Tareas basadas en conocimiento. Tarea de clasificación. Jerarquía de tareas de Clancey Tarea de clasificación

Tareas basadas en conocimiento.

Tarea de clasificación.

Jerarquía de tareas de Clancey Tarea de clasificación

Contenidos

1. Tipología de tareas: tareas genéricas de Clancey

2. Modelos y métodos de clasificación simbólica

1. Clasificación simple

2. Clasificación jerárquica

Tarea basada en conocimiento

 Tarea basada en conocimiento ≠ Tarea de aplicación

 Tarea basada en conocimiento: según naturaleza conocimiento empleado

 Tarea de aplicación: problema a resolver

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/psicología

 Existen numerosas propuestas

 Propuesta de Clancey: tipología basada en la noción de sistema

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)

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

Tareas genéricas de Clancey

Tareas que hacen uso intensivo del conocimiento

Tarea Analítica

clasificación

evaluación

Tarea Sintética

diagnosis

monitorización predicción

modelado

planificación

scheduling asignación diseño

Tareas Analíticas

Tipo de

tarea Entrada Salida Conocimiento Características Análisis Observaciones

del sistema Caracterización

del sistema Modelo del sistema Se proporciona la descripción del sistema

Clasifi-

cación Propiedades

de objetos Clase 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 Monito-

rización 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

Tareas basadas en conocimiento:

Encargo E4

 Describir la tarea de evaluación (assesment)

 Ejemplos de tareas de aplicación,

caracterización, tipo de conocimiento

 Referencias: G. Schreiber H. Akkermans, A. Anjewierden, R. de Hoog, N. Shadbolt, W. Van de Velde, and B.

Wielinga. Knowledge Engineering and Management, The CommonKADS Methodology. The MIT Press. 1999.

Clasificación

 La tarea de clasificación se caracteriza por seleccionar una clase

 entre un conjunto finito –y habitualmente pequeño–

de posibles clases

 conociendo las características de las clases

 y las del objeto a clasificar

 Ejemplos

 la clasificación taxonómica de seres vivos en familias y especies

 clasificación de objetos celestes a partir de imágenes de satélites

Interés clasificación

 Rango:

Los problemas que se puedan solucionar sin necesidad de construir nuevas soluciones, sino eligiendo una entre un catálogo de posibles soluciones ya conocidas, son

susceptibles de ser abordadas como una tarea de clasificación.

 Sencillez

tanto los modelos de clasificación como los métodos que los utilizan son

Modelos y

métodos de clasificación

 Clasificación simple

 Modelo conceptualmente sencillo

 Ilustra naturaleza de la tarea

 Clasificación jerárquica

Clasificación simple

 Un modelo de clasificación por recubrimiento es una quíntupla <D, S, C⁺, C^-, OBS>, siendo:

 D, Espacio de Datos, un conjunto finito de datos {D₁, D₂,... ...,D_k}.

 S, Espacio de Soluciones, un conjunto finito de soluciones {S₁, S₂,... ...S_m} o candidatos.

 C⁺, C^-, son Relaciones de Recubrimiento, C⁺⊂SxD, C^-⊂SxD, con C⁺∩ C^- =∅.

 OBS el conjunto de valores que toman los datos D_i de D.

Datos, observaciones y soluciones

 Los elementos de D representan las observaciones que podemos realizar directamente sobre el sistema

 valores en el conjunto {0, 1, ?}

 indicando su ausencia, su presencia o la no disponibilidad de la observación.

 Ejemplo,

 Si D_i representa el síntoma “fiebre” y observamos que el paciente no tiene fiebre, en el conjunto OBS

tendremos OBS_i=0.

 Los elementos de S, candidatos, representan posibles soluciones del problema, por ejemplo bronquitis o asma

Ejemplo MYCIN

if (1) the stain of the organism is gram-negative (2) the morphology of the organisms is coccus

(3) the growth configuration of the organism is chains then there is a suggestive evidence (0.7)

that the identity of the organisms is streptococcus

 D={organism.stain=gram-negative,

organism.morphology=cocus, organism.growthconf=chains, …}

 OBS={1, 1, ?, …}

 S={organism.identity=streptococcus, organism.identity=staphylococci,… }

Ejemplo SM

 D = {A=3, B=2, C=2, D=3, X=6, Y=6, F=12}

 OBS={1, 1, 1, 1, ?, ?, 0}

 S= {M1, M2, A1}

M1

M2

A1 X

Y A

B D

C F [10]

[3]

[2]

[2]

[3]

Relaciones de recubrimiento (I)

 Elementos de C⁺ y C^-

 pares (S_j, D_i) que representan condiciones necesarias para la consistencia de una

solución con un conjunto de observaciones

 C+ y C- definen un patrón de

observaciones necesarias para la

consistencia de un candidato con los datos

Relaciones de recubrimiento (II)

 Para cada par (S_j, D_i) solo puede darse uno de los siguientes casos:

 (S_j, D_i) ∈ C+.

 S_j es consistente con la observación OBS_i =1

 si OBS_i =0, S_j no puede ser solución.

 (S_j, D_i) ∈ C-.

 S_j es consistente con la observación OBS_i =0

 si OBS_i =1, S_j no puede ser solución.

 (S_j, D_i)∉C+, (S_j, D_i)∉C-.

 D_i es irrelevante para la solución S_j; (En cualquier otro caso, el dato D_i es relevante para la solución S_j)

Consistencia

 Un candidato, S_j, es consistente con un conjunto de observaciones OBS si y sólo si S_j es consistente con todas las observaciones disponibles; en caso

contrario, S_j es inconsistente.

Explicación

 Un candidato, S_j, es una explicación

de OBS si y sólo si S_j es consistente con las observaciones de todos sus datos

relevantes.

Solución

 El modelo de recubrimiento secuencial proporciona de forma explicita un

mecanismo para rechazar candidatos

 los candidatos inconsistentes pueden eliminarse del conjunto de posibles soluciones

 Solución del problema de clasificación

 criterios adicionales, que pueden depender del dominio de aplicación

Representación gráfica

1

1

0

0

0

D1

D2

D3

D4

D5

OBS-1

1

1

0

?

1 OBS-2

e

r

r

r

r CAN-1

e

r

c

e

c CAN-2

S1

S2

S3

S4

S5

 Elementos de C⁺

 Elementos de C^-

 e: explicación

 c: consistente r: rechazado

Ejemplo MYCIN

1

1

?

D1

D2

D3

D OBS-1

1

1

0 OBS-2

c CAN-1

r CAN-2

S1

S2

S3

. . S

. . .

. . .

. . .

if(1) the stain of the organism is gram- negative

(2) the morphology of the organisms is coccus (3) the growth configuration of the organism is chains

Then there is a suggestive evidence (0.7)that the identity of the organisms is streptococcus

D={organism.stain=gram-negative, organism.morphology=cocus,

organism.growthconf=chains, …}

OBS-1={1, 1, ?, …}

S={organism.identity=streptococcus, organism.identity=staphylococci,… }

Solución problema de

clasificación por recubrimiento

 Candidatos simples, compuestos

 Simples: elementos de S

 Mutuamente excluyentes / No mutuamente excluyentes

 Compuestos: combinación elementos de S

 Explosión combinatoria

 Posibles soluciones: 2^|S|

Solución problema de

clasificación por recubrimiento

 Criterio de inclusión

 Consistencia

 se incluyen todas las clases consistentes con algún dato observado.

 Conservadora

 se incluyen todas las soluciones consistentes, aunque no se disponga de ninguna de sus observaciones relevantes.

 Explicación

 solo se incluyen las soluciones que son explicaciones.

 Completa

 la solución ha de explicar todas las observaciones.

 Por eliminación

 sólo se acepta una solución cuando todas las demás han sido rechazadas.

Solución problema de

clasificación por recubrimiento

 Preferencia de candidatos

 Evidencia

 preferir las soluciones consistentes con más datos.

 Minimalidad

 definir la solución como los subconjuntos minimales de las soluciones compuestas.

 Ponderación

 utilizar alguna función adicional para priorizar las hipótesis. Por ejemplo, probabilidad a priori, a posteriori o alguna medida de certeza.

Ejemplo SM

1

1

1

1

?

A=3

B=2

C=2

D=3

X=6 OBS-1

1

1

1

1

1 OBS-2

c

c

c CAN-1

r

c

c CAN-2

M1

M2

A1

Y=6

F=12

?

0

?

0 M1

M2

A1 X

Y A

B D

C F [10]

[3]

[2]

[2]

[3]

Soluciones

 OBS-2

 Criterio inclusión: consistencia

 M2, A1

 Candidatos simples, excluyentes: {[M2], [A1]}

 Candidatos compuestos: {[M2], [A1], [M2, A1]}

 Candidatos compuestos, minimales: {[M2], [A1]} ([M2, A1] también es solución, pero no se representa)

Clasificación simple mediante generación y prueba exhaustivas

 El método se basa en tres suposiciones:

 Todas las observaciones necesarias están disponibles al principio del proceso.

 El espacio de soluciones, S, es

suficientemente pequeño para poder

considerar cada candidato individualmente.

 Candidatos simples

Método de

generación y prueba exhaustivas

1. Soluciones ← ∅ 2. Obtener OBS

3. Para cada Candidato ∈ S hacer

4. Si Prueba(Candidato) Entonces Soluciones ← Soluciones ∪ Candidato 5. Fin Si

6. Fin Para

7. Devolver(Soluciones)

el procedimiento prueba rechaza los candidatos no consistentes con las observaciones actuales

Ejercicio: ejemplo SM, OBS-3=<1, 1, 1, 1, 1, 0, 0>.

Clasificación simple mediante generación guiada por datos

 Mejora de la eficacia computacional generación y prueba exhaustivas

 Utilizar conjunto reducido de observaciones para generar los candidatos

 Probar la consistencia de los candidatos con las observaciones restantes

 Introducir procedimientos

 Monitor

 Obtiene el valor de un conjunto reducido de observaciones (OBSdistinguidas) para las que existen candidatos consistentes.

 Este conjunto de candidatos es mucho menor que el conjunto de posibles soluciones.

 GenerarCandidatos

 Genera eficientemente las soluciones que son consistentes con OBSdistinguidas

Clasificación simple mediante generación guiada por datos

 El método se basa en las siguientes suposiciones:

 Disponemos de procedimientos eficientes Monitor y GenerarCandidatos

 Todas las observaciones necesarias están disponibles al principio del proceso.

 Candidatos simples

Método de

generación guiada por datos

1. Soluciones ← ∅

2. OBSdistinguidas ← Monitor( ) 3. Si OBSdistinguidas ≠ ∅ Entonces 4. Obtener OBS

5. Candidatos ← GenerarCandidatos(OBSdistinguidas) 6. Para cada Candidato ∈ Candidatos hacer

7. Si Prueba(Candidato) Entonces Soluciones ← Soluciones ∪ Candidato

8. Fin Si 9. Fin Para 10. Fin Si

11. Devolver(Soluciones)

Ejemplo SM

 D={A=3, B=2, C=2, D=3, X=6, Y=6, F=12}.

 Se observan, A=[3], B=[2], C=[2], D=[3], X=[6], Y=[5], F=[10] que corresponden a OBS-3=<1, 1, 1, 1, 1, 0, 0>.

 Monitor devuelve las observaciones de X, Y, F:

<1, 0, 0>

 GenerarCandidatos devuelve {M2, A1}

 Prueba rechaza A1

 Solución: {M2}

SM, guiado por datos

A=3

B=2

C=2

D=3

X=6 OBS-3

1 Monitor

r

c

c

GenerarCandicados CAN-3

M1

M2

A1

Y=6

F=12 0

0 1

1

1

1

1

0

0

r

c

r

Clasificación jerárquica

 También clasificación heurística

 Variante clasificación simple

 Modelo de recubrimiento

 Jerarquía de abstracción de datos

 Jerarquía de refinamiento de soluciones

Jerarquía

de abstracción de datos

 Abstracción Cualitativa

 “recuento leucocitario de 2500” se abstrae a

“recuento leucocitario bajo”

 Abstracción por Definición

 “recuento leucocitario bajo” se abstrae a

“Leucopenia”, pues así se define la Leucopenia

 Abstracción por Generalización

 “Leucopenia” se abstrae a “Inmunodepresión”, pues la Leucopenia es un tipo de inmunodepresión

 Otras

 Combinar dos sensores en un único dato…

Jerarquía de refinamiento de soluciones

 Dotar al espacio de soluciones de estructura

 Manipular clases de soluciones, que se van refinando

 El modelo de recubrimiento no cambia:

 Se hace explícita la jerarquía implícita en el modelo de recubrimiento

 Añadiendo, si es necesario, clases abstractas

Modelo gráfico

clasificación jerárquica

AD₅ AD₄

D1

D₂

D₃

S1

Datos Abstractos

Soluciones Abstractas

AD1

AD₂ AD₃

S2

D₄

S₃

S4

S₅

S6

S7

D5

D6

D₇ AD₆

Espacio de datos Espacio de soluciones

SUBTIPO Refinamiento SUBTIPO

Refinamiento SUBTIPO

Refinamiento

Enfermedades específicas Datos del paciente

Espacio de datos Espacio de soluciones

Abstracciones del paciente

Huésped Inmunocomprometido

Inmunodepresión

Leucopenia

Recuento Leucocitario bajo

GENERALIZACIÓN

DEFINICIÓN

CUALITATIVA GENERALIZACIÓN

CAUSA Clases de enfermedades

Bacteria que coloniza territorios no estériles

Abstracción

Bacteria que coloniza el tracto GI

Enterobacterias Equiparación

Ejemplo clasificación

jerárquica(I): MYCIN

Ejemplo clasificación jerárquica:

MYCIN

SI (1) se dispone de un análisis de sangre,

(2) el recuento leucocitario es menor que 2,500

ENTONCES (3) las siguientes bacterias podrían estar causando la infección: E. Coli (.75), Pseudonomas-aeuroginosis (.5),

Klebsiella-pneumoniae (.5).

Ejemplo

 OBS:<1, ?, ?, ?, ?, ?, ?>

 Consistente con todas las clases: S₁ es consistente

 OBS: <0, ?, ?, ?, ?, ?, ?>

 Inconsistente con todas las clases: S₁ es inconsistente

 OBS: <1, 0, ?, ?, ?, ?, ?>

 Inconsistente con S₂ y sus sucesores

 Consistente con S₁, S₃ y sus sucesores

Eliminación jerárquica

 Eliminar candidatos sucesores de nodos inconsistentes

 Condición necesaria

 El conjunto de tuplas de las relaciones de recubrimiento de una subclase son una extensión de las tuplas de su clase padre:

 si la tupla (S_j, D_i) pertenece a C⁺ (C^-), la tupla (S_k D_i) ha de pertenecer a C⁺ (C^-) para todo S_k hijo de S_j

Clasificación jerárquica y obtención de observaciones

 Estrategia sencilla y efectiva de obtener nuevas observaciones

 buscar aquellas observaciones que nos permiten

seguir refinando los candidatos consistentes de más alto nivel

 Ejemplo

 OBS:<1, 0, 1, ?, ?, ?, ?>

 Consistentes S₁ y S₃

 No necesitamos observaciones D₄ y D₅

Basta observar D y D para obtener la clasificación

Clasificación jerárquica mediante generación guiada por datos

 Parte de conjunto reducido de observaciones obtenidas por Monitor

 Abstrae las observaciones con Abstraer

 Genera candidatos más abstractos con GenerarNuevosCandidatos

 Solicita nuevas observaciones, Obtener, para refinar candidatos, hasta llegar a nodos

terminales

 Si las nuevas observaciones son consistentes con candidatos abstractos no considerados, se

Clasificación jerárquica mediante generación guiada por datos

 El método se basa en las siguientes suposiciones:

 Disponemos de los procedimientos, Monitor, Obtener Abstraer y GenerarNuevosCandidatos

 El espacio de datos se organiza jerárquicamente facilitando la abstracción de datos.

 Las soluciones se organizan en una jerarquía de refinamiento que divide las clases de soluciones.

 En cada nivel del espacio de soluciones existe un conjunto de datos que permite discriminar entre ellas. Es posible obtener dichos datos

 Candidatos simples

Método de

generación guiada por datos

1. Soluciones ← ∅

2. OBSdistinguidas ← Monitor( ) 3. OBS ← Abstraer(OBSdistinguidas) 4. Si OBS ≠ ∅ Entonces

5. Mientras se puedan generar nuevos candidatos raíz hacer 6. Candidatos ← GenerarNuevosCandidatosRaiz(OBS)

7. Soluciones ← ProbarDiscriminar(Candidatos) ∪ Soluciones 8. Mientras sea posible refinar candidatos hacer

9. Soluciones ← Soluciones – {Candidato_a_refinar}

10. Candidatos ← hijos de Candidato_a_refinar en la jerarquía de soluciones

11. Soluciones ← PorbarDiscriminar(Candidatos) ∪ Soluciones 12. Fin Mientras

13. Fin Mientras

Obtener nuevas observaciones para discriminar entre candidatos

1. ProbarDiscriminar(Candidatos) 2. NuevasSoluciones ← ∅

3. Obtener OBSadicionales, observaciones necesarias para discriminar entre las hipótesis de Candidatos

4. NuevasObservaciones ← Abstraer(OBSadicionales) 5. OBS ← Nuevas observaciones ∪ OBS

6. Para cada Candidato ∈ Candidatos hacer

7. Si Prueba(Candidato) Entonces NuevasSoluciones ← NuevasSoluciones ∪ Candidato

8. Fin Si 9. Fin Para

10. Devolver(NuevasSoluciones)

Clasificación jerárquica y esquema genérico

Espacio de datos

Explícito

Generación de hipótesis

Prueba de hipótesis

Espacio de hipótesis

Explícito

Espacio de reparaciones

No se utiliza

Discriminación entre hipótesis

Detección de anomalías

Adaptación del esquema genérico: modelo del sistema

 Modelo de clasificación por recubrimiento, <D, S, C⁺, C^-, OBS>, junto a la jerarquía de

abstracción de datos y la jerarquía de refinamiento de las soluciones.

 No representa de forma explícita ni la

estructura ni el comportamiento del sistema.

Solo se dispone de forma explícita de las

relaciones entre síntomas y fallos, dados por C⁺y C^-.

Adaptación del esquema

genérico: espacios de búsqueda

 Espacio de datos: D y se solapa con la

jerarquía de abstracción de datos del modelo del sistema.

 Espacio de hipótesis: S y se solapa con la jerarquía de refinamiento de soluciones del modelo del sistema.

 No se utiliza el espacio de reparaciones.

Adaptación del esquema

genérico: operaciones básicas

 La monitorización es explícita

 Generar hipótesis

 soportada por GenerarNuevosCandidatosRaiz, obtiene los candidatos más abstractos que son consistentes con las observaciones actuales.

 Prueba de hipótesis

 soportada por el procedimiento prueba, se limita a utilizar las relaciones de recubrimiento del modelo de clasificación para eliminar los candidatos inconsistentes con las observaciones.

 Discriminación de hipótesis

 soportada por el procedimiento ProbarDiscriminar, que solicita las observaciones necesarias para discriminar entre las hipótesis del mismo nivel, utilizando a continuación el procedimiento prueba

Diseño e Implementación de un modelo de clasificación simbólica

 Tradicionalmente

 Sistema de producción

 Sin formular explícitamente el modelo de recubrimiento

 Distinguir

 Nivel del conocimiento

 Modelo del conocimiento independiente de la implementación

 Nivel simbólico

Nivel del conocimiento y clasificación jerárquica

 Descrito en el nivel del conocimiento

 Conocimiento del dominio:

 Modelo de clasificación por recubrimiento

 Jerarquías de abstracción y refinamiento

 Conocimiento estratégico

 Métodos

Diseño e Implementación

 Cualquiera, que respete especificaciones nivel del conocimiento

 Sistemas de producción

 El modelo de recubrimiento se representa fácilmente mediante reglas

 Método: solo si el motor de inferencias es suficientemente flexible

 Sistemas de producción en el análisis

Ejemplo de codificación

Fragmento de

modelo de recubrimiento

D₁

D2

D₃

S₁

S₂

S₃

SI D₁=1

ENTONCES S₁ SI S₁, D₂=0 ENTONCES S₂ SI S₁, D₃=1 ENTONCES S₃ Codificación mediante reglas de producción

Herramientas

 CLIPS

 C, C++, dominio público clipsrules.sourceforge.net

 Jess

 Java, licencias comerciales, académicas www.jesrule.com

 G2