La metodología CommonKADS

4. Plantillas de Modelos de Conocimiento 4.1 Introducción 4.2 Tipología de tareas 4.3 Catálogo de Plantillas de Tareas Carlos Alonso González Dpto. de Informática Universidad de Valladolid

Reutilización • Partes del modelo de conocimiento pueden reutilizarse en nuevas aplicaciones • Reutilizar combinaciones de elementos del modelo de conocimiento • CommonKADS proporciona catálogos de elementos de modelos de conocimiento • Principal criterio de reutilización: tarea • Catálogo de plantillas de tareas

4-2

Necesidad reutilización • • • •

No “reinventar la rueda” Eficiencia coste, tiempo Disminuye complejidad proceso construcción modelos Criterio de calidad

4-3

Plantilla de tareas • Modelo de conocimiento parcial que especifica – Conocimiento de tarea e inferencia habituales en la solución de un problema de un tipo particular – Esquema de dominio requerido desde la perspectiva de la tarea – Carácter provisional

• Para un tipo de tarea • Permite aproximación analítica al “Análisis de Conocimiento”

4-4

Tipología de tareas • Rango limitado de tipos de tareas – Se limita a tareas que hacen un uso intensivo del conocimiento

• Objeto de estudio de las ciencias cognitivas/sicología • Existen numerosas propuestas • Tipología basada en la noción de sistema

4-5

Noción de “Sistema” • Término abstracto que describe aquello sobre lo que se aplica una tarea – diagnosis médica: cuerpo humano – diagnosis técnica: artefacto o dispositivo – configuración ascensores: ascensor a configurar

• No necesita existir (aún)

4-6

Tareas analíticas/sintéticas • Tareas analíticas – El sistema ya existe – Entrada: datos sobre el sistema – Salida: alguna caracterización del sistema

• Tareas sintéticas – El sistema aún no existe – Entrada: requisitos del sistema a construir – Salida: descripción del sistema

• Subdivisión adicional – En función del tipo de problema 4-7

Tipo de Tareas knowledge-intensive task

Tarea Sintética

Tarea Analítica

clasificación

evaluación

diagnosis

predicción

monitorización

diseño

modelado

configuración

planificación

asignación

scheduling

4-8

Tareas Analíticas Tipo de tarea

Entrada

Salida

Conocimiento

Características

Análisis

Observaciones Caracterización Modelo del sistema del sistema del sistema

Se proporciona la descripción del sistema

Clasificación

Propiedades de Clase objetos

Asociación características-clases

Conjunto de clases predefinidas

Diagnosis

Síntomas, quejas

Categoría de fallo

Modelo de comportamiento

Distintos tipos de salidas: cadena causal, estado, componente

Evaluación

Descripción caso

Clase de decisión

Criterios, normas

Se realiza en un instante temporal

Monitorización

Datos del sistema

Clase de discrepancia

Comportamiento normal del sistema

Se realiza repetidamente

Predicción

Datos del sistema

Estado del sistema

Modelo de comportamiento

Proporciona una descripción del sistema en el futuro 4-9

Tareas Sintéticas (I) Tipo de tarea

Entrada

Salida

Conocimiento

Características

Síntesis

Requisitos

Estructura del sistema

Elementos, restricciones, preferencias

Hay que generar la descripción del sistema

Diseño

Requisitos

Descripción dispositivo

Componentes, restricciones, preferencias

Puede incluir diseño creativo de componentes

Diseño de configuración

Requisitos

Descripción dispositivo

Componentes, plantillas de diseños, restricciones, preferencias

Diseño en el que todos los componentes están predefinidos

Aplicación de un conjunto en otro

Restricciones, preferencias

La aplicación no tiene que ser 1 a 1

Asignación Dos conjuntos de objetos, requisitos

4-10

Tareas Sintéticas (II) Tipo de tarea

Entrada

Salida

Conocimiento

Características

Síntesis

Requisitos

Estructura del sistema

Elementos, restricciones, preferencias

Hay que generar la descripción del sistema

Planificación

Metas, requisitos

Plan

Acciones, restricciones, preferencias

Acciones parcialmente ordenadas

Scheduling

Actividades, Asignación actividadesrecursos, tiempos tiempos, requisitos

Restricciones, preferencias

La vertiente temporal lo diferencia de asignación

Modelado

Requisitos

Elementos de modelos, plantillas de modelos, restricciones, preferencias

Puede incluir síntesis creativa

Modelo

4-11

Catalogo de plantillas de Tarea • Pequeño catalogo de knowledge-intensive task relativamente sencillas – Clasificación, diagnosis, evaluación, monitorización, configuración, asignación, planificación y scheduling

• Descritas por – Caracterización general • características típicas de la tarea

– Método por defecto • papeles, subtareas, estructura de control, estructura de inferencia

– Variaciones del método – Esquema de dominio habitual 4-12

Clasificación. Caracterización general • Meta: establecer la clase (categoría) de un objeto. Objetos disponibles para su inspección. Clasificación basada en las características del objeto • Ejemplos típico: clasificación de minerales en una roca, clasificación de una manzana. • Terminología – objeto (una manzana), clase (Granny Smith), atributo (color), Característica (color=verde)

• Entrada: un objeto a clasificar • Salida: La(s) clase(s) encontrada(s) • Características – simple, muchos métodos – otras tareas analíticas se pueden reducir a ella

4-13

Clasificación. Método por defecto: poda • Método guiado por la solución • generar todas las clases a las que puede pertenecer el objeto • especificar un atributo del objeto a clasificar • obtener el valor del atributo (característica) • eliminar las clases que no posean la característica • repetir especificar y obtener

4-14

Clasificación. Estructura de inferencia object

specify

attribute

generate

candidate classes

obtain

match

truth value

feature

4-15

Clasificación. Método de tarea (control) generate(object -> candidate-classes) WHILE NEW-SOLUTION specify(candidate -> attribute) AND SIZE candidate-classes > 1 DO

obtain(attribute -> new-feature); current-feature-set := new-feature ADD current-feature-set; FOR-EACH candidate IN candidate-classes DO match(candidate + current-feature-set -> truth-value); IF truth-value = false; THEN candidate-classes := candidate-classes SUBSTRACT candidate; END IF END FOR-EACH END WHILE

4-16

Clasificación. Variantes • Generación de candidatos limitada – añadir elemento guiado por datos

• Diferentes formas de selección de atributos – árboles de decisión – teoría información – usuario

• Búsqueda jerárquica en estructura de clases – usar la jerarquía para la selección de atributos – usar la jerarquía para guiar la poda (los supertipos son candidatos)

4-17

Clasificación. Esquema de dominio object type

has-attribute class-of

2+

1+

object class

attribute attribute

requires value: universal

class constraint 4-18

Ejemplo: clasificación de rocas minerals ontology

rock

1+

texture grainsize colour

mineral

silicate

mineral content

igneous rock

percentage presence

plutonic rock

volcanic rock

neso silicate

tecto silicate

olivine

quartz

mineral content constraint

diorite

syenite

peridotite

dunite

4-19

Evaluación. Caracterización general (I) • Meta: encontrar categoría de decisión para un caso en base a un conjunto de normas específicas del dominio • Dominios Típicos: aplicaciones financieras, servicios a la comunidad, • Ejemplo típico: decidir si una persona obtiene el préstamo que ha solicitado • Terminología – Caso: el caso a ser evaluado, e.g. datos sobre la entidad de crédito y el préstamo solicitado – Categoría de decisión: e.g. cualificado-para-préstamo si o no – Normas: conocimiento de dominio utilizado para tomar la decisión, e.g. Reglas que relacionan ingresos con total solicitado4-20

Evaluación. Caracterización general (II) • Entrada: datos sobre el caso (siempre), normas específicas del caso (a veces) • Salida: categoría de decisión • Características – Su estructura puede ser similar a monitorización – Diferencias • Evaluación se realiza en un punto temporal concreto, monitorización a intervalos • Monitorización obtiene una discrepancia, no una categoría de decisión – Diferencia sutil – Monitorización se podría considerar una sucesión de tareas evaluación 4-21

Evaluación. Método por defecto (I) • Abstract – Generalmente es necesario abstraer los datos, en función de las normas – Abstracción se modela como una inferencia que se repite hasta que no se pueden realizar más abstracciones

• Specify – Hay que encontrar los críterios (norms) que se pueden utilizar para evaluar el caso – Los criterios (norms) utilizados en cada caso pueden depender del propio caso

4-22

Evaluación. Método por defecto (II) • Select – Hay que seleccionar cada norma para su evaluación – El conocimiento de dominio puede indicar el orden de evaluación

• Evaluate – Genera un valor de verdad para la norma – Suele ser un computo sencillo

• Comprobar si ya se puede tomar una decisión • Repetir selección y evaluación de la norma hasta que se pueda tomar una decisión

4-23

Evaluación. Estructura de Inferencia case

abstract

abstracted case

specify

norms

evaluate

decision

match

select

norm

norm value

4-24

Evaluación. Tarea y Método de Tarea TASK evaluación; ROLES: INPUT: case-description: “El caso a ser evaluado”; OUTPUT: decision: “El resultado de evaluar el caso”; END TASK evaluación; TASK-METHOD assessment-with-abstraction; REALIZES: evaluación; DECOMPOSITION: INFERENCES: abstract, specify, select, evaluate, match; ROLES: INTERMEDIATE: abstracted-case: “Datos sin tratar más abstracciones”; norms: “Conjunto de criterios de evaluación” norm: “Un criterio de evaluación” evaluation-results: “Lista de normas evaluadas” CONTROL-STRUCTURE:

4-25

Evaluación. Método de Tarea: control CONTROL-STRUCTURE: WHILE NEW-SOLUTION abstract(case-description -> abstracted-case) DO case-description := abstracted-case; END WHILE specify(abstracted-case -> norms) REPEAT select(norms -> norm); evaluate(abstracted-case + norm -> norm-value); evaluation-results := norm-value ADD evaluation-results; UNTIL HAS-SOLUTION match(evaluation-results -> decision); END REPEAT END TASK-METHOD assessment-with-abstraction; 4-26

Evaluación. Método de Tarea: especificación de control UML

[more abstractions] abstract

specify norms [no more abstractions]

[match fails no decision]

[match succeeds: decision found]

select norm

evaluate norm

match decision

4-27

Evaluación: Variantes del método • Quizás no sea necesario abstraer • Los criterios (norms) pueden depender del caso • La selección de normas tb. se puede basar en conocimiento • Aleatoria, heurística, estadística • Influencia en la eficiencia

4-28

Assessment. Esquema de dominio case regla abstracción

case datum

1+

tiene abstracción

case datum

value: universal 1+ requisito

implica 1+ norm

indica

decision

truth-value: boolean regla decisión 4-29

Gestión reclamaciones por desempleo claim handling collect data

data entry

finacial department decide about claim

:claim [no right] [right] compute benefit

send notification

prepare payment

4-30

Reglas de decisión gestión de reclamaciones WW benefit requirement

DEFINES

WW benefit right

benefit decision rule

insured = false DEFINES W W -benefit-right.value = no-right iunemployed = false DEFINES W W -benefit-right.value = no-right

insured = true AND unemployed = true AND weeks-worked--requirement = true AND years-worked-requirement = false DEFINES W W -benefit-right.value = short-benefit

insured = true AND unemployed = true AND weeks-worked--requirement = true AND years-worked-requirement = true DEFINES W W -benefit-right.value = long-benefit

weeks-worked-requirement = false DEFINES W W -benefit-right.value = no-right

4-31

Monitorización. Caracterización general (I) • Meta: analizar un proceso en marcha para determinar si se comporta como se espera • Ejemplo típico: proyecto software, planta industrial • Terminología – Parámetro: entidad cuyo valor actual puede ser relevante para detectar un comportamiento anómalo. – Norma: valor o rango de valores esperado para un parámetro en el caso de comportamiento normal – Discrepancia: indica un comportamiento anómalo del sistema que se monitoriza

4-32

Monitorización. Caracterización general (II) • Entrada: datos históricos, generalmente obtenidos en ciclos de monitorización previos • Salida: Discrepancia encontrada, si existe (no explicación) • Características – Monitorización/diagnosis: observa/explora – Monitorización/evaluación naturaleza dinámica/estática

4-33

Monitorización. Método por defecto (I) Monitorización guiada por datos • Comienza cuando se reciben nuevos datos (findings) • Para cada dato, se selecciona un parámetro del sistema y su norma (valor esperado) • La comparación entre el valor recibido y el esperado genera una diferencia • La diferencia se clasifica como discrepancia (o no) usando datos de ciclos previos

4-34

Monitorización. Estructura de Inferencia

4-35

Monitorización: Tarea task monitoring; roles: input: historical-data: "data from previous monitoring cycles"; output: discrepancy: "indication of deviant system behavior"; end task monitoring;

4-36

Monitorización: Método de Tarea (I) task-method data-driven-monitoring; realizes:monitoring; decomposition: inferences: select, specify, compare, classify; transfer-functions: receive; roles: intermediate: finding: "some observed data about the system"; parameter: "variable to check for deviant behavior"; norm: "expected normal value of the parameter"; difference: "an indication of the observed norm deviation"; 4-37

Monitorización: Método de Tarea (II) control-structure: receive( new-finding ); select( new-finding -> parameter ); specify( parameter -> norm ); compare( norm + finding -> difference ); classify( difference + historical-data -> discrepancy ); historical-data := finding add historical-data ; end task-method data-driven-monitoring;

4-38

Monitorización: Variantes del método • Monitorización guiada por modelo • El agente basado en conocimiento tiene la iniciativa • Típicamente, tarea periódica

• La clasificación puede ser una tarea compleja • Añadir etapa de abstracción de datos

4-39