（计算机应用技术专业论文）银行贷款风险分类智能决策支持系统的研究.pdf

沈阳工业大学硕士学位论文 摘要 随着计算机技术以及人工智能技术的不断发展，智能决策技术在许多领域得到研究 和应用，并发挥着越来越重要的作用。本课题就是基于人工智能和决策支持系统领域的 相关知识和技术，针对商业银行的信贷业务，进行银行贷款风险分类系统的开发。该系 统不仅能使用户通过简单操作就能得到科学准确的贷款风险分类的决策评价结果，而且 还可以使用户对系统进行知识添加、修改、删除及神经网络进行训练等自行维护操作， 对于银行控制和防范贷款风险有一定的实际意义。 本文在研讨当前相关技术理论的基础上，通过对系统的整体设计构思、框架结构， 以及各功能模块的职能划分等进行了细致深入地分析研究之后，提出了切实可行的技术 路线与实施策略。 综合了专家系统和b p 神经网络在定性的知识推理及定量的模型数值计算上的各自 优势，两者融入到决策支持系统中，建立了银行贷款风险分类智能决策模型。 经过对专家系统相关理论的分析、研究，对知识库、知识库管理模块等方面进行了 设计、实现，并设计了相应的推理机算法，在知识表示、知识获取、推理机构方面做了 深入工作。 在系统中，设计出了借款企业财务状况b p 神经网络模型，使系统增加自学习能力 和对环境自适应能力。 在交互式操作方面，根据用户需要设计交互式界面，用户操作方便快捷，能够迅速 得出用户所需的决策信息。 本课题有广泛的理论价值和实际价值，得到了交通银行沈阳分行的协作支持，系统 经过实际运行，表明是有效的。系统实现了银行贷款风险分类智能化决策，可以辅助银 行进行贷款决策，在一定程度上控制和降低贷款风险，为推动商业银行信贷管理智能化 的研究提供了一种思路。这对商业银行信贷管理的智能化、规范化、科学化是一次有益 的尝试。智能决策在金融领域中，有许多内容尚待进一步研究完善。 关键词：专家系统，b p 神经网络，智能决策，贷款风险分类 - 1 - 婆旦三些查堂堡主堂堡墼 t h er e s e a r c ho f b a n kl o a n sr i s k c l a s s i f i c a t i o ni n t e l l i g e n td e c i s i o n s u p p o r ts y s t e m a b s t r a c t a l o n gw i t hc o m p u t e rt e c h n i q u e a n da r t i f i c i a l i n t e l l i g e n t t e c h n i c a l d e v e l o p m e n t c o n t i n u o u s l y ，t h ei n t e l l i g e n td e c i s i o nt e c h n i q u eg e t st h er e s e a r c hw i t ha p p l i c a t i o n i nm a n y r e a l m s e x e r t i n gm o r e 喇m o t ei m p o r t a n tf u n c t i o n t h i s l e s s o ni sb a s e do nr e l e v a n t k n o w l e d g e a n dt e c h n i q u ef o rd o m a i no fa r t i f i c i a li n t e l l i g e n c ea n dd e c i s i o ns u p p o r ts y s t e m ， i na l l u s i o nt oc r e d i tc a p i t a lb u s i n e s so fc o m m e r c i a lb a n k ，d e s i g n st h eb a n kl o a n sr i s k c l a s s i f i c a t i o ns y s t e m t h es y s t e mc a l ln o to n l ym a k eu s e rw i t hs i m p l eo p e r a t i o nt og e t s c i e n c ea c c u r a t el o a nr i s kc l a s s i f i c a t i o ne v a l u a t i o nr e s u l t ，b u ta l s og a nm a k eu s e r i n c r e a s i n g ，m o d i l y i n ga n dd e l e t i n gk n o w l e d g e t ot h es y s t e m ，t r a i n i n gt h en e r v en e t w o r k e r e ，w h i c hi so p e r a t i o nm a i n t a i n i n gb yo n e s e l f i ti sc e r t a i n l ya c t u a lm e a n i n gt ob a r & c o n t r o l | i n sa n db e i n ga g a i n s t l o a n sr i s k t h i st e x ti so nt h eb a s i so f d i s c u s s i n gt h ep r e s e n tr e l e v a n tt e c h n i q u ea n dt h e o r i e sa t f i r s t ，t h r o u g hc o n c e i v i n gt ot h eg l o b a ld e s i g no f t h es y s t e m ，f r a m es t r u c t u r e ，a n da f t e rt h e f u n c t i o no fe v e r yf u n c t i o nm o d u l ei sd i v i d e de t c 。a n dc a r r i e so nc a r e f u l ，d e e pa n a l y s i s ， s t u d i e s ，a n dp u t sf o r w a r d t ot h ef e a s i b l et e c h n o l o g i c a lr o u t ea n d p r a c t i c es t r a t e g y s y n t h e s i z ea d v a n t a g e s o ft h e e x p e r ts y s t e ma n dt h eb pn e r v en e t w o r ki n b o t h q u a l i t a t i v ek n o w l e d g ei l l a t i o na n dq u a n t i t a t i v em o d e la n d n u m e r i c a lv a l u ei nt h ed e c i s i o n s u p p o 拽s ，s t e m ，e s t a b l i s h b a n kl o a n sr i s kc l a s s i f i c a t i o ni n t e l l i g e n td e c i s i o nm o d e l a f t e ra n a l y s i sa n dr e s e a r c hf o rr e l e v a n tt h e o r i e so fe x p e r ts y s t e m ，m a n a g et od e s i g n a n dr e a l i z et h ek n o w l e d g eb a s e ，k n o w l e d g eb a s em o l de t c ，a n dd e s i g nt h ec o r r e s p o n d i n g r e a s o n i n ga l g o r i t h mo fm a c h i n e ，d od e e p l yw o r kf o re x p r e s s i o nt ok n o w l e d g e ，k n o w l e d g e a c q u i s i t i o na n dr e a s o n i n go r g a n i z a t i o n i n s y s t e m ，d e s i g nt h eb o r r o w i n gb u s i n e s se n t e r p r i s ef i n a n c i a ls t a n d i n g b pn e r v e n e t w o r km o d e l 。m a k es y s t e mi n c r e m e n tf r o ms t u d ya b i l i t yw i t ht oe n v i r o n m e n tf r o m o r i e n t a t i o na b i l i t y i nt h ea s p e c t so fh a n d i n go v e rw i t he a c ho t h e ro p e r a t i o n ，d e s i g nt h eh a n d i n go v e r 2 垫旦三些查堂堡主! 丝笙苎 一 i n t e r f a c ea c c o r d i n gt ou s e r sd e m a n d a n d l a s e rc a n o p e r a t ee x p e d i e n t l y a n df a s t ，a n dg e ta d e c i s i o nf o rn e e d i n gi n f o r m a t i o nq u i c k l y t h i sl e s s o nt a k e so ne x t e n s i v et h e o r i e sa n dp r a c t i c ev a l u e a n di tg e t sg r e a ts u p p o r t f r o mb a n ko fc o m m u n i c a t i o n ss h e n y a n gb r a n c h t h es y s t e mh a sf u n c t i o n e da c t u a l l y ，a n d i ti sv a l i d t h es y s t e mr e a l i z e si n t e u i g e n t i z e dd e c i s i o no fb a n kl o a n sr i s kc l a s s i f i c a t i o n ，a n d i tc a ns u p p o rb a n kt om a k et h ed e c i s i o n ，c o n t r o la n dr e d u c et h er i s ko ft h el o a n so na c e r t a i nd e g r e e a n di t p r o d u c e sa r o u t ef o rr e s e a r c ho ni n t e l l i g e n t i z a t i o no fc o m m e r c i a l b a n kc r e d i tm a n a g e m e n t t h i si sab e n e f i c i a la t t e m p tt oi n t e l l i g e n t i z a t i o n ，s t a n d a r d i z a t i o n a n ds c i e n t i z a t i o no fc o m m e r c i a lb a n kc r e d i tm a n a g e m e n t t h ei n t e l l i g e n td e c i s i o ni n f i n a n c i a lr e a l mh a s m a n y c o n t e n t st on e e dt h ef u r t h e rr e s e a r c ha n d p e r f e c t k e yw o r d s ：e x p e r ts y s t e m ，b p n e r v en e t w o r k , i n t e l l i g e n c ed e r i s i o n ，l o a n s r i s k c l a s s i f i c a t i o n 3 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名：龟；多、癌日期： ，一哆习。r 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 ( 保密的论文在解密后应遵循此规定) 沈阳工业大学硕士学位论文 引言 随着我国金融业与国际接轨步伐的加快以及竞争的日益加剧，商业银行的贷款管理 风险凸现，具体表现在居高不下的不良贷款比例上。商业银行迫切需要建立健全包括银 行贷款风险管理在内的金融系统。特别是在银行系统内部建立健全行之有效的信贷资产 风险监测监督系统和预报预警机制。银行系统对于信贷资产风险的识别与认定缺乏科学 性，不能规范化操作。这都需要引入现代风险技术管理手段加以解决。 目前，人工智能和决策支持系统在农业、交通、电力、经济、商务、军事等诸多领 域得到研究应用，并取得了可喜的进展。自8 0 年代以来，西方发达国家就逐渐将人工 智能引入银行业，协助银行进行贷款决策。这其中人工神经网络应用在企业财务分析和 评级方面显示出其优势和潜力。专家系统作为一门成熟的学科，已经在许多行业得到了 广泛应用。有鉴于此，本文尝试将智能决策技术应用于银行贷款风险管理，研究探讨基 于专家系统与神经网络相结合对系统进行设计，以实现面向贷款风险分类的智能决策。 本文根据银行贷款风险分类标准，将其分为菲财务因素和财务因素两个方面加以分 析，设计出相应的专家系统和神经网络模型，并对两者进行交互与整合，给出系统的总 体结构。本系统的计算机实现上采用了v c h6 0 、a c c e s s 2 0 0 0 、m a t l a b 6 5 等工具进行 设计。 沈阳工业大学硕+ 学位论文 信贷是以偿还、付息为条件的价值的单方面转移，体现一定生产方式下的借贷关 系。信贷是金融机构一项重要的业务活动，也是商业银行的传统主营业务【l 】。 贷款是商业银行的主要资产业务，是运用资金、取得利润的主要途径。商业银行的 经营风险与生俱来，商业银行要在风险中生存发展，必须稳健经营。贷款管理更是稳健 经营的重中之重，其前提就是科学合理的贷款分类。 1 1 我国银行贷款风险管理的现状 信贷风险是我国商业银行目前面临的最主要的金融风险。我国商业银行资产质量较 差，不良贷款比例偏高，深入分析我国信贷风险管理存在的问题，对于信贷风险的控制 与管理具有重要意义。当前信贷资产风险管理中存在的问题有： ( 1 ) 对信贷资产风险的识别与认定缺乏科学性。 借款入信用等级难确定。银行贷款方式有失偏颇，主要是银行内部人员违规操作， 违规贷款。信贷资产划分缺乏科学性。 ( 2 ) 金融改革严重滞后，商业银行缺乏防范信贷资产风险的超前意识。 ( 3 ) 银行信贷资产管理粗放经营，内控机制乏力。 ( 4 ) 商业银行缺乏健全而行之有效的信贷资产风险监测监督系统和预报预警机制。 银行在贷款发放到本息收回过程中，往往处于被动地位。在这一过程中，如何去防 范风险，一旦发生风险如何去化解风险、减少风险，银行缺乏一整套可行的风险管理制 度。同时银行还没有完善的信息反馈系统和银行内部预警预报制度。如果银行能够建立 有效的企业经营管理信息系统，并进行长期监测，那么一旦借款企业出现某种不良征 兆，银行就能立即做出反应，将可能发生的风险损失降到最低。银行可以通过企业信息 的分析与研究，对企业未来经营情况提出预警信号，以便及早采取措施来防范和化解风 险。 1 2 贷款风险分类溉述 贷款分类是指银行的信贷分析和管理人员，或监管当局的检查人员综合获得的全部 信息并运用最佳判断，根据贷款的风险程度对贷款质量做出评价【2 】。贷款分类不但包括 2 鲨塑三些奎塑主鲨堡兰 一一 分类的结果，也包括过程。贷款分类是银行信贷管理的重要组成部分。银行根据审慎的 原则风险管理的需要，定期对信贷资产质量进行审查，并将审查结果分f 3 $ i j 类，这种做 法本身就是贷款分类。 为建立现代银行制度，改进贷款分类方法，加强银行信贷管理，提高信贷资产质 量，2 0 0 1 年中国人民银行颁布的贷款风险分类指导原则，并于决定从2 0 0 2 年1 月 1 日起，在我国各类银行全面推行贷款风险分类管理。贷款风险分类指导原则是各 类银行实行贷款风险分类的基本标准。贷款风险分类方法与国际通用风险分类方法实现 了接轨。 1 2 1 贷款风险分类标准 贷款风险分类指导原则强调评估银行贷款质量，要采用以风险为基础的分类方 法( 简称贷款风险分类法) ，即把贷款分为正常、关注、次级、可疑和损失五类。贷款 风险分类法是衡量贷款内在风险的一种价值尺度 2 1 。五类贷款的定义分别为： 正常：借款人能够履行合同，没有足够理由怀疑贷款本息不能按时足额偿还。 关注：尽管借款人目前有能力偿还贷款本息，但存在一些可能对偿还产生不利影响 的因素。 次级：借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额偿还贷 款本息，即使执行担保，也可能会造成一定损失。 可疑：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损失。 损失：在采取所有可能的措施或一切必要的法律程序之后，本息仍然无法收回，或 只能收回极少部分。 贷款风险分类着重强调了以风险为基础，它不同于以往的企业信用评价，不能用信 用评价来代替贷款风险分类。贷款分类结果直接决定了一家银行的盈利水平。因此，商 业银行越来越重视贷款分类问题，更加清楚地认识到了贷款风险分类的重要性和必要 性。这是由以下几个方面决定的： ( i ) 贷款的特性。贷款是具有内在风险的。一般情况下，存款到期银行要支付本金和 利息，但是贷款到期却不一定能够全部收回。银行资产负债表所反映的信息，不能完全 反映贷款的真实价值，也就是不能反映出贷款的内在风险。贷款是无法按市场价格定值 3 沈阳工业大学硕士学位论文 的。贷款信息是不对称的。借款人要比银行更了解自己所处的市场环境、财务状况及还 款意愿。但银行可以通过贷款分类来减少信息不对称所带来的危害。 ( 2 ) 贷款风险分类是商业银行稳健经营的需要。银行要实现稳健经营，不仅要化解己 发生的风险，还要及时识别和弥补将要发生的风险。而科学合理的贷款分类是商业银行 识别贷款内在风险，确保稳健经营的必要前提条件，同时也有利于提高商业银行信贷管 理水平。 ( 3 演款风险分类是中央金融监管的需要。中央金融监管部门通过现场检查和非现场 监控两种方式对商业银行贷款质量进行连续监控，对于贷款质量出现重大问题的商业银 行予以更加严格的监管。这需要以贷款分类为标准。 ( 4 ) 统一的贷款风险分类标准是市场客观评价金融企业的需要。贷款分类可以反映金 融企业的信贷资产质量状况，使对其评价有了统一的价值尺度。 1 2 2 贷款风险分类需要考虑的主要因素 使用贷款风险分类法对贷款质量进行分类。实际上是判断借款人及时足额归还贷款 本息的可能性，考虑的主要因素包括： ( 1 腊款人的还款能力； ( 2 ) 借款人的还款记录； ( 3 腊款人的还款意愿； ( 4 ) 贷款的担保； ( 5 ) 贷款偿还的法律责任： ( 6 ) 银行的信贷管理。 借款人的还款能力是一个综合概念，包括借款人现金流量、财务状况、影响还款能 力的非财务因素等。对贷款进行分类时，要以评估借款人的还款能力为核心，把借款人 的正常营业收入作为贷款的主要还款来源，贷款的担保作为次要还款来源。 4 沈阳工业大学硕士学位论文 2 课题相关的技术理论及概念 本课题研究的主要理论基础是专家系统、神经网络、智能决策支持系统，在此 需要对与课题开展密切相关技术理论予以简要分析、介绍。 2 1 专家系统 2 1 。1 专家系统简介 专家系统( e x p e r ts y s 把m ) 是人工智能( 越) 领域中的一个重要分支。专家系统， 实际上是以知识库为核心进行问题求解的计算机程序，即基于知识的智能系统【31 。人们 往往把它看成是一个基于逻辑心理模型的物理符号系统，用来模拟人的逻辑思维行为， 它在某一特定领域具有人类专家水平的解题能力。专家系统是具有大量专门知识，并能 运用这些知识解决特定领域中实际问题的计算机程序系统【4 】。 像人类专家一样，专家系统拥有大量的经验和专门知识，能够在较短时间内对领域 中的复杂问题得出高水平的解答。专家系统的核心是，对特定领域中用来解决问题的知 识进行刻划与组织。拥有大量的专门知识是专家系统与其它计算机系统之间的主要差异 【5 】。 专家系统中，知识可刻划为五大类型：客观事实；确定的规则与过程：启发性知 识；基本原理；求解问题的全局策略。在实际设计中，这五大类型知识具有各自的使用 方式。客观事实、启发性知识及基本原理是关于问题的不同表现形式，以及对相应解的 求解方法。而规则、过程及求解策略的作用则用来控制、选择问题求解的具体路径。 对不同的应用领域。刻划知识的方法，应建立在该领域所针对的相应任务基础上。 一般来说，专家系统就其所面对的不同领域任务，可分为下面几类：( 1 ) 解释类任务一 分析数据并判断其意义；( 2 ) 诊断类任务一对有噪声的数据进行解释，发现系统故障； ( 3 ) 监控类任务一对数据进行连续分析、解释，必要时发出警报、进行干预：( 4 灏测类 任务一根据对过去及当前系统模型的分析，对将来的进程进行预报；( 5 ) 规划类任务一 一为生产计划形成一系列达到目标的步骤；( 6 ) 设计类任务一为生产满足系列特殊需 要的对象而制定计划。 5 沈阳工业大学硕士学位论文 在般的专家系统中，知识库、推理机制、解释机制可以组成起结构的核心部分 嘲。但随着专家系统要解决的非结构化或半结构化问题的日益增多，决策系统中的有关 数据处理与事务处理( 建模过程) 的思想也逐渐地融合到了专家系统中，从而使数据 库、模型库在很大程度上也成为了专家系统的组成部分。如面向决策支持的专家系统， 不仅可以完成专家系统的问题求解，还可以进行模型驱动下的事务处理，在此基础上完 成决策支持的任务。无论哪种专家系统结构，知识表达与推理技术始终是最重要的 7 , 8 1 。 专家系统的基本结构图如图2 1 所示。 用户镯艟专寡 瓠籀口 ： i 解释机枘擂理执知识获取机构 3i33 数据彝及其譬理系氟讽库爰慕鬻理系 统统 雷2 , 1 专家系统的基本结构圈 专家系统方法的核心内容是将知识库和推理机分开。知识库存放有关问题的知识， 如一系列的产生式规则，存储的方式可以利用数据库来实现；从这一点来讲，它与数据 库的特点类似。当然，数据库存储的是大量的有相同结构的数据，它的处理和检索是基 于这种内在的结构，如关系数据库。数据库技术是成熟的，大量应用于方方面面。而知 识库技术，还处于发展的初期由于所涉及的面太宽，很难用统一而有效的数据结构格 式来表示，当前在专家系统程序中常用产生式来表示知识。 6 沈阳工业大学硕士学位论文 与其它软件系统的开发过程一样，要建立具体领域的专家系统，首先必须分析该领 域中的特性，并在此基础上进行形式化。形式化过程是一个对领域知识的获取与表达、 对求解过程的刻划与细化的过程。建立专家系统的步骤可分成如下几个过程( 如图2 2 所示) 。 图2 2 建立专家系统的步骤 ( 1 ) 识别过程中要确定问题域的特征，明确系统要解决的问题及要用到的相应领域背 景。这一步是以后实现系统的关键。如果对领域中的特性刻划得不全面，那么，所建立 的专家系统的求解能力肯定是不完备的。识别领域特征的方法可以采用外推法，即首先 确定系统要解决的最终目标以此为内核逐步分析与该目标相关的诸多因素，然后再逐 步分析这些因素。识别过程也可看作知识获取阶段。 ( 2 ) 概念化过程是对识别阶段取得的各种因素进行抽象化，找出表达知识的概念，建 立“概念模型”。例如要建立一个旅游专家系统时，经过识别我们可以首先把“旅游 者”及“旅游地”作为两个基本概念，建立他们各自的基本内容及相互联系。 ( 3 ) 格式化过程是要设计和组织知识的结构。由于知识库是专家系统的核心，它的结 构直接影响到专家系统求解问题的有效性，因而形式化过程是建立系统的又一关键。由 于不同类型的专家系统在知识库结构及问题求解方法上有一定的区别，所以，在组织知 识库、建立知识库结构时，首先要确定采用的知识表达方式与推理技术。如用产生式规 则和框架表达知识是两种不同的风格，在知识库结构上也不相同，如果两者相结合，那 么知识库的结构又有所不同，推理方式也受到改变。 ( 4 ) 实现：为了产生体现知识的各种计算机形式，为了能使这些知识在计算机中发挥 有效的作用以产生问题求解能力，必须把经形式化后的各种知识实体表示成计算机的内 部形式。还要针对系统的要求，建立必要的解释机制和良好的用户界面。为了使形式化 7 沈阳工业大学硕士学位论文 后的各种知识实体( 包括求解实体) 有效地转换成机器内部形式，必须选择一定的专家 系统实现环境。 ( 5 ) 测试：这一阶段主要为了验证体现知识的各种规则或知识实体。在建立完知识库 后，知识库中可能会有大量冗余知识或不一致的知识，进而引起专家系统推理过程的低 效，或出现多种矛盾的结果。知识库中还有可能未包含解释某种状态的知识，从而引起 专家系统问题求解的不完备性。钡j 试的主要目的，就是要确定知识库或推理机的正确 性。 ( 6 ) 维护：这主要用于扩充、修改知识库和推理机中的各种信息，以使专家系统更进 一步完善。这一阶段与前面几个阶段有着密切的联系。如实现阶段中的各种知识获取手 段，在维护阶段同样会用到，从而可以减少大量的软件编程。 以上建立专家系统的各个步骤都有密切的联系，而且为使专家系统能真正付诸使用 而日趋完善，每一阶段都应重复多次。 2 ，1 2 知识表示 无论人工智能还是其衍生新学科知识工程，知识表示都是它们得以发展与建立实用 化系统的先决条科9 1 0 1 。其实，说到底知识表示就是将人类认识、解决客观现实问题时 表现出来的技能、技巧形式化，并且以人们容易理解和系统高效利用、更新维护的方式 表示出来。它至少应该包含四部分内容一知识成份揭示、知识的概念化、形式化和知 识表示方法。具体的知识表示有以下几种： ( 1 ) 一阶谓词逻辑表示法。它是把一些知识表示为经典逻辑中的谓词表示式，因为表 示成了谓词的形式，进行推理起来当然比较方便了，但是有许多知识是根本无法表示为 谓词的，其关键原因是因为谓词只能表示精确的知识，而对不确定的事物无法有效表 示；同时这种表示方式也不能很好地体现知识的内在联系，寻找知识内在联系的任务要 交给推理系统或另外的系统完成，这就比较麻烦了。 ( 2 ) 产生式表示法。它的基本形式类似于我们的i f 语句的形式，因为与计算机中一 些现成的语句相似，因此对它的处理要方便得多。它注意到了联系和知识的应用范围， 但是它在表示结构性知识上可是先天不足。目前，产生式表示方法己成为人工智能中应 用最多的一种知识表示模式，尤其是在专家系统方面【1 1 1 。 8 沈阳工业大学硕士学位论文 ( 3 ) 框架表示法。它的基本作法是把许多事物放在起，构成个集合，然后就这个 集合中的联系和事实进行表示。在机器翻译中，如果一个老太太说到v c ，我们可不要 把它和微软联系起来，而要和维生素c 等价。这种表示法限制了概念出现的场合，这可 能是它的不足之处，但是相对于前面两种表示法，它是很接近于人类思维的种表示 法，它无形中体现了知识适用的范围。更重要的是它是可以继承的，在这一点上，它更 加接近人的思维了。 ( 4 ) 语义网络法。我们可以想象一下自己所拥有的知识体系，都是有结构的。但在另 角度上看，它是一个网络，普遍联系的网络，而语义网络表示法正是在表示人类知识 体系成网络化的一面。它能够使联想式推理得到很好地发挥，为进行复杂推理打下了坚 实的基础。它很接近人类思维，但是它不能正确表示类属关系，它体现了网络性，但它 忽视了事物有类属性。框架表示法和语义网络表示法在这一点是有互补性的。 ( 5 ) 脚本表示法。这种表示法在自然语言理解方面开始应用，这是因为自然语言理解 的特殊性要求有这样一种表示法。它正确地表示了上下文关系，表示了事物之间的静态 关系，动态关系，充分考虑到了场景( 上下文) ，但是世界上的场景可实在是太多了， 保存这些场景几乎是不可能的。这就限制了它的应用范围。 本课题根据自身特点，采用产生式表达法。 2 1 3 知识库与知识库管理 知识库是知识的存储机构，用于存储领域内的原理性知识、专家的经验性知识以及 有关的事实等。知识库中的知识来源于知识获取机构，同时它又为推理机提供求解问题 所需的知识，与两者都有密切关系1 2 瑚。 知识库管理系统负责对知识库中的知识进彳亍组织、检索、维护等。专家系统中其他 任何部分要与知识库发生联系，都必须通过该管理系统来完成，这样就可以实现对知识 库的统一管理和使用。 知识库发展经历了若干个阶段，近年来对基于j # 经典逻辑的知识库系统以及非精确 推理的知识库研究已经成为该领域主导方向。不过，这类知识库目前尚缺乏严密、系统 的理论，成果与有效性等有待严格检验。 9 沈阳工业大学硕士学位论文 知识库系统起源于数据库系统，从数据库系统发展到演绎数据库，基于逻辑的知识 库系统。进而到当前性能更为优良的知识库系统，在这些知识库系统中都保存着与数据 库系统类似的框架。但是，知识库系统与数据库系统却有着不同的内容。在数据库系统 中存储与管理数据，而在知识库系统中存储与管理的则是知识。 在现实世界中，知识一般有事实与规则两种。事实相当于( 关系) 数据库中的元 组，因此，可以认为数据库中的数据( 元组) 给出了事实性知识，从这点上讲，它在数 据库与知识之间建立了联系，进而可以将数据看成是知识的部分。而规则是给出了客 体间的因果关系或推理关系。在数据库中，一般有少量规则出现，但是有严格条件限 制。 事实上，知识库与数据库的区分有时是很难的，在一些模型中是知识，在另一些模 型中却是数据。鉴于知识库与数据库既有相异，又有联系，因此有入将二者统称为信息 库。只是在a i 系统中，把信息库称为知识库，在数据库系统中，把信息库称为数据 库。显然，数据库技术会向知识库方向发展，这是数据库的智能化。而知识库技术的发 展要利用数据库技术做支持。 2 1 4 推理机 人们在对各种事物进行分析、综合并最后做出决策时，通常是从已知的事实出发， 通过运用已掌握的知识，找出其中蕴含的事实，或归纳出新的事实，这一过程通常称为 推理。严格的说，所谓推理就是接某种策略由已知判断推出另一判断的思维过程。 一般来说，推理都包括两种判断：一种是已知的判断，它包括已掌握的与求解问题 有关的知识及关于问题的已知事实；另一种是由已知判断推出的新判断，即推理的结 论。在人工智能系统中，推理是由程序实现的，称为推理机4 1 。 推理机是专家系统的“思维”机构，是构成专家系统的核心部分。其任务是模拟领 域专家的思维过程，控制并执行对问题的求解【1 5 】。它能根据当前已知的知识，按一定 的推理方法和控制策略进行推理，求得问题的答案或证明某个假设的正确性。 推理机的性能与构造一般与知识的表示方式及组织方式有关，但与知识的内容无 关，这有利于保证推理机与知识库的相对独立性，当知识库中得知识有变化时，无需修 改推理机。 - 1 0 - 沈阳丁业大学硕士学位论文 2 1 5 知识获取 应用知识是专家系统有别于其他计算机软件系统的重要标志，而知识的质量与数量 又是决定专家系统性能的关键因素，但如何使专家系统获得高质量的知识昵? 这正是知 识获取要解决的问题。 知识获取是个与领域专家、专家系统建造者以及专家系统自身都密切相关的复杂 问题，由于各方面的原因，至今仍然是一件相当困难的工作，被公认是专家系统建造中 的个“瓶颈”问题【8 】。虽然已有许多人工智能学者在开展这方面的研究工作，希望实 现知识的自动获取这一目标还相距甚远，还需要走一段漫长的道路，解决许多理论及技 术上的困难问题。目前，知识获取通常是由知识工程师与专家系统中的知识获取机构共 同完成的。知识工程师负责从领域专家那里抽取知识，并用适当的模式把知识表示出 来，而专家系统中的知识获取机构负责把知识转换为计算机可存储的内部形式，然后把 它们存入知识库。在存储的过程中，要对知识进行一致性、完整性的检测。 2 2 神经网络 人工神经网络a n n ( a r t i f i c i a ln e u r a ln e t w o r k ) 是由大量的简单处理单元经广泛并 行互联形成的一种网络系统。它是对人脑系统的简化、抽象和模拟，具有人脑功能的许 多基本特征。它是对人类神经系统的一种模拟。人工神经网络系统的功能实际上是通过 大量神经元的广泛互连，以规模宏伟的并行运算来实现的【姗。 2 2 1 人工神经元模型 神经网络的基本处理单元为人工神经元，在1 9 4 3 年，m c c u l l o c h 和p i t t s 定义了简 单的人工神经元模型，称为m - p 模型m 。它的一般模型如图2 3 所示。 图2 3 人工神经元模型 沈阳工业大学硕士学位论文 人工神经元又称为处理单元、节点或短期记忆。从外部环境或别的神经元的输出构 成输入向量( x 。，x ：，靠) 7 ，其中x ，为别的神经元的输出或兴奋水平。连接两个神经元 的可调值称之为权值或长期记忆。所有和神经元j 相连接的权值构成向量 = ( 叶，u ：，m 0 ) 7 ，其中代表处理单元i 和j 之间的连接权值。通常还要加上 一个域值常数q 。此时神经元的计算过程可以表示为： y j = f 晓w 4 x 。- o j ) m ，= 巴 其中，为神经元的最大输出值。 x ， h 厂 石 - 7 ( 2 1 ) ( 2 1 3 ) m ) = 亿茗 ( 2 4 ) 其中口为神经元阈值。 “) 最为常用的s i g f n o i d 函数： ，( 曲2 寿 与此类似的还有双曲函数： m ) = 蓦 ) 2 2 ，2b p 神经网络及b p 学习规则 b p ( b a c kp r o p a g a t i o n ) 模型是一种用于前向多层神经网络的反向传播学习算法， 由d r t w n e l h a r t 和m e c l c l l a n d 于1 9 8 5 年提出。在此之前，虽然已有w e r b o s 和p a r k e r 1 2 - 沈阳工业大学硕士学位论文 分别于1 9 7 4 年及1 9 8 2 年提出过类似的算法，但只有在d ，r u m c l h a r t 等提出后爿。引起了 广泛的重视和应用。目前，b p 算法已成为应用最多且最重要的一种训练前向神经网络 的学习算法，也是前向网络得以广泛应用的基础。在人工神经网络中，绝大部分的神经 网络模型是采用b p 网络和它的变化形式，它是前向网络的核心部分，体现了人工神经 网络最精华的部分【i ”。b p 网络( b a c k - p r o p a g a t i o nn e t w o r k ) 是一种误差反向传播训练 的人工神经网络，它由输入节点、输出节点以及一层或多层隐节点组成，各节点单元一 般采用s i l 蓼a o i d 型激活函数进行运算，它主要用于函数逼近、模式识别、分类和数据压 缩【1 9 1 。它的结构如图2 4 所示。 图2 4b p 神经网络结构 输出层 斑层 输入层 b p 学习规则是种有导师的学习算法，其主要思想是：对于n 个输入学习样本 ( p l ，p 2 ，p n ) 及己知与其对应的期望输出样本( t t ，t 2 ，t n ) 。用网络的实际输 出与目标矢量之间的误差来修改其权值，使网络的实际输出与期望输出尽可能地接近， 即使网络输出层的误差平方和达到最小。它是通过连续不断地在相对于误差函数梯度下 降的方向上计算网络权值和偏差的变化逐渐逼近目标的。网络的学习过程由正向和反向 传播两部分组成。在正向传播过程中，输入信息从输入层经隐含层逐层计算传向输出 层，每一层神经元的状态只影响到下层神经元网络。如果输出层不能得到期望输出， 即实际输出与期望输出之间有误差，那么转入反向传播过程，将误差信号沿原来的连接 1 3 沈阳工业大学硕士学位论文 通路返回，通过修改各层神经元的权值，逐次地向输入层传播进行计算，再经过正向传 播过程，这两个过程反复运用，使得误差信号最小，当误差达到所希望的要求，网络学 习过程结束。 下面给出b p 算法学的具体步骤： ( 1 ) 从训练样例集中取一样例，把输入信息输入到网络中。 ( 2 ) 由网络分别计算各层节点的输出。 ( 3 ) 计算网络的实际输出与期望输出的误差。 ( 4 ) 从输出层反向计算到第一个隐层，按一定原则向减少误差方向调整网络的各个连 接权值。 ( 5 ) 对训练样例集中的每一个样例重复以上步骤，直到对整个训练样例集的误差达到 要求为止。 在以上步骤中，关键的是第4 步；必须确定如何沿着减少误差的方向调整连接权 值。在对它说明之前，先对下面要用到的符号约定如下： d f ：节点i 的输出； n e t ，：节点j 的输入： ：从节点i 到节点j 的连接权值； y 。，k ：分别为输出层上节点k 的实际输出( 即由网络计算机得到的输出) 及期 望输出。 显然对于节点i 有： n e t = w , j o , ，k e po , = f ( n e t j ) ( 2 7 ) f 其中，节点j 位于节点i 的下一层上，且节点i 连接到节点j 。 在b p 算法学习过程中，为了使学习以尽可能快的减少误差的方式进行。 g = ( 匕- y d 2 ( 2 8 ) t 对误差的计算采用了广义的规则，其误差函数为连接权值的修改由下式计算： ( h 1 ) 2 ( ，) + ( 2 9 ) - 1 4 _ 沈阳工业大学硕士学位论文 其中，阡i ( r ) 及( f + 1 ) 分别是时刻t 及t + l 从节点j 至节点k 的连摄权值；矽业 是权值的变化量。 现在的问题是如何计算玎i 。为了使连接权值沿着g 的梯度变化方向得以改善， 网络逐渐收敛，b p 算法取： 一，7 彘 妲1 0 ) 其中，7 为学习因子，由以t i , f 算得到： 由于 祟：旦并a n e t k ( 2 1 1 ) 鲫i g n e t k 鲫* 故有 面& l i e t k2 面嚣莩q 2 q ( 2 1 2 ) 令 瓯：旦 ( 2 1 3 ) 瓯2 a n e t k ( 2 1 3 ) 所以有 一叩击一栈q ( 2 1 4 ) 下面分两种情况计算瓯。 ( 1 ) 节点k 是输出层上的节点。此时，o k = y 。，则 瓯：旦：旦盟( 2 1 5 ) a n e t ta y c g n e t t 、 由于 = t g e = 一( 一y i ) ( 2 1 6 ) 叽 盖吖 ( 2 1 7 ) 1 5 沈阳工业大学硕士学位论文 所以 瓯= 一( k 一_ y ) 厂( n e t ) ( 2 1 8 ) f y m = 玎( k y k ) ，( n e t 女) 0 ， ( 2 - 1 9 ) ( 2 ) 节点k 不是输出层上的节点。这表示连接权值是作用于隐层上的节点的，此时 文按如下计算： 坑2 壶o n e t 。去旦a n e t k2 蠢厂( n e ( 2 2 0 ) k ka o k8 0 k 其中，是一个隐函数求导问题，这里不再进行推导，而直接给出结果，即 蠢2 弘 ( 2 2 1 ) 所以 瓯一f ( n e t 。) 以 ( 2 2 2 ) 这表明，内层节点的占值是通过上一层节点的占值来计算的。这样，就可以先用式 ( 2 2 0 ) 计算出最高层( 即输出层) 上各节点的占值。并将它反传到较低层上，然后用式 ( 2 2 2 ) 计算出各较低层上节点的万值。每个较低层上节点的占值的计算都要用到与它相 邻但层次较高的节点的j 值。 在实际应用中，学习因子选的太小，收敛太慢；学习因子选得太大，则有可能修正 过头，导致振荡甚至发散。因此一般的做法是在权值公式中加入一个态势项，即： 矽o + 1 ) = 矽0 0 ) 一7 7 瓯o j + 口【矽肚o ) 一0 一1 ) 】 ( 2 2 3 ) 其中。a 为一常数，称为态势因子，它决定上一次学习的权值变化对本次权值更新 的影响程度。 2 3 决策支持系统 2 3 1 决策支持系统的定义及结构 决策支持系统( d e c i s i o ns u p p o r ts y s t e m ，简记d s s ) 的概念是由美国麻省理工学 院的莫顿( s s m o r t o n ) 和肯( g w k e e n ) 等人在2 0 世纪7 0 年代初提出来的【2 0 。 d s s 目前尚无严格定义，一种观点认为：d s s 是综合利用大量数据，