Projekty > Stepper > Literatura

 

Víceúrovňová formalizace obsahu textových dokumentů

Marek RŮŽIČKA, Vojtěch SVÁTEK, Tomáš KROUPA

Laboratoř inteligentních systémů, Fakulta informatiky a statistiky
Vysoká škola ekonomická v Praze
nám. W. Churchilla 4, 130 67 Praha 3

xruzm06@vse.cz; svatek@vse.cz; xkrot04@vse.cz

Abstrakt. Hlavní problém konverze znalostí obsažených v textových dokumentech do počítačově zpracovatelné formy je spojen s vágností textu v přirozeném jazyce a s komplexností výsledné formální reprezentace. Přímý přechod z jedné formy do druhé je nesmírně náročný úkol. Navrhovaná metodika se snaží tento problém řešit rozdělením celého procesu formalizace do několika kroků, které se liší hloubkou rozboru textu. Celý princip je založen na sémantickém značkování pomocí jazyka XML tak, že s každým novým krokem se upřesňuje sémantická struktura. Nově označené elementy jsou také propojeny z odpovídajícím elementem ve vyšší úrovni, aby bylo posléze možné snadno provádět verifikace a úpravy celého procesu. Metodika je momentálně testována během formalizace lékařských předpisů pro léčbu hypertenze v rámci projektu „Medical Guidelines Technology“ Čtvrtého rámcového programu EU.

1.  Úvod

V mnoha oborech se můžeme setkat s textovými dokumenty, které představují jistou formu předpisu nebo doporučení. Mohou to být např. lékařská doporučení pro léčbu určité choroby, stavební standardy a normy či právní spisy. Z pohledu obsažených znalostí se tyto dokumenty vyznačují určitými specifickými rysy. Především zahrnují poměrně ucelený soubor doménových znalostí o dané problematice a dále na sebe vážou jistou všeobecnou platnost.

Formalizace těchto dokumentů může být přínosná hned z několika důvodů. Pomocí formálního modelu lze například odhalit vnitřní logické chyby. Další složitější, ale nikoli nereálná, je úloha automatického porovnání předpisů obsažených v dokumentech s jejich plnění v realitě. Proces formalizace může být velice komplikovaný a místy nepřehledný, a proto navrhujeme rozdělení tohoto procesu do několika fází.

V tomto článku bychom chtěli nejprve prezentovat abstraktní schéma metodiky pro víceúrovňovou formalizaci textu a poukázat na existující technologie, které lze pro tento účel využít. Dále uvedeme příklad praktické aplikace tohoto schématu: metodiku Guide-X (Guideline formalisation based on XML), orientovanou na formalizaci lékařských doporučení. Na závěr se ještě zmíníme o softwarové podpoře, kterou pro tyto účely v současné době vyvíjíme.

2.  Schéma formalizační metodiky

2.1  Proč víceúrovňová formalizace

Většina přístupů k extrakci znalostí z textových dokumentů předpokládá během procesu formalizace intenzivní spolupráci mezi doménovým expertem a znalostním inženýrem, která vede k vytvoření formálního modelu. Jedná se tedy o jednofázový proces formalizace. Ten však skýtá jistá úskalí vyplývající z dominantní role doménového experta. Jedno ze základních omezení spočívá v tom, že doménový expert většinou nemá dostatek času poskytovat znalostnímu inženýrovi dlouhé konzultace. Další problém lze popsat jako subjektivizace znalostí. Vycházíme-li z dokumentu, který představuje objektivní popis určité oblasti, a při formalizaci využíváme výkladu od doménového experta, zákonitě se nemůžeme vyhnout „přimíchání„ subjektivních znalostí tohoto experta (často i nechtěnému). Samotné zapracování obou typů znalostí není samo o sobě vadou, ale protože neexistuje průhledná vazba mezi prvky formálního modelu a odpovídajícími fragmenty zdrojového textu, je při tomto přístupu takřka nemožné typy znalostí odlišit.

Obdobná situace vzniká v momentě, kdy by někdo chtěl provést verifikaci modelu, případně ho aktualizovat na základě změn ve zdrojovém textu. Všechny tyto operace vyžadují jasné propojení mezi modelem a textem.

Snažili jsme se proto vyvinout metodiku, která by uvedené problémy řešila. Její podstatou je vícefázový proces formalizace, který vychází z původního textu (úroveň 0), a každá následující úroveň rekurentně slouží jako základ pro další zpracování. Dále by měla být každá úroveň navržena tak, aby ji mohl z větší části vypracovat odborník z jedné oblasti (doménový expert, znalostní inženýr, nebo informační specialista). Všechny významné ucelené části textu v nové úrovni musí obsahovat jednoznačný odkaz na svůj zdroj v úrovni předešlé.

2.2  XML jako syntaktický základ

Zatím nebyl pojem úroveň nijak blíže specifikován. Pro naše potřeby tím myslíme nový dokument vzniklý ze zdrojového dokumentu zavedením nebo přidáním sémantických struktur v kombinaci s přímými nutnými úpravami v textu. Nedochází tedy k vytváření žádných schématických či grafických reprezentací, nýbrž se stále držíme čistě textového zápisu.

Pro tyto účely se zdá být optimální značkovací jazyk XML (eXtensible Mark-up Language) a s ním spojené nástroje, se kterým tato metodika počítá jako s formátem pro ukládání většiny úrovní. Díky XML je možné do textového dokumentu snadno zanést sémantickou strukturu, která je přesně definovaná v odpovídajícím DTD souboru (Definice Typu Dokumentu). Před začátkem samotného zpracování textu je proto potřeba vytvořit pro každou úroveň (s výjimkou první a poslední) DTD soubor. Tato část se pochopitelně neobejde bez přímé dohody mezi znalostním inženýrem a doménovým expertem, v jaké přesné podobě a jaké typy znalostí budou v textu vyznačovány; samozřejmě je nutné přihlédnout i k možnostem výsledného formátu, ve kterém mají být znalosti počítačově zpracovávány.

Součástí XML je také vysoce sofistikovaný referenční jazyk XLink [5], umožňující odkazovat na libovolnou část XML dokumentů (v podstatě i na pouhý jeden znak). Díky němu můžeme provádět dohledávání zdrojového textu pro konkrétní části formálního modelu.

2.2.1  XHTML – vstupní textový formát – úroveň 0

Jak již bylo zmíněno, jednotlivé úrovně formalizace jsou uchovávány ve formátu XML. Otázkou zůstává, jaký formát by měl mít původní dokument v ještě nezměněné podobě. Jako ideální řešení se zdá být jazyk XHTML (eXtended HyperText Mark-up Language [3]), a to z následujících důvodů :

Pokud je zdrojový dokument v jiné podobě než HTML, je pro jeho převod do XHTML potřeba informační specialista, který je schopen formálně strukturovat dokumenty, nemusí ovšem být obeznámen s věcnou problematikou.

2.2.2  Úroveň 1 – bloky textu jako nositelé potenciálních znalostí

Tato úroveň formalizace se skládá ze dvou částí. První představuje kompletní odstranění dosavadní značkovací struktury, která má v XHTML čistě formátovací význam. Druhá pak místo ní zavádí prvotní sémantickou strukturu. Smyslem této úrovně ale není detailní zachycení a rozbor všech nalezených znalostí, ale pouze vymezení bloků textu (případně i částí tabulek apod.) jako potenciálních nositelů určitého typu znalosti. Tato úroveň by mohla být bez větších problémů vyhotovena znalostním inženýrem (obeznámeným s podstatou hlavních doménových pojmů), který by pouze v případech závažných nejasností kontaktoval doménového experta.

2.2.3  Úroveň 2 – detailní sémantická struktura

Ve druhé úrovni by mělo dojít již k vyznačení detailní sémantické struktury s odpovídajícími úpravami v textu. Proto by zpracování měl provést samotný doménový expert. Pro tuto úroveň je klíčová správná podoba souboru DTD, aby expertem vyznačené znalosti mohly být účelně využity v dalších krocích.

2.2.4  Úoveň 3 – předzpracování před exportem

Označený text z předcházející úrovně je již solidním základem pro vybudování znalostní báze či modelu. Přesto je potřeba učinit jisté úpravy, aby mohl být text úspěšně exportován. Činnosti jako přetřídění, validace či doplnění souboru bude provádět znalostní inženýr, za intenzivního využití automatických nástrojů.

2.2.5  Export pomocí XSLT

Poslední krok formalizace je od ostatních odlišný v tom, že výsledek již není ve formátu XML, ale v jiném standardu, s nímž umí pracovat některý ze znalostních systémů (případně jiný výpočetní nástroj). Tento krok je proto vhodné co možná nejvíce zautomatizovat. K tomu nám poslouží standard XSLT (eXtensible Stylesheet Language Transformation [4]), vyvinutý právě pro transformaci XML dokumentu do takřka libovolného formátu. Jednotlivé kroky transformace jsou podmíněny názvy XML elementů, hodnotami jejich atributů i jejich vlastní textovou náplní.

Během tvorby XSLT souboru je nutná spolupráce s expertem na výstupní formát, a to jak při seznamování se s detaily syntaxe, tak i při mapování XML elementů a atributů na odpovídající objekty v tomto formátu.

Výhoda použití XML a XSLT je ta, že ze stejné znalostní báze vyjádřené v XML je možné generovat cílový kód pro více výpočetních nástrojů.

3.  Aplikace metodiky na problematiku lékařských doporučení

V současné době aplikujeme naši metodiku pod názvem Guide-X [9] v rámci projektu MGT (Medical Guidelines Technology) ze Čtvrtého rámcového programu EU pro formalizaci lékařských doporučení, konkrétně doporučení pro léčbu hypertenze vydaných Světovou zdravotní organizací v roce 1999 (1999 WHO/ISH Hypertension Guidelines [2]).

V tomto případě se formalizační proces rozkládá do pěti úrovní (včetně nulté), kde konečným výstupem je počítačová reprezentace znalostní báze založená na OCML (Operational Concept Modelling Language [8]). Momentálně nejsou plně dotvořeny poslední dvě úrovně, ale již na prvních třech lze názorně ukázat zamýšlený postup.

Nultá úroveň (formát XHTML) byla získána poměrně snadnými úpravami ze zdrojového textu, který je volně k dispozici ve formátu HTML, a proto se jí nebudeme hlouběji zabývat.

3.1  GLML-S

První úroveň formalizace označená GLML-S (GuideLines Mark-up Language – Simple) definuje pouze několik základních XML elementů pro určité typy znalostí. Patří mezi ně:

Uvedené elementy nejsou vybrány náhodně. Jednak jsou v obdobných variacích použity jako základní třídy v podstatné části studií zabývajících se formalizací lékařských doporučení a dále jsou dostatečně obecné, aby je byl v textu schopen identifikovat i člověk, který není doménovým expertem, tedy lékařem. Každému elementu je přiřazeno několik základních atributů, z nichž se vychází při podrobnější strukturalizaci v následující úrovni.

3.2  GLML-R

Zanesení skutečné sémantické struktury do textu je provedeno až ve druhé úrovni  - GLML-R (GuideLines Mark-up Language – Rich). Na základě studie zpracovávaných lékařských doporučení jsme vytvořili rozsáhlý DTD soubor předepisující syntaxi detailního zápisu výše uvedených elementů včetně různých vazeb mezi jejich subelementy.

Kromě toho jsme také zčásti vyšli z jazyka PMML 1.0 (Predictive Model Mark-up Language [1]), který se mimo jiné zabývá definicí proměnných a jejich využití v různých funkcích (např. rozhodovacích stromech) pomocí XML. V samotném textu se kromě rozepsaných elementů z první úrovně tedy nachází i tzv. datový slovník, který v sobě odráží všechny koncepty, které lze zachytit jako matematické proměnné.

Příklad části datového slovníku:

  <logical name="Smoking" />
  <continuous name="Total cholesterol" />
  <categorical name="Gender" >
    <category value="male" />
    <category value="female" />
  </categorical>

Nejdůležitější však v této úrovni je správné zachycení scénářů. Scénář je zde v nejjednodušší podobě chápán jako vztah – je-li splněn předpoklad  nebo podmínka P, vykonej akci A.  Pokud je datový slovník úplný a vhodně navržený, tak jsou v něm obsaženy podmínky a předpoklady ze všech scénářů.  V tomto případě není problém programově vyhodnotit všechny scénáře pro určitého pacienta a zjistit, které z nich jsou v danou chvíli aplikovatelné a které nikoli. Stejně tak lze díky jednoduchým atributům vyznačit nezbytnost provedení některých scénářů, případně jejich volitelnost, návaznost apod.

Jistý problém tvoří i druhá část scénáře, která je pouze ve výjimečných případech popsaná jen jedinou akcí. Naopak, v lékařských doporučeních se běžně setkáváme se scénáři, které mají pro stejné předpoklady více než pět různých závěrů. Z tohoto důvodu umožňuje GLML-R zápis závěru scénáře buď triviálním výčtem akcí, nebo složitější rozhodovací strukturou jako jsou rozhodovací stromy a heuristické výběry (případně jejich kombinací).

Na tomto místě by bylo vhodné uvést konkrétní příklad přechodu z úrovně GLML-S do GLML-R. Pro přehlednost jsou zde vynechány veškeré zápisy odkazů. V plné verzi textu jsou navíc uvedeny odkazy u elementů con (představují obdobu elementu concept-def s tím, že budou na úrovni GLML-R definovány jako logická, ordinální nebo kategoriální proměnná)  a zpětný odkaz z elementu scenario na jeho původní element procedural.

Ukázka zdrojového textu pro scénář na úrovni GLML-S:

  <procedural type="complex" source="text">
   Situations in which ambulatory BP monitoring should be considered:
   - Unusual <con>variability of BP</con> over the same or different visits
   - <con>Office hypertension</con> in subjects 
     with low <con>cardiovascular risk</con>
  </procedural>

Část datového slovníku, která vznikne z uvedeného elementu procedural:

  <logical name="BP variability" />
  <logical name="office hypertension" />
  <ordinal name="cardiovascular risk">
    <order value="low" rank="1" />
    <order value="medium" rank="2" />
    …
  </ordinal>

Zápis scénáře na úrovni GLML-R:

  <scenario id="s3">
  <descr> ambulatory BP monitoring - arguments </descr>
  <condition>
    <compound-predicate bool-op="or">
      <predicate attribute="BP variability" op="eq" value="yes" />
      <compound-predicate bool-op="and">
        <predicate attribute="office hypertension" op="eq" value="yes" />
	 <predicate attribute=" cardiovascular risk" op="eq" value="low" />
      </compound-predicate>
    </compound-predicate>
  </condition>
  <recommendation>
    ambulatory BP monitoring
  </recommendation>
  </scenario>[1]

Převážně na úrovni GLML-R je také realizován jeden z klíčových kroků celé formalizace – doplnění chybějících (implicitních) znalostí a zpřesnění vágních termínů, jako je např. „dobrá odezva léčby“ nebo „v krátkém čase po sobě“. Pro tuto činnost je samozřejmě nezbytně nutná spolupráce s lékařem; každá podstatná úprava doslovného znění textu je zdokumentována pomocí speciálních atributů. Pokud je ovšem pro danou aplikaci žádoucí zabránit výše zmiňované subjektivizaci znalostí (ve vztahu ke  konkrétnímu spolupracujícímu expertovi), je třeba pokusit se identifikovat konsensuální variantu doplňované znalosti pomocí zapojení většího počtu expertů.

3.3  GLKL & OCML

Tvorba závěrečných dvou úrovní je zčásti automatizovaným procesem určeným především pro znalostního inženýra. V GLKL (Guideline Knowledge Language) se poprvé opouští původní struktura textu a přechází se na přetřídění podle sémantických elementů. Dále je zajištěná konzistence uvnitř úrovně v tom smyslu, že se provede kontrola, zda jsou např. definovány všechny potřebné koncepty, v rozhodovacích strukturách nenabývají proměnné nesmyslných hodnot, kontrola hierarchie cílů atd.

Předpokládáme, že závěrečný krok, který povede k transformaci XML elementů do tříd a vztahů v jazyce OCML, bude z větší části automatický. K tomuto procesu bude využit zmíněný standard XSLT.

  
Obr. 1. Schéma metodiky Guide-X

4.  Návrh softwarové podpory – aplikace STEPPER

4.1  Požadavky

Aby byla uvedená metodika efektivní, je potřeba vyvinout nástroj, který zautomatizuje některé části procesu formalizace a zároveň bude snadno ovladatelný jak pro znalostního inženýra, tak i pro doménového experta.

Stanovili jsme si proto následující požadavky na tento nástroj:

Na výše uvedených předpokladech je založena vyvíjená aplikace STEPPER. Než se dostaneme k popisu nabízených funkcí a metod je nutné si uvědomit, že pro tuto aplikaci není ani tak zajímavé jak mají jednotlivé úrovně vypadat, nýbrž jak dochází k přechodu od jedné úrovně k druhé (říkejme tomuto procesu krok, odtud také název STEPPER).

4.2  Mapování elementů

S výjimkou prvního kroku, kde je původní struktura formátovacích značek nahrazena strukturou sémantickou,  je v následujících krocích zřejmá návaznost mezi určitými elementy. DTD soubory ovšem pro každou úroveň popisují pouze to, jak má být daná úroveň správně syntakticky zapsána, ale nikoli jakým způsobem má vzniknout, případně jak se má dále rozmělnit. Aby bylo možné poskytnou smysluplnou podporu při přechodu na další úrovně je potřeba, aby uživatel před samotnou editací naznačil způsob mapování elementů při přechodu na nižší úroveň v takzvaných mapovacích pravidlech.

V popsané metodice není žádné výslovné pravidlo pro způsob rozkladu elementů. Mylně by se mohlo zdát, že je účelem v každém kroku pouze rozdělit elementy na drobnější subelementy. Naopak je mnohem efektivnější postupně minimalizovat volný text obsažený v těle elementů a transformovat ho do podoby atributů, které jsou definované přísněji než elementy a pro konečnou transformaci představují mnohem menší problém. Ideálním stavem by mohl být dokument složený pouze z technicky vzato prázdných elementů popsaných pouze jejich atributy. Proto STEPPER umožňuje definovat mapovací pravidla i pro převedení obsahu elementů do atributů jiných.

4.3  Podpora jednotlivých kroků konverze

  1. Krok 0–1
    • automatické načtení a validace zdrojového dokumentu v XHTML dokumentu
    • vygenerování ovládacího panelu z DTD souboru náležícího k úrovni 1 tak, aby uživatel mohl pouze označit část textu a jemu odpovídající znalostní element
    • průvodce doplnění atributů elementům, opět vygenerovaný na základě DTD
    • při ukládání do XML souboru doplnění každého bloku o příslušný odkaz v jazyce XLink na oblast ve zdrojovém textu
  2. Kroky mezi úrovní 1 a úrovní těsně před exportem
    • podpora při dekompozici elementů podle specifik uvedených v mapovacích pravidlech
    • průvodce při vyplňování hodnot atributů kombinující informace z DTD a mapovacích pravidel
    • možnosti třídění souboru podle sémantických elementů
    • obdobné doplnění odkazů v jazyce Xlink jako v předešlém kroku
  3. Export
    • konverze poslední úrovně XML dokumentu do znalostní báze pomocí XSLT

5.  Srovnání s jinými projekty

Mapování fragmentů textu na abstraktní pojmy z dané problémové oblasti je jednou z tradičních úloh znalostního inženýrství. Její častou podobou je analýza transkriptu, tj. zápisu ze schůzky znalostního inženýra s doménovým expertem. Pro tuto specifickou činnost byly vyvinuty i rutinní softwarové nástroje, např. komponenta „Transcript analysis“ v rámci asi nejrozšířenějšího komerčního balíku pro znalostní inženýry – PC-PACK od firmy EPISTEMICS. Tyto nástroje ovšem podporují mapování na pouze generické typy znalostí (třídy, relace, pravidla apod.), se kterými lze současně pracovat i s využitím dalších nástrojů v rámci téhož programového prostředí (např. pro repertoárovou tabulku nebo laddering).

V posledních letech, i v souvislosti s nárůstem zájmu o formalizaci textových zdrojů pro potřebu znalostního managementu v menších a středních firmách, se pozornost soustřeďuje na možnost mapovat fragmenty textu i na doménově-specifické znalostní elementy, uspořádané do znalostních ontologií. Jako příklad lze uvést projekty ENRICH [7] nebo KnowWeb [6], v jejichž rámci vznikly jednak grafické editory pro vytváření doménových ontologií v podobě přehledných diagramů (a pro jejich naplňování konkrétními instancemi), jednak nástroje pro anotování částí textových dokumentů (kapitol, odstavců, případně i menších částí) odkazy na prvky těchto ontologií; tato technika se často označuje jako obohacování dokumentů („document enrichment“).

Vícekrokový přístup popisovaný v tomto článku se od uvedených dvou projektů liší především v důrazu na maximální zachování informačního obsahu původního textu, lze ho tedy charakterizovat spíše jako „text-centrický“ než  jako „model-centrický“. Předpokladem efektivity jednorázové formalizace (resp. „obohacení“) textu s využitím grafických editorů je, jak se zdá, relativní transparentnost textu na straně jedné, a komplikovaná struktura doménové ontologie na straně druhé. Tato situace je evidentně pravdivá v případě velké části textových zdrojů pro firemní znalostní management. Na druhé straně, v případech, kdy je doménový model sám o sobě relativně jednoduchý, a zdrojový text se naopak vyznačuje vysokou informační „vydatností“, a jeho interpretace je navíc podmíněna nevyslovenými implicitními znalostmi, naopak vystupují do popředí výhody vícekrokového přístupu. Tak tomu bylo v popisované lékařské aplikaci, a lze předpokládat, že alespoň některé podobné rysy bude vykazovat opět i řada zdrojů používaných ve znalostním managementu, např. dokumenty právního charakteru.

6.  Závěr

V našem článku jsme popsali víceúrovňovou metodiku konverze určitého typu dokumentů z textového formátu do podoby formální reprezentace, sestávající z několika relativně nezávislých kroků. Hlavní výhodou tohoto přístupu je lepší kontrola nad procesem konverze a dělba práce odborníků různého zaměření mezi jednotlivé kroky. Klíčovou technologií, kterou používáme, jsou jazyky založené na standardu XML. Existující editory XML jsou ovšem jednoznačně zaměřené pro práci znalostního inženýra, nikoliv však pro doménového experta.  Proto vyvíjíme i vlastní softwarovou podporu pro všechny části formalizačního procesu.

Momentálně se budeme snažit vymezit přesnější okruh dokumentů, na který je naše metodika aplikovatelná. Další úlohou je testování aplikace STEPPER doménovými experty, aby se nám podařilo zajistit co nejpříjemnější uživatelské prostředí.

Práce na tomto článku byla částečně podporována grantem GACR č.201/00/D045 "Tvorba znalostních modelů ve vazbě na textové dokumenty".

Literatura

[1]  PMML 1.1 – Predictive Model Markup Language. Online at
http://www.dmg.org/html/pmml_v1_1.html.

[2]  WHO/ISH Hypertension Guidelines for the Management of Hypertension. Journal of Hypertension, 17, 1999, 151–183

[3]  Altheim M., McCarron S.: XHTML 1.1 – Module-based XHTML W3C Working Draft, 2000. http://www.w3.org/TR/xhtml11.

[4]  Clark J.: XSL Transformations (XSLT) Version 1.0. W3C, 1999. http://www.w3.org/TR/xslt.

[5]  DeRose. S., Maler E., Orchard D., Trafford B.: XML Linking Language (XLink) W3C Working Draft, 1999. http://www.w3.org/TR/xlink

[6]  Mach M., Sabol T., Paralic J., Kende R.: Knowledge Modelling in Support of Knowledge Management. In: CRIS2000 – Knowledge at work – research information for society, Espoo-Helsinki, 2000, pp.84–88.

[7]  Motta E.: Reusable Components for Knowledge Modelling: Principles and Case Studies in Parametric Design. IOS Press, Amsterdam 1999.

[8]  Motta E., Buckingham-Shum, S. and Domingue, J.: Ontology-Driven Document Enrichment: Principles, Tools and Applications. International Journal of Human-Computer Studies, 52, 1071–1109.

[9]  Svátek V., Kroupa T., Růžička M.: Guide-X – a Step-by-step, Markup-Based Approach to Guideline Formalisation. In: First European Workshop on Computer-based Support for Clinical Guidelines and Protocols, Leipzig, November 2000. IOS Press 2001, to appear.

[1] Na rozdíl od ostatních ukázek se zde nacházejí elementy, které nejsou na první pohled zcela jasné. Element predicate porovnává atribut attribute s hodnotou value na základe operátoru op. Operátor muže být typu „vetší než“, „menší než“ apod. („eq“ znamená equal nebo-li rovno).  Element compound-predicate pak predstavuje jakési uzávorkování více vnorených elementu s podmínkou jejich naplnení (OR/AND). Detailní popis techto elementu a jejich atributu je popsán v definici jazyka PMML 1.0

Tisk stránky

Projekty > Stepper > Literatura

 

Mail to: webmaster ;   datum poslední aktualizace: 28. 02. 2003