谈基于知识库的决策支持系统技术分析报告Word格式.docx

谈基于知识库的决策支持系统技术分析报告Word格式.docx

《谈基于知识库的决策支持系统技术分析报告Word格式.docx》由会员分享，可在线阅读，更多相关《谈基于知识库的决策支持系统技术分析报告Word格式.docx（14页珍藏版）》请在冰豆网上搜索。

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（M．Minsky）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：

ifAthenB，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。

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，