СЕМАНТИЧЕСКИЕ СЕТИ

(англ. semantic nets) — представляют собой модели хранения понятий (слов, высказываний) в семантической памяти. Их организация и структурирование основаны на содержательном описании понятий и слов, обозначающих эти понятия и составляющих содержание семантической памяти.

В простейшем случае узлы С. с. отображают отдельные понятия, связи между узлами — отношения между понятиями (высказываниями). При таком подходе каждое понятие (узел С. с.) обладает набором свойств (характеристик, атрибутов). Функция части атрибутов заключается в установлении различных типов связей с др. узлами С. с. (понятиями). Кроме того, структура сети дает возможность приписывания каждой связи некоторых значений частоты (веса) ее использования, причем частоты м. б. разными в зависимости от ситуации (контекста) использования данной связи.

Важное значение моделей С. с. заключается в том, что они представляют собой не только среду хранения информации, но и структуру, на основе которой строятся модели процессов мышления (см. Эвристика, Эвристическая педагогика). В ходе формально-логического моделирования процессов мышления выделяют ряд «фигур» логического мышления, определяющих некоторые механизмы проведения рассуждений, построения понятий, доказательств. К таким фигурам можно отнести: правила построения простых и сложных высказываний, процедуры индукции, дедукции, построение умозаключений, правила логического вывода.

Рассмотрим пример, в котором мы имеем среди исходных данных набор фактов, включающих отдельные высказывания (простые или сложные): A, B, L, а также высказывания в виде импликаций (структур «если... то»): A -> L, A -> B, F -> C, B -> D, B -> G, G -> T, K -> G, L -> B, L -> K. Для простоты будем считать, что единственным правилом вывода в этом примере будет правило отделения (modus ponens). Это правило было известно еще в древности и хорошо соответствует интуитивному понятию логического вывода. Общая схема правила отделения говорит, что мы делаем правильные умозаключения, если из пары посылок вида: 1) если p, то q, 2) p получаем в качестве заключения q. Формально правило отделения записывается в виде:

Многократно применяя правило отделения, мы можем получить новое знание, напр., в виде A -> T. Действительно, из A и A -> B получаем B, затем из B и B -> G получаем G, затем из G и G -> T получаем T. Формально в математической логике 3 шага данного вывода записываются как:

, ,

В такой записи над чертой записываются посылки, под чертой — следствия. При этом заметим, что в итоге мы построили умозаключение A -> T и одновременно получили цепочку рассуждения: A, A -> B -> G -> T. Заметим также, что данная цепочка не — единственно возможный путь для получения результата A -> T. Тот же вывод получим, построив и др. цепи доказательств. Напр., цепь № 2: из A, A -> L получаем L, затем из L, L -> B получаем B, далее логический вывод идет так же, как в предыдущем случае; цепь № 3 напишем в сокр. виде: A, A -> L -> K -> G -> T.

Данный пример удобно представить не только в аналитическом, но и в образном виде, как часть графа или С. с. (см. рис. 9). Такого рода представления служат целям структурирования информации. В каждом узле сети собирается вся информация по некоторому объекту (ситуации). Эта информация представляется в виде наборов характеристик или атрибутов объекта, а также в виде ссылок, указывающих связи между узлами (объектами).

Рис. 9. Участок С. с. в хорошо структурированной области знаний

В общем виде для обозначения структурированной системы данных, касающихся некоторого объекта, или «ядра», знаний к.-л. области, используется термин фрейм (от англ. frame — каркас, рамка). При этом понятие фрейма достаточно широкое: структура фрейма м. б. разной для разных областей знаний и рассуждений, что отражает глубокие различия природы разных областей знаний. (Очевидно, организация знаний в физике и в истории права имеет различное строение.)

Отдельный вопрос касается того, при помощи каких методов можно установить, какие понятия действительно близки (далеки) в пространстве С. с. данного «ядра» знаний (фрейма). Сама задача требует построения метрики пространства семантической памяти. В основе математических методов (факторный анализ и многомерное шкалирование), используемых для этих целей, лежит формирование матриц сходств понятий. Испытуемые (эксперты) на основании своих интуитивных правил оценивают попарное сходство между исходными объектами.

В итоге становится возможным ввести некоторую метрику, количественно описывающую близость исходных объектов в многомерном пространстве семантической памяти. В этом пространстве объекты будут представлены точками, расстояния между которыми определяются в соответствии со степенью их близости в памяти испытуемых.

В вышеприведенном примере не явным образом считалось, что все исходные высказывания имеют в процессе решения задачи одинаковые приоритеты. Вследствие этого все 3 цепи логического вывода (умозаключения) имели одинаковую вероятность построения. Более того, на основе имеющихся фактов с равной вероятностью можно начинать строить вывод, исходя не из факта A, а из фактов B, B -> D или к.-л. др. В результате предположения равной вероятности взаимных связей между фактами в ходе построения логического вывода возникает огромный перебор вариантов, причем с ростом длины вывода время перебора растет лавинообразно. Для уменьшения этой опасности (а полностью избежать ее невозможно) необходимо использовать системы приоритетов, указывающие разные вероятности связей между разными фактами или, др. словами, разные вероятности ссылок.

При этом приоритеты ссылок, естественно, зависят от параметров, описывающих контекст. К числу таких параметров относятся различные условия, которые должны быть проверены до принятия решения. В примере на рис. 9 типичной записью в узле B м. б.: «при условии a максимальный приоритет имеется у ссылки B -> D, при условии b максимальный приоритет у ссылки B -> G». В качестве условия могут выступать различные атрибуты объекта, напр. значения физических параметров, временные значения, полученная к текущему моменту информация о состоянии др. узлов (объектов) и т. д.

Структуре С. с. внутренне присуще свойство постоянной реорганизации. Действительно, в зависимости от ситуации список атрибутов каждого узла памяти должен меняться, кроме того, должны меняться приоритеты атрибутов. В одних условиях мы опираемся на одни свойства объектов, в др. — на другие — и на этом эффекте основано разнообразие мыслительной деятельности человека. (В. М. Кроль.)