В результате ситуация будет описываться моделью, в которой будут присутствовать предикативные цепочки и идентификаторы объектов, либо классов объектов. Такая модель может быть приведена к наивысшей степени абстракции (концепты предикатов плюс идентификаторы классов) либо детализирована с тем, чтобы обеспечивалась необходимая точность распознавания. Проблема определения множества терминов, обладающих высокой информативностью (обеспечивающих высокую избирательность распознающей системы) зачастую решается эвристическими методами, хотя при условии частой повторяемости феномена словарь может быть сформирован с применением аппарата математической статистики (анализа тех же частотноранговых распределений, но уже для других классов терминов).
Один из вариантов реализации такого подхода — некоторое подобие CRA-карт (см. предыдущий пункт), но построенных в терминах более высокого уровня абстракции. Очевидным недостатком характерного для CRA-карт способа отображения является то, что он указывает лишь на наличие связи (по сути — предиката, выражающего некоторое отношение между идентификаторами объектов и классов объектов). Вероятно, над дугами следовало бы указывать тип отношения (предикат, его выражающий), однако число предикатов может оказаться достаточно большим для того, чтобы их можно было отобразить. Еще один, менее явный, недостаток заключается в том, что эти отношения не развернуты в пространстве-времени. Модель ситуации, отображаемая с помощью CRA-карты (и ее усовершенствованного аналога), не будет обладать избирательностью по отношению к временному аспекту существования системы, и вследствие этого будет иметь исключительно интегральный характер. Перечисленные недостатки не мешают применению таких методов для синтеза словарей, однако, при попытке перенести их на задачи распознавания ситуаций, эти недостатки становятся уже ощутимыми — ведь ситуация — это некоторое состояние, привязанное к «временным координатам».
Какие усовершенствования должны быть внесены в данный или подобный ему метод для того, чтобы он мог быть эффективно использован в системе распознавания ситуаций? Для начала уточним содержание понятия «состояние». С этой целью обратимся к методу аналогии. Рассмотрим простой физический опыт: пусть некая фотокамера на протяжении нескольких периодов колебания фиксирует движение шарика, раскачиваемого на нити. При выборе длительного времени экспозиции кадра на нем запечатлеется лишь трасса, по которой не возможно установить текущую координату шарика (интегральная картина — CRA карта), но позволяет сформулировать заключение о характере процесса и описать его термином «колебание». Если же фотокамера будет последовательно регистрировать положение раскачивающегося шарика на подряд следующих кадрах фотопленки, то мы получим зарегистрированную последовательность мгновенных состояний шарика, описываемых его положением в пространстве (здесь мы можем определить все параметры движения шарика). Но стоит разрезать пленку на кадры и перемешать их, как установить направление движения шарика становится невозможным (мгновенное состояние, вырванное из контекста).
Становится очевидным, что если рассматривать ситуацию, как нечто, что может быть распознано в результате сопоставления эталона с вырванным из контекста мгновенным состоянием системы, то серьезные ошибки распознавания при наличии повторяющихся фаз протекания процесса исключить не представляется возможным.
Что же может быть использовано для устранения отмеченных недостатков? Что связывает текущее состояние с контекстом или предшествующее состояние с последующим? Здесь следует выделить два базовых понятия: «процесс» и «событие».
Событие — это результат завершения процесса приведшего к смене состояния системы. То есть событие не имеет длительности (временной протяженности) — это лишь факт перехода системы из предшествующего состояния в состояние последующее. Событие характеризуется временем наступления, именами или идентификаторами предшествовавшего и результирующего состояний, и может быть отображено на значения «истина» и «ложь», т. е. обладает свойствами, делающими его удобным для использования в системах автоматического распознавания ситуаций. По существу, упоминавшиеся ранее фреймовые модели представления ситуаций строятся именно в терминах событий и состояний.