文档介绍：什么是知识
知识的分类
知识的属性
什么是知识表示
*
第一页，共70页。
基本概念
什么是知识
这里所谈的知识是知识处理的特殊对象，与日常生活的知识有较大的区别。
知识是以各种不同方式把多个信息关联在一起的信息结构。或者表统结构
产生式规则库
推理机
动态数据库
产生式规则库亦称产生式规则集，由领域规则组成，在机器中以某种动态数据结构进行组织。
推理机亦称控制执行机构，它是一个程序模块，负责产生式规则的前提条件测试或匹配，规则的调度与选取，规则体的解释和执行。即推理机实施推理，并对推理进行控制，它也就是规则的解释程序。
动态数据库是动态数据结构，用来存放初始事实数据、中间结果和最后结果等。
*
第十五页，共70页。
产生式系统的运行过程
产生式系统运行时，除了需要规则库以外，还需要有初始事实(或数据)和目标条件。
目标条件是系统正常结束的条件，也是系统的求解目标。产生式系统启动后，推理机就开始推理，按所给的目标进行问题求解。
推理机的一次推理过程，可如图所示。
产生式规则
*
第十六页，共70页。
推理机的一次推理过程
从规则库中取一个条规则，将其前提同当前
动态数据库中的事实/数据进行模式匹配
匹配成功否
把该规则的结论放入当前动态数据库：或执
行规则所规定的动作
N
Y
产生式规则
*
第十七页，共70页。
产生式系统的运行过程
一个实际的产生式系统，其目标条件一般不会只经一步推理就可满足，往往要经过多步推理才能满足或者证明问题无解。
产生式系统的运行过程就是从初始事实出发，寻求到达目标条件的通路的过程。所以，产生式系统的运行过程也是一个搜索的过程，但一般把产生式系统的整个运行过程也称为推理。
产生式规则
*
第十八页，共70页。
控制策略与常用算法
产生式系统的推理可分为正向推理和反向推理两种基本方式。
正向推理就是从初始事实数据出发，正向使用规则进行推理（即用规则前提与动态数据库中的事实匹配，或用动态数据库中的数据测试规则的前提条件，然后产生结论或动作），朝目标方向前进。
下面我们给出产生式系统正向推理和反向推理的常用算法。
产生式规则
*
第十九页，共70页。
正向推理算法：
步1 ：将初始事实/数据置入动态数据库；
步2 ：用动态数据库中的事实/数据，匹配/测试目标条件，若目标条件满足，则推理成功，结束。
步3 ：用规则库中各规则的前提匹配动态数据库中的事实/数据，将匹配成功的规则组成待用规则集；
步4 ：若待用规则集为空，则运行失败，退出。
步5 ：用某种策略，从待用规则集中选取一条规则，将其结论加入动态数据库，或者执行其动作，撤消待用规则集，转步2。
规则的选择策略成为冲突消解策略。产生式系统的推理方式、搜索策略及冲突消解策略等，一般统称为推理控制策略，简称控制策略。控制策略体现在推理机的算法描述中。
产生式规则
*
第二十页，共70页。
正向推理的动态数据库
动态数据库
推理
控制策略与常用算法
可以看出，随着推理的进行，动态数据库的内容或者状态在不断变化。如果把动态数据库的每一个状态作为一个节点的话，则上述推理过程就是一个从初始状态（初始事实或数据）到目标状态（目标条件）的状态图搜索过程。
产生式规则
*
第二十一页，共70页。
控制策略与常用算法
例：动物分类问题的产生式系统描述及其求解。
设由下列动物识别规则组成一个规则库，推理机采用上述正向推理算法，建立一个产生式系统。该产生式系统就是一个小型动物分类知识库系统。规则如下：
产生式规则
*
第二十二页，共70页。
r1：若某动物有奶，则它是哺乳动物。
r2：若某动物有毛发，则它是哺乳动物。
r3：若某动物有羽毛，则它是鸟。
r4：若某动物会飞且生蛋，则它是鸟。
r5：若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。
r6：若某动物是哺乳动物且吃肉，则它是食肉动物。
r7：若某动物是哺乳动物且有蹄，则它是有蹄动物。
r8：若某动物是有蹄动物且反刍食物，则它是偶蹄动物。
产生式规则
*
第二十三页，共70页。
r9：若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。
r10：若某动物是食肉动物且黄褐色且有黑色斑点，则它是金钱豹。
r11：若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它 是长颈鹿。
r12：若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。
r13：若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。
r14：若某动物是鸟且不会飞且会游泳且黑白色，则它是企鹅。
r15：若某动物是鸟且善飞且不怕风浪，则它是海燕。
产生式规则
*
第二十