Главная Обратная связь

Дисциплины:

Архитектура (936)
Биология (6393)
География (744)
История (25)
Компьютеры (1497)
Кулинария (2184)
Культура (3938)
Литература (5778)
Математика (5918)
Медицина (9278)
Механика (2776)
Образование (13883)
Политика (26404)
Правоведение (321)
Психология (56518)
Религия (1833)
Социология (23400)
Спорт (2350)
Строительство (17942)
Технология (5741)
Транспорт (14634)
Физика (1043)
Философия (440)
Финансы (17336)
Химия (4931)
Экология (6055)
Экономика (9200)
Электроника (7621)






Мультиагентные системы для поиска информации



В связи с быстрым развитием интернет-технологий возникла необходимость применения средств искусственного интеллекта для поиска и обработки интернет-ресурсов. Применение интел­лектуальных MAC для решения задач сбора, поиска и анализа ин­формации в глобальных сетях дает следующие существенные преимущества перед традиционными средствами обработки ин­формации :

• обеспечение доступа пользователя к сетевым протоколам в сети Интернет;

• параллельное решение нескольких задач;

• выполнение поиска информации после отключения пользователя от сети;

• увеличение скорости и точности поиска, а также уменьшение загрузки сети за счет поиска информации непосредственно на сервере;

• создание собственных баз информационных ресурсов, постоянно обновляемых и расширяемых;

• реализация возможности сотрудничества между агентами, которая позволяет использовать накопленный опыт;

• возможность автоматически корректировать и уточнять запросы, используя контекст и применяя модели пользователей.

В табл. 2 приведены отличительные особенности известных в России коммерческих мультиагентных систем Autonomy и WebCompass, предназначенных для интеллектуального поис­ка и обработки информации в сети Интернет.

 

 

Таблица 2 Анализ систем интеллектуального поиска и обработки информации

 

Характеристика Autonomy WebCompass
Категория пользовате­лей, на которую ориен­тирована система Конечные пользовате­ли «Продвинутые» поль­зователи
Подход к описанию предметной области Технология нейронных сетей и специальные методы распознавания образов и обработки сигналов Иерархии понятий, связанных отношения­ми типа IS-A, PART-OF, HAS-PART, IS-A KIND OF и т. д.
Средства специфика­ции запросов Естественный язык «Прямое» использова­ние сформированного пользователем описа­ния предметной облас­ти
Методы поиска реле­вантной информации Нечеткая логика Поиск по списку клю­чевых слов одновре­менно на 35 машинах поиска
Режим обучения поис­ковых агентов Есть Нет

 

 

Основные усилия по совершенствованию интел­лектуальных систем информационного поиска в сети Интернет направлены на развитие моделей представления знаний, меха­низмов вывода новых знаний, моделей рассуждения и способов обучения агентов.

Одним из успешных исследовательских проектов, выполнен­ных в этом направлении, стал проект системы MARRI , кото­рая была разработана для поиска Web-страниц, релевантных за­просам в определенной предметной области. Для решения по­ставленной задачи система использует знания, представленные в виде онтологии, под которой в данном случае понимается упоря­доченное множество понятий предметной области. Архитектура системы MARRI показана на рис. 5.



Система MARRI включает следующие типы агентов:

* интерфейсный агент (агент пользователя) обеспечивает ин­теллектуальное взаимодействие с пользователем. Он поддержи­вает процесс формулирования запросов и представляет результа­ты поиска в виде списка URL или Web-страниц;

• агенты-брокеры двух типов: 1) брокер типа URL предназначен для формирования списков интернет-адресов, поставляемых браузером; 2) брокер типа HTML выполняет функции запоминания полученных Web-страниц и их распределения между агентами обработки текста;

 

Рис. 5. Архитектура системы MARRI 334

 

агент сети (интернет-агент) обеспечивает считывание и анализ заданной страницы URL или Web-страницы (URL — автономная Java-программа с собственным сетевым адресом). Он должен уметь выполнять обработку исключительных ситуаций (например, когда страница недоступна), а также производить анализ текста на считанной странице;

агент обработки текста сначала преобразует HTML-текст к представлению, с которым работают морфологический и синтаксический анализаторы, а затем проводит семантический анализ Web-страниц для проверки их релевантности запросу на основе соответствующей онтологии. Результат обработки текста представляется в виде синтаксического дерева, которое должно соответствовать какому-нибудь фрагменту используемой онтологии.

Каждый из перечисленных типов агентов наделен специаль­ными знаниями, которые используются для повышения эффек­тивности поиска информации. Агенты способны взаимодейство­вать друг с другом; обмениваться информацией, контактировать с Web-браузерами, анализаторами естественного языка и онтоло­гическими базами данных.



Отличительной чертой системы MARRI является представле­ние агентов автономными Java-программами, каждая из которых имеет собственный сетевой адрес (URL). Это обеспечивает мо­бильность агентов, но противоречит политике безопасности, не допускающей запуск подобных программ, если они не сертифи­цированы на данном сервере.

Проблемы, решение которых может существенно продвинуть вперед технологию мультиагент-ных систем и исследования в области «искусственной жизни».

1.Применение принципов гомеостатического управления. Предположение о том, что наилучшее взаимодействие агентов в MACдостигается при бесконфликтной кооперации, не всегда справедливо. Это утверждение можно аргументировать примера­ми биологических систем, в которых эффективной оказывается кооперация противоборствующих сторон (хищник-жертва, взаи­модействие симпатической и парасимпатической нервных сис­тем). Противодействующие структуры позволяют поддерживать системы с многокритериальным управлением в границах области «неулучшаемых» решений (область Парето). Поэтому одним из актуальных направлений развития теории MAC является приме­нение принципов гомеостатического управления (гомеостаз — равновесие), основы которого были заложены в работе отечест­венной научной школы Ю. М. Горского.

2. Создание адекватных механизмов активизации знаний, требующихся при решении конкретных проблем. Опыт создания интеллектуальных систем показывает, что увеличение количества знаний приводит к эффекту «государственной публичной библиотеки». Обладая огромным запасом знаний, библиотека не имеет каких-либо умений и навыков. Поэтому одной из существенных проблем интеллектуальных агентов является повышение их активности, которая связана не с накоплением знаний, а с умением активизировать нужные знания в процессе решения задач. Разработка процедур активизации знаний будет способствовать созданию действительно интеллектуальных агентов.

3. Перспективным направлением является использование идей рефлексивного управления в MAC. Эксперименты с агентами, наделенными способностью к рефлексивным рассуждениям, показали эффективность данного подхода.

4. Создание конструктивных моделей этических систем и моделей поступков в среде обитания агентов.

5. Исследование влияния внешних факторов на поведение коллектива искусственных агентов и личностных характеристик агентов (психологические типы, оптимизм в оценках достижимости целей, азартность, упорство, конфликтность и т.п.).

8.ПЗ8. Принципы построения и проектирования экспертных систем


Эта страница нарушает авторские права

allrefrs.ru - 2017 год. Все права принадлежат их авторам!