演绎性分类器

演绎性分类器是一种人工智能推理引擎。它将一组关于医学研究或分子生物学等领域的框架语言的声明作为输入。例如，类的名称、子类、属性和对可允许值的限制。分类器确定各种声明在逻辑上是否一致，如果不一致，将突出特定的不一致的声明和它们之间的不一致。如果声明是一致的，分类器就可以根据输入的信息来断言额外的信息。例如，它可以添加关于现有类的信息，创建额外的类，等等。这与传统的推理引擎不同，后者是通过规则中的IF-THEN条件触发的。分类器也类似于定理证明器，因为它们通过一阶逻辑接受输入并产生输出。分类器起源于KL-ONE框架语言。它们现在越来越重要，因为它们构成了语义网的授权技术的一部分。现代分类器利用了网络本体语言。它们所分析和生成的模型被称为本体。

人工智能的知识表示的一个经典问题是知识表示系统的表达能力和计算效率之间的权衡。xxx大的知识表示形式是一阶逻辑（FOL）。然而，不可能实现提供一阶逻辑完整表达能力的知识表示。这样的表示法将包括表示诸如不可能迭代的所有整数集合的概念的能力。根据定义，对一个无限的集合实施量化的断言会导致一个不可判定的非终止程序。然而，这个问题比不能实现无限集更深。正如Levesque所证明的，知识表示机制越接近FOL，就越有可能导致表达式需要无限的或不可接受的大资源来计算。由于这种权衡的结果，大量早期的人工智能知识表示工作涉及试验各种折衷方案，以提供可接受的计算速度的FOL子集。最早也是最成功的折衷方案之一是开发主要基于模式的语言，即IF-THEN规则。基于规则的系统是几乎所有早期专家系统的主要知识表示机制。基于规则的系统提供了可接受的计算效率，同时仍然提供了强大的知识表示。而且，规则对知识工作者来说是非常直观的。事实上，鼓励研究人员开发基于规则的知识表示的一个数据点是心理学研究，即人类经常通过规则表示复杂的逻辑。然而，在基于规则的系统的早期成功之后，出现了更普遍的框架语言的使用，而不是或更多地与规则相结合。

框架提供了一种更自然的方式来表示某些类型的概念，特别是子部分或子类层次的概念。这导致了一种被称为分类器的新型推理引擎的发展。一个分类器可以分析一个类的层次结构（也称为本体），并确定它是否有效。如果层次结构是无效的，分类器将强调不一致的声明。对于一种语言来说，使用分类器需要一个正式的基础。xxx个成功展示分类器的语言是KL-ONE系列语言。ISI的LOOM语言在很大程度上受到KL-ONE的影响。LOOM也受到了面向对象工具和环境日益流行的影响。Loom除了框架语言的功能外，还提供了真正的面向对象的能力。

分类器的最早版本是逻辑定理证明器。xxx个使用框架语言的分类器是KL-ONE分类器。后来建立在普通lisp上的系统是信息科学研究所的LOOM。LOOM提供了真正的面向对象的能力，利用了CommonLisp对象系统以及一种框架语言。