针对人工智能的知识链模型及知识获取及表示的分析研究.pdf

基于人工智能的知识链模型及知识获取与表示研究 摘要 特技 《基于人工智能的知识参每棼知识获取与表示研究》是国家自然科 学基金项目《面向智能性管理决策的异构知识表示与知 识管理研究》的系列研究之一。 随着进入知识经济时代，知识越来越重要，已成为经济的推动力 和支持成功的中间力量。知识管理也逐渐为企业组织所接受。知识的 价值实现、增值与创新都必须通过相应的知识链(亦称知识过程)得 以完成，但是在目前的知识管理界，对知识链缺乏关注，思考不深， 所以通过对知识链的研究，有助于提升知识管理的应用，这也正是本 文的研究所在。 鉴于知识链是一个非常新的研究领域，目前的研究主要集中在知 识链的概念模型上，实际操作性不强，为此，本文首先结合知识管理 的思想和人工智能技术以及信息技术，提出了基于人工智能的知识链 模型。在对该模型进行详细阐述之后，本文重点对知识链中知识获取 进行研究。 在基于知识的系统(皿S)或专家系统的开发中，知识获取一直 是阻碍其发展的瓶颈，同样对于知识链中的知识获取来说，也是如此， 只有解决了知识获取这一难题，知识链才能顺畅发展。本文分两部分 对知识获取进行研究，一是KBS开发过程中广为使用的结构化情景分 析，即人工获取；二是，采用神经网络、决策树等进行知识的自动获 取研究，因为神经网络集知识获取、知识表示和知识应用于一身，具 有非常好的学习能力，但其缺点是一个“黑箱”，需要将其隐藏的知 识显性化，关于神经网络，本文经过试验结果表明，普通BP效果不 好，为此本文的神经网络采用的是以交叉熵为误差函数的非全连接 BP网络，不仅对神经网络的剪枝算法和知识获取的Rx算法进行改进， 而且提出了基于结构的神经网络规则抽取方法SRE和基予卡诺图的 规则抽取方法KRE。 考虑到组织中知识的存在形式的多样性及复杂性，本文尝试采用 XML进行知识统一表示的研究，因为XML适合于多种类型知识的表示。 本文最后以银行贷款风险预警为例，在大量试验的基础上，分别 采用RX，SRE，决策树(ID3算法)和KRE等四种方法进行知识获取， 并对四种获取的结果进行比较分析。 总的来说，本文作了大量的理论和实验研究，并且以。NET为平 台，开发出基于人工智能的知识获取系统，从而使得知识获取及相关 研究变得方便易用，既具有十分重要的科学意义，同时又有其实际价 值。本文所有的实验，都是在本文自行开发的系统上进行的。 关键词：知识链，知识表示，知识获取，人工智能，神经网络，决策 树 STUDYOFARTIFICULL KNO、ⅣLEDGECHAINMODELANDKNOⅥ亿EDGE AND PRESENTATION ACQUISITION ABSTRACT ofArtificial ChainModeland “Study Intelligence—basedKnowledge andPresentation’isabranch KnowledgeAcquisition of‘‘Management Decision-Oriented ofIsomeric IntelligentSystemsStudy KnoMe电e and is by KnowledgeManagement’whichsponsored Representation NationalScienceFoundation ofChina(NSFC，No．