推断缺少事实的规则
Infer rules that have missing facts
假设我有一个医学规则:一个人是健康的,他患有失眠症,建议他吃安眠药并去看医生。此规则的确定性因子为 0.9(主观相信特定规则为真的程度,范围 [0; 1])。
Status(Fatigue) ^ Syndrone(Insomnia)
-> Treatment(TakeSleepingPills) ^ Treatment(MeetDoctor) {CF = 0.9}
如果我有一个已知事实 Status(Fatigue)
,我如何推断 Treatment(TakeSleepingPills)
和 Treatment(MeetDoctor)
而不遗漏事实 Syndrone(Insomnia)
?
有很多机器学习方法,例如Probabilistic Mention Model, Sampling distribution inference, Bayesian inference,...但是还有其他不使用机器学习的方法吗?
您可以尝试使用答案集编程来推导出规则和结果。基本上,您必须以逻辑方程式和 运行 特殊程序来表示您的问题,即使在缺少信息的情况下也能解决给定的问题。但是,在我看来,它不会比机器学习更简单。
您可以阅读以下内容:
求解器:
假设我有一个医学规则:一个人是健康的,他患有失眠症,建议他吃安眠药并去看医生。此规则的确定性因子为 0.9(主观相信特定规则为真的程度,范围 [0; 1])。
Status(Fatigue) ^ Syndrone(Insomnia)
-> Treatment(TakeSleepingPills) ^ Treatment(MeetDoctor) {CF = 0.9}
如果我有一个已知事实 Status(Fatigue)
,我如何推断 Treatment(TakeSleepingPills)
和 Treatment(MeetDoctor)
而不遗漏事实 Syndrone(Insomnia)
?
有很多机器学习方法,例如Probabilistic Mention Model, Sampling distribution inference, Bayesian inference,...但是还有其他不使用机器学习的方法吗?
您可以尝试使用答案集编程来推导出规则和结果。基本上,您必须以逻辑方程式和 运行 特殊程序来表示您的问题,即使在缺少信息的情况下也能解决给定的问题。但是,在我看来,它不会比机器学习更简单。
您可以阅读以下内容:
求解器: