Тема 8. Методы извлечения глубинных знаний.

Большинство методов извлечения знаний не затрагивают их глубинную структуру, а отражают лишь поверхностную составляющую знаний эксперта. Для извлечения глубинных пластов экспертного знания используются методы психосемантики, науке возникшей на стыке когнитивной психологии психолингвистики, психологии восприятия, исследования индивидуального сознания. Психосемантика исследует структуры сознания через моделирование индивидуальных системы знаний и выявление тех структур сознания, которые могут не осознаваться (латентные, имплицитные, скрытые знания).

1) Основным методом экспериментальных психосемантики является метод реконструкции субъективных семантических пространств. В Отличии от лингвистических методов, направленных на анализ текстов, отчужденных от субъекта его мотивов и замыслов, психолингвистические методы обращаются непосредственно к эксперту. Большинство из них связанно с различными формами субъективного шкалирования. При этом перед экспертом ставится задача оценить сходство знаний с помощью некоторой градуированной шкалы. В результате когнитолог получает численно представленные стандартизованные данные, продающиеся в статической обработке. Для обработки данных, выраженных в номинальной или категорий ной шкале используется методы статистического анализа(дисперсионный анализ, дискриминантный анализ, кластерный анализ, факторный анализ) На основе построения семантический пространств используются методы многомерного анализа позволяющие группировать ряд отдельных признаков описания в более емкие категории – факторы. При геометрической интерпретации семантического пространства значения отдельного признака отображается, как точка с заданными координатами внутри n-мерного пространства. На основе получаемых методом психосемантики моделей можно производить контроль знаний. Контроль структуры знаний проводится на основе сопоставления семантических пространств опытных экспертов и новичков. Степень согласованности семантических пространств будет определять уровень знаний эксперта новичка.

Многомерное шкалирование – это математический инструментарий, предназначенный для обработки данных о попарных сходствах связях и отношениях между анализируемыми объектами с целью их представления в виде точек некоторого координатного пространства. Многомерное шкалирование используется для решения следующих задач: 1) Поиск и интерпретация латентных(скрытых) переменных, объясняющих заданную структуру попарных расстояний. 2) Верификация(проверка) геометрической фигурации системы анализируемых объектов в координатном пространстве латентных переменных 3)Сжатие исходного массива данных с минимальными потерями в их информативности.

В основе данного подхода лежит интерактивная процедура субъективного шкалирования. Эксперту предлагается оценить сходство между различными объектами с помощью некоторой градуированной шкалы. Мера близости между двумя объектами обозначается Dij. Если Dij такова, что большие значения соответствуют наиболее похожим объектам, то Dij мера сходства, в противном случае Dij мера различия.

Метафорический метод - (метафора - образное выражение употребление слова в переносном смысле на основе сходства или сравнения). В настоящее время доказано: 1)метафора работает как фильтр, выделяющий посредством подбора адекватного объекта сравнения определенные свойства осинового объекта. 2) Метафора имеет целью не сообщить что-либо о данном объекте, т.е. ответить на вопрос «что это?», а призвать определенному отношению к нему, указать на некоторую парадигму(образец). 3) Объект сравнения в метафоре выступает не по своему прямому назначению, т.е. не просто «лев, как представитель фауны» а воплощение силы, ловкости и могущества. Введение метафор – это некая игра, которая раскрепощает сознание эксперта и является хорошим катализатором трудоемких серий интервью с экспертом.