（计算机应用技术专业论文）地震预报专家系统中基于com的驾驭式解释机制研究.pdf

上海大学硕士学位论文 t h ep o s t g r a d u a t et h e s i so fs h a r i g h a iu n i v e r s i t y 摘要 专家系统作为人工智能领域中最活跃最有实用意义的研究领域之一，已经 被广泛应用予工业、农业、医学、教育、商业以及军事等各个方面，取得了令 人嘱目的成效，并有力地促进了这些学科的发展。经过十几年不懈的努力，专 家系统在地震预报领域中也得到了一定的应用，已经产生了积极的成效。在地 震预报领域中应用专家系统，可以全面总结人类专家有关地震预报的经验，避 免单个专家预报和决策的局限性。由于地震的突发性和预报后果的严重性，人 类专家在紧张状态下的判断结果会受情绪和环境的影响而出现片面性，而新一 代地震预报专家系统可以较好地解决这些问题，同时还能克服人类专家的时空 限制。由于在地震预报中存在着大量的不确定性问题，通过专家系统的不精确 推理，可以推进地震预报由经验性预报向概率性预报过渡，使预报结论更加合 理可靠。 另外，解释在专家系统中处于非常重要的地位，除了说明问题求解过程之 外，它还起着证实结论、帮助学习、辅助系统调试甚至获取知识的作用。解释 已成为衡量一个系统智能程度的主要标志。 本文的主要内容是利用过程型程序设计语言v i s u a lc + + 和逻辑型程序设计 语言v i s u a lp r o l o g 协同开发地震预报专家系统，在实现全局推理的基础上对解 释方法进行研究与探索。 首先，本文论述了解释的概念、解释研究的基本内容及其作用。 其次，本文讨论了借助c o m 技术结合过程型程序设计语言和逻辑型程序设 计语言协同开发专家系统的具体方案。该方案可以充分发挥不同类型语言的优 势，为人工智能软件的开发提供了套可行的实现方法。本文所提出的两套方 案各自适合于不同的开发需求。 再次，本文对驾驭式解释方法作了较为深入的研究，提出了同步解释和驾 驭解释的具体实现方案。该解释方法使用户积极主动地参与到专家系统的推理 中，使推理结果更加满足用户的需求。 最后，本文具体描述了地震预报专家系统全局推理的实现技术和过程，并 在全局推理模块中引入通用模糊推理算法。在此基础上系统可对推理前提、选 上海大学硕士学位论文 坠! 里! 生翌! ! ! ! ! 里! ! ! ! ! ! 兰望! 呈韭! ! 旦! ! ：! ! 墅笪 择证据、使用规则进行驾驭，即可供用户同步了解当前推理状况，并可适当调 整所控制对象内容，使推理结果更贴近于用户的需求。 本文得到了上海市教委发展基金项目地震预报专家系统中驾驭式解释机 制的研究、上海市科委启明星计划项目具有协同解释能力的地震预报专家 系统的研制和国家科技部“十五”攻关项目华东南地区地震短期预测新方 法及综合预报专家系统的研究的资助。 关键词：地震预报专家系统，同步解释，驾驭解释，模糊匹配 一_ 2 一 上海大学硕士学位论文 t h e p o s t g r a d u a t et h e s i so fs h a n g h a iu n i v e r s i t y a b s t r a c t t o d a y ，e x p e r ts y s t e m i so n eo f t h em o s ta c t i v ea n dp r a c t i c a lb r a n c h e si na r t i f i c i a l i n t e l l i g e n c e ，w h i c hi sw i d e l ya p p l i e d i ni n d u s t r y ，a g r i c u l t u r e ，m e d i c i n e ，e d u c a t i o na n d m i l i t a r ya f f a i r s t h eo u t s t a n d i n ga c h i e v e m e n ti sg o ta n dt h ed e v e l o p m e n to f t h e s e s u b j e c t si se f f e c t i v e l yp r o m o t e db yt h ea p p l i c a t i o no fe x p e r ts y s t e m e x p e r ts y s t e m a l s oh a sb e e na p p l i e di ne a r t h q u a k ep r e d i c t i o n ，a n dg o ts o m ea c h i e v e m e n tt h r o u g ht e n y e a r s e f f o r t s t h ea p p l i c a t i o n o fe x p e r t s y s t e m i n e a r t h q u a k ep r e d i c t i o n c a n s u m m a r i z et h ee x p e r i e n c eo f e a r t h q u a k ep r e d i c t i o na n da v o i dt h el i m i t a t i o no fs i n g l e e x p e r t sp r e d i c t i o n a n dd e c i s i o n b e c a u s eo ft h e u n e x p e c t e d n e s s o f e a r t h q u a k e b u r s t i n ga n dt h es e r i o u s n e s so fp r e d i c t i o nr e s u l t ，t h ej u d g m e n td e c i d e db yh u m a n e x p e r t i nt h eu r g e n ts t a t e m a y b eo n e - s i d e db yt h ee f f l u e n c eo fh u m a ne x p e r t s e m o t i o na n de n v i r o n m e n t s b u tn g e s e p ( n e wg e n e r a t i o n a le x p e r t s y s t e mf o r e a r t h q u a k ep r e d i c t i o n 、c a no v e r c o m et h i sp r o b l e m a n dt h et i m ea n ds p a c e l i m i t a t i o n o fh u m a ne x p e r t a l t h o u g ht h e r ea r em a n yu n c e r t a i n t y p r o b l e m s i n e a r t h q u a k e p r e d i c t i o n ，i tm a ys p e e du p t h et r a n s f o r m a t i o no fe a r t h q u a k e p r e d i c t i o n f r o m e x p e r i e n c ep r e d i c t i o nt op r o b a b i l i t yp r e d i c t i o na n dm a k et h er e a s o n i n gr e s u l tm o r e r e a s o n a b l ea n dr e l i a b l eb y u n c e r t a i n t yr e a s o n i n g e x p l a n a t i o n i so n eo f i m p o r t a n tc o m p o n e n t s i n e x p e r ts y s t e m s b e s i d e s i n t e r p r e t i n g t h ep r o c e s s e so f p r o b l e m b e i n gs o l v e d ，i ta l s ot a k e st h er o l e so f j u s t i f y i n g t h er e s u l t s ，a s s i s t i n gl e a r n i n g ，d e b u g g i n gt h es y s t e ma n de v e na c q u i r i n gk n o w l e d g e e x p l a n a t i o nh a sb e c o m e a k e yc r i t e r i o n t h a tm e a s u r e st h e i n t e l l i g e n td e g r e e o f s y s t e m s t h em a i nc o n t e n t so ft h i s p a p e ra r eu s i n gv i s u a lc + + a n dv i s u a lp r o l o gt o i m p l e m e n tg l o b a lr e a s o n i n gi nn g e s e pi nv i r t u eo fc o m t e c h n o l o g y o nt h eb a s i s a l lk i n d so f e x p l a n a t i o nm e t h o d s a r er e s e a r c h e di nt h ep a p e r f i r s t l y ，t h ec o n c e p t i o n s ，r o l e sa n db a s i sc o n t e n t so fe x p l a n a t i o na r ed i s c u s s e d s e c o n d l y ，t h ed e t a i l e ds c h e m eo fu s i n gp r o c e d u r a lp r o g r a m m i n gl a n g u a g ea n d l o g i c a lp r o g r a m m i n gl a n g u a g et od e v e l o pt h ee x p e r ts y s t e mo nt h eb a s i so fc o m t e c h n o l o g y t h es t r o n g p o i n to f t h e mm a yb ef u l l yd e v e l o p e d i tp r o v i d e saf e a s i b l e s c h e m eo f d e v e l o p i n gs o f t w a r ea b o u ta i t h et w od e v e l o p i n gm e t h o d sd i s c u s s e di n t h ep a p e ra d a p tt od i f f e r e n tr e q u i r e m e n t s 上海大学硕士学位论文 t h i e f y ，s t e e r i n ge x p l a n a t i o nm e t h o d si s d e e p l yr e s e a r c h e di n t h ep a p e r t h e d e t a i l e di m p l e m e n t a t i o ns c h e m eo fs y n c h r o n o u se x p l a n a t i o na n ds t e e r i n ge x p l a n a t i o n i si n t r o d u c e d t h eu s e rm a y t a k ep a r ti nt h er e a s o n i n ga c t i v e l yt om a k e t h er e s u l tm e e t t h er e q u i r e m e n t f i n a l l y ，t h ei m p l e m e n t i n gt e c h n o l o g y a n dp r o c e d u r eo fg l o b a lr e a s o n i n gi n n g e s e pi sd e s c r i b e di nd e t a i l b a s e d o l lt h ef u z z yr e a s o n i n g a l g o r i t h ma p p l i e di nt h e m o d u l e ，t h ep r e m i s e ，t h ee v i d e n c ea n d t h er u l em a yb er e i n e di nt h er e a s o n i n g i nt h e o t h e rw o r d ，t h eu s e rm a yk n o wt h ec u r r e n tr e a s o n i n gs i t u a t i o ns y n c h r o n o u s l ya n d a d j u s tt h ec o n t e x t o f t h ec o n t r o lo b j e c t s ot h er e s u l tm e e t st h er e q u i r e m e n to f t h eu s e r m o r e a p p r o p r i a t e l y t h i sp a p e rh a sb e e ns u p p o r t e db yt h ed e v e l o p m e n tf o u n d a t i o np r o j e c to f s h a h g h a ie d u c a t i o n a lc o m m i t t e e r e s e a r c ho ns t e e r i n ge x p l a n a t i o ni ne x p e r ts y s t e m f o re a r t h q u a k ep r e d i c t i o n ”，t h ey o u t hs c i e n c ea n dt e c h n o l o g yp h o s p h o m s p l a n n i n g p r o j e c to fs h a n g h a is c i e n c ec o m m i t t e e “d e v e l o p m e n to fc o o p e r a t i o ne x p l a n a t i o n i n e x p e r ts y s t e mf o re a r t h q u a k ep r e d i c t i o n a n dc h i n a sn a t i o n a lk e yt e c h n o l o g i e s r e s e a r c ha n dd e v e l o p m e n tp r o g r a mi nt h el o t hf i v e - y e a rp l a no fm i n i s t r yo f s c i e n c ea n dt e c h n o l o g y “r e s e a r c ho nn e ws h o r t t e r mp r e d i c t i o nm e t h o d sa n d e x p e r t s y s t e mf o re a r t h q u a k ep r e d i c t i n gs y n t h e t i c a l l yi ns o u t h e a s to f c h i n a ” k e y w o r d s ：e x p e r ts y s t e mf o re a r t h q u a k ep r e d i c t i o n ，s y n c h r o n o u se x p l a n a t i o n ， s t e e r i n ge x p l a n a t i o n ，f u z z ym a t c h 上海大学硕士学位论文 t h ep o s t g r a d u a t et h e s i so f s h a n g h a iu n i v e r s i t y 第一章绪论 人工智能( a j ：a r t i f i c i a li n t e l l i g e n c e ) 是当今世界的三大尖端技术之一，它的研 究领域包括知识工程( k e ：k n o w l e d g ee n g i n e e r i n g ) 、专家系统( e s ：e x p e r t s y s t e m ) 、决策支持系统( d s s ：d e c i s i o ns u p p o r t e ds y s t e m ) 、模式识别( p r ：p a t t e r n r e c o g n i t i o n ) 、自然语言理解f t , , r l c ：n a t u r a ll a n g u a g ec o m p r e h e n s i o n ) 、智能机器 人( i r ：i n t e l l i g e n tr o b o t ) 等方面。 解释( e x p l a n a t i o n ) 也是人工智能中的一个非常重要的研究领域。自从专家 系统诞生以来，人们就一直十分注重解释的研究和应用。解释研究的主要任务 是如何让智能系统具有描述其智能行为的能力。 1 1 解释的重要性和作用 1 1 1 解释研究的基本内容 解释问题的实现应该考虑三个主要基本内容，即解释信息的确定、用户模 型和交流方式。7 1 ( 1 ) 解释信息的确定 任何解释的基础都建立在所要解释的知识模型和推理模型上。从认识论的 观点看，解释工作是与问题求解的知识和问题求解的行为有关。 这是生成解释基本内容的基础。对于用户提出的有关某些系统决策方面的 问题，需要生成包含解释元素的信息结构。构造解释的一个基本元素就是要说 明在解释过程中问题求解任务的知识是如何工作的。文献 1 5 】研究了解释信息的 确定问题。 ( 2 ) 用户模型 在给定了解决问题所需的知识和一个代表性的结构之后，就可以利用用户 模型来确定对具体用户进行解释的内容。 用户模型的具体内容包括知识水平、交流目标、对话历史和用户爱好等方 面。解释需要“量身定制”，为不同知识水平和要求的用户提供不同的解释， 1 上海大学硕士学位论文 t h e p o s t g r a d u a t e t h e s i so f s h a n g h a iu n i v e r s i t y 更好地实现人机交互。系统应利用用户目标、知识状态和对话历史对解释信息 进行过滤、条理化和组织，使解释满足用户要求。 ( 3 ) 交流方式 前面两个基本内容生成解释所需的所有信息，但是解释的表述问题仍然没 有得到解决。一旦解释的内容确定以后，剩下的问题就是如何把这些信息传递 给用户。特别是，如何应用合适的用户界面( u s e ri n t e r f a c e ) 有效地显示和表示这 些解释信息。例如，什么样的解释信息应该表示为自然语言，什么样的应该利 用图形形式( 如饼图) 来表示，这些都是交流方式必须面临的问题。另外，还 要考虑被解释者的心理因素。 一般来讲，交流方式可以分为媒体选择、修辞方式等。交互媒体在确定怎 样表示信息时是很重要的因素。如果系统有图形界面，就可以生成图表以代替 文字。系统也可以利用其他媒体，如声音、图形、三维动画甚至虚拟现实等， 也可以是多种媒体的结合使他们取长补短。即使系统只有文字界面。也还可 以使用字体、文字颜色、格式等表示不同的意义。但是，很少有文章考虑多媒 体和多方式解释问题。修辞方式是指信息是如何交流的，即选择哪一方式来与 用户交流信息，如表示对象的结构和属性，或者举例说明等。 解释信息的确定、用户模型和交流方式常常是相互依赖又相互制约的，这 样不是总能清楚地识别每个方面的作用。这不仅因为它们影响解释，解释也会 影响它们。如果解释信息不充分或不合适，不管用户模型和界面功能如何好， 解释也不会令人满意；反过来，如果解释信息十分丰富，而其表达却晦涩难懂， 也不是一个好的解释。若解释的交流方式过于简单，就不适宜表达丰富的解释 信息；若解释信十分复杂，则会影响解释表达的清晰程度。 一般来说，专家系统中关于解释技术的研究主要追求三个目标。 3 9 1 第一个目标追求的是使系统具有较强的解释能力，尽可能使系统能够回答 用户提出的各种问题，包括有关系统在解题过程中所发生的各种行为的问题及 有关系统自身的知识、能力等方面的问题。要达到这一目标需要尽可能详尽地 记录与系统求解问题有关的各种信息。 第二个目标追求的是使用户能够得到关于问题的完整、简洁和易理解的解 释。要达到这一目标需要系统能够了解用户的知识水平，即他们知道哪些知识、 不知道哪些知识，并且能够根据用户的知识水平在合理的细节上向用户提供令 人满意的解释。 一8 一 上海大学硕士学位论文 t h e p o s t g r a 血a t et h e s i so f s h a h g h a iu n i v c r s i t y 第三个追求的目标是使解释功能便于使用，即系统应能为用户提供一种或 多种方便的手段，使不熟练的用户也能运用自如地使用解释功能。达到这一目 标的一种可行的方法是允许用户用自然语言向系统提出各种解释要求。 1 1 2 解释的重要性 对于一个基于知识的系统，能够对问题处理的结论给出合适的、条理的说 明，将直接影响到用户对这些结论的信任程度，从而影响到系统的可接受性。 目前，很多专家系统已经具有了不同程度的解释能力，而且把解释器作为 系统不可或缺的一部分。正如b u c h a n a n 和s h o r t l i f f e 所说：“一个程序能提供解 释它推理的能力被认为是咨询系统唯一重要的要求。” 1 0 l w e i n c r 也曾说：“基 于知识的系统应当具有能给出解释的机制，因为系统的性能来自于用户理解其 推理的能力，所以必须证明结果是正确的。”0 5 解释的重要性主要体现在以下几个具体方面： ( 1 ) 解释是必需的 如果要证实系统给出的建议是正确的，那么解释是必需的。可以增加用户 对系统建议的接受程度。 ( 2 ) 验证系统的正确性 解释机制可以帮助用户考察系统的推理过程以确定系统是否考虑了所有的 相关事实，从而确定推理是否合适。便于发现智能系统的缺陷从而得到改进。 f 3 ) 增强可维护性 解释是智能系统开发和维护的重要助手，能够提供系统推理步骤的历史。 因此，拥有一个良好的解释器使得目前的e s 比传统的e s 可维护性好。 ( 4 ) 可教育性 解释机制使智能系统可以提供给用户他所不知道的知识，对用户进行指导。 1 1 3 解释的作用 综上所述，一个智能系统的推广和运用，不仅取决于它的推理能力，而且 还取决于它的解释能力。系统的解释能力在系统的开发、测试、运行和维护过 程中起到很重要的作用。 解释的作用主要体现在以下几方面： ( 1 ) 帮助用户理解结论 o 上海大学硕士学位论文 t h e p o s t g r a d u a t et h e s i so f s h a n g h a iu n i v e r s i t y 在系统使用过程中，解释能够对系统获得结论的过程进行详细说明，帮助 用户理解结论是如何推理得到的，有效地增强了系统的透明性和可按受性。 f 2 ) 证实系统结论 解释机制可以利用支持知识对用户结论进行必要的证明。 ( 3 1 调试系统知识 在系统开发过程中，知识工程师可利用解释器检索知识库中已有内容、跟 踪系统运行、记录中间结果、提供出错信息，以便发现和更正系统缺陷和错误。 f 4 ) 帮助用户学习 在用户使用系统过程中，可以通过解释过程学习系统领域内的知识。 ( 5 ) 增加用户的主动性 在解释性能良好的智能系统中，用户不再是被动的，可以同步了解系统的 推理过程，从而实现对推理过程的驾驭。使用户成为系统推理过程重要的一部 分，改变了用户的被动地位。 1 2 模糊技术与专家系统 模糊理论的应用已渗透到自然科学、社会科学、工程科学的各个领域。各 种模糊技术成果和模糊产品也逐渐由实验室走向社会，其中部分已经取得明 显的社会效益和经济效益。所谓模糊技术主要是指建立在模糊集合理论、可能 性分布理论和模糊逻辑推理基础上的一类工程技术，是对人类认识和思维过程 中所固有的模糊性的一种模拟和反映。 目前，人们开始在专家系统中采用模糊技术来处理不确定性和模糊信息， 称这一类专家系统为模糊专家系统( f e s ：f u z z ye x p e r ts y s t e m ) ，它的目的是 使其行为更加“拟人化”，从而采用模糊的和自然的方法来处理知识和推理。 造成专家系统中知识表达及推理过程中不确定性的因素很多。例如： ( 1 ) 问题的解本身就是不确定的； 例如在地震预报专家系统中，地震发生区域描述是不确定的。系统只能给 出个大概的、不确定的回答。 ( 2 ) 对要确定的解所提出的问题已经不精确； 例如当用户询问中级地震发生区域时，其实用户对中级地震的认识是模糊 的。 上海大学硕士学位论文 ( 3 ) 获取知识的过程不精确； 在地震预报专家系统中，目标推理过程采用了模糊匹配算法，即目标推理 过程本身是不精确的。 f 4 1 知识表示语言引入一些不确定成分： 在知识库规则表示中，对应规则都有其各自的可信度，在推理过程中引入 了不确定性因素。 f 5 ) 某些类型问题不适合于概率模型： ( 6 ) 知识库中的知识含义不明确； f e s 能够在初始信息不完全或不完全准确的情况下，较好地模拟人类专家解 决问题的思路和方法，运用不太完善的知识体系，给出尽可能准确地解答或提 示。f e s 的研究和开发为研制新一代实用的专家系统提供了一条有用的途径。 1 3 本文的研究内容 1 3 1 本文拟解决的问题 ( 1 ) 专家系统开发技术的改进 过去，大部分专家系统要么采用过程型程序设计语言，要么采用逻辑型程 序设计语言来开发。本文欲探讨利用这两种不同类型的语言来协同开发专家系 统的方法，发挥不同类型语言的优势，削弱它们对软件开发的限制，为智能软 件的开发提供一套可行的实现方案。 ( 2 ) 同步解释和驾驭解释 大部分解释器把用户置于被动的位置，用户只能被动接受系统所给解释， 无法参与到系统推理中。本文旨在研究一种用户参与的“驾驭式”解释机制， 用户可以同步了解推理状况，并且在推理过程中系统可以充分考虑用户的意见 或建议。 ( 3 ) 模糊技术的引进 在推理过程中，使用模糊匹配算法来进行推理。相应地在解释系统中进行 了改进，使专家系统更加“拟人化”。 一1 1 上海大学硕士学位论文 ! 垒! 呈! 壁壁! ! ! 坐坠! ! ! ! ! ! 兰! ! 翌g 皇! ! 望翌塑! ! ! 堡 1 3 2 本文的内容安排 全文共分七章，其内容安排如下。 第一章综述了解释的研究现状和模糊理论的运用。 第二章讨论了解释的基本理论，提出了用户模型的表示方法，并对解释信 息的确定和交流方式进行了深入的探讨。 第三章探讨了新一代地震预报专家系统的开发方案，是本文进行解释研究 的基础。 第四章对解释方法作了深入的分析和研究，提出事后解释、同步解释和驾 驭解释的具体实现方案。 第五章描述了地震预报专家系统的开发内容，主要说明了模糊推理的开发 过程。 第六章总结了全文的主要结论，并指出了需要进一步研究的工作。 一1 2 一 上海大学硕士学位论文 第二章解释的基本理论 2 1 用户模型 2 1 1 用户模型的定义 为使系统能够产生自然解释，系统必须具有与用户能了解的概念有关的信 息，然后解释就能够利用这些信息( 术语) 来措辞。为了对所有用户都能产生 合适的解释，解释器应当能用特定的用户模型为特定用户定制解释。因此，解 释器应该拥有一个用户模型。 用户模型是一个独立的研究领域。适应具体用户的能力是解释研究的一个 重要方面。用户模型不仅影响解释内容，而且还影响解释层次，有时也可影响 解释的措辞。因此利用用户模型有可能提供最贴切的解释。根据w a h l s t e r 和 k o b s a 的定义】，本文认为用户模型有如下定义： 【定义2 1 】用户模型是自然语言对话系统中的知识源，其中包含对用户各 个方面的假设，这些假设也许和系统的对话行为有关。即可表示为： u m = k ik ( d 向 5 ，蜥e u ，i = ，2 j ，n ) 其中， u m 为用户模型； 足为对话过程所用到的有关用户的知识； u 为用户集合； 蜥为系统用户集合中的一个用户； ”为系统的用户总数； d 为用户u j 与系统s 的对话。 2 1 2 用户模型的表示方法 与用户模型有关的知识比较多，包括有关用户的知识、能力、目标、看法、 态度、计划及爱好等。其实，用户模型有着更广泛的含义，其中还包含了系统 的一些知识，如问题求解上下文、背景知识等。 上海大学硕士学位论文 t h ep o s t g r a d u a t et h e s i so f s h a n g h a iu n i v e r s i t y 用户模型可以从三方面来分类肿 ：( 1 ) 单个典型用户( s i n g l ec a n o n i c a lu s e r ) 与个人集合模型( c o l l e c t i o n o f m o d e l so f i n d i v i d u a l s ) ，( 2 ) 显式模型( e x p l i c i tm o d e l ) 和暗示模型( i n f e r r e dm o d e l ) ，( 3 ) 长期模型( m o d e l s o fl o n g t e r m ) 和短期模型 ( m o d e lo f s h o r t t e r m ) 。 用户模型中最重要的就是用户的知识水平，不同知识水平的用户想得到不 同的解释。初级用户不愿意得到晦涩难懂的解释，而领域专家不愿意得到简单 的解释。而对于推理步骤，初级用户不愿看到非常细节的推理步骤，而领域专 家恰恰相反。 任何对解释细节的讨论都需要有度量细节的能力。处理用户知识水平的方 法很多，但大都不能很好地反映特定用户的真实情况。用户模型的表示方法有： 人为分级法、确定性因子度量法、推理树深度度量法、复杂性和重要性因子法 和模糊用户模型等方法。 2 2 解释信息的确定 一般来说，构造解释有两个基本方面的内容。选择合适的信息来传递知识 库或数据库中的内容是解释生成的关键。解释构造的另一个基本方面就是问题 求解任务的知识是如何工作的。下面从领域知识结构、问题求解上下文和解释 内容的确定方法等方面来讨论这些问题。 2 2 1 领域知识结构 一些研究者认为如果系统要给出问题求解策略的抽象表示或证明其结果 那么不同类型的知识必须分别显式表示。在 m y c i n 的合理化重构中，c l a n c y ( 1 9 8 3 ) 研 究了这些解释类型的认识论基础 4 1 ，认为知识 可以根据作用的不同分为三类：结构知识 ( s t r u c t u r ek n o w l e d g e ) 、策略知识( s t r a t e g i c k n o w l e d g e ) 和支持知识( s u p p o r t k n o w l e d g e ) 。这一分类为大多数研究者认可， 并得到了应用。图2 - 1 给出了领域知识的结 构。 策略知识 + 结构知识规则模型 推理规则 支持知识 图2 - 1 领域知识的结构 上海大学硕士学位论文 t h e p o s 培r a d u a t et h e s i so fs h a n g h a iu n i v e r s i t y f 1 ) 策略知识 策略是求解问题的方法，是安排方法的规划。策略知识是指在问题求解中 安排目标和假设的规则，他们可以用领域无关的方式来陈述，因而是通用的。 它们可用于策略解释。解释时仅给出表面结构是不够的，还必须解释规则为什 么按某种顺序激活。m y c l n 没有该层次上的“深层结构”，只是简单地把所有 规则用完。但m y c i n 有规则应用层次上的问题求解策略，称为控制知识。为提 供策略解释，这些控制信息必须明确地表示出来。策略知识可以用元规则来表 示。元规则在应用对象级规则之前激活，以安排该目标下的搜索树中子目标的 规则，通过这种方式，建立了棵推理路线搜索树。元规则提供了一个控制规 则使用的机制。 ( 2 ) 结构知识 结构知识由基本结构框架表示，可以对领域知识的关系进行分类。这类知 识可用于推理跟踪解释。 ( 3 ) 支持知识 支持知识由规则成立的理由组成，它们为较深层次上的知识，是深层解释 所需要的。支持知识的目的是用来证实系统规则和系统结论的。 领域知识的形式化描述 2 2 2 问题求解上下文 上下文( c o n t e x t ) 起源于对e s 解释的研究，常指不同的知识来源。w e b s t e r 字典大全中把c o n t e x t 定义如下： 围绕一个字或一段话，并能阐明其意义的谈话的一部分。 某些事物存在或发生的相关条件：环境，背景。 大多数情况下，e s 解释的研究者只涉及到上下文的一个方面。这使“在上 下文中生成解释”问题的意义很不清楚。就“上下文”的广义而言，它包含了 许多方面，所有这些方面都可以用不同方式影响交流。为了建造一个上下文敏 感系统，首先必须弄清楚上下文的组成，每一个方面是怎样影响交流的。理解 灵活的解释模块应该怎样设计，它必须能接受什么样的知识源也是很重要的。 对上下文元素的理解能更好地设计总体系统，由于全局上下文的一些方面对一 个给定的应用可能是恒定的，系统就不必明确地对那些方面进行表示和推理。 上海大学硕士学位论文 t h ep o s t g r a d u a t et h e s i so fs h a n g h a iu n i v e r s i t y 上下文的各种元素不仅共同限制交流，而且常常是相互作用的，这样不是 总能清楚地识别出各个方面的作用。这不仅因为上下文限制交流，而且，刚才 所说的( 或所发生的) 会影响上下文。当前的语言( 或行为) 组成了未来行为 的部分上下文，其交互作用如图2 - 2 所示： f上下文行为 状态可能 图2 - 2 解释内容的确定方法 解释内容的确定是解释中最重要的问题之一。在解释内容的确定方法的研 究中形成了两种类型：种是面向系统的方法，一种是面向用户的方法。面向 系统的方法主张对领域知识本身的属性进行研究，进而确定研究内容，这种方 法认为解释的目的是把问题本身说清楚。而面向用户的方法则更注重解释内容 的可理解性，主张为特定的用户“最体裁衣”，这种方法认为解释的目的是让 用户更好的理解明白。 其中，面向用户的方法更注重实用性。下面着重对其实现方法进行详细描 述： 2 2 2 1 人为分级 这种方法在文献【3 5 】中提出，基本思想是对用户人为地进行分级，分别用数 字o 1 0 表示其知识水平。即有如下定义： 【定义2 4 1 表示用户知识水平的用户模型由o 1 0 之间的数字来表示，即 u m = k i k ( u f ) = o ，1 ，1 0 ，u 。u ，i = 1 ，2 ，” ( 2 3 ) 其中0 表示用户完全外行，l o 表示用户是无所不晓的领域专家，介于其中 的数字表示用户对于该领域不同程度的掌握。 【定义2 5 】规则和概念的复杂性度量定义为 c ( ) = o , 1 ，1 0 ) ，r ，i = 1 , 2 m( 2 4 ) c ( b ，) = o ，l ，1 0 ) ，b ，b ，i = 1 , 2 ，f( 2 5 ) 其中，c ( r 。) 、c ( b ，) 分别代表规则r 。和概念b 。的复杂性；r 、b 分别代表系 统的规则组合和概念组合；m 、1 分别为r 和b 中的元素总数。复杂性度量也由 一1 6 上海大学硕士学位论文 t h e p o s t g r a d u a t et h e s i so fs h a n g h a iu n i v e r s i t y 0 。1 0 之间的数字来表示，复杂性为0 的规则或概念是常识性知识或概念，复杂 性为1 0 的规则和概念是领域专家专有的知识或概念。 复杂性不超过用户模型的规则或概念，认为用户理解其含义；而复杂性超 过用户模型的规则或概念，则认为用户不理解其含义。所以，对于c u m 的规 则或概念应该进行解释，而对于c u m 的规则或概念不需要解释。 这种方法的优点是简单明了，但只用一个数字来刻划用户知识水平显得有 些粗糙，不能够精确反映用户理解哪些知识，不理解哪些知识。因此建立在这 种用户模型基础之上的解释方案就难免有偏差。 2 2 2 2 模糊用户模型 人为分级方法把用户知识水平分为o 1 0 级，让用户自己来选择，然而，有 时用户本人也不能确定自己属于5 级合适还是属于6 级合适，对其应用带来很 大的不便。 本文认为，用户知识水平的高低应该是一个模糊概念，对其描述也最好是 模糊的，在此把所有可能的用户看作一个模糊集合的元素。按照用户的知识水 平把用户分为六类用模糊集合表示的用户模型：初学者( n o v i c e ) 、初级用户 ( p r i m a r yu s e r ) 、普通用户( c o m m o nu s e r ) 、高级用户( a d v a n c e du s e r ) 、领 域专家( d o m a i n e x p e l ) 和知识工程师( k n o w l e d g ee n g i n e e r ) 等，分别用疗、 u ，、u 。、u 、u 。和表示，其定义如下： 【定义2 6 1 疗。、疗，、疗。、玩、痧。和疗。分别表示模糊集合初学者、初 学者、普通用户、高级用户、领域专家和知识工程师，其隶属函数分别定义为： u ，的隶属函数可用降型分布函数( 如降半矩形分布、降半r 分布、降半正 态分布、降半梯形分布等) 。本文采用降半梯形分布函数： u 。( x ) = o s x sd ， a i 盘 ( 2 6 ) 其中x 为系统某用户的知识量。 疗，、吼和痧。的隶属函数可用中间对称型分布函数，在此处采用对称三角 分布函数： 1 7 工一吼 l一一一o 吒一吒 上海大学硕士学位论文 t h e p o s t g r a d u a t et h e s i so fs h a n g h a iu n i v e r s i t y u 。( 工) = ( z ) = , u v ( x ) = x 兰一，) ( 口一r ) 工 口 ( 2 7 ) 口x ( 口+ r ) x 0 + ，) 其中a 表示该分部函数中心点，r 表示半径。 疗。和疗。的隶属函数可用升型分布函数，本文采用升半梯形分布函数 “。( j ) = “。 ) = 0 x a 三旦 口l x a 2 模糊用户模型分布图如图2 3 所示； 图2 - 3 用户模型的模糊集合表示 从图2 3 可以看出这六类用户模型之间存在着交叉。在交叉区域内用户既可 以属于这类用户模型也可以属于另一类，也就是说不同类用户模型之间的界限 是模糊的，存在着亦此亦彼的现象。在此对用户模型作出如下定义： 【定义2 7 】对用户x 。的用户模型取z a d e h 和算子，即 ( x o ) = 芦l ( x o ) vu 2 ( x o ) v ，vu 。( x o ) ( 2 9 ) 其中，。( x ) 、u ：( x ) 、u 。( 工) 为n 个相交叉的模糊用户模型。 对系统中的知识级别也可类似地用模糊集合来表示。按难易程度将知识分 为常识知识( c o m m o nk n o w l e d g e ) 、基础知识( b a s ek n o w l e d g e ) 、中级知识 ( i n t e r m e d i a t ek n o w l e d g e ) 、高级知识( a d v a n c e dk n o w l e d g e ) 和经验知识 。 | 宁 上海大学硕士学位论文 ! 堡呈! ! 堕! 皇! ! ! ! 三堕堕! ! 璺塾! 呈量垒! ! 旦呈坐翌型 ( e m p i r i c a lk n o w l e d g e ) 等五类，分别用足、足p 、霞c 、霞、足d 表示。前四 类知识对应于用户模型中的疗。、疗，、疗。和疗。，而经验知识与疗。和口。对应。 【算法2 1 】用户模型的知识匹配算法 ( 1 ) 给出用户模型和知识级别的隶属函数定义，例如常识知识的定义为： k = y l t k 。( y ) ) ( 2 1 0 ) 其中y 表示知识的难度。 在对应的知识类型和用户模型之间建立一定的模糊关系五： r = ( y ，z ) f 卢r ( y ，x ) ) ( 2 1 1 ) ( 2 ) 运用模糊变换方法把知识类型詹变换到用户模