基于人工智能的模型库人机接口研究

发布时间：2020-07-10 01:23

【摘要】： 模型库人机接口是开发智能系统和管理决策领域中一个非常重要而且相当复杂的课题，本论文作为国家自然科学基金(70271002)《面向智能性管理决策系统异构知识表示及知识管理研究》的系列研究之一，主要致力于这方面的研究，旨在进一步推动智能化模型库人机接口的研究进展。 模型系统作为智能决策支持系统的核心部分，一直以来受到学术界与工程界众多学者与专家的关注。模型系统的主要任务不仅是模型的存储、运行与维护，而且应以一种易于接受的、灵活的方式向决策者提供各种各样的模型，使决策者在应用这些模型时不必考虑模型技术实现上和过程上的细节，从而起着决策问题与相应模型间的桥梁作用。然而相较于模型系统模型操纵的热点研究领域，却甚少有学者致力于模型库人机接口的理论与应用研究，对模型库人机接口的智能化研究就更是寥寥无几。少数模型库人机接口研究仍停留于系统局部功能模块的研究，如模型类型选择功能或模型结构选择功能，而没有提出过完整的模型库人机接口。 与此相反，近年来随着人工智能的各种思想方法被引入计算机管理系统，数据库人机接口的智能化研究却得到了长足发展，其中数据库自然语言接口(简称NLIDB)以其可确定性与实现性更是取得了大量的研究成果。鉴于此，本文提出了一种人工智能与决策支持系统相结合的智能化模型库人机接口——模型库自然语言接口(简称NLIMB)，它提供了决策者灵活便捷的人机交互方式，同时也将决策者从熟知模型库中各种存储决策模型类型、结构、使用范围及计算机实现技术中解放出来，从而将重点集中于决策问题本身的理解与分析中，旨在进一步推动模型库人机接口的智能化发展。 NLIMB首先对决策者的决策问题进行自然语言理解识别，采用N元语法模型和概率上下文无关文法进行词性标记与句法分析，然后采用有限自动机进行语义及潜在语义分析；接着在模型自动选择阶段，采用本文提出的基于规则推理与基于范例推理相结合的混合推理框架进行模型类型的选择；待模型类型选择完毕之后，采用基于Gauss损失函数的Elman反馈型人工神经网络进行模型的结构选择；最后对模型结构进行参数估计，计算确定模型实例并返回最终问题求解结果。 同时，本文作了大量的实验工作。相较于以往模型库人机接口的实验领域仅限于预测模型等领域，为了扩展模型库自然语言接口的应用领域，本文将NLIMB应用于企业库存决策管理，从而检验NLIMB决策问题求解的效果，以验证NLIMB的有效性。相关的实验结果表明，NLIMB可以取得很好的决策问题求解效果，具有使用灵活简便、运行效率高、高智能化、易于理解等优点，从而填补决策支持系统模型库人机接口研究领域的空白之处。 总的来说，本文作了大量的理论和实证研究，其研究内容符合智能系统研究的发展趋势，既具有十分重要的科学意义，同时又有其实际价值，并有潜在的广泛的应用前景。
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TP18
【图文】：

扩展为:砰(i，j)=L砰(i，j)*G砰T(i)*G环ZD(j)由公式4一17定义的权重计算结构如图4一7所示。(公式4一17)6伴了阳L伴祥刃图4一7改进权重计算结构4.5问题类型的确定对不同类型的决策问题，往往有不同的自然语言处理及反馈方式，所以不论是英语自动问答系统还是英语自动问答系统一般都有问题分类这个过程。一般的问答系统都按照疑问短语来对问题的进行分类(见表3一1)。4.6结构化问题的生成决策问题的复杂性体现在决策问题的不良结构。问题结构不良的原因，Smith认为问题目标的不确定是问题之所以有不良结构或非结构的主要原因;Simon还认为问题结构与问题的可表示性有关，弱结构问题不能像良结构问题一样得到精确的表示，主要是因为问题的可能状态及状态间的变换是未知的。Smith总结这些观点后，提出了问题结构度的概念，认为问题结构度是问题求解主体如何求解问题的知识充分性度量。充分理解这些关于问题结构化的观点，对于任何不良结构或非结构问题，可以通过对求解这些问题的知识的不断学习，掌握并运用这些知识

6.3.3.2模型的范例结构与模型规则表示的线性结构不同，模型的范例表示结构是较为复杂的树状结构，如图6一8所示。不汽仁年lfff， _:!!! jjj\III执执， )))汽汽 汽;;;I:了， !ttt勺勺 勺彩彩‘川刊子卜日日产//产酬一户。。几’月‘·{勺〕 〕叹叹只 只价价 价叹叹洲 洲自自 自叭叭{浏 浏，，、 、图6一8模型的范例结构由于范例具有一定的继承关系，比如:一个库存范例可以看成是另一个更加通用的库存范例加上一些特定的条件所获得，因此使用具有继承特性的面向对象表示方法来表示范例是比较合适的。面向对象的范例表示方法，实现了范例模型与方法的封装

首先通过系统决策问题理解模块对问题进行自然语言处理，分别经过词性标注与句法分析、关键字与参数提取、潜在语义分析和关键字扩展3个处理过程，得出分析结果如图6一9。夯p.丁芍叮口~—.Tlm日T!me霍蓉颤雇蔓暮摹鬓摹;蒙霎寒{盛戮渊哗绷黔越妇Nodn认‘了、Por写on咖咖-一Sentenee-Timel爪自rr心翻扮翻箭不奄蝴翼曝翼篆擎矍 OrIOInalmarkuP.ParagraPh只尸·户口口口户夕口，厂图6一9自然语言问题识别结论图6一9显示的是系统对用户输入问题的识别结果，不同类型的词组被用不同颜色标出，这个界面是系统的调试界面，只对系统开发人员与高级管理人员可见。在经过上述的自然语言处理分析后，最终生成对问题的特征表述(见附录5.1)。上述是对自然语言问题的基本理解，接着决策问题理解模块将最终生成对问题的结构化表述(见附录5.2)。在自动模型选择模块，根据上述结构化问题表述中的定性属性，系统将通过基于规则和范例推理的混合推理框架，得出与之相匹配的模型类型。再根据定量属性

【参考文献】

相关期刊论文 前1条

1 赵赫,杜端甫;遗传算法求解旅行推销员问题时算子的设计与选择[J];系统工程理论与实践;1998年02期

本文编号：2748264