3.1.1 产生式
用于表示事实、规则以及它们不确定的度量,适合于表示事实性知识和规则性知识
- 确定性规则的产生式表示
确定规则:只要前提满足,结论一定是正确的
基本形式:if P then Q (P→Q) 蕴涵是产生式的特例
e.g. 若动物会飞 且 动物会下蛋 则动物是鸟
- 不确定性规则:标注置信度(发生的可能性)
基本形式:if P then Q(置信度) (P→Q(置信度))
e.g. if 发烧 then 感冒(0.6)
- 确定性事实和知识
+ 表示方法
1. (对象,属性,值)
2. (关系,对象1,对象2)
- 不确定性事实和知识
+ 表示方法
1. (对象,属性,值,置信度)
2. (关系,对象1,对象2,置信度)
- 产生式与蕴涵式的区别
+ 产生式可表示蕴涵式,以及各种操作、算子、规则
+ 产生式可表达不确定性知识,而蕴涵式只能表示确定性知识
- 产生式的形式描述及语义——巴克斯范式
+ 定义为 ::=
+ 或者是 |
+ 可缺省 []
3.1.2 产生式系统:专家系统的核心部分
- 产生式系统的组成
+ 规则库:相应领域知识的集合(静态)
规则是不是越多越好? 非也,规则越多,计算时间越长,反应越慢。
+ 推理机:反映推理过程
+ 综合数据库:存放事实、中间结果等求解过程数据(动态)
+ 控制系统:存放一组程序,控制推理机的运行
1. 将数据库中的事实与规则库中的规则相匹配
2. 若匹配到的规则不止一条,则进行【冲突消解】-->如就近原则
3. 若规则的结果是一个事实,则存放到数据库中;若是一个操作,则执行操作
4. 对于不确定知识,执行规则时需根据一定的算法计算结论的不确定性
5. 判断数据库中是否包含最终结论,若不包括,则继续推导。
3.1.3 产生式系统的例子:动物识别系统
运行流程:
1. 建立知识库
2. 将已知知识放入数据库
3. 控制系统开始检索规则库(对匹配上的规则做记号,或将规则放到首位,以快速找到常用的规则)
1. 规则库储备知识如下:
2. 现有已有知识:{暗斑点,长脖子,长腿,奶,蹄},放入综合数据库
3. 控制系统开始匹配
{暗斑点,长脖子,长腿,奶,蹄,哺乳动物}
{暗斑点,长脖子,长腿,奶,蹄,哺乳动物,有蹄类动物}
{暗斑点,长脖子,长腿,奶,蹄,哺乳动物,有蹄类动物,长颈鹿}
3.1.4 产生式系统的特点
- 优点:自然性、模块性、有效性、清晰性
- 缺点:效率不高、不能表达结构性知识
- 适合表示的知识
+ 领域知识间关系不密切,不存在结构关系
+ 经验性及不确定性知识,且相关领域对这些知识没有严格、统一的理论
+ 领域问题的求解过程可被表示为一系列独立的操作,每个操作可被表成一条或多条规则