使专家能够把知识传授给知识工程师，但要在一个给定 的表示系统中，描述一切相关的知识，往往是困难的， 甚至是不可能的。 知识测试与调试的困难性
知识的正确性需要经过反复测试与调试，为了孤立 出形成问题解答的错误，可能需要跟踪包含着数百个事 实的几十种推理。
第4章 不确定性推理
Uncertainty Reasoning
第4章 不确定性推理
Uncertainty Reasoning
2
4.1 知识获取概述
通常，知识源的知识并不以一种现成的表示形式而存 在。所以，知识工程师通常采用的知识获取方法是： 交谈：知识工程师直接与领域专家会话。把专家的专门知 识和经验抽象出来； 试验：知识系统对一定数量的问题进行试探性解答； 数据采集：对问题的基本特征、求解问题所采用的方法或 策略的记录，以及求解结果的收集与整理； 分析归纳：在交谈、试验、 数据采集的基础上，去粗取精， 去伪存真，归纳总结出用于问题求解的事实、过程和判定 规则。
分为会谈式、案例分析式、机械照搬式、教学式（示教 式）、演绎式、归纳式、猜想验证式、反馈修正式、联 想式和条件反射式知识获取方法。
第4章 不确定性推理
Uncertainty Reasoning
6
4.1 知识获取获取
4.1.3 知识获取的困难 对于知识工程师而言，建造一个新的专家系统，相当于
学习一门新的专业。尽管知识工程师具备宽广的知识源， 但为了建立一个特定领域的ES，他们必须在领域专家的 指导下，翻阅、检索大量文献、资料，从中抽取与问题 有关的领域共性知识。 此外，知识工程师还要花费大量时间与精力，同领域专 家密切合作，获取属于专家个人的启发性知识。
16
4.2 知识获取的基本过程
在概念化阶段，主要解决以下问题： 什么类型的数据可以利用。 哪些数据可以直接给出，哪些数据需要推导得出。 子任务及子任务的采用策略（如，是否有名字）。 是否具有可识别的假设？这些假设是否常用的？是否
为不完全假设？这些假设包括什么？ 在研究领域中，对象是如何损失的？ 能否画出ES的层次结构图，并标出因果关系、集合包
15
4.2 知识获取的基本过程
4.2.2概念化阶段 在确定阶段已经提出了有关ES问题的关键概念和
关系。 在概念化阶段，要以更直接、明显的方式对上述
概念和关系进行描述和说明。通常知识工程师可以利 用框图的形式，更形象、更准确地阐述这些概念和相 互间的关系。
第4章 不确定性推理
Uncertainty Reasoning
第4章 不确定性推理
Uncertainty Reasoning
20
4.2 知识获取的基本过程
4.2.5 测试阶段 原型系统生成后，为了估计系统的性能以及系统
赖以实现的表示方法，应通过不同的实例来测试ES的 知识库和推理机的弱点。有经验的知识工程师将会从 专家引出一些问题。这些问题可能是向系统性能的挑 战（对系统性能的改进意见）。将彻底暴露系统的严 重缺点和错误。
含的内容、部分与整体等关系？它们具有何种形式？ 在问题求解中涉及那些过程？它们的约束条件是什么？
第4章 不确定性推理
Uncertainty Reasoning
17
4.2 知识获取的基本过程
ES的信息流是什么？ 能否把解答问题所需要的知识与验证问题解答的知识区
别和分离开来？
在概念化阶段，需要知识工程师与专家进行密切配 合、反复磋商，因此，需要消耗大量时间，是知识获取 的重要阶段。在此阶段，要经过多次、反复的验证与修 改，需要把领域专家所研究的对象、概念及其相互关系 说明、表示清楚，并将信息流向表达清楚，这相当于知 识从知识源中抽取出来了。
领域专家凭借多年总结和积累的实践经验，采用独 特的方法和有效的手段，去解决困难问题，但难以把这 些经验和策略方法显式的表达出来。“知其然，不知其 所以然”是知识工程师在知识获取中经常遇到的问题。
第4章 不确定性推理
Uncertainty Reasoning
8
4.1 知识获取概述
缺乏开发ES的现代技术 现行系统采用的表示方法限制了它的表达能力。即
第4章 不确定性推理
Uncertainty Reasoning
23
4.3 知识获取的基本方法
4.3.1 会谈式知识获取 4.3.2 案例分析式知识获取 4.3.3 教学式知识获取 4.3.5 归纳式知识获取 4.3.6 假设式知识获取
第4章 不确定性推理
Uncertainty Reasonicertainty Reasoning
5
4.1 知识获取概述
4.1.2 知识获取方法的分类 按照基于知识的数据本身在知识获取中的作用分类。
分为主动型知识获取和被动型知识获取两类。 按照基于知识的系统获取知识的工作方式分类。
分为非自动型知识获取和自动型知识获取两类。 按照知识获取的策略分类。
第4章 知识获取与知识库管理
专家系统的核心是：知识和推理。 对专家系统性能产生制约作用的因素很多，如专家系统的
结构、推理控制策略、… … 等。然而，对专家系统真正 起决定性影响的因素是系统拥有的知识，包括：
知识的数量、知识的质量和知识的组织管理。 在专家系统开发过程中，知识获取是其中最困难的工作，
明确问题求解过程的基本推理策略与推理方式； 理解ES问题领域的数据性质，包括数据获取方式、数据
的精确程度、数据的一致性程度和数据的完备程度； 确定ES数据结构。
第4章 不确定性推理
Uncertainty Reasoning
19
4.2 知识获取的基本过程
4.2.4 实现阶段 实现阶段的主要任务有：
知识的知识源中抽取出来，转换为特定的计算机表示。 知识源包括：人类专家的经验、教科书的知识、数据库的
内容，人的直觉，人对问题的认识等。 知识的计算机表示：产生式表示、谓词逻辑表示、语义网
络表示、框架表示等。 知识工程师是知识获取的主体，必须通过各种努力来
抽取并表示所需要的知识。其基本方法是： 交谈 试验 数据采集 分析、归纳
在概念化阶段，应该建立一个用文字描述的ES，包 括知识库和推理机等。
第4章 不确定性推理
Uncertainty Reasoning
18
4.2 知识获取的基本过程
4.2.3 形式化阶段 形式化阶段的任务有：
选择合适的知识表示模式，把概念化阶段分离出来的重 要概念、子问题及信息流特征等图形形式，更加正式的 表示出来；
系统开发参加人员和任务的确定； ES解决问题的确定； 资源（知识源、微机设备、经费等）的确定； ES工作目标的确定。 知识获取时，至少有1名知识工程师和1名领域专家参
加，并有明确的工作分工和职责划分。
第4章 不确定性推理
Uncertainty Reasoning
13
4.2 知识获取的基本过程
第4章 不确定性推理
Uncertainty Reasoning
14
4.2 知识获取的基本过程
相关问题或外围环境是什么？ 那些情况会影响ES求解？如何影响求解？ ES解决问题所达到的目标是什么？ 解决问题需要那些资源？包括知识源、时间、设备、
经费等。
第4章 不确定性推理
Uncertainty Reasoning
9
4.1 知识获取概述
为了能观察到错误与其真实原因联系起来，必须 弄清知识与推理机控制策略之间的相互作用。而且， 除非知识各部分之间相互依赖关系是非常明了的，否 则，在修正一个观察到的错误时，在知识库中的修改 都可能引起新的错误，这些错误有可能降低ES的性能。
第4章 不确定性推理
Uncertainty Reasoning
也是消耗人力最多、消耗财力最大、花费时间最长的工作。 随着专家系统开发工具的使用，知识表示与推理机的研制
周期大大缩短，使得知识获取问题更为突出。 因此，知识 获取是专家系统乃至其他知识系统的一个“瓶颈”。
第4章 不确定性推理
Uncertainty Reasoning
1
4.1 知识获取概述
4.1.1 什么是知识获取 知识获取，是把用于求解专门领域问题的知识从拥有这些
对于原型系统的精练，常常循环反复地贯穿于实现 和测试阶段，以协调或校正规则及其控制结构，直至达 到期望的运行结果。
一旦ES的推理作用域稳定了，修改的结果应该在性 能上收敛。否则，就需要知识工程师对知识库进行比较 重大的修改了。
第4章 不确定性推理
Uncertainty Reasoning
22
4.2 知识获取的基本过程
通常，导致系统性能方面问题的主要因素有：
输入输出特征
推理规则
控制策略
测试实例
第4章 不确定性推理
Uncertainty Reasoning
21
4.2 知识获取的基本过程
4.2.6 修改完善阶段 在建造ES过程中，修改和完善几乎是不断的过程，
包括： 概念的重新陈述； 表示的重新设计； 原型系统的精练。
第4章 不确定性推理
Uncertainty Reasoning
7
4.1 知识获取获取
实践表明，获取专家的启发性知识是十分困难的任 务，主要原因有： 知识表现失配。
具体地说，人类专家通常陈述知识的方法与ES采用 的知识表示方法不一致。 专家的启发性知识是不精确的。
专家的启发性知识往往隐含着近似、不确定、不充 分、不完全，甚至产生矛盾。目前，ES中表示不精确知 识的能力是十分有限的。 有些启发性知识表示的不可能性。
第4章 不确定性推理
Uncertainty Reasoning
3
4.1 知识获取概述
对于知识获取，可用下图做直观说明。
…… …...
…… ……
知识源1 知识源2
知识源n
R1 知 R2 识
表