基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的知识推理算法主要依赖于通用的定理证明器,因此会有明显的组合爆炸问题和半自动化问题,只能处理小规模的问题.在文[1]中,给出了一个实用而紧致的知识的语义模型--知识结构(knowledge structure),并给出相应的利用BDD(Binary Decision Diagram)的符号化计算方法,实验表明这种基于BDD的算法比传统方法有很大的优势,但这种基于BDD的方法在计算规模大的例子时仍存在明显的组合爆炸.文章在知识结构(knowledge structure)的语义基础上,通过挖掘知识结构语义中各元素的关系,把知识的计算规约于可满足性问题(SAT),因为SAT Solver在符号化计算方面以及在计算规模和效率上都要明显优于BDD.实验结果证实了这种方法的有效性.
推荐文章
一种新的SAT问题预处理算法
可满足性问题
一元子句推导
蕴涵图
基于寻找可满足2-SAT子问题的SAT算法
SAT问题
2-SAT子问题
2-SAT算法
一种模糊矩阵并行推理算法及其应用
高炉
专家系统
模糊矩阵
并行推理
可满足性问题的研究综述
可满足性问题
NP完全问题
参数计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种规约于可满足性问题(SAT)的知识推理算法
来源期刊 计算机科学与探索 学科 工学
关键词 知识结构 知识推理 可满足性问题(SAT)
年,卷(期) 2007,(1) 所属期刊栏目 学术研究
研究方向 页码范围 79-86
页数 8页 分类号 TP301
字数 7668字 语种 中文
DOI 10.3778/j.issn.1673-9418.2007.01.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 苏开乐 中山大学计算机科学系 22 309 11.0 17.0
2 岳伟亚 中山大学计算机科学系 5 80 4.0 5.0
3 陈清亮 中山大学计算机科学系 4 53 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (9)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1978(2)
  • 参考文献(0)
  • 二级参考文献(2)
1983(3)
  • 参考文献(0)
  • 二级参考文献(3)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
知识结构
知识推理
可满足性问题(SAT)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
国家重点基础研究发展计划(973计划)
英文译名:National Basic Research Program of China
官方网址:http://www.973.gov.cn/
项目类型:
学科类型:农业
广东省自然科学基金
英文译名:Guangdong Natural Science Foundation
官方网址:http://gdsf.gdstc.gov.cn/
项目类型:研究团队
学科类型:
论文1v1指导