eredetileg esetjellemzőkből álló sorokként jelennek meg. Ha a «Vertical» be van kapcsolva, oszlopokként. Wrap Az esetjellemzők sorai nagyon szélesek lehetnek, ha sok tulajdonság látható. A «Wrap» betördeli ezeket a sorokat, hogy az esetek eloszlanak több sorba, és több tulajdonság oszt meg azonos oszlopokat. Mindig az esetek tördelődnek, «Vertical» esetén is. Attribute Type Flags Azok a kis ikonok, amik a tulajdonságok típusát jelzik, és a név jobb oldlán látszanak, jeleníthetők meg, iletve tüntethetők el ezzel a kapcsolóval. AutoFit Text A tábla mezőinek a szélessége automatikusan beáll a tartalmának a méretére, ha be van kapcsolva. Továbbá beállítható, mely tulajdonságok legyenek láthatók ezen a táblán. All Mindegyik. Selected A jobboldali list dobozban felsoroltak. Az összes azonos típusú tulajdonság is kijelölhető a megfelelő kapcsoló megnyomásával a listadoboz bal oldalán. Ha minden listaelemet kikapcsolunk, az «All» lép érvénybe. Current Csak az aktuális tulajdonság. R-43

44 2.2.2 Szerkesztés Tipp: Ha csak az aktuális tulajdonság látható, nyomjunk «Ctrl-Up»-ot és «Ctrl-Down»-t, hogy a tábla elhagyása nélkül léptessük Eset létrehozása Lépjünk a baloldali fejlécre, és gépeljük be az eset nevét. Lépjünk tovább «Tab»-bal vagy «Enter»-rel, és adjuk be az esetjellemzőket (R ) Esetjellemző bevitele Lépjünk rá, vagy jelöljünk ki több egyformára állítandót, majd kövessük a következő lépéseket, hogy esetjellemzőket állítsunk be: konkrét érték Válasszunk egy értéket a jobb egérgomb menüből vagy nyomjunk 1 -et az első értékhez, 2 -t a másodikhoz, és így tovább. Unknown Hagyjuk üresen a mezőt, válasszuk a «Delete Value» pontot az «Edit» menüből, vagy a jobb egérgomb menüből, vagy nyomjunk «Del»-t. Don t Care Válasszuk a «Set to Don t Care» pontot az «Edit» menüből, vagy a jobb egérgomb menüből, vagy nyomjunk «*»-t. elosztott valószínűség Válasszuk a «Distribute» pontot az «Edit» menüből, vagy a jobb egérgomb menüből, és állítsuk be az eloszlást (R ). Tipp: Hogy az esetjellemzők bevitele közben vigyünk be értékeket, állítsuk a tulajdonságok Automatikus érték (R )eit «Flexible»-re, majd illesszük be a szöveges adatokat a vágólapról. Kézi bevitel esetén válasszuk az «Edit» pontot a jobb egérgomb menüből and írjuk be az érték nevét, mégha az új is. Az ismeretlen értékek hozzáadódnak a tulajdonsághoz. Haladóknak: A függő tulajdonságok esetjellemzőit csak a közetkeztetés állíthatja be, bár kézzel is törölhetők az «Edit» menü vagy a jobb egérgomb menü «Delete Value» pontjának választásával. Ennek az az értelme, hogy kitisztítsuk az esetleg időközben érvénytelenné vált következtetéseket a tudásbázisból Elosztott esetjellemző bevitele Válasszuk a «Distribute» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. R-44

45 R-10. Ábra: Ez az esetjellemző néhány és átlagos 1/3 2/3 arányban. A következő oszlopok látszanak: Baloldali fejléc Legfeleül a tulajdonság neve, és baloldalt az értékek, amelyek elosztott valószínűsége adható meg. Count Az érték valószínűségi arányának számlálója. Kézzel is beírható. A nevező («Denominator») a tábla alatt állítható be. Rate Az érték valószínűsége tizedes törtként, a intervallumba esik. Kézzel is beírható. Bar indicator A valószínűség grafikus jelzője. Lépjünk a mezőre, és használjuk a tábla alatti tolókát. Ha a «Keep Together» be van kapcsolva, a valószínűségek aránya, a módosított értékéé kivételével megőrződik, hogy az arányok összege megmarad. Másszóval ahogy egy valószínűség növekszik, úgy csökken a többi, egymással arányban, és fordítva Eset átnevezése Írjuk be az új nevet a fejlécen, és hagyjuk el. Az eset átneveződik Eset beszúrása Válasszuk «Insert Case» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Az új eset az éppen kijelölt elé kerül, és kap egy kezdeti nevet. Írjuk be az igazi nevét, hogy felülírja, és hagyjuk el a mezőt. Adjuk meg az esetjellemzőket (R ) Eset törlese Jelöljük ki a törlendő esetek sorait (vagy oszlopait, ha függőleges nézetben vagyunk) és válasszuk a «Delete Case» pontot az «Edit» menüből, vagy a jobb egérgomb menüből, vagy nyomjunk «Del»-t. A kijelölt esetek törlődnek Eset mozgatása Jelöljük ki a mozgatandó esetek sorait (vagy oszlopait, ha függőleges nézetben vagyunk) és, fogjuk meg a kijelölést a szélén, húzzuk el, majd engedjük el. Az esetek átrendeződnek. R-45

46 Tulajdonság mozgatása Jelöljük ki a mozgatandó tulajdonságok oszlopait (vagy sorait, ha függőleges nézetben vagyunk) és, fogjuk meg a kijelölést a szélén, húzzuk el, majd engedjük el. Ha az összes tulajdonság látszik, a tulajdonságok rendeződnek át, mintha az «Attributes» táblán tettük volna. Ha kijelölt (R ) tulajdonságok látszanak, csak a megjelenítés sorrendje változik. Más kijelölés alkzatoknál a szokásos szövegmozgatás (R-3.6) működik Külső adat beillesztése Másoljuk a táblázatkezelő vagy szövegszerkesztő alkalmazásunk táblamezőit a vágólapra. Váltsunk át a Doctusba. Lépjünk a «Cases» tábla bal felső mezőjére, majd válasszuk a «Paste External Data» pontot az «Edit» menüből. A nyers adatok beolvasódnak a vágólapról. A rugalmas (flexible) (R ) tulajdonságok értékei összegyűlnek, és a klaszterezett (R ) tulajdonságokhoz érkező számszerű bemenet klaszterezésre kerül. Technikai: A mezők másolására belsőleg használt vágólap formátum a «Tab»-bal elválasztott szöveges forma. Ezt számos táblázatkezelő és szövegszerkesztő alkalmazás támogatja, úgyhogy ezek használhatók az importálandó adatok előkészítésére. Haladóknak: A több dimenziós klaszterezett tulajdonságok több oszlopot várnak, dimenziónként egyet Sorbarendezés Jelöljük ki fontossági sorrendben a tulajdonságokat, amik szerint rendezünk, majd válasszuk a «Sort» pontot az «Edit» menüből. Az esetek a kijelölt tulajdonságok szerint sorbarendeződnek Vizsgálat Értékkombináció keresése Válasszuk a «Value Combination» pontot a «Search» menüből. A következő párbeszédablak nyílik: R-11. Ábra: Jelöltek keresése, akik Tender -e legalább fair. R-46

47 Jelöljük ki az értékek mezőit a táblán, amiket keresni akarunk. Egy tulajdonság több értékét jelöljük ki, ha bármelyiket keressük ( vagy kapcsolat). Jelöljük ki az összeset vagy egyiket sem, hogy a tulajdonságot kihagyjuk a keresési feltételből. Jelöljük ki több tulajdonság értékeit, hogy több tulajdonság szerint szűrjünk ( és kapcsolat). Az összes eset a kijelölt értékekkel kijelölődik Faktorok keresése Válasszuk a «Factors» pontot a «Search» menüből. Az aktuális tulajdonság összes faktora kijelölődik Magyarázat keresése Lépjünk egy függő tulajdonság esetjellemzőjére. Válasszuk az «Explanation» pontot a «Search» menüből. A «Rules» tábla jelenik meg és az a szabály jelölődik ki, amelyik a kijelölt esetjellemzőt eredményezi (R ) Feldolgozás Deduktív következtetés Válasszuk a «Deductive Reasoning» pontot a «Knowledge Management» menüből. A függő tulajdonságok esetjellemzői felülíródnak a megfelelő szabályok következtetéseivel. Ha nem minden tulajdonság látszik, a döntési tulajdonságok megjelennek, hogy látni lehessen az eredményt. A következtetés behatárolható a mezők kijelölésével. Csak a kijelölt mezők következtetődnek. Haladóknak: Nincs biztosítva, hogy minden bemenetként szolgáló esetjellemző aktuális, hiszen azok nem következtetődnek, ha nincsenek kijelölve. Haladóknak: A különleges esetjellemzők következtetéskori viselkedése a Szabályok A szabálylista és működése (R ) fejezetben van részletezve Javaslat elfogadása Szabályokra vonatkozó ellentmondásmentes javaslat megbecsli a fedetlen tartományok kimenetét. Más szabályokon és következetességi meggondolásokon (R ) alapul. Válasszuk az «Accept Advice» pontot a «Knowledge Management» menüből, hogy a deduktív következtetés elfogadja ezt a javaslatot. Tipp: Ha egy szabálylista Unknown -t eredményez, mégha az «Accept Advice» be is van kapcsolva, ellenőrizzük, hogy a bemeneti esetjellemzők nem Unknown -ok-e. 2.3 Szabályalapú gráf A tulajdonságok függhetnek egymástól. Ezek az összefüggése hierarhiát eredményeznek, amelyik a szabályalapú gráfon képeződik le. R-47

48 R-12. Ábra: A Tender a Reference -től és a Finance -tól, míg a Finance a Warranty -tól és a Price -tól függ. A szabályalapú következtetés új esetjellemzőket kelt, amik szabályokon, és más esetjellemzőkön alapszanak Nézet Minden csomópont «Attributes» tábla egy egy tulajdonságát képviseli. A döntési tulajdonság a gráf tetején helyezkedik el. A faktor tulajdonságok alulról kapcsolódnak a függő tulajdonságuk csomópontjához. Ez az él képviseli, hogy a tulajdonság függ a faktorától. A bemenő tulajdonságok a gráf levelei, nekik nincs faktoruk. Mégha több döntési tulajdonság létezik is, csak egy gráf látható, amelyik azé döntési tulajdonságé (R ), amelyik a tudásbázis végkövetkeztetését képviseli. A t0bbiek faktorcsomópontok nélkül jelennek meg a gráf alatt Testreszabás Válasszuk a «Customize» pontot a «View» menüből. R-13. Ábra: A «Rule-Based Graph» tábla testreszabása Ez a párbeszédablak a «Rule-Based Graph» tábla megjelenését vezérli. A következő kapcsolók állnak rendelkezésre: Horizontal A gráf úgy tükröződik, hogy a gyökér csomópont az ablak baloldalára kerül, és az ágai jobbra vannak tőle. R-48

49 Condensed Azok a csomópontok, amiknek több, mint két levelük van, széles felületet foglalnak el a képernyőn. Kapcsoljuk be, hogy az ilyen levelek két sorba rendeződjenek, hogy összességében kevesebb helyet foglaljon el a gráf. (Vízszintes nézetben a levelek két oszlopba rendeződnek, hogy a magasságot csökkentsék.) Additional nodes Válasszuk ki, hogy az összes többi tulajdonság, csak a többi döntési tulajdonság, vagy más tulajdonság egyáltalán ne látszódjon a gráf alatt. Esetlegesen további információk foglalhatnak helyet a tulajdonságok csomópontjaiban. A következő csomópont feliratozások («Node Legends») választhatók: None Nincs csomópont feliratozás. Values A tulajdonságok értékei vannak felsorolva a csomópontokban. Cases Kiválasztott esetek jellemzői vannak felsorolva a csomópontokban. Cases with Names Kiválasztott esetek nevei és jellemzői vannak felsorolva a csomópontokban. Használjuk a jobboldali listát, hogy az utolsó két üzemmód eseteit kiválaszzuk. További két módon lehet a csomópont feliratozást szűkíteni: For a Level Only Ezzel a kapcsolóval lehet a feliratozást csak az aktuális és a vele egyszinten lévő csomópontokra szűkíteni. Lépjünk egy másik szint csomópontjára, majd válasszuk a «Show legends on this level» pontot a jobb egérgomb menüből hogy a feliratozást az aktuális szinten jelenítsük meg. For Input Attributes Only Kapcsoljuk be, hogy csak a levél csomópontokon legyen feliratozás. Ha mindkét kapcsoló aktív, a feliratozás csak az aktuális szinten, a leveleken jelenik meg ( és kapcsolat) Más döntési tulajdonságok Egy tudásbázisnak néha (tulajdonképpen, amíg nincsenek összefüggések, mindig) több döntési tulajdonsága is lehet. A kijelölt döntési tulajdonságon kívül más döntési tulajdonság gráfjának megjelenítéséhez gondoskodjunk a megjelenésükről (Additional nodes), majd jelöljük őket a döntési tulajdonságnak (R ) Elrejtés felül Ahhoz, hogy mindössze egy ágát jelenítsük meg egy óriási szabályalapú gráfnak, lépjünk a csomópontra, és válasszuk a «Hide Above» pontot a jobb egérgomb menüből. A szülő és a szomszéd csomópontok eltűnnek, hogy az aktuális csomópont lesz a gyökér. Csak egy kis vonal jelzi, hogy a csomópont nem a valódi gyökér. A teljes gráf újramegjelenítéséhez válasszuk a «Hide Above» pontot mégegyszer, vagy jelöljük ki az eredeti gyökeret, ami a gráf alatt látszik, a döntési tulajdonságnak (R ) Elrejtés alul A faktor csomópontok eltüntetéséhez válasszuk a «Hide Below» pontot a jobb egérgomb menüből. A faktor csomópontok eltűnnek, hogy csak náhány kis vonal jelzi, hogy a csomópont nem a valódi levél. A faktorok újramegjelenítéséhez válasszuk a «Hide Below» pontot mégegyszer. R-49

50 2.3.2 Szerkesztés Bekötés Ahhoz, hogy faktor csomópontot kössünk be egy csomóponthoz, húzzunk be egy csomópontot a gráf alól ahhoz a csomóponthoz, amelyikhez csatlakoztatni akarjuk. Egy dinamikus él jelzi, hogy melyik kapcsolat jön létre, amikor elengedjük a csomópontot Átrendez Haladóknak: A szabálylista értelmezési tartománya egy új faktor bekötésével nyer egy új dimenziót. A szabályok értelmezési tartományai az új faktor egy-egy teljes tartományával egészülnek ki, ezért a szabálylista független marad tőle. A faktorok sorrendjének megváltoztatásához tartsuk nyomva a «Shift» billentyűt, miközben megfogjuk az egyik faktort. gy nem lesz sem levágva, sem másik tulajdonsághoz bekötve. A faktor csomópontok sorrendje adja meg a «Rules» táblabeli faktorok sorrendjét Levág Faktor csomópont lecsatolásához először lépjünk rá, majd válasszuk a «Prune» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Levágódik a függő tulajdonságáról, és a gráf alatt jelenik meg Vizsgálat Haladóknak: A szabálylista értelmezési tartománya elveszt egy dimenziót, de szabályok nem törlődnek. Így a szabálylista kevésbé megkülönböztetővé válik, emiatt többszörösen lefedett tartományok jelennek meg Magyarázat keresése Állítsuk be a csomópont feliratozást (R ) a «Cases with Names»-re és lépjünk egy függő csomópontra. Válasszuk az «Explain» pontot a jobb egérgomb menüből és válasszuk ki azt az esetet az almenüből, amelyik következtetett jellemzőjére magyarázatot szeretnénk kapni. A szabály, amelyik a kijelölt esetjellemzőt eredményezi (R ), megjeleinik a «Rules» táblán Feldolgozás Deduktív következtetés Állítsuk be a csomópont feliratozást (R ) a «Cases with Names»-re és válasszuk a «Deductive Reasoning» pontot a «Knowledge Management» menüből. Az esetjellemzők felülíródnak a következtetett értékekkel. Haladóknak: A különleges esetjellemzők következtetéskori viselkedése a Szabályok A szabálylista és működése (R ) fejezetben van részletezve Javaslat elfogadása Lásd: Esetek Javaslat elfogadása (R ). R-50

51 A Esetek Deduktív következtetés (R ) és a Esetek Javaslat elfogadása (R ) fejezetek irányadók azzal a különbséggel, hogy az eredmény a csomópont feliratozásában látszik. 2.4 Szabályok Minden függő tulajdonságnak van egy szabálylistája, amelyik egy kimenetet rendel a faktor tulajdonságainak minden értékkombinációjához. Így minden faktor kifeszíti a diszkrét értékek egy-egy dimenzióját az értelmezési tartományában. Az értelmezési tartomány térfogata az értékkombinációk (másszóval az elemi szabályok ) összes száma. Ez az szám a dimenziók méretéből szorzódik össze, ami a faktorok értékeinek száma. Mivel ez magyon nagy is lehet, a Doctus nem elemi, hanem komplex szabályokat tárol, amelyek nem bizonyos pontokat, hanem az értelmezési tartomány téglás tereit fedik le. Következésképpen minden komplex szabálynak van egy értéktartománya minden faktorából, és van egy szabálykimenete, ami az esetjellemzőhöz (R ) hasonlít Nézet Testreszabás Válasszuk «Customize» pontot a «View» menüből. R-14. Ábra: A «Rules» tábla testreszabása Ez a párbeszédablak a «Rules» tábla megjelenését vezérli. A következő kapcsolók állnak rendelkezésre: 2 Dimensional Ezzel a kpcsolóval váltunk a szabálylista (R ) és a 2 dimenziós (R ) nézet között. Az aktuális mező helye és a kijelölések logikusan átalakulnak. AutoFit Text A tábla mezőinek a szélessége automatikusan beáll a tartalmának a méretére, ha be van kapcsolva. Flag Inconsistent Rules Kapcsoljuk be, hogy a Doctus az újonan megadott szabályokat következetességvizsgálatnak (R ) vesse alá a már létezőkkel. Az esetleges ellentmondásokat a szabályok mezőin megjelenő, különböző kedvű kicsiny arcok jelzik. Show Plausible Advice A 2D nézetben a fedetlen értelmezési tartomány üres mezőkként jelenik meg. Kapcsoljuk be, hogy ezek helyett a lehetséges ellentmondásmentes (R ) R-51

52 szabálykimenetek jelenjenek meg. Szürkével vannak rajzolva megkülönböztetésül a valódi szabálykimenetetktől A szabálylista és működése A szabálylista nézet úgy mutatja a szabályokat, ahogy tárolva vannak. A szabályok sorokba vannak rendezve. A jobboldali oszlop mutatja a szabálykimenetet, tőle balra vannak a faktorok értéktartományai. R-15. Ábra: Egy öt szabályból álló szabálylista lista nézete. R-16. Ábra: A fenti szabálylista illusztrációja. Hogy működik a szabálylista a deduktív következtetés (R ) során? A szabályok feldolgozási sorrendben vannak. A legfelső szabály kerül először sorra, vajon fedi-e a faktor tulajdonságainak esetjellemzőit. Ha igen, a ráillő szabály meg is van, különben a keresés a következő szabályon folytatódik. R-52

53 Példa: Az R-15. Ábra első szabálya így szól: Ha a Reference excellent és a Finance legalább good, akkor a Tender excellent. Ha nem, a második szabály kerül sorra. A R-16. Ábra ugyan azt a szabálylistát mutatja 2 dimeziós szines foltokként. Öt értéke van mindkét faktornak, így a Reference -nek és a Finance -nak is, ezeket golyók jelzik. A leghátsó képviseli az excellent Reference -t, míg a legközelebbi az excellent Finance -t. A bordó folt képviseli az első szabályt. A kék az utolsót, teljes tartománnyal. Figyelembe véve a feldolgozási sorrendet, a felső szabály eltakarja az alatta levőket. Több, többszörösen lefedett tartomány látható. Ha nem találtunk ráillő szabályt, szóval fedetlen tartomány lett lekérdezve, az eredmény Unknown, hacsak nincs javaslat elfogadása (R ) engedélyezve. Ugyanez a viselkedés, ha valamelyik faktor esetjellemzője Unknown dimenziós Technikai: Ha valamelyik faktor esetjellemzője Don t care, egyenként helyettesíti az összes lehetséges értékével, mindegyikre megkeresi a szabályt, és a kimeneteket átlagolja. Technikai: Ha valamelyik faktor esetjellemzője elosztott valószínűségű, egyenként helyettesíti az összes lehetséges értékével, mindegyikre megkeresi a szabályt, és a kimeneteket az eloszlás valószínűségével súlyozva összegzi. Matek: A deduktív következtetés a feltételes valószínűségek tételén (Bayes tétel) alapul. A szabálylista aktív tartománya látszik ebben a nézetben. Az értelmezési tartomány, aminek annyi dimenziója van, ahány faktora, 2 dimenzióba van vetítve, egymás melletti lapokként. Ha több mint két faktor van, néhányuk sorokban, mások oszlopokban jelennek meg. R-17. Ábra: Ugyan az a szabálylista, mint fent, csak 2D nézetben. R-53

54 R-18. Ábra: A fenti szabálylista illusztrációja. Ugyan az, nem? Minden elemi szabálynak külön mezője van a kimenete számára. Az értelmezési tartomány minden pontja megjelenik, mégha nincs is szabállyal lefedve. A rejtett szabályok nem látszanak ezen a nézeten. Példa: A R-18. Ábra rózsaszín szabályának van egy kis rejtett tartománya a bordó alatt. így az ő értéktartománya nagyobb mint az aktív tartománya, ami a R-17. Ábra-n kijelölve jelenik meg. A dimenziók átrendezhetők a felső vagy a baloldali fejlécek elején levő, a faktor tulajdonságok nevét tartalmazó, mező megfogásával és elhúzásával. Húzzuk el egy másik faktortulajdonság közelébe, hogy a fejlécet, az értékekkel együtt elmozgassuk. A legjobb elrendezést, ami az ablak szélességében elfér, az «Edit» menü «Sort» pontjával kaphatjuk meg Ellentmondásmentesség Azok a tulajdonságok, amelyeknek van jóság értelmük, lehetővé teszik, hogy két szabályt, tartományuk és kimenetük jósága alapján összehasonlítsunk. Feltéve, hogy egy jobb tartományon érvényes szabály nem adhat rosszabb kimenetet, ellentmondásmentesség definiálható. Egy szabály ellentmondásban van egy szabálylistával, ha van benne olyan szabály, amelyik jobb tartományon rosszabb eredményt ad, vagy rosszabb tartományon jobbat. A szabály ennek megfelelően lehet túl jó, vagy túl rossz a szabálylistához, vagy ha túl jó és túl rossz is egyszerre, a szabály u.n. kereszttűzbe került. Ezen az alapon lehet új szabályokat ellenőrizni (Ellentmondásos szabályok jelzése (R )), túl jó, túl rossz, vagy kereszttűzbe került szabályokat keresni (Vizsgálat (R-2.4.3)), ellentmondásmentes javaslatokat megjeleníteni a státusz sorban, vagy üres 2D mezőkön («Show Plausible Advice» in Testreszabás (R )), vagy fedetlen tartományok kimenetét megbecsülni (Esetek Javaslat elfogadása (R )) Ellentmondásos szabályok jelzése Engedélyezzük a «Flag Inconsistent Rules»-t a Testreszabás (R )-n. Változtassuk meg (R ) az egyik szabály kimenetét. Ha kicsiny arcok jelennek meg néhány mező jobboldalán, az azt jelenti, hogy ellentmodást vittünk be a szabálylistába. Ilyen esetben az utoljára bevitt szabálynál sárga színű arc van. Azoknál a szabályoknál, amelyek ellentmondásban vannak vele, fehér. Ha több szabály is megváltozott, csak az utoljára változott sárga, a R-54

55 többiek szürkék, de a hozzájuk tartozó szabályok nincsenek jelölve, amíg rá nem lépünk, amikor is sárgára váltanak. Too bad rules (R ) are signed by a crying, too good (R ) ones by a smiling, and rules in crossfire (R ) are signed by a face with waving mouth. Az ellentmondásjelzés eltüntetéséhez a következőket tehetjük: változtassuk meg az utoljára megadott, vagy a vele ellentmondásban lévő szabályok kimenetét, állítsuk a kirívó faktor tulajdonságot «Nominal» értéksorrendre (R ), állítsuk magát a függő tulajdonságot «Nominal» értéksorrendre (R ), hogy az ellentmondásellenőrzést teljesen kiakpcsoljuk erre a szabálylistára, vagy kapcsoljuk ki a «Flag Inconsistent Rules (R )»-t Szerkesztés Haladóknak: A Doctus itt a komplex szabályok ellentmondásait vizsgálja, amik gyakran kiterjedt tartományokon aktívak. Ez az oka annak, hogy néha további arcok tűnnek fel a tartományon, amik nincsenek is ellentmondásban a vizsgált szabály tartományával. Ezzel szemben a Ellentmondás keresése (R ) tartományalapon működik, és nem szabályalapon Szabály beszúrása Válasszuk az «Insert Rule» pontot az «Edit» menüből. A következő párbeszédablak nyílik: R-19. Ábra: A R-17. Ábra bordó szabályának tartománya van kijelölve. Jelöljünk ki egy tartományt, akár több mezőt, a «Ctrl» nyomvatartásával. A teljes tartományhoz egyszerűen hagyjuk üresen a faktor sorát. Nyomjunk OK-t. A szabálylistán az aktuális elé egy új szabály kerül, a megadott tartománnyal, Unknown kimenettel. Ugyanez a párbeszédablak használható 2D nézetben is, vagy egyszerűen csak változtassuk meg mező tartalmát a jobb egérgomb menüvel. Az új szabály a lista elejére kerül. R-55

56 Új szabály létrehozásának másik módja, hogy a lista utolsó szabálya utáni sor kimenet mezőjének a tartalmát változtatjuk meg. Egy teljes tartományú szabály jön létre, és a kimenete beáll Szabály törlése Kapcsoljunk szabálylista nézetbe. Jelöljük ki a törlendő szabályok sorait, és válasszuk a «Delete Rule» pontot az «Edit» menüből. A kijelölt szabályok törlődnik. Ugyanez 2D nézetben azt eredményezi, hogy a kijelölt tartomány szabálya(i) Unknown kimenetet kapnak Szabály mozgatása Jelöljük ki a mozgatandó szabályok sorait, fogjuk meg a kijelölést a szélén, húzzuk el, majd engedjük el. A szabályok átrendeződnek. Ha a szabálylista kimenete az átfedő tartományok következtében megváltozik, figyelmeztetés jelenik meg Faktor mozgatása Jelöljük ki a mozgatandó faktorok oszlopait, fogjuk meg a kijelölést a szélén, húzzuk el, majd engedjük el. A faktorok átrendeződnek. A szabályalapú gráf élei is frissítődnek. Más kijelölés alkzatoknál a szokásos szövegmozgatás (R-3.6) működik Szabály kimenetének beállítása Lépjünk rá, vagy jelöljünk ki több szabálykimenet mezőt, majd válasszunk egy értéket a jobb egérgomb menüből. A szabály kimenet Unknown -ra, Don t care -re vagy elosztott értékre is beállítható, hasonlóan az esetjellemzőkhöz (R ). A szabálylista nézetben a kimenet úgy is állítható, hogy teljes sort jelölünk ki. 2D nézetben a kijelölés értéktartományokká alakul. Ha szükséges, a kiválasztott kimenettel új szabály keletkezik az első előtt, egyébként csak a megfelelő szabályok kimenete változik. Ez a működés a listában több szabályt is eredményezhet Értéktartomány beállítása Kapcsoljunk szabálylista nézetbe. Lépjünk rá, vagy jelöljünk ki több értéktartomány mezőt. Válasszuk a «Set Range to» pontot a jobb egérgomb menüből. Válasszunk egy értéket az almenüből. A kijelölt értéktartományok beállnak arra az egy kiválasztott értékre Split Range Kapcsoljunk szabálylista nézetbe. Lépjünk rá, vagy jelöljünk ki több értéktartomány mezőt. Válasszuk a «Split at» pontot a jobb egérgomb menüből. Válasszunk egy értéket az almenüből. A kijelölt értéktartományok két részre oszlanak. A második rész a kiválasztott értékkel kezdődik Értéktartomány feldarabolása Kapcsoljunk szabálylista nézetbe. Lépjünk rá, vagy jelöljünk ki több értéktartomány mezőt és/vagy szabály sort. Válasszuk a «Divide Range» pontot az «Edit» menüből. R-56

57 R-20. Ábra: A «Divide Range» hatása az R-21. Ábra összes faktorán és összes szabályán. A kijelölt szabályok kijelölt értéktartományai egyedi értékekre darabolódnak fel Szabályok összeolvasztása Válasszuk az «Assemble Rules» pontot az «Edit» menüből. R-21. Ábra: Az «Assemble Rules» hatása az R-20. Ábra-n. A szabályok száma lecsökken nagyobb értéktartományú komplex szabályokká történő összeolvasztásuk által Értéktartományok kiterjesztése Válasszuk az «Extend Rule Ranges» pontot az «Edit» menüből. R-22. Ábra: Az «Extend Rule Ranges» hatása az R-21. Ábra-n. R-57

58 Néhány szabály értéktartománya megnő, hogy általánosabbak legyenek a szabálylista kimenetének változása nélkül Szabálylista kitisztítása Válasszuk a «Purify Rule Set» pontot az «Edit» menüből. A szabályok értéktartományai feldarabolódnak (R ) elemi szabályokká, a rejtett szabályok törlődnek (R ), a maradék összeolvad (R ) és kiterjed (R ). Végül az eredményül kapott komplex szabályok sorba rendeződnek (R ). R-23. Ábra: Az R-16. Ábra szabálylistája feldarabolás után. A végeredmény a R-22. Ábra-n látható. Tipp: A 2D nézetben történő rendszeres kimenetmódosítás a szabálylista megnövekedéséhez és átláthatatlanságához vezethet. Ennek az állapotnak a feloldására használhatjuk ezt a pontot Sorbarendezés Kapcsoljunk szabálylista nézetbe. Jelöljük ki fontossági sorrendben az oszlopokat, amik szerint rendezünk, majd válasszuk a «Sort» pontot az «Edit» menüből. A szabályok a kijelölt oszlopok értékei, illetve a tartományok kezdőértékei szerint sorbarendeződnek. Ha a szabálylista kimenete az átfedő tartományok következtében megváltozik, figyelmeztetés jelenik meg Vizsgálat Azonos értéktartomány keresése a másik nézetben Lépjünk rá, vagy jelöljünk ki több szabályt listanézetben. Válsunk 2D nézetbe, ekkor a kijelölt szabályok aktív tartománya lesz kijelölve. Lépjünk rá, vagy jelöljünk ki több szabálykimenet mezőt 2D nézetben. Válsunk listanézetbe, ekkor a kijelölt aktív tartományokhoz tartozó szabályok lesznek kijelölve Search Value Combination Válasszuk a «Value Combination» pontot a «Search» menüből. A következő párbeszédablak nyílik: R-58

59 R-24. Ábra: Szabályok keresése a Finance mean tartományán, suggested Tender -rel. Három mező lesz kijelölve a R-17. Ábra-n. Jelöljük ki a keresett értéktartományt és kimenetet. A «Ctrl» nyomvatartásával több mezőt is kijelölhetünk. Ha valamelyik tartomány vagy a kimenet nem érdekes, hagyjuk üresen a sorát. Nyomjunk OK-t. Az illeszkedő szabályok akár a lista, akár a 2D nézetben kijelölődnek Rejtett szabályok keresése Kapcsoljunk szabálylista nézetbe. Válasszuk a «Hidden Rules» pontot a «Search» menüből. Az aktív tartomány nélküli, azaz a teljesen elfedett és az üres tartományú szabályok kijelölődnek. Ezek a szabálylista kimenetének változása nélkül törölhetők Többszörösen lefedett tartományok keresése Kapcsoljunk 2D nézetbe. Válasszuk a «Range Intersection» pontot a «Search» menüből. A többszörösen lefedett tartomány kijelölődik. Tipp: Ezzel a ponttal ellenőrizhetjük, hogy a szabálylistánk egyrétegű-e Aktív tartomány keresése Kapcsoljunk 2D nézetbe. Lépjünk egy komplex szabály tartományára. Válasszuk az «Active Domain» pontot a «Search» menüből. A szabály aktív tartománya kijelölődik Ellentmondás keresése Kapcsoljunk 2D nézetbe. Lépjnk a tartomány egyik mezőjére. Válasszuk a «Contradiction» pontot a «Search» menüből. Az a tartomány jelölődik ki, amelyik ellentmondásban van vele az Ellentmondásmentesség (R ) értelmében. R-59

60 Haladóknak: Ez eltérően működik az ellentmondás jelzéstől (R ) amennyiben tisztán tartományalapon dolgozik, így a komplex szabályok aktív tartományának kiterjedtsége nem érinti az eredményét Túl rossz szabályok keresése Válasszuk a «Too Bad Rules» pontot a «Search» menüből. Azok a szabályok jelölődnak ki, amelyekhez található rosszabb (R ) tartományú és jobb kimenetű másik szabály Túl jó szabályok keresése Válasszuk a «Too Good Rules» pontot a «Search» menüből. Azok a szabályok jelölődnak ki, amelyekhez található jobb (R ) tartományú és rosszabb kimenetű másik szabály Kereszttűzbe került szabályok keresése Válasszuk a «Rules in Crossfire» pontot a «Search» menüből. Azok a szabályok jelölődnak ki, amelyekhez található mind rosszabb (R ) tartományú és jobb kimenetű, mind jobb tartományú és rosszabb kimenetű másik szabály Feldolgozás A szabályalapú következtetés így indítható: Esetek Deduktív következtetés (R ) Szabályalapú gráf Deduktív következtetés (R ) 2.5 Esetalapú gráf Az esetalapú gráf az esetalapú következtetés eredményét képezi le. Az esetalapú következtetés a minősítő tulajdonság új szabályait adja más tulajdonságok esetjellemzői alapján. R-25. Ábra: Egy tudásbázis alkalmazottak képességeiről szóló tulajdonságai. Nincsenek szabályai a «Rules» táblán, de jól jellemzett esetei vannak. A keletkezett szabályok a gráf tetejétől a levelekig való bejárással olvashatók. Vizsgáljuk meg a csomópont tulajdonságát, és induljunk a megfelelő címke irányába. R-60

61 R-26. Ábra: A R-25. Ábra eseteiből keletkezett esetalapú gráf Nézet Példa: Hogy értékeljük ki az Ability -t? Ha a Dominant knowledge intuition és a Motivation biological, akkor az Ability a minősítő tulajdonság expert Testreszabás Válasszuk «Customize» pontot a «View» menüből. R-27. Ábra: A «Case-Based Graph» tábla testreszabása Ez a párbeszédablak a «Case-Based Graph» tábla megjelenését vezérli. A következő kapcsolók állnak rendelkezésre: Horizontal A gráf úgy tükröződik, hogy a gyökér csomópont az ablak baloldalára kerül, és az ágai jobbra vannak tőle. Condensed Azok a csomópontok, amiknek több, mint két levelük van, széles felületet foglalnak el a képernyőn. Kapcsoljuk be, hogy az ilyen levelek két sorba rendeződjenek, hogy összességében kevesebb helyet foglaljon el a gráf. (Vízszintes nézetben a levelek két oszlopba rendeződnek, hogy a magasságot csökkentsék.) R-61

62 Információ A gráf minden csomópontja esetek halmazát képviseli. A gyökér csomópont (fent) képviseli az összeset. Minden belső csomóponthoz egy tulajdonság tartozik, amelyik a kerekített téglalapban látszik. Az értékei ágakba vannak szétosztva, amelyek a téglalap alakú címkékben olvashatók. A csomópont esetei is, a vonatkozó tulajdonság jellemzői szerint szét vannak osztva a leveleinak csomópontjaiba. A gráf leveleihez nem tartozik tulajdonság, így ehelyett a hozzátartozó esetek minősítő tulajdonságra vonatkozó jellemzői látszanak rajta. A csomóponthoz választható tulajdonságok (R ), a hozzá tartozó esetek (R ), vagy a minősítő tulajdonság esetjellemzői (R ) megjelenítéséhez, lépjünk a csomópontra, majd válasszuk az «Information» pontot a «View» menüből. Egy ablak nyílik a következő táblákkal: Informativitás (Informativity) R-28. Ábra: Az elágaztatáshoz választható tulajdonságok. A csomópont esetei a hozzá kiválasztott tulajdonság jellemzői alapján vannak ágakba szétosztva. Ez az elosztás csak úgy sikerülhet, ha az esetjellemzők nem telesen függetlenek a minősítő jellemzőtől. Ennek az összefüggésnek a mértékét informativitásnak nevezzük. Ez a tábla a tulajdonságok leginformatívabb értékelágaztatásához tartozó informativitást és annak sűrűségét sorolja fel. Matek: Az informativitás és sűrűségének meghatározása Appendix Az informativitás meghatározása (R-7.4) fejezetben olvasható Esetek (Cases) R-62

63 R-29. Ábra: A csomópont esetei. Ez a tábla a csomópont eseteinek következő tulajdonságait sorolja fel: Case Az eset neve. Weight A súlya. Elosztott esetjellemzők esetén kisebb is lehet, mint egy. Attribute name Egy kiválasztott tulajdonság esetjellemzője. Kezdetben az elágaztatáshoz kiválasztott látszik, de a jobb egérgombbal az oszlopra bökve más informatív tulajdonságot is megjeleníthetünk. Benchmark attribute A minősítő tulajdonság esetjellemzője Statisztika (Statistics) R-30. Ábra: A minősítő esetjellemzők eloszlása. A minősítő tulajdonság esetjellemzői szerinti elosztás látható ezen a táblán Szerkesztés Ágak lemetszése Lépjünk egy belső csomópontra és válasszuk a «Prune» pontot az «Edit» menüből, vagy a jobb egérgomb menüből. Minden ág le lesz vágva. A minősítő tulajdonság azon értékei jelennek meg a csomópontban, amelyek az esetjellemzők között előfordulnak. R-63

64 Ágak növesztése Lépjünk egy informatív tulajdonsággal (R ) rendelkező levélre, majd válasszuk a «Branch» pontot a jobb egérgomb menüből. A leginformatívabb tulajdonság leginformatívabb értékelosztásával ágak és levelek nőnek. Ez csak úgy működik, ha a csomópont eseteinek vannak egymástól különböző minősítő jellemzői Elágaztató tulajdonság választása Lépjünk egy informatív tulajdonsággal (R ) rendelkező levélre, majd válasszuk a «Select Attribute» almenüt a jobb egérgomb menüből, hogy elágaztató tulajdonságot válasszunk a csomóponthoz. Válasszunk egy informatív tulajdonságot az almenüből. Ágak nőnek, hasonlóan az ágak növesztéséhez (R ) Vizsgálat Osztályozás Válasszuk az «Export» pontot a «File» menüből. Az «Advanced» táblán válasszuk ki a CBRclassify.txt.dkt-t a Doctus telepítés ExportTemplates\report mappájából. Nyomjunk «OK»-t és «Next»-et. Válaszoljuk meg az esetünkre vonatkozó kérdéseket hogy ezzel bejárjuk az esetalapú gráfunkat. Az Export Varázsló utolsó oldala az esetünk osztályozásást mutatja meg. A válaszaink és az eredmény az exportált állományba íródik Feldolgozás Esetalapú gráf létrehozása Válasszuk az «Inductive Reasoning» pontot a «Knowledge Management» menüből. Az esetalapú gráf rekurzívan jön létre. A létrehozás a megnyíló párbeszédablak következő oldalaival vezérelhető: Elágaztatási mód (Branching method) R-31. Ábra: Esetalapú gráf létrehozása Elágaztatási mód R-64

65 A következők a lehetőségek: Polar Az értékek mindig két részhalmazra oszlanak. Heuristic Az értékek először két részhalmazra oszlanak, majd az egyik továbbosztódik, ha ettől az informativitás nő. És így tovább. Efficient Az összes lehetséges, tetszőleges számú ágból álló értékkombinációt kimeríti. Straightened Egyengetett ágak. Bekapcsolva biztosítva lesz, hogy minden ág csak szomszédos értéket tartalmaz. Kikapcsolva lukas ágak is létrejöhetnek. Tulajdonságonként külön-külön is beállítható (R ). Exclude dependent Attributes Függő tulajdonságok kihagyása. Kevert tudásbázisoknál, ahol szabály- és esetalapú gráf is van, ezzel a kapcsolóval a függő változók kiszűrhetők az informatívak közül Minősítés (Benchmark) R-32. Ábra: Esetalapú gráf létrehozása Minősítés A minősítő tulajdonság választható ki ezen az oldalon Küszöbök (Thresholds) R-65

66 R-33. Ábra: Esetalapú gráf létrehozása Küszöbök Három feltétel szab határt az automatikusan létrehozott esetalapú gráf méretének. Ezeknek a feltételeknek a következő értékek a paraméterei: Minimal Informativity Density Az informativitás sűrűségének alsó határa. Az elágaztatás megáll a csomópontnál, ha a leginformatívabb tulajdonság informativitássűrűsége nem éri el ezt a küszöböt. Maximal Majority of a Benchmark Value Minősítő érték majoritásának felső határa. Az elágaztatás megáll a csomópontnál, ha az esetek közt leggyakrabban előforduló minősítő érték aránya eléri ezt a küszöböt. Minimal Weight of Cases in Node A csomópontban levő esetek súlyának alsó határa. Az elágaztatás megáll a csomópontnál, ha az esetek súlya ez alá az arány alá csökken Tanulóesetek (Learning Cases) R-34. Ábra: Esetalapú gráf létrehozása Tanulóesetek A gyökér csomópont esetei szűkíthetők ezen az olalon. A «Selection» gomb átveszi a «Cases» tábla eseteinek kijelöltségét, a többi gomb magától értetődik. R-66

67 Automatikus frissítés Kapcsoljuk be a «Knowledge Management» menü «Automatic Regenerate» pontját, hogy a Doctus az esetalapú gráfot úfra létrehozza minden olyan művelet után, ami megváltoztathatja Esetalapú szabálygráf leszűrése Hozzunk létre egy esetalapú gráf és válasszuk az «Extract Rules» pontot a «Knowledge Management» menüből. R-35. Ábra: A R-26. Ábra-ból leszűrt esetalapú szabálygráf. Az esetalapú gráf szabályai átalakulnak egy egyszintű szabályalapú gráf szabályaivá. Csak a szereplő tulajdonságok (amelyek az esetalapú gráf csomópontjaiben feltűnnek) kerülnek át. Az eredményül kapott szabályalapú gráf szabályalapú következtetésre használható, és ugyanazt az eredményt adja, mint az esetalapú gráf, amiből származik. 3 Táblák használata 3.1 Lépkedés a mezőkön A szokásos billentyűk használhatók: a «Home» és az «End» vízszintesen, a «Ctrl-Home» és a «Ctrl- End» függőlegesen ugrik a tábla megfelelő szélére. A «Ctrl-Left» és a «Ctrl-Right» vízszintesen lapoz. Egérrel a görgetősáv és a bal gomb használható lépkedéshez. 3.2 A jobbegérgomb menü A gyakran használt pontok a jobb egérgomb menüből is hívhatók, aminek tartalma attól függ, hogy melyik mező van kijelölve. R-67