GENI核心 -- 推理引擎（1）知识表示
GOAL最后一句是谓语infer()，它的含义是“论证”。
因此，，进GENI核心，执行视图推理引擎。
infer()
infer():- topic(Maingoal,_), go([],MainGoal,""),!. infer():- errorexit.
topic(Maingoal,_)
topic现存于事实库geni中。取出的Maingoal = "animal"。
假设依照前面几节分析程序的路子走，如今应该从谓词go([],MainGoal,"")出发。
我试着走了一遍，最后，发觉不行。
原因在于，推理机的代码量，比前几节的总和还多；
处理知识数据的方式方法复杂得多。
程序逻辑和执行流程。准确分析的难度大得多。
所以。必须做一些基础性准备工作，搞清楚推理机相关知识数据的总体情况;
搞清楚推理机的逻辑、执行机制特点，和一些VIP内建谓词的使用方法。
因此，把推理机的问题分解成4个小节：知识表示、流程控制、内建谓词与外建谓词、例程分析。
今天，開始第1小节。
一、Prolog的知识表示
Prolog程序的基本结构是“事实 + 规则”。或者，“知识 + 控制”。
与过程性程序不同的是，说明式的Prolog，知识（数据）与控制浑然一体。这表如今2个方面：
1、知识表达方式
Prolog主要用事实库表示知识。也能够用谓词子句表示知识。
用事实库表示知识
事实库、知识库可看作一回事情。
事实库是定义在程序内部的知识库。知识库是存在于程序外部的事实库。
以知识库animal.gni为例。看它的内容：
rule(1,"carnivore","cheetah",[1,2],"animals\\cheetah.htm")
rule(2,"carnivore","tiger",[1,3],"<img src=\"animals/tiger02.jpg\">")
rule(3,"ungulate","giraffe",[5,2,4],"<img src=\"animals/giraffe0.jpg\"&;&uot;)
rule(4,"ungulate","zebra",[3],"<img src=\"animals/zebra.jpg\">")
rule(5,"bird","ostrich",[5,7,8],"<img src=\"animals/3bird.jpg\">")
rule(6,"bird","penguin",[9,10,8],"<img src=\"animals/pen.jpg\">")
rule(7,"bird","albatross",[11],"animals\\albatros.htm")
rule(8,"animal","mammal",[12,13],"")
rule(9,"animal","bird",[9,14],"")
rule(10,"mammal","carnivore",[15],"")
rule(11,"mammal","ungulate",[16],"")
cond(1,"it has tawny color","animals\\animals.htm")
cond(2,"it has dark spots","animals\\animals.htm")
cond(3,"it has black stripes","animals\\animals.htm")
cond(4,"it has long neck","animals\\giraffe.htm")
cond(5,"it has long legs","<img src=\"animals/longlegs.jpg\">")
cond(6,"it does fly","<img src=\"animals/fly.jpg\">")
cond(7,"it has a long neck","animals\\animals.htm")
cond(8,"it has a black and white color","animals\\animals.htm")
cond(9,"it has feathers","animals\\bird3.htm")
cond(10,"it swims","animals\\swim.htm")
cond(11,"it does fly well","animals\\flywell.htm")
cond(12,"it has hair","animals\\animals.htm")
cond(13,"it does give milk","animals\\animals.htm")
cond(14,"it lays eggs","<img src=\"animals/egg.jpg\">")
cond(15,"it eats meat ","animals\\meateat.htm")
cond(16,"it does chew cud","animals\\animals.htm")
topic("animal","I will try to guess which animal you are thinking of")
default_startpage("animal.htm")
GENI用内建谓词consult，把它们加载事实库。“知识”变成了“事实”。
用谓词子句表示知识
比如：
cheetah :- mammal, carnivore, has_tawny_color, has_dark_spots. tiger :- mammal, carnivore, has_tawny_color, has_black_stripes.
专家系统外壳
把详细知识从程序代码出中分离出来。建立独立的知识库，
这样的设计结构的专家系统，叫做“专家系统外壳”。
GENI就是这样的“专家系统外壳”，仅仅是功能比較简单。
设计专家系统，应当採用这样的“外壳 + 知识库”的结构。
2、知识与控制都是谓词
不但“控制性”谓词能够表示知识。知识也能控制程序。
“事实”作为知识性谓词。直接參与并影响程序执行的走向。
这个问题。会在下一节专门具体探讨。
二、GENI事实库的知识储备情况
前面几节介绍了。CGI数据处理整形成为知识。存入了内部事实库。
如今。应该明白事实库里的“存货”情况。
1、静态数据（知识、事实）
主要包含，知识库名称和animal.gni的所有内容。
简要分析一下知识库animal.gni的知识表示。
rule的含意
比如。rule(1,"carnivore","cheetah",[1,2],"animals\\cheetah.htm")
意思是：rule(编号，大类（或小类），小类（或动物名称），[本rule成立的条件，即cond的编号]。对本rule的解释）
cond的含意
比如，cond(15,"it eats meat ","animals\\meateat.htm")
意思是：cond(编号，询问用户的问题。对询问的提示)
topic的含意
topic("animal","I will try to guess which animal you are thinking of")
意思是：topic(主题。对主题的解释)
rule之间是“树”的关系，主题animal是根节点，也是推理机工作的起点。
条件是彼此独立的，cond之间。没有联系。
2、动态数据（用户的回答）
网络传送时，它的形态是cond_X，X是数字。
在事实库中的形式是yes(X)，或no(X)。
3、特别数据whymeet
当用户在浏览器button“why”时，它传送到GENI。
GENI照此要求，向用户解释提出某个问题的解决办法。
whymeet是个操作命令。不参与的推理过程。
的静态和动态知识，推理要求。
版权声明：本文博主原创文章，博客，未经同意不得转载。
本文转自mfrbuaa博客园博客，原文链接：http://www.cnblogs.com/mfrbuaa/p/4887596.html，如需转载请自行联系原作者
