Irfan Subakti | 司馬伊凡

Variable-Centered Intelligent Rule System (VCIRS) | 以變數為中心的智慧型規則系統

ABSTRAK | ABSTRACT | 摘要

Sistem Berbasis Aturan (SBA - Rule Base Systems (RBS)) adalah sistem yang baik untuk mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why (mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya dapat disediakan dengan baik. Masalah yang ada dengan SBP adalah ia tak dapat secara mudah menjalankan proses akuisisi knowledge (pengetahuan) dan ia tak dapat mengupdate rule (aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer (insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan pengetahuan.

Ripple Down Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar: pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik. RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari knowledge engineer. Pengguna tak perlu menguji RB dalam rangka mendefinisikan rule baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu rule harus ditempatkan dalam hirarki rulenya. Keterbatasan dari RDR adalah kekurangan dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth First Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna.

 

Variable-Centered Intelligent Rule System (VCIRS) merupakan perkawinan dari SBA dan RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan yang ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional dari kinerja sistem dapat didapatkan pada waktu yang sama. Istilah “Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan (melalui analisis nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).

A Rule-based System (RBS) is a good system to get the answer of What, How, and Why questions from the rule base during inferencing. Answers and explanations are properly provided. The problem with RBS is that it can’t easily perform the knowledge acquisition process and it can’t update the rules automatically. Only the expert can update them, manually, by the support of a knowledge engineer. Moreover most researches in RBS concern more about the optimization of the existing rules than about generating new rules from them. Rule optimization, however, cannot change the result of the inferencing, significantly, in term of knowledge coverage.

Ripple Down Rules (RDR) came up to overcome the major problem of expert systems: experts no longer always communicate knowledge in a specific context. RDR allows for extremely rapid and simple knowledge acquisition without the help of a knowledge engineer. The user does not ever need to examine the rule base in order to define new rules: the user only needs to be able to define a new rule that correctly classifies a given example, and the system can determine where the rule should be placed in the hierarchy. The limitation of RDR is the lack of powerful inference. Unlike RBS which is equipped with inference through forward and backward chaining, RDR seems to use Depth First Search (DFS) which lacks the flexibility of question answering and explanation accrued from powerful inference.

A Variable-Centered Intelligent Rule System (VCIRS) is proposed in this thesis. It hybridizes RBS and RDR. The system architecture is adapted from RBS and obtains advantages from RDR. This system organizes the rule base in a special structure so that easy knowledge building, powerful knowledge inferencing and evolutional improvement of system performance can be obtained at the same time. The term “Intelligent” in VCIRS stresses that it can “learn” to improve the system performance from the user during knowledge building (via value analysis) and refining (by rule generation).

 

KATA KUNCI | KEYWORD | 關鍵字

Sistem Berbasis Pengetahuan, Ripple Down Rules, pembangunan pengetahuan, inferensia pengetahuan, penghalusan pengetahuan.

Rule-based Systems, Ripple Down Rules, knowledge building, knowledge inferencing, knowledge refining.

 

Ada beberapa dokumen mengenai VCIRS seperti di bawah ini. Saya sangat gembira bila anda semua dapat mengambil manfaat dari hal-hal tersebut! ^_^

There are some documents about VCIRS as in the following. I am so glad if you can obtain some values from these ones! ^_^

在下面大家會拿到了那些ＶＣＩＲＳ的資料。我當然感覺很開心如果大家覺得那個資料很重要了！^_^

VCIRS telah dipublikasikan pada ICTS2005 seperti di bawah ini.

VCIRS has been published in ICTS2005 as in the following.

在ＩＣＴＳ２００５會議，ＶＣＩＲＳ已經出版了。大家可以看看那張論文在下面。

Terdapat beberapa perbaikan dalam VCIRS seperti yang telah dipresentasikan pada ICTS2006 seperti di bawah ini.

Also there were some revisions and the other things about VCIRS as presented in ICTS2006 as in the following.

在ＩＣＴＳ２００６會議，我修訂了ＶＣＩＲＳ那些事情。修訂的ＶＣＩＲＳ在下面大家可以看看。

Implementasi VCIRS telah dilakukan pada beberapa bidang, seperti yang telah terpublikasikan di bawah ini.

VCIRS has been implemented in some areas as published in the following papers.

那些範圍我們會履行ＶＣＩＲＳ。譬如說大家可以看看下面的論文。