A rule based expert system generation framework using an open source business rule engine

Abstract

Bilgi, karar verme süreçlerinde anahtar araçtır. Öte yandan, bir karar verme sürecinin en zorevreleri bilgiyi edinme ve ögrenmedir. Bu nedenle, akademik, ticari, askeri ve endüstriyelalanlar gibi bilgi merkezli pek çok alanda çalısmalar makina ögrenmesi sistemleri ve uzmansistemlere odaklanmıstır.Bu tezle bir kural tabanlı ögrenen uzman sistem çatısı sunulmaktadır. Kısaca bu çatı uygundata kümesini alır, bu kümeden kurallar çıkarır, bu kurallara göre bir uzman sistem kurar veyeni durumları test etmek için web tabanlı bir arayüz verir.Bu çalısma birçok konuyu kapsamaktadır. Sınıflandırmalar, karar agaçları, ID3 algoritması,kural tabanlı sistemler, uzman sistemler, kural motorları ve açık kaynak kodlu yaklasımbunlardan bazılarıdır. Bu konular kısaca açıklanacak, degerlendirmeler sonrasında çatıörnekler ile açıklanacaktır.Örnekler çatının yeniden kullanabilirligini gösterecektir. Çatı uygulama, farklı data kümeleriile çalısabilmelidir. Ancak seçilen data kümeleri ID3 algoritmasına uygun olmalıdır. Digerkısıtlamalar ileriki bölümlerde açıklanacaktır.Çatı asagıdaki temel prensiplere dayanmaktadır.? Java teknolojileri kullanılmıstır? Gerekli durumlarda açık kaynak kodlu araçlar kullanılmıstır? Mümkün oldugunca standartlastırma uygulanmıstırBu prensipler sonucunda, çatının kullanılabilirligi önemli ölçüde artmıstır.

Knowledge is key instrument for the deciding processes. On the other hand, for a decidingprocess, gathering knowledge and learning are very difficult phases. For this reason, in thelast decades, studies are focused on the machine-learning systems and the expert systems forthe most of the knowledge oriented areas, like academic, commercial, military and industrialareas.In this thesis, a framework is developed for the rule base learning expert systems. Briefly, thisframework will take a data set, induct the rules from this data set, construct an expert systemaccording to inducted rules, and give a web based interface for testing new cases.There are a lot of concepts in this study. Classification, decision tree, knowledge acquisition,ID3 algorithm, rule base systems, expert systems, rule engines, open source perspective aresome of them. These concepts will be discussed briefly, after the discussion; framework willbe explained with some examples.Examples will show the reusability of the framework. Different data set can be applied theframework. But data set must be convenient to the ID3 decision tree algorithm. Otherrestrictions will be defined next sections. After constructing expert system new cases can betested.This framework has some principles:? Java technologies are used? Open source tools are used where needed? Standardizations are applied where availableAs a result of these principles, usability of the framework is dramatically increased.