a simple chinese inference engine
my webpage http://user.qzone.qq.com/75926462/2
online demo : http://144.npulse.cn/tuiliji/index3.html http://144.npulse.cn/tuiliji/index2.html
在示例中： 有3部分。 事实部分根据大数据抽取，可以使用任何parser生成 可以信赖的n tuple 元组命题，例如：
青菜 是 绿色 白菜 属于 青菜 小象 可能是 大象 小象 属于 幼崽 河马 喜欢 大象 小刚 喜欢 打球 小刚 喜欢 刘翔 小刚 喜欢 林书豪 |0.7 小明 玩篮球 河马 特别 喜欢 洗澡
自然语言应用中需要处理的逻辑推理工作，抽象出来，用蕴含算子（见前几天日志）映射到一组新的关系函数。 。 "|0.7" 代表该事实/规则的概率是0.7,概率乘积为最后结论的概率
第二部分：规则，可以通过人工根据项目/业务需求人工定义，或者使用机器学习/统计算法生成。例如：
$a 是 绿色 && $b 属于 $a => $b 是 绿色 |0.9
$a 属于 $b && $b 是 颜色0.2 => $a 有 颜色
$c 可能是 $b && $c 属于 宠物0.3 => $b
$a 喜欢 $b && $c 可能是 $b && $c 属于 幼崽 => $c 可能是 $b
$a 喜欢 打球 && $a 喜欢 姚明0.1 && $a 喜欢 $b => $b 可能像 姚明
$a 打篮球0.02 => $a 是体育迷
$a $b $c $d => $d
符号“=>”表示”推理“，符号左边的模版，推理出右边的结论，前边的模版将匹配所有第一部分列出的所有事实。制定的实体、概念可以是模糊的。用”~“限定相似度。&&符号表示并列，即多个条件并列起来. "|0.9" 表示该规则概率为0.9，规则和事实的概率乘积决定结果概率
第三部分：机器生成的结论
白菜 是 绿色 |0.9 白菜 有 颜色 |1 小象 可能是 大象 |1 刘翔 可能像 姚明 |0.7 林书豪 可能像 姚明 |0.7 小明 是体育迷 |1 洗澡 |1
规则文件中的 "颜色~0.2" 意思是 事实中实体词距离 "颜色" 余弦距离大于0.2的所有词
在应用中 可以将结果经过格式化后输出到事实文件中，进行多次迭代推理
fmp/fmt的模糊推理都可以实现，即机器人可以做填空题，和判断题。