CẢI TIẾN MÔ HÌNH Che-COKB DỰA TRÊN TÍCH HỢP BÀI TOÁN MẪU (SAMPLE PROBLEMS)

Tóm tắt

Biểu diễn tri thức bằng phương pháp ontology đóng vai trò quan trọng trong việc thiết kế hệ cơ sở tri thức và các hệ giải toán thông minh. Mô hình Che-COKB là một biến thể từ mô hình COKB phù hợp cho miền tri thức nguyên tố hoá học nhờ lược bỏ thành phần toán tử và mở rộng tập sự kiện lên mười lăm loại. Tuy nhiên, khi suy luận giải các bài toán trong thực tế, các bước suy luận khi giải các bài toán trước đó có thể được tái sử dụng thay vì suy luận hoàn toàn từ đầu. Bài báo này đề xuất mô hình Che-COKB-SP bằng cách bổ sung thành phần bài toán mẫu nhằm mô phỏng cơ chế suy luận dựa trên kinh nghiệm của con người. Mỗi bài toán mẫu được biểu diễn dưới dạng tập giả thiết và chuỗi suy luận tương ứng, cho phép hệ thống nhận diện và tái sử dụng các quy trình giải phù hợp. Trên cơ sở đó, một cơ chế suy luận kết hợp giữa luật và bài toán mẫu được xây dựng và tích hợp vào hệ thống hiện có. Mô hình được đánh giá trên các nhóm bài toán phổ biến cho thấy phương pháp đề xuất giúp giảm số bước suy luận, cải thiện thời gian xử lý và nâng cao tính tự nhiên của lời giải.

Abstract

Ontology-based knowledge representation plays an important role in the design of knowledge-based systems and intelligent problem-solving systems. The Che-COKB model is a variant of the COKB model, which is suitable for the domain of chemical elements by removing the operator component and extending the set of facts to fifteen types, thereby improving knowledge representation and supporting reasoning. However, in practical learning, learners often solve problems based on experience by reusing previously encountered similar problems rather than deriving solutions from first principles. This paper proposes the Che-COKB-SP model by incorporating a sample problem component to simulate human experience-based reasoning mechanisms. Each sample problem is represented as a set of hypotheses and a corresponding reasoning sequence, enabling the system to identify and reuse appropriate solution procedures. Accordingly, an effective reasoning mechanism combining rule-based reasoning and sample problems is developed and integrated into the existing system. The model is evaluated on groups of common problems in the domain of chemical elements and experimental results demonstrate that the proposed approach leads to fewer reasoning steps, improved processing efficiency, and more natural generated solutions.