BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG * TIỂU LUẬN MÔN HỌC ĐỀ TÀI Lý thuyết: Knowledge Discovery - http://en.wikipedia.org/wiki/Knowledge_discovery Bài tập: Xây dựng hệ chuyên gia lĩnh vực “Chăm sóc, bảo dưỡng sắc đẹp, trí tuệ…từ sản phẩm thiên nhiên, sản phẩm thương mại, công nghiệp, truyền thống dân gian…” GVHD: PGS.TS PHAN HUY KHÁNH NHÓM HỌC VIÊN: ĐẶNG NGỌC TUẤN LÊ CÔNG VƯỢNG TRẦN LƯƠNG VƯƠNG LỚP: KHMT-K24-QUẢNG BÌNH  Quảng Bình, tháng 12 năm 2012 Tiểu luận môn học: Công nghệ tri thức MỤC LỤC BỘ GIÁO DỤC VÀ ĐÀO TẠO 1 ĐẠI HỌC ĐÀ NẴNG 1 MỤC LỤC 2 PHẦN I: MỞ ĐẦU 3 1.1. Giới thiệu đề tài: 3 1.2. Mục đích của đề tài: 3 1.3. Bố cục trình bày: 3 PHẦN II: CƠ SỞ LÝ THUYẾT 5 2.1. Giới thiệu hệ chuyên gia (Expert System): 5 2.1.1. Hệ chuyên gia là gì ? 5 2.1.2. Đặc trưng của hệ chuyên gia: 5 2.1.3. Kiến trúc tổng quát của hệ chuyên gia: 5 2.1.4. Biểu diễn tri thức trong các hệ chuyên gia: 6 2.2. Công nghệ tri thức: 6 2.2.1. Lịch sử công nghệ tri thức: 6 2.2.2 Dữ liệu đầu vào: 7 2.2.3. Dữ liệu đầu ra: 21 2.2.3.1. Data model: 21 2.2.3.2. Meta data: 21 2.2.3.3. Ontology: 22 2.2.3.4. Knowledge representation and reasoning: 22 2.2.3.5. Knowledge tags: 22 2.2.3.6. Business rule: 23 2.2.3.7. Knowledge Discovery Metamodel (KDM): 23 2.2.3.8. Business Process Modeling Notation (BPMN): 24 2.2.3.9. Intermediate representation: 24 2.2.3.10. Resource Description Framework (RDF): 25 2.2.3.11. Software metrics: 25 PHẦN III : BÀI TẬP HỆ CHUYÊN GIA 26 3.1. Phát biểu bài toán: 26 3.2. Các sự kiện: 27 3.3. Các luật liên quan: 27 3.4. Chuyển các sự kiện và luật trên thành công thức chỉnh theo vị từ bậc một: 28 PHẦN IV: THỰC HIỆN VÀ MỘT SỐ KẾT QUẢ 29 4.1. Thực hiện: 29 4.2. Một số kết quả khi chạy chương trình: 29 a. Chương trình chạy: 29 b. Các câu hỏi của chương trình đặt ra: 29 c. Kết quả chạy chương trình: 30 5.2. Nhược điểm: 31 5.3. Hướng phát triển của chương trình: 31 PHẦN VI: TÀI LIỆU THAM KHẢO 32 [2] PGS.TS. Phan Huy Khánh, Công nghệ tri thức, Tài liệu Đào tạo Sau đại học 32 Trang 2 Tiểu luận môn học: Công nghệ tri thức PHẦN I: MỞ ĐẦU 1.1. Giới thiệu đề tài: Công nghệ tri thức là một bộ môn của tin học có tính chất công nghệ, trong đó đối tượng thông tin được xử lí là các tri thức trong một lĩnh vực chuyên môn nào đó và quá trình xử lí bằng máy tính nhằm giải quyết những bài toán phức tạp thông thường đòi hỏi một trình độ cao về trí tuệ chuyên gia trong lĩnh vực bằng các công cụ toán học; phát triển các phương pháp lựa chọn và thu thập tri thức, các cơ chế lập luận trên các thông tin tri thức và việc thực hiện các phương pháp đó trên máy tính. Mỗi lĩnh vực hoạt động cần có một chuyên gia để hỗ trợ tư vấn trong quá trình hoạt động. Việc áp dụng hệ chuyên gia là một việc rất quan trọng, chúng ta có thể tạo ra một chuyên gia thật sự trên một lĩnh vực nào đó. Từ đó chúng ta có thể xây dựng nhiều chuyên gia khác nhau trên tất cả các lĩnh vực để phục vụ đời sống xã hội. Đề tài nghiên cứu của nhóm bao gồm 2 nội dung: - Phần lý thuyết tìm hiều về khai thác tri thức Knowledge Discovery - http://en.wikipedia.org/wiki/Knowledge_discovery. - Phần bài tập: Xây dựng hệ chuyên gia lĩnh vực “Chăm sóc, bảo dưỡng sắc đẹp, trí tuệ…từ sản phẩm thiên nhiên, sản phẩm thương mại, công nghiệp, truyền thống dân gian…” 1.2. Mục đích của đề tài: Từ những kiến thức đã học được ta đi áp dụng vào bài toán thực tế. Thấy rõ được tầm quan trọng của môn Công nghệ tri thức, nâng cao kỹ năng về lập trình logic, biết cách sử dụng thao tác với ngôn ngữ lập trình prolog. Từ đề tài này chúng ta có thể phát triển được hệ chuyên gia với những đề tài phức tạp và khó hơn. 1.3. Bố cục trình bày: Báo cáo được trình bày thành 5 phần chính: * Phần I : Giới thiệu về đề tài và nêu lên mục đích chính của đề tài. * Phần II : Những cơ sở lý thuyết liên quan cần để thực hiện đề tài. * Phần III : Phân tích các yêu cầu của chương trình từ đó đi đến thiết kế và xây dựng chương trình. * Phần IV : Thực hiện chương trình và một số kết quả đạt được. * Phần V : Kết luận nêu lên những gì làm được và những gì chưa làm được. Nhóm học viên thực hiện xin gửi lời cảm ơn chân thành đến PGS.TS Phan Huy Khánh. Thầy đã tận tình truyền đạt những kiến thức cần thiết cho chúng em trong suốt thời gian môn học. Tuy đây là môn học mang tính trừu tượng cao nhưng qua các bài giảng cụ thể và ví dụ thực tiễn sinh động của Thầy, chúng em đã nắm bắt tốt nội dung môn học và đã có những định hướng chính xác hơn cho tương lai. Do thời gian và trình độ còn nhiều hạn chế cũng như số lượng lớn các thuật toán cần trình bày, chắc chắn đề tài còn có chỗ sai sót. Nhóm chúng em rất mong nhận Trang 3 Tiểu luận môn học: Công nghệ tri thức được ý kiến góp ý và động viên của Thầy cũng như tất cả các thành viên lớp Khoa học máy tính k24 Quảng Bình. Xin chân thành cảm ơn! Nhóm thực hiện Đặng Ngọc Tuấn Lê Công Vượng Trần Lương Vương Trang 4 Tiểu luận môn học: Công nghệ tri thức PHẦN II: CƠ SỞ LÝ THUYẾT 2.1. Giới thiệu hệ chuyên gia (Expert System): 2.1.1. Hệ chuyên gia là gì ? Là một chương trình máy tính biểu diễn và lập luận dựa trên tri thức trong một chủ đề thuộc lĩnh vực cụ thể nào đó nhằm giải quyết vấn đề hoặc đưa ra những lời khuyên. Quá trình xây dựng một hệ chuyên gia thường được gọi là công nghệ hoá tri thức và nó được xem là một ứng dụng của trí tuệ nhân tạo. 2.1.2. Đặc trưng của hệ chuyên gia: Có 4 đặc trưng cơ bản của một hệ chuyên gia: - Hiệu quả cao (high performance): khả năng trả lời với mức độ tinh thông bằng hoặc cao hơn so với chuyên gia (người) trong cùng lĩnh vực. - Thời gian trả lời thoả đáng (adequate response time): thời gian trả lời hợp lý, bằng hoặc nhanh hơn so với chuyên gia (người) để đi đến cùng một quyết định. Hệ chuyên gia là một hệ thống thời gian thực (real time system). - Độ tin cậy cao (good reliability): không thể xảy ra sự cố hoặc giảm sút độ tin cậy khi sử dụng. - Dễ hiểu (understanable): hệ chuyên gia giải thích các bước suy luận một cách dễ hiểu và nhất quán, không giống như cách trả lời bí ẩn của các hộp đen (black box). 2.1.3. Kiến trúc tổng quát của hệ chuyên gia: Hình 1: Những thành phần cơ bản của một hệ chuyên gia. * Cơ sở tri thức (knowledge dase): gồm các phần tử tri thức, thông thường được gọi là luật (rule), được tổ chức như một cơ sở dữ liệu. * Máy suy diễn (inference engine): công cụ tạo ra sự suy luận bằng cách quyết định xem những luật nào sẽ làm thỏa mãn các sự kiện, các đối tượng, chọn ưu tiên các luật thoả mãn, thực hiện các luật có tính ưu tiên cao nhất. * Lịch công việc (agenda) : danh sách các luật ưu tiên cho máy suy diễn tạo ra thỏa mãn các sự kiện, các đối tượng có mặt trong bộ nhớ làm việc. Trang 5 Máy suy diễn Lịch công việc Cơ sở tri thức Các luật Bộ nhớ làm việc Khả năng giải thích Khả năng thu nhận tri thức Giao diện người sử dụng Tiểu luận môn học: Công nghệ tri thức * Bộ nhớ làm việc (working memory): cơ sở dữ liệu toàn cục chứa các sự kiện phục vụ cho các luật. * Khả năng giải thích (explanation facility): giải nghĩa cách lập luận của hệ thống cho người sử dụng. * Khả năng thu nhận tri thức (Knowleged Acquisition facility): cho phép người sử dụng bổ sung các tri thức vào hệ thống một cách tự động thay vì tiếp nhận tri thức bằng cách mã hoá tường minh. Khả năng thu nhận tri thức là yếu tố mặc nhiên của nhiều hệ chuyên gia. * Giao diện người sử dụng (user interface) là nơi người sử dụng và hệ chuyên gia trao đổi với nhau . 2.1.4. Biểu diễn tri thức trong các hệ chuyên gia: 2.1.4.1. Logic mệnh đề: Người ta sử dụng các ký hiệu để thể hiện tri thức và các phép toán logic tác động lên các ký hiệu để thể hiện suy luận lôgic. Logic mệnh đề nghiên cứu cách xử lý các phát biểu. Một mệnh đề mô tả một sự kiện, quan hệ giữa các đối tượng của thế giới thực trong một lĩnh vực hẹp nào đó. Sau khi diễn giải thì mệnh đề đúng hoặc sai. Ví dụ: - Trời hôm nay rét. - Maskov là đàn ông. 2.1.4.2. Logic vị từ: Khắc phục các hạn chế của logic mệnh đề: Logic vị từ không chỉ biểu diễn sự kiện mà còn biểu diễn tính chất của các đối tượng. Logic vị từ là sự mở rộng của logic mệnh đề. Các vị từ thường chứa biến hằng hay hàm. Người ta gọi các vị từ không chứa biến là mệnh đề. Mỗi vị từ có thể là một sự kiện hay một luật. Luật vị từ gồm hai vế trái và phải được nối với nhau bằng dấu mũi tên (). Các vị từ không có chứa mũi tên được gọi là sự kiện. Ví dụ: Man(Tom). : Tom là đàn ông. Child(Mary). : Mary là đứa trẻ. 2.2. Công nghệ tri thức: 2.2.1. Lịch sử công nghệ tri thức: Công nghệ tri thức phát hiện ra là một khái niệm về lĩnh vực khoa học máy tính mà nó mô tả quá trình tự động tìm kiếm khối lượng lớn dữ liệu cho các mô hình có thể Trang 6 Tiểu luận môn học: Công nghệ tri thức được coi là kiến thức về dữ liệu. Nó thường được mô tả như là bắt nguồn tri thức từ dữ liệu đầu vào. Chủ đề này phức tạp có thể được phân loại theo. 1). Loại dữ liệu được tìm kiếm 2).Trong cái hình thức là đại diện cho kết quả của tìm kiếm. Phát triển nhất là công nghệ khám phá tri thức hay nó được biết như cơ sở dữ liệu khám phá tri thức. Cũng giống như nhiều hình thức khác của việc khám phá công nghệ tri thức, nó tạo ra một cách trừu tượng các dữ liệu đầu vào Những kiến thức thu được qua quá trình này có thể trở thành dữ liệu bổ sung có thể được sử dụng cho việc sử dụng dữ liệu trong tương lai. Một ứng dụng khác đầy hứa hẹn của công nghệ tri thức thuộc về việc hiện đại hoá phần mềm trong đó có những phần mềm đã thể hiện trước đó. Quá trình này liên quan đến một khái niệm về kỹ thuật đảo ngược. Thông thường các kiến thức thu được từ các phần mềm hiện tại được trình bày ở dạng các mô hình mà các truy vấn cụ thể có thể được thực hiện khi cần thiết. Một quan hệ thực thể là một định dạng thường xuyên đại diện cho kiến thức thu được từ các phần mềm hiện có. Object Management Group (OMG) được phát triển đặc điểm kỹ thuật Kiến thức Discovery Metamodel (KDM) định nghĩa một ontology cho các tài sản phần mềm và các mối quan hệ của họ với mục đích khám phá kiến thức thực hiện của các mã hiện có. Kiến thức phát hiện từ các hệ thống phần mềm hiện có, còn được gọi là phần mềm khai thác mà liên quan chặt chẽ đến khai thác dữ liệu, phần mềm đã có từ trước đố có giá trị kinh doanh rất lớn, chìa khóa cho sự tiến triển của các hệ thống phần mềm. Thay vì khai thác dữ liệu cá nhân tập hợp, phần mềm khai thác tập trung vấn đề siêu dữ liệu, chẳng hạn như cơ sở dữ liệu schema. 2.2.2 Dữ liệu đầu vào: 2.2.2.1. Data mining: Data mining là quá trình giải nén các mẫu từ dữ liệu. Data mining đang trở thành một công cụ ngày càng quan trọng để biến đổi dữ liệu này thành thông tin. Nó thường được sử dụng trong một loạt các hồ sơ thực hành, chẳng hạn như tiếp thị, giám sát, phát hiện gian lận và phát hiện khoa học. Data mining khai thác dạng dữ liệu có thể được sử dụng để phát hiện ra các mẫu trong dữ liệu, nhưng thường được thực hiện chỉ trên mẫu dữ liệu. Quá trình khai thác sẽ không có hiệu quả nếu các mẫu không phải là một đại diện tốt của tập thực thể lớn hơn của dữ liệu. Data mining không thể phát hiện ra mẫu mà có thể có mặt trong cơ thể lớn hơn nếu những mô hình dữ liệu không có mặt trong mẫu được "khai thác". Trang 7 Tiểu luận môn học: Công nghệ tri thức Không có khả năng tìm thấy các mô hình có thể trở thành một nguyên nhân cho một số tranh chấp giữa khách hàng và nhà cung cấp dịch vụ. Do đó khai thác dữ liệu là không đơn giản nhưng có thể hữu ích nếu đủ dữ liệu được thu thập mẫu đại diện. Việc phát hiện ra một mô hình cụ thể trong một tập hợp các dữ liệu không nhất thiết có nghĩa là một mô hình được tìm thấy ở nơi khác trong dữ liệu lớn hơn từ đó mẫu được rút ra. Một phần quan trọng của quá trình này là việc xác minh và xác nhận của các mô hình trên các mẫu khác của dữ liệu. Các điều khoản liên quan đến dữ liệu nạo vét, khai thác dữ liệu và dữ liệu snooping chỉ đến việc sử dụng các kỹ thuật khai thác dữ liệu cỡ mẫu được (hoặc có thể được) quá nhỏ để suy luận thống kê được thực hiện về tính hợp lệ của bất kỳ các mẫu phát hiện (xem thêm dữ liệu-snooping thiên vị). nạo vét luồng dữ liệu có thể, tuy nhiên, được sử dụng để phát triển các giả thuyết mới, mà sau đó phải được xác nhận với đầy đủ bộ mẫu lớn. 2.2.2.2. Background: Con người đã được "thủ công" các mẫu chiết xuất từ dữ liệu trong nhiều thế kỷ, nhưng khối lượng ngày càng tăng của dữ liệu trong thời hiện đại đã kêu gọi thêm các cách tiếp cận tự động. Đầu phương pháp xác định các mẫu trong dữ liệu bao gồm định lý Bayes (năm 1700) và phân tích hồi quy (năm 1800). Sự gia tăng, có mặt khắp nơi và sức mạnh ngày càng tăng của công nghệ máy tính đã tăng thu thập dữ liệu và lưu trữ. Khi tập hợp dữ liệu đã phát triển về quy mô và phức tạp, chỉ đạo thực hành phân tích dữ liệu ngày càng được tăng cường với gián tiếp, xử lý dữ liệu tự động. Điều này đã được hỗ trợ bởi những khám phá khác trong khoa học máy tính, chẳng hạn như các mạng thần kinh, clustering, thuật toán di truyền (năm 1950), cây quyết định (năm 1960) và hỗ trợ máy vector (năm 1980). Khai thác dữ liệu là quá trình áp dụng những phương pháp này vào dữ liệu với mục đích khám phá ra các mô hình ẩn [1] Nó đã được sử dụng trong nhiều năm của các doanh nghiệp. Các nhà khoa học và các chính phủ để sift thông qua khối lượng của dữ liệu như hồ sơ hãng hàng không của chuyến đi hành khách, số liệu điều tra dân số và siêu thị máy quét dữ liệu để sản xuất các báo cáo nghiên cứu thị trường. (Lưu ý, tuy nhiên, báo cáo đó không phải là luôn luôn được coi là khai thác dữ liệu.) Một lý do chính để sử dụng khai thác dữ liệu là hỗ trợ trong việc phân tích các bộ sưu tập của các quan sát về hành vi Một thực tế không thể tránh khỏi của khai thác dữ liệu là thiết lập của dữ liệu đang được phân tích có thể không được đại diện của Trang 8 Tiểu luận môn học: Công nghệ tri thức toàn bộ miền, và do đó không thể chứa một số ví dụ về các mối quan hệ quan trọng và hành vi tồn tại trên các phần khác của tên miền. Để giải quyết vấn đề này loại phân tích có thể được tăng cường bằng cách sử dụng phương pháp tiếp cận dựa trên thử nghiệm và khác, chẳng hạn như lựa chọn mô hình cho dữ liệu do con người tạo ra. Trong những tình huống này, tương quan cố hữu có thể kiểm soát được, hoặc cho, hoặc gỡ bỏ hoàn toàn, trong khi xây dựng thiết kế thực nghiệm. Đã có một số nỗ lực để xác định các tiêu chuẩn cho khai thác dữ liệu, ví dụ năm 1999 Công nghiệp châu Âu Cross trình chuẩn cho khai thác dữ liệu (CRISP-DM 1,0) và Java 2.004 tiêu chuẩn dữ liệu Khai khoáng (JDM 1,0). Đây là những phát triển tiêu chuẩn; các phiên bản sau này của các tiêu chuẩn này đang được phát triển. Độc lập của những nỗ lực tiêu chuẩn hóa, tự do có sẵn hệ thống phần mềm mã nguồn mở như các dự án R, Weka, KNIME, RapidMiner và những người khác đã trở thành một tiêu chuẩn để xác định dữ liệu, quy trình khai thác mỏ. Ba tập đầu của các hệ thống này có khả năng nhập khẩu và xuất khẩu các mô hình trong PMML (Predictive Model Markup Language) mà cung cấp một cách tiêu chuẩn để đại diện cho các mô hình khai thác dữ liệu để chúng có thể được chia sẻ giữa các ứng dụng khác nhau thống kê. PMML là một ngôn ngữ dựa trên XML được phát triển bởi Tập đoàn Dữ liệu Khai khoáng (DMG) [2], một nhóm độc lập gồm các công ty khai thác nhiều dữ liệu. PMML phiên bản 4.0 được phát hành vào tháng 6 năm 2009. 2.2.2.3 Process: a. Pre-process: Trước khi thuật toán có thể được sử dụng, một dữ liệu mục tiêu phải được lắp ráp. Khi khai thác dữ liệu chỉ có thể phát hiện ra các mẫu đã có trong dữ liệu, các số liệu mục tiêu phải đủ lớn để chứa những mô hình trong khi vẫn ngắn gọn, đủ để được khai thác trong một khoảng thời gian chấp nhận được. Một nguồn tin phổ biến cho các dữ liệu là một datamart hoặc kho dữ liệu. Các thiết lập mục tiêu sau đó được làm sạch loại bỏ các quan sát với tiếng ồn và dữ liệu bị mất tích. Các dữ liệu sạch sẽ được giảm vào vectơ tính năng, một vector cho mỗi quan sát. Một tính năng vector là một phiên bản tóm tắt của các quan sát dữ liệu thô. Ví dụ, một hình ảnh đen trắng của một khuôn mặt là 100px sẽ chứa 10.000 bit của dữ liệu thô. Điều này có thể được biến thành một vector tính năng bằng cách định vị mắt và miệng trong hình ảnh. Làm như vậy sẽ làm giảm các dữ liệu cho mỗi bit vector từ 10.000 đến ba mã số cho các vị trí, làm giảm đáng kể kích thước của tập dữ liệu để Trang 9 Tiểu luận môn học: Công nghệ tri thức được khai thác, và do đó làm giảm nỗ lực chế biến. Các tính năng được lựa chọn sẽ phụ thuộc vào những gì mục tiêu cho là rõ ràng, chọn "đúng" tính năng là cơ bản để khai thác dữ liệu thành công. Các vectơ tính năng được chia thành hai bộ, các "đào tạo thiết lập" và tập "thử nghiệm". Tập huấn luyện được sử dụng để "đào tạo" các thuật toán khai thác dữ liệu, trong khi các thiết lập thử nghiệm được sử dụng để xác minh tính chính xác của bất kỳ mô hình được tìm thấy. b. Data mining: Khai thác dữ liệu thường bao gồm bốn lớp học của nhiệm vụ: * Phân loại - Giữ gìn các dữ liệu thành các nhóm được xác định trước. Ví dụ, một chương trình email có thể cố gắng để phân loại một email được coi là hợp pháp hay thư rác. thuật toán thường bao gồm cây quyết định học tập, phân loại Bayes và mạng nơron. * Clustering - Có như phân loại, nhưng các nhóm này không được xác định trước, do đó, thuật toán sẽ cố gắng nhóm tương tự như các mục với nhau. * Regression - Cố gắng tìm một chức năng mà các mô hình dữ liệu với các lỗi ít nhất. * Hiệp hội quy tắc học tập - tìm kiếm cho các mối quan hệ giữa các biến. Thí dụ, một siêu thị có thể thu thập dữ liệu về thói quen mua sắm của khách hàng. Sử dụng quy tắc hiệp hội học tập, các siêu thị có thể xác định sản phẩm được mua thường xuyên với nhau và sử dụng thông tin này cho mục đích tiếp thị. Điều này đôi khi được gọi là phân tích thị trường trong giỏ hàng. c. Research and evolution Ngoài các ngành công nghiệp định hướng nhu cầu về tiêu chuẩn và khả năng tương tác, hoạt động chuyên nghiệp và học thuật cũng đã có những đóng góp đáng kể vào việc phát triển và sự chặt chẽ trong các phương pháp và các mô hình, một bài báo xuất bản trong một vấn đề năm 2008 của Tạp chí Quốc tế về Công nghệ thông tin và ra quyết định tóm tắt kết quả của một cuộc khảo sát văn học mà dấu vết và phân tích sự tiến hóa này. Các cơ quan chuyên môn hàng đầu trong lĩnh vực này là Hiệp hội cho các nhóm quan đặc biệt Computing Machinery về kiến thức khám phá và khai thác dữ liệu (SIGKDD). [Cần dẫn nguồn] Kể từ năm 1989 họ đã tổ chức một hội nghị hàng năm của quốc tế và công bố thủ tục tố tụng của mình, và từ năm 1999 đã xuất bản một tạp chí định kỳ sáu tháng học tập mang tên "SIGKDD Những khám phá".Hội nghị Khoa học máy tính khác về khai thác dữ liệu bao gồm: * DMIN - Hội nghị quốc tế về khai thác dữ liệu; Trang 10 [...]... trình chạy: Hình 2: Khi chương trình chạy b Các câu hỏi của chương trình đặt ra: Hình 3: Chương trình đặt câu hỏi Trang 29 Tiểu luận môn học: Công nghệ tri thức c Kết quả chạy chương trình: Hình 4: Kết quả chạy chương trình Trang 30 Tiểu luận môn học: Công nghệ tri thức PHẦN V: KẾT LUẬN 5.1 Ưu điểm: Chương trình đã thực hiện được hai chức năng giúp người sử dụng chăm sóc sắc đẹp bằng hài phương pháp đắp... kho lưu trữ thường không đồng nhất Kiến thức quản lý thẻ là một kiến thức kỷ luật đó thúc đẩy doanh nghiệp Phương pháp luận cho người dùng nắm bắt kiến thức, chuyên môn, thuộc tính, phụ Trang 22 Tiểu luận môn học: Công nghệ tri thức thuộc, hoặc các mối quan hệ liên kết với một nguồn dữ liệu Nó thường cho phép sự linh hoạt lớn hơn các hệ thống phân loại kiến thức khác quản lý 2.2.3.6 Business rule:.. .Tiểu luận môn học: Công nghệ tri thức * DMKD - Nghiên cứu Các vấn đề về khai thác dữ liệu và khám phá kiến thức; * ECML-PKDD - Hội nghị châu Âu học tập trên máy và nguyên tắc và thực hành của Discovery kiến thức trong cơ sở dữ liệu; * ICDM - IEEE Hội nghị Quốc tế về khai thác dữ liệu; * MLDM - Máy Học tập và Khai khoáng dữ liệu trong công nhận Hoa văn; * SDM - SIAM Hội... định một định dạng trao đổi XMI giữa các công cụ mà làm việc với phần mềm hiện tại cũng như một giao diện trừu tượng (API) cho việc bảo đảm thế hệ tiếp theo và các công cụ hiện đại hóa KDM standardizes hiện phương pháp tiếp cận để khám phá kiến thức trong các đồ tạo tác công nghệ phần mềm, cũng gọi là khai thác phần mềm Trang 23 Tiểu luận môn học: Công nghệ tri thức 2.2.3.8 Business Process Modeling... xác định các đặc tính của nhân viên của họ thành công nhất Thông tin thu được, chẳng hạn như các trường đại học tham dự của nhân viên rất thành công, có thể giúp nhân sự tập trung nỗ lực tuyển dụng phù hợp Ngoài ra, chiến lược Quản lý doanh nghiệp ứng dụng giúp một công ty dịch của công ty mục tiêu cấp, chẳng hạn Trang 11 Tiểu luận môn học: Công nghệ tri thức như chia sẻ lợi nhuận và mục tiêu lợi nhuận,... hợp hai công nghệ này đã trở thành quan trọng, đặc biệt là các tổ chức khu vực công và tư nhân sở hữu cơ sở dữ liệu rất lớn với các dữ liệu chuyên đề và tham chiếu địa lý bắt đầu nhận ra tiềm năng rất lớn của các thông tin ẩn ở đó Trong số những người tổ chức là: Trang 13 Tiểu luận môn học: Công nghệ tri thức * Văn phòng đòi hỏi phải phân tích, phổ biến của địa tham chiếu số liệu thống kê * Công cộng... đến làm thế nào để chính thức "suy nghĩ", có nghĩa là, làm thế nào để sử dụng một hệ thống biểu tượng đại diện cho "một miền của discourse" - đó có thể nói chuyện về, cùng với các chức năng mà có thể hoặc không thể được trong miền của discourse cho phép suy luận (lý luận chính thức) về các đối tượng trong các miền của discourse xảy ra Trang 19 Tiểu luận môn học: Công nghệ tri thức Nói chung, một số loại... dụng thêm Các trang Web thường bao gồm siêu dữ liệu Trang 21 Tiểu luận môn học: Công nghệ tri thức ở dạng các thẻ meta Mô tả và thẻ meta từ khóa thường được sử dụng để mô tả nội dung các trang Web của Hầu hết các công cụ tìm kiếm sử dụng dữ liệu này khi thêm vào trang vào chỉ mục tìm kiếm của họ 2.2.3.3 Ontology: Bản thể học là nghiên cứu tri t học về bản chất của người, sự tồn tại hoặc thực tế nói chung,... trình đưa ra loại hoa quả có tác dụng trị các tri u chứng của người sử dụng đã chọn và hướng dẫn cách sử dụng loại hoa quả này Để người sử dụng khai thác tối đa các chức năng của chương trinh thì chương trình phải có các hướng dẫn cho người sử dụng và cách thức sử dụng chương trình cũng như các nguyên tắc hỏi và trả lời Trang 26 Tiểu luận môn học: Công nghệ tri thức 3.2 Các sự kiện: - Làm mặt nạ : Trắng... DGA, như là một chẩn đoán cho máy biến áp điện, đã có sẵn Trang 12 Tiểu luận môn học: Công nghệ tri thức trong nhiều năm Kỹ thuật khai thác dữ liệu như SOM đã được áp dụng để phân tích dữ liệu và để xác định xu hướng không được rõ ràng cho các kỹ thuật DGA tỷ lệ chuẩn như Duval Triangle Một khu vực thứ tư áp dụng cho khai thác dữ liệu khoa học / kỹ thuật hiện có trong nghiên cứu giáo dục, nơi khai thác . phát tri n của chương trình: 31 PHẦN VI: TÀI LIỆU THAM KHẢO 32 [2] PGS.TS. Phan Huy Khánh, Công nghệ tri thức, Tài liệu Đào tạo Sau đại học 32 Trang 2 Tiểu luận môn học: Công nghệ tri thức. ông. Child(Mary). : Mary là đứa trẻ. 2.2. Công nghệ tri thức: 2.2.1. Lịch sử công nghệ tri thức: Công nghệ tri thức phát hiện ra là một khái niệm về lĩnh vực khoa học máy tính mà nó mô tả quá trình. ĐẦU 1.1. Giới thiệu đề tài: Công nghệ tri thức là một bộ môn của tin học có tính chất công nghệ, trong đó đối tượng thông tin được xử lí là các tri thức trong một lĩnh vực chuyên môn nào đó và quá trình