專家系統(tǒng)舉例分析

1、7.8 新一代專家系統(tǒng)的研究,主講人:陳詩旭,廣西師范大學計信學院,目前專家系統(tǒng)存在的五大問題,忽視了理論與深層知識在問題求解中的作用缺少多個系統(tǒng)的協(xié)作及綜合型的專家系統(tǒng)在知識獲取方面還缺少自動獲取知識的能力在知識表示上缺少多種表示模式的集成在推理方面不支持多種推理策略針對上述問題,我們開始了新一代專家系統(tǒng)的研究,研究新一代專家系統(tǒng)的主要課題,研究課題1 － 分布協(xié)同式的體系結(jié)構(gòu),所謂分布協(xié)同式體系結(jié)構(gòu)是指：把知識庫（推理

2、機制）分布于一個計算機網(wǎng)絡(luò)的不同節(jié)點上,在求解問題時，它們能互通信息，密切合作，共同完成問題求解任務(wù)。該體系結(jié)構(gòu)應(yīng)解決２個問題（1）任務(wù)分布：　把待求解的問題分解為若干子問題,分別交給系統(tǒng)中不同的成員去完成。 （2）合作策略：由于系統(tǒng)中的各成員都只具有部分知識，而問題的各子問題間存在著種種內(nèi)在聯(lián)系,這就要求各成員必須互相通信，合作地進行問題求解。為實現(xiàn)合作，需要解決合作的方式與策略以及通信的手段。,研究課題２－ 知識的自動

3、獲取,知識獲取可以劃分為兩個階段：一個是在知識庫尚未建立起來時，從領(lǐng)域?qū)＜壹坝嘘P(guān)文獻資料那獲取知識。 對于這種情況，為了實現(xiàn)自動知識獲取，需要解決自然語言的識別與理解以及從大量事例中歸納知識等問題。 一個是在系統(tǒng)運行過程中，通過運行實踐不斷總結(jié)歸納。 對于這一種情況，還需要解決如何從系統(tǒng)的運行實踐中發(fā)現(xiàn)問題以及通過總結(jié)經(jīng)驗教訓，歸納出新知識、修改舊知識等問題。,研究課題3 － 深層知識的利用,深層知識是指：相關(guān)領(lǐng)域中的理

4、論性知識、原理性知識，而專家的經(jīng)驗通常被稱為表層知識或淺層知識。 對于深層知識的利用存在２個問題（1）如何確定深層知識的容量與邊緣 （2）非單調(diào)性亦是深層知識利用中的一個困難問題,研究課題4 － 知識表示及推理方法,要使專家系統(tǒng)能像人類專家那樣求解領(lǐng)域題，就必須對知識的表示與處理作進一步的研究,使其能真正模擬人類求解問題的思維過程。首要解決的問題（1）如何建立一致的知識表示框架，使之能包含多范例的多種表示模式。（2）如何在

5、時態(tài)推理、定性推理、非單調(diào)推理等方面有所突破，在不確定性的表示與處理方面取得新的進展等。,7.9 專家系統(tǒng)舉例,,廣西師范大學計信學院,兩個例子,兩個例子,動物識別系統(tǒng),這是一個用以識別虎、金錢豹等七種動物的小型專家系統(tǒng) ：1.系統(tǒng)結(jié)構(gòu)2.知識表示3.適用知識的選取4.推理的結(jié)束條件5.推理過程,動物識別系統(tǒng) － 系統(tǒng)結(jié)構(gòu),動物識別系統(tǒng) － 知識表示,知識用產(chǎn)生式規(guī)則表示，相應(yīng)的數(shù)據(jù)結(jié)構(gòu)為： struct RULE

6、-TYPE{ char * result； int lastflag； struct CAUSE-TYPE* cause-chain； struct RULE-TYPE * next；};已知事實用字符串描述,連成鏈表，其數(shù)據(jù)結(jié)構(gòu)為： struct CAUSE-TYPE { char cause; struct CAUSE-TYP

7、E* next;};,動物識別系統(tǒng) － 適用知識的選取,為了進行推理，就需要根據(jù)數(shù)據(jù)庫中的已知事 實從知識庫中選用合適的知識。適用知識：若知識的前提條件所要求的事實在數(shù)據(jù)庫中都存在，就認為它是一條適用知識。,動物識別系統(tǒng) － 推理的結(jié)束條件,當有如下兩種情況中的某一種出現(xiàn)時可終止推理：知識庫中再無可適用的知識。 對于這種情況，很容易進行檢測，只要檢查一下當前知識庫中是 否還有知識的前提條件可被數(shù)據(jù)庫的已知事實

8、滿足,且為未使用過的知識就可得知。經(jīng)推理求得了問題的解。 掃描知識庫的每一條規(guī)則，若一條規(guī)則的結(jié)論在其它規(guī)則的前提條件中都不出現(xiàn)，則這條規(guī)則的結(jié)論部分就是最終結(jié)論，此時就可終止推理過程 。 含有最終結(jié)論的規(guī)則稱為結(jié)論性規(guī)則。對于結(jié)論性規(guī)則，為它作一標志，每當推理機用到帶標志的規(guī)則進行推理時,推出的結(jié)論必然是最終結(jié)論，此時就可終止推理過程。,動物識別系統(tǒng) － 推理過程,兩個例子,專家系統(tǒng)MYCIN,MYCIN是一個幫助內(nèi)

9、科醫(yī)生診治感染性疾病的專家系統(tǒng)：1.系統(tǒng)結(jié)構(gòu)2.數(shù)據(jù)表示3.知識表示4.推理的控制策略5.解釋功能,專家系統(tǒng)MYCIN － 系統(tǒng)結(jié)構(gòu),專家系統(tǒng)MYCIN － 數(shù)據(jù)表示,數(shù)據(jù)庫中的數(shù)據(jù)都用如下形式的三元組描述： (對象 屬性 值）1. “對象”又稱為上下文，它是系統(tǒng)要處理的實體， 例如：PERSON(病人） 2. “屬性”又稱臨床參數(shù),用于描述相應(yīng)對象的特征，例如“病人”的姓名、年齡、性別。3

10、. “值”是指相應(yīng)屬性的值，根據(jù)屬性的不同類別，其值可以是一個或多個。,專家系統(tǒng)MYCIN － 數(shù)據(jù)表示－ 屬性分類,MYCIN中有65種屬性，這些屬性按其所描述的對象不同分為六類。例如：用于描述“病人”情況的作為一類，用于描述“培養(yǎng)物” 情況的作為一類，等等。對每一類屬性都有專門的名字。例如：用PROMPT作為描述“病人”的屬性集的名字。 屬性又按其取值的性質(zhì)不同分為七種類別。例如：單值的，多值的，可問的，可導出的等

11、,專家系統(tǒng)MYCIN － 數(shù)據(jù)表示 － 可信度因子,每個屬性的值可以帶有一個可信度因子CF,用以指出對相應(yīng)屬性值的信任程度。CF在[-1,1]上取值。 當CF>0時，表示相信該屬性取相應(yīng)值的程度； 當CF<0時, 表示不相該屬性取相應(yīng)值的程度； 當CF為1，-1或0時,分別表示完全相信、完全不相信、 不能確定該屬性取相應(yīng)的值。,專家系統(tǒng)MYCIN － 數(shù)據(jù)表示 － 例子,下面給出三個用三元組描述數(shù)據(jù)的例子：,專家

12、系統(tǒng)MYCIN － 數(shù)據(jù)表示,MYCIN采用上下文樹(Context tree)來表示問題,一棵上下文樹構(gòu)成了對一個病人的完整描述。,專家系統(tǒng)MYCIN － 知識表示,MYCIN的知識庫主要用于存儲領(lǐng)域知識，同時還存放了一些靜態(tài)知識（參數(shù)的特性表、清單、詞典等 ）。領(lǐng)域知識的表示靜態(tài)知識的表示,專家系統(tǒng)MYCIN － 知識表示,領(lǐng)域知識的表示,專家系統(tǒng)MYCIN － 知識表示－領(lǐng)域知識的表示,領(lǐng)域知識用規(guī)則表示,其一般形式為：

13、 RULE * * * IF THEN 1. * * * 是規(guī)則的編號。2.前提的一般形式是： ($ AND … ) 3.行為部分由行為函數(shù)表示,MYCIN中有三個專門用于表示動作的行為函數(shù):CONCLUDE, CONCLIST和TRANLIST。其中以CONCLUDE用得最多，其形式為： ( CONCLUDE C P V TAL

14、LY CF),專家系統(tǒng)MYCIN － 知識表示－領(lǐng)域知識的表示舉例,例如對如下規(guī)則： RULE 047如果：（1）病原體的鑒別名不確定，且 （2）病原體來自血液，且 （3）病原體的染色是革蘭氏陰性，且 （4）病原體的形態(tài)是桿狀的，且 （5）病原體呈赭色那么：該病原體的鑒別名是假單胞細菌，可信度為0.4。它在MYCIN中的表示形式是：RULE 047PREMISE ( $

15、 AND (NOTDEFINITE CNTXT IDENT)(SAME CNTXT SITE BLOOD)(SAME CNTXT STAIN GRAMNEG)(SAME CNTXT MORPH ROD)(SAME CNTXT BURNT))ACTION (CONCLUDE CNTXT IDENT PSEUDOMONAS TALLY.4)其中，NOTDEFINITE SAME是MYCIN中專門用于表示條件的函數(shù),專家系統(tǒng)MYC

16、IN － 知識表示,靜態(tài)知識的表示（屬性特性的表示）,專家系統(tǒng)MYCIN － 知識表示－靜態(tài)知識的表示,從臨床參數(shù)（屬性）的角度來看，可認為每個臨床參數(shù)都具很多種特性。主要特性有：MEMBEROF:按所描述的對象不同迸行分類時，臨床參數(shù)所屬的類型名，例如:PRO-PToVALUTYPE:臨床參數(shù)是單值、二值還是多值。EXPECT:可問參數(shù)的許可值。用(Y/N)表示要求回答yes/no PROMPT:用于向用戶提問一個單值

17、或二值參數(shù)的值。PROMPT1：用于向用戶提問一個多值參數(shù)的值。LABDATA：用于指出相應(yīng)參數(shù)的值是否可從用戶那里獲得。,專家系統(tǒng)MYCIN － 知識表示－靜態(tài)知識的表示舉例,屬性的特性都用三元組的形式表示出來存于知識庫中例如BURN屬性的屬性特性表為：,專家系統(tǒng)MYCIN － 推理的控制策略,MYCIN采用逆向推理及深度優(yōu)先的搜索策略。系統(tǒng)首先在數(shù)據(jù)庫中建立一棵上下文樹的根節(jié)點,并為該裉節(jié)點指 定一個名字PATIENT

18、-1 (病人-1)，其類型為PERSON。PERSON的屬性為(NAME AGE SEX REGIMEN),其中前三項都具LABDATA特性，即可通過向用戶詢問得到其值。于是系統(tǒng)向用戶提出詢問。用戶輸人病人的姓名、年齡及性別，并以三元組形式存入數(shù)據(jù)中。 REGIMEN不是LABDATA屬性，必須由系統(tǒng)推出。 為了得到REGIMEN,系統(tǒng)將開始推理過程。推理時首先運用的一條規(guī)則是 RULE 092 。規(guī)則092的前提部分涉

19、及到臨床參數(shù)TREATFOR，它是一個NONLABDATA,因而系統(tǒng)調(diào)用TREATFOR的UPDATEI-BY特性所指出的第一條規(guī)則。檢查它的前提是否為真，此時如果該前提所涉及到的值是可向用戶詢問的，就直接詢問用戶,否則再找出可推出該值的規(guī)則。如此反復進行，直到最后推出PATIENT-1的主要臨床參數(shù) REGIMEN為止。,專家系統(tǒng)MYCIN － 推理的控制策略,推理中注意的2個地方：在此過程中，每當?shù)玫揭粋€值時,都要加人到上下文

20、樹中。在推理中，規(guī)則前提條件是否成立取決于數(shù)據(jù)庫中是否已有相應(yīng)的證據(jù)(來自于用戶或者是由系統(tǒng)推出的）以及它是否滿足閾值條件。 CF>0.2時則調(diào)用該規(guī)則結(jié)論中的函數(shù) CF<=0.2時則放棄該規(guī)則,專家系統(tǒng)MYCIN － 解釋功能,MYCIN具有較強的解釋功能,能回答咨詢過程中用戶提出的各種問題： 用戶可詢問系統(tǒng)： “為什么要問病人的性別？” 系統(tǒng)將回答說