产生式规则表示法

2.2　产生式规则表示法

产生式规则(production rules)是逻辑蕴含、操作、推理规则以及各种关系(包括经验性联想)的一种逻辑抽象。这种表示法是以操作(即过程)为中心的方法。它很适于描述建议、指示及策略等有关知识，尤其是专家的启发式知识。

依据逻辑推理的需要，产生式规则有不同的表达形式。依据推理的方向，产生式规则分为正向规则(forward rule)和逆向规则(backward rule);依据逻辑的确定性，规则可分为确定规则和不确定规则;依据规则对知识内容的概括程度，又可分为特殊规则和一般性规则;依据使用功能还有元规则。

1.正向规则和逆向规则

正向规则的一般形式是:

如果＜前提＞则＜结论＞(if premise then conclusion)

或

如果＜情况＞则＜行为＞(if case then action)

前提可由一个或多个条件组成，可使用逻辑运算符and及or连接。结论中仅包含一个条件。一条规则表示，结论要在逻辑上或行为方式上符合于前提条件。在调用一条规则时，系统首先检查前部分的值是否为真。若前提为假，系统则停止处理该规则;若前提为真，则结论的值也为真，或执行结论中有关行为。

例如，

如果　用户无系统经验　则　需提供辅助

逆向规则的一般形式是:

＜结论＞如果(if)＜前提＞

在这种格式中，前提和结论的顺序被逆转。人们称它为逆向规则。在Prolog语言中，if用“︰－”代替。例如，

约翰应该乘坐飞机如果

约翰计划旅行的距离在600千米以上。

这两种格式都是常用的表示形式。

2.确定规则和不确定规则

以上的格式描述了确定规则。事实上，一些规则可能是真的，但不全都是真的，它们可能是不确定的或不精确的。可以在规则中加入确定性因子来表达不确定知识。规则的确定性因子表示了规则为真的程度。例如，

如果 短期利率的变化趋势未知

并且 联邦储备制无膨胀倾向

则　有80%的把握:下六个月的利率会上浮其中确定性因子80%表示了结论的确定性。

3.特殊规则和一般性规则

规则可表达为不同的概括级别，规则表达得越一般，则应用越广泛。考虑以下两条规则:

规则1

如果　一个电钻有一根受损的电线圈

则　电钻将会产生震动事故

规则2

如果　一个烙铁有一根受损的电线圈

则　烙铁将会产生震动事故我们可将这两条特殊规则表达为一条较一般的规则:

规则3

如果　“设备”有一根受损的电线圈

则　“设备”将会产生震动事故

将规则表达为较一般形式的优点是可将规则用于一般情况。如上面规则3就可用于所有具有电线圈的设备，当增加新的同类设备，不需增设新的规则。因此，应用一般性规则，可以从相当少的规则推导出许多结论。很自然地，与规则的对象类或知识结构相同的所有规则都将为真。规则3中的“设备”起一个变量的作用，它可匹配许多不同的具体设备。因此，在规则中使用变量，可使规则较一般化。然而，应用一般性规则时必须小心，因为规则越一般，越有可能存在例外。有时仅用一般性规则，不能区分具体事物之间的差异，可能会产生模糊知识。因此，有时需要设置一些较特殊的规则来识别差异，消除模糊性。

4.元规则(metarules)

目前，存在许多使用规则的方法。有一种规则用于控制其他规则的行为，这种规则称为元规则。当知识库中的规则逐渐增多时，就必须开发元规则来组织和管理知识库中规则的活动。例如，

如果　顾客的年龄大于65岁

且　　规则集合1的前提中包含热衷于股票的信息

且　　规则集合2的前提中包含冒风险的信息

则　　优先应用规则集合1，后用规则集合2

建立这种元知识是困难的，因为元规则是更一般性的规则，常存在例外。在上例中，也许存在一些老年人，他们有可靠的收入，可能喜欢冒风险。