統(tǒng)計(jì)分析專家系統(tǒng)構(gòu)建初探

鐘云燕

（廣州大學(xué) 經(jīng)濟(jì)與統(tǒng)計(jì)學(xué)院，廣州 510635）

2012年以來，大數(shù)據(jù)受到了人們的廣泛關(guān)注，國家統(tǒng)計(jì)局對(duì)大數(shù)據(jù)的開發(fā)和使用給予了高度的重視。大數(shù)據(jù)時(shí)代的到來，對(duì)政府統(tǒng)計(jì)部門而言，是機(jī)遇大于挑戰(zhàn)，開發(fā)利用大數(shù)據(jù)對(duì)于提高統(tǒng)計(jì)信息的時(shí)效性和質(zhì)量必將產(chǎn)生重大的影響。

就政府統(tǒng)計(jì)系統(tǒng)而言，大數(shù)據(jù)的開發(fā)利用所面對(duì)的最大挑戰(zhàn)是數(shù)據(jù)專家的匱乏，而人才的培養(yǎng)和引進(jìn)絕非是短時(shí)期內(nèi)可以做到的，因此，建立統(tǒng)計(jì)分析專家系統(tǒng)就顯得尤為迫切和重要。

1 專家系統(tǒng)的基本情況

1982年，美國斯坦福大學(xué)教授根鮑姆將專家系統(tǒng)定義為：專家系統(tǒng)是一種智能的計(jì)算機(jī)程序。這種程序使用知識(shí)與推理過程，求解那些需要杰出人物的專門知識(shí)才能求解的復(fù)雜問題。目前已研究的專家系統(tǒng)模型有很多種。其中較為流行的有基于規(guī)則的專家系統(tǒng)、基于案例的專家系統(tǒng)、基于框架的專家系統(tǒng)、基于模糊邏輯的專家系統(tǒng)、基于人工神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)等。

（1）基于規(guī)則推理的專家系統(tǒng)

基于規(guī)則推理（Rule Based Reasoning，RBR）的方法是根據(jù)以往專家診斷的經(jīng)驗(yàn)，將其歸納成規(guī)則，通過啟發(fā)式經(jīng)驗(yàn)知識(shí)進(jìn)行推理，它具有明確的前提，得到確定的結(jié)果。在轉(zhuǎn)換為機(jī)器語言時(shí)，用產(chǎn)生式的IF···AND（OR）···THEN···表示。基于規(guī)則的專家系統(tǒng)適合的領(lǐng)域?yàn)椋孩傧到y(tǒng)結(jié)構(gòu)簡單，有明確的前提和結(jié)論，問題僅僅用有限的規(guī)則即可全部包含；②問題領(lǐng)域不存在簡潔統(tǒng)一的理論，知識(shí)是經(jīng)驗(yàn)的；③為題求解可以視為一系列相對(duì)獨(dú)立的操作，或從一個(gè)狀態(tài)向另一個(gè)狀態(tài)的轉(zhuǎn)換，一個(gè)操作或轉(zhuǎn)換可以被有效地表示為一條或多條產(chǎn)生式語句。

（2）基于案例推理的專家系統(tǒng)

基于案例推理（Case Based Reasoning，CBR）的方法是通過搜集以往成功解決過的類似問題，比較新、舊問題的特征等差異，重新使用或參考以前的知識(shí)或信息，達(dá)到最終解決新問題的方法?；诎咐评淼姆椒ㄟm用于領(lǐng)域定理難以表示成規(guī)則形式，而容易表示成案例形式并且已經(jīng)積累豐富案例的領(lǐng)域。

（3）基于框架的專家系統(tǒng)

1975年，美國麻省理工學(xué)院著名的人工智能學(xué)者明斯基提出了框架理論，該理論將框架視為表示知識(shí)的一個(gè)基本單位，它把要描述事物的各方面放在一起，通過槽值聯(lián)系起來?？蚣艿捻攲邮谴砟硞€(gè)對(duì)象的框架名，其下為代表該框架某一方面屬性的若干各槽，槽由槽名和槽值組成，槽下分為若干個(gè)側(cè)面，由側(cè)面名和側(cè)面值組成，一個(gè)框架系統(tǒng)常被表示成一種樹型結(jié)構(gòu)，樹的每一個(gè)節(jié)點(diǎn)是一個(gè)框架結(jié)構(gòu)，子節(jié)點(diǎn)與父節(jié)點(diǎn)之間用槽連接，當(dāng)子節(jié)點(diǎn)的某些槽值或側(cè)面值沒有被直接記錄時(shí)，可以從其父節(jié)點(diǎn)繼承這些值?？蚣鼙硎痉ㄗ钔怀龅奶攸c(diǎn)是善于表達(dá)結(jié)構(gòu)性的知識(shí)，且具有良好的繼承性和自然性，適合于具有固定格式的事物、動(dòng)作或事件。

（4）基于模糊邏輯的專家系統(tǒng)

模糊理論的概念由美國加利福尼亞大學(xué)教授扎德首先提出?；谀：壿媽＜蚁到y(tǒng)的優(yōu)點(diǎn)在于：①具有專家水平的專門知識(shí)，能表現(xiàn)專家技能和高度的技巧；②能進(jìn)行有效的推理，具有啟發(fā)性，能夠運(yùn)用人類專家的經(jīng)驗(yàn)和知識(shí)進(jìn)行啟發(fā)性搜索、試探性推理；③具有靈活和透明性。

（5）基于人工神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network,ANN）從上世紀(jì)80年代后期開始興起，仿照生物體信息處理系統(tǒng)獲得柔性信息處理能力，從微觀上模擬人腦功能，是一種分布式的圍觀數(shù)值模型，通過大量經(jīng)驗(yàn)樣本學(xué)習(xí)知識(shí)并具有極強(qiáng)的自學(xué)習(xí)能力。目前較為常用的有誤差反傳網(wǎng)絡(luò)（BP）、小腦網(wǎng)絡(luò)（CMAC)、自組織特征映射網(wǎng)絡(luò)（SOM）、自適應(yīng)共振理論（ART）和徑向基網(wǎng)絡(luò)（REF）等。

其他較為流行的還有基于D-S證據(jù)理論的專家系統(tǒng)、基于遺傳算法的專家系統(tǒng)等。

2 國外統(tǒng)計(jì)分析專家系統(tǒng)研發(fā)的基本情況

1983年，美國貝爾實(shí)驗(yàn)室的Gale和Pregibon研發(fā)出了世界第一個(gè)統(tǒng)計(jì)專家系統(tǒng)演示模型REX，主要用于指導(dǎo)簡單線性回歸模型的擬合，后來有研發(fā)出了STUDENT，在REX的基礎(chǔ)上增加了通過實(shí)例學(xué)習(xí)的能力，通過應(yīng)用專家的擴(kuò)展功能擬合其他統(tǒng)計(jì)模型。

自第一個(gè)統(tǒng)計(jì)專家系統(tǒng)誕生以后，許多國家的統(tǒng)計(jì)界相繼開展了統(tǒng)計(jì)專家系統(tǒng)的研制工作，比較有影響的主要有：

（1）MUSE系統(tǒng)。

該系統(tǒng)由E.Dambroise和P.Massotte研發(fā)，通過對(duì)話選擇解決相應(yīng)問題的多元分析模型，首先通過人機(jī)交互獲取并識(shí)別、整理有關(guān)數(shù)據(jù)，然后確定目標(biāo)，最后依據(jù)數(shù)據(jù)類型和分析目標(biāo)確定選用的統(tǒng)計(jì)方法并進(jìn)行相應(yīng)的計(jì)算和解釋，方法的選擇通過對(duì)數(shù)據(jù)類型與要求的輸出進(jìn)行匹配來完成。

（2）THES EUS系統(tǒng)。

該系統(tǒng)由E.Bell和P.Watts等人研發(fā)，是一個(gè)關(guān)于單因素方差分析和多重比較的專家系統(tǒng)，考慮到用戶在知識(shí)水平方面的差異，系統(tǒng)可以對(duì)不同水平的用戶提供使用幫助。該系統(tǒng)還設(shè)有規(guī)則編輯器，對(duì)規(guī)則進(jìn)行相容性和冗余檢查。

（3）WAMASTEX系統(tǒng)。

該系統(tǒng)由W.Dorda等人研發(fā)，主要對(duì)醫(yī)務(wù)工作者在醫(yī)學(xué)實(shí)驗(yàn)中獲得的數(shù)據(jù)進(jìn)行總結(jié)性分析，使用描述統(tǒng)計(jì)方法。該系統(tǒng)對(duì)數(shù)據(jù)樣本用啟發(fā)式進(jìn)行分類，分類后選擇適當(dāng)?shù)慕y(tǒng)計(jì)描述方法得到相應(yīng)地結(jié)論。

（4）GLIMPSE系統(tǒng)。

該系統(tǒng)由J.A.Nelder等人研制，用來指導(dǎo)用戶使用廣義線性模型GLIM。GLIM有自己的解釋性語言，用戶可以自己編程完成分析。系統(tǒng)中指導(dǎo)用戶的規(guī)則集合為“抽象統(tǒng)計(jì)工作者（abstract statistician)”，用來幫助用戶變換數(shù)據(jù)，挑選一個(gè)或多個(gè)模型并對(duì)所選模型進(jìn)行檢驗(yàn)。

從我國的情況看，統(tǒng)計(jì)專家系統(tǒng)長期未得到應(yīng)有的重視，統(tǒng)計(jì)理論界對(duì)這方面的研究比較少，這同長期以來我國對(duì)定量方面的研究重視不夠有直接的關(guān)系。

3 統(tǒng)計(jì)分析專家系統(tǒng)的構(gòu)建

根據(jù)目前我國統(tǒng)計(jì)工作的實(shí)際情況，筆者將統(tǒng)計(jì)專家系統(tǒng)定義為：涵蓋統(tǒng)計(jì)工作全過程或某一特定階段，能夠提供統(tǒng)計(jì)工作必備的專業(yè)知識(shí)，能夠幫助指導(dǎo)統(tǒng)計(jì)人員開展統(tǒng)計(jì)活動(dòng)的軟件系統(tǒng)。就其知識(shí)的組成來說，統(tǒng)計(jì)專家系統(tǒng)可以分為兩類：一是具有統(tǒng)計(jì)工作全面知識(shí)既涵蓋統(tǒng)計(jì)工作全過程知識(shí)的計(jì)算機(jī)軟件系統(tǒng)；二是只帶有數(shù)據(jù)挖掘和統(tǒng)計(jì)分析知識(shí)，主要是幫助指導(dǎo)數(shù)據(jù)挖掘和統(tǒng)計(jì)分析的過程，并對(duì)軟件輸出的結(jié)果進(jìn)行數(shù)量和經(jīng)濟(jì)意義方面解釋的計(jì)算機(jī)軟件系統(tǒng)。下文所探討的是基于第二類的專家系統(tǒng)。

通過比較研究，筆者認(rèn)為，從目前實(shí)現(xiàn)條件和我國統(tǒng)計(jì)工作現(xiàn)實(shí)需要的角度考慮，我國政府統(tǒng)計(jì)部門構(gòu)建基于案例推理的統(tǒng)計(jì)分析專家系統(tǒng)比較合適，主要原因是：

（1）基于案例的專家系統(tǒng)具有無需提出規(guī)則、知識(shí)獲取的難度較低、能利用現(xiàn)代云技術(shù)實(shí)現(xiàn)系統(tǒng)自學(xué)習(xí)案例庫的知識(shí)儲(chǔ)備。

（2）多年以來，我國各級(jí)政府統(tǒng)計(jì)機(jī)構(gòu)、科研單位、高等院校及統(tǒng)計(jì)建模大賽等積累了大量的基礎(chǔ)資料，為案例庫提供了豐富的知識(shí)儲(chǔ)備。

（3）技術(shù)上便于和現(xiàn)代統(tǒng)計(jì)分析軟件實(shí)現(xiàn)無縫鏈接，最大限度地利用現(xiàn)代統(tǒng)計(jì)分析軟件豐富的功能實(shí)現(xiàn)系統(tǒng)目標(biāo)。

（4）易于被統(tǒng)計(jì)工作者理解和接受，從而最大限度地提高系統(tǒng)的使用效益。

構(gòu)建基于案例推理統(tǒng)計(jì)分析專家系統(tǒng)的基本思路：

基于案例推理的基本原理是當(dāng)遇到一個(gè)新的問題時(shí)，系統(tǒng)會(huì)根據(jù)所輸入問題的關(guān)鍵特征在原始的案例庫中智能進(jìn)行匹配，找出一個(gè)或幾個(gè)與待求問題最相近的候選案例，系統(tǒng)使用者用系統(tǒng)選擇的案例解決分析過程中的問題。也就是說，基于案例推理統(tǒng)計(jì)分析專家系統(tǒng)的構(gòu)建其目標(biāo)應(yīng)該是系統(tǒng)能夠智能化地對(duì)統(tǒng)計(jì)人員進(jìn)行統(tǒng)計(jì)分析工作提供咨詢，并通過和統(tǒng)計(jì)分析軟件（可考慮我國具有自主知識(shí)產(chǎn)權(quán)的馬克威系統(tǒng)）的鏈接進(jìn)行數(shù)據(jù)分析和結(jié)果的解析。如圖1所示：

圖1

由圖1可以看出，統(tǒng)計(jì)分析專家系統(tǒng)在一個(gè)完整的數(shù)據(jù)分析活動(dòng)中處于中樞的地位，它根據(jù)系統(tǒng)使用者所輸入問題的屬性匹配輸入問題的解決方案，然后調(diào)用統(tǒng)計(jì)分析軟件并通過分析軟件載入數(shù)據(jù)進(jìn)行運(yùn)算，對(duì)分析軟件輸出的結(jié)果進(jìn)行解析。

基于案例推理的統(tǒng)計(jì)分析專家系統(tǒng)構(gòu)建框圖如圖2所示：

圖2

統(tǒng)計(jì)分析專家系統(tǒng)的主要模塊有三個(gè)：推理機(jī)模塊、案例庫模塊和知識(shí)庫模塊。

3.1 推理機(jī)模塊

推理機(jī)模塊可考慮采用CBR(Case-Based Reasoning)方法，該方法是一種用先前求解問題的經(jīng)驗(yàn)和方法,通過類比和聯(lián)想來解決當(dāng)前相似問題的策略。首先它根據(jù)問題的特征,從案例庫中檢索出相似的案例,根據(jù)問題的特征屬性對(duì)檢索到的案例加以調(diào)整、修補(bǔ)、綜合,使之達(dá)到求解當(dāng)前問題的需要。CBR方法起源于Roger Schank有關(guān)動(dòng)態(tài)存儲(chǔ)的研究，該模型現(xiàn)已成為國際上研究較多的智能問題解決方法之一。

推理機(jī)的主要工作就是在案例庫中提取和輸入問題特征適用度最高的案例，為解決問題提供方案。

推理機(jī)在使用CBR方法推理時(shí)，首先根據(jù)用戶輸入的特征在案例庫中進(jìn)行檢索，從中選取特征最匹配的案例，如果所選取的案例不能滿足用戶的需求，則根據(jù)用戶修改提取案例的特征再次進(jìn)行檢索匹配案例，直到取得滿足用戶需求的解決方案。具體步驟是：

（2）根據(jù)輸入的特征信息，在案例庫中進(jìn)行檢索，進(jìn)行初始匹配，提取出一組與所輸入的特征信息相似的案例集R，

（3）計(jì)算F與R中每個(gè)案例的相似度，選取相似度最高的案例,次序?yàn)椋?/p>

②將F與每個(gè)Fj相比較，確定每個(gè)特征的匹配值，n為案例F的特征數(shù)。

③求解案例的相似度

式中：S為案例的相似度；

si為第 i各特征的匹配值，，0表示不匹配，1表示匹配

④調(diào)用案例重用算法，取得推薦方案。

⑤用戶判定滿足需求的程度，如果符合需求，進(jìn)行實(shí)際應(yīng)用，并將應(yīng)用案例存入案例庫中，應(yīng)用過程中的問題查詢知識(shí)庫解決；如果不符合要求，從（1）開始反復(fù)。

3.2 案例庫模塊

可考慮采用動(dòng)態(tài)模型存儲(chǔ)技術(shù)實(shí)現(xiàn)案例的分類分層存儲(chǔ)，其模型表示為：

案例庫中案例特征的層次和數(shù)量應(yīng)盡可能地詳細(xì)和最大化，以求保證所求解的問題和案例庫中相應(yīng)案例的匹配達(dá)到最優(yōu)化。

3.3 知識(shí)庫模塊

該模塊的主要功能是對(duì)使用者在應(yīng)用統(tǒng)計(jì)分析專家系統(tǒng)時(shí)可能遇到的問題提供實(shí)時(shí)咨詢，應(yīng)涵蓋進(jìn)行統(tǒng)計(jì)分析的必備知識(shí)，包括統(tǒng)計(jì)、計(jì)量經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)學(xué)等，應(yīng)做到知識(shí)盡可能豐富、分類盡可能詳細(xì)、查詢索引盡可能方便。

綜上所述，該系統(tǒng)的使用是一個(gè)完整的應(yīng)用過程，基本可分為根據(jù)分析內(nèi)容確定提取案例的特征屬性、輸入系統(tǒng)進(jìn)行檢索提取案例、人機(jī)交互判定案例的適用性、應(yīng)用案例進(jìn)行統(tǒng)計(jì)分析四個(gè)步驟。建立統(tǒng)計(jì)分析專家系統(tǒng)是為了使統(tǒng)計(jì)人員，特別是對(duì)計(jì)算機(jī)、數(shù)理統(tǒng)計(jì)、計(jì)量經(jīng)濟(jì)學(xué)等知識(shí)比較匱乏的統(tǒng)計(jì)人員，能夠借助統(tǒng)計(jì)分析專家系統(tǒng)進(jìn)行較高層次的統(tǒng)計(jì)分析研究，因此，如何使該系統(tǒng)界面友好且方便使用是必須優(yōu)先考慮的問題。特別是應(yīng)具有人機(jī)對(duì)話的功能，使系統(tǒng)的使用者能通過此功能了解系統(tǒng)的使用及對(duì)應(yīng)案例的相關(guān)知識(shí)，對(duì)統(tǒng)計(jì)分析軟件輸出的結(jié)果進(jìn)行在線解讀。

4 結(jié)束語

現(xiàn)代信息技術(shù)的飛速發(fā)展，為統(tǒng)計(jì)工作的智能化提供了廣闊的發(fā)展空間，積極推進(jìn)人工智能在統(tǒng)計(jì)工作中的應(yīng)用，將會(huì)使統(tǒng)計(jì)生產(chǎn)力產(chǎn)生革命性的變化。本文所述的建立統(tǒng)計(jì)分析專家系統(tǒng)只是在統(tǒng)計(jì)工作智能化一個(gè)方面的探索，在統(tǒng)計(jì)實(shí)際工作中有許多課題值得研究，譬如在統(tǒng)計(jì)一套表聯(lián)網(wǎng)直報(bào)的環(huán)境下，如何進(jìn)行調(diào)查單位上報(bào)統(tǒng)計(jì)數(shù)據(jù)質(zhì)量的智能化審核等問題。從所能搜集到的文獻(xiàn)資料看，目前我國這方面的研究成果還比較少，我們期待專家學(xué)者和統(tǒng)計(jì)實(shí)際工作者更多的研究成果。

[1]楊興，朱大奇，桑慶兵.專家系統(tǒng)研究現(xiàn)狀與展望[J].計(jì)算機(jī)應(yīng)用研究，2007，（5）.

[2]張忠占.統(tǒng)計(jì)專家系統(tǒng)的發(fā)展概況與若干問題[J].數(shù)理統(tǒng)計(jì)與應(yīng)用概率，1994，（6）.

[3]李紅兵，李寧，陳世福.基于實(shí)例推理的智能刺繡編程系統(tǒng)[J].小型微型計(jì)算機(jī)系統(tǒng)，1998，（12）.

[4]蔡自興，約翰·德爾金，龔濤.高級(jí)專家系統(tǒng)：原理、設(shè)計(jì)及應(yīng)用[M].北京：科學(xué)出版社，2005.

[5]敖志剛.人工智能與專家系統(tǒng)導(dǎo)論[M].北京：中國科技大學(xué)出版社，1998.

[6]李毅得，杜鷁.不確定性人工智能[M].北京：國防工業(yè)出版社，2005.