知识工程与知识管理二版ppt-第2章
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中，专家掌握的规则大多是经验性的，不是精确的。 3. 推理的不确定性
由于事实和规则的不确定性，从而产生了结论的不 确定性。它反映不确定性的传播过程。
不确定性推理依据: MAYCIN系统不确定性计算公式的简化：
1. －1 ≤CF≤1改为0 ≤CF≤1
2. 含OR连接规则拆成多条规则 例如：A ∨B →G 拆成： A →G B →G
当目标取某值的可信度为100（或1）时，将排斥目 标取其它值。
2.2.2不确定性推理
1. 事实的不确定性 事 实 的 不 确 定 性 一 般 用 可 信 度 CF(Certainty
Factor)值表示，它的取值范围为： 0≤CF≤1
2. 规则的不确定性 规则反映了客观事物的规律性。大量的实际问题
推理中的搜索和匹配过程，如果进行跟踪和显 示就形成了向用户说明的解释机制。好的解释 机制不显示那些失败路径的跟踪。
2.1.3 专家系统的应用与困难
专家系统的应用范围
1. 翻译系统：如语言翻译、图像分析、信号翻译等。 2. 预测系统：如天气预报、人口预测、军事预报等。 3. 诊断系统：如医学、电子学、机械、软件诊断等。 4. 设计系统：如电路设计、建筑设计以及预算的编制。 5. 规划系统：如自动程序设计、机器人等规划问题。 6. 监控系统：如航空监控系统等。 7. 调试系统：指出故障的补救方法。 8. 维修系统：完成某一个诊断问题的治疗方法。 9. 控制系统：如航空控制、商务管理、战场指挥等。
前提 结论
（3）
规则库
3、推理树（知识树）
按逆向推理思想把规则库所含的总目标 （它是某些规则的结论）作为根结点，按规 则的前提和结论展开成一棵树的形式。
这棵树一般称为推理树或知识树，它把规则 库中的所有规则都连结起来。由于连结时有 “与”关系和“或”关系，从而构成了“与 或”知识树（推理树）。
例：若有规则集为：
把它转化成等价的两条规则，即
IF E1 THEN H CF(R) IF E2 THEN H CF(R)
如果已知两条规则形式如下:
IF E1 THEN H CF(R1) IF E2 THEN H CF(R2)
则结论H的可信度计算分别有：
CCFF12((HH))＝＝CCFF((RR12))
CF(E1) CF(E2)
规则号
前提表
结论
I
3Fra Baidu bibliotek
I,J
A
1
A
G
规则栈
6、结点的否定
每个结点有两种可能，即yes和no。 叶结点为no是由用户回答形成的。中间结点为 no是由叶结点为no，回溯时引起该结点为no。 对中间结点的否定需要注意的是，若当该结点 还有其它“或条件”分枝时，不能立即确定该 结点为no，必须再搜索另一分枝，当另一分枝 回溯为yes时，该结点仍为yes。
推理机＝搜索+匹配（假言推理）
在推理过程中，是一边搜索一边匹配。产生式规则中 的匹配是利用已知的事实来完成和一条规则的假言 推理，这条规则是需要在规则库中去搜索并找到。
(1) 正向推理 逐条搜索规则库，对每一条规则的前提条件，检查 事实库中是否存在。
前提条件中各子项，若在事实库中不是全部存在，放 弃该条规则。若在事实库中全部存在，则执行该条规 则，把结论放入事实库中。
计算机语言的这些文法（二型和三型）本身就是产生 式。在单词识别和语句识别的过程中，是反复地利 用这些文法进行推导（正向推理）或归约（逆向推 理）而完成的。
编译系统从知识的表示（文法）和推理两方面，都是 和专家系统一致的。
任何人用计算机语言编制任何问题的计算机程序（源 程序），只要它符合语言的文法要求，而不管它是 哪个领域的问题求解程序，编译系统一定能把该程 序编译成机器语言或中间语言（目标程序）。
中间结点只有所有“或”分枝的回溯值均 为no时，才能最后确定该中间结点为no。
7、目标的多值求解
当目标有多个值时，目标求解分两种情况： 1）多值间互斥 目标可取多值时（如成绩“优、良、中、可、
劣”），这些值之间是互斥的.
这种情况下对目标的搜索求解，按顺序搜索目标 的各个取值。前一个目标值不成立时，搜索后 一个目标值，直到搜索求解出一个目标值成立 为止.不再往下搜索其它目标值。
⒉ 产生式规则的推理 这种知识的推理，有一个重要的问题就是搜索。 更明确地说：
推理机＝搜索+匹配（假言推理）
在推理过程中，是一边搜索一边匹配。匹配需要 找事实。在匹配时会出现成功或不成功，对于不 成功的将引起搜索中的回溯和由一个分枝向另一 个分枝的转移，可见在搜索过程中包含了回溯。
⒊ 产生式规则的解释
这就体现了智能的效果，即用知识推理的方法解决变 化的源程序。
2.2.1产生式规则知识与推理
产生式规则知识的特点：
⒈ 相同的条件可以得出不同的结论。 如：A→B A→C
注：这样的规则有时允许，有时不允许。 ⒉ 相同的结论可以由不同的条件来得到。
如 A→G B→G ⒊ 条件之间可以是“与”（AND）连接和“或”（OR）连接
反复循环执行上面过程，直至推出目标，并存入事实 库中为止。
正向推理示意图
(1) 事实
1. F ∧ B → G 2. C ∧ D → F
3. E → D
前提 结论 (2)
规则库
(3) 结论
A、B、C、E、 D、F、G 事实库
(2) 逆(反)向推理 逆向推理是从目标开始，寻找以此目标为结论的
规则，并对该规则的前提进行判断，若该规则 的前提中某个子项是另一规则的结论时，再找 以此结论的规则。
第二章 专家系统及其开发
(1)
第2章 专家系统及其开发
2． 1 专家系统综述 2． 2 产生式规则专家系统 2．3 元知识与两级推理 2．4 专家系统的黑板结构 2．5 专家系统开发与实例
2.1 专家系统综述
2.1.1 专家系统概念 2.1.2 专家系统结构和原理 2.1.3 专家系统的应用与困难
计算机的应用发展概括为：
数值计算───→数据处理───→知识处理
（算法）
（数据库处理） （推理）
例如： 求解微积分问题，是利用30~40条微分、积分公式来求解千 变万化的微分、积分问题，得出各自的结果。其中微积分 公式就是规律性知识，求解微积分问题就是对微积分公式 进行反复地利用（公式推导），最后得出该问题的结果。 这个推理过程是一个不固定形式的推理，即前后用哪个公 式，调用多少次这些公式都随问题变化而变化。
2.1.2 专家系统结构和原理
专家
用户
知识获取
人机接口 咨询 建议
知识库
推理机
专家系统核心
知识获取是完成把专家的知识按一定的知识表示形式 输入到专家系统的知识库中。
人机接口是将用户的咨询以及专家系统推出的结论进 行人机间的翻译和转换。
推理机根据用户的咨询去搜索知识库中的知识，找到 相应的知识后进行推理，得出结论，该结论可能要 继续在知识库中反复地去搜索新知识和推理，一直 推理到问题的目标结论，再反馈给用户。
2.2产生式规则专家系统
2.2.1产生式规则知识与推理 2.2.2不确定性推理 2.2.3 解释机制和事实数据库 2.2.4产生式规则知识推理简例
目前，用产生式规则知识形式建立的专家系统是最广 泛和最流行的。重要原因在于：
（1）产生式规则知识表示形式容易被人理解。
（2）它是基于逻辑推理中的演绎推理。它保证了推 理结果的正确性。
重复以上过程，直到对某个规则的前提能够进行 判断。按此规则前提判断（“是”或“否”） 得出结论的判断，由此回溯到上一个 规则的推 理，一直回溯到目标的判断。
逆向推理示意图
（2）事实
（1）
1. F ∧ B → G 2. C ∧ D → F
3. E → D
(4) 结论
A、B、C、E D、F、G 事实库
8
C
10
I
J
KL
M
E
4
5
11
12
YX
FN Y W
ZP
Q
Y
N
Y
Y
5、计算机中的逆向推理过程
在计算机中实现时，并不把规则连成推理树， 而是利用规则栈来完成。当调用此规则时，把它压 入栈内（相当于对树的搜索），当此规则的结论已 求出（yes或no）时，需要将此规则退栈（相当于对 树的回溯）。
利用规则栈的压入和退出的过程，相当于完成了推 理树的深度优先搜索和回溯过程。
⒈ 前提中AND（与）连接时，结论可信度的计 算公式
规则形式：
IF E1∧E2∧...∧EN THEN H CF(R)
结论H的可信度为：
CF(H)＝CF(R) MIN{CF(E1)，CF(E2)…CF(EN)}
⒉ 前提中OR（或）连接时结论的可信度计算公 式 规则形式:
IF E1 OR E2 THEN H CF(R)
A∨（B∧C）→G （I∧J）∨K→A X∧F→J
L→B M∨E→C W∧Z→M P∧Q→E 画出“与、或”知识树。
G AB C I J KLM E
X F W ZP Q
4、推理树的逆向推理过程
(1) 推理树的深度优先搜索
逆向推理过程在推理树中的反映为推理树的深 度优先搜索过程。
G
1
9
7
A
B
2
6 3
合并为：
CF(H)＝CF1(H)+CF2(H)－CF1(H) CF2(H)
对于三条规则，如： IF E1 THEN H CF(R1) IF E2 THEN H CF(R2) IF E3 THEN H CF(R3 )
2.1.1 专家系统概念
（一）专家系统定义 专家系统是具有大量专门知识， 并能运用
这些知识解决特定领域中实际问题的计算机程 序系统。
这里提到的解决实际问题是利用推理方法。 也就是说，专家系统是利用大量的专家知识， 运用知识推理的方法来解决各特定领域中的实 际问题。计算机专家系统这样的软件能够达到 人类专家解决问题的水平。
3、专家系统开发的困难 建造专家系统的主要任务是知识的形式化和知识库的实现。 这是一个重要而困难的问题。许多专家系统所需的成百条规 则和大量事实往往是靠访问有关领域专家来获取的。
知识获取是建造专家系统的“瓶颈”。
主要困难： （1）专家一般陈述知识的方法和计算机程序表达之间存在差异； （2）专家知识存在主观性、不确定性（部分正确）等问题；
2）多值间不互斥
对目标的搜索求解取得一个值后，搜索不能停止，还 需继续进行，对目标的所有取值都必须搜索求解到。
当目标取值采用可信度时，所有目标取值（如“肺炎、 肺结核”等）都是不互斥的，必须对所有取值都搜 索到，得到每个取值的可信度（如“肺炎”可信度 0.8、“肺结核”可信度0.6），然后，按可信度大 小排序。
专家系统的核心是知识库和推理机，这样 我们把专家系统概括为：
专家系统＝知识库+推理机
1、知识库
（1）知识的表示形式
知识表示
产生式规则（IF__THEN） 谓词逻辑 模糊逻辑 （真假二值） （ 0,1连续值）
框架 语义网络
过程性知识 本体
（2） 知识的精确程度 精确知识公式公理 原理性
知识精确度
如 A∧B→G ，A∨B→G（相当于A→G，B→G） ⒋ 一条规则中的结论，可以是另一条规则中的条件。
如 F∧B→Z， C∧D→F 其中F在前一条规则中是条件，在后一条规则中是结论。
2、 产生式规则知识的推理
产生式规则知识推理时，需要在大量的规则知识中进 行搜索，找到所需要的规则知识，这种搜索的代价 远超过了对规则知识的匹配（假言推理），搜索就 成了推理机中的重要组成部分。更明确地说：
2、专家系统应用概况
早期研制的PROSPECKTOR矿藏勘探专家系统，由于在 华盛顿州发现矿藏，获利一亿美元。
R1(或称XCON)是DEC公司为设计和配置VAX计算机的专 家系统，每年都为DEC公司节省数百万美元，又缩短了配 置一个定货单的时间。
现在，作为商品的专家系统以及专家系统工具已经愈来愈 多，创造的价值也愈来愈大，因此，各行各业都在推广和 应用专家系统。
（3）大量产生式规则所连成的推理树（知识树）， 可以是多棵树。
从树的宽度看，反映了实际问题的范围。从树的深度 看，反映了问题的难度。这使专家系统适应各种实 际问题的能力很强。
计算机各种语言的编译系统，虽然人们没有把它说成 是专家系统。但是，从编译方法的处理过程看，它 事实上就是专家系统。
编译系统的词法分析是利用单词的三型文法，来实现 对单词的识别。语法分析是利用语句的二型文法实 现对语句的识别和产生中间语言。
不精确知识 经验性
可信度 概率 证据理论 模糊数学
2. 推理机
不同的知识表示形式的推理 （1）产生式规则：假言推理 ｐ，ｐ→ｑ┝ｑ （2）谓词逻辑：合一算法和归结原理
模糊逻辑：模糊推理（模糊集的合成运算） （3）框架：填槽 （4）语义网络：联想 （5）剧本：对情节的解释 （6）本体的推理机制是：对概念的细化
由于事实和规则的不确定性，从而产生了结论的不 确定性。它反映不确定性的传播过程。
不确定性推理依据: MAYCIN系统不确定性计算公式的简化：
1. －1 ≤CF≤1改为0 ≤CF≤1
2. 含OR连接规则拆成多条规则 例如：A ∨B →G 拆成： A →G B →G
当目标取某值的可信度为100（或1）时，将排斥目 标取其它值。
2.2.2不确定性推理
1. 事实的不确定性 事 实 的 不 确 定 性 一 般 用 可 信 度 CF(Certainty
Factor)值表示，它的取值范围为： 0≤CF≤1
2. 规则的不确定性 规则反映了客观事物的规律性。大量的实际问题
推理中的搜索和匹配过程，如果进行跟踪和显 示就形成了向用户说明的解释机制。好的解释 机制不显示那些失败路径的跟踪。
2.1.3 专家系统的应用与困难
专家系统的应用范围
1. 翻译系统：如语言翻译、图像分析、信号翻译等。 2. 预测系统：如天气预报、人口预测、军事预报等。 3. 诊断系统：如医学、电子学、机械、软件诊断等。 4. 设计系统：如电路设计、建筑设计以及预算的编制。 5. 规划系统：如自动程序设计、机器人等规划问题。 6. 监控系统：如航空监控系统等。 7. 调试系统：指出故障的补救方法。 8. 维修系统：完成某一个诊断问题的治疗方法。 9. 控制系统：如航空控制、商务管理、战场指挥等。
前提 结论
（3）
规则库
3、推理树（知识树）
按逆向推理思想把规则库所含的总目标 （它是某些规则的结论）作为根结点，按规 则的前提和结论展开成一棵树的形式。
这棵树一般称为推理树或知识树，它把规则 库中的所有规则都连结起来。由于连结时有 “与”关系和“或”关系，从而构成了“与 或”知识树（推理树）。
例：若有规则集为：
把它转化成等价的两条规则，即
IF E1 THEN H CF(R) IF E2 THEN H CF(R)
如果已知两条规则形式如下:
IF E1 THEN H CF(R1) IF E2 THEN H CF(R2)
则结论H的可信度计算分别有：
CCFF12((HH))＝＝CCFF((RR12))
CF(E1) CF(E2)
规则号
前提表
结论
I
3Fra Baidu bibliotek
I,J
A
1
A
G
规则栈
6、结点的否定
每个结点有两种可能，即yes和no。 叶结点为no是由用户回答形成的。中间结点为 no是由叶结点为no，回溯时引起该结点为no。 对中间结点的否定需要注意的是，若当该结点 还有其它“或条件”分枝时，不能立即确定该 结点为no，必须再搜索另一分枝，当另一分枝 回溯为yes时，该结点仍为yes。
推理机＝搜索+匹配（假言推理）
在推理过程中，是一边搜索一边匹配。产生式规则中 的匹配是利用已知的事实来完成和一条规则的假言 推理，这条规则是需要在规则库中去搜索并找到。
(1) 正向推理 逐条搜索规则库，对每一条规则的前提条件，检查 事实库中是否存在。
前提条件中各子项，若在事实库中不是全部存在，放 弃该条规则。若在事实库中全部存在，则执行该条规 则，把结论放入事实库中。
计算机语言的这些文法（二型和三型）本身就是产生 式。在单词识别和语句识别的过程中，是反复地利 用这些文法进行推导（正向推理）或归约（逆向推 理）而完成的。
编译系统从知识的表示（文法）和推理两方面，都是 和专家系统一致的。
任何人用计算机语言编制任何问题的计算机程序（源 程序），只要它符合语言的文法要求，而不管它是 哪个领域的问题求解程序，编译系统一定能把该程 序编译成机器语言或中间语言（目标程序）。
中间结点只有所有“或”分枝的回溯值均 为no时，才能最后确定该中间结点为no。
7、目标的多值求解
当目标有多个值时，目标求解分两种情况： 1）多值间互斥 目标可取多值时（如成绩“优、良、中、可、
劣”），这些值之间是互斥的.
这种情况下对目标的搜索求解，按顺序搜索目标 的各个取值。前一个目标值不成立时，搜索后 一个目标值，直到搜索求解出一个目标值成立 为止.不再往下搜索其它目标值。
⒉ 产生式规则的推理 这种知识的推理，有一个重要的问题就是搜索。 更明确地说：
推理机＝搜索+匹配（假言推理）
在推理过程中，是一边搜索一边匹配。匹配需要 找事实。在匹配时会出现成功或不成功，对于不 成功的将引起搜索中的回溯和由一个分枝向另一 个分枝的转移，可见在搜索过程中包含了回溯。
⒊ 产生式规则的解释
这就体现了智能的效果，即用知识推理的方法解决变 化的源程序。
2.2.1产生式规则知识与推理
产生式规则知识的特点：
⒈ 相同的条件可以得出不同的结论。 如：A→B A→C
注：这样的规则有时允许，有时不允许。 ⒉ 相同的结论可以由不同的条件来得到。
如 A→G B→G ⒊ 条件之间可以是“与”（AND）连接和“或”（OR）连接
反复循环执行上面过程，直至推出目标，并存入事实 库中为止。
正向推理示意图
(1) 事实
1. F ∧ B → G 2. C ∧ D → F
3. E → D
前提 结论 (2)
规则库
(3) 结论
A、B、C、E、 D、F、G 事实库
(2) 逆(反)向推理 逆向推理是从目标开始，寻找以此目标为结论的
规则，并对该规则的前提进行判断，若该规则 的前提中某个子项是另一规则的结论时，再找 以此结论的规则。
第二章 专家系统及其开发
(1)
第2章 专家系统及其开发
2． 1 专家系统综述 2． 2 产生式规则专家系统 2．3 元知识与两级推理 2．4 专家系统的黑板结构 2．5 专家系统开发与实例
2.1 专家系统综述
2.1.1 专家系统概念 2.1.2 专家系统结构和原理 2.1.3 专家系统的应用与困难
计算机的应用发展概括为：
数值计算───→数据处理───→知识处理
（算法）
（数据库处理） （推理）
例如： 求解微积分问题，是利用30~40条微分、积分公式来求解千 变万化的微分、积分问题，得出各自的结果。其中微积分 公式就是规律性知识，求解微积分问题就是对微积分公式 进行反复地利用（公式推导），最后得出该问题的结果。 这个推理过程是一个不固定形式的推理，即前后用哪个公 式，调用多少次这些公式都随问题变化而变化。
2.1.2 专家系统结构和原理
专家
用户
知识获取
人机接口 咨询 建议
知识库
推理机
专家系统核心
知识获取是完成把专家的知识按一定的知识表示形式 输入到专家系统的知识库中。
人机接口是将用户的咨询以及专家系统推出的结论进 行人机间的翻译和转换。
推理机根据用户的咨询去搜索知识库中的知识，找到 相应的知识后进行推理，得出结论，该结论可能要 继续在知识库中反复地去搜索新知识和推理，一直 推理到问题的目标结论，再反馈给用户。
2.2产生式规则专家系统
2.2.1产生式规则知识与推理 2.2.2不确定性推理 2.2.3 解释机制和事实数据库 2.2.4产生式规则知识推理简例
目前，用产生式规则知识形式建立的专家系统是最广 泛和最流行的。重要原因在于：
（1）产生式规则知识表示形式容易被人理解。
（2）它是基于逻辑推理中的演绎推理。它保证了推 理结果的正确性。
重复以上过程，直到对某个规则的前提能够进行 判断。按此规则前提判断（“是”或“否”） 得出结论的判断，由此回溯到上一个 规则的推 理，一直回溯到目标的判断。
逆向推理示意图
（2）事实
（1）
1. F ∧ B → G 2. C ∧ D → F
3. E → D
(4) 结论
A、B、C、E D、F、G 事实库
8
C
10
I
J
KL
M
E
4
5
11
12
YX
FN Y W
ZP
Q
Y
N
Y
Y
5、计算机中的逆向推理过程
在计算机中实现时，并不把规则连成推理树， 而是利用规则栈来完成。当调用此规则时，把它压 入栈内（相当于对树的搜索），当此规则的结论已 求出（yes或no）时，需要将此规则退栈（相当于对 树的回溯）。
利用规则栈的压入和退出的过程，相当于完成了推 理树的深度优先搜索和回溯过程。
⒈ 前提中AND（与）连接时，结论可信度的计 算公式
规则形式：
IF E1∧E2∧...∧EN THEN H CF(R)
结论H的可信度为：
CF(H)＝CF(R) MIN{CF(E1)，CF(E2)…CF(EN)}
⒉ 前提中OR（或）连接时结论的可信度计算公 式 规则形式:
IF E1 OR E2 THEN H CF(R)
A∨（B∧C）→G （I∧J）∨K→A X∧F→J
L→B M∨E→C W∧Z→M P∧Q→E 画出“与、或”知识树。
G AB C I J KLM E
X F W ZP Q
4、推理树的逆向推理过程
(1) 推理树的深度优先搜索
逆向推理过程在推理树中的反映为推理树的深 度优先搜索过程。
G
1
9
7
A
B
2
6 3
合并为：
CF(H)＝CF1(H)+CF2(H)－CF1(H) CF2(H)
对于三条规则，如： IF E1 THEN H CF(R1) IF E2 THEN H CF(R2) IF E3 THEN H CF(R3 )
2.1.1 专家系统概念
（一）专家系统定义 专家系统是具有大量专门知识， 并能运用
这些知识解决特定领域中实际问题的计算机程 序系统。
这里提到的解决实际问题是利用推理方法。 也就是说，专家系统是利用大量的专家知识， 运用知识推理的方法来解决各特定领域中的实 际问题。计算机专家系统这样的软件能够达到 人类专家解决问题的水平。
3、专家系统开发的困难 建造专家系统的主要任务是知识的形式化和知识库的实现。 这是一个重要而困难的问题。许多专家系统所需的成百条规 则和大量事实往往是靠访问有关领域专家来获取的。
知识获取是建造专家系统的“瓶颈”。
主要困难： （1）专家一般陈述知识的方法和计算机程序表达之间存在差异； （2）专家知识存在主观性、不确定性（部分正确）等问题；
2）多值间不互斥
对目标的搜索求解取得一个值后，搜索不能停止，还 需继续进行，对目标的所有取值都必须搜索求解到。
当目标取值采用可信度时，所有目标取值（如“肺炎、 肺结核”等）都是不互斥的，必须对所有取值都搜 索到，得到每个取值的可信度（如“肺炎”可信度 0.8、“肺结核”可信度0.6），然后，按可信度大 小排序。
专家系统的核心是知识库和推理机，这样 我们把专家系统概括为：
专家系统＝知识库+推理机
1、知识库
（1）知识的表示形式
知识表示
产生式规则（IF__THEN） 谓词逻辑 模糊逻辑 （真假二值） （ 0,1连续值）
框架 语义网络
过程性知识 本体
（2） 知识的精确程度 精确知识公式公理 原理性
知识精确度
如 A∧B→G ，A∨B→G（相当于A→G，B→G） ⒋ 一条规则中的结论，可以是另一条规则中的条件。
如 F∧B→Z， C∧D→F 其中F在前一条规则中是条件，在后一条规则中是结论。
2、 产生式规则知识的推理
产生式规则知识推理时，需要在大量的规则知识中进 行搜索，找到所需要的规则知识，这种搜索的代价 远超过了对规则知识的匹配（假言推理），搜索就 成了推理机中的重要组成部分。更明确地说：
2、专家系统应用概况
早期研制的PROSPECKTOR矿藏勘探专家系统，由于在 华盛顿州发现矿藏，获利一亿美元。
R1(或称XCON)是DEC公司为设计和配置VAX计算机的专 家系统，每年都为DEC公司节省数百万美元，又缩短了配 置一个定货单的时间。
现在，作为商品的专家系统以及专家系统工具已经愈来愈 多，创造的价值也愈来愈大，因此，各行各业都在推广和 应用专家系统。
（3）大量产生式规则所连成的推理树（知识树）， 可以是多棵树。
从树的宽度看，反映了实际问题的范围。从树的深度 看，反映了问题的难度。这使专家系统适应各种实 际问题的能力很强。
计算机各种语言的编译系统，虽然人们没有把它说成 是专家系统。但是，从编译方法的处理过程看，它 事实上就是专家系统。
编译系统的词法分析是利用单词的三型文法，来实现 对单词的识别。语法分析是利用语句的二型文法实 现对语句的识别和产生中间语言。
不精确知识 经验性
可信度 概率 证据理论 模糊数学
2. 推理机
不同的知识表示形式的推理 （1）产生式规则：假言推理 ｐ，ｐ→ｑ┝ｑ （2）谓词逻辑：合一算法和归结原理
模糊逻辑：模糊推理（模糊集的合成运算） （3）框架：填槽 （4）语义网络：联想 （5）剧本：对情节的解释 （6）本体的推理机制是：对概念的细化