Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Informationssammler Software Agenten Agenten zur Informationssammlung Tobias Gerke, Andreas Jäger nach Craig A. Knoblock & José Luis Ambite (1997)

Ähnliche Präsentationen


Präsentation zum Thema: "Informationssammler Software Agenten Agenten zur Informationssammlung Tobias Gerke, Andreas Jäger nach Craig A. Knoblock & José Luis Ambite (1997)"—  Präsentation transkript:

1 Informationssammler Software Agenten Agenten zur Informationssammlung Tobias Gerke, Andreas Jäger nach Craig A. Knoblock & José Luis Ambite (1997)

2 Informationssammler Einführung Schwerpunkte von Arbeiten über Agenten: Definition von Modellen über die Intention, die Fähigkeit und den Bedarf von Agenten Planung von Multi-Agenten-Systemen Entwicklung von Agenten zur Informationssammlung

3 Informationssammler Einführung Gegenwärtige Situation: Riesige, ständig wachsende, inhomogene Informationsmengen Fehlen eines Mittels zum Auffinden, Kombinieren, Verarbeiten und Organisieren von Informationen Verwaltung der Informationen in einem Netz von Informations-Agenten

4 Informationssammler Gliederung 1.Organisation der Informationssammler 2.Wissensbasis der Agenten 3.Kommunikation der Agenten 4.Bearbeiten von Anfragen 5.Der Lernprozess 6.Fazit

5 Informationssammler Organisation der Informationssammler Grundgedanke: Stellen Informationen zu einem speziellen Fachgebiet zur Verfügung Beziehen Informationen von anderen Agenten Dienen anderen Agenten als Informationsquelle

6 Informationssammler Organisation der Informationssammler Begriffliche Konventionen: Informations-Agent: Dient als Informations- quelle, stellt aber selbst auch Anfragen Data-Repository: Stellt nicht aktiv Anfragen Wrapper: Schnittstelle, die jeder Agent des Systems gebildet haben muss Gemeinsame Sprache

7 Informationssammler Organisation der Informationssammler

8 Informationssammler Wissensbasis der Agenten Jeder Agent beinhaltet: Abbild seines Fachgebiets = domain model Modelle der Agenten, die er als Quelle nutzt = information-source model Beziehungen zwischen den Modellen

9 Informationssammler Wissensbasis der Agenten Beispiel: Sea Agent Port Agent Harbor Agent Naval Agent domain model source model des Naval Agent source model des Harbor Agent source model des Port Agent

10 Informationssammler Wissensbasis der Agenten Teil des domain model vom Sea_Agent:

11 Informationssammler Wissensbasis der Agenten information-source und domain model:

12 Informationssammler Wissensbasis der Agenten information-source und domain model:

13 Informationssammler Kommunikation der Agenten Agenten nutzen einheitlich Sprache Protokoll Loom knowledge representation language KQML

14 Informationssammler Kommunikation der Agenten Loom als einheitliche Abfragesprache keine teuren Unterabfragen KQML als einheitliches Protokoll Einfache Rückgabe von Ergebnissen Recipient Agent Subsource Agent Source Agent KQML- Message mit Loom-Query KQML- Message mit Informationen

15 Informationssammler Kommunikation der Agenten (retrieve(?port_name ?ship_type) (:and(seaport ?port) (port_name ?port ?port_name) (has_channel ?port ?channel) (channel_depth ?channel ?depth) (ship ?ship) (vehicle_type ?ship ?ship_type) (max_draft ?ship ?draft) (> ?depth ?draft))) Beispiel einer Loom-Abfrage: Parameterliste Beschreibung der gewünschten Information

16 Informationssammler Bearbeiten von Abfragen Keine umgehende Ausführung von Anfragen Vorgehen: Auswahl der Informationsquellen Erstellen eines Abfrage-Plans Abfrageoptimierung Ausführung der Anfrage

17 Informationssammler Bearbeiten von Abfragen Unterteilung der Verarbeitung von Anfragen: Ziel Anfangszustand Operatoren

18 Informationssammler Beispiel eines Planungsziels in Loom: (available output sims (retrieve(?port_name ?ship_type) (:and(seaport ?port) (port_name ?port ?port_name) (has_channel ?port ?channel) (channel_depth ?channel ?depth) (ship ?ship) (vehicle_type ?ship ?ship_type) (range ?ship ?range) (> ?range 10000) (max_draft ?ship ?draft) (> ?depth ?draft)))) Bearbeiten von Abfragen

19 Informationssammler Bearbeiten von Abfragen ((source-available Naval_Agent isd12.isi.edu) (source-available Harbor_Agent isd14.isi.edu) (source-available Port_Agent isd14.isi.edu)) Beispiel eines Anfangszustandes in Loom: Bearbeiten von Abfragen

20 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - Agent benutzt Operatoren zur Auswahl der Informationsquellen: Operator der Informationsquellenauswahl

21 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen -

22 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - Domain–Level Query: (retrieve(?port_name ?depth) (:and(seaport ?port) (port_name ?port ?port_name) (geoloc_code ?port ?geocode) (channel ?channel) (geoloc_code ?channel ?geocode) (channel_depth ?channel ?depth))) Source-Level Query: (retrieve(?port_name ?depth) (:and(harbor_agent.harbor ?port) (harbor_agent.port_nm ?port ?port_name) (harbor_agent.glc_cd ?port ?geocode) (harbor_agent.channel ?channel) (harbor_agent.glc_cd ?channel ?geocode) (harbor_agent.ch_depth_ft ?channel ?depth))) Anwendung des Auswahloperators in Loom:

23 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - Agent benutzt Operatoren zur Auswahl der Informationsquellen: Operator der Informationsquellenauswahl Konzept-Verallgemeinerungsoperator

24 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen -

25 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - Agent benutzt Operatoren zur Auswahl der Informationsquellen: Operator der Informationsquellenauswahl Konzept-Verallgemeinerungsoperator Definitions-Ersetzungs-Operator

26 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen -

27 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - (retrieve(?port_name ?ship_type) (:and(seaport ?port) (port_name ?port ?port_name) (geoloc_code ?port ?geocode) (channel ?channel) (geoloc_code ?channel ?geocode) (channel_depth ?channel ?depth) (ship ?ship) (vehicle_type ?ship ?ship_type) (range ?ship ?range) (> ?range 10000) (max_draft ?ship ?draft) (> ?depth ?draft))) Anwendung des Ersetzungsoperators in Loom:

28 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen - Agent benutzt Operatoren zur Auswahl der Informationsquellen: Operator der Informationsquellenauswahl Konzept-Verallgemeinerungsoperator Definitions-Ersetzungs-Operator Konzept-Spezialisierungsoperator

29 Informationssammler Bearbeiten von Abfragen - Auswahl der Informationsquellen -

30 Informationssammler Bearbeiten von Abfragen - Erstellen eines Abfrageplans - Planerstellung vor Ausführung einer Abfrage Hierzu: Datenmanipulations-Operatoren Move Join Retrieve Select Compute Durch Schätzfunktion Plan geringster Kosten

31 Informationssammler Bearbeiten von Abfragen - Erstellen eines Abfrageplans - (retrieve harbor_agent (?port_name ?depth) (and (harbor ?port) (port_nm ?port ?port_name) (select (move (glc_cd ?port ?glc_cd) harbor_agentharbor_agent (channel ?channel) isd12.isi.edu)local) (glc_cd ?channel ?glc_cd) (ch_depth_ft ?channel ?depth))) (join ( ?range 10000) (max_draft ?ship ?draft))) Beispiel eines Bearbeitungsplanes in Loom:

32 Informationssammler Bearbeiten von Abfragen - Gleichzeitiges Planen und Ausführen - Der Agent kann gleichzeitig Prozesse ausführen und andere Prozesse planen. Hierzu notwendig: interne Liste aller laufende Aktionen Aktion beendet wenn korrekt, als fertig markieren wenn fehlerhaft, Plan neu erstellen

33 Informationssammler Bearbeiten von Abfragen - Gleichzeitiges Planen und Ausführen - Der Agent kann... Anfragen annehmen und planen, während er andere ausführt. bei Fehlern den Plan umstellen ohne laufende Abfragen zu unterbrechen. selbstständig weiter Informationen für den Abfrageprozess einholen.

34 Informationssammler Bearbeiten von Abfragen - Semantische Abfragenoptimierung - Es existiert eine Reihe semantischer Regeln. Diese stellen Wissen dar, mit dem Abfragen verändert werden können. Ziel: Zahl der Unterabfragen minimieren Zwischendaten gering halten Kosten senken

35 Informationssammler Bearbeiten von Abfragen - Semantische Abfragenoptimierung - Ursprüngliche Abfrage: (retrieve(?ship-type ?draft) (:and(naval_agent.ship ?ship) (naval_agent.sht_nm ?ship ?ship-type) (naval_agent.max_draft ?ship ?draft) (naval_agent-range ?ship ?range) (> ?range 10000))) Semantische Regel: (:if (:and (naval_agent.ship ?ship) (naval_agent.range ?ship ?range) (naval_agent.fuel_cap ?ship ?fuel_cap) (> ?range 10000) (:then (< ?draft 12))) Umformulierte Abfrage: (retrieve (?sht-type ?draft) (:and (naval_agent.sht_nm ?ship) (naval_agent.sht_nm ?ship ?ship-type) (naval_agent.max_draft ?ship ?draft) (> ?draft 12)))

36 Informationssammler Steigert Genauigkeit und Effizienz 3 Arten der Lernens: Speicherung häufig gebrauchter oder teuer zu bekommener Informationen Ableitung semantischer Regeln Abgleich der Agentenmodelle Der Lernprozess

37 Informationssammler Erhaltene Daten sowie Abfrage (als Beschreibung) werden lokal im Agenten gehalten Beschreibung neues Unterkonzept Daten Instanzen des Unterkonzepts Automatische Berücksichtigung der neuen Informationsquelle bei späteren Abfragen Speicherung nur genereller, einfacher Abfragen mit statischem Inhalt Der Lernprozess - Cachen erhaltener Daten -

38 Informationssammler Ausgangspunkt: Auftreten einer teuren Abfrage Selbständige Informationseinholung in nächster Ruhephase des Systems: Abfrage wird in äquivalente umformuliert Bei Effizienzsteigerung: Ableitung von Regeln Übernahme der Regeln in das domain- model Der Lernprozess - Lernen semantischer Regeln -

39 Informationssammler Der Lernprozess - Abgleichen der Agentenmodelle - Annahme bisher: vollständige Abstimmung der Modelle auf einander Aber: Modelldesigner hatte kein komplettes Verständnis über Semantiken der Informationen. Autonomie der Agenten bewirkt stetige dynamische Veränderung der Konzepte.

40 Informationssammler Der Lernprozess - Abgleichen der Agentenmodelle - Lösung: Abgleichen bei Inkonsistenz in drei Schritten. Prüfung auf Differenzen neue Klassen in domain model aufnehmen wenn möglich, durch Lernalgorithmus Beschreibungen des neuen Konzepts ermitteln.

41 Informationssammler Der Lernprozess - Abgleichen der Agentenmodelle - Beispiel: Ausgangssituation: gleiche Informationen über Seehäfen in Harbor_Agent.Harbor und Port_Agent.Port Erweiterung des Port_Agent um Informationen über kleine Fischerhäfen. Jetzt ist Harbor_Agent eine Teilmenge von Port_Agent.

42 Informationssammler Der Lernprozess - Abgleichen der Agentenmodelle - Beispiel - Ausgangssituation:

43 Informationssammler Der Lernprozess - Abgleichen der Agentenmodelle - Beispiel - Angeglichenes Model:

44 Informationssammler Fazit Eigenschaften des Systems Modularität Erweiterbarkeit Flexibilität Effizienz Anpassungsfähigkeit

45 Informationssammler The End... noch Fragen?


Herunterladen ppt "Informationssammler Software Agenten Agenten zur Informationssammlung Tobias Gerke, Andreas Jäger nach Craig A. Knoblock & José Luis Ambite (1997)"

Ähnliche Präsentationen


Google-Anzeigen