推理控制

推理控制(Reasoning control)

　　按照控制的逻辑发展，可将控制分为随机控制、记忆控制、推理控制和最优控制。

　　推理控制也叫逻辑控制，是试探和经验控制相结合的产物。它通过中间起过渡作用的媒介实现控制，因此也叫共轭控制。这种控制根据相似原理，在现有控制能力的条件下，通过中间起过渡作用的媒介来扩大控制能力，从而实现把对事物乙的控制经验用于对事物甲的控制目的。

　　在实际工作过程中，我们往往会遇到这样一种情况：即由于对某一事物的性质一无所知或控制能力的限制，我们无法直接完成对此事物的控制。但是，我们在现有控制能力的条件下，已经取得了对另一种与此事物相似的事物的控制经验。那么，我们能不能因这两种事物的相似，而把对后一种事物的控制经验用于对前一种事物的控制呢？推理控制提供了这种可能性。

　　曹冲称象的故事就是大家所熟知的，这是一个利用推理控制来扩大控制能力的典型。在三国的时候，要想用秤直接称出大象的重量是办不到的，因为没有这么大的秤，曹冲用大船的沉浮先把象的重量转换成石头的重量，我们把这一步变换过程用L表示。再称出石头的重量，这个过程用A表示。这个A过程是我们在现有控制能力的条件下能直接办得到的事。最后又将石头的重量变换成大象的重量(把各石头块的重量加起来)。这一步跟上一步变换过程恰好相反，我们用L-1表示。三步连在一起就可以写为L-1AL，它表示先实行L，再实行A，最后实行L-1，大象的重量就称出来了。

　　在例子中，石头的重量我们可以在现有控制能力的条件下称出来。而石头和大象在使船吃水下沉这方面是相似的，所以通过船这个起过渡作用的媒介，我们就能把对石头重量的控制经验用于对大象重量的控制了。

　　推理控制的本质在于设计一个与A过程共轭的L-1AL过程，它通过L变换和L-1变换，把我们原来不能控制的事物变为我们可以控制的A过程去完成。A的控制范围和能力在施行了L和L-1变换后扩大了。在数学上，一般把L-1AL称作A的共轭过程，而在控制论中，我们将L-1AL称为与A共轭的控制方法。

　　实际上，推理控制过程是一种经验的转移，因而它也是一个推理过程。其推理过程如上图所示。这里的关键是“相似”，即事物甲与事物乙的基本性质要大体相同，否则对事物乙的控制经验难以指导对事物甲的控制。如在使船下沉吃水这个性质上大象和石头是相似的，因而可以把对石头重量的控制经验用于对大象重量的控制。

　　科学技术研究中的模拟方法就是一种推理控制。它利用模型与原型的相似来模拟原型，使用有限的控制能力来控制模型，获得对模型的直接控制经验，然后利用这种控制经验来指导原型的控制，并实现对原型的控制。

　　推理控制应用最广的要算使用工具，一般来说，人们使用工具来做某一件事都属于推理控制的方式。人们可以借助工具来完成许多直接用双手不能完成的工作，从而使自己的控制范围扩大。这个过程是这样的，我们不能直接控制事物甲，但我们能控制工具，而工具又能控制事物甲，所以借助对工具的控制来控制事物甲。

　　在实施推理控制时，我们应注意如下几点：

　　1、要注意两种事物的相似性问题。相似性是推理控制的立足点，两种事物不相似，就难以实现经验的转移。当然，我们也应看到相似不可能是完全相同，但力求做到基本相似。相似是多方面的，有形状、结构、功能和运动方式等多方面的相似。

　　2、要注意推理的严密性。推理控制有点象类比推理，所以实施推理控制要严格遵守推理规则。

　　3、运用中间媒介传递经验时，要注意中间媒介对经验的干扰。中间媒介在控制中只能起传递经验的作用，不能干扰经验，但实际控制中往往难以做到这一点。所以我们要对中间媒介对经验的干扰有充分的估计，否则不区分经验正确与否就会导致控制过程中经验转移的失真，被严重干扰了的经验不足以指导现实的控制。

　　基于推理控制策略的智能型搜索引擎的实现技术

　　要想实现上述所说的智能型搜索引擎还有很多工作要做，一方面，建立智能的知识库，使知识库具有较强的知识的理解能力和自学习的能力。另一面，需要按一定的推理控制策略调用知识库中知识，同时协调系统的运行，执行各种搜索任务，搜索引擎的搜索质量、效率和有效性取决推理控制策略。一种比较实际的做法是将推理控制策略跟传统搜索引擎结合，逐步实现智能化。下面就是基于推理控制策略的智能型搜索引擎中采用的一些技术。

　　1.知识库系统采取的一些技术

　　1）汉语分词技术

　　将查询条件分解为若干关键词。对英文而言，一个单词就是一个词。然而汉语中存在大量歧义现象，对几个字分词可能有好多种结果。譬如查询条件为“电力系统”，可以有“电力”、“系统”，“电力系统”等3种关键词分法，当搜索时候会产生“电力”和“系统”等的大量冗余搜索结果。因此，可以根据知识库进行总结、分析，获得每个词出现的概率以及词与词的关联信息，就可能有效地排除歧义，准确地表达查询请求和文档信息。

　　2）短语识别技术

　　用短语描述查询请求的情况很常见，但又因为汉语语法的复杂性，所以在中文搜索引擎中，我们对中文短语分离成词组时候需要考虑语法结构。、譬如：“电力的运营”，“电力”和“运营”存在一定的关系，但如果不将“电力”和“运营”联合起来作为一个短语查询，将会出现很多关于“电力”和“运营”的冗余文档。短语识别是智能搜索引擎的一个关键技术。

　　3）同义词处理技术

　　由于汉语的复杂性，对同一词可能有很多表达方法，同义词处理的一种方法是人工构造同义词表。

　　由于基于电力资源库的智能搜索引擎是针对电力这个专业领域的搜索引擎，所以这种方法效率较高。

　　另一种方法是从知识库中自动取得同义词关系。给出一个查询的关键词，搜索引擎主动“联想”到与其同义或意思相近的词。

　　此外，还有一些其他的人工智能方法，譬如文档信息压缩技术等，这些都是提高智能化电力搜索引擎知识库设计的有效手段。

　　2.推理控制策略

　　推理控制策略主要包含冲突消解策略、推理方向和搜索策略等几个方面。

　　（1）冲突消解策略

　　在推理过程中，系统将根据当前所要搜索的目标，对知识库进行搜索，寻找与事实匹配的规则(知识)。当找到的匹配规则不止一条时，需要根据某种策略从中选择一条规则进行推理，这种策略被称为冲突消解策略。常用的冲突消解策略有：优先度排序、规则条件详细排序、匹配度排序和根据领域问题的特点排序等。

　　1)优先度排序。事先给知识库中每条规则设定优先度参数，优先度高的规则先执行。

　　2)规则的条件详细度排序。条件较多、较详细的规则，其结论一般更接近于目标，优先执行。

　　3)匹配度排序。事先给知识库中每条规则设定匹配度参数，匹配度高的规则先执行。

　　4)根据领域问题的特点排序。根据领域知识可以知道的某些特点，事先设定知识库中的规则的使用顺序。

　　（2）推理方向

　　推理方向大致可以分为正向推理、逆向推理和混合推理方法。正向推理控制策略的基本思想如下图（正向推理控制策略图）所示。从已有的信息出发，搜索可用知识，通过冲突消解选择可用知识，执行选择的知识，改变搜索结果的状态，逐步搜索直至搜索到真正结果。正确推理的控制策略的优点是用户可以主动提供搜索的相关信息，可以对用户输入事实做出快速反应。不足之处搜索范围比较大，搜索过程种可能出现许多与搜索无关的内容，导致推理有效性低。反向推理控制策略如下图（反向推理控制策略）所示。其基本思想为：提出搜索目标，然后在知识库种找出那些结论部分导致这个目标的知识集，再检索知识集中每条知识的条件部分，如果某个知识的条件中所含有的条件均能通过用户会话得到满足，则把该条知识的搜索目标加到当前数据库中。否则把该知识的条件项作为新的搜索目标，递归执行上述过程，直至各“与”关系的子搜索目标全部或者“或”关系的子搜索目标有一个出现，搜索目标被完成。反向推理的控制策略的优点是推理过程的搜索目标明确，方向性强。这种策略在搜索空间较少的问题环境下尤为合适。不足之处是初始搜索目标的选择比较自由，对于搜索范围较大，用户要求快速准确得到搜索结果，反向推理难以胜任。综合正向推理和反向推理的优点和不足，混合推理控制策略是一种综合利用正向推理和反向推理各自优点的有效方法，其思想为：使用正向推理帮助选择搜索目标，然后通过反向推理搜索该目标。在搜索过程中又会得到用户的提供的更多信息，再正向推理，搜索更准确的目标。如此反复正向推理一反向推理这个过程，直至搜索到所需目标为止。

　　（3）搜索策略

　　1)搜索问题的状态空间表示在搜索问题比较清新明朗的情况下，可以用流程图来表示问题的搜索过程。而在搜索问题不是很明确的情况下，采用状态空间来表示问题的搜索过程。状态空间表示法是以“状态”和“算法”集合形式来表示问题的，实际上是一类问题的抽象表示。

　　状态是为描述问题求解过程中任一时刻不同事物间状态差别而引入的一组最少变量的有序集合，表示形式如下：

　　每个变量代表一个具体的状态，由搜索问题的全部可能状态(即表示方式)及其关系构成的集合称为问题的状态空间。它包含三种类型的集合：问题的所有初始状态集合K，算符集合F，结果状态集合G，可用一个三元组(K，F，G)来表示。

　　2)搜索方法启发式搜索是一种在搜索过程中利用与问题有关的启发性信息，引导搜索方向，加速问题的搜索。

　　其搜索效率较高，搜索过程与启发性信息有关。启发式搜索算法从问题中抽取启发性信息，并利用这些信息构造出估价函数来引导搜索方向。