CN101576869A - 一种基于黑板模型的智能专家咨询系统及方法 - Google Patents

Abstract

本发明提供一种基于黑板模型的智能专家咨询系统和方法，所述系统由信息收集系统、黑板模型控制系统、规则引擎核心系统、调度器、信息展现系统、辅助决策系统和行动执行系统构成。所述方法可以实现用户输入咨询条件和参数，系统智能提供专家咨询决策方案，包括建立规则库，通过规则引擎推理，在预案库中智能搜索相应的预案方案。本发明可应用领域涉及化学、医疗、地质、气象、交通、教育、军事等，例如个人理财专家系统、寻找油田的专家系统、贷款损失评估专家系统、各类教学专家系统等。

Description

一种基于黑板模型的智能专家咨询系统及方法

技术领域

本发明涉及人工智能领域，尤其涉及一种基于黑板模型的智能专家咨询系统及方法。

背景技术

智能专家系统是人工智能应用研究最活跃和最广泛的课题之一。自从1965年第一个专家系统DENDRAL在美国斯坦福大学问世以来，经过20年的研究开发，到80年代中期，各种专家系统已遍布各个专业领域，取得很大的成功。一般说来专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

黑板模型概念最早由Newell于1962年提出的。在20世纪70年代初期，美国Carnagie Mellon大学也提出黑板问题求解模型，即黑板模型。其基本思想是：当多个专家协同求解一个问题，黑板是一个共享问题的求解空间，所有专家都能“看到”黑板.当问题和初始数据记录到黑板上，求解开始.所有专家通过“看”黑板寻找利用其专家经验和知识求解问题的机会.当一个专家发现黑板上的信息足以支持他进一步求解问题时，就将求解结果记录在黑板上.新增加的信息有可能使其他专家继续求解.重复这一过程，直到问题彻底解决，获得最终结果。

但随着专家咨询系统所面对的问题越来越复杂，原有基于黑板模型的专家系统的调度和控制也日益复杂，尤其是解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。例如，医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。

由于原来有系统知识源的通信依赖黑板模型完成，通信受到限制。最新信息处理技术的研究开发，尤其是规则引擎技术的应用，要求专家系统设计知识与规则推理的分离，尤其是规则间存在冲突对智能专家系统重建提出的更高的要求。

发明内容

本发明提供一种基于黑板模型的智能专家咨询系统，所述系统由信息收集系统、黑板模型控制系统、规则引擎核心系统、调度器、信息展现系统、辅助决策系统和行动执行系统构成。其中：

所述信息收集系统是获得系统推理分析必要的用户数据和参数。本发明设计上采用一个标准的用户对话，向用户提问，先建立一个简单的用户模型，包括：用户对系统所属领域的熟悉程度和自身的实践水平、用户对主题领域的熟悉程度、用户提问主题与其自身职业的关系等。进一步产生用户问题描述，识别用户输入的原始语句并理解用户的信息需求，形成一个完整的、适宜的问题描述；

所述黑板模型控制系统由计算机及相应的输入/输出设备组成。信息处理包括两方面：一是信息登陆、格式检查、属性检查、统计计算等；二是数据融合，将信息收集系统采集到的数据进行、属性识别和优先等级排序；

所述规则引擎核心系统对通过调度器提交的数据对象进行检索，根据这些对象的当前属性值和它们之间的关系，从加载到引擎的规则集中发现符合条件的规则，创建这些规则的执行实例。这些实例将在引擎接到执行指令时，依照某种优先序依次执行；

所述调度器，执行应用知识库中的及黑板中记录的信息和选定的动作，当得到新数据或新假设时，对已得到的结果进行修正，以保持结果前后的一致性；

所述信息显示系统主要由各类显示设备组成，如大屏幕显示设备、投影仪等。它以文字、符号、表格以及图像等形式显示信息，为用户提供形象、直观的分析决策所需要的参考数据和资料；

所述辅助决策系统是根据输入的情报数据，采用人工智能、数据库技术，对系统处理后的结果进行计算、推理，为用户决策提供可能的专家咨询预案参考；

所述指令执行系统是指能把各种经系统处理后的结果指令变成行动执行。

本发明还提供一种基于黑板模型的智能专家咨询方法，所述方法可以实现用户输入咨询条件和参数，系统智能提供专家咨询决策方案。

所述方法，包括建立规则库，通过规则引擎推理，在预案库中智能搜索相应的预案方案。

所述方法，主要步骤包括：

系统信息分析器对输入信息进行处理，包括优先等级排序等；

经处理后的信息输入黑板模型，对需要进行规则引擎推理的信息，经调度器，输入规则引擎核心系统处理；

所述方法通过多独立进程方式对实现黑板模型系统与规则引擎核心系统的数据传输；

经过规则引擎处理后的结果，输入黑板模型系统处理；

将处理后的结果，通过大屏幕显示设备、投影仪等。以文字、符号、表格以及图像等形式向用户展现信息；

所述方法通过辅助决策系统，为用户决策提供可能的专家咨询预案参考。

所述方法通过规则引擎核心系统实现业务决策从应用程序代码中分离出来，使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据规则做出业务决策。

所述规则引擎核心系统设计采用RETE算法，实现高效的规则匹配。

本发明一种基于黑板模型的智能专家咨询系统及方法能协调处理多专家的知识，为解决复杂、含有模糊和不确定的目标识别数据融合问题提供了新的途径。可应用领域涉及化学、医疗、地质、气象、交通、教育、军事等，例如个人理财专家系统、寻找油田的专家系统、贷款损失评估专家系统、各类教学专家系统等。

附图说明

图1是黑板模型基本组件结构示意图；

图2是黑板模型系统结构示意图；

图3是一种典型黑板模型HEARSAY-II专家系统架构示意图；

图4是本发明一种基于黑板模型的智能专家咨询系统架构图；

图5是本发明一种基于黑板模型的智能专家咨询系统数据库维护流程示意图；

图6是本发明一种基于黑板模型的智能专家咨询系统总体设计流程图；

图7是本发明规则引擎核心系统规则引擎推理实施例流程示意图；

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

首先，参照图1是黑板模型基本组件结构示意图，包括控制部分、知识源和黑板三部分。

参照图2是黑板模型系统结构示意图，黑板系统由黑板模型、黑板模型控制组件、触发组件、执行组件和知识库来实现。

参照图3是一种典型黑板模型H正ARSAY-II专家系统架构示意图，黑板系统是在抽象与总结语言理解系统HEARSA II基础上产生的一种问题求解模型，它有三个主要部件：黑板模型、知识源和黑板控制系统。黑板包含数据对象和部分解的全局数据库，代表了对求解方案的设计，往往被构造成多层(松散)分级结构，黑板是知识源之间进行通信与合作的媒介，用于问题求解的领域知识被划分成独立的知识源。每个知识源由条件部分与动作部分组成，可以使用不同的知识表达技术，如过程、启发式规则等。黑板数据对象或假设的新建或修改会触发某些知识源，如果其条件部分得到满足，该知识源即被激活，执行其动作部分，从而产生一个新的黑板状态。

参照图4是本发明一种基于黑板模型的智能专家咨询系统架构图，由信息收集系统、黑板模型控制系统、规则引擎核心系统、调度器、信息展现系统、辅助决策系统和行动执行系统构成。其中：

信息收集系统是各种信息的输入，利用信息收集可以获得系统分析必要的数据。

黑板模型控制系统由计算机及相应的输入/输出设备组成。信息处理包括两方面：一是信息登陆、格式检查、属性检查、统计计算等；二是数据融合，将信息收集系统采集到的数据进行、属性识别和优先等级排序。

规则引擎核心系统对通过调度器提交的数据对象进行检索，根据这些对象的当前属性值和它们之间的关系，从加载到引擎的规则集中发现符合条件的规则，创建这些规则的执行实例。这些实例将在引擎接到执行指令时，依照某种优先序依次执行。

调度器执行应用知识库中的及黑板中记录的信息，执行调度器所选定的动作。当得到新数据或新假设时，对已得到的结果进行修正，以保持结果前后的一致性。

信息显示系统主要由各类显示设备组成，如大屏幕显示设备、投影仪等。它以文字、符号、表格以及图像等形式显示信息，为用户提供形象、直观的分析决策所需要的参考数据和资料。

辅助决策系统是根据输入的情报数据，采用人工智能、数据库技术，对系统处理后的信息进行计算、推理，为用户决策提供比较各种可能的预案参考。

指令执行系统是指能把各种指令信息变成行动的行动执行。

参照图5是本发明一种基于黑板模型的智能专家咨询系统数据库维护流程示意图，建模与智能专家咨询需要大量的知识，这些知识包括规则、行动执行及其相关参数等知识。这些信息经过处理和信息汇总后作为智能专家决策的依据，用户信息中也可能包含了一定的规则。规则是进行推理的依据，是经验和原则等。规则知识主要来自于经验、政策规定和相关专家的经验等，其中专家经验知识是在实践活动中获得的一些经验规则、建议和判定法则等。

本发明智能专家咨询系统主要由此可见部分专家知识库，规则引擎推理，知识库和数据库的维护和人机交互界面组成。

其中：

知识库主要包括规则库和预案库，其中规则库是为推理提供规则，预案库实际上就是方案库，对于一定的触发条件，推理引擎经过推理，得出当前分析，其决策的内容就形成一个方案。

数据库用于存储领域同的初始数据和引擎推理过程中得到的各种中间信息。在本发明智能专家咨询系统中，数据库包括非实时数据库和实时数据库。实时数据库是咨询决策中反映当前触发条件下的各种状态数值集合，用于临时存放推理过程中所需同的各种初始数据或证据，以及由推理所产生的各种中间信息。非实时数据库主要包括该领域信息、处理流程、政策规定。

规则推理引擎实际上是一组程序。由该程序控制、协调整个系统，并根据当前输入的数据(即数据库中的信息)，利用知识库中的知识，按推理引擎算法策略，去解决当前的问题，完成规则库的匹配，搜索一种咨询决策方案。

知识库及数据训的维护，主要是完成对知识库及数据库的增加、删除及修改。

人机交互界面，提供用户与系统间的对话机制，专家或知识工程师通过它输入知识，更新、完善知识库；普通用户由此可输入已知事实，系统通过该接口输出运行结果。

参照图6是本发明一种基于黑板模型的智能专家咨询系统总体设计流程图，知识获取专家的经验通常使用非结构的文本表达，由于自然语言本身含有歧义，存在逻辑上不一致性。尤其是对领域知识的理解，需要有一个共同的术语基础。

知识表示知识系统中的知识表示通常有语义网络、产生式规则、谓词逻辑、框架等形式。合适的表示形式是由问题域的特性和推理方式决定的。本发明基于黑板模型的推理引擎的特点是易于集成不同特性的知识源，构建不同表示形式的多个知识体。

专家的经验知识一般是陈述一种状况和在此状况下某特征数据应具备的性质或应采取什么行动。产生式规则比较适合表示此类形式的知识.产生式的结论部分一般为程序过程或者是原子谓词公式：程序过程用于解释推理的结果，指导用户修正数据；原子谓词表示推出了新的证据，依此更新“黑板”数据。

参照图7本发明规则引擎核心系统规则引擎推理实施例流程示意图，规则引擎的基本机制是对提交给引擎的数据对象进行检索，根据这些对象的当前属性值和它们之间的关系，从加载到引擎的规则集中发现符合条件的规则，创建这些规则的执行实例。这些实例将在引擎接到执行指令时，依照某种优先序依次执行。

规则引擎内部多由以下几个部分构成：工作内存，用于存放被引擎引用的数据对象集合；规则执行队列，用于存放被激活的规则执行实例；静态规则区，用于存放所有被加载的业务规则，这些规则将按照某种数据结构组织，当工作区中的数据发生改变后，引擎需要迅速根据工作区中的对象现状，调整规则执行队列中的规则执行实例。

任何一个规则引擎都需要很好地解决规则的推理机制和规则条件匹配的效率问题。当引擎执行时，会根据规则执行队列中的优先顺序逐条执行规则执行实例。由于规则的执行部分可能会改变工作区的数据对象，从而使得队列中的某些规则执行实例因为条件改变而失效，必须从队列中撤销，也可能会激活原来不满足条件的规则，生成新的规则执行实例进入队列。

在模式匹配过程中，规则的前提中可能会有很多相同的模块，因此在匹配规则前提时，将进行大量的重复运算，这样就带来时间冗余性问题。临时数据库是给用户自行临时添加规则的，用户可按自己的构想临时添加某些规则，然后按规则进行推理，例如：

RULE1:if(A＞B)and D or C then E＝100

RULE2:if(A＞B)and(B＜C)then E＝200

RULE_TEMP:if(！(A＞B)or(B＜C))then E＝300

若要匹配这3条规则时，对于表达式A＞B要进行三次计算，对B＜C需要两次计算。Rete算法采用的方法为：令M1＝A＞B，M2＝B＜C；则规则可改为：

RULE1:if(M1)and D or C then E＝100

RULE2:if(M1)and(M2)then E＝200

RULE_TEMP:if(！(M1)or(M2))then E＝300

这样只有当A或B发生变化时，才重新计算E1；同样当B或C发生变化时，重新计算E2。这样的推理避免了在每次进行模式匹配都重复计算相同的表达式，而只要检测相关参数是否变化来决定是否更新表达式，这样在推理过程中节省了大量时间和开销，从而提高了推理效率。

以下表rule1为例，

	规则1	规则2	......	规则i
					条件1	条件值
条件2
					......
条件j
					判定1	是否反馈
判定2
					......
判定k

其对应规则引擎的代码如下

   rule″rule1″

   salience-100//信息优先级设定

   when//LHS

      SalesPerson(achieveTarget＝＝false，SaleVolume＜＝100000)

      $sa:SellApplication()

      $fb:FeedBack()

   then//RHS

      fb.setWarn(true)；

fb.setAmortization(“0％”)；

sa.setFeedBack(fb)；

end

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的系统及方法；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1、一种基于黑板模型的智能专家咨询系统，其特征在于，所述系统由信息收集系统、黑板模型控制系统、规则引擎核心系统、调度器、信息展现系统、辅助决策系统和行动执行系统构成，其中：

所述信息收集系统是获得系统推理分析必要的用户数据和参数；

所述黑板模型控制系统由计算机及相应的输入/输出设备组成；

所述规则引擎核心系统对通过调度器提交的数据对象进行检索，根据这些对象的当前属性值和它们之间的关系，从加载到引擎的规则集中发现符合条件的规则，创建这些规则的执行实例；

所述调度器执行知识库中的及黑板中记录的信息和选定的动作。当得到新数据或新假设时，对已得到的结果进行修正，以保持结果前后的一致性；

所述信息显示系统主要由各类显示设备组成，如大屏幕显示设备、投影仪等。它以文字、符号、表格以及图像等形式显示信息，为用户提供形象、直观的分析决策所需要的参考数据和资料；

所述辅助决策系统是对系统处理后的结果进行计算、推理，为用户决策提供比较各种可能的预案参考；

所述指令执行系统是指能把各种系统处理后的指令信息变成行动执行。

2、一种基于黑板模型的智能专家咨询系统，其特征在于，所述信息收集系统设计上采用一个标准的用户对话，向用户提问，先建立一个简单的用户模型，包括：用户对系统所属领域的熟悉程度和自身的实践水平、用户对主题领域的熟悉程度、用户提问主题与其自身职业的关系等。进一步产生用户问题描述，识别用户输入的原始语句并理解用户的信息需求，形成一个完整的、适宜的问题描述。

3、一种基于黑板模型的智能专家咨询方法，其特征在于，所述方法可以实现用户输入咨询条件和参数，系统智能提供专家咨询决策方案。

4、根据权利要求3所述的方法，其特征在于，所述方法，包括建立规则库，通过规则引擎推理，在预案库中智能搜索相应的预案方案。

5、根据权利要求3所述的方法，其特征在于，所述方法，主要步骤包括：

系统信息分析器对输入信息进行处理，包括优先等级排序等；

经处理后的信息输入黑板模型，对需要进行规则引擎推理的信息，经调度器，输入规则引擎核心系统处理；

通过多独立进程方式对实现黑板模型系统与规则引擎核心系统的数据传输；

经过规则引擎处理后的结果，输入黑板模型系统处理；

将处理后的结果，通过大屏幕显示设备、投影仪等。以文字、符号、表格以及图像等形式向用户展现信息；

通过辅助决策系统，为用户决策提供可能的专家咨询预案参考。

6、根据权利要求3所述的方法，其特征在于，所述方法通过规则引擎核心系统实现业务决策从应用程序代码中分离出来，使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据规则做出业务决策。

7、根据权利要求6所述的方法，其特征在于，所述规则引擎核心系统设计采用Rete算法，实现高效的规则匹配。

Images