第6期 魏圆圆，等：农业智能系统开发平台的知识表示与推理策略 ·527· 理机是整个专家系统的控制中心，整个系统靠它进行 3.4推理结果 运转.一般推理有两种方式：一种是由下而上，即从用 仍以“棉花栽培管理专家系统”为例，推理机基 户提出因素向目标节点一步一步推导；另一种是从上 于XML知识库文档，对“肥料准备”的求解结果如 向下，即从目标节点到叶节点，反过来一步一步推导 图2所示. 常将前者称作正向推理，后者称作反向推理.正向推 发识机规化其系家系址 理是从事实向目标的推理，又叫事实驱动；反向推理 文件四演》京过 是从目标向事实的推理，也叫目标驱动.在复杂的推 理网络中，还有一种正反向推理或双向混合推理方 式，知识表示策略与推理策略两者是相互配合的，不 同的知识表示策略需有相应的推理机制.本文采用混 合推理模式，同时支持不确定推理. 3.1混合推理模式 基于知识库采用的知识组织结构，首先，根据框 架树引导用户选择求解目标，这个过程是正向推理； 然后，是反向推理过程，根据求解目标包含的资源名 图2推理机运行结果 称找到对应的求解知识单元，顺序执行单元中的语 Fig.2 Infering results 句序列，搜索事实知识或者通过人机交互界面向用 户提问. 4 结束语 3.2推理的不确定性 本文针对农业智能系统知识体系的特点，提出 推理的不确定性体现在求解知识单元的置信度 了基于框架知识单元和求解知识单元的知识组织结 (CF值)上，在求解资源对应多个SKU的时候，就是 构，同时采用XML作为知识描述语言的知识表示方 多路径推理，即问题有多种解决方式.这时就根据 法.在此基础上采用混合推理的推理策略，通过对求 CF值优先求解CF值高的SKU,若该路径中有必要 解知识单元赋以CF值，实现了不确定推理.该知识 的事实知识搜索不到且用户不能给出，则此路径无 表示方法和与之对应的推理机制已经在作者的新的 法求解；取CF值次之的SKU进行求解，直到求解完 智能系统开发平台中得到实际应用，较以往知识表 成为止 示方法，具有以下特点：1)知识库由框架知识单元 3.3推理机运行过程 和求解知识单元组成的思路，与知识表示分为陈述 推理依据XML知识库文档进行，XML语言的 表示和过程表示这一分类法吻合；2)框架知识单元 良好的结构化特性，大大方便了推理机对知识内容 的树状结构和XML文档的树状结构对应，采用 的解析.整个推理步骤如下： XML描述知识，两者优势互补；3)XML描述的知识 1)根据框架树引导选择求解目标 库在形式上以元素为基本单元，一个<SKU>元素 2)找到求解目标对应的SKU,建立求解队列， 即对应一个求解知识单元，这就为基于知识库的推 并按照CF值由大到小进行排序， 理提高了检索的效率；4)推理采用混合推理方法， 3)优先求解CF值高的SKU,在某一个SKU的 目标选定后只考虑对假设目标有用的知识，缩小了 求解过程中，先依次求解该知识单元变量列表中调 搜索空间，推理效率高；5)支持多路径推理，同时也 用的其他SKU,赋值给对应的sku变量，ku变量求 解决了多路径求解问题；6)针对农业智能系统开发 解完毕后，推理机顺序执行求解语句.如果求解过程 平台，知识库独立于推理机，有利于知识的更新与扩 中遇到未知变量，就通过人机交互界面向用户提问， 充，同时生成的XML知识库文档，适用于不同软硬 用户回答后推理继续进行，直到执行部分运行结束， 件环境下的推理和知识交换 得到求解结果，推理完毕 4)如果步骤中用户针对提问不能给出答案，则 参考文献： 上述SKU无法求解，从求解队列中选择CF值次之 [1]王珏，袁小红，石纯一，等.关于知识表示的讨论[J], 的SKU进行求解，其过程与步骤3)相同.直到有 计算机学报，1995,18(3)：212-224. SKU求解完成，推理完毕.若求解队列中所有SKU WANG Jue,YUAN Xiaohong,SHI Chunyi,et al.Discus- 都无法求解，则求解目标求解失败，推理完毕。 sions on knowledge representation[J].Chinese Jourmnal of