Information Technology Reference
In-Depth Information
Semantische Netze stellen beispielsweise eine Form der Repräsentation von Wissen im Gedächtnis
dar, die semantische Beziehungen von Bedeutungseinheiten modellieren. Entitäten (abstrakte oder
materielle Objekte der beobachteten Welt) werden als Einheiten in Form von Knoten innerhalb
des semantischen Netzes als Graphen repräsentiert. Verbindungen als Kanten zwischen den Ein-
heiten repräsentieren Relationen zwischen den Entitäten. Als Mechanismen zur Weiterleitung von
Information in solchen Netzmodellen wird unter anderem die Aktivierungsausbreitung verwendet.
Bei der Aktivierungsausbreitung senden Einheiten im Netz, die eine Mindestaktivierung aufweisen,
Aktivierungen an benachbarte Einheiten. Dabei kann sich die Aktivierungsausbreitung nur bis zu
direkt assoziierten Knoten über das gesamte Netz erstrecken, wobei das Ausmaß der Aktivierung
mit dem Abstand von der Ausgangseinheit abnimmt.
Zur Unterstützung der Inferenzprozesse können Fakten durch zusätzliche Eigenschaften
angereichert werden:
•
Aktualität
(recency): Diese gibt den Grad der Neuheit eines Fakts an. Dabei kann man
beispielsweise auf eine Heuristik zurückgreifen, die davon ausgeht, dass die aktuellsten
Fakten auch gleichzeitig die bedeutsamsten sind.
•
Gewissheitsgrad
(certainty): Diese gibt den Grad der Sicherheit oder Gewissheit an,
mit der ein Fakt gilt. Gewöhnlich verwendet man hierzu Wahrscheinlichkeiten oder Ak-
zeptanzgrade, die subjektive Maße für die Gültigkeit von Wissenselementen darstellen.
Das
Regelwissen
wird in Produktionsregeln in der allgemeinen Struktur
(
Faktum Bedingung
)(
)
⇒
(
Zielausdruck
)
spezifiziert. Bei Systemen auf Basis einer Prädikatenlogik sind die Fakten und Bedingun-
gen nicht voneinander getrennt, sondern zu einem einzigen Ausdruck, der sogenannten
Prämisse, zusammengefasst. Als Zielausdrücke kommen Objekt- bzw. Situationsbeschrei-
bungen oder auch Aktionen in Frage. Solche Produktionsregeln werden auch zur Steue-
rung des Inferenzsystems verwendet. In diesem Fall ist der auf der rechten Seite der Re-
gel stehende Ausdruck beispielsweise eine Aufgabe (Task), die den Ablauf der einzelnen
Abarbeitungsschritte des Systems verändert. Als Verarbeitungsrichtungen für die Regeln
kommen sowohl die
Vorwärtsverkettung
(forward chaining) als auch die
Rückwärtsver-
kettung
(backward chaining) in Frage. Bei Regeln, die in Vorwärtsrichtung angewendet
werden, stehen auf der rechten Seite sehr oft Aktionen, die Veränderungen in der Wissens-
basis durchführen (Eliminieren, Verändern von Fakten bzw. Regeln, Konstruktion neuer
Wissenselemente). Die Verarbeitungsrichtung, die von den Fakten ausgeht und auf ein be-
stimmtes Ziel hin orientiert ist, wird als
Bottom-Up-Verarbeitung
bezeichnet. Bei Regeln,
die in Rückwärtsrichtung angewendet werden, sind auf der rechten Seite keine Aktionen
möglich. Hier müssen die Zielausdrücke die gleiche Grundstruktur haben, wie die Fakten
auf der linken Seite. Andernfalls wäre eine Rückwärtsverkettung nicht möglich. Die Ver-
arbeitungsrichtung von einem vorgegebenen Ziel zu den Fakten hin wird als
Top-Down-
Verarbeitung
bezeichnet (Abb.
2.18
).
