CN101055630A - 事件决策知识库组建方法及相应的事件决策方法和系统 - Google Patents

Abstract

本发明涉及事件决策技术，为解决大知识量条件下的简单、快速决策的问题，本发明中，针对每一个事件，对它的各个条件进行分组，将具有相同先验概率及相同‘与、或’关系的条件归为一组，形成至少一个条件组，并根据事件、条件、条件组三者之间的映射关系建立相应的关系表，然后根据关系表信息建立用于事件决策的知识库。基于这种知识库，可建立事件决策应用系统，其中包括装有知识库的服务器及与之连接的计算机；计算机可接收由用户输入的一个或多个条件，服务器可针对收到的每一个条件在知识库中进行特定的遍历，查找出含有该条件的所有条件组，并根据条件组的最大概率、或值、满足的条件数等信息计算出相关的一个或多个事件的决定概率。

Description

事件决策知识库组建方法及相应的事件决策方法和系统

技术领域

本发明涉及一种计算机决策方法，更具体地说，涉及一种事件决策知识库组建方法及相应的事件决策方法和系统。

背景技术

现代管理学之父彼特·德鲁克认为：决策就是判断，是在各种可行方案之间进行选择，但它很少是在正确和错误之间进行选择，而主要是在‘几乎正确’和‘可能错误’之间进行选择。这类决策不可能基于精准的数值计算，只可能基于构成事件的各种因素，作相对准确的判断。所以，用计算机辅助这类决策不但可行，而且可信度较大。

计算机决策属人工智能范畴，人工智能经历了从‘博弈策略’到‘专家系统’再到‘决策支持’的过程，目前的方法主要有以下几类。

(1)规则法：主要是产生式规则，用‘if-then’表达知识，用类二叉树搜索实现决策。这种方法的规则多写在程序里，知识容量小，使用时需一步一步跟随规则，人机交互过程冗长，很难实现大数据量条件下的决策。

(2)公式法：最成熟的是贝叶斯公式，按贝叶斯模型条件做成的知识模组，再按贝叶斯定理进行决策，属于概率方法。贝叶斯决策模组的基础是刚性知识框架，不便于描述同一条件的多种变化和多种条件同时存在情况下的决策推理。

(3)模糊集合法：包括模糊矩阵、模糊偏差、聚类分析、确定性理论等等，都是试图对某个事件的隶属偏差，或两个事件之间的过渡部分进行分级处理，通过类似加权求和的方法，得到归属认定，使事件概念变得清晰起来。这些方法与概率方法并无本质区别，其将概念‘细分、量化’的思路却会把概念导向深一个层级，而这种概念层级的建立会弄出多一个层级的繁复，并且对应事物的非线性特征，缺乏确定的定量基础。

(4)超文本链接法：用超文本链接方式构成的决策模组，并用超文本搜索实现决策。由于超文本链接属于比较自由的模式，所以不适用于有严谨要求的医学知识库等领域；如果严格限定超文本链接而求得医学上的规范，可能会给知识库的修改带来很大的麻烦。

发明内容

针对现有技术的上述缺陷，本发明要解决如何满足大知识量条件下的简单、清晰、快速的决策的问题，以符合人类解决问题的习惯。

为解决上述技术问题，本发明提供一种用于事件决策的知识库的组建方法，其中包括以下步骤：

(S11)针对所需目的列出相关的多个事件；

(S12)列出与每一个事件相关的条件，其中，同一个事件有一个或多个条件，同一个条件适用于一个或多个事件；

(S13)针对每一个事件，对它的各个条件进行分组，将具有相同先验概率及相同‘与、或’关系的一个或多个条件归为一组，形成至少一个条件组；

(S14)针对每一个事件，根据上述步骤得出的事件、条件、条件组三者之间的映射关系建立相应的关系表；

(S15)根据所有事件的关系表信息，建立用于事件决策的知识库。

在本发明所述的知识库组建方法中，每一个事件的关系表中包括至少一个条件组，在每一个条件组中包含至少一个条件；针对每一个条件组，根据其包含的各个条件的先验概率及各个条件之间的‘与、或’关系，设有对应的权值及或值；其中，所述权值代表本条件组可决定所述事件的最大概率，所述或值代表本条件组具有所述最大概率所需满足的条件个数，所述权值除以或值所得之商即为单个条件的先验概率。

在本发明所述的知识库组建方法中，针对每一个事件，与之相关的每一个条件的记录单元结构中包含：内码段，用于存储与该条件对应的内码；分组位置段，用于表明该条件所在的条件组；权值段，用于表明该条件所在条件组可决定所述事件的最大概率；或值段，用于表明该条件所在条件组具有最大概率需满足的条件个数。

本发明还提供一种基于知识库的事件决策方法，其中按以下步骤实现计算机辅助的事件决策：

(S21)接收由用户输入的一个或多个条件；

(S22)针对收到的每一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组，再查看所收到的其他条件中是否有一个或多个在这些条件组中与该条件存在‘与、或’关系；

(S23)根据步骤(S22)所得的各个条件组，找出与之相关的一个或多个事件，再根据各个条件组的最大概率及每一条件组内各条件的‘与、或’关系，计算出所收到的条件对相关的一个或多个事件的决定概率。

在本发明所述的事件决策方法的所述步骤(S22)中，可按以下步骤进行：

(S221)取第一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组；

(S222)针对找出的每一个条件组，查看所收到的其他条件中是否有一个或多个被包含于这些条件组中，得出满足该条件组的条件个数；

(S223)依次取下一个条件，重复步骤(S221)、(S222)，直至取完所有收到的条件。

在本发明所述的事件决策方法的步骤(S23)中，针对每一个事件，可根据与之相关每一个条件组的权值、或值、以及满足要求的条件个数，计算出单个条件组对相关事件的决定概率，即等于(满足该条件组的条件个数÷该条件组的或值)×该条件组的权值；再将计算出的各个条件组的决定概率相加，即得到所收到的条件对该事件的决定概率。

在本发明所述的事件决策方法的步骤(S23)之后，还可包括以下步骤：

(S24)将在所述步骤(S23)找出的相关事件显示给用户，并接收用户对事件的选择；

(S25)根据用户选择的事件，将与之相关的全部条件显示给用户；

(S26)接收用户对条件的选择，作为新接收的条件，并重复所述步骤(S22)至(S23)，计算出新接收的条件对相关的一个或多个事件的决定概率。

在本发明所述的事件决策方法的步骤(S21)中，可通过以下步骤进行：

(S211)接收由用户输入的一个或多个事件；

(S212)根据用户输入的事件，将与之相关的全部条件显示给用户；

(S213)接收用户对条件的选择，作为用户输入的条件，然后进入所述步骤(S22)。

另外，本发明还提供一种基于知识库的事件决策应用系统，其中包括装有所述知识库的服务器，以及通过局域网或广域网与所述服务器连接的计算机；其中，所述计算机可接收由用户输入的一个或多个条件，并传送到所述服务器；所述服务器可针对收到的每一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组，再查看收到的其他条件中是否有一个或多个在这些条件组中与该条件存在‘与、或’关系，然后根据所得的各个条件组，找出与之相关的一个或多个事件，再根据各个条件组的最大概率及每一条件组内各条件的‘与、或’关系，计算出所收到的条件对相关的一个或多个事件的决定概率。

本发明中，所述系统可为自助式远程诊疗系统，所述事件为疾病名称，所述条件为相应疾病的诊断要素。

由上述方案可知，本发明作为一种计算机辅助决策方法，在许多方面分别优于二叉树决策技术、贝叶斯决策技术、超文本链接决策技术等，具体体现在：

(1)决策提问的方式是批量式的，不是一步一问、一应一答，这可以节约大量的过程交互时间，满足实用需求。

(2)计算机的应答方式可以做到双向应答，使启动应答的初始数据要求极少，减少输入操作，降低使用门槛；同时可形成往复机制，仿真决策思维，在本决策方法与决策者之间起到提示、参考、扩大思考范围等作用，辅助决策者逐步逼近决策目标。

(3)避开生硬套用模糊数学的层级量化思路所造成的对难以量化事务的决策干扰。

(4)多维逻辑与关系满足事件决策的准确性。

(5)具有并行推理意义，从一组条件可以同时得到一组事件，形成多途径网罗决策事件的局面。正向为并行推理，反向为关系单行，便于对照鉴别。

(6)数据库方式适合大知识库的建设，利于知识的可积累性。

(7)柔性知识库框架，有利于知识库作大面积维护修改。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是存在性事件与认识性事件的关系示意图；

图2是条件与事件之间的关系示意图；

图3是条件、逻辑关系组、事件三者之间的关系示意图；

图4是本发明一个实施例中条件的存储单元结构示意图；

图5是本发明另一实施例中条件的存储单元结构示意图；

图6是本发明每一事件的关系表示意图；

图7是本发明一个优选实施例中的决策流程图；

图8是传统远程诊疗系统的结构示意图；

图9是根据本发明建立的一个远程诊疗系统的结构示意图；

图10是本发明的远程诊疗系统中用户通过计算机界面选择输出诊断要素(即条件)的示意图；

图11是根据图10所列的条件推导出可能的疾病(即事件)的示意图。

具体实施方式

众所周知，决策的基础是知识的储备，决策的有效性在于知识的广泛性；针对计算机辅助决策，解决知识储备问题需要用到数据库。决策的目标是准确判断，决策过程表现为一个反复思考的权衡甄别过程。仿真权衡甄别过程是解决决策问题的必经之道，这需要用到计算机的人机交互特性。

为了利用计算机辅助解决决策问题，本发明的改进之处主要在于避开了以往计算机辅助决策的规则法、公式法、模糊数学法和超文本链接法等，而是建立一种特定的数据记录结构，进而形成相应的数据库，在遍历数据库的同时用一种特定的算法求解。一般情况下，遍历求解所针对的问题比较机械，而复杂的决策往往有许多逻辑和概率方面的问题需要解决。本发明通过设定专门的数据记录结构，作为构成知识库的基础记录；将各种复杂决策问题分解为逻辑问题和概率问题；用特定的内存遍历算法程序，在扫描知识库特定数据记录的同时，一并解决决策的逻辑问题与概率问题；并设计便于进行思维仿真的人机交互界面，模仿思维振荡过程，使最后的决策事件能够稳定在比较准确的范围。

一、基础分析

社会物质文化生活，主要表现为非线性过程，很难有数值精准的决策判断。关于事件的决策，‘事件’存在于两种意义上，一种是存在性的事件，一种是认识性的事件。存在性的事件往往是需要求解的问题，认识性的事件往往是对求解问题的认识框架。事件决策，事实上是指对事件两种意义的交集进行判断，即认识性事件相对存在性事件符合度的判断，它具有概率特性。决策就是判断，对任何事件的判断，都会有漏判、误判、确判三个部分，不可能完全精准。因此这里的‘概率’概念不是精准的概率概念，而是指判断符合度大与小的方向。存在性事件是由一些条件组成，认识性事件也是由一些条件组成。决策时，当两者相一致的条件比较多时，我们说决策判断的准确概率比较高。参见图1，其中左侧的线框代表存在性事件，右侧的线框代表认识性事件，两者交集为判断的准确部分，交集之外则分别是判断的漏判部分和误判部分。

因此，本发明假定‘事件’由‘条件’组成，条件C与事件E之间的关系约等于因果关系。如图2所示，一个事件由一组条件构成，一个条件同时也是其它事件的条件，例如图2中的事件E1由条件C2、C4、C6、C9、C13组成，条件C2同时是事件E2和E5的条件。在一般情况下，条件构成的事件，可用图2所示的关系连接方式来描述。

但是，社会物质文化生活的非线性特征，使得条件C与事件E之间的关系并不总象图2所示那么简单，条件C与事件E之间的直线关联无法描述错综复杂的人性化、社会化问题。例如在疾病的诊断过程中，针对某一疾病(即事件)，可能有五个诊断要素(即条件)，但并不要求具备全部诊断要素才为确诊，可能只需要满足其中的任四个要素，就可确诊为该疾病，所以条件对事件的关系，此时不是各条件之间简单概率加和关系，还存在‘与、或’关系。

从认识的特征看，一组条件可以决定一组事件，但有可能性的不同，可能性表现为概率。最后事件决策概率的可靠性(符合性)，由某些条件相对于某事件的先验概率决定。在参与决定某事件的一组条件中，每一个条件对该事件的决定意义不会必然相同；例如，有些条件不一定必然起到决定作用，有些条件只在另一些条件不起作用的时候才起决定作用等。

基于上述分析，本发明构筑了‘条件组’(或称：逻辑概率关系组)的概念，传统模式是由每个条件的先验概率加和来形成所决策事件的概率，而本发明中则是由每个条件组的先验概率加和来形成所决策事件的概率。

本发明中，‘条件组’有以下特征：(1)一个条件组内至少有一个条件，各个条件的重要性是平等的；(2)同一条件组内的各个条件之间有‘与’、‘或’两种关系；(3)同一条件组内的各个条件共用一个先验概率；(4)同一条件组内的各个条件，既分别关联各条件C，又共同关联事件E。

根据上述理论构成的决策原理，可解析为如图3所示，与图2对比可知，其中在条件C与事件E之间增设了中间项，即条件组。

二、建立知识库

本发明所说的知识库，实质上是一种体现了各条件与事件之间的相互关系的数据库。对于上述‘条件组’，在计算机辅助决策中需要用数据库实现。本发明的目的，就是通过‘条件组’这样一个中间项，来关联条件C和事件E。

本发明中，可用以下步骤建立知识库：先针对所需目的列出相关的多个事件；然后列出与每一个事件相关的条件，其中，同一个事件有一个或多个条件，同一个条件适用于一个或多个事件；然后，针对每一个事件，对它的各个条件进行分组，将具有相同先验概率及相同‘与、或’关系的一个或多个条件归为一组，形成至少一个条件组；针对每一个事件，根据上述步骤得出的事件、条件、条件组三者之间的映射关系建立相应的关系表；根据所有事件的关系表信息，即可建立用于事件决策的知识库。

本发明中，针对每一个事件，就它与各条件之间的关系，设置一个如图6下部所示的表格，其中显示了事件E5与各条件之间的关系。表格的第一列表示条件组的数目，本例中，针对事件E5只有三个条件组；第四列及以后的各列表示各条件组中包含的条件数；表格的第二、第三列分别用于表示各条件组的‘或值’和‘权值’。

在图6中，‘权值’为该组所有条件共同拥有，代表本条件组可决定事件E5的最大概率；‘或值’代表本条件组具有所述最大概率所需满足的条件个数，即有多少个条件满足时，才会取最大概率。对于每一条件组中的单个条件，用权值除以或值所得之商，即为其先验概率，也就是只有一个条件满足时的实际概率。

在图6中，对事件E5来说，第一条件组中有3个条件，分别为C1、C4、C6，由于其或值为2，权值为46％；所以，其中只需要任2个条件符合，则占E5决定条件的46％；也就是说，当三个条件中的任两个满足时，对事件E5的决定概率就有46％，当三个全满足时，也是46％，当只有其中一个条件满足时则只有46％÷2＝23％，当没有条件满足时则为0。从图6中可以看出，在第三条件组中也有3个条件，分别为C3、C7、C8，同样，其中只需要任2个符合，则占E5决定条件的22％。显然，第一条件组比第三条件组对E5的重要程度要大一倍多。从图6中可以看出，在第二组中有2个条件，即C2、C5，其中只需要任1个符合，则占E5决定条件的30％。

本实施例中，当E5的三个条件组全部符合要求时，则E5的决定条件概率或符合度为98％(即46％+30％+22％之和)；但是，即使E5的三个条件组中各有1个条件不符合要求，则E5的决定条件概率或符合度仍然为98％；如果第三条件组中只有一个符合要求，而第一、二条件组中各有1个条件不符合要求，则此时的决定概率为46％+30％+11％＝87％。

根据图6所示的表格，可设置相应的存储单元结构，来实现该关系表，如图4所示，本实施例中，针对关系表中的每一个条件，设置一个这样的存储单元，其中包括：(1)内码段，即第1-5个带“x”的格子，用于存储与该条件对应的内码，设置内码是为了便于计算机识别，例如可将某一条件编码为00001、12345等；(2)分组位置段(G)，用于表明该条件所在的条件组，本例中，对于条件C8，其分组位置段的值为3，表示其在第三条件组；(3)权值段(P)，用于表明该条件所在条件组可决定所述事件的最大概率，本实施例中，对于条件C8，其权值段的内容为22；(4)或值段(V)，用于表明该条件所在条件组具有最大概率需满足的条件个数，本实施例中，对于条件C8，其或值段的内容为2。

在建立了关系表的基础上，还可直接将事件的信息反应于与之对应的条件的存储单元结构中，如图5所示，本实施例中在最右边增设了一个相关事件段(E)，用于表示前述1-4段信息是与哪一个事件相关的。按这种结构存储之后，可根据条件查到相关的一个或多个事件，也可根据事件查到相关的一个或多个条件。

三、基于上述知识库的事件决策系统及方法

根据实现的目的建立好相应的知识库之后，就可用其实现事件决策。其中，先建立基于知识库的事件决策应用系统，其中包括装有前述知识库的服务器，以及通过局域网或广域网与服务器连接的计算机。具体工作过程如图7所示。

步骤21、由计算机接收用户输入的一个或多个条件，并将其传送到服务器。

步骤22、针对收到的每一个条件，由服务器进行条件遍历，具体如下：

(221)、先取第一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组；

(222)、针对找出的每一个条件组，查看所收到的其他条件中是否有一个或多个被包含于这些条件组中，得出满足该条件组的条件个数；

(223)、依次取下一个条件，重复步骤221、222，直至取完所有收到的条件。

步骤23、由服务器进行概率计算，并将计算结果回传给计算机，具体如下：

(231)、根据步骤22所得的各个条件组，找出与之相关的一个或多个事件；

(232)、针对每一个事件，根据与之相关每一个条件组的权值、或值、以及满足要求的条件个数，计算出单个条件组对相关事件的决定概率，即等于(满足该条件组的条件个数÷该条件组的或值)×该条件组的权值；再将计算出的各个条件组的决定概率相加，即得到所收到的条件对该事件的决定概率。本步骤相当于分别按‘与’、‘或’逻辑遍历关系表；其中，‘与’逻辑遍历起收敛作用，结果比较准确；‘或’逻辑遍历起发散作用，结果多用于对比参考，启发交互思维。本发明的遍历具有批量工作性质，无须中间提问，所以可加快决策速度，这一点是本发明区别于‘二叉树’等其它某些决策方法的要点之一。

从图7中可以看出，在步骤23之后，可直接跳到步骤27，输出所得的事件及其概率；也可跳到步骤24，

步骤24、将在所述步骤23找出的相关事件显示给用户，并接收用户对事件的选择；

步骤25、根据用户选择的事件，在所述知识库查找与之相关的全部条件，并显示给用户；

步骤S26、接收用户对条件的选择，作为新接收的条件，并重复所述步骤22、23，计算出新接收的条件对相关的一个或多个事件的决定概率。

可见，步骤24、25、26构成反向推理提示，是组成振荡交互或思维仿真的重要机制。通过多次重复所述步骤22、23、24、25、26，可得到更为准确的事件决策结果，然后通过步骤27输出。

除此之外，还可由步骤28开始整个事件决策过程，即：

步骤28、先接收由用户输入的一个或多个事件，然后跳到步骤25；

步骤25、根据用户选择的事件，在所述知识库查找与之相关的全部条件，并显示给用户；然后执行步骤26，再经步骤22、23，找出所选条件相关的一个或多个事件以及它们的决定概率。同时，此时可直接经步骤27输出结果，也可经多次重复所述步骤22、23、24、25、26后，再通过步骤27输出结果。

由图7所示的流程图可以看出，本发明中，可由条件来推导出相关事件，再根据选择的事件列出全部相关条件，再进一步推导出相关事件，如此反复，直至得出最佳决策结果。也可先由事件来选择相关的条件，然后再作上述反复推导。两种方向操作可不分先后，可反复进行，所以是一个思维仿真过程。其原理是条件会引起相关事件的联想，事件也会引起相关条件的选择；两者互为往复，以涨落振荡的形式，将被决策的事件稳定在一个或少数几个点上。

四、应用系统

日常生活中人们去医院看病，就产生了患者与医生之间以‘问、答’为基本形式的一个交互过程。我国幅员辽阔，而专家级水平的医生又有限，边远地区的患者很难享受到高质量的医疗服务。所以《国家中长期科学和技术发展规划纲要(2006-2020)》第(49)条‘城乡社区常见多发病防治’中提出了：“重点研究开发……远程诊疗和技术服务系统”的导向性策略。

其中所说的‘远程诊疗’，是指借助计算机和互联网高速度、远距离传递文字、图形、声音的特点，来实现远距离的医患交流。具体地说就是在计算机和互联网技术条件下，将某地患者的病历、报告单、医学图象等资料，传递给另一地的医学专家；然后由专家根据资料作出诊断，并制定出详细、完整的治疗方案，对患者进行治疗。远程诊疗的目的是突破空间对稀缺资源医学专家的限制，使患者远距离享受到专家级的医疗服务，其工作模式如图8所示。目前远程诊疗从技术角度讲并没有太大的难度，但是它仍存在以下缺点：(1)需要花费相当大的资源，其高投资不一定能够获得高回报；(2)偏远地区的广大患者不一定有条件能享受高医疗消费；(3)如果远程诊疗需要组织大批专家会诊，则会大大提高专家资源成本，如果仅由单个专家远程诊疗，则诊疗效果会受制于专家知识的广泛性。

基于前述知识库和事件决策方法，可建立相应的远程诊疗系统，其结构如图9所示，与图8相比，其中用远程诊疗知识库来取代了先前技术中在线的医生。通过对以往医学临床案例的分析、统计，可归纳出各种各样的疾病(即事件)、用于确诊这些疾病的诊断要素(即条件)、同一疾病的各诊断要素之间的关系、可诊断相关疾病的概率等信息，从而可建立一个针对各种类疾病的知识库，供用户进行远程诊疗。具体实施时，也可做成单机式诊疗系统，也就是将服务器同时用作直接面对用户的计算机终端，这种模式可适用于诊所或小型医疗机构；另外，还可在医院等单位设置局域网形式的诊疗系统，即一个服务器通过局域网与多个计算机终端连接，用户可在各个计算机终端进行操作，实现诊疗目的。

如图10所示，本发明的远程诊疗系统中，用户可通过计算机界面选择输出诊断要素(即条件)，本例中，用户输入了“使用抗生素无效、呼吸困难、干咳、寒战、全身性酸困”共五个诊断要素；如图11所示为根据这五个诊断要求推导出的可能疾病名称，从其中可看出，是非典型肺炎的概率为56％，是非典型肺炎进展期的概率为40％，其中还列出了可能的其他疾病。根据图7所示的流程，用户可选定第一、第二项之后，再反推相关的诊断要素，如图11左下部所示，然后，用户可进一步选择符合条件的其他诊断要素，如此反复推导，即可得出准确的疾病诊断结果。同时，该系统还可根据最后确诊的疾病，提供相应的治疗方案、药物等。其中，疾病与诊断要素为图3所示的复杂关联关系；而疾病、治疗方案、药物三者之间则是图2所示的简单关联关系。

Claims (10)

1、一种用于事件决策的知识库的组建方法，其特征在于，包括以下步骤：

(S11)针对所需目的列出相关的多个事件；

(S12)列出与每一个事件相关的条件，其中，同一个事件有一个或多个条件，同一个条件适用于一个或多个事件；

(S13)针对每一个事件，对它的各个条件进行分组，将具有相同先验概率及相同‘与、或’关系的一个或多个条件归为一组，形成至少一个条件组；

(S14)针对每一个事件，根据上述步骤得出的事件、条件、条件组三者之间的映射关系建立相应的关系表；

(S15)根据所有事件的关系表信息，建立用于事件决策的知识库。

2、根据权利要求1所述的方法，其特征在于，每一个事件的关系表中包括至少一个条件组，在每一个条件组中包含至少一个条件；

针对每一个条件组，根据其包含的各个条件的先验概率及各个条件之间的‘与、或’关系，设有对应的权值及或值；

其中，所述权值代表本条件组可决定所述事件的最大概率，所述或值代表本条件组具有所述最大概率所需满足的条件个数，所述权值除以或值所得之商即为单个条件的先验概率。

3、根据权利要求2所述的方法，其特征在于，针对每一个事件，与之相关的每一个条件的记录单元结构中包含：

内码段，用于存储与该条件对应的内码；

分组位置段，用于表明该条件所在的条件组；

权值段，用于表明该条件所在条件组可决定所述事件的最大概率；

或值段，用于表明该条件所在条件组具有最大概率需满足的条件个数。

4、一种基于知识库的事件决策方法，其特征在于，按以下步骤实现计算机辅助的事件决策：

(S21)接收由用户输入的一个或多个条件；

(S22)针对收到的每一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组，再查看所收到的其他条件中是否有一个或多个在这些条件组中与该条件存在‘与、或’关系；

(S23)根据步骤(S22)所得的各个条件组，找出与之相关的一个或多个事件，再根据各个条件组的最大概率及每一条件组内各条件的‘与、或’关系，计算出所收到的条件对相关的一个或多个事件的决定概率。

5、根据权利要求4所述的方法，其特征在于，在所述步骤(S22)中，按以下步骤进行：

(S221)取第一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组；

(S222)针对找出的每一个条件组，查看所收到的其他条件中是否有一个或多个被包含于这些条件组中，得出满足该条件组的条件个数；

(S223)依次取下一个条件，重复步骤(S221)、(S222)，直至取完所有收到的条件。

6、根据权利要求5所述的方法，其特征在于，在所述步骤(S23)中，针对每一个事件，根据与之相关每一个条件组的权值、或值、以及满足要求的条件个数，计算出单个条件组对相关事件的决定概率等于(满足该条件组的条件个数÷该条件组的或值)×该条件组的权值；再将计算出的各个条件组的决定概率相加，即得到所收到的条件对该事件的决定概率。

7、根据权利要求4所述的方法，其特征在于，在所述步骤(S23)之后，还包括以下步骤：

(S24)将在所述步骤(S23)找出的相关事件显示给用户，并接收用户对事件的选择；

(S25)根据用户选择的事件，将与之相关的全部条件显示给用户；

(S26)接收用户对条件的选择，作为新接收的条件，并重复所述步骤(S22)至(S23)，计算出新接收的条件对相关的一个或多个事件的决定概率。

8、根据权利要求4所述的方法，其特征在于，所述步骤(S21)通过以下步骤进行：

(S211)接收由用户输入的一个或多个事件；

(S212)根据用户输入的事件，将与之相关的全部条件显示给用户；

(S213)接收用户对条件的选择，作为用户输入的条件，然后进入所述步骤(S22)。

9、一种基于知识库的事件决策应用系统，其特征在于，

包括装有所述知识库的服务器，以及通过局域网或广域网与所述服务器连接的计算机；

其中，所述计算机可接收由用户输入的一个或多个条件，并传送到所述服务器；所述服务器可针对收到的每一个条件，在所述知识库中进行遍历，查找出含有该条件的所有条件组，再查看收到的其他条件中是否有一个或多个在这些条件组中与该条件存在‘与、或’关系，然后根据所得的各个条件组，找出与之相关的一个或多个事件，再根据各个条件组的最大概率及每一条件组内各条件的‘与、或’关系，计算出所收到的条件对相关的一个或多个事件的决定概率。

10、根据权利要求9所述的系统，其特征在于，所述系统为自助式诊疗系统，所述事件为疾病名称，所述条件为相应疾病的诊断要素。

Images