Автоматизация процесса выбора товара с использованием метода рассуждений на основе прецедентов

Тип работы:
Реферат
Предмет:
Кибернетика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УПРАВЛЕНИЕ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
УДК 004. 75
АВТОМАТИЗАЦИЯ ПРОЦЕССА ВЫБОРА ТОВАРА С ИСПОЛЬЗОВАНИЕМ МЕТОДА РАССУЖДЕНИЙ НА ОСНОВЕ
ПРЕЦЕДЕНТОВ
Е. В. Тимошина, Е.А. Семенчев
Рассматривается метод, формирующий правдоподобные рассуждения и умозаключения на основе прецедентов (СБЕ), для системы поддержки принятия решений при продаже товара. Исследуется использование метрического алгоритма (метод ближайшего соседа) и возможность учитывать коэффициенты важности для параметров объекта («взвешенное» Евклидово расстояние) с целью организации извлечения прецедентов из библиотеки прецедентов (БП).
Ключевые слова: СБЯ-метод, Евклидова метрика, «взвешенное» Евклидово расстояние, прецедент, правдоподобные рассуждения, параметрическое представление.
Автоматизация процессов обработки информации за счет современных достижений компьютерных и информационных технологий стала играть значительную роль в жизнедеятельности человека. Актуальной проблемой является конструирование перспективных интеллектуальных систем. Присутствие механизмов, формирующих своевременные и правдоподобные умозаключения, сопутствует диагностированию проблемной ситуации и позволяет лицам, принимающим решения (ЛПР), совершать более выгодные и адекватные воздействия на объект управления.
В данной работе основное внимание уделяется правдоподобным рассуждениям на основе прецедентов (накопленного опыта), активно применяемым в диагностических системах, в юриспруденции, экспертных системах и системах машинного обучения, а также для решения задач интеллектуального поиска информации электронной коммерции. Рассматривается применение данного метода для системы формирования списка мебели, подходящей клиенту, на производственном предприятии. А также
описывается способ представления прецедентов и методы их извлечения из библиотеки прецедентов (БП) системы.
Рассуждения на основе прецедентов (накопленного опыта) базируются на понятии сходства (аналогии). Прецедент, в большинстве энциклопедических источников, определяется как случай, имевший место ранее и служащий примером или оправданием для последующих случаев подобного рода. Рассуждение на основе прецедентов (CBR — Case-Based Reasoning) является подходом, позволяющим решить новую, неизвестную задачу, используя или адаптируя решение уже известной задачи [1].
Применение CBR-методов для решения задач возможно в том случае, когда выполняются следующие условия, касающихся исследуемой области:
— схожие ситуации должны разрешаться подобными методами решения (принцип регулярности). В такой ситуации опыт, накопившийся к данному моменту, будет выступать в роли отправной точки процесса поиска решения для подобных неизвестных ситуаций-
— типы новых ситуаций и задач, требующих решения, должны иметь место повторению. Тогда данное условие дает гарантии, что для множества похожих ситуаций в будущем будет найден аналогичный опыт в прошлом.
На предприятии были исследованы процессы выяснения потребностей клиентов и приема заказов. На их основе в дальнейшем была поставлена задача создания системы, которая бы организовывала диалог с пользователем и формировала предложения на основе выбора прецедента. Данная программа должна осуществлять подбор нужного товара покупателю и выдавать рекомендации по образцам, близким к требованиям клиента. Таким образом, целью создания системы являлась максимальная оперативная помощь клиенту при подборе товара, а также уменьшение времени и повышение качества обслуживания клиентов. Объектом автоматизации в данной системе является процесс принятия решения о выборе товара.
С учетом поставленных целей и задач, была сформирована концептуальная модель разработанного программного обеспечения в виде CBR-цикла, представленная на рис. 1.
Рис. 1. CBR-цикл работы системы
246
Обычно СБЯ-методы состоят из четырех основных этапов, которые также называют цикл обучения по прецедентам или СБЯ-цикл.
В данной работе реализованы следующие режимы работы системы:
— взаимодействие с пользователем, которое обеспечивает интерфейс пользователя. Результатом данного взаимодействия является заказ пользователя или прецедент-
— извлечение наиболее адекватных прецедентов для сформированного заказа из библиотеки прецедентов-
— найденные прецеденты предлагаются пользователю для принятия решения-
— полученное решение сохраняется в библиотеке прецедентов как новый прецедент или как часть существующего.
Соответствующая концептуальной модели функциональная структура представлена на рис. 2.
Рис. 2. Схема функциональной структуры программного обеспечения
для подбора мебели
Функциональная модель включает модули «Ведение базы данных товаров», «Формирование заказа» и «Обработки заказа». Модуль ведения базы данных предусмотрен для хранения сведений об ассортименте, таких как характеристики столов, стульев, цвета обивки и мебели, данных о совершенных продажах. Модуль «Формирование заказа» включает в себя формирование параметров стола и формирование параметров стула. Фор-
247
мирование параметров стола предполагает внесение покупателем своих желаний о заказываемом столе, таких как форма, габариты стола (туда входят ширина, длина и высота), цвет стола и стоимостную границу, которой клиент хотел бы ограничить свой заказ, и другие параметры. Формирование параметров стульев включает возможность для потенциального покупателя выбрать тон стульев и цвет обивки тканью (или кожзаменителем), и также ограничить подбор стульев в ценовой категории. Выходной информацией является заказ клиента, сформированный на основе его пожеланий. Модуль «Обработка заказа» выполняет следующие функции:
— формирование списка предлагаемого товара при помощи методов логического вывода-
— возможность выбора модели из предложенного списка-
— сохранение данных о покупке в базе.
Выходной информацией для данного модуля являются данные о выбранной модели.
Методов, способных осуществлять извлечение прецедентов и их модификаций существует достаточное множество. Метод ближайшего соседа самый распространенный способ сравнения и извлечения прецедентов. Данный метод позволяет осуществить легкое вычисление степени сходства текущей проблемной ситуации и прецедентов из библиотеки прецедентов системы.
В основе метода ближайшего соседа лежит определенный способ измерения степени сходства (близости) прецедента и текущей проблемной ситуации. Говоря формально, необходимо ввести метрику на пространстве параметров (признаков, свойств) для описания прецедентов и текущей ситуации, а затем, определить на основе выбранной метрики расстояние между точками, соответствующими прецедентам, и точкой, соответствующей текущей ситуации, в итоге следует выбрать ближайшую точку (прецедент) к текущей ситуации. Безусловно, эффективность метода ближайшего соседа во многом зависит от выбора метрики. Несколько из основных метрик для определения расстояния между двумя точками: Евклидово расстояние, Манхэттенская метрика, Расстояние Чебышева, Расстояние Журавлева, Мера сходства по Хэммингу и др. [2].
Наиболее распространенным методом считается Евклидово расстояние — геометрическое расстояние в многомерном пространстве. Данная метрика использовалась в качестве меры близости для решения задачи классификации.
Наиболее трудным и наименее формализованным в задаче классификации является определение понятия однородности объектов. В общем случае понятие однородности объектов задается введением либо правила вычисления расстояний р (х-, х^ между любой парой исследуемых объектов (хь х2, …, хп), либо некоторой функцией г (х-, х^, характеризующей степень близости 1-го и ]-го объектов.
Если задана функция вычисления расстояний р (х-, х^, то близкие с точки зрения этой метрики объекты считаются однородными, принадлежащими к одному классу. Очевидно, что необходимо при этом сопоставлять р (х-, х^ с некоторыми пороговыми значениями, определяемыми в каждом конкретном случае по-своему.
Аналогично используется и мера близости г (х-, х^, при задании которой требуется помнить о необходимости выполнения следующих условий:
— симметрии г (х-, х^ = г (х^ х-) —
— максимального сходства объекта с самим собой
г (х-, х^ = шах^ г (х-, х^,
где х-, Xj — объекты для сравнения- г (х-, х^ - функция, характеризующая степень близости- 1& lt- 1, ^ п, п — количество объектов сравнения.
— монотонного убывания г (х-, Xj) по мере увеличения р (х-, Xj), т. е. из р (хк, х[) & gt- р (х-, Xj) должно следовать неравенство г (хк, х^ & lt- р (х-, Xj). Обычное Евклидово расстояние определяется по формуле (1).
где х-1, Xjl — значения 1-го признака у 1-го О-го) объекта- 1 = 1, 2, …, к, к -количество признаков объекта- 1,] = 1, 2, … п, п — количество объектов сравнения- рЕ (х-, х]) — обычное Евклидово расстояние.
Оно используется в следующих случаях:
— наблюдения берутся из генеральной совокупности, имеющей многомерное нормальное распределение с ковариационной матрицей, т. е. исходные признаки взаимно независимы и имеют одну и ту же дисперсию-
— исходные признаки однородны по физическому смыслу и одинаково важны для классификации [3].
В случае если признаки измерены в разных единицах, прибегают к нормированию. Эта операция не всегда корректна. Поэтому применяют «взвешенное» Евклидово расстояние, которое определяется из выражения
где х-1, х]1 — значения 1-го признака у 1-го 0-го) объекта- рВЕ (х-, х]) — «взвешенное» Евклидово расстояние.
Оно применяется в тех случаях, когда каждой 1-й компоненте вектора наблюдений Х удается приписать некоторый «вес» ю1, пропорциональный степени важности признака в задаче классификации. Обычно принимают 0 & lt- ю1 & lt- 1, где 1 = 1,2, …, к.
Определение весов, как правило, связано с дополнительными ис-
(1)
(2).
(2)
следованиями, например с организацией опроса экспертов и обработкой их мнений. Определение весов ю1 только по данным выборки может привести к ложным выводам.
В данной работе поиск прецедентов осуществляется по формуле (2), а в

Статистика по статье
  • 71
    читатели
  • 14
    скачивания
  • 0
    в избранном
  • 0
    соц. сети

Ключевые слова
  • CBR-МЕТОД,
  • ЕВКЛИДОВА МЕТРИКА,
  • & quot-ВЗВЕШЕННОЕ"- ЕВКЛИДОВО РАССТОЯНИЕ,
  • ПРЕЦЕДЕНТ,
  • ПРАВДОПОДОБНЫЕ РАССУЖДЕНИЯ,
  • ПАРАМЕТРИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ,
  • & quot-WEIGHTED"- EUCLIDEAN DISTANCE PRECEDENT PLAUSIBLE REASONING,
  • CBR-METHOD,
  • EUCLIDEAN METRIC,
  • PARAMETRIC REPRESENTATION

Аннотация
научной статьи
по кибернетике, автор научной работы & mdash- Тимошина Елена Васильевна, Семенчев Евгений Александрович

Рассматривается метод, формирующий правдоподобные рассуждения и умозаключения на основе прецедентов (CBR), для системы поддержки принятия решений при продаже товара. Исследуется использование метрического алгоритма (метод ближайшего соседа) и возможность учитывать коэффициенты важности для параметров объекта («взвешенное» Евклидово расстояние) с целью организации извлечения прецедентов из библиотеки прецедентов (БП).

ПоказатьСвернуть
Заполнить форму текущей работой