【文章內(nèi)容簡介】 貝爾獎一樣，圖靈在理論上奠定了計(jì)算機(jī)產(chǎn)生的基礎(chǔ) 人工智能的主要技術(shù) ? 知識獲取與表示技術(shù) KBE技術(shù)及其在產(chǎn)品設(shè)計(jì)中的應(yīng)用 ；作 者：彭穎紅 等著；出 版 社：上海交通大學(xué)出版社 出版時間： 202371 ? 知識庫技術(shù) ? 推理技術(shù) 五色房子問題 ，四色定理 ? 搜索與數(shù)據(jù)挖掘技術(shù) ? 智能接口技術(shù) 知識獲取和知識表示 ?知識獲取技術(shù) 是為獲取和存儲知識庫中的所有信息 、 數(shù)據(jù) 、規(guī)則 、 案例和關(guān)系等元素的一組程序 ? ?知識的表示 就是對人類知識的一種描述 ， 把知識表示成計(jì)算機(jī)能夠處理的 數(shù)據(jù)結(jié)構(gòu) 。 ? 對知識進(jìn)行表示的 過程就是把 知識編碼 成某種數(shù)據(jù)結(jié)構(gòu)的過程 。 知識表示方法 – 謂詞邏輯表示法 – 產(chǎn)生式表示法 – 語義網(wǎng)絡(luò)表示法 – 框架表示法 – 面向?qū)ο蟊硎痉? – 狀態(tài)空間表示法 – 與 /或樹表示法 謂詞邏輯表示法 例： 設(shè)有下列 事實(shí)性知識 ： 張曉輝是一名計(jì)算機(jī)系的學(xué)生，但他不喜歡編程序。 李曉鵬比他父親長得高。 用 謂詞公式 表示這些知識。 解 第一步 ： 定義謂詞 ： COMPUTER(x)： x是計(jì)算機(jī)系的學(xué)生 LIKE(x， y)： x喜歡 y HIGHER(x， y)： x比 y長得高 定義個體 ： 張曉輝 (zhangxh)，編程序 (programming)，李曉鵬 (1ixp)，函數(shù) father(lixp)表示李曉鵬的父親。 第三步 ：根據(jù)語義，用邏輯 連接符 將它們連接起來，就得到了表示上述 事實(shí)性知識 的 謂詞公式 ： COMPUTER(zhangxh)∧ ～ LIKE(zhangxh，programming) HIGHER(1ixp， father(1ixp)) 第二步 ：將個體代入謂詞中： COMPUTER(zhangxh)，～ LIKE(zhangxh， programming)， HIGHER(lixp， father(lixp)) 例如 : 規(guī)則 1： if 該動物有羽毛 then 該動物是鳥 規(guī)則 2： if 該動物是鳥 and 有長脖子 and 有長腿 and 不會飛 then 該動物是鴕鳥 產(chǎn)生式表示法 語義網(wǎng)絡(luò)表示法 情況和動作的表示 例 ：一只名叫“ 神飛 ” 的小燕子從三月到十一月 占有 一個巢 。 專家系統(tǒng)的語義網(wǎng)絡(luò) 智能系統(tǒng) 專家思維 專家知識 困難問題 專家系統(tǒng) 是一種 能解決 具有 能模擬 ? 例 下面是一個描述 “ 教師 ” 的框架： ? 框架名 :教師 ? 類屬 :知識分子 ? 工作 :范圍 :(教學(xué) ， 科研 ) ? 缺省 :教學(xué) ? 性別 :(男 ， 女 ) ? 學(xué)歷 :(中師 ， 高師 ) ? 類型 :(小學(xué)教師 ， 中學(xué)教師 ，大學(xué)教師 ) 框架表示法 例 “教室”框架。 框架名： 教室 墻數(shù)： 窗數(shù)： 門數(shù)： 座位數(shù)： 前墻： 墻框架 后墻： 墻框架 左墻： 墻框架 右墻： 墻框架 門： 門框架 窗： 窗框架 黑板： 黑板框架 天花板： 天花板框架 地板： 地板框架 講臺： 講臺框架 ? 例 下面是面向?qū)ο蟪绦蛟O(shè)計(jì)語言 C++中一個雇員類和經(jīng)理類的定義 。 ? class Employee ? { ? privite: ? char*Name。 ? int Age。 ? int Salary。= ? public: ? Employee(char*name， int age， int salary)。 ? ~Employee()。 面向?qū)ο蟊硎痉? ? }。 ? Employee∷ Employee(char*name， int age， int salary) ? { ? Name=newchar［ strlen(name)］ 。 ? strcpy(Name， name)。 ? Age=age。 ? Salary=salary。= ? }= ? Employee∷ ~Employee() ? { ? Delete Name。= ? } ? Void Employee∷ Change(int age， int salary) ? { ? Age=age。 ? Salary=salary。 ? } ? Void Employee∷ Retire() ? {if(Age60) ? Delete this。 ? } ? 以上是雇員類的定義 ， 用此定義就可生成一個雇員類的實(shí)例 ， 即雇員對象 。 與／或樹表示舉例 ? 每一種 知識表示方法 都有其相應(yīng)的專用實(shí)現(xiàn)語言。例如，支持謂詞邏輯的語言有 PROLOG和 LISP，專門支持產(chǎn)生式的語言有 OPS5，專門支持框架的語言有FRL，支持 面向?qū)ο蟊硎镜恼Z言 有Smalltalk、 C++和 Java等，支持神經(jīng)網(wǎng)絡(luò)表示的語言有 AXON。 推理技術(shù) 自動推理 ? 地圖 四色定理 (Four color theorem)最先是由一位叫古德里（ Francis Guthrie）的英國大學(xué)生提出來的。四色問題的內(nèi)容是：“任何一張地圖只用四種顏色就能使具有共同邊界的國家著上不同的顏色。”用數(shù)學(xué)語言表示，即“將平面任意地細(xì)分為不相重疊的區(qū)域，每一個區(qū)域總可以用 1， 2， 3， 4這四個數(shù)字之一來標(biāo)記，而不會使相鄰的兩個區(qū)域得到相同的數(shù)字?！边@里所指的相鄰區(qū)域，是指有一整段邊界是公共的。如果兩個區(qū)域只相遇于一點(diǎn)或有限多點(diǎn)，就不叫相鄰的。因?yàn)橛孟嗤念伾o它們著色不會引起混淆。 ?數(shù)據(jù)挖掘 ， 也可以稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn) (KnowledgeDiscoveryinDatabase，簡稱 KDD)，是從大量數(shù)據(jù)中提取出可信、新穎、有效并能被人理解的模式的高級處理過程。 ? 數(shù)據(jù)挖掘的重要性就來源于數(shù)據(jù)倉庫中巨大的數(shù)據(jù)量。 ? 數(shù)據(jù)挖掘技術(shù)從一開始就是面向應(yīng)用的。它不僅是面向特定數(shù)據(jù)庫的簡單檢索查詢調(diào)用，而且要對這些數(shù)據(jù)進(jìn)行 統(tǒng)計(jì)、分析、綜合和推理 ，以指導(dǎo)實(shí)際問題的求解，發(fā)現(xiàn)事物間的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù)對未來的活動進(jìn)行 預(yù)測 。 數(shù)據(jù)挖掘 : 多種技術(shù)的融合 數(shù)據(jù)挖掘 數(shù)據(jù)庫技術(shù) 統(tǒng)計(jì)學(xué) 機(jī)器學(xué)習(xí) 模式識別 算法 其他技術(shù) 可視化 Why Data Mining? 潛在的應(yīng)用 ? 數(shù)據(jù)庫分析和決策支持 – 市場分析和管理 ? 市場營銷 , 顧客關(guān)系管理 , 菜籃子分析 , cross 銷售 , 市場細(xì)化 . – 風(fēng)險分析和管理 ? 天氣預(yù)報 , 顧客消費(fèi)習(xí)慣 , 保險業(yè) , 質(zhì)量控制 ,競爭分析等等 . – 詐騙預(yù)測和管理 – 智能查詢回答 Intelligent query answering 2/27/2023 90 DM應(yīng)用：市場分析和管理 ? 供分析的數(shù)據(jù)源在哪里 ? – 信用卡業(yè)務(wù) , 信譽(yù)卡 , 優(yōu)惠券 , 顧客投訴 , 大眾生活方式研究 . ? 市場營銷 Target marketing: – 尋找典型消費(fèi)者的聚類，他們有相同的特征：偏好、收入水平、消費(fèi)習(xí)慣等等 . ? Determine customer purchasing patterns over time: – Conversion of single to a joint bank account: marriage, etc. ? Crossmarket analysis – 銷售產(chǎn)品之間的關(guān)聯(lián) – 基于相關(guān)信息的預(yù)測 2/27/2023 91 DM應(yīng)用：市場分析和管理 ? Customer profiling – 數(shù)據(jù)采掘可以告訴你什么類型的顧客買什么樣的產(chǎn)品 (聚類或分類 ). ? 確認(rèn)顧客需求 – 為不同顧客確認(rèn)最好的產(chǎn)品 – 預(yù)測什么因素會吸引新顧客 ? 提供簡報 – 各種多維簡報 。 – 統(tǒng)計(jì)簡報 (數(shù)據(jù)的主要趨勢和變化 ) 2/27/2023 92 DM應(yīng)用：企業(yè)分析和風(fēng)險管理 ? 財政計(jì)劃和資產(chǎn)評估 : – 資金流動分析和預(yù)測 – 為資產(chǎn)評估提供意外索賠分析 – crosssectional and time series analysis (financialratio, trend analysis, etc.) ? 資源規(guī)劃 : – 對資源和消耗進(jìn)行簡要說明和比較 ? Competition: – Monitor petitors and market directions (CI: petitive intelligence). – 市場細(xì)化把消費(fèi)者分類，對其采取基于分類的價格策略 . – 在有競爭力的市場的中應(yīng)用價格策略 (., REPSOL gas chain station in Spain). 2/27/2023 93 DM應(yīng)用：風(fēng)險探測和管理 ? 應(yīng)用 : – 在醫(yī)療保健、零售業(yè)、信用卡服務(wù)、電信業(yè)（電話卡欺詐）等方面 . ? 思路 : – 用歷史數(shù)據(jù)為欺詐行為建模，用數(shù)據(jù)采掘來幫助識別類似事件。 ? 例子 : – Auto Insurance: detect a group of people who stage accidents to collect on insurance – Money Laundering: detect suspicious money transactions (US Treasury39。s Financial Crimes Enforcement Network) – Medical Insurance: detect professional patients and ring of doctors and ring of references 2/27/2023 DM應(yīng)用：其他應(yīng)用 ? 體育 – IBM Advanced Scout 分析 NBA 比賽統(tǒng)計(jì) (籃板 , 助攻 , 和 犯規(guī) )，為紐約尼克斯隊(duì)和邁阿密熱隊(duì)贏得了長足的進(jìn)步。 ? 天文 – Cal Tech 和 the Palomar Observatory 在數(shù)據(jù)采掘的幫助下 發(fā)現(xiàn)了 22個 星體 。 ? Inter Web SurfAid – IBM SurfAid 為 Web提供了數(shù)據(jù)采掘算法， 可以存取與市場相關(guān)的記錄日志， 以發(fā)現(xiàn) 顧客的嗜好和行為記錄 ， 分析 Web營銷的成效，改進(jìn) Web站點(diǎn)的組織，等等。 2/27/2023 95 NBA教練如何布陣以提升獲勝機(jī)會？ ? 美國著名的國家籃球隊(duì) NBA的教練，利用 IBM公司提供的數(shù)據(jù)挖掘工具臨場決定替換隊(duì)員。想象你是 NBA的教練，你靠什么帶領(lǐng)你的球隊(duì)取得勝利呢？當(dāng)然，最容易想到的是全場緊逼、交叉扯動和快速搶斷等具體的戰(zhàn)術(shù)和技術(shù)。但是今天， NBA的教練又有了他們的新式武器：數(shù)據(jù)挖掘。大約 20個 NBA球隊(duì)使用了 IBM公司開發(fā)的數(shù)據(jù)挖掘應(yīng)用軟件 Advanced Scout系統(tǒng)來優(yōu)化他們的戰(zhàn)術(shù)組合。例如 Scout就因?yàn)檠芯苛四g(shù)隊(duì)隊(duì)員不同的布陣安排，在與邁阿密熱隊(duì)的比賽中找到了獲勝的機(jī)會。 主要的 KDD技術(shù) ? 關(guān)聯(lián)規(guī)則的挖掘 ? 分類知識的挖掘 ? 基于決策樹的分類 ? 聚類分析 知識發(fā)現(xiàn) (KDD) 過程 – 數(shù)據(jù)挖掘 — 知識發(fā)現(xiàn)過程的核心 數(shù)據(jù)清理 數(shù)據(jù)集成 數(shù)據(jù)庫 數(shù)據(jù)倉庫 任務(wù)相關(guān)的數(shù)據(jù) 選擇 數(shù)據(jù)挖掘 模式評估 關(guān)聯(lián)規(guī)則的挖掘 ? 例 超級市場銷售系統(tǒng) , 記錄 5 個顧客的購物單。 流水號 所購物品清單 1 啤酒、薄餅、牛奶 2 烤鴨、薄餅、