Случай общих запросов

То

Если

То

Если

значение фактора «F» в семантическом профиле испытуемого «Очень Низкий», азначение фактора «03» - «Низкий»,

фактор «03» поглощается фактором «F».

значения факторов «01» и «02» в семантическом профиле испытуемого «Очень Высокий»,

для принятия решения о поглощении нужно сравнить значения этих факторов в числовом профиле испытуемого. Кандидатом на поглощение будет тот фактор, у которого числовое значение меньше.

На уровне ЯПЗ PILOT/2, обсуждавшегося выше, описание этих правил транс­формируется во фрагмент продукционной программы вида:

rule F-поглощает-QЗ:: [$curr_s_prfl: F] = = «QН» && [$curr_s_prfl: Q3] = = «Н» = => delete (Q3);

section Q1-Q2 if ([$curr_s_prfl: Q1] = = [$curr_s_prfl: Q2]) set (Q1-поглощает-Q2, Q2-поглощает-Q1);

……………………………………………………………………………………………..

rule Q1-поглощает-Q2

:: [$curr_n_prfl: Q1] >= [$curr_n_prfl: Q2] = => delete (Q2);

rule Q2-поглощает-Q1

:: [$curr_n_prfl; Q1] < [$curr_n_prfl: Q2] = => delete (Q1);

Функционирование продукционной системы позволяет получить невербализованный портрет. На вход блока генерации вербального представления поступает фрейм-экземпляр прототипа not_verb, слот order которого означен последова­тельностью имен групп (b1- b4) в порядке убывания «силы» этих групп, а слоты bi; bi_valn и bi_vals - последовательностями факторов, составляющих ту или иную группу вместе с их значениями из числового и семантического профиля. Собственно генерация текстов достаточно проста и сводится к регулярной заме­не значений факторов фразами естественного языка на основе следующих зна­ний:

[ factor is_a prototype;

ОН, Н, СР, В, OB {string} ];

[ A is_a factor;

0Н = {«Это человек замкнутый и необщительный, критичный и отчужденный.»};

Н = {«Это человек малообщительный и довольно замкнутый.»};

СР =;

В = {«Это человек общительный и готовый к сотрудничеству.»};

0В = {«Это человек внимательный к людям, открытый, общительный и готовый к сотрудничеству.»} ];

[ В is_a factor;

0Н = {«Не имеет навыка решения логических задач, медленно обучается новым понятиям.»};

Н={«Не имеет навыка решения логических задач, довольно медленно обучается новым понятиям.»};

СР={«Имеет определенные навыки в решении логических задач.»};

В={«Умеет абстрактно мыслить, хорошо решает логические задачи, довольно быстро обучается новым понятиям.»};

0В={«Умеет абстрактно мыслить, очень хорошо решает логические задачи, быстро обучается новым понятиям.»};

………………………………………………………………………………………………

[ Q4 is_a factor;

0Н={«В настоящий момент самоуспокоен, расслаблен, не напряжен.»};

Н={«В настоящий момент находится в спокойном расслабленном состоянии.»}; СР=;

В={«В настоящий момент человеку присуще высокое рабочее напряжение, собранность, энергичность.»};

0В={«В настоящий момент человек напряжен, собран и даже несколько «взвинчен».»};

Учитывая то, что генерация текстовых представлений портретов осуществляется в ЭС «Cattell» на уровне целых предложений и групп предложений, здесь исполь­зуется простая продукционная система со следующими правилами:

section PORTRET-GEN

removeall;

if (?[ $curr_port: $curr_not_verb = not_verb ] &&

?[ $curr_port: $curr_verb = verb ] &&

?[ $curr_not_verb: $curr_order = all_of order;

$curr_b1 = all_of b1;

$curr_b2 = all_of b2;

$curr_b3 = all_of b3;

$curr_b4 = all_of b4 ]) insert (COPY);

rule COPY

:: = => [ $curr_verb: order ] = $curr_order;

[ $curr_verb: b1 ] = $curr_b1;

[ $curr_verb: b2 ] = $curr_b2;

[ $curr_verb: b3 ] = $curr_b3;

[ $curr_verb: b4 ] = $curr_b4;

rule_off (COPY);invoke (B1);invoke (B2);invoke (B3);invoke (B4);

section B1

if (?[ $curr_not_verb: $curr_b1_vals = all_of b1_vals ]);

rule A

:: <$curr_b1 == «A»

==> <<$curr_b1;

$curr_txt = all_of [ A: <<$curr_b1_vals ];

[ $curr_verb: b1_txt ] = $curr_txt;

clear ($curr_txt);

rule E

:: <$curr_b1 = = «E»

= => <<$curr_b1;

$curr_txt = all_of [ E: <<$curr_b1_vals ];

[ $curr_verb: b1_txt ] = $curr_txt;

clear ($curr_txt);

rule N

:: <$curr_b1 = = «N»

= => <<$curr_b1;

$curr_txt = all_of [ N: <<$curr_b1_vals ];

[ $curr_verb: b1_txt ] = $curr_txt;

clear ($curr_txt);

………………………………………………………………………………………………

section B4

if (?[ $curr_not_verb: $curr_b4_vals = all_of b4_vals ]);

rule В

:: <$curr_b4 = = «B»

= => <<$curr_b4;

$curr_txt = all_of [ В: <<$curr_b4_vals ];

[ $curr_verb: b4_txt ] = $curr_txt;

clear ($curr_txt);

rule Q1

:: <$curr_b4 = = «Q1»

= => <<$curr_b4;

$curr_txt = all_of [ Q1: <<$curr_b4_vals ];

[ $curr_verb: b4_txt ] = $curr_txt; clear ($curr_txt);

Результатом работы этой продукционной программы является фрейм-экземпляр прототипа verb, слоты order и b1-b4 которого содержат ту же информацию, что и в невербальном портрете, а слоты bl_txt-b4_txt - собственно текстовое пред­ставление портрета испытуемого.

7.3.4. Помощь и объяснения в ЭС «Cattell»

Помощь в ЭС «Cattell» обеспечивается стандартным гипертекстовым Help. В на­шем случае топиками и подтопиками такого гипертекста являются общее описа­ние системы и подсказки для работы внутри блоков системы. Последние, в свою очередь, делятся на описания действий пользователя в рамках ввода и/или редак­тирования анкет испытуемых и их числовых (семантических) профилей и полу­чения вербальных портретов. Во всех случаях акцент в текстах помощи делается на описании доступных пользователю способов получения нужных ему результа­тов.

Объяснения в ЭС «Cattell» строятся на основе модели [Clancey, 1983; Khoro-shevsky, 1985]. При этом система поддерживает два типа запросов: общие и спе­циальные. Последние, в свою очередь, делятся на запросы типа «Почему», «Как» и «Что». Модель объяснений опирается не на трассу вывода решения, а на клю­чевые темы, связанные с функционированием системы. Таких тем - три: вер­бальный портрет испытуемого, его профиль и заполненная анкета. Типичные примеры запросов на объяснения - следующие:

При построении данного портрета были неинтерпретируемые факторы? Сколько противоречий было при построении данного портрета?

Какие факторы при построении данного портрета не интерпретировались?

Как разрешались противоречия при построении данного портрета? и т. п.

Дата добавления: 2015-07-02