[发明专利]一种利用基于特征的知识表示进行推理的方法

摘要

本发明公开了一种利用基于特征的知识表示进行推理的方法，首先定义对象的类别，然后定义特征，形成该类别上定义的所有特征的集合，在定义特征时对特征进行命名和标识，建立标识与特征的关联关系，便于集中统一管理和维护。本发明能清晰地表达有关领域的各种知识；能及时发现重复和冲突的知识；有效地解决了结构性知识的表示问题；实现了对事实知识的穷举；便于知识的共享和获取。将特征作为推理的条件并建立关于特征标识的推理规则，解决了因知识库规则数量太多而导致的一致性问题。将特征集标识作为推演格结构中的推理节点，大大提升了其推理和检索效率，同时也解决了关于重复和冲突的规则问题，具备很强的问题求解能力。

主权项

1.一种利用基于特征的知识表示进行推理的方法，其特征在于，包括以下步骤：步骤1：定义对象的类别；步骤1.1：定义对象的类别；所述对象分为可枚举和不可枚举对象，或分为简单对象和复合对象，复合对象由简单对象组合而成；对象从属于不同类别；所述简单对象类别由字段的组合定义；所述复合对象类别由简单对象类别组合而成，组合类别包括字段的组合定义，也包括多个类别对象集合的join运算组成；步骤1.2：设置算法库Algorithm Base，将系统使用到的与深度学习、机器学习相关的分类算法保存在Algorithm Base中；步骤1.3：设置类型库Type Base，将所有类别集中存放在Type Base中进行管理；步骤2：在对象类别基础上定义该类别的所有特征；步骤2的具体实现包括以下子步骤：步骤2.1：定义特征为F(x)，其中x为对象，F表示x满足F所指定的分类条件，F是由类别字段和比较运算符构成的简单条件或是由And和Or组合起来的复合条件；在类别A上定义一系列特征F₁、F₂、…、F_n，A上所有对象组成的集合记为O，定义满足特征f的对象集为O_f：当时，称F₁，F₂，…，F_n是一个完全分类，否则是不完全分类；对任意i＝1、…、n，j＝1、…、n，且i≠j时，时，称F₁、F₂、…、F_n是互斥特征，否则是相容性特征；对于类别A而言，特征集是A上定义的所有特征F₁、F₂、…、F_n的集合；定义特征集为FeatureSet(A)，其中A为类别，FeatureSet表示在类别A上所定义的所有特征的集合；设置特征库Feature Base，将所有类别上的特征集集中存放于Feature Base；步骤2.2：对于相容性特征，指定其匹配方式，匹配方式有优先匹配和全匹配：所述优先匹配是指按照先后顺序进行匹配，返回唯一成功匹配的特征；所述全匹配是指返回所有匹配成功的特征集；步骤3：在对象类别和特征的基础上定义推理规则；将推理规则的前提条件定义为由特征组成，则推理规则表示为：F₁(x₁)∧F₂(x₂)∧…∧F_n(x_n)→h；式中，F₁(x₁)、F₂(x₂)、…、F_n(x_n)是特征，特征具有真假值，当特征为真时则说明特征满足；h是结论，当特征F₁(x₁)、F₂(x₂)、…、F_n(x_n)都为真时，便得出相应结论h；设置规则库Rule Base，用于存放构建好的推理规则；设置结论库Conclusion Base将规则中的结论或操作结果作为后项进行保存；步骤4：基于推理规则进行推理，得到推理结论。