專家系統(tǒng)與知識工程復(fù)習(xí)要點(diǎn)

1、專家系統(tǒng)與知識工程復(fù)習(xí)要點(diǎn)知識工程是人工智能技術(shù)與專家系統(tǒng)發(fā)展相結(jié)合的產(chǎn)物，它是數(shù)據(jù)工程的高級階段。知識工程是設(shè)計(jì)和實(shí)現(xiàn)知識庫系統(tǒng)及知識庫應(yīng)用系統(tǒng)的理論、方法和技術(shù)，是研究知識獲取、知識表示、知識管理和知識運(yùn)用的一門學(xué)科。數(shù)據(jù)庫技術(shù)是構(gòu)成數(shù)據(jù)工程的中心和基礎(chǔ)，數(shù)據(jù)庫工程也就是數(shù)據(jù)工程。通常數(shù)據(jù)工程的設(shè)計(jì)與實(shí)現(xiàn)包括三個基本環(huán)節(jié)：概念數(shù)據(jù)模型的分析與設(shè)計(jì)、邏輯數(shù)據(jù)模型分析與設(shè)計(jì)、物理數(shù)據(jù)模型的設(shè)計(jì)。知識是數(shù)據(jù)和信息集合的整體。只有當(dāng)信息被系統(tǒng)地、有目的地積累起來時，才能轉(zhuǎn)變成知識。知識是由信息描述的，信息則是用數(shù)據(jù)來表達(dá)的；知識工程是設(shè)計(jì)和實(shí)現(xiàn)知識庫系統(tǒng)及知識庫應(yīng)用系統(tǒng)的理論、方法和技術(shù)，是研究知

2、識獲取、知識表示、知識管理和知識運(yùn)用的一門學(xué)科。知識工程處理的對象是知識，知識種類及知識的表示方式：1 .）第一類：關(guān)于事實(shí)和現(xiàn)象的知識。（Know_what）第二類：自然原理和領(lǐng)域規(guī)律性知識。（Know_why）第三類：關(guān)于技能和能力的知識。（Know_how）第四類：關(guān)于誰的知識。（Know_who）2 .）產(chǎn)生式、函數(shù)式、邏輯式、對象式、語義網(wǎng)絡(luò)、框架結(jié)構(gòu)、狀態(tài)過程等多種形式。數(shù)據(jù)信息知識三者的關(guān)系：數(shù)據(jù)是指客觀事物的屬性、數(shù)量、位置及其相互關(guān)系的符號描述。信息是數(shù)據(jù)在特定場合下的具體含義，信息是對數(shù)據(jù)的解釋。知識是一個或多個信息關(guān)聯(lián)在一起形成的有價(jià)值的信息結(jié)構(gòu)，是對客觀規(guī)律的認(rèn)識，是高

3、層次的信息。也就是說，知識是數(shù)據(jù)和信息集合的整體。由此可見，數(shù)據(jù)是記錄信息的符號，信息是對數(shù)據(jù)的解釋，知識是信息的概括和抽象；數(shù)據(jù)經(jīng)過解釋處理形成了信息，信息又經(jīng)過加工過程形成了知識；知識是由信息描述的，信息則是用數(shù)據(jù)來表達(dá)的；從數(shù)據(jù)到信息的轉(zhuǎn)換是一個數(shù)據(jù)處理過程，從信息到知識的轉(zhuǎn)換是一個認(rèn)知的過程。這就是數(shù)據(jù)、信息和知識之間的相互依存的辨證關(guān)系。知識工程是一個遠(yuǎn)比數(shù)據(jù)工程復(fù)雜的多的領(lǐng)域，也是一個比數(shù)據(jù)工程更富于挑戰(zhàn)性的領(lǐng)域，表現(xiàn)在：1、知識種類比較多2、知識的表示方式比較多3、要有一個較好的知識表示方式和知識管理機(jī)制在知識工程中，最為困難的問題是知識獲取，一般來說，獲取知識的方法有兩種情況：

4、1、由知識工程師從領(lǐng)域?qū)＜夷抢铽@取知識，即：人工獲取。2、從數(shù)據(jù)庫數(shù)據(jù)中發(fā)現(xiàn)知識(KDD),即數(shù)據(jù)挖掘。決策支持系統(tǒng)(DSSdecisionsupportsystem)(DW-DataWarehouse)知識工程、數(shù)據(jù)工程、軟件工程三者在應(yīng)用系統(tǒng)形成過程中的本質(zhì)區(qū)別。需求分析階段：(what-to-do)數(shù)據(jù)工程：把E-R圖作為分析階段的結(jié)果。知識工程：還要分析問題之間的關(guān)聯(lián)關(guān)系，從而定義問題的求解規(guī)則。軟件工程：進(jìn)一步進(jìn)行功能分解，產(chǎn)生功能的層次結(jié)構(gòu)。設(shè)計(jì)階段(how-to-do)數(shù)據(jù)工程：要解決的問題是從概念結(jié)構(gòu)的關(guān)聯(lián)中尋找極小化的邏輯結(jié)構(gòu)。知識工程：要解決的問題是從概念結(jié)構(gòu)的關(guān)于關(guān)聯(lián)的關(guān)

5、聯(lián)中尋找極小化的邏輯結(jié)構(gòu)。軟件工程：要解決的問題是功能的劃分以及功能模塊之間的接口。實(shí)現(xiàn)階段：數(shù)據(jù)工程：按照要求對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行適當(dāng)?shù)恼{(diào)整。知識工程：除了針對具體問題做一些適當(dāng)?shù)恼{(diào)整外，幾乎不做什么事情。軟件工程：則意味著編程、寫代碼、調(diào)試、維護(hù)等一系列工作的開始。知識庫系統(tǒng)中的知識可分?jǐn)?shù)據(jù)級、知識庫級、推理機(jī)級三級來描述。由數(shù)據(jù)庫發(fā)展數(shù)據(jù)倉庫主要的原因：數(shù)據(jù)太多，知識完全；異構(gòu)環(huán)境數(shù)據(jù)的轉(zhuǎn)換和共享；利用數(shù)據(jù)進(jìn)行事務(wù)處理轉(zhuǎn)變?yōu)槔脭?shù)據(jù)進(jìn)行決策支持。數(shù)據(jù)倉庫是一個“面向主題的"、“完整的”、“非易失的”、“不同時間的”、“用于支持決策管理”的數(shù)據(jù)集合。數(shù)據(jù)倉庫是為決策支持服務(wù)的；數(shù)

6、據(jù)庫系統(tǒng)是為事務(wù)處理服務(wù)的。非易失性指的是數(shù)據(jù)倉庫是只讀的，數(shù)據(jù)一旦經(jīng)集成進(jìn)入數(shù)據(jù)倉庫后，數(shù)據(jù)一般不能被回寫，也就是說數(shù)據(jù)是穩(wěn)定的，具有穩(wěn)定性數(shù)據(jù)倉庫中的數(shù)據(jù)時限為：155-10年10151520數(shù)據(jù)倉庫和數(shù)據(jù)庫存在著根本不同：1、數(shù)據(jù)存儲方式的不同2、數(shù)據(jù)存儲量的不同3、存儲的結(jié)構(gòu)不同數(shù)據(jù)庫的存儲格式一般是二維平面式的，數(shù)據(jù)倉庫由于涉及到時間，主題等因素是一個多維的超立方體結(jié)構(gòu)形式，大多采用量型模型。數(shù)據(jù)倉庫的數(shù)據(jù)量是數(shù)據(jù)庫數(shù)據(jù)量的100倍，數(shù)據(jù)量大的原因在于：(1)數(shù)據(jù)庫中的數(shù)據(jù)是按決策主題重新組織并集成起來的數(shù)據(jù)；(2)保留了大量的歷史數(shù)據(jù)，用于預(yù)測分析；(3)對當(dāng)前數(shù)據(jù)進(jìn)行了輕度或高度

7、綜合后形成了綜合數(shù)據(jù)。數(shù)據(jù)倉庫中的數(shù)據(jù)=當(dāng)前數(shù)據(jù)+歷史數(shù)據(jù)+綜合數(shù)據(jù)數(shù)據(jù)載入是一個比較復(fù)雜的過程，操作數(shù)據(jù)向數(shù)據(jù)倉庫的移動通常分為提取、轉(zhuǎn)換、凈化、加載、匯總五個步驟。粒度反映了數(shù)據(jù)倉庫中數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級別，是數(shù)據(jù)倉庫中數(shù)據(jù)的最基本元素或單位。確定數(shù)據(jù)粒度是設(shè)計(jì)數(shù)據(jù)倉庫的重要環(huán)節(jié)，它決定了“怎樣去載入數(shù)據(jù)”，也反映了數(shù)據(jù)倉庫設(shè)計(jì)師對用戶的要求和系統(tǒng)傳遞的信息單位。在許多實(shí)際應(yīng)用中，數(shù)據(jù)的粒度級別是不同的。一般來說，細(xì)化程度越高，粒度級別就越??；反之，細(xì)化的程度越低，粒度級別就越大。高粒度數(shù)據(jù)不僅只需要很少的字節(jié)去存儲數(shù)據(jù)，而且索引項(xiàng)也比較小，這對于節(jié)省存儲空間提高數(shù)據(jù)分析

8、效率是有益的。如果數(shù)據(jù)倉庫的空間是有限的話，用高粒度表示數(shù)據(jù)比用低粒度表示數(shù)據(jù)的效率高得多。元數(shù)據(jù)在數(shù)據(jù)倉庫的建模和運(yùn)行中起著及其重要的作用，它描述了數(shù)據(jù)倉庫中的各個對象以及數(shù)據(jù)倉庫中的各個方面，是整個數(shù)據(jù)倉庫的核心。元數(shù)據(jù)描述了數(shù)據(jù)倉庫的數(shù)據(jù)和環(huán)境，是關(guān)于數(shù)據(jù)的數(shù)據(jù)。元數(shù)據(jù)描述了數(shù)據(jù)倉庫的數(shù)據(jù)和環(huán)境，是關(guān)于數(shù)據(jù)的數(shù)據(jù)，可分為四類： 關(guān)于數(shù)據(jù)源的元數(shù)據(jù)(業(yè)務(wù)系統(tǒng)數(shù)據(jù)源的描述信息)。 關(guān)于數(shù)據(jù)模型的員數(shù)據(jù)（數(shù)據(jù)方向關(guān)系的描述，使用管理的基礎(chǔ)）。 關(guān)于數(shù)據(jù)高度映射的元數(shù)據(jù)（數(shù)據(jù)源與數(shù)據(jù)倉庫數(shù)據(jù)之間的映射）。關(guān)于數(shù)據(jù)倉庫使用的元數(shù)據(jù)（數(shù)據(jù)倉庫中的信息使用性能的描述）。數(shù)據(jù)倉庫中的元數(shù)據(jù)不僅定義了數(shù)據(jù)

9、倉庫有什么，指明了數(shù)據(jù)倉庫中信息的內(nèi)容和位置，刻畫了數(shù)據(jù)的抽取和轉(zhuǎn)換規(guī)則，存儲了與數(shù)據(jù)倉庫主題有關(guān)的各種商業(yè)信息，而且整個數(shù)據(jù)倉庫的運(yùn)行都是基于元數(shù)據(jù)的，如數(shù)據(jù)的修改、跟蹤、抽取、載入和綜合等。標(biāo)準(zhǔn)化實(shí)體關(guān)系與關(guān)系數(shù)據(jù)庫的目標(biāo)是增加更新效率，但是決策支持?jǐn)?shù)據(jù)模型的目標(biāo)是增加查詢效率。在數(shù)據(jù)倉庫的構(gòu)建過程中，數(shù)據(jù)模型的確定是非常重要的。決策支持系統(tǒng)采用的數(shù)據(jù)模型為“星型模型”或“空間數(shù)據(jù)模型"。構(gòu)建星型模型的常用方法有三種：1、修正方案2、模型創(chuàng)建3、自主開發(fā)數(shù)據(jù)倉庫必須具有安全性，通常所采取的安全措施有：1、服務(wù)器的安全管理（包括軟、硬件）；2、工作站的安全管理；3、數(shù)據(jù)訪問的安全管

10、理所謂基于角色的安全就是指在角色被創(chuàng)建并被授予了適當(dāng)?shù)臄?shù)據(jù)庫權(quán)限之后，新的用戶僅需要根據(jù)與數(shù)據(jù)倉庫交互的需要，注冊到一個或多個角色中就行了。OLAP（聯(lián)機(jī)分析處理，區(qū)別于OLTP聯(lián)機(jī)事務(wù)處理三層結(jié)構(gòu)不是簡單地將數(shù)據(jù)倉庫的處理劃分為客戶端和一些數(shù)據(jù)庫服務(wù)器，而是在客戶端和數(shù)據(jù)倉庫之間增加了應(yīng)用服務(wù)器，信息的急劇增長在給人們帶來方便的同時，也帶來了一系列的問題：1、信息過量，難以消化；2、信息真?zhèn)?，難以辨識；3、信息形式不一致，難以處理；4、信息安全，難以保證。正確的查詢工具將使得用戶能夠充分發(fā)揮數(shù)據(jù)倉庫的作用，通常采用以下一些評估準(zhǔn)則來選擇所需查詢工具： 易于使用：這是最基本的準(zhǔn)則，表現(xiàn)在構(gòu)建報(bào)

11、表與表現(xiàn)信息的靈活性，是數(shù)據(jù)倉庫設(shè)計(jì)成功的一半； 性能：性能的高低與整個DW的環(huán)境有關(guān)，包括數(shù)據(jù)庫本身、查詢工具性能以及訪問數(shù)據(jù)的SQL工具等； 多源數(shù)據(jù)：查詢工具應(yīng)能夠從多個數(shù)據(jù)源中提取數(shù)據(jù)并確保它們所支持的數(shù)據(jù)庫源類型與數(shù)據(jù)倉庫和信息系統(tǒng)能夠很好地集成在一起； 集中式管理：集中式數(shù)據(jù)管理工具能夠在機(jī)構(gòu)內(nèi)進(jìn)行單個的知識分割，從而顯現(xiàn)給終端用戶一個有效的用戶界面。 數(shù)據(jù)安全性：在敏感的數(shù)據(jù)環(huán)境中不要使用任何不具備附加安全性的查詢工具； 可以使用WEB技術(shù)：WEB技術(shù)將會成為DW信息發(fā)布的工具和途徑。要求查詢工具能夠?qū)?shù)據(jù)結(jié)果以頁面的形式加以發(fā)布； 集成化分析：能夠更改用戶對所顯示的數(shù)據(jù)進(jìn)行靈活

12、的在探索，再分析。KDD(KNOWLEDGEDISCOVERYINDATABASE)DM(DATAMINGING)知識發(fā)現(xiàn)和數(shù)據(jù)挖掘技術(shù)的出現(xiàn)還依賴于以下幾個技術(shù)的支持：1、數(shù)據(jù)庫技術(shù)2、機(jī)器學(xué)習(xí)3、專家系統(tǒng)：知識發(fā)現(xiàn)和數(shù)據(jù)挖掘側(cè)重于利用數(shù)據(jù)庫技術(shù)對數(shù)據(jù)進(jìn)行前端處理，再利用機(jī)器學(xué)習(xí)方法從處理后的數(shù)據(jù)中提取有用的知識。知識發(fā)現(xiàn)和數(shù)據(jù)挖掘說白了就是利用機(jī)器學(xué)習(xí)的方法、主動地從數(shù)據(jù)庫的大量數(shù)據(jù)中提取有價(jià)值的知識的過程，盡管知識發(fā)現(xiàn)和數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)一樣都是從數(shù)據(jù)中提取知識，但它們之間也存在許多不同：(1)機(jī)器學(xué)習(xí)所使用的數(shù)據(jù)是專門為機(jī)器學(xué)習(xí)而特別準(zhǔn)備的數(shù)據(jù)，而知識發(fā)現(xiàn)和數(shù)據(jù)挖掘所使用的數(shù)據(jù)是來自現(xiàn)

13、實(shí)世界的實(shí)際數(shù)據(jù)。(2)機(jī)器學(xué)習(xí)所用的數(shù)據(jù)一般比較規(guī)范，而知識發(fā)現(xiàn)和數(shù)據(jù)挖掘所使用數(shù)據(jù)的完整性、一致性和正確性難以保證。(3)機(jī)器學(xué)習(xí)所用數(shù)據(jù)量一般比較少，而知識發(fā)現(xiàn)和數(shù)據(jù)挖掘所處理的數(shù)據(jù)量都比較大。數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、潛在的、有用的信息或知識的過程。數(shù)據(jù)預(yù)處理任務(wù)：1、消除噪聲數(shù)據(jù)；2、彌補(bǔ)、推導(dǎo)、計(jì)算缺值的數(shù)據(jù)；3、消除冗余數(shù)據(jù)或記錄；4、完成數(shù)據(jù)類型的轉(zhuǎn)換。挖掘出來的模式主要有以下幾類：1、關(guān)聯(lián)模式2、分類模式3、聚類模式4、回歸模式5、序列模式數(shù)據(jù)挖掘與知識發(fā)現(xiàn)過程。知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的常見方法：決策樹法、

14、神經(jīng)網(wǎng)絡(luò)法、粗糙集算法、遺傳算法、統(tǒng)計(jì)分析法、覆蓋正例排斥反例法、模糊邏輯、概念樹法、公式發(fā)現(xiàn)、云模型方法、可視化方法。知識發(fā)現(xiàn)和數(shù)據(jù)挖掘模型是一個多階段的處理過程，通常有以下三種模型：1、以數(shù)據(jù)庫為中心的模型2、以領(lǐng)域?qū)＜覟橹行牡哪Ｐ?、以用戶為中心的模型給出五種常用的知識發(fā)現(xiàn)與數(shù)據(jù)挖掘方法。知識工程是建立知識庫之上的關(guān)于知識表示、知識管理和知識利用的一門學(xué)科，知識庫管理和知識工程的開發(fā)方法是知識工程中的重要研究內(nèi)容。謂詞邏輯是知識表示的主要框架，主要理由如下：謂詞邏輯具有完整的理論基礎(chǔ)和嚴(yán)密的表示規(guī)范。謂詞邏輯的語義比較豐富，可以用不同的方式加以解釋；操作或證明論語義；模型論語義；過程語義

15、。具有完備的演繹推理能力。與書寫次序無關(guān)。領(lǐng)域知識(Domain-Knowledge)。(OSSObject-OrientedStructureLSKBLargescaleKnowledgeBaseKDKnowledgeDictionary數(shù)據(jù)工程和知識工程遵循的主要開發(fā)模型是螺旋式開發(fā)模型，產(chǎn)生結(jié)果是滿足需求的數(shù)據(jù)和知識庫。與數(shù)據(jù)工程不一樣，實(shí)施知識工程可分為三個階段:概念化階段。邏輯化或形式化設(shè)計(jì)階段。知識庫實(shí)現(xiàn)階段（知識庫求精階段）。在這個過程中，知識是整個開發(fā)工程核心環(huán)節(jié)，原因是：知識是數(shù)據(jù)：是知識工程的處理對象。知識是程序：大量功能性的程序都是用知識表示的一種形式一一規(guī)則或邏輯公式。

16、知識是語義約束：語義約束規(guī)則或邏輯公式就是以表示知識的約束條件。KDL-KnowledgedisruptionLanguage知識工程的開發(fā)模型=知識工程開發(fā)過程三個階段+增量式開發(fā)方法+快速原型系統(tǒng)盡管知識是知識工程中最重要的內(nèi)容，但知識的獲取往往比較困難，原因有：1、知識資源稀少，大量獲取比較困難。2、人們對知識的認(rèn)識有一個漸進(jìn)的過程，不能一下子獲得。從初級知識一中級知識一高級知識”有一個理解過程。3、不同領(lǐng)域的人對知識的認(rèn)識不同，常說隔行如隔山”，領(lǐng)域的劃分造成知識獲取的障礙。這也就是我們經(jīng)常所說的跨學(xué)科發(fā)展的原因，只有這樣才能創(chuàng)新。4、知識經(jīng)驗(yàn)性或經(jīng)驗(yàn)性知識，往往只可意會不可言傳”，如

17、：經(jīng)驗(yàn)、技能、竅門等。AOP-Agent-OrientedProgrammingOOP-Object-OrientedProgramming軟件工程技術(shù)自誕生以來，主要經(jīng)歷了四個發(fā)展階段和發(fā)展過程：面向過程T面向?qū)嶓wT面向?qū)ο骉面向智能體而面向?qū)ο蠛兔嫦駻gent的不同之處在于：對象是被動的，而Agent是主動的。一個通用的知識表示系統(tǒng)具備如下條件：能夠自動檢查知識之間的一致性。能夠表達(dá)復(fù)雜的世界模型。適于動態(tài)地構(gòu)造和操作有關(guān)模型能夠接受多種外部語言。能夠轉(zhuǎn)換為多種外部語言。能夠產(chǎn)生推理。與書寫的次序無關(guān)。大容量的知識庫LSKB是系統(tǒng)的核心組織結(jié)構(gòu)，分成三大部分：知識的邏輯組織，知識的物理組織

18、，知識的物理與邏輯組織的轉(zhuǎn)換。LSKB邏輯與物理組織之間的轉(zhuǎn)換是通過LSKB中的知識字典（KD）定義的一種可遞映射來完成的。專家系統(tǒng)是基于知識庫的知識利用系統(tǒng)，是人工智能的應(yīng)用工程一一知識工程”的典型代表，專家系統(tǒng)是知識信息處理系統(tǒng)，專家系統(tǒng)是一個（或者一組）能在某特定領(lǐng)域內(nèi)，以人類專家水平去解決該領(lǐng)域中困難問題的計(jì)算機(jī)程序。專家系統(tǒng)技術(shù)的產(chǎn)生和發(fā)展過程大致經(jīng)歷了孕育期、初創(chuàng)期、成熟期、發(fā)展期這四個時期。（KE）-KnowledgeEngineerES-ExpertSystem專家系統(tǒng)把求解問題的知識分為三級層次加以組織：數(shù)據(jù)級（上下級）、知識級和控制級（推理機(jī)）且不同層次的知識采取了不同的實(shí)

19、現(xiàn)方法。人們在開發(fā)專家系統(tǒng)的實(shí)踐中發(fā)現(xiàn)專家系統(tǒng)的“瓶頸”問題是知識獲取，并由此提出建造專家系統(tǒng)的中心任務(wù)是知識獲取。為了加快專家系統(tǒng)的研制速度，人們先后研制出了一批用于建造和維護(hù)專家系統(tǒng)的工具系統(tǒng)。到目前為止所出現(xiàn)的工具系統(tǒng)可分為三類：第一類：可以“通過實(shí)例自動形成知識的系統(tǒng)”。這一類工具系統(tǒng)是比較理想的知識獲取系統(tǒng)，但由于目前對人類歸納學(xué)習(xí)的根本推理認(rèn)識還很膚淺，所以這類系統(tǒng)研制的不多，基本上處于探討階段。第二類：可以看成是“智能知識庫編輯系統(tǒng)”，它雖不能自動獲取知識，卻可以幫助人們建造知識庫。這是目前實(shí)現(xiàn)知識獲得的主要手段。第三類：是七十年代后期出現(xiàn)的“骨架系統(tǒng)”，即由某個已獲得成功的專家

20、系統(tǒng)演變而產(chǎn)生的系統(tǒng)。在使用骨架系統(tǒng)研制專家系統(tǒng)時，建造系統(tǒng)的主要任務(wù)是選取適當(dāng)?shù)墓羌芟到y(tǒng)并把專家頭腦中專門知識整理出來放入骨架系統(tǒng)的知識庫中，因此避免了許多實(shí)際上的程序設(shè)計(jì)工作。用骨架系統(tǒng)設(shè)計(jì)專家系統(tǒng)和用程序設(shè)計(jì)語言設(shè)計(jì)骨架系統(tǒng)特別類似于用高級語言和匯編語言分別進(jìn)行的程序設(shè)計(jì)。所以也有人把骨架系統(tǒng)成為專家系統(tǒng)語言(ExpertSystemLanguage)。由此可見，骨架系統(tǒng)的出現(xiàn)是專家系統(tǒng)的一個重大進(jìn)展。它大大地縮短了專家系統(tǒng)的研制周期。新一代(第三代)專家系統(tǒng)的特點(diǎn)表現(xiàn)在：多學(xué)科綜合性應(yīng)用專家系統(tǒng)開發(fā)工具大型知識工程系統(tǒng)專家系統(tǒng)的特征1.啟發(fā)性:不僅能使用邏輯知識，也能使用啟發(fā)性知識。2透明性:能向用戶解釋它的推理過程，還能回答用戶的一些關(guān)于它自