Библиографическое описание:МЕТОД ОПРЕДЕЛЕНИЯ РЕЛЕВАНТНОСТИ ПРЕЦЕДЕНТОВ НА ОСНОВЕ НЕЧЕТКИХ ЛИНГВИСТИЧЕСКИХ ПРАВИЛ : научное издание / Т. В. Авдеенко, Е. С. Макарова. - Текст : непосредственный // Научный вестник Новосибирского государственного технического университета. - 2016. - № 1. - С. 17-34. - ISSN 1814-1196. - ISSN 2658-3275, DOI 10.17212/1814-1196-2016-1-17-34. Перевод заглавия: Method for determining the relevance of cases based on fuzzy linguistic rules
Аннотация:Прецедентный подход (Case-Based Reasoning, CBR) является полезным инструментом представления знаний в социально-экономических системах, так как использует рассуждения по аналогии, свойственные человеческому интеллекту. Традиционный подход к оценке подобия прецедентов заключается в вычислении взвешенной метрики - расстояния в многомерном пространстве. В статье вместо подобия прецедентов рассматривается их релевантность на основе нечеткой логики. Нечеткие лингвистические правила используются в качестве инструмента для представления знаний о релевантности прецедентов. Рассматривается процедура настройки нечетких правил на основе обучения по выборкам прецедентов. Исследуются треугольные и квадратичные функции принадлежности. Проведенные исследования показывают приемлемую точность классификации прецедентов даже для малой обучающей выборки. При этом более гладкие (квадратичные) функции принадлежности показывают в среднем большую точность предсказания. Введение нечетких правил в качестве критериев оценки подобия привносит следующие существенные преимущества в прецедентную модель: нечеткие правила «если-то» представляют собой более общую и гибкую платформу для описания знаний о сходстве между прецедентами, чем расстояние в многомерном пространстве; сущность базы знаний, содержащей нечеткие правила, позволяет приобретать и интегрировать знания из различных источников; нечеткая база знаний является хорошо понятной за счет интерпретации отдельных языковых правил, следовательно, пользователи могут легко понять, как и почему прецедент был выбран для поиска, содержательно подтвердив нечеткие правила, полученные в результате обучения. Это создает возможность динамического участия человека во взаимодействии с системой, основанной на прецедентах, для адаптации поведения системы к конкретным требованиям.
The Case-Based Reasoning approach (CBR) is a useful tool of knowledge representation in socio-economic systems because it uses reasoning by analogy inherent in the human intellect. The traditional approach to the assessment of the similarity of precedents is to calculate the weighted metrics - distance in a multidimensional space. In the article, instead of precedent similarity we consider their relevance based on fuzzy logic. Fuzzy linguistic rules are used as a tool for representing knowledge of the relevance of precedents. We consider the procedure for setting up fuzzy rules based on training the precedent samples. We investigate both triangular and quadratic membership functions. The results obtained showed an acceptable accuracy of the precedent classification even for small training samples, Moreover, smoother (quadratic) membership functions showed on average greater prediction accuracy. The introduction of fuzzy rules as criteria for evaluating the similarity gives significant advantages to the case model: fuzzy rules "if-then" are a more general and flexible platform for the representation of knowledge about the similarities between the cases than distance in a multidimensional space. The essence of the knowledge base containing fuzzy rules allows us to acquire and integrate knowledge from different sources. In addition, the fuzzy knowledge base is well understood due to the interpretation of certain language rules, so users can easily understand how and why the precedent was selected for the search substantially confirming the fuzzy rules obtained as a result of learning. This creates a possibility of dynamic human intervention in the interaction with a case-based system in order to adapt the system's behavior to specific requirements.
