谈基于知识库的决策支持系统技术分析.doc

基于知识库的决策支持系统技术分析摘 要：伴随着DSS的不断发展，知识库技术也不断的成熟和完善，在数据库和人工智能技术的基础上实现知识的获取、存储、共享、管理和利用本文基于对现有知识库技术分析研究，通过大量的信息收集和处理，综合论述了知识库系统的基本原理与发展现状，阐述了其开发原则和开发步骤，对已有的知识库表示方法和推理方法进行了简明描述同时，本文从知识库系统现今研究热点极其发展主要方向出发，以克服现有知识库系统自身弱点、优化知识库系统设计为目标，在充分分析现有知识库表示方法的基础上进行综合与改进，按照拆分重组的步骤，提出了逻辑表示方法、知识分类表示方法两种新的表示方法最后，本文将知识分类表示方法应用与企业采购评标，将理论实例化，完整的论证了新的表示方法的实用性与适用性关键词：DSS 知识库 逻辑表示方法 知识分类表示方法目录一 引言3二 DSS知识库理论回顾3（一）设计知识库系统的原则3（二）知识库的开发步骤4（三）研究热点5(四)现有的知识库表示方法和推理方法7三 新型知识表示方法9（一）逻辑表示方法9（二）知识分类表示方法11四 知识分类表示方法在采购评标中的应用12五 目前存在的问题和不足15参考文献16一引言DSS能够较有效地支持半结构化和非结构化问题的解决，这类问题单纯用定量方法无法解决，至少不能完全解决。为此，必须在 DSS中建立知识库，以存放各种规则、因果关系、决策人员的经验等。此外，还应有综合利用知识库、数据库和定量计算结果进行推理和问题求解的推理机。知识库系统是一套用于实现知识的获取、存储、共享、管理和利用的系统。近十几年来,知识库系统已发展成一个综合性的研究方向,是知识存储领域主要的技术,目前广泛应用于设计、决策、诊断、控制、教学等领域,并成为人们研究的热点。知识库系统(KBS)的发展源于人工智能与数据库技术两个领域,其定义在两个领域中也有不同的理解。数据库专家在描述知识库系统时,倾向于其对知识的存储性。在AI领域,知识库系统是指利用人类所认识的现有知识进行推理、联想、学习和问题求解的只能计算机信息系统。我们对知识库系统的理解更偏向于AI领域,知识库系统是利用数据库存储的知识,进行推理验证,完成应用功能的一个系统。知识库系统的核心组成部分是知识库和推理机构。知识库是系统应用的基础,是知识的集合;而推理机构则是系统应用的实现,是为了使用知识库内的知识执行推理的控制机构。知识库是知识的集合,这种集合可以包含两种含义,一是指知识的存储:知识的模式以及存储物理实例;二是指知识的本身:用以描述知识域中除了事实、规则和概念之外还包含推理、归纳、演绎等知识处理方法,即事实、概念、规则的集合。知识库所能表示的知识必须具有一个统一的结构模式、优先一致的符号以及符号和模式能够能的一个合理的体系。目前知识库系统中一般采用的是“事实概念规则”所表示的三级知识体系。二、DSS知识库理论回顾（一）设计知识库系统的原则设计人员、领域专家以及大量的实例和问题构成了开发和改进知识库系统的三个基本要素。此外，开发知识库系统时要遵循以下基本原则：1保持知识库系统在DSS内部的相对独立性，这是目前DSS的基本结构。这样便于知识库系统内部管理，为知识库的不断扩充与修改提供了保证；2知识库与推理机应该分开，这样解释功能和知识获取功能才能实现；3在一个知识库中尽量使用一种知识表示方法，从而使系统中的知识易于处理、解释和管理，这将使知识库的实现工作相对简单，一般情况下，可建立多个子知识库。因为DSS中的知识来源较广，有的来自不同领域，有的来自不同的专家，或者执行不同的功能，不同来源的知识结构和表示往往有很大的差别，所以应该采用多个子知识库；4推理机应尽量简单，以便减少解释和知识获取的工作量；5 利用知识的冗余，知识的冗余是指获取和利用各具不同有点的多来源知识解决问题。用知识的冗余是一种弥补知识的不完整和不精确的有效方法。在DSS中，这种不完整和不精确的知识比较多，因而利用冗余显得很有必要；6. 知识库的开发与DSS整个系统的开发相协调。因为知识库仅是DSS的一部分，DSS的很多功能并不是由单一的知识库所能实现的，另一方面，为了测试、扩充和修改知识库，必须以相应较成熟的DSS为基础。（二）知识库的开发步骤知识库是DSS实现智能化的关键部件，开发知识库是开发DSS的高级阶段，但是，目前尚缺乏开发知识库的规范步骤。一般说来，建立知识库的工作应放在DSS开发的中后期进行，大致要经历认识阶段、概念化阶段、形式化阶段、实现阶段、测试阶段等。每一阶段工作都不是孤立的，而与DSS其他部件的开发有密切关系，且必须与整个系统的开发相协调。图1 知识库的开发步骤1认识阶段知识工程师通过与领域专家的合作，对领域问题进行需求分析。包括认识系统需要处理的问题范围、类型和各种重要特征、预期的效益等，并确定领域专家的知识类型的结构，以及系统开发所需的各种资源，如软件、硬件、人员、经费和时间等。2概念化阶段把问题求解所需要的各种专门知识概念化，确定概念之间的关系，并对任务进行划分，确定求解问题的控制流程和约束条件。3形式化阶段把已经整理出来的概念、概念间的关系以及领域专门知识用适合于计算机表示和处理的形式化方法描述出来，并选择合适的系统构造技术，确定数据结构、推理规则以及控制策略，建立问题求解模型。4实现阶段把建立的形式模型映射到具体的计算机软硬件环境中，选取适用的语言或工具建立可执行的原型系统。5测试阶段通过运行大量的实例，检测原型系统的正确性以及性能等各种系统目标是否达到。（三）研究热点1.知识表达的研究智能来源于知识。知识表达是知识库系统的核心之一。逻辑、语义网、过程以及框架都是被广泛采用的知识表达方式。它们有各自的侧重点，有突出的优点和弱点。知识表达始终是知识库系统研究的热门话题，主要研究方向有： 1）探讨新的表达方式。将更便于知识库的组织和提高知识处理的效率； 2）标准化。主要指的是对表达术语、原语以及表达技术的标准化； 3) 非精确知识、常识、时间变化以及关于知识库自身知识的表达和处理方法的研究； 4) 知识表达的综合模式。未来的知识表示系统将具有自动“任务划分”和“任务与表达模式匹配 ”的能力。2神经网络在知识库系统中的应用。长期以来，人工智能的研究一直是以西蒙等人的思想为基础的，即认为人类的思维在本质上是符号操作，而专家系统则是近十几年来人工智能研究的热点，第一代专家系统的研究涉及了众多领域，但也遇到了一系列严重问题。首先是知识获取的瓶颈问题；其次是当遇到启发或规则末考虑到的情况，系统就完全不能运转，这与串行符号的处理模式直接相关。知识库系统当然面临同样的问题。而按照神经网络的观点，人类的思维本质上是并行分布的模式处理。神经网络的知识获取是在给定输入和输出模式的前提下，通过学习过程自动调节网络中结点间联结的权值来完成的。因此，神经网络在理论上可以解决目前在人工智能、专家系统和知识库系统中普遍存在的问题。在知识库系统中运用神经网络方法，已经获得了一定的应用，并且会成为今后发展的方向之一。 3.面向对象技术在知识库系统中的应用有观点认为，知识库研究是理论驱动的，而面向对象数据库是典型的应用驱动的，因而它们在很多方面是互补的。但从本质上看，知识库系统和面向对象技术都追求与人们认识问题和思考问题相似的解决问题的方法，知识系统可在数据库基础上添加推理机制来实现，而推理是人脑思维的特征之一。面向对象技术是要求问题空间与问题求解空问(程序、数据库系统等)的 一致。它把客观世界的事物看作一个一个对象，它们都符合于人们对世界的原本的看法和映 象，在此基础上取得问题的描述与解决办法。因此，面向对象技术的对象以及消息传递等概念对于知识表达是非常合适的，已经有这方面的探索和实践，但要使知识库系统与面向对象技术 完美结合，还需做不少工作，包括结合的形式、模型的建立等等。 4. 主动知识库系统 一个主动知识库系统(AKBS)定义为： AKBS=KBS+EB+ EM 其中EB为事件库，EM为事件监视器。事件库由系统和用户定义的各种事件驱动规则组 成 ，其一般形式如下：WHEN(事件 ) IF(条件 1)THEN IFTHEN(动作 n)；(n=I) 因而 ，一个知识库中的知识被分成两部分，一部分称为“被动知识”，即传统知识库的知识 ， 它们是供推理机在解题过程中使用的另一部分称为“主动知识”，它是由上述事件驱动规则构成的一个集合 。 (四)现有的知识库表示方法和推理方法1.知识的表示方法知识必须有适当的表示方式才便于在计算机中存储、检索、修改和使用。知识表示方法近年来一直是人工智能、专家系统等领域广泛加以研究的课题，其中，应用较广泛的知识表示方法有如下几种：（1）语义网络语义网络概念最初是由Quinlan等提出，它是以网络格式表示人类知识构造的一种形式。是由节点和弧组成的一个有向图。其中节点表示事物、概念和事件等，而弧表示所连节点之间的关系。（2）框架结构框架结构是由美国著名的人工智能专家明斯基（MMinsky）提出来的一种知识表示方法，也是一种表示定型状态的数据结构。它的顶层是固定的，表示某个固定的概念、对象或事件，可称为框架名。其下层是由一些称为槽（Slot）的结构组成的，每个槽设有槽名（对象的属性名）和槽值（属性值），一个槽又可分为多个侧面（Facet），每个侧面对应一个值。（3）产生式规则产生式规则表示是20世纪40年代由逻辑学家Post提出来的，产生式规则知识一般表示为：if A then B，即如果A成立则B成立。可简化为：A B。例如：if 你正在大学读书 then 你是一名大学生。（4）脚本表示脚本（Script）是一个专门的框架，可用来表示特定领域内的特定问题。脚本由下列各部分组成：开场条件：事件发生之前必须满足的条件。例如，肚子饿了需要进餐，且有钱等；结局：事件发生之后成为现实的情况。例如肚子不再饿了，花了钱等；道具：用来表示与剧本所描述的事件有关的物体。例如餐桌、菜单、食物等；角色：剧本中描述事件中的人物。例如，经理、顾客、服务员等；线索：剧本中表达事件的时序模式。例如，小食店、餐厅、酒家等；场次：事件发生的顺序。每个场次可用框架描述；脚本就是通过一场一场地来表示一些特定的事件序列。除了以上几种表示方法以外，还有逻辑、面向对象、模糊、人工神经网络等知识表示方法这里不再一一介绍，其中，前面三种知识表示方法的例子可参见专家系统部分的有关内容。2.基于知识的推理推理方法是知识库中关于知识处理的很重要的组成部分，用它可以从已有的知识推出新知识，是获得知识的重要方法。下面简要介绍这些推理方法。（1）演绎推理演绎推理是从一般现象到个别现象的推理，是从前提按逻辑推出结论的推理方法。例如： 三段论推理：若“如果A 则B”和A为真，则可推出B为真。 反证法推理：若“如果A 则B” 为真和B为假，则可推出A为假。 传递律推理：若“如果A 则B”和“如果B则C” 为真，则可推出“如果A 则C” 为真。（2）归纳推理归纳推理是从个别现象到一般现象的推理，是一种从一个足够大的局部知识推断或推广为全局知识的推理方法。它包括：数学归纳法、枚举归纳法以及各种统计推理方法等。（3）联想与类比联想与类比是从一些已知事物的知识去推断与该事物相似的其它事物的知识的方法。例如，从发达国家的先进企业实施ERP获得成功，可以推断我国与其条件相近的企业也可在实施ERP上获得成功。根据联想和类比得到启发，从而获得真正的新知识，是获得知识的一条重要途径。（4）综合与分析综合是从事物的微观的、各部分的知识推断其宏观的总体的知识的方法，而分析则是从事物的宏观的总体的知识推断其微观的、各部分的知识的方法。综合与分析的方法也是人类推理经常使用的方法。（5）预测与外延预测与外延是从时间和空间进行推理的方法。预测是从时间上，根据事物过去、现在的知识来推断未来的知识。外延是从事物局部空间的知识推断其在局部以外知识的方法。（6）假设与验证根据经验作出假设，再用逻辑推理或实践办法去检验，去证明假设的正确，或否定假设，或部分修改假设再去验证，这种方法也可以称为“试探性推理方法”。3.知识库及推理机知识库（Knowledge Base）概念是数据库概念在知识处理领域的拓展和延伸。它是一个用于存储大量的、经过分类组织的知识的集合。在DSS中除了要研究推理的理论和方法之外，更重要的是要研究如何在计算机上实现推理。推理机就是基于知识推理的计算机实现。推理机的主要任务是选择知识和应用知识。能否迅速、准确地找到与解答有关的知识，直接影响推理机的性能。推理机的性能指标包括推理效果和推理效率，前者是衡量推理结论正确性的一个指标，后者可以用推理所花费的时间来说明。三 新型知识表示方法（一）逻辑表示方法逻辑表示方法主要是基于知识本身的逻辑关系，将其抽象称为“事实”和“操作”两部分，并且通过他们之间的映射关系将事实和操作联系起来，清晰实现知识表示。“事实”是人类知识中的重要组成部分，是对客观事物的状态和属性值的描述。“操作”是客观事物之间的相互作用关系。逻辑表示方法是一种形式语言，用它可以表示各种“事实”及其相关“操作”。它在人工智能、知识工程的领域中占有重要位置，对知识表示和推理方法非常重要，同时也作为知识库系统的基础。下面对知识的逻辑表示方法概要地予以叙述。1.逻辑符号集及其知识表示规定用以下符号来表示一阶谓词逻辑：常量符号：这里用 A、B、C来表示常量变量符号：用 x、y、z来表示； 函数符号：用 f、g、h来表示； 谓词符号：用 P、Q、R来表示；以下为构成用语的定义。（1）项（term）： 常量和变量； 若 t1，tn 为项，用函数记号 f写的函数则为 f（t1，tn）。（2）原子（逻辑）式，若以 p为谓词符号，t1，tn 为项，则谓词符号对项的作用为p（t1，tn），称为原子式。2.原子公式的句法和语义谓词演算语言的基本成分是用圆括号、方括号以及逗点隔开的谓词符号集、变量符号集、函数符号集、常量符号集，谓词符号用来表示论域中的一种关系。例如，设要表示某人写过某件事这一事实，可以用谓词符号WRITE 来表明在写的人和被写的事件之间的关系。要表示“学生写论文”，可以用如下简单的原子公式来表示：WRITE（STUDENT，PAPER）在这个原子公式中，STUDENT和 PAPER 是常量符号。一般说来，原子公式是由若干谓词符号和项构成的。常量符号是最简单类型的项，用来表示论域中的个体或实体。这些个体或实体可以是物理的个体、人、概念或有名字的任何事情。像 x或 y这样的变量符号也是项，而且允许不必确定所涉及的是哪一个事实，例如WRITE（x，y）。也可以构成函数符号的项。函数符号表示论域中的函数。例如，函数符号 father可用来表示一个人和他父亲之间的一个映射。为表示子句“Johns mother is married toJohnsfather”，可以用下面的原子公式：MARRIEDfather（JOHN），mother（JOHN）通常大写字母的一个记忆串作为一个谓词符号，如 W RITE、MARRIED。在某些抽象的例子中，大写字母和数字的短串（P1，Q2）也作为谓词符号；大写字母记忆串或大写字母和数字的短串也用作常量符号，例如，PAPER、A1 或 B2。但依上下文就可避免一个串是谓词符号还是常量符号的混淆。 为了用原子公式表示一个英语句子，集中用谓词和项来描述和表示句子的若干关系。经常是谓词和句子的动词是一致的，而项同句子的主语或宾语是一致的。如何表示一个句子，通常有几种选择。例如，表示句子“The house is yellow”，既可用一项谓词表示YELLOW（HOUSE -1），也可用二项谓词表示 COLOR（HOUSE -1YELLOW），也可用三项谓词表示 VALUE（COLOR，HOUSE -1，YELLOW）等。在谓词演算中，一个合适的公式可以通过规定语言的各元素和论域中的真值关系、实体、函数之间的一个对应来给出一个解释，对每个谓词符号必须规定定义域中的一个相应关中相应的一个函数。这些规定确定了谓词演算语言的语义。在应用中，用谓词演算明确地表示有关论域中确定的语句。于是，对所用的合适公式，脑子里常有一个具体的解释，一旦对一个原子公式已定义了一个解释，就说只当对有关的定义域对应的语句为真时，该公式具有值 T（真），而当对应的语句为假时，该公式具有值 F（假）。因此，具有明显的解释，公式W RITE（STUDENT，PAPER）取值 T，而W RITE（STUDENT，COMPUTER -CHESS）取值 F。当一个原子公式含有变量时，对变量（定义域中实体的变量）可能有几种设定，对这几种设定原子公式取值 T，而对另外几种假定则取值 F。（二）知识分类表示方法根据知识工程的原理按人类知识的结构化程度，大致可以分为模型性知识、符号性知识、实例样本（案例）性知识三大类异构形态的知识。采用三元组表示来定义异构知识：异构知识=（模型性知识，符号性知识，案例知识）1.模型性知识的表示模型性知识主要指所描述的问题对象可以抽象表达为数学模型，并可进行数值计算和分析，以数量表示、以数据运算反映知识推理和利用。决策问题所指的模型，是一些数学规划模型，它包括一组变量和指明它们之间关系的一组操作。为此可如下表示：模型知识=（输入集，输出集，输入输出属性之间的映射，模型设定条件）在模型库中存储了预先经过分析比较而建立的评价模型和相应程序，以便在应用时选择。2.符号性知识符号性知识是知识库主体，如：决策中的一些不易用数学模型表示的定性分析问题，需要根据专家经验进行决策。符号性知识多以规则、框架、语义网络等形式表示，这些知识及其表达方法便于经验总结和归纳，其求解机制是符号推理，若以产生式规则表示，即为基于规则推理。在循环经济决策系统中，准则的选取，经济状态、资源状态和环境状态内涵等，许多是由经验和变化的情况决定的，它们可以用用符号知识表示，用规则进行知识的推理和利用。符号知识=（经验，规则，问题条件）3.案例知识的表示案例知识是指在实际问题的一些现象和过程中，积累了大量实际知识。这些知识是当知识经验积累到一定程度后有一个质的飞跃，成为成功范例。当实际问题无法模型化，且当经验知识不能或难以显示地表示时，案例知识更能起到很好的作用。对于案例知识，在求解问题时进行相似类比推理，在人工智能方法中称为基于案例推理，它与基于规则推理有着紧密联系，它可缓解专家系统知识获取困难的瓶颈问题，并提高系统的推理效率。在循环经济决策系统中，将一些成功决策的项目作为案例知识进行保存。案例知识建模主要涉及如何选择合适的结构描述案例内容、案例库如何组织等。主要包括：定义知识表示，知识结构化和根据要求从各种类型的知识库中推理检索出需要的案例知识条目。案例知识=（案例索引，案例名称，案例特征，检索与实例适配标志，评价值）案例案例ID，状态属性集合，决策方法，约束条件，评价描述四知识分类表示方法在采购评标中的应用1采购评标概念采购评标，是指在采购过程中按照规定的评标标准和方法，对各投标人的投标文件进行评价比较和分析，从中选出最佳投标人的过程。采购评标是招标投标活动中十分重要的阶段，采购评标是否真正做到公平、公正，决定着整个招标投标活动是否公平和公正；采购评标的质量决定着能否从众多投标竞争者中选出最能满足采购招标项目各项要求的中标者。2采购评标流程任务概要采购评标节点控制相关说明采购部经理提出评标人员标准，选定参加评标人员，各相关部门将符合条件的人员名单递交至采购部经理采购部经理制定评标纪律，供应商据此进行投标活动采购部经理组织评标小组人员编写评标管理办法，报总经理审批采购部经理组织相关评标人员对供应商投标文件进行评定，评定供应商是否符合条件供应商主管对符合条件的供应商的价格进行综合比较，挑选价格方面具有优势的供应商采购部经理对于符合条件且具有价格优势的供应商进行研究，确定其是否最终符合条件整个评标过程结束后，采购部经理编写评标工作报告，对此阶段进行总结，初步确定中标供应商3.根据采购招标标准制定决策层次分析模型目标层F准则层f状态层s指标层x采购评标中标价格原材料原材料价格，进货渠道等运输运输单位价格，耗损等人工工人工资情况等技术硬件设备折损，流水线先进程度等人力职工素质，公司文化等资源承载环境环境质量治理三废治理指标，达标率指标等3.知识分类表示方法在采购过程中的应用（1）模型性知识的表示以多因素叠加法模型为例：式中F为采购决策目标；Wi为第i个准则的权重；fi为第i个准则的评价值。则可用知识表示为： (fi，F，wi*fi，wi)序，以便在应用时选择。在采购评标时，所应考虑的评分因素包括价格、技术、财务状况、信誉、业绩、服务、对招标文件的响应程度，以及相应的比重或者权值等。评标委员会各成员应当独立对每个有效投标人的标书进行评价、打分，然后汇总每个投标人每项评分因素的得分。（2）符号性知识的表示达标度=用符号知识的三元组（事实、规则和置信度）定义来描述决策知识，即：F= ，其中Fact表示由知识论域中的某一或多个元事实 b 依据规则或操作构成的复合事实，即：bi表示知识论域中的某一元事实，是整个知识模型中最小的知识表示单元，在采购评标过程中的元事实可以是单项数量指标，如：价格、技术、财务状况、信誉、业绩、服务、对招标文件的响应程度等；Rule表示元事实或复合事实之间的关系组合生成的一些规则或操作集（集合运算、算术运算等）。规则由前提和结论构成，前提是一系列元事实的连接所构成的假设，结论则由几个元事实组成。规则可以有嵌套结构，规则框架表示的数学模型如下所示：RULE WHEN If 材料 运输 存贮 人工then价格分析结论END RULE RULE WHEN If 设备 人力 then技术分析结论END RULE 4. 知识的巴科斯范式BNF描述为了更明确的阐述，用巴科斯范式进行描述面向对象的知识表示。:=|:=(AttributeList):=:=:=，:=:=，:=:，:=，:=:=:=:=五 目前存在的问题和不足知识库中的知识是专门知识，它们大多是领域专家长期积累起来的经验性知识。这些知识在专家头脑中没有很好的组织起来，因此要在短期内将这些知识全部整理出来通常是比较困难的，而需要花费很大的精力和较长的时间来整理知识和构造知识库。由于建立在经验基础上的专门知识缺乏研究的理论基础，这些知识往往是领域专家根据某些重复出现的因果联系或凭借某些直觉而获得的，所以，领域专家在描述这些知识时很难做到准确无误，因此，建造知识库的过程通常是一个反复测试，扩充及修改的过程。建立DSS知识库的最大困难在于目前知识工程的发展不够完善，没有严格定义的可供系统开发人员所遵循的规范。设计人员不得不依靠经验来开发知识库系统，往往不能用最接近专家知识的自然方式来表达，这也对构造和调试系统带来了极大的不方便。虽然目前存在这些问题和不足之处 ，但是，知识库系统已在决策支持系统 、专家系统 、CAD、办公室自动化等方面取得了很好的应用可以预见其旺盛的生命力和美好前景。 参考文献1闫志刚,杜培军.关系数据库表示规则知识的理论与方法J. 计算机工程与应用.2006.262陈伟亚等.基于循环经济系统的工业园区规划决策研究J.管理科学文摘.2008.33徐丽平,张俊卿,姜利群等.基于知识库的知识发现的研究J.计算机工程与设计.2008.5(10)4王素芬,杨保安等