97… Vol.25 No.1 游福成等：多智能体技术在基于双库协同机制的知识发现KDD*模型设计中的应用 度量就得到模式或规则的感兴趣度：客观感兴趣 VO模块 用户 其他 度和主观感兴趣度.前者的主要根据是模式或规 Agent 处 模型库 则的形式和数据库中的数据，属于数据驱动：而 块 制 后者还要考虑用户的参与等人为因素的影响，属 推理机 于用户驱动.在评价过程中应该综合使用这两种 度量标准，一般常用的方法是首先用客观感兴趣 外部环境 块 方法库 知识库 度作为第一级过滤器，选出潜在感兴趣的模式， 然后再用主观感兴趣度来对它们进行第二级筛 图4人一机界面Agent的逻辑结构图 选，得到用户真正感兴趣的知识 Fig.4 Logic structure of human-computer interface agent 2.5启发协调Agent模型 它的交互处理模块和VO模块.为了帮助用户完 启发协调Agent由感知模块，通信模块、控制 成任务，人-机界面Agent需要关于用户和应用系 模块、启发协调模块、推理机、方法库、知识库及 统双方面的知识.在用户使用该数据挖掘系统的 模型库等组成，其逻辑结构如图6所示 过程中，交互处理模块既能从与用户的通信中学 习用户的任务及偏好，又能学习如何更有效地与 数据挖灿 Agent 用户进行通信，将挖掘到的知识以用户喜欢的方 人-机界面 模型库 式传递给用户.学习方法有从用户的反馈中学 Agent 习、被动学习、基于范例的学习、归纳学习 模 的 块 推理机 人-机交互要靠双方能理解的“语言”来实 知 现，因此交互系统中采用何种知识表示形式显得 、外部环境 方法库 知识库 尤为重要.数据挖掘系统中人一机交互常用的知 识表示形式有自然语言、图形（解释树、饼图、曲 图6启发协调Agent的逻辑结构图 线图、立方数据图等)、表等 Fig.6 Logic structure of heuristic coordination agent 2.4知识评价Agent模型 在领域的基础知识化为规则进行简约分解 知识评价Agent由感知模块、通信模块、控制 并存放到简约知识库中后，还可能存在着知识的 模块、知识评价模块、推理机、方法库、知识库及 短缺.启发协调Agent的功能就是在以属性为基 模型库等组成，其逻辑结构如下图5所示，知识 础的知识库建库原则下，通过搜索知识库中“知 评价Agent与其他Agent的不同之处在于它的知 识节点”的不关联态，以发现“知识短缺”，产生 识评价模块.知识评价模块的功能是对数据挖掘 “创见意象”，从而启发与激活真实数据库中“数 Agent所给出的结果进行评价与解释，筛选出用 据子类”，以产生“定向发掘进程”，即由计算机实 户感兴趣的和有用的知识，并与其他Agent:进行 现数据挖掘方向的自动聚焦.对短缺的知识，一 协调处理 方面提供给领域专家，看是否有这方面的基础知 评价的度量标准主要包括有效性、新颖性、 识；另一方面，对短缺的知识要在数据库中进行 潜在有用性和最终可理解性，对它们进行综合 定向挖掘 启发协调Agent提高了数据挖掘系统月身的 人一机界面 中断协调 Agent 认知自主性，实现了定向搜索、定向发掘、极大地 Agent 4 模型库 减小搜索空间以及再生新知识的功能 数据挖掘 用户 Agent 2.6中断协调Agent:模型m 模 块 推理机 中断协调Agent由感知器、通信模块，控制模 块、中断协调模块，推理机、方法库，知识库及模 外部环境 块 方法库 知识库 型库等组成，其逻辑结构如图7所示 实践证明，从数据库中进行知识发现过程 图5知识评价Agent逻辑结构图 中，虽然有用户的参与，并且是有目的的挖掘，但 Fig.5 Logic structure of knowledge evaluation agent 挖掘出来的知识中仍有大量重复的、矛盾的、冗心 游 福 成等 多智 能 体 技 术在 基 于 双 库协 同机 制 的知 识 发 现 模型设 计 中 的 应 用 图 人一 机 界 面 的逻 辑结构 图 啥 卜 一 它 的交互 处 理模块 和 模 块 为 了帮 助用 户 完 成任 务 ， 人一机界 面 需要 关 于用 户 和应用 系 统 双方 面 的知识 在用 户使用该数据挖 掘 系统 的 过 程 中 ， 交互 处 理模块 既能从与用 户的通 信中学 习用 户 的任 务 及偏 好 ， 又 能学 习 如 何更 有效地 与 用 户进行通 信 ， 将挖 掘到 的知识 以用 户 喜欢 的方 式传递 给用 户 学 习 方 法 有从 用 户 的反 馈 中学 习 、 被 动学 习 、 基 于 范例 的学 习 、 归 纳学 习 人一 机 交 互 要 靠双方能理解 的 “ 语 言 ” 来 实 现 ， 因此 交互 系统 中采用 何 种 知识表示 形式 显 得 尤 为重 要 数据挖掘 系 统 中人一 机 交互 常用 的知 识表 示 形 式有 自然 语 言 、 图形 解 释树 、 饼 图 、 曲 线图 、 立 方 数据 图 等 、 表 等 知 识 评 价 模 型 知 识 评 价 由感 知模块 、 通 信模块 、 控制 模块 、 知识评价模块 、 推理 机 、 方法 库 、 知 识 库及 模 型 库等组 成 ， 其 逻辑结 构 如下 图 所 示 知识 评 价 与其他 的不 同之处 在于 它 的知 识评价模块 知 识评价模块 的功 能是对数 据挖掘 所给 出的结果 进 行评 价 与解 释 ， 筛选 出用 户感 兴趣 的和 有 用 的知 识 ， 并 与其他 进行 协调 处理 评 价 的度量 标 准 主要 包括 有 效性 、 新 颖 性 、 潜在 有 用 性 和最 终 可 理 解 性 ’“ 对它 们进行综 合 度 量就得 到模式或 规则 的感兴趣 度 客观感兴趣 度 和 主观感兴趣度 前 者 的 主要 根据 是 模 式 或规 则 的形 式 和 数 据 库 中的数 据 ， 属 于 数据 驱 动 而 后 者还 要 考 虑用 户 的参 与等人 为 因素 的影 响 ， 属 于用 户 驱 动 在评 价过 程 中应 该综 合使用 这 两 种 度量标 准 ， 一 般常用 的方法是 首先用 客观感兴 趣 度 作为第 一 级 过 滤 器 ， 选 出潜在 感 兴趣 的模 式 ， 然 后 再 用 主 观感 兴 趣 度 来 对 它 们 进 行第二 级 筛 选 ， 得 到 用 户 真正 感兴趣 的知 识 启 发 协 调 模 型 ‘ 启发协调 由感知模块 、 通 信模 块 、 控制 模块 、 启 发 协 调 模 块 、 推 理 机 、 方 法 库 、 知识库及 模 型 库等组 成 ， 其逻 辑结 构 如 图 所 示 数据挖掘尸 图 知 识评 价 川 逻辑 结构 图 洲 加 图 启 发协调 比 的逻 辑结 构 图 在 领 域 的基 础 知 识 化 为 规 则 进 行 简 约 分解 并存放 到简约 知识库 中后 ， 还 可 能存在着知 识 的 短 缺 启 发 协调 的功 能就是在 以属 性 为基 础 的 知 识 库 建库 原则 下 ， 通 过 搜 索知 识 库 中 “ 知 识节 点 ” 的不 关联 态 ， 以 发 现 “ 知 识短 缺 ” ， 产 生 “ 创 见 意 象 ” ， 从而 启 发 与激 活 真实 数 据 库 中 “ 数 据子类 ” ， 以产 生 “ 定 向发掘进程 ” ， 即 由计算机实 现 数 据 挖 掘方 向 的 自动 聚 焦 对短 缺 的知 识 ， 一 方 面提供给领 域专 家 ， 看 是否 有这 方 面 的基础 知 识 另一 方 面 ， 对 短 缺 的知 识 要 在 数 据 库 中进行 定 向挖 掘 启发 协 调 提 高 了 数据 挖 掘系 统 自身的 认知 自主性 ， 实现 了定 向搜 索 、 定 向发掘 、 极 大地 减 小搜索空 间 以及 再 生 新 知 识 的功 能 中断协调 模 型 ‘，， 中断协调 由感 知 器 、 通 信模 块 、 控制 模 块 、 中断 协 调 模块 、 推 理 机 、 方 法 库 、 知 识 库及 模 型 库 等组 成 ， 其逻 辑 结 构如 图 所示 实 践 证 明 ， 从 数 据 库 中进 行 知 识 发现 过 程 中 ， 虽 然 有 用 户 的参与 ， 并 且 是 有 目的 的挖 掘 ， 但 挖 掘 出来 的知 识 中仍有大量重 复 的 、 矛 盾 的 、 冗