Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (Ontologie, Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a. 2002-2003.

Slides:



Advertisements
Presentazioni simili
Progettazione concettuale
Advertisements

Informatica Recupero debito quarto anno Terzo incontro.
Progettazione concettuale
Metodologie di Programmazione = decomposizione basata su astrazioni
La Rappresentazione della Conoscenza
1 Il punto di vista Un sistema è una parte del mondo che una persona o un gruppo di persone, durante un certo intervallo di tempo, sceglie di considerare.
1 Istruzioni, algoritmi, linguaggi. 2 Algoritmo per il calcolo delle radici reali di unequazione di 2 o grado Data lequazione ax 2 +bx+c=0, quali sono.
Il ragionamento classico
TW Analisi dei documenti n Classificazione dei componenti n Selezione dei componenti, costruzione della gerarchia, dei blocchi informativi e degli elementi.
©Carlo Tasso 1999 Object Oriented Programming Slide 1 OO Analysis Vs. OO Design OOA – Object Oriented Analysis. –Specifica COSA, IN QUALE CONTESTO il sistema.
Intelligenza Artificiale Linguaggio naturale
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
Metodologie per la gestione di conoscenza ontologica Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale Strutture e strategie per risolvere problemi complessi Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 7 Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Prof. M.T. PAZIENZA a.a
Maria Teresa PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 8
Sistemi basati su conoscenza Comunicazione basata sul linguaggio naturale Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (2 - Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (1 - Ontologie) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (2 - Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Conoscenza e ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (1 - Ontologie) Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento Prof. M.T. PAZIENZA a.a
Comunicazione e significato
Basi di dati 2002 EER Vogliamo aumentare lespressività degli Entity Model EER: Entity Model Esteso.
Intelligenza Artificiale
Modello E-R Generalizzazioni
Progettazione di una base di dati
Modello E-R Generalizzazioni
LINGUAGGI DI PROGRAMMAZIONE
_ ___ _ ______ _ _ _________.
Il modello ER Proposto da Peter Chen nel 1976 rappresenta uno standard per la progettazione concettuale (in particolare per le basi di dati) Ha una rappresentazione.
Introduzione alla programmazione Object Oriented
SINTASSI.
Ricerca Internazionale IEA-PIRLS
Diagramma delle Classi
ARGOMENTAZIONE. ARGOMENTARE Dedurre, ricavare per mezzo di argomenti o da indizi esteriori, Dimostrare con argomenti, con ragioni, addurre argomenti,
Tecnologie di InternetDocument Type Definition Dott. Nicola Dragoni Document Type Definition  Document Type Definition (DTD)  Documento XML valido 
Ereditarieta’. Contenuti Introduciamo un meccanismo fondamentale di Java: l’ereditarieta’ Permette di estendere classi gia’ definite (ovvero di definire.
Basi di conoscenza: rappresentazione e ragionamento Prof. M.T. PAZIENZA a.a
Linguaggi e Modelli dei dati e della conoscenza “rappresentazione della conoscenza” docenti Maria Teresa PAZIENZA Fabio Masimo ZANZOTTO a.a
Fondamenti di Informatica II Ingegneria Informatica Prof. M.T. PAZIENZA a.a – 3° ciclo.
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Fondamenti di Informatica 2 Ingegneria Informatica Docente: Giovanni Macchia a.a
Intelligenza Artificiale 2 Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
Progettazione di una base di dati Ciclo di vita di un sistema informativo Studio di fattibilità definisce le varie alternative possibili, i relativi costi.
Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Sistemi basati su conoscenza (agenti intelligenti) Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
AOT Lab Dipartimento di Ingegneria dell’Informazione Università degli Studi di Parma Intelligenza Artificiale Rappresentazione della Conoscenza e Ragionamento.
Ingegneria del software Modulo 1 - Introduzione al processo software Unità didattica 4 - Progettazione del software Ernesto Damiani Università degli Studi.
Intelligenza Artificiale 1 Gestione della conoscenza lezione 14 Prof. M.T. PAZIENZA a.a
Intelligenza Artificiale 1 Gestione della conoscenza lezione 15 Prof. M.T. PAZIENZA a.a
Progettazione di basi di dati: metodologie e modelli
Intelligenza Artificiale Metodologie di ragionamento Prof. M.T. PAZIENZA a.a
1 Esami Esame scritto: Tra 21 e 25 domande: 20 domande chiuse (20 punti),  5 domande aperte (10 punti) 1½ ore Esame orale/applicativo: Esercizi usando.
Eprogram informatica V anno.
Cloud informatica V anno.
Le basi di dati.
Informatica Problemi e algoritmi. una situazione che pone delle domande cui si devono dare risposte. Col termine problema o situazione problematica s’indica.
Diagramma degli Stati. Diagramma degli Stati … Definizione è un grafico con nodi ed archi in cui i nodi rappresentano gli stati di una classe e gli archi,
Transcript della presentazione:

Sistemi basati su conoscenza Basi di conoscenza: rappresentazione e ragionamento (Ontologie, Reti semantiche, Frames) Prof. M.T. PAZIENZA a.a

Ingegneria della conoscenza Cosa rappresentare e come. Analisi del problema Individuazione dei fatti e degli eventi rilevanti del dominio applicativo Definizione del modello di rappresentazione degli oggetti e delle relazioni (tra loro e su di loro) esistenti Scienza empirica

Ingegnere della conoscenza Non è un esperto di dominio Acquisisce conoscenza sul problema Definisce i limiti della conoscenza da rappresentare (quali concetti?) Definisce le metodologie di rappresentazione di fatti, grandezze, eventi e relazioni (e le loro interrelazioni) Realizza la base di conoscenza specifica

Ingegneria ontologica Rappresentazione di concetti generali (trasversali a qualunque dominio applicativo) tempo, evento, azioni, entità, soldi, misure, sostanza, mutamenti… che possono essere rappresentati e riutilizzati in una qualunque applicazione (non dipende da essa la loro rappresentazione ed uso)

Base di conoscenza Una base di conoscenza deve essere chiara e concisa e rappresentare con completezza il contenuto della conoscenza stessa (sia per un utente umano che per un processo). La metodologia di rappresentazione della conoscenza deve essere: espressiva, concisa, non ambigua, insensibile al contesto, efficace, riutilizzabile (un fatto è vero o falso di per sé).

Basi di conoscenza e ragionamento Costruire sistemi che rappresentano e ragionano esplicitamente con la conoscenza La struttura di controllo può essere isolata dalla conoscenza (possibilmente articolata) Ogni parte della conoscenza può essere indipendente dalle altre

Ragionamento Le procedure di inferenza permettono di ragionare a partire dalla conoscenza codificata Le procedura di inferenza devono essere efficienti (ed efficaci) indipendentemente dalla tipologia di rappresentazione della conoscenza Le procedure di inferenza trovano le soluzioni al problema Approccio dichiarativo

Fatti e predicati I fatti devono rappresentare situazioni stabili nel tempo ed al variare delle situazioni, anche se esprimono istanze in un contesto specifico I predicati, al livello più generale possibile di codificazione ( in modo da esprimere un ragionamento valido in generale), devono esprimere relazioni tra oggetti della base di conoscenza

Regole su una base di conoscenza Regole generali (da istanza a classe) che esprimano lontologia di un dominio (applicabili a classi di livello di generalità appropriato) Regole che definiscono le grandezze in gioco nel dominio Regole per esprimere relazioni (es. part-of) su uno stesso oggetto

Regole su una base di conoscenza(2) Regole per il meta-ragionamento (valide in più contesti e domini e per le misure) Regole che esprimono un ragionamento complesso ma valido solo in un dominio Regole per la definizione di rapporti (relazioni) tra misure Esprimere proprietà fondamentali delle cose, delle entità ed azioni valide in ogni contesto

Predicati Come si identifica il livello generale Concetti (classi) più che istanze Validità per le classi di più alto livello nella ontologia di dominio Composizionalità delle parti di un oggetto Composizionalità degli oggetti tra loro Ontologia di dominio (ereditarietà) Identificazione delle modalità di misura di grandezze usabili nel dominio Definizione rapporti (relazioni) tra valori diversi Validità al di fuori del dominio specifico (metaregole)

Ingegnere della conoscenza (attività) Decide di cosa parlare (tutte le informazioni necessarie alla risoluzione del problema) Decide il vocabolario di predicati, funzioni e costanti (ontologia di dominio cosa esiste senza identificare proprietà specifiche ed interrelazioni; indipendente dallobiettivo finale) Codifica la conoscenza generale di dominio (assiomi) Codifica una descrizione dellistanza specifica del problema Fornisce interrogazioni alla procedura dinferenza

Ingegneria della conoscenza In sintesi: Stabilire proprietà fondamentali (=riutilizzabili) degli oggetti da rappresentare Stabilire una gerarchia tra gli oggetti Stabilire una scelta di valori su scale opportune Stabilire un vocabolario La conoscenza può essere di aiuto solo se permette allagente di scegliere unazione migliore di quella che avrebbe scelto altrimenti

Ontologia Una ontologia esprime i legami tra oggetti/eventi del mondo, legati al loro essere Una ontologia di dominio esprime i legami tra oggetti/eventi specifici di quel dominio senza contraddire quanto abbia validità generale Lontologia di una applicazione può limitarsi a considerare i legami tra oggetti/eventi necessari a ragionare allinterno dellapplicazione stessa.

Ontologia Dovrebbe essere possibile unificare più ontologie di dominio nella ontologia generale che rappresenta la conoscenza del mondo. Viceversa, partendo da essa, si potrebbero ricavare ontologie più specifiche. Composizione versus potatura

Ontologia

Tipologie di conoscenza Al di là del dominio e dellapplicazione, in unontologia è necessario rappresentare conoscenza di natura generale (universalmente valida) che esprima peculiarità proprie sulle quali attivare differenti modalità di ragionamento.

Tipologie di conoscenza Ragionare su: Categorie, misure, oggetti fisici, oggetti composti, tempo, spazio, cambiamento, eventi, processi, sostanze, oggetti mentali, credenze Es: sostanze (succo di pomodoro è ununica sostanza? È un liquido? E succo in scatola?

Tipologie di conoscenza Nella realtà tutte le generalizzazioni presentano eccezioni; in alcuni casi è necessario definire valori di default. Non sempre sono totalmente condivisibili (validità limitata) Bisogna essere in grado di gestire tali anomalie per ottenere soluzioni corrette a problemi reali.

Categorie/Classi/Insiemi/Concetti Esprimono le regolarità di un insieme di oggetti Un ragionamento generale si basa su categorie Un oggetto appartiene ad una categoria o ad unaltra a seconda delle proprietà che si vogliono descrivere (es. succo di pomodoro). Le categorie sono utili per effettuare predizioni e per applicare il principio di ereditarietà.

Categorie Inferenza Si riconosce un oggetto tramite le percezioni fisiche ad esso collegate (oggetto ovale, dim.7*3.5 cm, buccia sottile marrone scuro, su banco fruttivend.) Si inferisce lappartenenza dello specifico oggetto ad una categoria dalle sue proprietà così come percepite (frutta di tipo kiwi) Si usa la conoscenza sulla categoria per predire ulteriori proprietà dello specifico oggetto (ricco di vitamina C, aiuta a prevenire linfluenza)

Categorie Inferenza Strutturazione delle categorie in sottoclassi (tassonomia) Le sottoclassi ereditano le proprietà delle superclassi. La tassonomia semplifica lontologia e facilita alcune modalità di ragionamento oltre che supportare un ragionamento di tipo generale. -Kiwi isa Frutta isa Cibo -Cibo è commestibile Kiwi è commestibile

Categorie Ereditarietà Un oggetto appartiene ad una categoria (kiwi isa Kiwi) Una categoria può essere sottoclasse di unaltra categoria (Kiwi isa Frutta) Ogni categoria ha proprietà distintive (Kiwi ha molti semi piccoli, Avocado ha 1 seme grande) Sottoclassi di una stessa categoria identificano insiemi disgiunti di elementi (Kiwi # Avocado) Gli elementi di una categoria condividono le sue proprietà e quelle degli antenati

Misure Si può misurare unentità concreta o astratta: è necessaria una unità di misura condivisibile Le misure possono essere ordinate Si possono definire operazioni diverse su misure diverse Si possono definire relazioni su misure (valide in particolari situazioni – spazio/tempo)

Suggerimenti Scrivere nelle ontologie concetti di validità generale, aggiungere regole specifiche dellapplicazione Limitare lambito di copertura dellontologia Identificare in maniera univoca la tipologia di relazione rappresentata (valida per tutti i livelli) Rendere omogenee le entità rappresentate per poter applicare su esse analoghe proprietà o proprietà comparabili Definire più ontologie separate e, eventualmente, ragionare su di esse separatamente Riconoscere (gestire o bloccare) nel tempo e nello spazio i nessi tra gli eventi

Conoscenza e Reti semantiche Si può rappresentare la conoscenza in un grafo con i nodi ad indicare gli oggetti e gli archi che esprimono le relazioni tra questi oggetti

Reti semantiche Gli oggetti del mondo sono nodi di un grafo I nodi sono organizzati in una struttura tassonomica Gli archi tra i nodi rappresentano relazioni binarie di diversa tipologia Forma di rappresentazione prossima alla modalità umana.

Reti semantiche Problemi: Imprecisa natura delle reti semantiche legata al fatto che non si distingue tra nodi che rappresentano classi e nodi che rappresentano oggetti individuali Soluzioni: Distinguere le relazioni di appartenenza: Is-a (elemento / istanza di una classe kiwi isa Kiwi) a-kind-of (sottoclasse Kiwi a-kind-of Frutta)

Reti semantiche e Prolog is-a di un elemento m con la classe c è rappresentato dal fatto c(m) a-kind-of di una sottoclasse c con una superclasse s è rappresentato da s(X):-c(X)

Reti semantiche Necessità di etichettare e direzionare gli archi per identificare univocamente la relazione Mario compra una barca versus Una barca è comprata da Mario

Reti semantiche Permettono di gestire la semantica di una frase del linguaggio naturale distinguendo nel discorso Struttura superficiale da Struttura profonda

Reti semantiche ed Ereditarietà Nelle reti semantiche è possibile effettuare una forma particolare di inferenza, detta ereditarietà Se un oggetto appartiene ad una classe, esso eredita tutte le proprietà di quella classe Lereditarietà si applica anche ai link di tipo a-kind-of Una sottoclasse eredita (per ciascun suo elemento) tutte le proprietà della superclasse

Reti semantiche Luso delle reti semantiche (in cui i nodi rappresentino azioni individuali e gli archi rappresentino oggetti aventi ruoli diversi in tali azioni) permette di costruire grafi complessi per rappresentare scenari completi Rappresentazione di frasi complesse ed articolate

Reti semantiche e sintassi Tutte le frasi possono essere analizzate come se fossero unazione con un certo numero di oggetti che assumono ruoli specifici (archi) a seconda della posizione nella frase. Una volta definiti, i grafi di una frase assumono, però, valore generale e quindi indipendentemente dalla lingua a partire dalla quale sono stati generati.

Reti semantica e sintassi dei casi Esempio: dare Atto del dare qualcosa a qualcuno: prevede un nodo che esprime latto del dare, un nodo che esprime la specifica azione del dare e poi lo specifico donatore, lo specifico ricevente e lo specifico oggetto dato. Ogni arco esprime una relazione specifica dellatto Sintassi dei casi

Rete semantica – es. dare Dare Dare 1 MarioMaria Libro 1 Libro Donatore Ricevente Dono is-a

Reti semantiche e Tempo Si possono avere anche archi che rappresentano relazioni temporali Se due azioni diverse puntano allo stesso nodo tempo, il tempo delle due azioni può essere considerato contemporaneo (si ipotizza che le azioni accadono istantaneamente)

Reti semantiche Fare inferenza da una rete semantica prevede la ricerca di cammini particolari (ogni arco attiva cammini soddisfacenti domande diverse)

Frames Dallinglese (frame= cornice, quadro) deriva il modo duso Mettendo insieme fatti riguardo a particolare tipi di oggetti ed eventi, quindi ordinandoli in una grande gerarchia tassonomica, si ottiene un approccio molto più strutturato delle reti semantiche

Frames Si definisce un numero prefissato di slot per rappresentare gli attributi di un oggetto (invece di avere un numero imprecisato di archi uscenti da un nodo) Ogni oggetto è un membro / istanza di una classe cui è collegato da un link is-a La classe indica il numero di slot validi a livello di classe ed il nome di ciascuno slot

Frames ed Ereditarietà Quando uno slot assume un valore a livello di classe, esso rappresenta un attributo comune a tutti i membri di quella classe Quando uno slot assume un valore a livello di istanza, esso rappresenta un valore proprio dellistanza che può assumere valori diversi per altre istanze

Frames

Frames ed Ereditarietà Regole: Un oggetto è unistanza di una classe se è membro di una classe che è sottoclasse della prima classe Una classe è sottoclasse di unaltra classe se è un tipo di quella classe o se è un tipo di unaltra classe che è sottoclasse della prima Un oggetto ha un attributo particolare se ha quellattributo di per sé o se è unistanza di una classe che ha quellattributo

Frames e Deafault reasoning Lattributo di una classe viene ereditato solo se esso non è cancellato o superato (overriden) dallo stesso slot attribuito che occorre in una sottoclasse, oppure in una istanza individuale, con un valore diverso

Frames ed Ereditarietà multipla Un oggetto può essere istanza di più di una classe, così come una classe può essere sottoclasse di più di una superclasse Lereditarietà multipl a permette di ereditare le caratteristiche di tutte le superclassi di appartenenza (anche in contraddizione tra loro) In caso di contraddittorietà, è necessario modificare gli algoritmi di ricerca

Frames ed ereditarietà multipla Large tree BC A D E p v

Frames ed ereditarietà multipla Supponiamo che p sia una proprietà solo della classe E. Lalgoritmo di ricerca (della proprietà p per la classe D) più appropriato sarà quello in ampiezza invece di quello in profondità.

Script Gli script implementano lidea di: rappresentare azioni ed eventi usando una rete semantica Ovvero lintero insieme di azioni coincide con la descrizione di cammini stereotipali Gli script fanno uso dellidea di default dove alla classe sono associate le regole di una qualche azione ed allistanza di una classe corrispondono le istanze delle azioni

Script / storie Analogo alla descrizione di storie Lidea è che linformazione è fornita per punti generali ed associata alla classe Sarà possibile rispondere ad una molteplicità di domande correlando i punti generali ad un unico tema condiviso per quella specifica domanda

Interazioni con una base di conoscenza Aggiunta di un fatto nuovo alla base di conoscenza Derivare le implicazioni conseguenti linserimento (aggiunta) di un fatto nuovo in una base di conoscenza Verifica che una interrogazione sia implicata da una base di conoscenza Decidere se una interrogazione è contenuta esplicitamente nella base di conoscenza Rimozione di un fatto da una base di conoscenza