产生式表示法
1972年,纽厄尔和西蒙在研究人类的认知模型中开发了基于规则的产生式系统,目前,产生式表示法已经成了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,许多成功的专家系统都是采用产生式知识表示方法。
产生式的基本形式
P→Q 或者 IF P THEN Q
P是产生式的前提,也称为前件,它给出了该产生式可否使用的先决条件,由事实的逻辑组合来构成;
Q是一组结论或操作,也称为产生式的后件,它指出当前题P满足时,应该推出的结论或应该执行的动作。
产生式的含义
如果前提P满足,则可推出结论Q或执行Q所规定的操作
产生式规则的例子
r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方
THEN 该动物是食肉动物
其中,r6是该产生式的编号;“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P;“该动物是食肉动物”是产生式的结论Q。
与蕴涵式的主要区别:
(1) 蕴涵式表示的知识只能是精确的,产生式表示的知识可以是不确定的
原因是蕴涵式是一个逻辑表达式,其逻辑值只有真和假。
(2) 蕴含式的匹配一定要求是精确的,而产生式的匹配可以是不确定的
原因是产生式的前提条件和结论都可以是不确定的,因此其匹配也可以是不确定的。
与条件语句的主要区别:
(1) 前件结构不同
产生式的前件可以是一个复杂的的结构
传统程序设计语言中的左部仅仅是一个布尔表达式
(2) 控制流程不同
产生式系统中满足前提条件的规则被激活后,不一定被立即执行,能否执行将取决于冲突消解策略
传统程序设计语言中是严格地从一个条件语句向其下一个条件语句传递。
产生式表示法
产生式是一种知识表达方法,具有和Turing机一样的表达能力。
(1)事实与规则的表示
事实可看成是断言一个语言变量的值或是多个语言变量间的关系的陈述句,语言变量的值或语言变量间的关系可以是一个词。不一定是数字。如雪是白色的,其中雪是语言变量,其值是白色的。John喜欢Mary,其中John、Mary是两个语言变量,两者的关系值是喜欢。
一般使用三元组(对象,属性,值)或(关系,对象1,对象2)来表示事实,其中对象就是语言变量,若考虑不确定性就成了四元组表示(增加可信度)。这种表示的机器内部实现就是一个表。
如事实“老李年龄是35岁”,便写成(Lee,age,35)
事实“老李、老张是朋友”,可写成(friend,Lee,Zhang)
对于规则是表示事物间的因果关系,以下列形式表示:
condition->action
condition作为前件或模式,而action称作动作或后件或结论。前件部分常是一些事实Ai的合取,而结论常是某一事实B,如考虑不确定性,需另附可信度度量值。
(2) 产生式系统的组成和推理
多数较为简单的专家系统(Expert System)都是以产生式表示知识的,相应的系统称作产生式系统。
产生式系统,由知识库和推理机两部分组成。其中知识库由规则库和数据库组成。规则库是产生式规则的集合,数据库是事实的集合。
规则是以产生式表示的。规则集蕴涵着将问题从初始状态转换解状态的那些变换规则,规则库是专家系统的核心。规则可表成与或树形式,基于数据库中的事实对这与或树的求值过程就是推理。
数据库中存放着初始事实、外部数据库输入的事实、中间结果事实和最后结果事实。
推理机是一个程序,控制协调规则库与数据库的运行,包含推理方式和控制策略。
产生式系统的推理方式有正向推理、反向推理和双向推理
正向推理:从已知事实出发,通过规则库求得结论,或称数据驱动方式。推理过程是:
规则集中的规则前件与数据库中的事实进行匹配,得匹配的规则集合。
从匹配规则集合中选择一条规则作为使用规则。
执行使用规则的后件。将该使用规则的后件送入数据库中
重复这个过程直至达到目标
具体说如数据库中含有事实A,而规则库中有规则A->B,那么这条规则便是匹配规则,进而将后件B送入数据库中。这样可不断扩大数据库直至包含目标便成功结束。如有多条匹配规则需从中选一条作为使用规则,不同的选择方法直接影响着求解效率,选规则的问题称作控制策略。正向推理会得出一些与目标无直接关系的事实,是有浪费的。
反向推理:从目标(作为假设)出发,反向使用规则,求得已知事实,或称目标驱动方式,推理过程是:
规则集中的规则后件与目标事实进行匹配,得匹配的规则集合;
从匹配的规则集合中选择一条规则作为使用规则;
将使用规则的前件作为子目标;
重复这个过程直至各子目标均为已知事实成功结束;
如果目标明确,使用反向推理方式效率较高。
双向推理:同时使用正向推理又使用反向推理。
(3)产生式表示的特点
产生式表示格式固定,形式单一,规则(知识单位)间相互较为独立,没有直接关系使知识库的建立较为容易,处理较为简单的问题是可取的。另外推理方式单纯,也没有复杂计算。特别是知识库与推理机是分离的,这种结构给知识的修改带来方便,无须修改程序,对系统的推理路径也容易作出解释。所以,产生式表示知识常作为构造专家系统的第一选择的知识表示方法。
相关推荐
常见的表示方法有状态空间表示法、与/或图表示法、一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法等。 状态空间表示法是问题求解的基础,通过定义状态(描述问题的当前状况)和操作算子(导致状态...
"哺乳动物", "有蹄", ...通过这样的实验,学生能够深入理解产生式知识表示法、前向推理机制以及如何构建一个简单的专家系统。同时,这也是一次将理论知识应用于实践的训练,有助于提升学生的编程能力和问题解决能力。
至今,产生式表示法已成为构建专家系统和其他AI应用的常用手段。 产生式规则通常具有“条件—结论”的结构,如“如果满足某个条件,则得出特定的结论”。这种结构反映了人类解决问题时的思维方式,因此常被用来模拟...
在IT领域,产生式系统是一种重要的知识表示和推理方法,尤其在人工智能和专家系统中扮演着核心角色。本文将深入探讨产生式系统的基本概念、运行机制以及基于规则的推理过程。 首先,我们要理解什么是产生式系统。...
### 人工智能课堂:产生式表示与专家系统 #### 一、产生式与产生式系统 1. **产生式的历史背景** - **早期概念**:1943年,美国数学家Post首次提出产生式系统,作为一种计算手段。同时期,Chomsky在自然语言结构...
总之,知识的产生式表示法提供了一种灵活且强大的方式来表示和处理因果关系,广泛应用于专家系统、自动推理、机器学习等领域。通过构建和操作产生式规则,我们可以模拟人类的推理过程,解决复杂问题,并在知识库中...
常见的知识表示方法包括符号表示法、连接机制表示法,如一阶谓词逻辑、产生式规则、框架表示法、语义网络等。选择表示方法时,需要考虑它是否能充分表达领域知识、是否利于知识的使用、是否易于维护管理,以及是否...
常见的知识表示方法包括非结构化方法(如逻辑表示法、产生式系统)、结构化方法(如框架、语义网络)和过程式知识表示法。 2. **产生式系统**: - 产生式系统由三个主要部分组成:综合数据库、产生式规则集和控制...
在本系统中,我们选择了产生式表示法(规则表示法)作为主要的知识表示手段。 ##### 2.2 产生式系统的扩展 产生式规则一般由规则名称、条件部分、结论部分和可信度四部分组成。为了增强系统的通用性和灵活性,我们...
这里可能会介绍到如框架表示法、产生式系统、语义网络等经典知识表示技术。此外,书中还会涉及推理策略,比如基于规则的推理、反向推理和正向推理,以及如何处理模糊性和不确定性。 或树(OR-Tree)是一种用于优化...
非结构化方法如逻辑表示法(QA3, STRIPS, DART, MOMO)和产生式系统(DENDRAL, MYCIN);结构化方法如框架和语义网络。每种方法都有其特定的适用场景和效果。 2. **产生式系统**:由综合数据库、产生式规则集和控制...
- **产生式表示法**:适合表示条件-动作型知识,广泛应用于专家系统中。 - **语义网络表示法**:通过节点和边表示实体间的关系。 - **面向对象表示法**:利用类和对象的概念来表示知识。 - **框架表示法**:通过框架...
- 产生式表示法:利用条件规则(IF-THEN规则)表示知识,符合人类的推理习惯。 - 框架表示法:基于框架(结构化的数据)来描述事物及其属性。 - 语义网络表示法:通过网络结构来表示概念间的关系。 随着面向对象...
- **知识库**:存储求解问题所需的领域知识,包括事实性知识和启发性知识,常见的知识表示法有多样化的形式,如一阶谓词逻辑、产生式规则、语义网络、框架、脚本、过程、状态图、面向对象表示等。 - **推理机**:...
产生式表示法则将知识表示为一系列的“如果-那么”规则,适用于描述问题解决的过程。比如,"如果温度低于零度,那么水会结冰"。这种表示方式易于构建专家系统,因为它模仿了人类专家思考问题的方式。 语义网络是一...