第八章 产生式规则专家系统总结

14
产生式规则ES的解释机制（1）

推理过程的全部解释 推理过程成功路径的解释

仅对推理过程中的成功路径进行说明
2018/10/17
北京交通大学经济管理学院信息管理系
15
产生式规则ES的解释机制（2）

推理过程的全部解释

提取一条规则压入规则栈时，显示“引用” 该规则和“求”规则前提中的某项事实。将 事实为结论，压入栈顶，继续搜索规则
2018/10/17
北京交通大学经济管理学院信息管理系
12
产生式规则的不确定性推理（10）


合并G的可信度为CF(G)=CF1(G)+CF2(G)CF1(G)×CF2(G)=0.56+0.63-0.56×0.63=0.84 如果对某个事实用户回答为no，则它的可信度 CF=0
产生式规则ES的事实库
2018/10/17
北京交通大学经济管理学院信息管理系
8
产生式规则的不确定性推理（6）

三项前提时，即IF E1∨E2 ∨E3 THEN H CF(R)， 结论H的可信度：CF(H)=CF12(H)+CF3(H)CF12(H)×CF3(H)。其中， CF12(H)=CF1(H)+CF2(H)-CF1(H)×CF2(H)； CF3(H)=CF(E3)×CF(R3)
结论的不确定性



由于事实和规则的不确定性，导致了结论的 不确定性 反映了不确定性的传播过程 仍用可信度CF值表示
2018/10/17
北京交通大学经济管理学院信息管理系
6
产生式规则的不确定性推理（4）

结论的可信度计算公式

前提为∧连接时

规则形式：IF E1∧E2∧…∧En THEN H CF(R)； 结论H的可信度 CF(H)=CF(R)×MIN{CF(E1),CF(E2)…CF(En)}。 其中，Ek(k=1,2…n)代表前提中的每个事实； CF(Ek)代表每个事实的可信度；CF(R)代表规则 的可信度；CF(H)代表结论的可信度

不确定性推理事实库的关系型结构
事实 A1 A2 A3 y/n值 n y y 规则号 0 0 4 可信度 0 0.7 0.63
事实属性放事实，y/n值表示是(yes)还是 否(no)，规则号表示事实取y/n的理由，规 则号为“0”表示向用户提问得到，具体规 则号表示由该规则推出，可信度表示该事 实的可信度 北京交通大学经济管理学院信息管理系 2018/10/17


若栈顶目标在规则库中找不到以其为结论的规则， 则向用户提问 用户的回答（yes或no）以一个事实表示，记入 事实库
2018/10/17
北京交通大学经济管理学院信息管理系
16
产生式规则ES的解释机制（3）

从规则栈中退出一条规则时，说明规则是 “成功”还是“失败”的


由不确定性因素（包括模糊性/不完全性/不 准确与不精确性/随机性）造成 一般用可信度CF (Certainty Factor)值表示， 0≤CF≤1或0≤CF≤100%

“肺炎 CF=0.8”表示某病人患肺炎的可信度为 0.8(80%)
北京交通大学经济管理学院信息管理系 4
2018/10/17
产生式规则的不确定性推理（2）
产生式规则ES流行的原因


产生式规则容易被理解 产生式规则基于演绎推理，保证了推理 的正确性 大量产生式规则连成的推理树可以是多 棵树。从广度看，反映了实际问题的范 围；从深度看，反映了问题的难度
2018/10/17
北京交通大学经济管理学院信息管理系
3
产生式规则的不ቤተ መጻሕፍቲ ባይዱ定性推理（1）


在推理过程中，由于知识的不确定性所 引起的结论不确定性的传播过程 事实的不确定性



不确定性逆向推理：设R1：A→G CF(0.8)；R2： B∧C→G CF(0.9) 引用规则R1，提问A？当回答为yes时，还需要 给定事实的可信度，设为CF(0.7)，按公式求得G 的可信度为CF1(G)=0.8×0.7=0.56 由于G的可信度不为1，再引用规则R2，提问B和 C，设回答B为yes，CF(0.7)，回答C为yes， CF(0.8)，计算G的可信度为 CF2(G)=0.9×min{0.7,0.8}=0.63
产生式规则的不确定性推理（7）

与确定性逆向推理的区别


当某个结论的可信度不为1时（即CF≠1）， 对于相同结论的其它规则仍要进行推理，求 结论的可信度，并和已计算出该结论的可信 度进行合并 举例

有两条相同结论的规则：R1：A→G；R2： B∧C→G。分别使用确定性逆向推理和不确定性 逆向推理计算G的可信度
2018/10/17
北京交通大学经济管理学院信息管理系
7
产生式规则的不确定性推理（5）

前提为∨连接时


规则形式：IF E1∨E2 THEN H CF(R)IF E1 THEN H CF(R1)，IF E2 THEN H CF(R2)， CF(R)=CF(R1)=CF(R2) 结论H的可信度：CF(H)=CF1(H)+CF2(H)CF1(H)×CF2(H)。其中， CF1(H)=CF(E1)×CF(R1) CF2(H)=CF(E2)×CF(R2)
第八章 产生式规则专家系统
杜晖
2018/10/17
北京交通大学经济管理学院信息管理系
1
内容


产生式规则ES流行的原因 产生式规则的不确定性推理 产生式规则ES的事实库 产生式规则ES的解释机制 产生式规则ES不确定性推理举例 习题
北京交通大学经济管理学院信息管理系 2
2018/10/17

规则的不确定性

专家掌握的规则大多是经验性、不精确的 也可用可信度CF值表示

“如果 听诊=干鸣音 则 诊断=肺炎 CF=0.5” 表示根据病人的听诊是干鸣音而诊断该病人患肺 炎的可信度是0.5(50%)
2018/10/17
北京交通大学经济管理学院信息管理系
5
产生式规则的不确定性推理（3）

北京交通大学经济管理学院信息管理系 10
2018/10/17
产生式规则的不确定性推理（8）

确定性逆向推理：先引用规则R1，提问A？当 回答为yes时，推出结论G成立，即yes，不再 搜索R2对结论G进行推理
G
R1 R2
A
2018/10/17
B
C
11
北京交通大学经济管理学院信息管理系
产生式规则的不确定性推理（9）