（管理科学与工程专业论文）基于混合知识的多属性知识库知识表示和知识推理研究.pdf

摘要 基于混合知识的多属性知识库知识表示和知识推理研究是国家自然科学 基金项目( 7 0 2 7 1 0 0 2 ) 面向智能性管理决策的异构知识表示与知识管理研究的 系列研究之一。 伴随知识经济的出现，知识对于我们的生产生活显得愈来愈重要。同样对管 理决策系统也是如此，只有当具有较丰富知识和较强的知识处理能力时，才能 提供更为有效的决策支持。于是如何增强知识的开发和利用，改善决策智能水平， 提高系统运行效能，同时藉此推进管理决策智能化，是摆在面前项重要任务和 项新的课题。 鉴于一个系统的智能化主要体现在它对于知识的获取、表示、处理和利用的 功能上，智能水平低的问题症结就在于系统所含知识的匮乏。从剖析现有管理信 息系统( m i s ) 及一些决策支持系统( d s s ) 来看，也正是有缺乏知识的通病。甚 至就是一些智能决策支持系统( i d s s ) ，其知识库存在的知识仅包含事实与规则 的单一知识。随着i d s s 及知识发现的研究进展，近年相继出现了基于神经网络 以及基于遗传算法等的智能系统，它们部分别提供了有别于传统专家系统( e s ) 知识的知识获取和知识表示，但仍存在着知识不完全及知识之间不一致问题。为 此含有各种知识表示、具有多属性知识库的系统已受到关注和青睐。 但知识领域不断丰富，知识结构复杂化，加之决策阔题本身的特点，使i d s s 的知识表示变得越来越困难。统一的表示方法便于系统的实现和子系统间的接 口，但这样的表示系统又往往缺乏灵活性，同时知识结构本身的复杂往电使统一 的表示系统很难实现；异构表示系统采用不同的知识表示法分别表示各种知识， 可提高系统的表达能力，但也使各子系统间的接口变得比较复杂，实现的难度也 加大。理想的表示系统应能在表示一致性和知识复杂性之间进行折衷，使其既具 有较强的表达能力又便于实现决策者与系统之间以及各子系统之间的接口。 本文在传统知识库及知识表示基础上，将求解管理决策问题所用到的知识划 分为模型化数量知识，符号知识，实例知识，样本知识。因为在复杂的管理决策 问题中，这三类四种异性知识往往同时存在，所起的作堵各不相同，但相互之间 存在互补性，综合运用可提高问题表达和求解能力。 论文依照面向对象程序设计原则，将多种单一的知识表达方法组合成一种混 合知识表达形式，采用巴科斯范式( b n f ) 的描述方法进行知识描述和面向对象的 知识表示。在异构( 混合) 知识的面向对象表示的基础上，构建了一个在推理策 略控制下，以元推理机为核心，消息传递机制为纽带，各种功能推理机协调工作 的推理系统。最后以解决企业评价决策问题为例，说明基于混合知识的多属性知 识库中异构知识表示及其推理求解。 本文构建基于异构知识( 多种异性知识混合) 的多属性知识库，使知识丰富， 并引入面向对象方法进行知识表示，提高系统表达能力。更重要的是通过多属性 知识库提高了知识的处理和利用的能力，使各种异性知识有机会结合在一起，进 行推理集成利用来支持管理决策问题的决策全过程。这是研究的目标，也是本项 自然科学基金项目研究的重要部分。 关键词： 异构知识、多属性知识库、管理决策、知识表示、知识推理、面向对象方法 a s t u d y o nk n o w l e d g e r e p r e s e n t a t i o na n dk n o w l e d g e r e a s o n i n g b a s e do i l m u l t i p l e a t t r i b u t e s k n o w l e d g e b a s eo f h y b d dk n o w l e d g e a b s t r a c t ”as t u d yo nk n o w l e d g e r e p r e s e n t a t i o na n dk n o w l e d g er e a s o n i n gb a s e do nm u l t i p l ea t t r i b u t e s k n o w l e d g e b a s eo f h y b r i dk n o w l e d g e ”i sab r a n c ho f ”m a n a g e m e n td e c i s i o n o r i e n t e di n t e l l i g e n t s y s t e m ss t u d yo f i s o m e r i ck n o w l e d g er e p r e s e n t a t i o na n dk n o w l e d g em a n a g e m e n t ”w h i c hi s s p o n s o r e db y n a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no f c h i n a w i t ht h ea d v e n to f k n o w l e d g ee c o n o m y , k n o w l e d g ei s p l a y i n g am o r ea n dm o r e i m p o r t a n t r o l ei ti st h es a m ec a s ef o rm a n a g e m e n td e c i s i o ns y s t e m s ，w h i c hc a np r o v i d em o r ee f f e c t i v e d e c i s i o ns u p p o r to n l yw h e ne q u i p p e dw i t hr i c hk n o w l e d g ea n ds t r o n gk n o w l e d g e p r o c e s sa b i l i t y t h u s ，i ti sa ni m p o r t a n tt a s ka n dn e wt o p i ct oa d v a n c et h ed e v e l o p m e n ta n du t i l i t yo fk n o w l e d g e ， i m p r o v e t h ei n t e l l i g e n c el e v e lo f d e c i s i o na n di n c r e a s et h ee f f e c t i v e n e s so f s y s t e mf u n c t i o nt h e s e e f f o r t sc a nb o o s tt h ei n t e l l i g e n t i z a t i o no f m a n a g e m e n t d e c i s i o n t h ei n t e l l i g e n c eo f a s y s t e mi se m b o d i e di ni t sa b i l i t yo f a c q u i r i n g ，r e p r e s e n t i n g ，p r o c e s s i n g a n du t i l i z i n gk n o w l e d g e t h er o o t e dp r o b l e mo f l o w - l e v e li n t e l l i g e n c ei sal a c ko f k n o w l e d g et h e c u r r e n tm i sa n ds o m ed s sa r es u f f e r i n gf r o mi t e v e ns o m ei d s so n l yh a v es i m p l ek n o w l e d g eo f f a c ta n dr u l ei nt h e i rk n o w l e d g eb a s e s w i t ht h es t u d yd e v e l o p m e n to f i d s sa n dk n o w l e d g e d i s c o v e r y , t h e r ee m e r g es o m ei n t e l l i g e n ts y s t e m sb a s e d o nn na n dg a t h e yd i f f e rf r o mt h e t r a d i t i o n a le si nk n o w l e d g ea c q u i r e m e n ta n dr e p r e s e n t a t i o n h o w e v e r ，t h e r ea r es t i l lp r o b l e m so f k n o w l e d g ei n c o m p l e t e n e s sa n dd i s a g r e e m e n t f o r t h i sr e a s o n ，m o r ea t t e n t i o ni sg i v i n gt os y s t e m s w i t hm u l t i p l ea t t r i b u t e sk n o w l e d g eb a s e i tr e p r e s e n t sk n o w l e d g ei nd i f f e r e n tw a y s ，t h u si m p r o v e s t h er e p r e s e n t a t i o na b i l i t yo f t h es y s t e m b u to nt h eo t h e rh a n d ，t h er i c ho f k n o w l e d g ef i e l dw h i c h c o m p l e x e s t h ek n o w l e d g es t r u c t u r ea n dt h ec h a r a c t e ro f d e c i s i o np r o b l e mc a u s et h em o r e d i f f i c u l t yo nk n o w l e d g er e p r e s e n t a t i o n a c c o r d i n g t ot h ef o r m e rr e s e a r c ho nk n o w l e d g eb a s ea n dk n o w l e d g e r e p r e s e n t a t i o n ， k n o w l e d g eo nm a n a g e m e n t d e c i s i o np r o b l e mi sd i v i d e da sm o d e l i z e dq u a n t a t i v ek n o w l e d g e ， s y m b o lk n o w l e d g e a n dc a s e b a s e ds a m p l ek n o w l e d g e a n di nr e g a r d so f m a n a g e m e n td e c i s i o n ， e s p e c i a l l yw h e n e n c o u n t e r e dw i t hs o m ec o m p l i c a t e dp r o b l e m s ，m o d e l ，s y m b o l ，c a s e b a s e da n d s a m p l ek n o w l e d g e o f t e ne x i s tc o n c u r r e n t l ya n ds u p p o r tt h ea n a l y s i sa n ds o l v i n gp r o c e s s t h e y h a v ed i f f e r e n tf u n c t i o n sa n da r er e l a t e da n dc o m p l e m e n t a r yt oe a c ho t h e r u n d e rt h ed e s i g np r i n c i p l eo f o b j e c to r i e n t e d ，t h i sp a p e rf o r m sah y b r i dk n o w l e d g e r e p r e s e n t a t i o nc o m b i n e d w i t hk i n d so f s i n g l ek n o w l e d g er e p r e s e n t a t i o n i tu s e sb n f t od e s c r i b e t h ek n o w l e d g ea n dr e p r e s e n tt h ek n o w l e d g ej no b j e c to r i e n t e dm e t h o d o nt h eb a s i so f t h e o b j e c t - o r i e n t e dr e p r e s e n t a t i o no f i s o m e r i ck n o w l e d g eo rh y b r i dk n o w l e d g ea n du n d e rt h ec o n t r o l o fr e a s o ns t r a t e g y , i tc o n s t r u c t sar e a s o ns y s t e mw h i c ht h em e t ai n f e r e n c ee n g i n er u n sa sc o r e ， m e s s a g es e n d i n gs y s t e mi sc o n t a c ta n d f u n c t i o ni n f e r e n c ee n g i n e sw o r ki np h a s e a tl a s t ，t h e r e p r e s e n t a t i o na n dr e a s o n i n g o f t h ei s o m e r i ck n o w l e d g ea r ee x p l a i n e db yt h ee x a m p l eo f s o l v i n g t h em a n a g e m e n te v a l u a t i o nd e c i s i o np r o b l e m s b y t l eo b j e c t o r i e n t e dr e p r e s e n t a t i o na n di n t e g r a t e dr e a s o no fi s o m e r i ck n o w l e d g ei nt h e p a p e r s ，t h ei n t e l l i g e n tl e v e lo fm a n a g e m e n td e c i s i o ni sl i f t e da n dt h ep r o b l e ms o l v i n ga b i l i t yi s h i g h l yp r o m o t e d a n di ti sm o r ei m p o r t a n tt h a tm u l t i p l ea t t r i b u t e sk n o w l e d g eb a s ee l e v a t e st h e a b i l i t yt ou s ek n o w l e d g e - - t h ei n t e g r a t e dr e a s o na n da p p l i c a t i o no fi s o m e r i ck n o w l e d g et os u p p o r t m a n a g e m e n td e c i s i o nt h i si sn o to n l yt h eo b j e c t i v eo f r e s e a r c hb u ta l s ot h e k e yp a r to f t h en n s f w h i c hi sc a r r y i n go n m d c a n d i d a t e ：t a n gz h i j i e ( m a n a g e m e n ts c i e n c e e n g i n e e r i n g ) s u p e r v i s e db y ：p r o f y a n gb a o a n k e y w o r d s ： i s o m e r i c k n o w l e d g e ，h e t e r o g e n e o u sk n o w l e d g e ，m a n a g e m e n t d e c i s i o n ，k n o w l e d g e r e p r e s e n t a t i o n ，k n o w l e d g er e a s o n i n g ，m u l t i p l ea t t r i b u t e sk n o w l e d g eb a s e ，o b j e c to r i e n t e d m e t h o d 附件一： 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的 指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名：廖磐i ! ! = 日期：2 d o 牛年，2 月f 日 附件二： 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家 有关部fj 或机构送交论文的复印件和电子版允许电文被查阅或借阅。本人授权东华大学u j 以将本学位论文的全部或部分内容编 有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存和忙编本学位论文。 保密口，在 年解密后适用本版权书。 本学位沦文属于 不保密回。 学位论文作者签名 廖磐度 日期：如浒拄f 2 月1 日 指导教师签名 拓饼劳 口期纠年f 瑚j 日 基于混合知识的多属性知识库知识表示和知识推理研究 第一章绪论 1 1 研究背景及意义 本文基于混合知识的多属性知识库知识表示和知识推理研究是国家自然 科学基金项目面向智能性管理决策的异构知识表示与知识管理研究的系列研 究之一。 随着进入知识经济时代，知识越来越重要，已成为经济的推动力和支持成功 的中间力量。随之知识管理也应运而生，其作用与日俱增，尤其倍受企业的高度 重视，因知识管理的目的是寻求一定的利益。从组织行为来看，知识管理是从组 织的无形资产一知识，创造价值的过程，它通过管理知识，提高企业的知识生产 率，虽终提高企业的竞争能力和创新能力。知识管理是近年来受到企业界和学者 关注的热门课题，并逐渐成为一门比较新的学科。 从基于信息观点看，知识管理是以信息管理为基础的。但知识管理的含义， 除了对信息管理，还包含了对人的管理。知识管理已超出了信息管理的涵义，其 实现的技术、方法和手段要求更加先进和完善；知识管理系统比通常的信息管理 系统更具有复杂性，它的实施更要求综合集成技术。 由于知识管理植根于企业，当前的讨论和研究大都集中在管理范畴内，但对 于知识管理的实现及其所需的提供的技术、方法和手段等方面的讨论还不是很 多。论文将涉足于这方面的问题，尝试以i t 为手段来着眼、构建为知识管理提 供基础的知识库。其中运用知识管理有关外化、内化、中介和认知的基本职能概 念，切换到进行知识间转换，和知识集成。 论文研究所试图构建的多属性知识库系统不同于通常的管理决策系统，这是 采用三类四种异构知识进行知识描述、表示以及推理、集成利用的知识管理智能 决策支持系统。建立知识库的目的是使系统的知识丰富、精炼，并通过智能推理 控制使其有一定的学习能力，从而达到改善智能水平、提高系统的运行效能，并 籍此推进管理决策智能化。 总的来看，论文的研究内容是适应知识经济的发展与智能经济市场的需要， 同时也符合智能决策支持系统研究的发展趋势( 如基于机器学习智能决策支持系 基于混合知识的多属性知识库知识表示和知识推理研究 统等) ，所以说既具有十分重要的科学意义，同时有其实际价值，并有潜在的广 泛应用前景。 1 2 知识管理与人工智能的密切关系 众多研究者早己形成共识，人工智能系统是个知识处理系统，而知识表示、 知识利用和知识获取则成了人工智能系统的三个基本问题。而从知识管理的研究 内容看，无论基础理论研究、实用技术开发，包括了知识的获取技术、知识表示 方法、知识推理、知识系统体系结构等。为此，知识管理系统表现出具有人工智 能及其系统的特点，可以说知识管理是人工智能的一个重要应用分支。而传统人 工智能不能很好进入实用的主要原因有知识匮乏、智能系统只含有少量的规则和 事实，以至智能水平不高，系统运行效率低。除知识多寡影响外，知识是否正确 与精炼( 求精) 也有较大影响。 知识管理的研究丰富了人工智能研究内容，使人工智能理论走向更深入、广 泛的领域。这可表现在： 1 )在知识处理技术上，传统人工智能中的符号智能方法与计算智能 ( 或称软计算，包括人工神经网络、模糊逻辑、进化计算等) 方法都 能提供一些规则生成、数据采掘、知识发现的方法，到定程度后， 将会集成为综合型系统。 2 )知识管理的模式( 四种) 及基本职能，将实现知识问的转换、求 精及集成。在知识转换与求精方法运用中将把人工智能的符号主义 的专家系统及联结主义的神经网络方法进行集成，从而使知识系统的 知识丰富、求精、集成并具有一定学习能力，达到改善系统智能水平、 提高系统运行效率，因此可以说知识管理的发展进一步推动了人工智 能的深入、广泛应用。 1 a 课题任务与研究对策 本文采用面向对象的知识表示手段表示模型化数量知识，符号知识，实 基于混合知识的多属性知识库知识表示和知识推理研究 例知识，样本知识这三类四种异性知识，在此基础上进一步进行知识推理、 知识集成与利用，构建多属性知识库系统。整个基金项目的最终目标是实现 知识管理，使置于知识库的知识丰富、精炼( 求精) 和具有一定学习能力以 达到改善管理决策系统的智能水平和提高系统的运行效能。 1 技术路线 ( 1 ) 决策问题在学习过程中，管理决策问题将被分解为一些子问题集 合，对原问题求解可转化为各子问题求解。 ( 2 ) 关予实例样本性知识的获取可由两个重要途径，一个是当实例成 为范例时，用基于范例推理( c b r ) 。c b r 不同于通常基于规则链 推理( r b r ) 的专家系统，它具有学习能力，但它的解释性远不 如r b r 。另一种途径用神经网络直接从实例样本学习。本项目研 究倾向于用神经网络，至于它的“黑箱”问题，缺乏解释性，如 需要，以后可通过知识转换为符号性知识以增加其透明性和结构 化程度。 ( 3 )鉴于管理决策问题的管理科学，运筹学的模型范围较广，在应用实 例中，将遵循s i m o n 对管理决策问题所定的情报、设计、选择与 评价的四个阶段，拟将智能系统用于评价。以评价作实体为对象， 将评价问题作为论域。 2 实验方案 ( 1 )在分析三种异构知识的相应递解分解表示方法基础上，讨论模型 化数量性知识与经验归纳符号知识相结合，经验归纳符号知识与实 例样本性知识结合，模型数量性与实例样本性知识相结合，及最后 三种异构知识的集成。 ( 2 )以评价实体作为对象时，将融入多目标属性决策( m a d m ) 模 型( 主要用于信用评价和绩效评价) ，并采用面向对象表示方法可以 将m a d m 模型作为知识对象进行表示。 基于混合知识的多属陛知识库知识表示和知识推理研究 ( 3 ) 在模型选择时，用e s 进行模型类别选择，用a n n 进行模型结 构选择。 ( 4 ) 对于知识转换中神经网络规则提取将采用综合算法。 ( 5 ) 对面向对象知识表示方法的计算机实施，宜采用o o p 特性的语 言更为合适。 1 4 本文的工作与主要贡献 1 4 1 本文的工作 基于混合知识的多属性知识库是为智能型管理决策系统服务的，智能型管理 决策蕴涵了“知识管理”和“信息管理”的概念。对比过去以及现有大部分研究 比较强调数据、信息的作用，本论文的研究内容着重强调知识和对知识的管理利 用的作用。 1 研究内容 ( 1 )面向管理决策多种异构知识描述和知识表示系统 a 三种异构知识的描述 从认识论角度将知识在广义定义，就管理决策问题，它可分为模型化 数量性知识、经验符号性知识、实例样本性知识三种。它们具有异质结构， 但不同知识描述形式之间存在互补性，籍此可提高系统表达能力。 b 基于异构知识的知识库组织与知识推理 这将包括研究各种异构知识的表示、广义知识结构及其知识表示、广 义知识的集成表示、广义知识结构的推理机制。 ( 2 )面向评价决策问题的应用 在面向管理决策中，选择以评价作为实体对象，将评价问题作为项目研 究的应用。通过面向评价决策问题实现，可以看到对决策问题所归结的三种 异构知识的描述，以及实现对知识的转换、转换求精、集成，通过有效的知 基于混合知识的多属性知识库知识表示和知识推理研究 识管理，促使管理决策智能化水平的提高。 2 研究方法 ( 1 ) 采用面向对象的知识表示方法。通过对象的分类和分解，实现知识 分类表示和分解表示使以对象为主体的知识系统能表示多种异构知 识。在这里用面向对象的模型表示方法以将模型作为知识对象进行 表示。 ( 2 )当把模型看成一种知识时，可以用统一的推理机制进行模型智能化 选择，以实现智能系统将a i 技术( e s 和a n n ) 与管理决策的模型 技术相结合。将决策问题求解过程与学习过程结合起来。 在知识系统中，运用人工智能技术，通过e s 与a n n 结合、集成实现 知识间转换与知识求精。 1 ，4 2 本文的主要贡献 总体而言，本文研究具有一定的先进性，主要体现在： 1 ) 整合了管理决策问题求解中所要使用模型化数量知识、符号知识、实例知识 ( c b r ) 、样本知识( 人工神经网络) 三类四种异性知识； 2 ) 在三类四种异构知识分类的基础上，依照面向对象程序设计原则，将多种单 一的知识表达方法组台成一种混合知识表达形式： 3 ) 进行多属性知识库的知识表示和混合知识推理研究，构建了一个在推理笨略 控制下，以元推理机为核心，消息传递机制为纽带。各种功能推理机协调工 作的推理系统； 4 ) 知识库设计以面向对象的程序设计语言和关系型数据库为基础架构，构建整 个知识库；应用面向对象的消息传递为系统控制机制；面向对象的继承性体 现在模型知识内部的整合； 5 ) 将三类四种异性知识的表示及推理研究应用到评价决策问题的求解上； 6 ) 将人工智能技术中的人工神经网络和基于案例推理应用到评价决策问题的 求解，并与多目标属性决策( m a d m ) 模型相融合。 基于混合知识的多属性知识库知识表示和知识推理研究 第二章知识库系统原理 我们所要构建的智能性管理决策系统在某种意义上是种基于知识的求解 系统，该系统的关键在于知识的表示和组织。这就需要引入知识库系统的支持。 知识库是计算机在非数值处理领域的应用。知识库处理的知识不仅涉及大量 的数据，而且还涉及人类从自身的活动中积累起来的大量知识。 下面是知识库涉及的相关概念。 2 1 知识概述 2 1 1 数据、信息和知识 数据是对事实的一种表达形式，它包括数字、文字和图形。 信息是对人有用的，能够影响人们行为的数据和符号的统称，它通过对数据 或符号的处理而产生的。 知识是人类对客观世界的认识，是人们在生活、劳动中形成的系统信念和经 验的集合。 图l 数据、信息和知识结构图 如图1 所示，在人类认知的体系中，数据在底层，而知识在最上层。数据是信 息的载体，信息是数据所表达的客观事实。数据经过一系列的加工，如归纳、综合、 比较、分类、联想或计算等数据处理过程成为信息，以使人们容易理解数据的意 义。在数据和信息之上的是知识。知识是人们通过实践认识到的客观世界规律性 的东西3 ”1 ”。 知识是信息经过加工整理、解释、挑选和改造而形成的，是人们进行决策的 基于混合知识的多属性知识库知识表示和知识推理研究 基础。知识是一种更宝贵的资源，知识的推广和使用可以产生巨大的经济效益。 2 1 2 知识的类型 在知识的体系结构中，过程型知识、陈述型知识和元知识是基本的知识类型。 2 1 2 1 过程型知识 过程型知识是关于如何完成某件事情或处理某个问题的说明性知识。它针对 特定的问题，根据具体的处理步骤用一系列过程来表达的，执行效率高，但它有以 下缺点3 “： 1 ) 不易表示大量知识，且知识难于理解和修改。 2 ) 只适合表达完全正确的知识，稍有含糊的知识就难于用程序表达。 3 ) 只适合于处理完整、准确的数据。 2 1 2 2 陈述型知识 以描述的方式来表示的知识叫陈述型知识。它由事实知识和判断知识组成。 陈述型知识具有知识表示清晰明确、易于理解、可读性和适应性好等优点。 但它在解决问题时要重复查找适用的知识，在知识量多时处理效率较低。儿叫。 2 1 2 3 兀知识 所谓元知识就是关于知识的知识。3 。元知识可分为以下几类： 第一类是有关怎样组织、管理知识的元知识，这些元知识刻划了知识的内容 和结构的一般特性，以及分类、综合等有关特征。 第二类是有关利用知识求解问题方向的元知识，对领域知识的运用超指导作 用。 第三类是有关从知识源中获取知识的知识。在这里知识源包括书本、人脑和 其他知识系统。 2 1 3 知识的分级与分层 知识是分级的啪”。可以从“零级知识” 一级知识对底层知识有指导意义。 “零级知识”是关于问题领域的事实、 “一级知识”到“n 级知识”。每 定理、模型、实验对象和操作等的 基于混合知识的多属性知识库知识表示和知识推理研究 常识性知识和原理性知识。在“零级知识”基础上经验和信念可称为“一级知识”， 如经验规则、含义模糊的建议、不确切的判断标准等。在上述两级知识的基础上 又产生“二级知识”，“三级知识”等元级知识。 知识又可以分成表层知识与深层知识。表层知识模型可以用产生式规则来组 成。深层知识模型由数学函数的集合来组成。表层知识用来解决具体问题；而深 层知识则是理论，用来说明表层知识的严密性与正确性，是原理性的知识。 某种知识表示方法，只有当它既有表层模型又有深层模型，才能认为是完全 的知识表示方法。 2 1 4 知识原理 系统求解问题的能力与拥有的知识成正比。知识系统在求解问题的过程中， 利用专业领域的概念、事实、方法、模型以及启发性知识，从巨大的解空间中迅 速找到合适解的能力，体现了智能性，这就是知识原理的定义。 2 2 知识库和知识库系统 2 2 1 知识库 知识库是人工智能与数据库技术相结合的产物，它是以一致的形式存储知识 的机构。知识库由知识和知识处理机构组成。“5 ”。知识库形成一个知识域，该知 识域中除了事实、规则和概念之外还包含推理、归纳、演绎等知识处理方法，逻 辑查询语言、语义查询优化和人机交互界面等。 2 2 2 知识库管理系统 知识库管理系统是对知识库进行管理、控制，完成对知识库的各类操作，并向 用户提供检索、查询手段的软件系统。 它包括系统的维护与诊断( 包含一致牲维护等) 、日常的系统事务管理、知 识库系统的安全控制等。 2 2 3 知识库系统 知识库系统是以知识为核心，包含硬件和软件等各种资源，实现知识共享的 基于混台知识的多属性知识库知识表示和知识推理研究 系统。 知识库系统“1 1 的基本组成如图2 所示。 i 知识源il 用户 00 知识获取接e 1用户接口 上0 i知识库管理系统 i( 包含一致性维护等) 0 知识库ti 推理机l 幽2 知识厍系统组成 系统的核心是知识库和推理机。知识库存放知识，而推理机则是使用知识库 知识，推导求解问题的软件予系统。它利用知识，解析输入的规则、实例、对象等 知识，推导求解，得到结论。帮助知识库获取新知识和与知识库相互独立是推理 机的两个重要特点。 知识获取接口实现从知识源抽取知识。知识源包括领域专家，书本知识等。 通常由知识工程师负责知识转换。当然知识库本身也具有知识获取能力，可以通 过自学习产生新的知识。 用户接口负责用户与系统的交互实现，即将用户输入提交系统，将系统输出 反馈用户。 2 3 知识库系统实现的关键问题 知识表示和知识获取是知识库系统实现的关键技术问题。 知识采用什么形式表示，使计算机能对其进行处理，并以一种人类能理解的 方式将处理结果告知人们，这是知识库系统首先要解决的关键问题。在知识表示 的基础上才能进行知识推理，才能实现知识库的搜索、目标的控制、模式匹配的 方法、推理的策略，以及对不确定性知识的评价等一系列应用。 知识获取是指从知识源获得知识来建造知识库的工作。知识库中的知识有两 基于混合知识的多属性知识库知识表示和知识推理研究 个来源，一个是原始知识，由外界直接进入知识库：另一个是中间知识，是由推理 机构生成后追加入知识库。知识获取是目前知识库系统应用中最难解决的一个关 键，成为建立知识库系统的一个瓶颈部分。目前在研究的解决该难题的各种对策 方法中，利用计算机学习来实行自动或半自动的知识获取是最理想的目标。 知识库技术是知识型人工智能应用系统的基础，它使计算机应用系统具有更 多的智能。目前，人们已在各个方面广泛开展了对知识库系统的研究和开发，并应 异j 知识库研究专家系统和神经网络取得了很多成果，涌现出了智能计算机管理、 智能机辅助设计、职能机器人以及神经网络计算机等。“”。 2 3 1 知识表示 在知识库的建设中，知识表示处于中心地位。一方面获取知识必须表示成某 种形式来记录知识；另一方面知识表示也是使用知识的基础。能否把知识表示出 来不仅对知识的处理非常至关重要，而且表示的好坏对知识处理的效率和应用范 围，对知识获取和学习机制的研究也有直接影响“。所以，知识表示问题向来 就是知识处理中最热门的研究课题之一。而且往往把它与知识获取和知识运用结 合起来研究，以求知识处理的最佳效果。迄今，学者们已经提出了许多知识的表 示方法。例如：一阶谓词逻辑表示，关系表示，框架表示，产生式表示( 或规则表 示) ，语义网表示，过程表示，脚本表示，面向对象表示等。 这些表示方法各自适用于表示某种类型的知识，从而被用于不同的应用领 域。根据领域知识的特点，选择一种知识表示方法就可解决问题。但有时为了开 发有较宽领域的知识系统，就需要选择多种知识表示或多种表示方法相结合来表 示领域知识。而智能决策支持系统的一些有关知识主要包括“2 1 ： ( 1 ) 怎样形成候选方案的知识； ( 2 ) 关于建立候选方案评价模型的知识： ( 3 ) 关于确立评判标准的知识； ( 4 ) 关于评判和选择问题的锯或方案的知识； ( 5 ) 关于如何修正原候选方案，从而得到更有希望的候选解的知识等等。 因此在选择知识表示方法时应具有以下特性“2 1 ： ( 1 ) 结构化程度高，以便于大规模知识库的管理与维护； ( 2 ) 支持不同系统的分布式处理； 基于混台知识的多属性知识库知识表示和知识推理研究 ( 3 ) 能给用户提供一个一致的调用接口： ( 4 ) 表达能力强，能够表达实体间的各种联系 ( 5 ) 具有较好的可扩充能力。 以下是常见的知识表示方法。 逻辑表示法 逻辑表示法是指各种基于形式逻辑的知识表示方案。它是在人工智能领域中 使用较多的知识表示法。其中以一阶谓词表示法最为广泛。 逻辑表示法建立在形式逻辑的基础上，决定了它具有下列优点”1 ”： 1 ) 接近于人们对问题的直观理解，易于被人们接受； 2 ) 对如何由简单陈述构造复杂事物的方法有明确、统一的规定，易于理解； 3 ) 有效地分离了知识和处理知识的程序。 逻辑表示法的缺点“： 1 ) 没有关于如何组织知识的信息，多数基于逻辑的系统采用顺序存储的方 式组织知识。当知识量较大时，这种方法给知识检索带来了困难。 2 ) 从推理的角度来讲，完全形式化的推理方法中无法使用启发性知识。而 且有浪费时间和空间的趋势，还有可能会引起组合爆炸。 3 ) 没有回朔策略，不适合处理启发性知识； 4 ) 推理过程不易理解： 5 ) 需要事先知道所要达到的目标。 逻辑表示和归结方法的b 日点限制了它们的应用范围和解题难度。它主要用于 自动定理证明( a u t o m a t i ct h e o r e mp r o v i n g ) 、问题解答( q u e s t i o na n s w e r i n g ) 、 机器人学( r o b o t i c s ) 等领域 产生式表示法 产生式规则( p r o d u c t i o nr u l e ) 表示是目前专家系统中使用最广泛的知识表 示方法，使用这种表示法的专家系统通常称为基于规则的专家系统( r u l e b a s e d e x p e r ts y s t e m s ) 。 基于混合知识的多属性知识库知识表示和知识推理研究 对于常见的i fpt h e nq 产生式的含义是：如果前提条件p 满足，则可以推出q 成立。 产生式系统的形式描述语义： ：= ( 谓词名 ( ( 变量 ，) ： ( 。) ：= 空j ， ：= l ：= 空| ：= 一 ：= ， 产生式规则表示法一般是在所谓的产生式系统中使用的。一个产生式系统由 三个基本组成部分：全局数据库( g l o b a ld a t ab a s e ) 、规则库( r u l eb a s e ) 和规则 解释器( r u l ei n t e r p r e t e r ) 。1 。 全局数据库用于描述问题和环境，包括与特定问题有关的种种临时信息。 规则库由一组产生式规则组成。每一个规则是由条件和结论两部分组成。 规则解释器将规则的条件部分与全局数据库的内容进行一匹配。如果成 立，规则解释器则根据动作部分描述的信息去修改全局数据库的内容。 产生式规则的优点“1 ： 1 )产生式规则与人类的判断性知识形式上基本一致，比较自然； 2 )规则库中的知识具有相同的格式，并且全局数据库可被所有的规则访 问，因此规则可以统一处理； 3 )规则库中的各个规则之间只能通过全局数据库发生联系，而不能直接相 互调用，从而增加了规则的模块性，有利于知识的修改和扩充。 产生式规则的缺点“： 1 ) 由于规则库中的知识都有统一的格式，并且规则之间的联系必须以全局 数据库为媒介，可能会引起产生式系统求解问题时的低效率。 2 ) 虽然判断性知识可以用规则的形式很自然地表达，但过程性知识却不能 以自然的方式表达，因此系统求解问题时的控制流程有些难以理解。 基于混合知识的多属性知识库知识表示和知识推理研究 框架表示法 框架是一个由结点和关系组成的网络。框架由不同的槽组成，槽中填入具体 值后，可以得到一个描述具体事物的框架。每一个槽又可以由侧面组成，侧面限 定了槽的取值范围、求值方法等。“”1 。 框架的b n f 表示： ：= i ( ，) ：= ：= j ：= f i i i ：= f ：= l ：= ：( 槽值 槽部分) ：= ， ：= 约束 ， ：= 框架名 ：= 框架中可以包含各种的信息： 1 ) 描述事物的信息； 2 ) 如何使用框架的信息； 3 ) 关于下一步发生什么事情的期望及如果所期望的事件没有发生应该怎么 办的信息等等。 这些信息包含在框架的各个槽的侧亟中，一个具体事物可由檀中已填入 值的框架来描述。 具有不同的槽值的框架可以反映某一类事物中的各个具体事物。 相关的框架链接在一起形成了一个框架系统。框架系统中由一个框架到 另一个框架的转换可以表示状态的变化、推理或其它活动”3 。不同的框架 可以共享同一个槽值，这种方法可以把不同角度搜集起来的信息较好地协调 起来。 基于混合知识的多属性知识库知识表示和知识推理研究 语义网络表示法 语义网络是由结点和弧组成的有向图”1 。结点代表实体、概念、位置等，弧 代表结点间的关系。它借鉴了人类的记忆是由概念及概念之间的联系组成的思 想，能较好的表现人类联想记忆的机能。通过引入标记结点、深度格、分块技术 等，语义网络可以构造任意复杂的句子。与谓词逻辑不同，语义网络没有公认的 形式表示体系”。”1 。一个给定的语义网络所表达的意思完全取决于处理程序如何 解释它。使用网络的本质是找出网络的某部分，来表达我们所需要的信息。 语义网络的b n f 描述： ：= l m e r g e ( ，) ：= ：= ( ，) ：= ： ：= l 大多数用语义网络表示知识的系统都采用匹配技术处理网络。在这种技术 中，把所要寻找的信息或需要回答的问题表示成一个网络碎片，然后把这个碎片 与整个网络相比较( 匹配) 以找出我们所需要的信息。匹配的关键是要利用网络提 供的各概念之间的联系。 语义网络的优点”： 1 ) 是一种比较直观的表示方案，表示的知识容易理解； 2 ) 容易实现自然语言与语义网络之间的转换； 3 ) 提供了检索信息的索目1 ，各结点之间的重要联系阱明确、简洁的方式表 现出来。通过边结点的各种弧很容易找出与某一结点有关的信息，可以 有效的避免搜索时所遇到的组合爆炸问题。 语义网络的缺点1 ： 1 ) 语义网络所表达的意思完全依赖于处理程序对它们的解释，所以与逻辑 表示法相比，通过推