[发明专利]一种基于Rete推理网络的复合推理方法

说明书

技术领域

本发明属于计算机与人工智能技术领域，具体涉及一种基于Rete推理网络的 复合推理方法。

背景技术

在客观世界中，存在着大量的模糊概念和模糊现象，这些模糊概念和模糊现 象很难用经典的二值或多值逻辑来描述，因为它们没有明确的边界。模糊推理是 近似于人脑思维的推理方法，是基于模糊性知识和模糊规则的一种近似推理。

在一个特定的专业领域里，模糊推理的过程，就是如何将已有的事实和规则 形式化描述、转化为计算机能够理解的语言，进而完成基本的逻辑推理，得出有 效的推理结果。

现有技术中，对知识的研究越来越深入，而知识推理也愈发重要。而在知识 推理的过程中，存在大量模糊性的知识，不能采用确定性的本体知识推理方法。 目前，尚未确定行之有效的方法来解决既支持确定性推理规则又支持模糊性推理 规则的推理方法。

发明内容

本发明实施例要解决的技术问题是现有规则推理方法不能对模糊知识进行规 则推理，提出了一种基于Rete推理网络的复合推理方法，涵盖确定本体知识推理 的方法和模糊规则本体推理方法，既支持的确定规则又支持模糊规则的复合推理 方法，采用隶属度函数扩展模糊规则，在模糊事实推理过程中采用模糊算子进行 匹配运算，以达到理想的准确率。

根据本发明的一个方面，提出了一种基于Rete推理网络的复合推理方法，所 述方法包括如下步骤：

步骤S1：根据问题的描述，提取事实的隶属度；如果描述是确定性的，则这 部分描述所对应的事实是确定的，隶属度为1或0；如果描述是不确定性的，则这 部分描述所对应的事实是模糊的，隶属度通过函数来计算；

步骤S2：构建Rete推理网络，将所有规则和事实输入到Rete的推理过程中， Rete的推理包括根据规则集合生成Rete推理网络，将事实逐个输入到Rete推理网 络进行规则匹配；

步骤S3：在Rete推理过程中对节点的两个输入进行模糊集合运算。

上述方案中，所述步骤S1中用于计算隶属度的函数，包括梯形、三角形、左 型函数和右型函数；

设X是对象x集合，x是X的任一元素；X的模糊集合A定义为一组有序 对：

A＝{(x,u_A(x))|x∈X}；

其中，u_A(x)被称为模糊集合A的隶属度函数；u_A(x)的值为元素x相对于 集合的隶属度，对不同的模糊事实采用不同的隶属度函数；

则，

梯形函数计算公式为：

1.1q₁<q₂<q₃<q₄

1.2

1.3

1.4

1.5

三角形函数计算公式为：

2.1t₁<t₂<t₃

2.2

2.3

2.4

左型函数计算公式为：

3.1l₁<l₂

3.2

3.3

3.4

右型函数计算公式为：

4.1r₁<r₂

4.2

4.3

4.4

上述方案中，所述步骤S2中Rete的推理包括如下步骤：

步骤S21，定义相关概念；对相关概念进行如下定义：

事实：对象之间及对象属性之间的多元关系；

规则：是由条件和结论构成的推理语句IF语句，表示为if...Then；一个规则 的if部分称为LHS，then部分称为RHS；

模式：指所述IF语句的条件中已知事实的泛化形式，未实例化的多元关系；

步骤S22，构建Rete推理网络，描述Rete推理过程。

上述方案中，所述步骤S22进一步包括如下步骤：

步骤S221，创建根节点，所述根节点为推理网络入口；

步骤S222，加入规则i，其中，i为所加入规则的序号，i为从1开始的自然数； 对加入规则i的过程包括如下步骤：