CN106650938A - 多类别知识处理与决策方法 - Google Patents

Abstract

本发明提供一种多类别知识处理与决策方法，包括步骤：S1：建立一案例库；S2：输入一问题内容并生成一问题请求；S3：根据问题内容建立一关键词索引；S4：判断实例案例库中是否存在与关键词索引匹配的一实例案例并选中该实例案例；如存在，继续后续步骤S5；如不存搜索元案例库获得与关键词索引配合度最高的一元案例，跳至步骤S6；S5：修改被选中的实例案例输出一案例结果，跳至步骤S7；S6：修改被选中的元案例输出一案例结果；S7：判断修改案例是否满足价值要求，如满足将所述修改案例导入所述实例案例库；如不满足，结束步骤。本发明的一种多类别知识处理与决策方法，能够满足农业领域等多类别知识的统一表示需要。

Description

多类别知识处理与决策方法

技术领域

本发明涉及数据处理领域，尤其涉及一种多类别知识处理与决策方法。

背景技术

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。专家系统能在领域知识的基础上模拟人类专家的推理决策过程，例如可以将人工智能的知识工程原理在农业领域应用，运用知识表示、推理、知识获取等技术，总结农业专家的宝贵经验、实验数据及数学模型，智能化的分析推理，能够对用户所提出的问题给予专家级的解答。农业专家系统的基础研究主要包括四个方面：知识获取、知识表示、推理和决策策略、系统开发工具。其中，知识库与推理决策是专家系统的主要部分。大多数专家系统里都单一的是采用基于规则的推理决策策略或基于案例的推理决策策略，但是对于农业等知识种类划分很细的情况，会造成对象数量非常大。常用方法都不能满足农业领域等多类别知识的统一表示需要。

发明内容

针对上述现有技术中的不足，本发明提供一种多类别知识处理与决策方法，能够满足农业领域等多类别知识的统一表示需要。

为了实现上述目的，本发明提供一种多类别知识处理与决策方法，包括步骤：

S1：建立一案例库，所述案例库包括一实例案例库和一元案例库；

S2：输入一问题内容并生成一问题请求；

S3：根据所述问题内容建立一关键词索引；

S4：搜索所述实例案例库，判断所述实例案例库中是否存在与所述关键词索引匹配的一实例案例并选中该实例案例；如存在，继续后续步骤S5；如不存搜索所述元案例库获得与所述关键词索引配合度最高的一元案例，跳至步骤S6；

S5：根据所述问题内容修改被选中的所述实例案例，获得一修改案例并根据该修改案例输出一案例结果，跳至步骤S7；

S6：根据所述问题内容修改被选中的所述元案例，获得一修改案例并根据该修改案例输出一案例结果；

S7：判断所述修改案例是否满足价值要求，如满足将所述修改案例导入所述实例案例库，结束步骤；如不满足，结束步骤。

本发明的进一步改进在于，所述元案例通过对对应相同一关键词索引的至少一所述实例案例总结后获得。

本发明的进一步改进在于，所述步骤S2中：抽取所述问题内容中的至少一定性关键词和至少一定量关键词形成所述问题请求。

本发明的进一步改进在于，所述步骤S4中：利用k近邻算法将每一所述实例案例与所述关键词索引进行相似度计算获得与每一所述实例案例对应的第一相似度值，当所述第一相似度值超过一预设阈值，则认为当前的实例案例与所述关键词索引匹配，当具有多个与所述关键词索引匹配的实例案例时，在所述多个与所述关键词索引匹配的实例案例中选中第一相似度值最大的一实例案例；

利用k近邻算法将所述元案例与所述关键词索引进行相似度计算获得一第二相似度值，选择第二相似度值最大的一元案例。

本发明由于采用了以上技术方案，使其具有以下有益效果：

本发明能够满足农业领域等多类别知识的统一表示需要。将符合价值要求的案例导入实例案例库，使得实例案例库中的内容可以在使用过程中自动补充和优化。

附图说明

图1为本发明实施例的多类别知识处理与决策方法的流程图。

具体实施方式

下面根据附图1，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。

请参阅图1，本发明实施例的一种多类别知识处理与决策方法，包括步骤：

S1：建立一案例库，案例库包括一实例案例库和一元案例库；

S2：输入一问题内容并生成一问题请求；

S3：根据问题内容建立一关键词索引；

S4：搜索实例案例库，判断实例案例库中是否存在与关键词索引匹配的一实例案例并选中该实例案例；如存在，继续后续步骤S5；如不存搜索元案例库获得与关键词索引配合度最高的一元案例，跳至步骤S6；

S5：根据问题内容修改被选中的实例案例，获得一修改案例并根据该修改案例输出一案例结果，跳至步骤S7；

S6：根据问题内容修改被选中的元案例，获得一修改案例并根据该修改案例输出一案例结果；

S7：判断修改案例是否满足价值要求，如满足将修改案例导入实例案例库，结束步骤；如不满足，结束步骤。

本实施例中，元案例通过对对应相同一关键词索引的至少一实例案例总结后获得。

步骤S2中：抽取问题内容中的至少一定性关键词和至少一定量关键词形成问题请求。

步骤S4中：利用k近邻算法将每一实例案例与关键词索引进行相似度计算获得与每一实例案例对应的第一相似度值，当第一相似度值超过一预设阈值，则认为当前的实例案例与关键词索引匹配，当具有多个与关键词索引匹配的实例案例时，在多个与关键词索引匹配的实例案例中选中第一相似度值最大的一实例案例；

利用k近邻算法将元案例与关键词索引进行相似度计算获得一第二相似度值，选择第二相似度值最大的一元案例。

本发明中，推理决策过程以基于案例的推理机制为主，基于规则的推理机制为辅。借鉴分层案例推理思想，将案例库分为实例案例库和元案例库，实例案例库中案例的存储采用基于类、框架和案例的存储策略，进行层层分解细化存储多个案例。元案例是实例案例库中，对不同种类对象之间具有相同问题的实例案例进行提取后的案例，也即：元案例通过对对应相同一关键词索引的至少一实例案例总结后获得。当实例案例库中，某相同问题的案例达到设定的比例值时，就进行元案例的提取，元案例的关键词为该案例描述的充分必要条件。元案例的存储按照普通存储方式存储，不进行分类存储。本发明基于分层的案例推理决策的思想，把人们以往处理生产过程中的各类问题的经验存储成一个实例案例库，当新问题出现时，对问题进行定义，建立关键词索引。先在实例案例库中进行搜索，若能找到合适的案例作为新问题的参考，则进行案例修改输出案例结果，并判断修改后的价值，确定是否送入实例案例库存储；若找到的案例不合适，则在元案例中进行搜索，找到匹配度最高的案例作为新问题的参考，进行案例修改输出案例结果。

例如：首先，根据用户输入的问题内容、选择的农产品类别、输入的农产品名称、选择的生产阶段，生成问题请求，问题请求包括问题请求头部和问题请求体，问题请求体中包括问题头部和问题体。再抽取问题内容的定性关键词和相应的定量关键词，形成问题头部和问题体，并将其放入问题请求体中。然后，根据问题请求头部定位到相应类别控制点下面的案例群进行査询，利用k近邻算法将输入的问题请求体与定位的案例群进行相似度计算，找出相似度最高的案例，若相似度超过既定阈值，则认为查找到的案例适合，根据规则库，对查找到的案例进行案例适配、修改，并将修改后的案例输出，对修改后的案例进行价值判断，以决定是否存入实例案例库；否则，执行后续步骤。根据问题请求体在元案例库进行查找匹配，找出匹配度最高的元案例，对查找到的案例进行案例适配、修改，将修改后的案例输出，在判断满足价值要求后存入实例案例库。

以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (4)

1.一种多类别知识处理与决策方法，包括步骤：

S1：建立一案例库，所述案例库包括一实例案例库和一元案例库；

S2：输入一问题内容并生成一问题请求；

S3：根据所述问题内容建立一关键词索引；

S4：搜索所述实例案例库，判断所述实例案例库中是否存在与所述关键词索引匹配的一实例案例并选中该实例案例；如存在，继续后续步骤S5；如不存搜索所述元案例库获得与所述关键词索引配合度最高的一元案例，跳至步骤S6；

S5：根据所述问题内容修改被选中的所述实例案例，获得一修改案例并根据该修改案例输出一案例结果，跳至步骤S7；

S6：根据所述问题内容修改被选中的所述元案例，获得一修改案例并根据该修改案例输出一案例结果；

S7：判断所述修改案例是否满足价值要求，如满足将所述修改案例导入所述实例案例库，结束步骤；如不满足，结束步骤。

2.根据权利要求1所述的多类别知识处理与决策方法，其特征在于，所述元案例通过对对应相同一关键词索引的至少一所述实例案例总结后获得。

3.根据权利要求1所述的多类别知识处理与决策方法，其特征在于，所述步骤S2中：抽取所述问题内容中的至少一定性关键词和至少一定量关键词形成所述问题请求。

4.根据权利要求3所述的多类别知识处理与决策方法，其特征在于，所述步骤S4中：利用k近邻算法将每一所述实例案例与所述关键词索引进行相似度计算获得与每一所述实例案例对应的第一相似度值，当所述第一相似度值超过一预设阈值，则认为当前的实例案例与所述关键词索引匹配，当具有多个与所述关键词索引匹配的实例案例时，在所述多个与所述关键词索引匹配的实例案例中选中第一相似度值最大的一实例案例；

利用k近邻算法将所述元案例与所述关键词索引进行相似度计算获得一第二相似度值，选择第二相似度值最大的一元案例。