Программа начинает работу с загрузки базы знаний. Файлы базы знаний имеют расширение *.kbs.Выбранный файл загружается и проверяется на наличие синтаксических ошибок. Правила, записанные в базе знаний, транслируются к удобному для работы системы виду внутреннего представления, а именно в виде фактов динамической базы данных:
сl ("hypothesis", "plane", 0.5, bayes_rule ([ contrib ("plane_factors", 1, 0.001), contrib ("plane_speed", 5, 1), contrib("plane_cost", 5, 0.5),
contrib ("plane_dist", 10, 0.9) ]), "Use a plane","", [ ])
cl ("hypothesis", "car", 0.5, bayes_rule ([ contrib ("car_factors", 1, 0.9),
contrib ("car_speed", 5, 0.9), contrib ("car_dist", 2, 0.8), contrib ("car_cost", 3, 0.9) ]), "Use a car", "", [ ])
cl ("hypothesis", "train", 0.5, bayes_rule ([ contrib ("rail_factors", 1.1, 1),
contrib ("drive_yourself", 1.1, 1), contrib ("rail_speed", 1.1, 0.1),
contrib ("rail_dist", 2, 1), contrib ("rail_cost", 5, 1) ]), "Use a train", " ", [ ])
cl ("intermediate", "rail_factors", 0.5, and_rule ([ "drive_yourself", "rail_speed", "rail_dist", "rail_cost" ]), "use of a train is appropriate", "", [ ])
cl ("intermediate", "rail_speed", 0.5, num_map_rule ("speed", [ nummap (60, 1), nummap (150, 0) ]), "Desired journey speed permits rail use", "",
[context ("drive_yourself", – 5, 0) ])
cl ("intermediate", "rail_dist", 0.5, num_map_rule ("distance", [nummap (50, 0), nummap (200, 1), nummap (350, 0) ]), "Is the use of a train sensible", "", [context("drive_yourself", – 5, 0) ])
cl ("intermediate", "rail_cost", 0.5, num_map_rule ("cost", [ nummap (10, 0), nummap (20,1) ]), "Desired cost per mile is possible using a train", "", [context ("drive_yourself", – 5, 0) ])
cl ("data", "drive_yourself", 0.5, yesno_rule,"Do you want to drive yourself?", "", [ ])
cl ("data", "distance", 0.5, num_value_rule (0.1,30000), "what is the distance of the journey in miles?", "", [ ])
cl ("data", "speed", 0.5, num_value_rule (1, 1300), "what is the required average speed for the journey (mph)?", ", [ ])
cl ("data", "cost", 0.5, num_value_rule (1, 50), "How much are you prepared to pay per mile?", "This system assumes the costs:\n plane: 30 cents/mile\n train: 25 cents/mile \n car: 20 cents/mile", [ ])
...
Основная цель программы – вычислить значение определенности для выбранной гипотезы. Информация для этого поступает через data -правила и из фактов, запомненных во временной базе данных. Предикат evaluate устанавливает уровень определенности, выбирает гипотезу и запускает предикат eval, оценивающий определенность одного правила. Поскольку правило может ссылаться на список других правил, следует оценить определенность каждого элемента такого списка. Эту работу выполняет предикат evalbody. Это рекурсивный предикат, в котором определенность каждого элемента вычисляет eval:
evalbody (not_rule (Clname), Desc, Prior,
num (Val), Anceslst, Mode):–
eval (not_rule, _, Clname, _, num (Val1), Anceslst, Mode),
Val = 1 – Val1.
evalbody (and_rule ([ ]), _, _, num (1), _, _):–!.
evalbody (and_rule ([ Clname | T ]), Desc, Prior,
num (Val), Anceslst, Mode):–
eval (and_rule, _, Clname, _, num (Val1), Anceslst, Mode),
evalbody (and_rule (T), Desc, Prior, num (Val2), Anceslst, Mode),
min (Val1, Val2, Val).
evalbody (or_rule ([ ]), _, _, num (0), _, _):–!.
evalbody (or_rule ([ Clname | T ]), Desc, Prior,
num(Val), Anceslst,Mode):–
eval (or_rule, _, Clname, _, num(Val1), Anceslst, Mode),
evalbody (or_rule(T), Desc, Prior, num (Val2), Anceslst, Mode),
max (Val1, Val2, Val).
evalbody (bayes_rule ([ ]), _, Prior, num (Prior), _, _):–!.
evalbody (bayes_rule ([ contrib (Clname, Inc, Dec) | T ]), Desc, Prior,
num (Val), Anceslst, Mode):–
eval (bayes_rule, _, Clname, Pri, num (Val1), Anceslst, Mode),
evalbody (bayes_rule (T), Desc, Prior, num (Val2), Anceslst, Mode),
combinebayes (Pri, Val1, contrib (Clname, Inc, Dec), Val2, Val).
evalbody (sym_map_rule (Clname, L), Desc, Prior, num (Val),
Anceslst, Mode):–
eval (sym_map_rule, _, Clname, _, Val1, Anceslst, Mode),
calcsymrule (sym_map_rule (Clname, L), Prior, Val1, Val).
...
Одно из самых сложных мест здесь – вычисление определенности в случае, когда заданы весовые коэффициенты правил. Здесь следует учитывать сочетание параметров PRIOR, BAYES и введенного пользователем значения определенности. Эту работу выполняет предикат combinebayes, который возвращает значение аргументом Ans:
сombinebayes (ClPrior, ClVal, contrib (_, Inc, Dec), RestVal, Ans):–
probtoodds (RestVal, RestOdds),
bayesfactor (ClVal, ClPrior, Dec, Inc, F),
Odds = F * RestOdds,
oddstoprob (Odds, Ans).
Предикат combinebayes запускает probtoodds, обращающий вероятность уже оцененных правил в промежуточное значение по формуле:
ROOS = PROB / (1 – PROB).
Bayesfactor вычисляет константу F, учитывающую весовые факторы, для случаев PRIOP < PROB и PRIOR > PROB:
bayesfactor (Prob, Prior, Dec, Inc, F):–
Prior > = Prob,
!,
probtocert (Prob, Prior, Cert),
F = ((1 – Dec) * (Cert + 5) / 5) + Dec.
bayesfactor (Prob, Prior, Dec, Inc, F):–
probtocert (Prob, Prior, Cert),
F = 1 + (Inc – 1) * Cert / 5.
/* Обращает вероятность в определенность */
probtocert (_, 0, – 5):–!.
probtocert (_, 1, 5):–!.
probtocert (Prob, Prior, Cert):–
Prob < = Prior,
Cert = 5 * Prob / Prior – 5,
!;
Cert = 5 * (Prob – Prior) / (1 – Prior).
Предикат oddstoprob обращает полученное промежуточное значение обратно в вероятность:
oddstoprob (Odds, Prob):–
Prob = Odds / (1 + Odds).
В некоторых правилах возникает необходимость обратить определенность в вероятность, например, при вводе значения определенности data -правила с помощью функции CERTAINTY. Это делает предикат certtoprob по формулам преобразования, обратным обращению вероятности в определенность:
certtoprob (Cert, Prior, Value):–
Cert < = 0, Value = Prior * (Cert + 5) / 5,
!;
Value = Prior + (1 – Prior) * Cert / 5.
