Интеллектуальные информационные системы. Макаренко С.И. - 107 стр.

         получившего название «формирование знаний» или «машинное
         обучение» (machine learning).
    2.   Структурный (или когнитивный) подход, осуществляется путем
         выделения элементов предметной области, их взаимосвязей и
         семантических отношений.

 12.2.1 Атрибутивный подход к построению модели предметной области

    Признаковый или атрибутивный подход. Для атрибутивного подхода
характерно наличие наиболее полной информации о предметной области:
об объектах, их атрибутах и о значениях атрибутов. Кроме того,
существенным моментом является использование дополнительной
обучающей информации, которая задается группированием объектов в
классы по тому или иному содержательному критерию. Тройки объект—
атрибут—значение атрибута могут быть получены с помощью так
называемого метода реклассификации, который основан на предположении
что задача является объектно-ориентированной и объекты задачи хорошо
известны эксперту. Идея метода состоит в том, что конструируются правила
(комбинации значений атрибутов), позволяющие отличить один объект от
другого [1].
    На атрибутивном подходе базируются ЭС распознавания образов и
автоматического группирования данных.

    12.2.2 Структурный (когнитивный) подход к построению модели
                         предметной области

    Структурный подход к построению модели предметной области
предполагает выделение следующих когнитивных элементов знаний [1]:
     1. Понятия.
     2. Взаимосвязи.
     3. Метапонятия.
     4. Семантические отношения.

                   12.2.2.1 Понятия предметной области

    Выделяемые понятия предметной области должны образовывать
систему, обладающую следующими свойствами [1]:
    - уникальностью (отсутствием избыточности);
    - полнотой (достаточно полным описанием различных процессов,
      фактов, явлений и т.д. предметной области);




                                   106