Regelbasierte Systeme - Methoden Wissensbasierter Systeme - page 82

Datengetriebene Inferenz :
Eingabe: Eine Regelbasis RB (Objekte und Regeln),
eine Menge von Fakten.

Ausgabe: Die Menge der gefolgerten Fakten.

F

1. Sei F die Menge der gegebenen (evidentiellen) Fakten.

2. Fur jede Regel if A then B der Regelbasis RB uberprufe:
Ist A erfullt, so schließe auf B;
F := F∪{ B }

3. Wiederhole Schritt 2, bis F nicht mehr vergroßert werden kann.

Abbildung 4.3 Algorithmus zur datengetriebenen Inferenz

4.3.2 Datengetriebene Inferenz (Vorwartsverkettung)

Bei der Vorwartsverkettung werden Regeln in gewohnter Weise transitiv mitein-
ander verknupft. Das bekannte fallspezifische Wissen wird als Ausgangspunkt fur
den Schlussfolgerungsprozess genommen (daher die Bezeichnung data-driven = da-
tengetrieben ). Aus erfullten Pramissen wird auf die Wahrheit der Konklusionen
geschlossen, und diese abgeleiteten Fakten gehen erneut als faktisches Wissen in
den Inferenzprozess ein. Dieses Verfahren endet, wenn keine neuen Fakten mehr
abgeleitet werden konnen.
Ein entsprechender Algorithmus kann wie in Abbildung 4.3 angegeben formu-
liert werden.

Beispiel 4.10 Wir benutzen das Regelnetzwerk aus Beispiel 4.7. Gegeben seien,
wie in Abbildung 4.4 dargestellt, die Fakten

F = { H, C, E, F, G }

Da ihre Pramissen erfullt sind, feuern die Regeln R2a, R4a und R3. Damit vergroßert
sich F zu

F := { H, C, E, F, G }∪{ I,J,K }

Die abgeleiteten Fakten werden also gemeinsam mit den evidentiellen Fakten als
konkretes Wissen gespeichert. In einem weiteren Durchlauf feuern nun auch die
Regeln R4b und R5, was zur Aufnahme von L in

fuhrt. Damit kann nun auch
Regel R6 feuern, und wir erhalten als endgultige Faktenmenge

F

F := { H, C, E, F, G, I, J, K }∪{ L, M }

Selbsttestaufgabe 4.11 (Vorwartsverkettung) Wenden Sie die Technik der
Vorwartsverkettung auf das Regelwerk aus Beispiel 4.7 bei der gegebenen evidenti-
ellen Faktenmenge F = { A, D, E, F, G } an.