基于多模式推理的企业市场机遇发现决策支持系统

表1 案例的DTD表示

    4.2 规则知识的表示

    本系统将规则库中的规则分为四类：通用规则（GRULE）、案例检索引导规则（IRULE）、解决方案推导规则（RRULE）、系统控制规则（CRULE）。这四类规则在问题求解过程中作用范围见图5。GRULE表示问题的环境信息和一般性的知识，环境信息主要来自政府部门、主管机关和社会团体公布的信息，如法律法规、统计年鉴、技术规范等，一般性的知识有市场营销方法、经济学原理、企业管理理论等。GRULE的来源具有权威性，时效长、变动小、可置信度高。IRULE通过与案例建立索引关联，将与规则一致的案例设置为正案例，与规则相冲突的案例设置为反案例。这样，用户可以通过对规则结论的确认来快速检索案例。有的时候，与市场规则相背离的反案例是企业摆脱成规、市场拓新的事件记录，更值得进一步探究。RRULE能够产生预测性的建议，并根据预测结果的不确定性来设置置信度，给用户提示性的帮助。GRULE用于控制其他三类规则的执行及对知识的操作，同时还可以控制系统运行流程。

图5 各类规则的作用

5 实例与结论

    为了说明模型的具体应用方法并检测其有效性，笔者从《中国企业管理教学案例》、互联网中筛选出针对具体企业市场机遇发现的55个案例作为样本。同时，根据企业经营、市场营销的相关知识设置了43条规则。笔者用c#、XML、ajax等技术开发了原型系统。从55个样本中抽取了1/4的样本案例（13个）作为测试的输入问题，其余3/4的样本案例（42个）按照框架的表示方法存储到原型系统的知识案例库。通过对输入问题进行模拟测试，成功率为76.9%（系统对其中10个问题能较好地根据输入内容检索出相应案例并提供给决策者有效的建议），表明系统是可行和有效的。一次模拟测试的过程如下：选取某一案例为测试样本，输入该案例的企业描述、现状分析等背景信息及目标、机遇偏好等决策者主观意图，系统若能检索到相似案例（检索成功率由人工对比案例库中的相似案例来进行评判）并且输出的机遇发现方案与该案例的实际解决方案方向大体一致，则认为这次测试是成功的。对于未能成功提供解决方案的输入问题，失败原因主要有：①知识库中案例和规则数量过少，难以检索到相匹配的案例或提供较好的解决方案，为此需要不断扩充系统案例库容量及完善规则表示的领域知识；②输入问题的描述信息数量太少以致查询条件过于简单，难以实现对案例以及规则的成功检索，因此需要对待解问题进行更为详细的描述，特别是在具体企业应用中，由于面对要求较高的对象及复杂的环境，更需要提高对问题的抽象概括能力和结构化表述能力。

    企业市场机遇发现是一个跨学科的热点研究课题，本文引入了人工智能的CBR和RBR的混合多模式推理，为企业市场机遇发现的决策支持系统的设计提供了新的思路和方法。在今后的研究中需要深入企业开展调查以了解企业市场机遇发现决策的特点和难点，并进一步开展研制工作，对大数量级的案例库进行测试，不断提高系统的检索效率和决策分析效能。