论文部分内容阅读
随着信息化和智能化的深入,智能工具在国民经济和社会生活中发挥着越来越重要的作用。而决定智能工具水平高低的关键是如何处理矛盾问题。可拓策略生成系统(Extension Strategy Generating System, ESGS)是基于可拓学的理论和方法,利用计算机辅助人们生成解决矛盾问题策略的智能系统。研究ESGS对于决策科学和人工智能的发展有重要的科学意义。目前ESGS开发技术尚不成熟,因此本文从多个方面研究和实现了对ESGS的改进。要有效地解决矛盾问题,必须准确地建立问题的可拓模型。当前ESGS一般采用智能Agent技术引导用户输入问题相关的参数来建立问题的可拓模型。问题参数较多时,系统输入界面的设计难以复用。当用户输入的文字稍长,系统无法理解用户提出的问题,导致建模的效率低。为此,本文在智能Agent技术的基础上,提出了利用信息抽取技术,从用户输入的需求语句建立不相容问题可拓模型的方法。基元是可拓学中描述信息和知识的逻辑细胞,ESGS中的知识主要用基元或者基元的关系式来表达。由于基元自身具有可拓展性,当前使用关系型数据库构建知识库时信息存储的模式固定,难以满足对基元进行拓展的需求。此外,基于复合元的复杂知识的存储方法尚未实现。为此,本文研究了使用非关系型数据库MongoDB表示和存储可拓规则知识的方法。当前开发ESGS时将可拓变换直接保存到数据库或者编码到系统中,用来解决矛盾问题。这种方式难以结合知识库对问题进行分析,限制了生成的可拓变换的类型和数量,导致难以产生有效的可拓策略。为此,本文研究了结合相关型知识,对不相容问题的条件进行相关分析的算法。本文的创新点在于：(1)利用信息抽取技术处理用户的需求语句,自动建立了问题的可拓模型。在租房ESGS上的应用表明,这种方法提高了建立问题可拓模型的效率。(2)提出了利用MongoDB数据库表示和存储可拓规则知识的方法。与当前的方法相比,本文的方法提高了知识库的可拓展性和可操作性。(3)提出了结合相关型知识的条件相关分析算法。该算法能对不相容问题进行相关分析,并计算执行可拓变换后的结果,使相关分析过程更灵活。本文是国家自然科学基金项目(批准号：61273306)——“基于可拓学和HowNet的策略生成方法与系统研究”的研究成果。