老年人看护系统中常识推理的研究

根据老年人看护的需求,将常识推理运用到智能家庭老年人看护推理系统中,并将其与领域本体相结合,对系统实现的主要技术,即基于本体的常识表示与存储、规则的表示以及常识的推理进行探讨和构想,并通过典型应用实例验证了常识推理在老年人看护系统中的可行性、有效性及其重要性。     

模糊逻辑系统与支持向量机的关系探索

研究了模糊逻辑系统和支持向量机的关系，指出模糊逻辑系统是以峰点作为支持向量，以隶属函数作为基函数的推理系统．模糊逻辑系统是一种特殊的支持向量机。文中提出了一种基于模糊规则的支持向量机控制模型，仿真结果表明了这种模型的可行性和有效性。     

一种面向业务规则和流程的推理引擎架构

目前基于业务流程模型控制规则引擎的工作流引擎已经开始提倡使用。针对这种情况,基于BPMN业务流程模型的工作流引擎,提出一种适用于业务流程模型和规则集成与执行的推理引擎架构。该架构引入XTT2的规则表示,集成了jBPM工作流管理系统和HeaRT规则引擎,由工作流引擎控制专用规则推理引擎执行规则决策表运行。原型实现表明了该架构可实现规则任务的可视化设计,并支持对得到的规则任务模型的形式验证。     

一种基于集合符号的自动推理扩展方法

在多值逻辑Tableau推理的基础上,提出了一种基于集合符号的自动推理扩展方法.将符号集合作为真值,减少了Tableau的推理分枝,并可以将适合经典逻辑的推理方法和策略应用于其中,使得非经典逻辑推理经典化.使用SWI-PROLOG语言设计实现了基于集合符号的自动推理系统,在系统中使用集合符号方法,只需要在规则库中增加推理规则,即可生成规则程序,系统本身不需要任何的修改,因此一些适合于经典逻辑的推理方法和技巧就可以很容易地应用到多值逻辑、模态逻辑、直觉逻辑等非经典逻辑,也可以进一步推广到无穷值逻辑和含模糊量词(如T-算子和S-算子)的逻辑中,对于无穷值逻辑和模糊逻辑的Tableau方法研究具有一定的借鉴作用.对TPTP中的900个逻辑问题进行了证明,实验结果表明,系统在时间和空间上效率都是较高的.     

基于本体的语境信息模型与推理

语境信息是用来刻画一个实体情形的信息，该文提出了基于本体的语境信息建模以及查询方法，利用本体极强的语义描述能力和有效的推理机制，更好地实现了语境信息的管理。介绍了关键技术、相关支持工具以及开发的原型系统。该模型采用2种推理机制：基于描述逻辑的推理与规则推理，能够更快速有效地管理语境信息。 普     

混合案例推理和规则推理的集成推理框架

在智能决策系统（IDSS）获取知识的推理体系中，案例推理和规则推理有着各自的优点，而混合两者的集成推理可以克服两者的缺点，提高系统的效率和综合推理能力。但是集成推理系统缺乏通用性，延长了开发周期，且不利于规则库和案例库的重用。一种可扩充的集成推理框架为了解决上面的问题而被提出，该框架利用智能决策支持语言Knonit的组件性，对不同的集成方式可方便地扩充相应的集成推理方案，从而快速地搭建IDSS应用；同时规则和案例是作为Knonit广义知识元存在，可以在集成推理框架中复用，另一方面，Knonit的动态特性和可扩充性也对案例库和知识库动态的调整和扩充提供了支持。     

基于SDG模型的故障诊断专家系统

针对现代流程工业的特点,利用符号有向图模型（SDG）对化工生产工艺流程进行建模,运用SDG的推理能力,将其因果图转化为产生式规则,获得对整个生产流程的规则描述。根据SDG模型推理结果的特点提出一种可行的故障诊断专家系统设计方案,将得到的规则存入专家系统知识库,进行基于征兆的前向推理故障诊断。应用结果表明该种方法的有效性与可行性。     

常识的特征和模型

常识的表示与推理是知识领域中极其关键的研究问题。本文论述了常识的概念和基本特征,并从常识的逻辑内涵出发,用构造的方法给出常识模型,用之于检查知识推理的协调性,最后讨论了常识推理的不精确性问题。     

专家系统中基于粗集的知识获取、更新与推理

知识获取、知识更新和不确定性推理是设计专家系统的重要方面。根据粗集理论，提出了一种专家系统的结构模型，该系统在规则获取的基础上，利用系统运行的实例增量式地更新知识库中的规则及其参数，以改善系统的性能，利用知识库中的规则及数量参数进行不确定性推理，得出结论的可信度。     

一种基于PROLOG的ES建造工具库的研究与实现

本文描述了一种基于ＰＲＯＬＯＧ的专家系统建造工具库ＰＴＥＳ的实验系统。ＰＴＥＳ是用ＰＲＯＬＯＧ编写的，该系统根据支持基于规则的知识表示及近似推理对ＰＲＯＬＯＧ的知识处理能力进行了扩充。ＰＴＥＳ的推理机制使用了可能性能逻辑及模糊集合理论作为其逻辑基础，并以一种形式化的方法提供了处理非确定事实及非确定规则的能力。     

A new approach toward modeling causality in commonsense reasoning

This article examines the issue of causality in commonsense reasoning and proposes a connectionist approach for modeling commonsense causal reasoning. Based on an analysis of the advantages and limitations of existing accounts, especially Shoham's logic, a generalized rule-based model FEL is proposed that can take into account the inexactness and the cumulative evidentiality of commonsense reasoning; this model corresponds naturally to a connectionist architecture. Detailed analyses are performed to show how the model handles commonsense causal reasoning. This work shows that a logic-based account of causality can be viewed as an (over)idealization of a more realistic model, which is simpler in form but deals with causality better. This work directly maps a (causal) rule-encoding scheme into a connectionist model; thus, it serves to link rule-based reasoning to connectionist models, notably with direct one-to-one correspondence between the basic structures of the two formalisms. © 1995 John Wiley & Sons, Inc.     

A neural network model of causality

This paper proposes a model for commonsense causal reasoning, based on the basic idea of neural networks. After an analysis of the advantages and limitations of existing accounts of causality, a fuzzy logic based formalism FEL is proposed that takes into account the inexactness and the cumulative evidentiality of commonsense causal reasoning, overcoming the limitations of existing accounts. Analyses concerning how FEL handles various aspects of commonsense causal reasoning are performed, in an abstract way. FEL can be implemented (naturally) in a neural (connectionist) network. This work also serves to link rule-based reasoning with neural network models, in that a rule-encoding scheme (FEL) is equated directly to a neural network model.     

机器推理的进展与展望

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习.进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等.最后展望机器推理的应用前景与未来的研究方向.     

EXPLANATION IN A DECISION-THEORETIC CONSULTING SYSTEM: An Axiomatic Approach

Many end users consider the ability to explain reasoning processes the most important feature of a knowledge-based advice system. Unlike the existing rule-based system, it is difficult to explain the generated advice in a decision-theoretic consulting system. Nevertheless, the existing rule-based systems often fail to treat explicitly the important uncertainties and tradeoffs that underlie symbolic reasoning. Thus, this research attempts to produce qualitative text explanation of treatment decisions based on explicit normative decision models. Especially, the sequential application of the five axioms for reasoning about preference makes it possible to explain the reason why a decision is generated. To implement the idea, a decision-theoretic explanation system ( DETES) was designed and a prototype was developed on the microcomputer.     

基于常识的亲属关系推理模型

常识知识的研究与发展得到了人工智能界的很大重视。文章建立了一个基于常识的人物亲属关系推理模型,研究了亲属关系常识以及人物信息的表示与存储。此外,对实际所要解决的问题进行了总结。     

基于改进的主动逻辑与元认知环的机器人常识推理的研究

针对常识推理的非单调和异常问题,构建了基于改进的主动逻辑与元认知环的机器人常识推理框架。首先,针对机器人在执行任务时易受异常情况干扰的问题,引入元认知环对异常进行监视和评估并引导机器人。其次,对主动逻辑进行改进,定义了事实、常识,及它们相互之间的蕴含、否定和无关三种关系,给出了详细的矛盾知识的发生的条件和定义,并给出了对应的矛盾知识的处理方法,提出在主动逻辑中事实包含关系的传递性及推理的非直接传递性以有效检测和处理矛盾。最后,设计的Pr2机器人取书的实验进一步验证了元认知环以及主动逻辑在机器人执行任务时对异常情况和矛盾知识处理的有效性。     

心理常识概念的表示、获取和分析

常识知识是一类重要的人类知识，对自然语言分析、机器智能研究和自动推理研完等都有重要的意义。本文围绕心理常识，主要讨论与心理相关的常识概念的表示、获取和分析的方法。针对现有的概念模型中的概念主要由手工获取．缺乏自动方法，使得概念获取的非冗余性、一致性不能得到保证的问题，本文提出了获取心理常识概念的基本策略：依据心理学中的心理范畴手工获取心理常识的基础概念及概念间关系；根据属性的心理特征手工得到心理属性和属性问关系；以心理常识基础概念和心理常识属性为语义成分，通过“子类生成规则”自动完成获取和组织心理常识概念的任务。并且通过“子类检查规则”检查和分析新加入概念库的常识概念的冗余性和一致性。     

融合案例推理与规则推理的设备采购决策支持系统

对制造行业新产品试制部门的设备采购过程进行了分析，指出其对于整个企业制造过程的重要性，说明采购决策支持系统的引入的必要性，并将基于案例推理与基于规则推理相结合，构造了混合框架的推理系统及相应的案例表示结构，解决了设备采购等复杂决策领域中决策支持系统冗余推理的问题。最后将该混合推理框架及案例表示结构应用于某大型跨国制造企业试制部门的决策支持系统中，取得了较好的效果。     

Formalizing dialectical explanation support for argument-based reasoning in knowledge-based systems

The concept of explanation has received attention from different areas in Computer Science, particularly in the knowledge-based systems and expert systems communities. At the same time, argumentation has evolved as a new paradigm for conceptualizing commonsense reasoning, resulting in the formalization of different argumentation frameworks and the development of several real-world argument-based applications. Although the notions of explanation and argument for a claim share many common elements in knowledge-based systems their interrelationships have not yet been formally studied in the context of the current argumentation research in Artificial Intelligence. This article explores these ideas by providing a new perspective on how to formalize dialectical explanation support for argument-based reasoning. To do this, we propose a formalization of explanations for abstract argumentation frameworks with dialectical constraints where different emerging properties are studied and analyzed. As a concrete example of the formalism introduced we show how it can be fleshed out in an implemented rule-based argumentation system.     

常识问答研究综述

常识问答是一项重要的自然语言理解任务, 旨在利用常识知识对自然语言问句进行自动求解, 以得到准确答案. 常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景, 且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题, 因而受到工业界和学术界的广泛关注. 首先介绍常识问答领域的主要数据集; 其次, 归纳不同常识知识源在构建方式、常识来源和表现形式上的区别; 同时, 重点分析并对比前沿常识问答模型, 以及融合常识知识的特色方法. 特别地, 根据不同问答任务场景中常识知识的共性和特性, 建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系. 以此为支撑, 针对常识知识数据集建设, 感知知识融合和预训练语言模型的协作机制, 以及在此基础上的常识知识预分类技术, 进行前瞻性的研究, 并具体报告上述模型在跨数据集迁移场景下的性能变化, 及其在常识答案推理中的潜在贡献. 总体上, 包含对现有数据和前沿技术的回顾, 也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容, 借以在汇报领域技术积累的前提下, 为其理论和技术的进一步发展提供参考意见.