办砸了
摘 要 针对现有模糊Petri网的规则推理算法存在的不完善问题,提出并开发了优化的推理算法。该算法适用于大部分基于规则的推理系统,正确直观的仿真从出发命题开始到目标命题的推理过程。详细阐述了模型和算法,对具体的算例进行分析并与已有的算法进行比较突出其优点。 关键词 模糊Petri网;基于规则;推理;知识表示 1 引言 模糊Petri网(Fuzzy Petri Net,FPN)作为一种适合于描述异步、并行、模糊数据的计算机系统模型,被广泛的应用在基于规则的模糊推理系统中。伴随FPN的发展,相应模型的顺向推理算法以及逆向推理算法也在不断发展与完善。Looney最早给出了只适合于简单PN结构的顺向推理算法[3]。其后,Chen又给出了具体且精确的FPN数学定义,并优化了原有算法[1]。Li 等人提出了一种具有自适应能力的FPN[4],不但可以实现知识推理,同时具有类似神经网络的自我学习能力。 我们发现,现有的这些算法对于较简单的模型结构比较有效,当推理系统对应的FPN模型具有较复杂的结构时,则存在一定的问题,譬如: (1)一些从始发命题到结论命题的推理路径并未充分考虑,如文献[1]。 (2)不适合并行推理,如文献[1][3]。 (3)对于一些库所,即使在推理中得到了它们的令牌值(Token),但在后续过程中不能被涉及到,如文献[1]。 (4)在文献[4]中,当一个变迁被允许发生后,其输入库所全部被删除,这部分被删除掉的库所有可能包含了其它库所的输入库所,造成整个推理无法正常进行。 因此,文本在以往研究的基础上,提出一种更具有灵活性和适用性的基于模糊Petri网的顺向规则推理算法。 2 基于Petri网的模糊推理 一个模糊Petri网包含两种节点:库所(Place)和变迁(Transition)。有向弧可以从库所指向变迁或从变迁指向库所。在图形表示中,库所由圆形节点表示,变迁由方形节点表示。将FPN应用于规则系统中,每条规则表示为一个变迁,该规则的前提命题和结论命题则表示为该变迁的输入库所和输出库所。每个库所都有可能包含令牌值(Token)用来描述该库所对应的命题的可信度(Degree of Truth)。每个变迁对应一个确信因子(Certainty Factor,CF)用来表述对应规则的确信度。 实例一:假设有如下规则: 假如A is B,则C is D。 该规则包含一个前提命题和一个结论命题,命题d1,d2用对应的库所P1,P2表示,规则用变迁t1表示,则该规则可用如图1的FPN表述。 图1 基于实例一规则的FPN 根据文献[1]中的定义,一个基于规则系统的FPN可以被定义为一个六维量:FPN=(P,T,I,O,F,W)。 其中, P={P1,P2,...Pn}为有限的库所集合,对应命题; T={t1,t2,...tn}为有限的变迁集合,对应规则; I:T→P为映射变迁到其所有输入库所的输入方程; O:T→P为映射变迁到其所有输出库所的输出方程; F:T→[0,1]为映射变迁到其确信因子的方程; W:P→[0,1]为映射库所到其令牌指的方程。 如果一个变迁 满足条件:对于任何Ps∈I(ti),有W(Ps)≥λ,λ为介于0和1之间的阈值,则该变迁将被点燃(Fired),其输入库所的令牌值将被复制,并通过一定的点燃机制为该变迁的输出库所产生令牌值。 例如,根据FPN的定义,实例一中的规则可被规范化为FPN1=(P,T,I,O,F,W),其中P{P1,P2},T{t1},I(t1)={P1},O(t1)={P2},F(t1)=0.75,F(P1)=0.9,F(P2)=空。若令λ=0.5,则t1点燃,根据图2的点燃机制,可得到输出库所P2的令牌值为0.675。 当然,实际的规则不可能像实例一中那样简单,在其命题中有可能包含类似“与(AND)”或“或(OR)”连接符。我们将这样的组合式规则及其对应的模糊FPN结构归结为以下三种类型: 图2 实例一的FPN点燃结果 类型一:假如命题1(d1)与命题2(d2)与 …… 与命题m(dm)成立,则命题z(dz)成立,CF=μ。对应FPN结构及点燃机制如图3所示。 类型二:假如命题1(d1)成立,则命题a(da)与命题b(db)与 …… 与命题z(dz)成立,CF=μ。对应FPN结构及点燃机制如图4所示。 类型三:假如命题1(d1)或命题2(d2)或 …… 或命题m(dm)成立,则命题z(dz)成立,CF=μ。对应FPN结构及点燃机制如图5所示。 图3 类型一FPN结构和点燃机制 图4 类型二FPN结构和点燃机制 图5 类型三FPN结构和点燃机制 令pi,tk为FPN中的任一库所和变迁,如果Pi∈I(tk),则称Pi是tk的最近逆向库所(Nearest Backward Place,NBP),变迁tk所有的NBP的集合称为SNBP(tk)。如果Pi∈O(tk),则称Pi是 tk的最近前向库所(Nearest Forward Place,NFP),变迁tk所有的NFP的集合称为SNFP(tk)。若存在流关系,从变迁tk连向库所Pi,则称Pi为变迁tk的向前库所(Forward Place,FP),变迁tS所有的FP集合称为 SFP(tk)。 实例二:如图6所示的FPN结构中,每个变迁的SNBP,SNFP及SFP如表1所示。 图6 实例二中的FPN结构 表1 实例二中每个变迁的SNBP,SNFP及SFP 3 基于Petri网的前向推理优化算法 本节将给出一个优化的基于Petri网的前向推理算法。首先引入下面几个定义: 定义1 种子库所(Seed Place):对于一个FPN中的库所Pi,若不存在tk,使得Pi∈SNFP(tk),则Pi为种子库所。 在推理过程中,要求种子库所的令牌值是已知的或由用户给出。通常推理过程都是由种子库所开始,因此也被称为起始库所(Starting Place)。 定义2 目标库所(Goal Place):在一个FPN中我们通过流推理最终得到其令牌值的库所。 定义3 节点(Node):节点ni=(Pi,W(Pi)),其中W(Pi)是库所Pi的令牌值。 定义4 已知节点集(Known Node Set,KNS):若节点ni中的库所Pi的令牌值已知,则ni∈KNS。一个变迁点燃的前提条件是该变迁的SNBP能够在KNS中找到其对应的节点。 二、应对的策略 (一) 对面试人员进行培训 许多人认为,一个称职的面试人员是通过经验的积累而产生的。但是,在有经验的面试人员之间,对面试结果也常常会出现争议,突出表现了对面试结果的不一致性和主观性,而对面试人员进行培训是减少偏差的有效途径。 对面试人员的培训重点应放在:改善受训人员的提问技巧、面试的组织、提供支持、建立和谐的相互关系、倾听的技巧以及掌握相关资料的能力,各种实践手段、讨论、演示、反馈能力的培训。经过培训后,可以把这些差异限制在最低的程度,从而使偏见和误差出现的可能性降到最小。 (二) 对面试结果进行评估 面试结果的评估环节,在许多企业招聘中往往被忽视,没有引起足够的重视。对面试结果的评估,可以反映出考官评分的失常情况,面试中有无违反程序、主考官发挥失常等情况。评估工作是由专门人员(评分员)汇总考官组的评分与评价,通过面试汇总表来进行(见表2 )。 以“综合分析能力(W1)”为例,首先将7名考官的评分抄录在相应空格中,然后将最高分9.5填在“扣最高分”对应的空格中,同理将最低分8.0填在“扣最低分”对应的空格中,然后计算出另外5个得分的算术平均分,并将结果8.8填在“综合得分”对应的空格中。所有要素的综合得分都计算出来后,根据总分栏中的公式“W1×0.18+ W2×0.15+ W3×0.11+ W4×0.13+ W5×0.15+ W6×0.12+ W7×0.8+ W8×0.8”算出的加权和“86.75”即为该考生的最终得分。这一过程也可以通过编制好的计算机程序实现。 (三) 对面试人员进行专业分工 参与面试的人员包括:人力资源部的人员、用人部门的人员,有时还需要有顾问专家的加入。人力资源部的人员负责主持面试,控制时间,并负责某些问题的提问、考察和答疑,如工作期望、求职动机、薪资要求、用工政策、工作/学习经历等一般事项的考察;用人部门的人员负责技能、知识,工作经验等专业业务方面的考察;顾问专家则从专业的角度对应聘者进行特殊项目的考察。 这样的加权平均结果才能更准确地反映出结果的专业性、客观性、公正性。才能提高招聘工作的有效性,提高工作效率,降低人力资源工作的管理成本。 (四)对面试问题要善于进行 在招聘面试中,应聘者在回答问题时,往往会避重就轻、言过其实,为了获得客观、真实的信息,主考官要善于。一般使用STAR法。STAR是SITUATION(背景)、TASK(任务)、ACTION(行动)和RESULT(结果)四个方面。 首先要了解应聘者工作业绩取得的背景(SITUATION)。通过不断提问与工作业绩有关的背景问题,可以全面了解该应聘者取得优秀业绩的前提,从而获知所取得的业绩有多少是与应聘者个人有关,多少是和市场的状况、行业的特点有关。其次,要详细了解应聘者为了完成业务工作,都有哪些工作任务(TASK),每项任务的具体内容是什么样的。通过这些可以了解应聘者的工作经历和经验,以确定他所从事的工作与获得的经验是否适合现在所空缺的职位。第三,继续了解该应聘者为了完成这些任务所采取的行动(ACTION),即了解他是如何完成工作的,都采取了哪些行动,所采取的行动是如何帮助他完成工作的。通过这些,可以进一步了解他的工作方式、思维方式和行为方式。最后,才来关注结果(RESULT),每项任务在采取了行动之后的结果是什么,是好还是不好,好是因为什么,不好又是因为什么。 这样,通过STAR式发问的四个步骤,一步步将应聘者的陈述引向深入,一步步挖掘出应聘者潜在的信息,为企业更好的决策提供正确和全面的参考,既是对企业负责(招聘到合适的人才),也是对应聘者负责(帮助他尽可能地展现自我,推销自我),获得一个双赢的局面。 总之,只要企业人才招聘存在,面试就是不可或缺的环节。作为招聘的新技术、新方法的结构化面试,在企业招聘过程中还会遇到各种各样的问题,因此,对结构化面试关注和研究也将成为一个不衰的话题。 参考文献: 〔1〕 肖志东,李大为. 企业经营管理人才招聘面试考官评分问题研究〔J〕.哈尔滨工业大学学报(社会科学版),2003,5(1):62. 〔2〕 何非,顾磊,蔺益.企业人才测评中10大难题〔M〕.北京:机械工业出版社,2006:98. 〔3〕 李明君,招聘中结构化面试的设计与应用〔J〕.企业改革与管理, 2005(9):65. 〔4〕 宋长秀,陈洪震,赵进华.优化结构化面试〔J〕.职业,2006(8):30.