標題: 專家系統知識自動整合環境之研製
Development an Automatic Knowledge Integration System for Multiple Knowledge Sources
作者: 曾憲雄
TSENG SHIAN-SHYONG
交通大學資訊科學系
關鍵字: 知識整合;知識擷取;機器學習;知識修正;專家系統;Knowledge integration;Knowledge acquisition;Machine learning;Knowledge refinement;Expert system;CLIPS
公開日期: 1998
摘要: 發展一個成功的專家系統必須要有一個完整、一致且清晰的知識庫,所以,利用不同的知識擷取工具以獲取不同專家們的專業知識並加以整合,就成為建構專家系統的重要課題。然而,在知識的整合過程中,經常會產生知識庫內的規則不完整、不一致或重覆等問題。如何有效地整合不同的專家知識並降低彼此間的矛盾,就成為一個重要的研究方向。傳統的知識整合系統因為需要專家的介入而容易顯現出某些缺點,如:(1) 當知識之間有矛盾出現時,專家們必須介入解決,容易造成(但不一定會)不夠客觀的現象;(2) 整合過程所需時間很長;(3) 當專家愈多時,知識整合越困難、越複雜;這些缺點使得大型專家系統的發展變得非常費時。為了克服這些缺點,在本計畫中,我們提出一個知識自動整合方法。它運用了基因遺傳演算法的自我調整找尋技術,將不同專家所提供的知識或不同機器學習技術所推演得到的規則加以整合,並自動產生一個完整、一致且清晰的知識庫。我們的方法有以下之優點:(1) 只需要少許的整合時間;(2) 當專家所提供的知識愈豐富或機器學習技術所推演得到的規則愈多,知識整合愈有效率,知識庫愈準確;(3) 當知識之間有矛盾出現時,可不需要專家介入;(4) 整合過程中,可不需要專家介入,所以,它是客觀的;(5) 可以擴充至分散式知識整合環境。然而,本系統有一些限制,如:(1) 每一個欲整合之專家知識必須以規則集合形式表示;(2) 當欲整合之專家知識變少,系統必須產生一些仿冒知識(dummy knowledge),而容易造成知識整合沒有效率;除了上述之優點及限制外,本系統具有很大的擴充性,一些常用的知識擷取工具及機器學習系統很容易整合於本系統中,來幫助系統獲取更多的領域知識。整個知識整合系統將與專家系統建構工具 CLIPS整合,為知識工程師提供完整的發展環境。有了環境的幫助,專家系統的發展將變得比較容易而有效率。本計畫中,我們預計完成一套專家系統的知識自動整合環境,包括 - 知識擷取模組、機器學習模組、知識整合模組以及知識修正模組。知識擷取模組收集了一些知識擷取工具,來幫助專家輸入領域知識。機器學習模組中儲存了一些著名的學習系統,可將過去發生過的案例歸納成一些規則。知識整合模組則負責整合由知識擷取模組所產生的領域知識及由機器學習模組所歸納產生的規則,並產生專家系統的知識庫。知識修正模組則運用於知識庫推理中,若有不適用之規則存在,則將自動找出並加以修正,隨時維持知識庫的一致性及準確性。在應用方面,我們將以醫學上腦瘤診斷及農業上�抻岳|種的實際應用領域進行實作。在應用領域中將邀請專門醫師及學者們作為專家,並依實際病歷及歷年紀錄的資料進行測試,以驗証計畫之成果。
官方說明文件#: NSC87-2213-E009-086
URI: http://hdl.handle.net/11536/94974
https://www.grb.gov.tw/search/planDetail?id=353748&docId=63174
Appears in Collections:Research Plans


Files in This Item:

  1. 872213E009086.pdf