笔记 | 人工智能导论-第三章 产生式知识表示法

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