TÌM HIỂU KHAI PHÁ TRI THỨC và xây DỰNG hệ CHUYÊN GIA CHẨN đoán và điều TRỊ BỆNH BẰNG THUỐC ĐÔNG y

BỘ GIÁO DỤC & ĐÀO TẠO
ĐẠI HỌC ĐÀ NẴNG

TIỂU LUẬN MÔN HỌC
Đề tài:
TÌM HIỂU KHAI PHÁ TRI THỨC VÀ
XÂY DỰNG HỆ CHUYÊN GIA CHẨN ĐOÁN VÀ
ĐIỀU TRỊ BỆNH BẰNG THUỐC ĐÔNG Y
Giáo viên hướng dẫn: PGS.TS. Phan Huy Khánh
Nhóm HVTH (Nhóm 1):
Lê Trọng Hiền
Huỳnh Xuân Tuy
Lê Tự Quốc
Lớp: Khoa học máy tính K11 (2009 – 2011)

Đà Nẵng, tháng 04 năm 2010
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
LỜI MỞ ĐẦU
Ngày nay, khoa học kỹ thuật phát triển trên mọi lĩnh vực, đặc biệt là lĩnh vực
công nghệ thông tin. Chúng ta đã hoà nhập vào thị trường toàn cầu. Do vậy, lĩnh vực
công nghệ thông tin sẽ là một lĩnh vực quan trọng thúc đẩy các lĩnh vực khác cùng
phát triển.
Công nghệ Thông tin (CNTT) được ứng dụng trong nhiều lĩnh vực của đời sống
như kinh tế, chính trị, xã hội, văn hóa cũng như trong những lĩnh vực nghiên cứu
khoa học khác. Do vậy, dung lượng dữ liệu đã được các cơ quan thu thập và lưu trữ
ngày một tích luỹ nhiều lên. Họ lưu trữ các dữ liệu này vì cho rằng trong nó ẩn chứa
những giá trị nhất định nào đó.
Kỹ thuật Khai phá tri thức và Khai phá dữ liệu đã và đang được nghiên cứu, ứng
dụng trong nhiều lĩnh vực khác nhau ở các nước trên thế giới, tại Việt Nam kỹ thuật
này tương đối còn mới mẻ tuy nhiên cũng đang được nghiên cứu và dần đưa vào ứng
dụng.

Mỗi lĩnh vực hoạt động cần có một chuyên gia để hỗ trợ tư vấn trong quá trình
hoạt động. Việc áp dụng hệ chuyên gia là một việc rất quan trọng, chúng ta có thể tạo
ra một chuyên gia thật sự trên một lĩnh vực nào đó. Từ đó chúng ta có thể xây dựng
nhiều chuyên gia khác nhau trên tất cả các lĩnh vực để phục vụ đời sống xã hội.
Chữa bệnh bằng cây thuốc nam giới thiệu với các bạn những bài thuốc cổ truyền,
nhưng vị thuốc sẵn có trong tự nhiên, quanh khu vườn nhà bạn. Cách sử dụng các vị
thuốc này ra sao. Các vị thuốc tự nhiên ấy nếu biết tận dụng để chữa và trị bệnh, sẽ
giúp ích rất nhiều cho đời sống hằng ngày.
Hệ chuyên gia chẩn đoán và điều trị bệnh bằng thuốc đông y sẽ giúp ích cho các
bạn trong việc chẩn đoán và điều trị các bệnh thường gặp.
Do thời gian thực hiện đề tài và trình đọ của mỗi thành viên trong nhóm còn hạn
chế nên hệ chuyên gia này chưa thể đáp ứng được cho tất cả các loại bệnh. Nhóm
chúng tôi rất mong nhận được sự đóng góp ý kiến các bạn để đề tài được tốt hơn.
Xin chân thành cảm ơn Thầy giáo PGS.TS Phan Huy Khánh đã giảng dạy và
giúp đỡ để chúng tôi hoàn thành tiểu luận này.
Đà Nẵng, ngày 20 tháng 04 năm 2010
Nhóm học viên thực hiện
Lê Trọng Hiền
Huỳnh Xuân Tuy
Lê Tự Quốc
Nhóm 1 Trang 2/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
PHẦN A: LÝ THUYẾT
PHẦN .1 GIỚI THIỆU KHAI PHÁ TRI THỨC
.1.1.
.1.1.


Tổng quan về kỹ thuật khai phá tri thức (Knowledge Discovery)
Tổng quan về kỹ thuật khai phá tri thức (Knowledge Discovery)

Ngày nay, Công nghệ Thông tin (CNTT) được ứng dụng trong nhiều lĩnh vực
của đời sống như kinh tế, chính trị, xã hội, văn hóa cũng như trong những lĩnh vực
nghiên cứu khoa học khác. Do vậy, dung lượng dữ liệu đã được các cơ quan thu thập
và lưu trữ ngày một tích luỹ nhiều lên. Họ lưu trữ các dữ liệu này vì cho rằng trong nó
ẩn chứa những giá trị nhất định nào đó.
Tuy nhiên, chỉ có từ 5 – 10% dung lượng dữ liệu này thường được phân tích, số
còn lại họ không biết sẽ phải làm gì hoặc có thể làm gì với chúng nhưng họ vẫn tiếp
tục thu thập rất tốn kém với ý nghĩ lo sợ rằng sẽ có cái gì đó quan trọng đã bị bỏ qua
sau này có lúc cần đến nó. Mặt khác, trong môi trường cạnh tranh, người ta ngày càng
cần có nhiều thông tin với tốc độ nhanh để trợ giúp việc ra quyết định và ngày càng có
nhiều câu hỏi mang tính chất định tính cần phải trả lời dựa trên một khối lượng dữ liệu
đã có. Với những lý do như vậy, các phương pháp quản trị và khai thác cơ sở dữ liệu
truyền thống ngày càng không đáp ứng được thực tế đã làm phát triển một khuynh
hướng kỹ thuật mới đó là Kỹ thuật khai phá tri thức và khai phá dữ liệu (KDD -
Knowledge Discovery and Data Mining).
Kỹ thuật Khai phá tri thức và Khai phá dữ liệu đã và đang được nghiên cứu, ứng
dụng trong nhiều lĩnh vực khác nhau ở các nước trên thế giới, tại Việt Nam kỹ thuật
này tương đối còn mới mẻ tuy nhiên cũng đang được nghiên cứu và dần đưa vào ứng
Nhóm 1 Trang 3/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
dụng.
.1.1.1. Khai phá tri thức là gì?
Thông thường chúng ta coi dữ liệu như một dãy các bit, hoặc các số, các ký hiệu,
hoặc các “đối tượng” với một ý nghĩa nào đó khi được gửi cho một chương trình dưới
một dạng nhất định. Chúng ta sử dụng các bit để đo lường các thông tin và xem nó như
là các dữ liệu đã được lọc bỏ các dư thừa, được rút gọn tới mức tối thiểu để đặc trưng
một cách cơ bản cho dữ liệu. Chúng ta có thể xem tri thức như là các thông tin tích
hợp, bao gồm các sự kiện và các mối quan hệ giữa chúng. Các mối quan hệ này có thể
được hiểu ra, có thể được phát hiện, hoặc có thể được học. Nói cách khác, tri thức có
thể được coi là dữ liệu có độ trừu tượng và tổ chức cao.

Thông tin và tri thức hiện đang là tiêu điểm của một lĩnh vực mới trong nghiên
cứu và ứng dụng về khai phá tri thức (Knowledge Discovery) và khai phá dữ liệu
(Data Mining).
Khai phá tri thức trong các cơ sở dữ liệu là một qui trình nhận biết các mẫu hoặc
các mô hình trong dữ liệu với các tính năng: hợp thức, mới, khả ích, và có thể hiểu
được.
.1.1.2. Qui trình khai phá tri thức
Qui trình khai phá tri thức được mô tả tóm tắt trên Hình 1:
Nhóm 1 Trang 4/31
Có sẵn khối dữ liệu lớn:
Có sẵn khối dữ liệu lớn:
- Các CSDL khổng lồ
- Dữ liệu từ Internet
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 1. Quy trình khai phá tri thức
Bước thứ nhất là tìm hiểu lĩnh vực ứng dụng và hình thành bài toán, bước này sẽ
quyết định cho việc rút ra được các tri thức hữu ích và cho phép chọn các phương
pháp khai phá dữ liệu thích hợp với mục đích ứng dụng và bản chất của dữ liệu.
Bước thứ hai là thu thập và xử lý thô, còn được gọi là tiền xử lý dữ liệu nhằm
loại bỏ nhiễu, xử lý việc thiếu dữ liệu, biến đổi dữ liệu và rút gọn dữ liệu nếu cần thiết,
bước này thường chiếm nhiều thời gian nhất trong toàn bộ qui trình khai phá tri thức.
Bước thứ ba là khai phá dữ liệu, hay nói cách khác là trích ra các mẫu hoặc/và
các mô hình ẩn dưới các dữ liệu.
Bước thứ tư là hiểu tri thức đã tìm được, đặc biệt là làm sáng tỏ các mô tả và dự
đoán. Các bước trên có thể lặp đi lặp lại một số lần, kết quả thu được có thể được lấy
trung bình trên tất cả các lần thực hiện.
Nhóm 1 Trang 5/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 2: Tiến trình KDD (Knowledge discovery in databases) tiêu biểu
.1.1.3. Các phương pháp khai phá dữ liệu

Với hai đích chính của khai phá dữ liệu là dự đoán (Prediction) và Mô tả
(Description), người ta thường sử dụng các phương pháp sau cho khai phá dữ liệu:
- Phân loại (Classification)
- Hồi qui (Regression)
- Phân nhóm (Clustering)
- Tổng hợp (Summarization)
- Mô hình ràng buộc (Dependency modeling)
- Dò tìm biến đổi và độ lệch (Change and Deviation Dectection)
- Biểu diễn mô hình (Model Representation)
- Kiểm định mô hình (Model Evaluation)
- Phương pháp tìm kiếm (Search Method)
Một quá trình KPDL bao gồm năm giai đoạn chính sau
(1) Tìm hiểu nghiệp vụ và dữ liệu
(2) Chuẩn bị dữ liệu
(3) Mô hình hóa dữ liệu
(4) Hậu xử lý và đánh giá mô hình
(5) Triển khai tri thức
Nhóm 1 Trang 6/31
Data
Data
mining
mining
Data
Data
mining
mining
Input data
Input data
Input data
Input data

Results
Results
Results
Results
Postprocessin
Postprocessin
g
g
Operational
Operational
Database
Database
Operational
Operational
Database
Database
S
e
l
e
c
t
i
o
n
S
e
l
e
c

t
i
o
n
S
e
l
e
c
t
i
o
n
S
e
l
e
c
t
i
o
n
Utilization
Utilization
Utilization
Utilization
Eval. of
interes-
tingness
Raw

data
Time
based
selection
Selected
usable
pattern
s
1
3
2
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Quá trình này có thể được lặp lại nhiều lần một hay nhiều giai đoạn dựa trên
phản hồi từ kết quả của các giai đoạn sau. Tham gia chính trong quá trình khai phá
dữ liệu là các nhà tư vấn và phát triển chuyên nghiệp trong lĩnh vực khai phá dữ
liệu.
Hình 3. Giao diện trực quan của môi trường KPDL Clementine
.1.1.4. Các lĩnh vực liên quan đến Khai phá tri thức
Khai phá tri thức và khai phá dữ liệu liên quan đến nhiều ngành, nhiều lĩnh vực:
thống kê, trí tuệ nhân tạo, cơ sở dữ liệu, thuật toán học, tính toán song song và tốc độ
cao, thu thập tri thức cho các hệ chuyên gia, quan sát dữ liệu Đặc biệt khai phá tri
thức và khai phá dữ liệu rất gần gũi với lĩnh vực thống kê, sử dụng các phương pháp
thống kê để mô hình dữ liệu và khai phá các mẫu, luật Ngân hàng dữ liệu (Data
Warehousing) và các công cụ phân tích trực tuyến (OLAP) cũng liên quan rất chặt chẽ
với khai phá tri thức và khai phá dữ liệu.
.1.1.5. Các ứng dụng của Khai phá tri thức
- Thông tin thương mại:
o Phân tích dữ liệu marketing, khách hàng
o Phân tích đầu tư
o Phê duyệt cho vay vốn

o Khai phá gian lận
Nhóm 1 Trang 7/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
o Thông tin kỹ thuật:
o Điều khiển và lập lịch trình
o Quản trị mạng
o Phân tích các kết quả thí nghiệm
- Thông tin khoa học
- Thông tin cá nhân
.1.1.6. Các thách thức với Khai phá tri thức và khai phá dữ liệu
- Các cơ sở dữ liệu lớn
- Số chiều lớn
- Thay đổi dữ liệu và tri thức có thể làm cho các mẫu đã khai phá không còn
phù hợp.
- Dữ liệu bị thiếu hoặc nhiễu
- Quan hệ giữa các trường phức tạp
- Giao tiếp với người sử dụng và kết hợp với các tri thức đã có.
- Tích hợp với các hệ thống khác
.1.2.
.1.2.


Các ứng dụng cụ thể áp dụng kỹ thuật khai phá tri thức
Các ứng dụng cụ thể áp dụng kỹ thuật khai phá tri thức
.1.2.1. Ứng dụng trong bài toán dự báo từ thông tin kinh tế - xã hội
Trong ứng dụng, nhóm sẽ lấy một bài toán dự báo về dân số thế giới đến năm
2015 dựa trên những số liệu thống kê dân số thế giới từ năm 1950 - 2002 bằng phương
pháp hồi quy (Regression). Mặc dù số lượng các dữ liệu không lớn như trong các dữ
liệu kinh tế - xã hội khác, nhưng bài toán này cũng cho ta thấy các mô hình phân tích
khác nhau và các kết quả khác nhau khi khai phá những dữ liệu đó.

Để đơn giản, ta không đề cập đến bước thu thập và tiền xử lý dữ liệu, các dữ liệu
tại bảng dưới được coi là hoàn thiện trong bài toán này. Mặt khác, các dữ liệu thực tế
được tính vào giữa các năm do vậy các dữ liệu dân số ta tính toán cũng được hiểu
ngầm định là vào giữa năm.
Sau khi thực hiện khai phá dữ liệu dân số bằng phương pháp hồi qui đơn với bốn
mô hình khác nhau: Linear (hàm tuyến tính), Logarit (hàm lôgarit tự nhiên),
Polynomial (hàm đa thức - trong ví dụ này ta chọn đa thức bậc 2), Exponential (hàm
mũ), ta xác định được kết quả (Xem bảng 2, 3, hình 2, 3, 4, 5).
Nhóm 1 Trang 8/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 4. Đồ thị biểu diễn dân số thế giới thực tế và lý thuyết theo năm với mô
hình Linear
Hình 5. Đồ thị biểu diễn dân số thế giới thực tế và lý thuyết theo năm với mô
hình Logarit (Ln)
Nhóm 1 Trang 9/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 6. Đồ thị biểu diễn dân số thế giới thực tế và lý thuyết theo năm với mô
hình Polynomial
Hình 7. Đồ thị biểu diễn dân số thế giới thực tế và lý thuyết theo năm với mô
hình Exponential
Trong các kết quả đó, ta thấy mô hình đa thức bậc 2 - Polynomial có độ tương
quan cao hơn các mô hình khác, do vậy, trong trường hợp cụ thể này ta có thể sử dụng
Nhóm 1 Trang 10/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
các kết quả dự báo của mô hình này. Tác giả xin dừng tại đây và không đi sâu phân
tích việc áp dụng dữ liệu đã dự báo được vào các lĩnh vực khác nhau.
.1.2.2. Ứng dụng kỹ thuật mạng Noron trong khai phá dữ liệu tối ưu hiệu suất
lò hơi ở nhà máy
Mạng noron và khai phá dữ liệu là hai lĩnh vực đã được nghiên cứu nhiều ở
nước ta nhằm áp dụng vào các ngành công nghiệp nặng. Nước ngoài thì vấn đề này rất

được quan tâm. Mới đây, trong hội thảo khách hàng của hãng General Electric
vào tháng 08 năm 2008, Stephen Kwan đã giới thiệu phần mềm Kn3, phần mềm
chuyên dụng trong tối ưu nhà máy năng lượng và các ứng dụng khác nhằm làm
tăng hiệu suất, giảm khí thải ô nhiễm
môi trường.
Với bộ quản trị dữ liệu giúp khai phá dữ liệu, mạng noron mô hình hóa đối
tượng, bảng tập luật và các thuật toán di truyền xác định luật điều khiển, tạo tri
thức, bộ điều khiển đa biến thực hiện tối ưu…
Nhóm 1 Trang 11/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Nhóm 1 Trang 12/31
Chưa tốt
Dữ liệu vận hành của lò hơi
GIAI ĐOẠN HỌC
Mô hình hoá lò hơi bằng hàm đa biến y=f(x1,x2,x3…) bằng mạng noron.
Xây dựng cơ sở tri thức chứa các mẫu dấu hiệu điều khiển bằng thuật toán khai
phá dữ liệu
GIAI ĐOẠN KIỂM THỬ
Các thông số tối ưu hệ thống được đưa vào hàm điều khiển để
thực nghiệm kiểm tra tính chính xác cũng như tính toán hiệu
quả.
Tốt
GIAI ĐOẠN HIỆN THỰC
Hệ thống sẽ đưa ra thông số hiệu chỉnh cho nhân viên vận hành đặt lại vào hệ thống
DCS, những thay đổi thông số này nằm trong khoảng rất nhỏ cho phép nhằm bảo đảm
không gây thay đổi đột ngột cũng như luôn luôn kiểm soát được công nghệ.
KIỂM TRA KẾT QUẢ
Các thay đổi sau một khoảng thời gian nhất định, được
kiểm tra bằng cách đánh giá lại hiệu suất và so sánh với
tình trạng trước đó

Tốt
Chưa tốt
HOÀN THÀNH
Hình 8. Lưu đồ giải thuật của quá trình tối ưu
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Kết quả đạt được (tham khảo bài báo)
• Dự báo chính xác hiệu suất từ mạng Noron
• Kết quả tối ưu nâng được hiệu suất từ 1 đến 1.5 % trong điều kiện test
.1.3.
.1.3.


Kết luận
Kết luận
Qua các vấn đề được trình bày trong mục 1 và bài toán ứng dụng trong mục 2,
chúng ta nhận thấy với một lượng dữ liệu thực tế nhỏ và với mục đích bài toán cụ thể
nhưng ta có thể tiếp cận theo nhiều hướng khác nhau của cùng một phương pháp khai
phá dữ liệu và đạt được kết quả khác nhau, điều đó càng làm sáng tỏ khả năng ứng
dụng thực tế to lớn đồng thời với những thách thức đối với kỹ thuật khai phá tri thức
và khai phá dữ liệu trong các bài toán kinh tế - xã hội và trong nhiều lĩnh vực khác.
Nhóm 1 Trang 13/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
BÀI TẬP HỆ CHUYÊN GIA
PHẦN .1 CƠ SỞ LÝ THUYẾT
.1.1.
.1.1.


Hệ chuyên gia
Hệ chuyên gia

.1.1.1. Khái niệm
Hệ chuyên gia, còn gọi là hệ thống dựa tri thức, là một chương trình máy tính
chứa một số tri thức đặc thù của một hoặc nhiều chuyên gia con người về một chủ đề
cụ thể nào đó. Các chương trình thuộc loại này đã được phát triển từ các thập kỷ 1960
và 1970, và trở thành ứng dụng thương mại từ thập kỷ 1980. Dạng phổ biến nhất của
hệ chuyên gia là một chương trình gồm một tập luật phân tích thông tin (thường được
cung cấp bởi người sử dụng hệ thống) về một lớp vấn đề cụ thể, cũng như đưa ra các
phân tích về các vấn đề đó, và tùy theo thiết kế chương trình mà đưa lời khuyên về
trình tự các hành động cần thực hiện để giải quyết vấn đề. Đây là một hệ thống sử
dụng các khả năng lập luận để đạt tới các kết luận.
Theo E. Feigenbaum : “Hệ chuyên gia (Expert System) là một chương trình máy
tính thông minh sử dụng tri thức (knowledge) và các thủ tục suy luận (inference
procedues) để giải những bài toán tương đối khó khăn đòi hỏi những chuyên gia mới
giải được”.
.1.1.2. Hoạt động của một hệ chuyên gia
Một hệ chuyên gia bao gồm ba thành phần chính là cơ sở tri thức (knowledge
base), máy suy diễn hay mô tơ suy diễn (inference engine), và hệ thống giao tiếp với
người sử dụng (user interface). Cơ sở tri thức chứa các tri thức để từ đó, máy suy diễn
tạo ra câu trả lời cho người sử dụng thông qua hệ thống giao tiếp.
Người sử dụng cung cấp sự kiện (fact) là những gì đã biết, đã có thật hay những
thông tin có ích cho hệ chuyên gia, và nhận được những câu trả lời là những lời
khuyên hay những gợi ý đúng đắn (expertise).
Hoạt động của hệ chuyên gia dựa trên tri thức được minh họa như sau:
Nhóm 1 Trang 14/31
Người sử dụng
(User)
Hệ thống
giao tiếp
(User
Interface)

Cơ sở tri thức
(Knowledge Base)
Máy suy diễn
(Interface Engine)
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 9: Hoạt động của hệ chuyên gia
Mỗi hệ chuyên gia chỉ đặc trưng cho một lĩnh vực vấn đề (problem domain) nào
đó, như y học, tài chính, khoa học hay công nghệ ,… mà không phải cho bất cứ một
lĩnh vực vấn đề nào.
Tri thức chuyên gia để giải quyết một vấn đề đặc trưng được gọi là lĩnh vực tri
thức
Hình 10: Quan hệ giữa lĩnh vực vấn đề và lĩnh vực tri thức
.1.1.3. Kiến trúc của hệ chuyên gia
Những thành phần cơ bản của một hệ chuyên gia:
Hình 11: Những thành phần cơ bản của một hệ chuyên gia
- Cơ sở tri thức (Knowledge base). Gồm các phần tử (hay đơn vị) tri thức thông
thường được gọi là luật (Rule), được tổ chức như một cơ sở dữ liệu.
Nhóm 1 Trang 15/31
Cơ sở trí thức
Các luật
Bộ nhớ làm việc
Máy suy diễn
Lịch công việc
Khả năng giải thích Khả năng
thu nhận tri thức
Giao diện người sử dụng
Lĩnh vực vấn đề
(Problem Domain)
Lĩnh vực tri thức
(Knowledge Domain)

Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
- Máy suy diễn (Inference Egine). Công cụ (chương trình, hay bộ xử lý) tạo ra
sự suy lụân bằng cách sẽ quyết định xem những luật nào sẽ làm thỏa mãn các
sự kiện, các đối tượng, chọn ưu tiên các luật có tính ưu tiên cao nhất.
- Lịch công việc (agenda). Danh sách các luật ưu tiên do máy suy diễn tạo ra
thỏa mãn các sự kiện, các đối tượng có mặt trong bộ nhớ làm việc.
- Bộ nhớ làm việc (working memory). Cơ sở dữ liệu toàn cục chứa các sự kiện
phục vụ cho các luậh.
- Khả năng giải thích (explaination facility). Giải nghĩa cách lập luận của hệ
thống cho người sử dụng.
- Khả năng thu nhận tri thức (explaination facility). Cho phép người sử dụng
bổ sung các tri thức vào hệ thống một cách tự động thay vì tiếp nhận tri thức
vào hệ thống một cách tự động thay vì tiếp nhận tri thức vào hệ thống bằng
cách mã hóa tri thức một cách tường minh. Khả năng thu nhận tri thức là yếu
tố mặc nhiên của nhiều hệ chuyên gia.
- Giao diện người sử dụng (User interface). Là nơi người sử dụng và hệ chuyên
gia trao đổi với nhau.
Cơ sở tri thức còn được gọi là bộ nhớ sản xuất (production memory) trong hệ
chuyên gia. Trong một cơ sở tri thức, người ta thường phân biệt hai loại tri thức là tri
thức phán đoán (assertion knowledge) và tri thức thực hành (operating knowledge).
Các tri thức phán đoán mô tả các tình huống đã được thiết lập hoặc sẽ được thiết
lập. Các tri thức thực hành thể hiện những hậu quả rút ra hay những thao tác cần phải
hoàn thiện khi một tình huống đã được thiết lập hoặc sẽ được thiết lập trong lĩnh vực
đang xét. Các tri thức thực hành thường được thể hiện bởi các biểu thức để dễ hiểu và
dễ triển khai thao tác đối với người sử dụng.
Hình 12: Quan hệ giữa máy suy diễn và cơ sở tri thức
Nhóm 1 Trang 16/31
Máy
suy diễn
Cơ sở tri thức

Tri thức phán đoán
Tri thức thực hành
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Từ vệc phân biệt hai loại tri thức, người ta nói máy suy diễn là công cụ triển khai
các cơ chế (hay kỹ thuật) tổng quát để tổ hợp các tri thức phán đoán và các tri thức
thực hành. Hình trên đây mô tả quan hệ hữu cơ giữa máy suy diễn và cơ sở tri thức.
.1.1.4. Biểu diễn tri thức trong hệ chuyên gia
Có rất nhiều phương pháp biểu diễn tri thức trong máy
- Dùng luật sản xuất, hệ chuyên gia dựa trên các luật
- Mạng ngữ nghĩa
- Ngôn ngữ nhân tạo
- Bộ OAV(Object Attributes Values)
- Khung (Frame)
.1.1.5. Thuật toán tổng quát để thiết kế một hệ chuyên gia
Begin
Chọn bài toán thích hợp
Phát biểu và đặc tả bài toán
If ES giải quyết thỏa mãn bài toán và có thể sử dụng Then
While Bản mẫu chưa được phát triển hoàn thiện Do
Begin
Thiết kế bản mẫu
Biểu diễn tri thức
Tiếp nhận tri thức
Phát triển hoàn thiện bản mẫu
End
Hợp thức hóa bản mẫu
Triển khai cài đặt
Hướng dẫn sử dụng
Vận hành
Bảo trì và phát triển

Else
Tìm cách tiếp cận khác thích hợp hơn
Endif
Kết thúc
End
Nhóm 1 Trang 17/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
.1.2.
.1.2.


Các loại Hệ chuyên gia
Các loại Hệ chuyên gia
Có 2 dạng hệ chuyên gia thường dùng đó là hệ chuyên gia dựa trên luật và lập
luận trên tình huống.
.1.2.1. Hệ chuyên gia dựa trên luật
ES dựa trên luật biểu diễn tri thức dưới dạng các luật if… then. Cách tiếp cận
này thích hợp với kiến trúc ở hình 13, và là một trong những kỹ thuật cổ điển và được
sử dụng rộng rãi nhất dùng cho biểu diễn tri thức về một lĩnh vực trong ES.
Hình 13: Kiến trúc của một hệ chuyên gia tiêu biểu.
Nếu chúng ta xem kiến trúc ES ở hình 13 như một hệ sinh thì cơ sở tri thức là
tập hợp các luật sinh (if… then). Dữ liệu cho trường hợp cụ thể được giữ trong bộ nhớ
làm việc. Động cơ suy diễn thực hiện chu trình nhận dạng – hành động (recognize-act)
của hệ sinh. Cơ chế điều khiển này có thể là hướng từ dữ liệu hay hướng từ mục tiêu.
Đối với một ES, thì tiếp cận hướng từ mục tiêu sẽ tạo điều kiện cho quá trình
giải thích hơn. Vì trong một hệ hướng từ mục tiêu, việc suy luận theo đuổi một mục
tiêu cụ thể nào đó, mục tiêu đó bị chia thành nhiều mục tiêu con và cứ như thế. Kết
quả là việc tìm kiếm luôn luôn được hướng dẫn thông qua sự phân cấp mục tiêu và
mục tiêu con này. Trong khi ở tìm kiếm hướng từ dữ liệu không tồn tại điều này, kết
quả là quá trình tìm kiếm thường có vẻ dài dòng và không tập trung.

Để có một ví dụ cụ thể hơn về giải quyết vấn đề theo hướng từ mục tiêu, ta xét
một ES nhỏ dùng để chẩn đoán những trục trặc trong xe hơi, gọi tắt là ES “Chẩn đoán
xe hơi”:
Luật 1 IF động cơ nhận được xăng AND động cơ khởi động được
THEN trục trặc là do bugi.
Nhóm 1 Trang 18/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Luật 2 IF động cơ không khởi động được AND đèn không sáng
THEN trục trặc là do ắcquy hoặc dây cáp
Luật 3 IF động cơ không khởi động được AND đèn sáng
THEN trục trặc là do môtơ khởi động
Luật 4 IF còn xăng trong bình chứa nhiên liệu AND còn xăng trong bộ chế
hòa khí
THEN động cơ nhận được xăng
Trong chế độ điều khiển hướng từ mục tiêu, đầu tiên mục tiêu cao nhất là “trục
trặc là do X” sẽ được đưa vào bộ nhớ làm việc như hình 5_2:
Hình 14. Hệ sinh tại thời điểm ban đầu của một lần chẩn đoán.

Có 3 luật đối sánh (match) với biểu thức này trong bộ nhớ làm việc: luật 1, 2 và
3. Nếu ta chọn luật ưu tiên theo số thứ tự của nó, thì luật 1 sẽ được thực hiện, khi đó X
sẽ được gắn kết (bound) với giá trị bugi và những tiền đề (vế trái) của luật 1 được đặt
vào bộ nhớ làm việc như hình 15.
Hình 15. Hệ sinh sau khi luật 1 được thực hiện.
Để chứng minh mục tiêu con là động cơ nhận được xăng thì luật 4 được thực
hiện , và những tiền đề của luật này được đặt vào bộ nhớ làm việc như hình 5_4.
Nhóm 1 Trang 19/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
Hình 16. Hệ sinh sau khi thực hiện luật 4.
Tại thời điểm này, có ba mục trong bộ nhớ làm việc (các mục in nghiêng trong
hình 5_4) là không đối sánh với bất kỳ kết luận của luật nào. Trong tình huống này, ES

sẽ truy vấn trực tiếp người dùng về những mục tiêu mới này. Nếu người dùng xác
nhận cả ba mục tiêu này đều đúng, thì ES sẽ xác định một cách thành công rằng trục
trặc xe là do bugi. Trong quá trình tìm ra lời giải này, hệ thống đã kiểm tra nhánh trái
nhất của đồ thị Và/Hoặc trong hình 17.
Hình 17. Đồ thị Và/Hoặc được tìm kiếm trong ví dụ chẩn đoán xe ôtô.
Ưu điểm của ES dựa trên luật:
- Khả năng sử dụng trực tiếp các tri thức thực nghiệm của các chuyên gia.
- Tính module của luật làm cho việc xây dựng và bảo trì luật dễ dàng.
- Có thể thực hiện tốt trong các lĩnh vực hạn hẹp.
- Có tiện ích giải thích tốt.
Nhóm 1 Trang 20/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
- Các luật ánh xạ một cách tự nhiên vào không gian tìm kiếm trạng thái.
- Dễ dàng theo dõi một chuỗi các luật và sửa lỗi.
- Sự tách biệt giữa tri thức và điều khiển giúp đơn giản hóa quá trình phát
triển ES.
Hạn chế của ES dựa trên luật:
- Các luật đạt được từ các chuyên gia mang tính heuristic rất cao. Chẳng hạn
như trong lĩnh vực y học, luật “If sốt-cao Then bị-nhiễm-trùng” là sự kết
hợp trực tiếp các triệu chứng quan sát được và các chẩn đoán, mà không thể
hiện sự hiểu biết lý thuyết sâu hơn về lĩnh vực chuyên ngành (như cơ chế
phản ứng của cơ thể để chống lại vi trùng chẳng hạn), hoặc luật “If sốt-cao
Then cho-uống-Aspirin” cũng không thể hiện tri thức về giải quyết vấn đề
tức là quá trình chữa bệnh như thế nào.
- Các luật heuristic “dễ vỡ”, không thể xử lý các trường hợp ngoài dự kiến. Vì
các luật được tạo ra từ kinh nghiệm của các chuyên gia trên những tình
huống đã biết, nên khi gặp phải một tình huống mới không đúng với các
kinh nghiệm đó, thì các luật này không giải quyết được.
- Có khả năng giải thích chứ không chứng minh. ES dựa trên luật chỉ có thể
giải thích rằng kết luận này là do suy luận từ các luật như thế nào, chứ

không chứng minh được kết luận đó là đúng.
- Các tri thức thường rất phụ thuộc vào công việc. Quá trình thu thập tri thức
rất phức tạp và khó khăn, tri thức có được không thể sử dụng lại cho một
công việc khác.
- Khó bảo trì các cơ sở luật lớn.
.1.2.2. Hệ chuyên gia dựa trên tình huống (case–based reasoning - CBR)
Các luật heuristic và mô hình lý thuyết là hai kiểu thông tin mà các chuyên gia
người sử dụng để giải quyết vấn đề. Một chiến lược mạnh khác mà các chuyên gia sử
dụng là lập luận từ những tình huống, là những ví dụ về các bài toán trong quá khứ và
lời giải của chúng.
Ví dụ: - Một luật sư sẽ chọn những tình huống luật đã xảy ra trong quá khứ
tương tự với tình huống của thân chủ của anh ta và gợi ý cho anh ta một phương pháp
thuyết phục tòa hợp lý để bênh vực cho thân chủ.
- Các nhà lập trình máy tính sử dụng lại mã của họ, khi sửa chữa một chương
trình cũ để thích nghi với tình huống mới có cấu trúc tương tự.
Nhóm 1 Trang 21/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
- Các kiến trúc sư sử dụng kiến thức của họ về những tòa nhà tốt và được ưa
thích trong quá khứ để thiết kế những tòa nhà mới mà người ta cảm thấy vừa ý và
thuận tiện…
Tóm lại, lập luận từ những tình huống đã có là khả năng có tính chất nền tảng
của trí thông minh con người. Và lập luận dựa trên tình huống cũng phát triển theo tiếp
cận đó.
ES dựa trên tình huống sử dụng một CSDL riêng biệt chứa giải pháp của các
tình huống đã giải quyết để dựa vào đó tìm kiếm giải pháp cho một tình huống mới.
Các tình huống thường được lưu lại như là một tập hợp các luật tình huống – hành
động (situation – action). Các sự kiện mô tả tình huống của luật là những đặc điểm nổi
bật của tình huống được ghi nhận.
Khi giải quyết một vấn đề, một CBR phải:
- Truy vấn các tình huống thích hợp từ bộ nhớ (hay CSDL) của nó, dựa vào

sự tương tự của một số đặc điểm nổi bật.
- Sửa đổi tình huống đó để có thể áp dụng trong tính huống hiện tại.
- Áp dụng tình huống đã chuyển đổi vào bài toán mới.
- Lưu lại lời giải và kết quả của nó (thành công hay thất bại).
Ưu điểm: CBR đưa ra hàng loạt ưu điểm cho việc xây dựng các chuyên gia:
- Đơn giản hóa việc tích lũy tri thức từ các chuyên gia với việc lưu trữ một
cách trực tiếp các tri thức có được, đó là những lời giải của chuyên gia cho
hàng loạt các bài toán.
- Bằng cách tìm giải pháp của một tình huống tương tự đã có để đưa ra lời
giải cho phép rút ngắn thời gian suy luận của hệ thống. Tuy nhiên, điều này
cần phải xem xét lại nếu hệ thống có một CSDL tình huống rất lớn.
- Thao tác lưu lại lời giải và kết quả của nó tạo khả năng tự học cho hệ thống:
giúp hệ thống tránh lỗi cũ và tận dụng những thành công trong quá khứ
- Việc phân tích tri thức của lĩnh vực chỉ diễn ra một lần, đó là khi tìm kiếm
một sự biểu diễn hợp lý cho các tình huống, hay quá trình chọn các đặc
điểm nổi bật (salient features) của các tình huống để có thể so sánh và đưa
ra kết luận về tính tương đương của hai tình huống nào đó. Đây cũng là khó
khăn lớn nhất của tiếp cận này. Vì nếu ta chọn các đặc điểm nổi bật dùng để
so sánh hai tình huống không phù hợp, thì kết luận của ta về tính tương
đương của hai tình huống có thể sẽ không chính xác, và khi tình huống chọn
ra không đúng sẽ không cho ra một lời giải thích hợp.
- Việc tích lũy tri thức và lập trình là tương đối đơn giản.
Nhóm 1 Trang 22/31
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
- Các chiến lược sắp xếp (index) thích hợp làm tăng sức mạnh của phương
pháp này.
Hạn chế: Tiếp cận này cũng có các hạn chế sau:
- Các tình huống không thể hiện tri thức sâu về lĩnh vực bài toán, do đó khó
giải thích tại sao đưa ra lời giải như vậy, hoặc có thể đưa ra lời giải sai hoặc
không tốt.

- Một cơ sở chứa các tình huống lớn phải xem xét sự tương xứng giữa tính
toán và lưu trữ. Vì khi CSDL lớn lên, thời gian cần để lấy ra một tình huống
thích hợp cũng lớn lên. Cuối cùng thì chi phí cho việc tìm kiếm một tình
huống sẽ lớn hơn thời gian cần thiết để rút ra một lời giải bằng cách suy
luận từ các luật hoặc từ mô hình (hai tiếp cận trước).
- Khó đưa ra tiêu chuẩn đánh giá sự tương tự của các tình huống, và sắp xếp
chúng.
Nhóm 1 Trang 23/31
PHẦN .2 PHÁT BIỂU VÀ BIỂU DIỄN BÀI TOÁN
.2.1.1. Phát biểu bài toán
Xây dựng Hệ Chuyên Gia để chẩn đoán và điều trị bệnh bằng thuốc Đông y.
.2.1.2. Mục đích
Nắm được cơ sở lý thuyết liên quan. Từ đó, áp dụng để xây dựng chương trình
thực hiện các chức năng theo yêu cầu bài toán.
Từ những kiến thức đã học được ta đi áp dụng vào bài toán thực tế. Thấy rõ được
tầm quan trọng của môn hệ chuyên gia, nâng cao kỹ năng về lập trình logic, biết cách
sử dụng thao tác với ngôn ngữ lập trình prolog. Từ đề tài này chúng ta có thể phát triển
được hệ chuyên gia với những đề tài phức tạp và khó hơn.
.2.1.3. Nội dung thực hiện
- Xây dựng tập các sự kiện.
- Xây dựng tập các luật.
- Chuyển các luật, sự kiện trên thành logic mệnh đề.
- Chuyển các luật, sự kiện trên thành logic vị từ.
- Xây dựng chương trình Prolog.
- Xây dựng hệ thống đặt câu hỏi.
.2.1.4. Phân tích bài toán
Mỗi loại bệnh sẽ có những triệu chứng khác nhau, dựa vào những triệu chứng đó
chúng ta sẽ chẩn đoán được các loại bệnh.
Trên cơ sở đó, chúng ta sẽ xây dựng các bài thuốc Đông y từ các loại cây thuốc
thông dụng để chữa các bệnh sao cho hiệu quả nhất.

IF bệnh nhân bị vàng da AND bệnh nhân sút cân THEN
Bệnh nhân mắc bệnh viêm gan.
.2.1.5. Biểu diễn tri thức nhờ mạng ngữ nghĩa
Trong phương pháp này, ta sử dụng một đồ thị gồm các nút (node) và các cung
(arc) nối các nút để biễu diễn tri thức. Nút dùng để thể hiện các đối tượng, thuộc tính
Tiểu luận: Công nghệ Tri thức Chẩn đoán và Điều trị bệnh bằng thuốc Đông y
của đối tượng và giá trị của thuộc tính. Còn cung dùng để thể hiện quan hệ giữa các
đối tượng. Các nút và các cung đều được gắn nhãn.
Ví dụ để thể hiện “viêm họng là loại bệnh có các triệu chứng ho và giảm cân ”
Hình 13 . Biểu diễn tri thức nhờ mạng ngữ nghĩa
.2.1.6. Kết quả
Chương trình hoàn thành sẽ thực hiện được các yêu cầu đã đặt ra
Nhóm 1 Trang 25/31
Giả
m
cân
Lao
phổi Bệnh
Ho
là
bị
Có triệu chứng