论文部分内容阅读
随着数据挖掘、人工智能、神经网络、专家系统、机器学习的出现，计算机的处理不仅对单纯的基于结构化数据进行算术运算，而且对各种复杂的文章、声音、图像等非结构化的数据进行规则判断、逻辑推理。人们对信息系统的复杂性、智能性要求越来越高，越来越期待计算机能模拟人的思维，利用知识和经验进行分析、判断与处理，从而使智能信息系统应运而生。智能信息系统通常具有知识库、模型库、方法库，通过一定的模糊识别、规则判断和逻辑推理得到新的数据、方案或者结论，以更方便地帮助人们解决实际的问题。
一、智能信息系统
智能信息系统主要涵盖有专家系统、数据挖掘、知识发现、智能检索、智能化决策支持系统和机器学习等。智能信息系统通常有知识库、方法库、模型库，通过对经验的语料学习，利用各种人工智能的技术和算法，进行归纳推理，得到用户需要的面向主题的答案。在把人工智能用于智能信息系统的历程中，自然语言起了非常重要的桥梁、纽带作用。
1.专家系统：是利用专家的知识和某些现成的模型，针对用户提出的问题通过推理进行分析、求解。模糊专家系统是在知识的表达中运用模糊集理论，对规则内部和观察事实引入隶属度的概念，允许使用模糊量词，而推理机制则是采用模糊逻辑，允许规则与事实的部分匹配，推理的结果也可能是一个模糊集。
2.数据挖掘：是通过对已有数据进行关联分析、趋势预测、聚类分析等方法发现隐含于数据中的未知的、有用的、不一般的规则、规律和论断之类的信息或知识。数据挖掘算法主要有3个部分组成：模型表示、模型评价标准和发现方法。目前用并行处理或抽样的方法处理大规模数据以获得较高的计算效率。较成功的数据挖掘工具或平台有SAS公司的SAS Enterprise Miner、IBM公司的Intelligent Miner、Solution公司的Clementine和中科院计算技术研究所的MSMiner。
3.知识发现：是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解的模式的非平凡过程。
4.智能检索：目前，检索功能已经从基本的截词检索、关键词检索、短语检索、字段检索发展为高级的加权检索、自然语言检索、相关信息反馈检索、模糊检索和概念检索。利用自然语言理解技术实现了概念挖掘、外形挖掘等高级挖掘。其中主要采用的技术是关键字匹配技术、统计学技术等。如何将模糊技术、免疫进化、粗糙集、支撑矢量机理论和技术运用于WWW，实现柔性的智能检索是以后的研究方向。利用词法分析器、语法分析器、语义推理机进行自然语言分析，是实现智能检索的必由之路。
5.智能决策支持系统：是决策支持系统与人工智能技术相结合的产物，与传统的决策支持系统相比不仅要进行知识库与模型库的选择，而且要进行大量的推理和逻辑判断。在推理与判断中，许多情况很难确定，最终的方案也不是一个确定的数字就能决定的。
6.机器学习：目前，常用的机器学习方法有：规则归纳、决策树、范例推理、贝叶斯信念网络、科学发现、遗传算法。较重要的理论有：与类比学习原理相近的基于范例的学习，支持向量机学习方法等。
7.自然语言处理：是一种让机器懂得人类语言的研究。自然语言处理是当今人工智能中最活跃的领域之一，是许多智能信息系统的基础和接口。主要应用范围涉及：网络信息的检索与过滤；机器人语音对话；数据仓库和专家系统的自然语言查询；CAD、CAI和OA的人机交互系统；自动文摘和分类；机器翻译和机助翻译等。自然语言处理分为词法分析、语法分析、语义分析和语用分析。目前，主要的理论研究有：词汇功能文法、扩充转换网络、深层格结构理论。较成功的系统有Xerox公司的XLE、斯坦福人工智能实验室的MARGIE等。
二、人工智能
人工智能是用计算机模拟人的智能行为，主要研究依赖于现有计算机去模拟人类某些智力行为的基本理论、基本技术和基本方法，包括搜索技术、推理技术、知识表示、机器学习以及人工智能语言等方面。人工智能的思维逻辑主要有神经网络、遗传算法、模糊学、关联分析、粗集理论以及Agent概念。
1.神经网络。神经网络是模仿人脑神经网络的结构和某些工作机制而建立的一种计算模型。神经网络的工作机理是通过学习，改变神经元之间的连接强度。其特点是利用大量的简单计算单元（即神经元）连成网络，来实现大规模并行计算。神经网络有4种类型：前向型、反馈型、随机型和自组织竞争型。目前的主要进展有：Prigogine提出非平衡系统的自组织理论，即耗散结构理论；Haken研究大量元件联合行动而产生的有序的宏观表现，创立了协同学；日本NHK的福岛邦彦、美国波士顿大学的Grossberg提出了感知觉的共振适应理论。
2.遗传算法。遗传算法是从某一随机产生的或是特定的初始群体出发，按照一定的规则，如选择、复制、交叉、变异等，不断地迭代计算，并根据每一个个体的适应度值，保留优良品种，引导搜索过程向最优解逼近，是一种具有“生成＋检测”的迭代过程的计算模型。其特点是直接对结构对象进行操作；具有内在的隐平行性和较好的全局寻优能力；采用概率化的寻优方法，自适应地调整搜索方向。主要研究进展有：Holland提出的基本遗传算法；Goldberg等提出的典型的变长染色体遗传算法；DeJong提出的将遗传算法与问题的特有知识集成到一起的混合遗传算法。
3.模糊逻辑。传统逻辑使用精确概念、精确命题和严格推理规则的逻辑；而模糊逻辑是由模糊概念（外延是模糊集合的概念）和模糊命题构成的、按照模糊的或近似的推理规则进行的模糊推理。当然,还可以通过人工干预手段，对当前设计结论域的参数进行人为调整，使之更趋于合理。
4.粗糙集理论。粗糙集把无法确认的个体都归屬于边界线区域，而这种边界线被定义为上近似集和下近似集之差集。其特点是反映了人们以不完全信息或知识去处理一些不分明现象的能力，或依据观察、度量到某些不精确的结果而进行分类数据的能力。粗糙集理论的进一步研究中出现了几种扩展模型：可变精度粗糙集模型、相似模型、基于粗糙集的非单调逻辑。粗糙集与Fuzzy并非是对立的理论。粗糙集体现了集合中对象间的不可区分性，而Fuzzy体现的是隶属边界的模糊性。
5.贝叶斯网。贝叶斯网是一个有向无环图，它的节点用随机变量表示，图中的每个节点条件独立于父节点给定的非后代节点构成的任何节点子集。贝叶斯网中有3种推理模式：因果推理或由上而下推理、诊断推理或自底向上推理、辩解推理。
6.Agent推理。Agent是自主性的软件实体，体现对人的意愿的理解和对机的功能的实现。Agent应有以下能力：固定的反应能力；基于图标和特征的存储结构；搜索技术；推理、计划和通信能力。Agent从动作级别上分为低、中、高三级。Benson ＆ Nillson提出了一个Agent结构，把反应、学习和计划能力集成在一起；Albus提出了知觉塔、模型塔和动作塔的三层塔式结构。
三、综述两者关系
人工智能为智能信息系统提供了强大的理论基础，反过来，智能信息系统的应用促进了人工智能的新发展。没有一个智能信息系统只用一种人工智能的技术，而人工智能的某一个理论也不仅仅用于一种特定的智能信息系统。因此，出现了文中的智能信息系统与人工智能的交叉关系图。
参考文献
1. 史忠植.知识发现.清华大学出版社，2002
2 .Nils J.Nillson著，郑扣根等译.人工智能.机械工业出版社，2002
3 .姚天顺.自然语言理解——一种让机器懂得人类语言的研究.清华大学出版社，2002
4 .王士同.模糊推理理论与模糊专家系统.上海科学技术文献出版社，
1995
5 .黄国兴，徐国定.人工智能原理及其实现.上海科学技术文献出版社，
1993
6 .苏运霖.人工智能的战略方向.计算机科学，1998(5)
7 .李凡生.决策支持系统新方向——智能决策支持系统.东北电力学院学报，2001(4)
(作者单位：中国科技信息研究所北京100038)
一、智能信息系统
智能信息系统主要涵盖有专家系统、数据挖掘、知识发现、智能检索、智能化决策支持系统和机器学习等。智能信息系统通常有知识库、方法库、模型库，通过对经验的语料学习，利用各种人工智能的技术和算法，进行归纳推理，得到用户需要的面向主题的答案。在把人工智能用于智能信息系统的历程中，自然语言起了非常重要的桥梁、纽带作用。
1.专家系统：是利用专家的知识和某些现成的模型，针对用户提出的问题通过推理进行分析、求解。模糊专家系统是在知识的表达中运用模糊集理论，对规则内部和观察事实引入隶属度的概念，允许使用模糊量词，而推理机制则是采用模糊逻辑，允许规则与事实的部分匹配，推理的结果也可能是一个模糊集。
2.数据挖掘：是通过对已有数据进行关联分析、趋势预测、聚类分析等方法发现隐含于数据中的未知的、有用的、不一般的规则、规律和论断之类的信息或知识。数据挖掘算法主要有3个部分组成：模型表示、模型评价标准和发现方法。目前用并行处理或抽样的方法处理大规模数据以获得较高的计算效率。较成功的数据挖掘工具或平台有SAS公司的SAS Enterprise Miner、IBM公司的Intelligent Miner、Solution公司的Clementine和中科院计算技术研究所的MSMiner。
3.知识发现：是从数据集中识别出有效的、新颖的、潜在有用的以及最终可理解的模式的非平凡过程。
4.智能检索：目前，检索功能已经从基本的截词检索、关键词检索、短语检索、字段检索发展为高级的加权检索、自然语言检索、相关信息反馈检索、模糊检索和概念检索。利用自然语言理解技术实现了概念挖掘、外形挖掘等高级挖掘。其中主要采用的技术是关键字匹配技术、统计学技术等。如何将模糊技术、免疫进化、粗糙集、支撑矢量机理论和技术运用于WWW，实现柔性的智能检索是以后的研究方向。利用词法分析器、语法分析器、语义推理机进行自然语言分析，是实现智能检索的必由之路。
5.智能决策支持系统：是决策支持系统与人工智能技术相结合的产物，与传统的决策支持系统相比不仅要进行知识库与模型库的选择，而且要进行大量的推理和逻辑判断。在推理与判断中，许多情况很难确定，最终的方案也不是一个确定的数字就能决定的。
6.机器学习：目前，常用的机器学习方法有：规则归纳、决策树、范例推理、贝叶斯信念网络、科学发现、遗传算法。较重要的理论有：与类比学习原理相近的基于范例的学习，支持向量机学习方法等。
7.自然语言处理：是一种让机器懂得人类语言的研究。自然语言处理是当今人工智能中最活跃的领域之一，是许多智能信息系统的基础和接口。主要应用范围涉及：网络信息的检索与过滤；机器人语音对话；数据仓库和专家系统的自然语言查询；CAD、CAI和OA的人机交互系统；自动文摘和分类；机器翻译和机助翻译等。自然语言处理分为词法分析、语法分析、语义分析和语用分析。目前，主要的理论研究有：词汇功能文法、扩充转换网络、深层格结构理论。较成功的系统有Xerox公司的XLE、斯坦福人工智能实验室的MARGIE等。
二、人工智能
人工智能是用计算机模拟人的智能行为，主要研究依赖于现有计算机去模拟人类某些智力行为的基本理论、基本技术和基本方法，包括搜索技术、推理技术、知识表示、机器学习以及人工智能语言等方面。人工智能的思维逻辑主要有神经网络、遗传算法、模糊学、关联分析、粗集理论以及Agent概念。
1.神经网络。神经网络是模仿人脑神经网络的结构和某些工作机制而建立的一种计算模型。神经网络的工作机理是通过学习，改变神经元之间的连接强度。其特点是利用大量的简单计算单元（即神经元）连成网络，来实现大规模并行计算。神经网络有4种类型：前向型、反馈型、随机型和自组织竞争型。目前的主要进展有：Prigogine提出非平衡系统的自组织理论，即耗散结构理论；Haken研究大量元件联合行动而产生的有序的宏观表现，创立了协同学；日本NHK的福岛邦彦、美国波士顿大学的Grossberg提出了感知觉的共振适应理论。
2.遗传算法。遗传算法是从某一随机产生的或是特定的初始群体出发，按照一定的规则，如选择、复制、交叉、变异等，不断地迭代计算，并根据每一个个体的适应度值，保留优良品种，引导搜索过程向最优解逼近，是一种具有“生成＋检测”的迭代过程的计算模型。其特点是直接对结构对象进行操作；具有内在的隐平行性和较好的全局寻优能力；采用概率化的寻优方法，自适应地调整搜索方向。主要研究进展有：Holland提出的基本遗传算法；Goldberg等提出的典型的变长染色体遗传算法；DeJong提出的将遗传算法与问题的特有知识集成到一起的混合遗传算法。
3.模糊逻辑。传统逻辑使用精确概念、精确命题和严格推理规则的逻辑；而模糊逻辑是由模糊概念（外延是模糊集合的概念）和模糊命题构成的、按照模糊的或近似的推理规则进行的模糊推理。当然,还可以通过人工干预手段，对当前设计结论域的参数进行人为调整，使之更趋于合理。
4.粗糙集理论。粗糙集把无法确认的个体都归屬于边界线区域，而这种边界线被定义为上近似集和下近似集之差集。其特点是反映了人们以不完全信息或知识去处理一些不分明现象的能力，或依据观察、度量到某些不精确的结果而进行分类数据的能力。粗糙集理论的进一步研究中出现了几种扩展模型：可变精度粗糙集模型、相似模型、基于粗糙集的非单调逻辑。粗糙集与Fuzzy并非是对立的理论。粗糙集体现了集合中对象间的不可区分性，而Fuzzy体现的是隶属边界的模糊性。
5.贝叶斯网。贝叶斯网是一个有向无环图，它的节点用随机变量表示，图中的每个节点条件独立于父节点给定的非后代节点构成的任何节点子集。贝叶斯网中有3种推理模式：因果推理或由上而下推理、诊断推理或自底向上推理、辩解推理。
6.Agent推理。Agent是自主性的软件实体，体现对人的意愿的理解和对机的功能的实现。Agent应有以下能力：固定的反应能力；基于图标和特征的存储结构；搜索技术；推理、计划和通信能力。Agent从动作级别上分为低、中、高三级。Benson ＆ Nillson提出了一个Agent结构，把反应、学习和计划能力集成在一起；Albus提出了知觉塔、模型塔和动作塔的三层塔式结构。
三、综述两者关系
人工智能为智能信息系统提供了强大的理论基础，反过来，智能信息系统的应用促进了人工智能的新发展。没有一个智能信息系统只用一种人工智能的技术，而人工智能的某一个理论也不仅仅用于一种特定的智能信息系统。因此，出现了文中的智能信息系统与人工智能的交叉关系图。
参考文献
1. 史忠植.知识发现.清华大学出版社，2002
2 .Nils J.Nillson著，郑扣根等译.人工智能.机械工业出版社，2002
3 .姚天顺.自然语言理解——一种让机器懂得人类语言的研究.清华大学出版社，2002
4 .王士同.模糊推理理论与模糊专家系统.上海科学技术文献出版社，
1995
5 .黄国兴，徐国定.人工智能原理及其实现.上海科学技术文献出版社，
1993
6 .苏运霖.人工智能的战略方向.计算机科学，1998(5)
7 .李凡生.决策支持系统新方向——智能决策支持系统.东北电力学院学报，2001(4)
(作者单位：中国科技信息研究所北京100038)