[发明专利]基于信息推理的智能计算机系统构造方法

说明书

【技术领域】：本发明属于人工智能技术领域，特别涉及一种计算机系统或智能机器

人等以信息推理为核心，从大量现有数据中发现规律，获得有价值的信息，并利用这些信息进行智能分析和推理以便解决用户所提出实际问题的系统构造方法。

【背景技术】：一、数据挖掘技术：人工智能领域中传统的从大量数据中发现规律的方法是关联规则挖掘、相关规则挖掘、Web挖掘等数据挖掘技术。数据挖掘技术的一个参考文献是韩家炜等著，《数据挖掘：概念与技术》(机械工业出版社，2001)。

数据挖掘的一个核心技术是从数据库中存储的大量数据中挖掘数据项之间的因果关系的规律。传统的方法是挖掘关联规则，给出满足最小支持度和最小置信度条件的形如“如果A，则B”的关联规则。其中关联规则“如果A，则B”的支持度是A和B同时发生的概率；它的置信度是发生A的条件下发生B的概率。关联规则“如果A，则B”的支持度p(A∩B)反映规则的有用性，置信度p(B|A)反映规则的确定性。挖掘关联规则的一般过程是先生成满足最小支持度条件的频繁项集，再由频繁项集产生满足最小置信度条件的关联规则。

关联规则挖掘的一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中不同商品的关联，分析顾客的购买习惯，从而帮助零售商制定营销策略和商业布局。随着数据量越来越大，许多业界人士对于从数据库中的大量数据间挖掘规律越来越感兴趣。

关联规则本身存在的缺陷是，关联规则“如果A，则B”的置信度只是给定A、B之间条件概率的估计，不必指示因果关系，并不度量A和B之间蕴涵的实际强度。举个例子来说明。在某商店的事务分析中，60％的事务包含购买计算机游戏，75％的事务包含购买录像，而40％的事务同时包含计算机游戏和录像。设A＝购买计算机游戏，B＝购买录像，则关联规则“如果A，则B”的支持度为40％，置信度约为66％。如果设置最小支持度为20％，最小置信度为60％，则关联规则“如果A，则B”将作为强关联规则向用户报告。然而，购买录像的可能性是75％，比66％还大，因此，计算机游戏和录像是负相关的，买其中一种实际上减小了买另一种的可能性。由这个例子可见，关联规则“如果A，则B”的置信度有一定的欺骗性，并不度量A和B之间蕴涵的实际强度，有可能产生误导。

另一种传统的方法是相关规则的挖掘，这里相关规则“如果A，则B”中A和B之间的相关性通过corrA,B=p(A,B)p(A)p(B)]]>来度量。这个值大于1，等于1，小于1分别反映A和B之间是正相关，独立无关，负相关。它反映了统计的相关性，但是它的缺陷是没有反映A和B之间蕴涵的实际强度。

此外，国家知识产权局于2004年4月14日公告授权的03105330.0号《一种基于信息挖掘的智能决策支持构造方法》(申请日2003年2月23日)的发明专利属于Web挖掘的例子，Web挖掘从大量非结构化、异构的Web文档的集合中发现有效的、新颖的、潜在可用的及最终可理解的知识(包括概念、模式、规则、规律、约束及可视化等形式)。其主要数据挖掘的方式是关联规则和序列模式的发现；聚类和分类。利用这些方法来给出能从大量的、异质的Web信息资源中，快速、有效地发现资源和知识的工具。该方法的特点是针对Web网页内容、用户访问信息、电子商务信息等Web信息源的多样性，根据处理对象的不同，采用适当的挖掘方法，对目标样本进行挖掘处理，得到潜在的知识或者模式。方法中存在的问题是仅仅集成了多种传统的数据挖掘方式，并根据任务选择适当的数据挖掘方式，因而不能有效地克服前面提到的传统的数据挖掘方法的缺陷。