11、知识系统中规则方法的研究与展望

知识系统中规则方法的研究与展望

在知识系统的研究领域，多种规则方法不断发展，以满足不同场景下的知识表示、分类和预测需求。下面将详细介绍 Multiple Classification Ripple Round Rules（MCRRR）和 Rated MCRDR（RM）这两种方法的特点、性能及未来发展方向。

MCRRR 方法的研究

MCRRR 方法是对经典 Multiple Classification Ripple - Down Rules（MCRDR）的改进，旨在实现基于其他结论的灵活直观规则设定。

规则数量与复杂度

在分析 101 个案例时，该系统需要 477 条规则，远高于以往类似案例数量下的 MCRDR 系统。这表明该领域可能比预期复杂，部分原因是知识库中包含 68 个结论，平均每个结论使用 3.59 次。从案例分析数量与规则增长趋于平稳的关系来看，更复杂的领域需要更多案例才能使规则增长趋于平稳，此领域与之前用于药物审查的 MCRDR 系统在约 150 个案例时呈现出相似的复杂模式。

知识库准确性

知识库的准确性通过以下公式计算：
[
\frac{C_f + R_a - C_{removed}- C_{replaced}}{C_{total}}
]
其中 (C_f) 是找到的结论，(R_a) 是添加的规则，(C_{removed}) 是移除的结论，(C_{replaced}) 是替换的结论。该系统表现出色，准确率迅速提高，在 101 个案例的研究期间内，总体准确率达到了 90% ，不过在研究后期仍存在一些异常情况，如案例 87，首个乳糖不耐受受访者的情况使系统出现偏