Задача классификации с явными диагностическими признаками может быть сформулирована следующим образом [7].

Дано: N - число диагностических признаков; S i - число упорядоченных и, как правило, вербальных оценок качества на шкале i-гo диагностического признака; Xi ={x 1i ,x 2i ,...,x si } - множество оценок на шкале i-гo признака; Q - количество диагностических классов ( P 1 , P 2 ,..., P Q ), к которым могут принадлежать классифицируемые объекты.

Декартово произведение А шкал признаков определяет множество всех гипотетически возможных состояний, описываемых диагностическими признаками. Состояние a i , принадлежащее А, описывается вектором (а i 1 , а i 2 ,...,а iN), где j -м компонентом является одно из значений на шкале i -г o диагностического признака.

Требуется: на основе знаний эксперта классифицировать все векторы а i отнеся каждый из них к одному или нескольким классам решений.

Особенностью данной постановки задачи является следующее. Предположим, что эксперт (врач, геолог, инженер) определил полный набор диагностических признаков, необходимых ему при решении задачи классификации. Этим задано полное пространство всех возможных состояний объекта исследования (больного, месторождения, механизма и т.д.). В приведенной выше постановке задачи впервые ставится целью построение полной классификации, т.е. классификации всех возможных состояний объекта исследования. В отличие от этого в других постановках речь обычно идет о выявлении какой-то части знаний [9].

Данная постановка задачи основана на предположении, что эксперт обладает полнотой знаний. Необходим подход, позволяющий их выявить.

Основные идеи метода экспертной классификации

Для решения поставленной выше задачи были разработаны методы, основанные на идеях [7], рассмотренных далее.

Структуризация проблем

Чтобы передать знания компьютеру, нужен общий язык, характеризующий конкретную предметную область. Удобен язык признаков (или характеристик), описывающих объект исследования. Таким объектом при построении баз медицинских знаний является больной, обратившийся к врачу с жалобами на боли. Признаки или характеристики в данном случае описывают состояние больного: локализация болей, их характер, иррадиация, частота пульса, артериальное давление, температура и т.д.

Как определить перечень признаков, адекватно представляющий состояние объекта исследования? Для этой цели разработана человекомашинная процедура АРИАДНА [10], которая имитирует диалог по телефону между неопытным специалистом, находящимся рядом с объектом исследования и проводящим измерения, и экспертом, находящимся далеко от объекта. Диалог строится таким образом, что компьютер задает вопросы эксперту, использует его ответы для постановки новых вопросов и т.д. Приведем пример такого диалога.

Компьютер: Вас просят помочь в постановке диагноза. Начинающий врач сообщает вам по телефону, что пациент без сознания и что подозревается диабетическая кома. Каким будет ваш первый вопрос?

Эксперт: Начало заболевания - постепенное или внезапное?

Компьютер: А что более характерно для диабетической комы?

Эксперт: Постепенное начало.

Компьютер: Предположим, что начало было постепенное. Каким будет ваш следующий вопрос?

В ходе диалога эксперт называет признаки и их возможные значения, упорядочивает признаки по характерности для данного заболевания, решая привычные для себя задачи постановки диагноза.

В системе АРИАДНА использованы идеи «диагностических игр», предложенные И.М. Гельфандом [11].

Итак, при подобном подходе процедуры структуризации могут быть представлены следующим образом. Компьютер ставит вопросы эксперту, приглашая его классифицировать объект исследования и называть один за другим признаки, используемые при классификации и их возможные значения для каждого класса решений.

Результатом этого этапа является совокупность признаков, необходимая для полной классификации объектов определенного типа, все возможные значения этих признаков, а также перечень классов решений.