专家系统举例

5.
6.
规则092的前提部分涉及到临床参数TREATFOR，它是一个NONLABDATA, 因而系统调用TREATFOR的UPDATEI-BY特性所指出的第一条规则。
检查它的前提是否为真，此时如果该前提所涉及到的值是可向用户 询问的，就直接询问用户,否则再找出可推出该值的规则。如此反复 进行，直到最后推出PATIENT-1的主要临床参数 REGIMEN为止。
专家系统MYCIN － 数据表示 － 例子
下面给出三个用三元组描述数据的例子：
对象
属性
值
病人-1
病人-1
性别
药物过敏
((男 1.0))
((青霉素1.0)(氣苄青霉素1.0))
病原体-1
鉴别名
<(链球菌0.6)(葡萄球菌0.4))
专家系统MYCIN － 数据表示
MYCIN采用上下文树(Context tree)来表示问题,一棵上 下文树构成了对一个病人的完整描述。
研究课题２－ 知识的自动获取 知识获取可以划分为两个阶段：
一个是在知识库尚未建立起来时，从领域专家及有关文 献资料那获取知识。
对于这种情况，为了实现自动知识获取，需要解决自然语言的识
别与理解以及从大量事例中归纳知识等问题。
一个是在系统运行过程中，通过运行实践不断总结归纳。
对于这一种情况，还需要解决如何从系统的运行实践中发现问题 以及通过总结经验教训，归纳出新知识、修改旧知识等问题。
专家系统MYCIN － 解释功能
MYCIN具有较强的解释功能,能回答咨询过程中用户提出 的各种问题： 用户可询问系统： “为什么要问病人的性别？” 系统将回答说： “性别与确定能否在某一部位找到病原体有关”
专家系统MYCIN － 知识表示－静态知识的表示举例
属性的特性都用三元组的形式表示出来存于知识库中 例如BURN属性的属性特性表为：
对象 属性 值
BURN
BURN BURN BURN BURN BURN BURN
MEMBEROF
VALUTYPE EXPECT PROMPT LABDATA LOOKAHEAD TRANS
专家系统MYCIN － 知识表示 MYCIN的知识库主要用于存储领域知识，同时还 存放了一些静态知识（参数的特性表、清单、 词典等 ）。 领域知识的表示 静态知识的表示
专家系统MYCIN － 知识表示
领域知识的表示
专家系统MYCIN － 知识表示－领域知识的表示
领域知识用规则表示,其一般形式为： RULE * * * IF <前提> THEN <行为>
PRO-PT
BINARY (Y/N) Is * a burn patient ? 1 (RULE 047) (* HAS BEEN SERIOUSLY BURNED)
专家系统MYCIN － 推理的控制策略
MYCIN采用逆向推理及深度优先的搜索策略。
1. 2. 3. 4. 系统首先在数据库中建立一棵上下文树的根节点,并为该裉节点指 定一个名字PATIENT-1 (病人-1)，其类型为PERSON。 PERSON的属性为(NAME AGE SEX REGIMEN),其中前三项都具LABDATA 特性，即可通过向用户询问得到其值。于是系统向用户提出询问。 用户输人病人的姓名、年龄及性别，并以三元组形式存入数据中。 REGIMEN不是LABDATA属性，必须由系统推出。 为了得到REGIMEN,系统将开始推理过程。推理时首先运用的一条规 则是 RULE 092 。
动物识别系统 － 推理的结束条件
当有如下两种情况中的某一种出现时可终止推理： 知识库中再无可适用的知识。
对于这种情况，很容易进行检测，只要检查一下当前知识库中是 否还有知识的前提条件可被数据库的已知事实满足,且为未使用过 的知识就可得知。
经推理求得了问题的解。
扫描知识库的每一条规则，若一条规则的结论在其它规则的前提 条件中都不出现，则这条规则的结论部分就是最终结论，此时就 可终止推理过程 。 含有最终结论的规则称为结论性规则。对于结论性规则，为它作 一标志，每当推理机用到带标志的规则进行推理时,推出的结论必 然是最终结论，此时就可终止推理过程。
专家系统MYCIN － 数据表示 － 可信度因子 每个属性的值可以带有一个可信度因子CF,用以指出对 相应属性值的信任程度。 CF在[-1,1]上取值。 当CF>0时，表示相信该属性取相应值的程度； 当CF<0时, 表示不相该属性取相应值的程度； 当CF为1，-1或0时,分别表示完全相信、完全不相信、 不能确定该属性取相应的值。
研究课题3 － 深层知识的利用 深层知识是指：相关领域中的理论性知识、原 理性知识，而专家的经验通常被称为表层知识 或浅层知识。 对于深层知识的利用存在２个问题 （1）如何确定深层知识的容量与边缘 （2）非单调性亦是深层知识利用中的一个困难问 题
研究课题4 － 知识表示及推理方法 要使专家系统能像人类专家那样求解领域題， 就必须对知识的表示与处理作进一步的研究,使 其能真正模拟人类求解问题的思维过程。 首要解决的问题 （1）如何建立一致的知识表示框架，使之能包含 多范例的多种表示模式。 （2）如何在时态推理、定性推理、非单调推理等 方面有所突破，在不确定性的表示与处理方面 取得新的进展等。
解释子系统
知识获取子系统
专家、知识工程师
பைடு நூலகம்
专家系统MYCIN － 数据表示 数据库中的数据都用如下形式的三元组描述： (对象 属性 值）
1. “对象”又称为上下文，它是系统要处理的实体， 例如：PERSON(病人） 2. “属性”又称临床参数,用于描述相应对象的特征， 例如“病人”的姓名、年龄、性别。 3. “值”是指相应属性的值，根据属性的不同类别， 其值可以是一个或多个。
1. * * * 是规则的编号。
2.前提的一般形式是： ($ AND <条件-1> <条件-2> „ <条件-n>) 3.行为部分由行为函数表示,MYCIN中有三个专门用于表示动作的行 为函数:CONCLUDE, CONCLIST和TRANLIST。其中以CONCLUDE用得最 多，其形式为： ( CONCLUDE C P V TALLY CF)
动物识别系统 － 推理过程
两个例子
专家系统MYCIN
专家系统MYCIN MYCIN是一个帮助内科医生诊治感染性疾病的专 家系统：
1.系统结构 2.数据表示 3.知识表示 4.推理的控制策略 5.解释功能
专家系统MYCIN － 系统结构
用户（医生）
咨询子系统 数据库 DDB 知识库 SDB
主控模块
创 建 知 识 库
建 立 数 据 库
推 理 机
解 释 机 构
释放规则链表
标志结论性规则
释放事实链表
匹配已知事实
动物识别系统 － 知识表示
知识用产生式规则表示，相应的数据结构为：
struct RULE-TYPE{ char * result； int lastflag； struct CAUSE-TYPE* cause-chain； struct RULE-TYPE * next； };
专家系统MYCIN － 知识表示
静态知识的表示（属性特性的表示）
专家系统MYCIN － 知识表示－静态知识的表示

从临床参数（属性）的角度来看，可认为每个临床参数都具很多 种特性。主要特性有：
1. MEMBEROF:按所描述的对象不同迸行分类时，临床参数所属的类型名， 例如:PRO-PTo
2.
专家系统MYCIN － 数据表示－ 属性分类 MYCIN中有65种属性，这些属性按其所描述的对象不同 分为六类。 例如：用于描述“病人”情况的作为一类，用于描述“培 养物” 情况的作为一类，等等。 对每一类属性都有专门的名字。 例如：用PROMPT作为描述“病人”的属性集的名字。 属性又按其取值的性质不同分为七种类别。 例如：单值的，多值的，可问的，可导出的等
已知事实用字符串描述,连成链表，其数据结构为：
struct CAUSE-TYPE { char cause; struct CAUSE-TYPE* next;
};
动物识别系统 － 适用知识的选取
为了进行推理，就需要根据数据库中的已知事 实从知识库中选用合适的知识。 适用知识：若知识的前提条件所要求的事实在 数据库中都存在，就认为它是一条适用知识。
7.9
专家系统举例
广西师范大学计信学院
两个例子
1 动物识别系统 2 专家系统MYCIN
两个例子
动物识别系统
动物识别系统 这是一个用以识别虎、金钱豹等七种动物的小型 专家系统 ：
1.系统结构 2.知识表示 3.适用知识的选取 4.推理的结束条件 5.推理过程
动物识别系统 － 系统结构
专家系统MYCIN － 知识表示－领域知识的表示举例 例如对如下规则： RULE 047 如果：（1）病原体的鉴别名不确定，且 （2）病原体来自血液，且 （3）病原体的染色是革兰氏阴性，且 （4）病原体的形态是杆状的，且 （5）病原体呈赭色 那么：该病原体的鉴别名是假单胞细菌，可信度为0.4。 它在MYCIN中的表示形式是： RULE 047 PREMISE ( $ 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中专门用于表示条件的函数
7.8
新一代专家系统的研究
广西师范大学计信学院
主讲人:陈诗旭
目前专家系统存在的五大问题
忽视了理论与深层知识在问题求解中的作用 缺少多个系统的协作及综合型的专家系统 在知识获取方面还缺少自动获取知识的能力 在知识表示上缺少多种表示模式的集成 在推理方面不支持多种推理策略
针对上述问题,我们开始了新一代专家系统的研究
研究新一代专家系统的主要课题
1 分布协同式的体系结构 2 知识的自动获取 3 深层知识的利用
4 知识表示及推理方法
研究课题1 － 分布协同式的体系结构
所谓分布协同式体系结构是指：把知识库（推理机制） 分布于一个计算机网络的不同节点上,在求解问题时， 它们能互通信息，密切合作，共同完成问题求解任务。 该体系结构应解决２个问题 （1）任务分布： 把待求解的问题分解为若干子问题,分别交给系统中不同 的成员去完成。 （2）合作策略：由于系统中的各成员都只具有部分知识， 而问題的各子问题间存在着种种内在联系,这就要求各成 员必须互相通信，合作地进行问题求解。为实现合作，需 要解决合作的方式与策略以及通信的手段。
专家系统MYCIN － 推理的控制策略
推理中注意的2个地方： 在此过程中，每当得到一个值时,都要加人到上下文树 中。 在推理中，规则前提条件是否成立取决于数据库中是否 已有相应的证据(来自于用户或者是由系统推出的）以 及它是否满足阈值条件。 CF>0.2时则调用该规则结论中的函数 CF<=0.2时则放弃该规则
3. 4. 5. 6.
VALUTYPE:临床参数是单值、二值还是多值。
EXPECT:可问参数的许可值。用(Y/N)表示要求回答yes/no PROMPT:用于向用户提问一个单值或二值参数的值。 PROMPT1：用于向用户提问一个多值参数的值。 LABDATA：用于指出相应参数的值是否可从用户那里获得。