一种有意义的语意的表示方法和推理引擎方法与流程

1.本发明涉及自然语言处理和人工智能领域，具体地说，是一种有意义的语意的表示方法和推理引擎方法。


背景技术：

2.对自然语言的理解需要解构语意以及语意序列之间的逻辑关系。一个语意可以被描述为一个语意的序列，组成该序列的每个语意都与该序列所描述的语意相关，这些关系构成了语意之间相互关联的结构。对语意的理解产生于这一结构，对语意的描述依赖这一结构，对语意的推理以及生成新的语意需要以该结构为基础。在发明专利“一种语意的结构化表示方法与将一个语意序列识别为一个语意的方法”和发明专利“一种跨符号系统的语意和语意序列的编码方法”的申请中，公开了两种将每个语意描述为一个由语意组成的序列的一种语意表示、储存与识别的方法。基于这些方法提供的语意之间的逻辑结构，可能建立一种技术，该技术可按照自然语言的逻辑，基于已知的语意(或概念、或意念、或对世界的状态的认知；在本发明中这些词汇具有相同的含义，因而将它们统一称为语意)，推理得到新的语意。
3.语意的生成与逻辑相关。逻辑是思维的过程，也是语意产生的过程。经过长期的发展，逻辑学领域的研究发现了自然语言中存在多种形式的思维规律，其中，最为人们熟知的是命题逻辑。命题逻辑描述的是唯一一个系统中发生的事，这个系统有一些事件(原子命题集合)，这些事件可能发生或者不发生(非此即彼)。目前，命题逻辑的研究已非常深入，有实用的推理引擎，也能解决很多实际问题，特别是数学定理的证明问题。但是命题逻辑无法处理平行系统的情况，例如，以一个患者接受某种治疗并达到某个结局为一个系统，在一个平行系统中，患者治愈，患者治疗结束；而在另一个平行系统中，患者死亡，患者治疗结束。命题逻辑难以表述这样的平行系统事件，需要进行扩展。
4.一种命题逻辑的扩展称为模态逻辑，模态逻辑关注平行系统中的可能性与必然性。若使用符号“{box}”表示必然性，符号“{diamond}”表示可能性，则上述平行系统的状态对应“{diamond}患者治愈”、“{diamond}患者死亡”和“{box}患者治疗结束”。目前，对模态逻辑的研究仍以理论发展为主，缺乏实际的应用和实用的推理引擎。基于模态逻辑，理论研究进一步发展出了道义逻辑(用于处理“应该”、“允许”、“禁止”的推理)，时态逻辑(用于处理“将是”、“总是”、“曾是”的推理)，条件与相干逻辑(用于解决命题逻辑认为“若太阳从西方升起，1+1＝3”是真命题的问题)，次协调逻辑(允许同时断言一个陈述和它的否定，而不导致逻辑系统失效)和索引词(indexical)逻辑(用于解决平行系统中诸如“患者”之类的代词意义的推理)等。这些逻辑分支与基础的模态逻辑一样，仍以理论研究为主，缺乏实用的推理引擎。
5.而由于前述的各类非经典命题逻辑在人类的高级思维过程中是不可缺少的组成部分，目前尚缺乏一种统一、有效、规范的自然语言逻辑规律的表述形式，以及相应的推理引擎，能够实现与人类类似的高级逻辑推理能力。此外，目前的逻辑学研究主要关注判断一
个命题的正确性，其形式多为在一个预先已知的命题集中进行推演，在推演过程中不能产生新的命题；而产生新的命题却是人类思维过程中不可缺少的组成部分，目前尚缺乏基于已知命题推演有意义的新命题的通用技术。


技术实现要素：

6.为解决现有技术方案中的不足，本发明公开了是一种有意义的语意的表示方法和推理引擎方法，即一种语意和语意生成规则的表示方法，以及依据该表示方法进行语意理解与新语意生成的计算方法，具体技术方案如下：
7.本发明公开了一种有意义的语意的表示方法和推理引擎方法，将一个有意义的语意与其在全部有意义的语意所组成的网络结构中直接相邻的语意建立关联，通过这种关联关系表示这个有意义的语意；并基于这种表示方法，建立从一组有意义的语意出发，推理得到新的有意义的语意的推理方法。一个语意在网络中的相邻语意是这个语意有意义的证据，即这个语意的意义可循证；称通过这种表示方法表示的一个有意义的语意为一个循证语意；称从一组有意义的语意出发，推理得到新的有意义的语意的推理方法为循证推理方法；称由全部有意义的语意所组成的网络结构为循证语意网络。
8.作为进一步地改进，所述的循证语意网络表示如下的一种或几种循证语意之间的关联关系：
9.1)逻辑本质为“由
…
组成实质意义”的关联关系：这种关联关系为一种一对多的关联关系；循证推理方法使用这种关联关系。若使用一个数字标识符来表示一个循证语意，则一个循证语意的“由
…
组成实质意义”关系表示为一个标识符和一个标识符的集合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个大写字母或字母组合表示一个循证语意的数字标识符的集合；则由循证语意x、y、z共同组成循证语意a的实质意义可表示为(a，c)，其中集合c由元素x、y、z构成。将实质意义以该方式表示的循证语意称为推定语意；语意的实质意义的特征是可组成；一组特定的语意的实质意义可以组成另一个语意的实质意义，即语意的实质意义的本质是区别于偶然组合。
10.2)逻辑本质为“由
…
分别实质蕴含”的关联关系；这种关联关系为一种一对多的关联关系；循证推理方法使用这种关联关系。若使用一个数字标识符来表示一个循证语意，则一个循证语意的“由
…
分别实质蕴含”关系表示为一个标识符和一个标识符的集合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个大写字母或字母组合表示一个循证语意的数字标识符的集合；则循证语意t、u、v分别独立蕴含循证语意a的实质意义可表示为(a，s)，其中集合s由元素t、u、v构成。
11.3)逻辑本质为“是
…
形式类别的实例”的关联关系；这种关联关系为一种一对一的关联关系；循证推理方法使用这种关联关系。若使用一个数字标识符来表示一个循证语意，则一个循证语意的“是
…
形式类别的实例”关系可表示为一对标识符：用一个小写字母或字母组合表示一个循证语意的数字标识符；则循证语意a是循证语意d表示的形式类别的实例可表示为(a，d)。在以下的文档中，称d为a的范式语意；范式语意是代表一个语意的形式意义所属的类别的语意；语意的形式意义区别于其实质意义，语意的形式意义的本质是可分类，属于同一类别的一组语意的形式意义可由另一个语意的形式意义表示。
12.4)将推理引擎的计算载体中的反映真实存在的数据对象映射为特殊的已确定有
意义的循证语意；它们作为循证推理的基础参与推理的过程，为循证语意网络中的相邻语意提供有意义的证据；称这类直接对应推理引擎的计算载体中的数据对象的循证语意为物理语意。若使用一个数字标识符来表示一个循证语意，则一个循证语意的“对应推理引擎的计算载体中的反映真实存在的数据对象”关系表示为一个标识符和一个数据对象的组合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个斜体小写字母或字母组合表示一个推理引擎的计算载体中的数据对象；则推理引擎的计算载体中的数据对象e映射为物理语意a表示为(a，e)；这时，数据对象e表示了循证语意a的实质意义，是循证语意的实质意义的另一种表示或定义方法；将实质意义以该方式表示的循证语意称为物理语意。
13.作为进一步地改进，本发明将一个循证语意和进行循证推理所需的与该循证语意相关的各类关系统一表示为一个五元组，记为(id，paradigm，components，entity，sources)；其中，id为这一循证语意的标识符，表示该循证语意形式本质；paradigm为该循证语意的范式语意的标识符，为“是
…
形式类别的实例”的关联关系的表示；components集合由组成该循证语意的实质意义的一组循证语意的标识符构成，为表示该循证语意实质意义的一种形式；entity为一个推理引擎计算载体中的数据对象，为表示该循证语意实质意义的另一种形式；sources集合由已知分别实质蕴含该循证语意的一组循证语意的标识符构成，为“由
…
分别实质蕴含”的关联关系的表示。所有循证语意的五元组表示符合下述协同规则：
14.1)循证语意与其范式语意的关系不成环；
15.2)任意循证语意的标识符唯一性与其范式语意和实质意义的组合唯一性等价；
16.3)推定语意的范式语意表示其实质意义的形式类别。
17.作为进一步地改进，本发明所述的循证推理所依据的规则，表示为特定的范式语意之间的关系；在推理过程中，规则将应用于全部以这些特定范式语意为范式语意的循证语意；当新的循证语意经由循证推理产生时，与新产生的循证语意的范式语意相关的推理规则需重新计算，但可适当简化，略过必然产生相同循证语意的部分计算。
18.作为进一步地改进，本发明所述的推理引擎支持定义7类循证推理规则如下，7类循证推理规则分为4组，第1组一个，其余每组两个：
19.1)形式化规则：形式化规则表示特定的循证语意在特定的语境下，对应具有不同形式类别(即具有不同范式语意)的另一循证语意；
20.2)提炼/融合规则：提炼/融合规则表示一个推定语意等价地以一个整体的形式(即一个标识符的形式)或以一个表示其实质意义的循证语意集合的形式(即一组标识符的形式)参与组成另一个推定语意的实质意义；
21.3)组成/提取规则：组成/提取规则表示推定语意的components集合与其范式语意的components集合一起，对称地进行由多个循证语意组合而成一个循证语意或者从一个循证语意中提取另一个循证语意的操作；
22.4)集成/分解规则：集成/分解规则表示一个推定语意用来表示或指代一组具有特定特征且属于同一形式类别(即具有相同范式语意)的推定语意。
23.作为进一步地改进，本发明基于循证语意之间的实质蕴含关系追踪循证语意具有意义的证据：用户通过创建物理语意和指定特定的推定语意具有意义来提供基础的具有意
义的循证语意；将推理引擎成功应用一次推理规则的事件表示为一个循证语意，则该循证语意实质蕴含推理所得的结果循证语意。
24.作为进一步地改进，本发明中，用户指定循证语意的筛选条件作为问题，推理引擎采用问题驱动的方式，仅生成满足筛选条件的循证语意以及与这些循证语意直接或间接相关的循证语意。
25.本发明的有益效果：
26.1.本发明将语意的“有意义”特性区分为语意的“形式意义”存在和“实质意义”存在，并参照物理对象的“形式”与“实质”特性表述语意的推理规则；因此能够从更底层和基础的水平，推理得到新的有意义的语意，并实现对有意义的语意之间的意义关联进行全面地表示。
27.2.本发明公开的技术方案可实现基于自然语言录入推理规则，并可表示全部的已知的逻辑形式，是一种全能型的人工智能推理系统；基于这一技术方案可以实现类似自然语言交流的智能系统向人类专家学习的过程，是实现自然语言理解和生成的一项使能技术。
28.3.本发明公开的技术方案可实现以特定问题为导向的推理(即循证)；以问题为导向的循证推理可优化计算和储存资源的使用，将其集中于特定目标；在本发明的技术基础上，可以实现对问题相关的语意(即事实数据)的按需获取，并在提出数据需求时说明数据的使用目的(即问题)；这一事实数据的按需获取计算模式可发展为一种新型的互联网敏感或隐私数据的使用方案。
29.4.本发明公开的技术方案是一个对于语意(命题)而言的开放推理技术，这一推理技术可以生成新的语意(命题)，而不仅仅是针对一个预先定义的集合中的语意(命题)进行“是否正确”的推理；这一技术拓展了现有人工智能推理系统仅能“证明命题对错”的能力，成为一种能够“使用语言沟通”的人工智能推理系统。
30.5.本发明公开的有意义的语意的表示方法普适于所有已知逻辑形式的推理过程，因此其也是一种普适于所有已知逻辑形式的学习过程的语意表示方法，基于这一语意表示方法可以发展出全能型的人工智能学习系统；全能型的人工智能学习系统与本发明的全能型人工智能推理系统结合，并结合推理专家知识库的构建，可以实现类人人工智能的目标。
附图说明
31.图1是循证推理过程示例图(用户输入的循证语意)；
32.图2是循证推理过程示例图(用户输入的和推理所得的主要循证语意)。
具体实施方式
33.下述本发明的技术方案的实现方法具有示例性，旨在解释本发明，而不能理解为对本发明的限制。参照本发明公开的技术方案设计的具体方法实现的软件或硬件系统，均应认为是本发明的保护范围。
34.本发明公开了一种有意义的语意的表示方法和推理引擎方法，将一个循证语意和进行循证推理所需的与该循证语意相关的各类关系统一表示为一个五元组，记为(id，paradigm，components，entity，sources)；其中，id为这一循证语意的标识符，表示该循证
语意形式本质；paradigm为该循证语意的范式语意的标识符，为“是
…
形式类别的实例”的关联关系的表示；components集合由组成该循证语意的实质意义的一组循证语意的标识符构成，为表示该循证语意实质意义的一种形式；entity为一个推理引擎计算载体中的数据对象，为表示该循证语意实质意义的另一种形式；sources集合由已知分别实质蕴含该循证语意的一组循证语意的标识符构成，为“由
…
分别实质蕴含”的关联关系的表示。所有循证语意的五元组表示符合下述协同规则：
35.1)循证语意与其范式语意的关系不成环。一种实现方法是：设计规则保证循证语意与其范式语意的关系传递指向同一循证语意。在表示一个循证语意的五元组中包含代表其自身的所有循证语意中唯一的标识符id和代表其范式语意的标识符paradigm。推理引擎设定存在一个特殊循证语意来表示“范式语意”这一循证语意的形式类别，记其代码为p，并实现以下规则：物理语意可以直接使用p作为paradigm；当一个循证语意的components集合中仅包含paradigm为p的循证语意标识符时，这一循证语意的paradigm为p；确保从任意推定语意出发，连续取得当前推定语意的范式语意作为下一步的当前推定语意，最终必得到循证语意p。
36.2)任意循证语意的标识符唯一性与其范式语意和实质意义的组合唯一性等价。一种实现方法是：物理语意的paradigm与entity的组合在所有的物理语意中唯一，并一一对应在所有循证语意中唯一的标识符id；推定语意的paradigm与components的组合在所有推定语意中唯一，并一一对应在所有循证语意中唯一的标识符id。
37.3)推定语意的范式语意表示其实质意义的形式类别。一种实现方法是：记一个推定语意为x，其范式语意为t，若t为推定语意，则x必为推定语意；记x的components集合由n个标识符cx1…
cxn构成，则t的components集合由循证语意cx1…
cxn的范式语意的标识符(共n个)构成。本协同规则的意义可理解为：x的语意实质是一个非偶然的循证语意组合，即其components集合，该集合的组成方式由t指定(需要在t的components集合中的每个标识符所代表的形式类别所包含的语意中，指定一个组成x；这时，t作为x的形式类别，进一步指定了参与组成x的实质意义的循证语意的非偶然性)。
38.在上述表示循证语意的技术方案的基础上，循证推理所依据的规则表示为特定的范式语意之间的关系；在推理过程中，规则将应用于全部以这些特定范式语意为范式语意的循证语意；当新的循证语意经由循证推理产生时，与新产生的循证语意的范式语意相关的推理规则需重新计算，但可适当简化，略过必然产生相同循证语意的部分计算。
39.推理引擎支持定义7类循证推理规则，分为4组(第一组一个，其余每组两个)，如下：
40.1)形式化规则：形式化规则表示特定的循证语意在特定的语境下，对应具有不同形式类别(即具有不同范式语意)的另一循证语意。
41.一种指定形式化规则的方法是，在指定时，指定一对范式语意，记为(g，h)，g和h均为推定语意，它们的components集合包含相同数量的标识符，对g和h的components集合中不同的标识符，需要指明其一一对应关系。记g的components集合包含(e+d)个标识符，其中e个标识符(记为tgh1…
tghe)也是h的components集合所包含的标识符；其余d个标识符(记为tg1…
tgd)与h的components集中包含但g的components集中不包含的标识符(记为th1…
thd)一一对应。
42.若x是一个范式语意为g的循证语意，则x的components集合必包含(e+d)个标识符，记为cx
tgh1
…
cx
tghe
和cx
tg1
…
cx
tgd
，其中循证语意cx
tgh1
…
cx
tghe
的范式语意分别是tgh1…
tghe，循证语意cx
tg1
…
cx
tgd
的范式语意分别是tg1…
tgd。对于每个范式语意为g的循证语意x，形式化规则(g，h)适用，并推理得到：
43.i)一组循证语意cy
th1
…
cy
thd
，这组循证语意为推定语意，其范式语意分别是th1…
thd，其components集合分别等于cx
tg1
…
cx
tgd
的components集合；
44.ii)一个循证语意y，其范式语意为h，其components集合由循证语意cx
tgh1
…
cx
tghe
和cy
th1
…
cy
thd
的标识符构成。这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，循证语意cx
tg1
…
cx
tgd
分别被理解为循证语意cy
th1
…
cy
thd
，循证语意x被理解为循证语意y。
45.2)提炼/融合规则：提炼/融合规则表示一个推定语意等价地以一个整体的形式(即一个标识符的形式)或以一个表示其实质意义的循证语意集合的形式(即一组标识符的形式)参与组成另一个推定语意的实质意义。
46.一种指定提炼/融合规则的方法是，提炼/融合规则成对指定，在指定时，指定一对范式语意，记为(g，h)，g和h均为推定语意，h的components集合的元素数量小于g的components集合的元素数量。记h的components集合包含(e+d)个标识符，其中e个标识符(记为tgh1…
tghe)也是g的components集合所包含的标识符；其余d个标识符(记为th1…
thd)不在g的components集合中。这时，循证语意th1…
thd必为推定语意，且它们的components集合中的元素与tgh1…
tghe一起构成一个集合，该集合与g的components集合相同。
47.对每个范式语意为g的循证语意x，提炼规则(g，h)适用，并推理得到：
48.i)一组循证语意cy
th1
…
cy
thd
，这组循证语意为推定语意，其范式语意分别是th1…
thd，它们的components集合为x的components集合的子集，cy
th1
…
cy
thd
中的每一个循证语意的components集合中的标识符代表的循证语意的范式语意标识符分别构成th1…
thd的components集合；
49.ii)一个循证语意y，其范式语意为h，其components集合由循证语意cx
tgh1
…
cx
tghe
和cy
th1
…
cy
thd
的标识符构成。这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，部分直接组成x的实质意义的循证语意先组成可以代表它们的循证语意，然后由这些可以代表它们的循证语意与剩余的组成x的实质意义的循证语意组合，可以得到一个实质意义等价于x的循证语意。
50.融合规则是提炼规则的逆运算。若y是一个范式语意为h的循证语意，则y的components集合必包含(e+d)个标识符，记为cy
tgh1
…
cy
tghe
和cy
th1
…
cy
thd
，其中循证语意cy
tgh1
…
cy
tghe
的范式语意分别是tgh1…
tghe，循证语意cy
th1
…
cy
thd
的范式语意分别是th1…
thd；这时，循证语意cy
th1
…
cy
thd
的components集合必不为空。对每个范式语意为h的循证语意y，融合规则(g，h)适用，并推理得到一个循证语意x，其范式语意为g，其components集合由标识符cy
tgh1
…
cy
tghe
和循证语意cy
th1
…
cy
thd
的components集合中的元素组成。这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，部分直接组成y的实质意义的循证语意是由多个循证语意组成的推定语意，将组成这些推定语意的实质意义的循证语意集合展开后合并，再与其他组成y的实质意义的循证语意合并，可以得到一个实质意义等
价于y的循证语意。
51.3)组成/提取规则：组成/提取规则表示推定语意的components集合与其范式语意的components集合一起，对称地进行由多个循证语意组合而成一个循证语意或者从一个循证语意中提取另一个循证语意的操作。
52.一种指定组成规则的方法是，指定一个范式语意的集合和一个范式语意，记为(g，h)，集合g中包含n个元素g1…gn
，h和g1…gn
均为推定语意，且g1…gn
的components集合的并集等于h的components集合。对任意一组范式语意为g1…gn
的循证语意x
g1
…
x
gn
，若x
g1
…
x
gn
的components集合的并集所代表的循证语意集合中不存在范式语意相同的不同循证语意，则组成规则(g，h)适用，并推理得到一个循证语意y，其范式语意为h，其components集合为循证语意x
g1
…
x
gn
的components集合的并集。这一推理过程实现了：在循证语意的形式类别结构(g，h)指定的语境下，组成循证语意x
g1
…
x
gn
的实质意义的循证语意可以进一步组合而成一个具有更为丰富的实质意义的循证语意。
53.一种指定提取规则的方法是，指定一对范式语意，记为(g，h)，g和h均为推定语意，且g的components集合为h的components集合的子集。记h的components集合含(e+d)个标识符，其中e个标识符(记为tgh1…
tghe)也是g的components集合所包含的标识符。若y是一个范式语意为h的循证语意，则y的components集合必包含(e+d)个标识符，记为cy
tgh1
…
cy
tghe
和cy
th1
…
cy
thd
，其中循证语意cy
tgh1
…
cy
tghe
的范式语意分别是tgh1…
tghe，循证语意cy
th1
…
cy
thd
的范式语意分别是th1…
thd。对任意一个范式语意为h的循证语意y，提取规则(g，h)适用，并推理得到一个循证语意x，其范式语意为g，其components集合由cy
tgh1
…
cy
tghe
构成。这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，组成循证语意y的实质意义的循证语意可以去除一部分后组成一个具有更为简略的实质意义的循证语意。
54.4)集成/分解规则：集成/分解规则表示一个推定语意用来表示或指代一组具有特定特征且属于同一形式类别(即具有相同范式语意)的推定语意。
55.一种指定集成/分解规则的方法是，集成/分解规则成对指定，在指定时，指定一对范式语意，记为(g，h)，g和h均为推定语意，它们的components集合包含相同数量的标识符且仅有一个标识符不同，记g和h的components集合中共同的标识符为tgh1…
tghe(这部分标识符指定了以g为范式语意的循证语意的特征)，g的components集合中特有的标识符为tg1，h的components集合中特有的标识符为th1。
56.若x是一个范式语意为g的循证语意，则x的components集合必包含(e+1)个标识符，记为cx
tgh1
…
cx
tghe
和cx
tg1
，其中循证语意cx
tgh1
…
cx
tghe
的范式语意分别是tgh1…
tghe，循证语意cx
tg1
的范式语意是tg1；循证语意cx
tgh1
…
cx
tghe
构成循证语意x的特征，这一特征记为fx(即fx是一个由cx
tgh1
…
cx
tghe
组成的集合)；记所有范式语意为g的循证语意为x1…
xn，则它们的特征为fx1…
fxn。对由循证语意x1…
xn组成的集合，集成规则(g，h)适用，并且当该集合的元素发生增加或减少时，集成规则需重新计算，并作废上次计算的结果。不同的x的特征可能相同，设fx1…
fxn中存在k个不同的特征，记为uf1…
ufk，记其中的一个为ufi；按特征将x1…
xn分组，并用每个x的components集合中的非特征元素cx
tg1
代表这个x，可得每个ufi对应的一组x的简化表示，记为ufl1…
uflk(ufl1…
uflk为集合，元素为特征相符的x的components集合中的cx
tg1
标识符)，记其中的一个为ufli。集成规则(g，h)推理得到：
57.i)k个物理语意cufl1…
cuflk，记其中的一个为cufli，其范式语意为th1，其entity
为推理引擎的计算载体中表示集合ufli的数据对象；
58.ii)k个推定语意y1…
yk，记其中一个为yi，yi的范式语意为h，其components集合为组成特征ufi的循证语意的标识符集合补充cufli所得的标识符集合。
59.这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，全部范式语意为g并且具有相同特征的循证语意形成的集合与一个范式语意为h的循证语意一一对应，且该范式语意为h的循证语意的实质意义等价于其对应的范式语意为g的循证语意的集合。
60.分解规则是集成规则的逆运算。若y是一个范式语意为h的循证语意，则y的components集合必包含(e+1)个标识符，记为cy
tgh1
…
cy
tghe
和cy
th1
，其中循证语意cy
tgh1
…
cy
tghe
的范式语意分别是tgh1…
tghe，循证语意cy
th1
的范式语意是th1；这时，循证语意cy
th1
必为物理语意，其entity是一个推理引擎的计算载体中表示一个标识符列表的数据对象，其列表中的标识符必代表范式语意为tg1的循证语意，记列表中的标识符为cy
tg11
…
cy
tg1m
，记其中一个为cy
tg1i
。对于每个范式语意为h的循证语意y，分解规则(g，h)适用，并推理得到一组循证语意x1…
xm，记其中一个为xi，其范式语意为g，其components集合由cy
tgh1
…
cy
tghe
和cy
tg1i
构成。这一推理过程实现了：在循证语意的形式类别组合(g，h)指定的语境下，一个范式语意为h的循证语意真实存在，表示其对应的一组范式语意为g且具有特定特征的循证语意真实存在。
61.在上述循证推理规则的实现方案的基础上，基于循证语意之间的实质蕴含关系追踪循证语意具有意义的证据：用户通过创建物理语意和指定特定的推定语意具有意义来提供基础的具有意义的循证语意；将推理引擎成功应用一次推理规则的事件表示为一个循证语意，则该循证语意实质蕴含推理所得的结果循证语意。
62.一种追踪循证语意的真实存在性的证据的方法是，将一次循证推理规则的成功应用映射为一个物理语意，则该物理语意实质蕴含由该次循证推理规则的应用得到的全部循证语意；如得到的循证语意为新循证语意，则新循证语意的sources集合为仅包含代表推理规则成功应用的物理语意的单元素集合，如得到的循证语意在前述的唯一性原则下为推理引擎已知的循证语意，则在已知的循证语意的sources集合中添加代表推理规则成功应用的物理语意；如一个循证语意的sources集合为空或sources集合中的每个元素都没有完整的真实存在性的证据，则该循证语意不具备真实存在性的证据，应被推理引擎删除。
63.在上述方法中，已知的循证推理规则由物理语意代表，使用一个特殊循证语意作为代表已知推理规则的循证语意的范式语意，记其代码为operator。在此基础上，使用一个特殊的循证语意作为代表推理规则成功应用的物理语意的范式语意，记其代码为source。代表推理规则成功应用的物理语意的entity为一个循证语意标识符集合的数据对象，其中有一个循证语意标识符代表循证推理规则，另有一个或多个循证语意标识符代表循证推理规则的应用对象。在此基础上，使用一个特殊循证语意代表“用户指定循证语意真实存在”，记其代码为exist；范式语意不为source的物理语意的sources集合为由exist构成的单元素集，表示非source类的物理语意(含代表循证推理规则的物理语意)的真实存在性由用户指定；部分推定语意的sources集合包含exist，这部分推定语意为用户指定真实存在的循证语意，它们是应用循证推理规则得到其它推定语意的基础。在此基础上，用户通过创建新的sources集合包含exist的循证语意或者对已知的循证语意的sources集合添加/删除
exist元素，来新增或撤销用户认为真实存在的语意，推理引擎在此基础上应用推理规则得到用户指定的真实存在的所有循证语意作为一个整体所实质蕴含的其它循证语意。
64.在上述方法中，推理引擎采用如下方式追踪循证语意的真实存在性。对于范式语意不为source的循证语意，当其sources集合中的元素发生减少时，推理引擎启动对该循证语意的真实存在性检查：若其sources集合为空，则该循证语意不具真实存在性，应予删除；若其sources集合不为空且包含exist，则该循证语意的真实存在性被确认，应予保留；若其sources集合不为空且不包含exist，则检查其sources集合中每个标识符代表的循证语意的真实存在性，如其中任意一个的真实存在性被确认，则该循证语意的真实存在性被确认，应予保留，如果所有sources集合中的标识符代表的循证语意的真实存在性均无法被确认，则该循证语意不具真实存在性，应予删除。对于范式语意为source的物理语意，其entity数据对象储存了一对循证语意的标识符，如这一对循证语意中的任意一个的真实存在性经过检查无法被确认，则该范式语意为source的物理语意不具真实存在性，应予删除。当一个循证语意被删除时，同时如果该循证语意的标识符在其它循证语意的sources集合中出现则删除该sources集合中的该循证语意的标识符，并且删除范式语意为source且entity数据对象储存了该循证语意的标识符的物理语意。按照上述规则，删除操作可能触发新的删除操作或触发对循证语意真实存在性的检查。
65.在上述推理引擎工作方式的基础上，允许用户指定循证语意的筛选条件作为问题，推理引擎采用问题驱动的方式，仅生成满足筛选条件的循证语意以及与这些循证语意直接或间接相关的循证语意。
66.一种指定循证语意的筛选条件(即问题)的方法是，将一个问题表示为一个循证语意的结构(p，map)，该问题的p部分是一个范式语意，表示需要得到范式语意为p的循证语意，这时，p必为一个推定语意，记p的components集合包含标识符cp1…
cpn，记其中一个为cpi；该问题的map部分为一个从标识符到标识符集合的映射，该映射的键(key)为cp1…
cpn，与键cpi对应的值为一个具有范式语意为cpi的循证语意的标识符集合，记为cpvi，表示对需要得到的循证语意的components集合中的范式语意为cpi的循证语意的标识符存在筛选条件，该标识符必须是集合cpvi的元素；集合cpvi可以为空集，当cpvi为空集时，表示不对需要得到的循证语意的components集合中的范式语意为cpi的循证语意的标识符进行筛选，允许所有范式语意为cpi的循证语意参与组成需要得到的循证语意的实质意义。
67.推理引擎依据包括由用户直接提出的问题在内的已知问题，提出相关问题，直到不再有新的问题可被提出。在前述的循证推理规则的指定方法中，循证推理规则的基本形式是依据一个或一组具有特定范式语意的循证语意(以下简称来源语意)，推理得到一个或一组具有特定范式语意的循证语意(以下简称结果语意)；所有循证推理规则的来源语意的范式语意均为推定语意，所有循证推理规则的结果语意中必然包含范式语意为推定语意的结果语意；一个循证推理规则的结果语意的范式语意为推定语意时，其components集合中的元素与该推理规则的来源语意的范式语意的components集合中的元素可能存在交集。记一个循证推理规则为o，该规则的结果语意中包含范式语意为r的循证语意，该规则的来源语意的范式语意为so1…
sok，记其中一个为soi。如果存在一个已知问题，记为q，若q的p部分等于r，则该已知问题q存在k个相关问题，记为sq1…
sqk，记其中一个为sqi。sqi的p部分为soi；sqi的map部分的键包括soi的components集合中的标识符，如sqi的map部分的一个键也
同时是q的map部分的一个键，则该健在sqi的map部分对应的值等于该健在q的map部分对应的值。以上相关问题的生成方法可理解为，为通过循证推理规则o生成符合问题q约束的循证语意，需要提出相关问题，以获得全部的可能生成符合约束的结果语意的来源语意。
68.基于上述的相关问题计算方法，推理引擎仅执行可能生成符合已知问题约束的循证语意的循证推理规则(即要求推理规则的结果语意的范式语意可能等于某个已知问题的p部分)，并在循证推理规则的执行中，仅生成(仅记录)符合已知问题约束的循证语意以及组成这些循证语意的实质意义所必须的循证语意(即这些符合问题约束的循证语意的components集合中的元素)。使用问题驱动的推理引擎工作方式，可以将计算和储存资源集中导向特定的推理目标，有助于高效完成复杂的推理任务。
69.下面结合说明书附图，通过具体实施例对本发明的技术方案作进一步地说明：
70.具体实施案例
71.现有关于病历号12345这名患者的指标数据，他的身高为170，体重为110；已知pmid为36547的这篇文献记录的队列共有两个入组条件信息，分别为：1、身高等于170；2、体重等于110。在已知上述信息的条件下，判断病历号12345这名患者满足文献中的哪些入组条件。
72.在下面详细描述中，使用如下符号：
73.()表示一个循证语意的五元组表示形式；
74.[]表示一个集合；
[0075]
《》表示由一组循证语意组合而成一个循证语意的实质意义；
[0076]
{}表示一个循证语意的方便人类理解的直观的字符串表示；
[0077]-》表示一个映射关系，左边为一个循证语意标识符，右边为一个循证语意标识符的集合；
[0078]
null表示空数据对象；
[0079]
“”
表示一个推理引擎计算载体中的数据对象；
[0080]
？表示信息缺失，需要经由推理得到。
[0081]
在下面详细描述中，使用如下预定义的标识符表示特殊的循证语意：
[0082]
1)使用代码1表示“用户指定循证语意真实存在”(即前述的“exist”)；
[0083]
2)使用代码40表示“范式语意”(即前述的“p”)；
[0084]
3)使用代码41表示“循证语意的筛选条件”(即前述的“问题”)；
[0085]
4)使用代码51表示“推理规则成功应用的物理语意的范式语意”(即前述的“source”)。
[0086]
5)使用代码42表示“表示已知推理规则的循证语意的范式语意”(即前述的“operator”)；
[0087]
6)使用代码101表示“提炼规则”；使用代码102表示“融合规则”；使用代码103表示“形式化规则”；使用代码104表示“提取规则”；使用代码105表示“组成规则”；使用代码106表示“分解规则”；使用代码107表示“集成规则”。
[0088]
具体步骤：
[0089]
用户首先通过如下步骤录入语意的范式结构：
[0090]
1)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号
(208)，在数据库中对应五元组(208，40，[]，“病历号”，[1])，可直观理解为{病历号}。
[0091]
2)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(211)，在数据库中对应五元组(211，40，[]，“指标”，[1])，可直观理解为{指标}。
[0092]
3)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(214)，在数据库中对应五元组(214，40，[]，“值”，[1])，可直观理解为{值}。
[0093]
4)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(217)，在数据库中对应五元组(217，40，[]，“参数”，[1])，可直观理解为{参数}。
[0094]
5)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(220)，在数据库中对应五元组(220，40，[]，“条件集”，[1])，可直观理解为{条件集}。
[0095]
6)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(223)，在数据库中对应五元组(223，40，[]，“条件”，[1])，可直观理解为{条件}。
[0096]
7)创建一个物理语意，其范式为“范式语意”，其标识符为一个随机唯一编号(226)，在数据库中对应五元组(226，40，[]，“判断”，[1])，可直观理解为{判断}。
[0097]
8)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(228)，在数据库中对应五元组(228，40，[208，211，214]，null，[1])，可直观理解为{病历号，指标，值}。
[0098]
9)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(230)，在数据库中对应五元组(230，40，[211，214]，null，[1])，可直观理解为{指标，值}。
[0099]
10)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(232)，在数据库中对应五元组(232，40，[208，230]，null，[1])，可直观理解为{病历号，《指标，值》}。
[0100]
11)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(234)，在数据库中对应五元组(234，40，[208，217]，null，[1])，可直观理解为{病历号，参数}。
[0101]
12)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(236)，在数据库中对应五元组(236，40，[211，214，223，226]，null，[1])，可直观理解为{条件，指标，值，判断}。
[0102]
13)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(238)，在数据库中对应五元组(238，40，[223，226，230]，null，[1])，可直观理解为{条件，《指标，值》，判断}。
[0103]
14)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(240)，在数据库中对应五元组(240，40，[217，223，226]，null，[1])，可直观理解为{条件，参数，判断}。
[0104]
15)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(242)，在数据库中对应五元组(242，40，[208，217，223，226]，null，[1])，可直观理解为{病历号，条件，参数，判断}。
[0105]
16)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(244)，在数据库中对应五元组(244，40，[208，223，226]，null，[1])，可直观理解为{病历号，条件，判断}。
[0106]
17)创建一个循证语意，组成其实质意义的循证语意的范式语意均为“范式语意”，因此其自身的范式语意也为“范式语意”，其标识符为一个随机唯一编号(246)，在数据库中对应五元组(246，40，[208，220，226]，null，[1])，可直观理解为{病历号，条件集，判断}。
[0107]
用户接着通过如下步骤录入循证推理规则：
[0108]
18)创建一个提炼规则(228，232)，其标识符为一个随机唯一编号(248)，在数据库中对应五元组(248，42，[]，“101(228，232)”，[1])，该规则可直观理解为：{病历号，指标，值}可以提炼为{病历号，《指标，值》}。
[0109]
19)创建一个形式化规则(232，234)，其标识符为一个随机唯一编号(251)，在数据库中对应五元组(251，42，[]，“103(232，234)”，[1])，该规则可直观理解为：{病历号，《指标，值》}可以理解为{病历号，参数}。
[0110]
20)创建一个提炼规则(236，238)，其标识符为一个随机唯一编号(254)，在数据库中对应五元组(254，42，[]，“101(236，238)”，[1])，该规则可直观理解为：{条件，指标，值，判断}可以提炼为{条件，《指标，值》，判断}。
[0111]
21)创建一个形式化规则(238，240)，其标识符为一个随机唯一编号(257)，在数据库中对应五元组(257，42，[]，“103(238，240)”，[1])，该规则可直观理解为：{条件，《指标，值》，判断}可以理解为{条件，参数，判断}。
[0112]
22)创建一个组成规则([234，240]，242)，其标识符为一个随机唯一编号(259)，在数据库中对应五元组(259，42，[]，“105([234，240]，242)”，[1])，该规则可直观理解为：{病历号，参数}和{条件，参数，判断}可以进一步组合而成为一个具有更为丰富的实质意义的循证语意{病历号，条件，参数，判断}。
[0113]
23)创建一个提取规则(244，242)，其标识符为一个随机唯一编号(261)，在数据库中对应五元组(261，42，[]，“104(244，242)”，[1])，该规则可直观理解为：从{病历号，条件，参数，判断}中提取得到另一个循证语意{病历号，条件，判断}。
[0114]
24)创建一个集成规则(244，246)，其标识符为一个随机唯一编号(263)，在数据库中对应五元组(263，42，[]，“107(244，246)”，[1])，该规则可直观理解为：{病历号，条件集，判断}可以用来指代一组具有特定特征的循证语意{病历号，条件，判断}下的实例。
[0115]
用户接着通过如下步骤录入问题：
[0116]
25)以具有(p，map)结构的数据对象创建一个物理语意，其标识符为一个随机唯一编号(293)，其范式语意为“问题”，数据对象中的p为246(该循证语意可直观理解为{病历号，条件集，判断})，map为键值对集[208-》[269]](该键值对集可直观理解为{[病历号-》[12345]]})，在数据库中对应五元组(293，41，[]，“246，[208-》[269]]”，[1])，该问题可直观理解为{12345，？，？}。
[0117]
用户接着通过如下步骤录入实例：
[0118]
26)创建一个循证语意代表一个病例号的实例，其标识符为一个随机唯一编号(269)，在数据库中对应五元组(269，208，[]，“12345”，[1])，可直观理解为{12345}。
[0119]
27)创建一个循证语意代表一个指标的实例，其标识符为一个随机唯一编号
(270)，在数据库中对应五元组(270，211，[]，“身高”，[1])，可直观理解为{身高}。
[0120]
28)创建一个循证语意代表一个值的实例，其标识符为一个随机唯一编号(271)，在数据库中对应五元组(271，214，[]，170，[1])，可直观理解为{170}。
[0121]
29)创建一个循证语意代表一个指标的实例，其标识符为一个随机唯一编号(276)，在数据库中对应五元组(276，211，[]，“体重”，[1])，可直观理解为{体重}。
[0122]
30)创建一个循证语意代表一个值的实例，其标识符为一个随机唯一编号(277)，在数据库中对应五元组(277，214，[]，“110”，[1])，可直观理解为{110}。
[0123]
31)创建一个循证语意代表一个条件的实例，其标识符为一个随机唯一编号(282)，在数据库中对应五元组(282，223，[]，“pmid36547入组条件1”，[1])，可直观理解为{pmid36547入组条件1}。
[0124]
32)创建一个循证语意代表一个判断的实例，其标识符为一个随机唯一编号(283)，在数据库中对应五元组(283，226，[]，“满足”，[1])，可直观理解为{满足}。
[0125]
33)创建一个循证语意代表一个条件的实例，其标识符为一个随机唯一编号(287)，在数据库中对应五元组(287，223，[]，“pmid36547入组条件2”，[1])，可直观理解为{pmid36547入组条件2}。
[0126]
34)创建一个循证语意代表一个{病历号，指标，值}的实例，其标识符为一个随机唯一编号(273)，在数据库中对应五元组(273，228，[269，270，271]，null，[1])，可直观理解为{12345，身高，170}。
[0127]
35)创建一个循证语意代表一个{病历号，指标，值}的实例，其标识符为一个随机唯一编号(279)，在数据库中对应五元组(279，228，[269，276，277]，null，[1])，可直观理解为{12345，体重，110}。
[0128]
36)创建一个循证语意代表一个{条件，指标，值，判断}的实例，其标识符为一个随机唯一编号(285)，在数据库中对应五元组(285，236，[270，271，282，283]，null，[1])，可直观理解为{身高，170，pmid36547入组条件1，满足}。
[0129]
37)创建一个循证语意代表一个{条件，指标，值，判断}的实例，其标识符为一个随机唯一编号(289)，在数据库中对应五元组(289，236，[276，277，287，283]，null，[1])，可直观理解为{体重，110，pmid36547入组条件2，满足}。
[0130]
这时，数据库中获得如图1所示的结构；图1是循证推理过程示例图(用户输入的循证语意)；在此基础上，推理引擎依据用户录入的问题，由问题和规则推理问题：
[0131]
38)推理引擎依据问题293和循证推理规则263，提出相关问题297；相关问题297的sources集合中包含循证语意296，具体如下：
[0132]
a)问题293的五元组形式为(293，41，[]，“246，[208-》[269]]”，[1])，可直观理解为{12345，？，？}；
[0133]
b)循证推理规则263为集成规则(244，246)，其五元组形式为(263，42，[]，“107(244，246)”，[1])，可直观理解为：{病历号，条件集，判断}可以用来指代一组具有特定特征的循证语意{病历号，条件，判断}下的实例；
[0134]
c)循证语意296的五元组形式为(296，51，[]，“[263，293]”，[1])，可直观理解为：循证语意296表示循证推理规则263成功应用于问题293；
[0135]
d)问题297的五元组形式为(297，41，[]，“244，[208-》[269]]”，[296])，可直观理
解为{12345，？，？}。
[0136]
39)推理引擎依据问题297和循证推理规则261，提出相关问题300；相关问题300的sources集合中包含循证语意299，具体如下：
[0137]
a)问题297的五元组形式为(297，41，[]，“244，[208-》[269]]”，[296])，可直观理解为{12345，？，？}；
[0138]
b)循证推理规则261为提取规则(244，242)，其五元组形式为(261，42，[]，“104(244，242)”，[1])，可直观理解为：从{病历号，条件，参数，判断}中提取得到另一个循证语意{病历号，条件，判断}；
[0139]
c)循证语意299的五元组形式为(299，51，[]，“[261，297]”，[1])，可直观理解为：循证语意299表示循证推理规则261成功应用于问题297；
[0140]
d)问题300的五元组形式为(300，41，[]，“242，[208-》[269]]”，[299])，可直观理解为{12345，？，？，？}；
[0141]
40)推理引擎依据问题300和循证推理规则259，提出相关问题305和相关问题306，二者的sources集合中均包含循证语意303，具体如下：
[0142]
a)问题300的五元组形式为(300，41，[]，“242，[208-》[269]]”，[299])，可直观理解为{12345，？，？，？}；
[0143]
b)循证推理规则259为组成规则([234，240]，242)，其五元组形式为(259，42，[]，“105([234，240]，242)”，[1])，可直观理解为：{病历号，参数}和{条件，参数，判断}可以进一步组合而成为一个具有更为丰富的实质意义的循证语意{病历号，条件，参数，判断}；
[0144]
c)循证语意303的五元组形式为(303，51，[]，“[259，300]”，[1])，可直观理解为：循证语意303表示循证推理规则259成功应用于问题300；
[0145]
d)问题305的五元组形式为(305，41，[]，“240，[]”，[303])，可直观理解为{？，？，？}；
[0146]
e)问题306的五元组形式为(306，41，[]，“234，[208-》[269]]”，[303])，可直观理解为{12345，？}；
[0147]
41)推理引擎依据问题305和循证推理规则257，提出相关问题310；相关问题310的sources集合中包含循证语意308，具体如下：
[0148]
a)问题305的五元组形式为(305，41，[]，“240，[]”，[303])，可直观理解为{？，？，？}；
[0149]
b)循证推理规则257为形式化规则(238，240)，其五元组形式为(257，42，[]，“103(238，240)”，[1])，可直观理解为：{条件，《指标，值》，判断}可以理解为{条件，参数，判断}；
[0150]
c)循证语意308的五元组形式为(308，51，[]，“[257，305]”，[1])，可直观理解为：循证语意308表示循证推理规则257成功应用于问题305；
[0151]
d)问题310的五元组形式为(310，41，[]，“238，[]”，[308])，可直观理解为{？，？，？}。
[0152]
42)推理引擎依据问题306和循证推理规则251，提出相关问题313；相关问题313的sources集合中包含循证语意312，具体如下：
[0153]
a)问题306的五元组形式为(306，41，[]，“234，[208-》[269]]”，[303])，可直观理解为{12345，？}；
[0154]
b)循证推理规则251为形式化规则(232，234)，其五元组形式为(251，42，[]，“103(232，234)”，[1])，可直观理解为：{病历号，《指标，值》}可以理解为{病历号，参数}；
[0155]
c)循证语意312的五元组形式为(312，51，[]，“[251，306]”，[1])，可直观理解为：循证语意312表示循证推理规则251成功应用于问题306；
[0156]
d)问题313的五元组形式为(313，41，[]，“232，[208-》[269]]”，[312])，可直观理解为{12345，？}。
[0157]
43)推理引擎依据问题310和循证推理规则254，提出相关问题317；相关问题317的sources集合中包含循证语意315，具体如下：
[0158]
a)问题310的五元组形式为(310，41，[]，“238，[]”，[308])，可直观理解为{？，？，？}；
[0159]
b)循证推理规则254为提炼规则(236，238)，其五元组形式为(254，42，[]，“101(236，238)”，[1])，可直观理解为：{条件，指标，值，判断}可以提炼为{条件，《指标，值》，判断}；
[0160]
c)循证语意315的五元组形式为(315，51，[]，“[254，310]”，[1])，可直观理解为：循证语意315表示循证推理规则254成功应用于问题310；
[0161]
d)问题317的五元组形式为(317，41，[]，“236，[]”，[312])，可直观理解为{？，？，？，？}。
[0162]
44)推理引擎依据问题313和循证推理规则248，提出相关问题320；相关问题320的sources集合中包含循证语意319，具体如下：
[0163]
a)问题313的五元组形式为(313，41，[]，“232，[208-》[269]]”，[312])，可直观理解为{12345，？}；
[0164]
b)循证推理规则248为提炼规则(228，232)，其五元组形式为(248，42，[]，“101(228，232)”，[1])，可直观理解为：{病历号，指标，值}可以提炼为{病历号，《指标，值》}；
[0165]
c)循证语意319的五元组形式为(319，51，[]，“[248，313]”，[1])，可直观理解为：循证语意319表示循证推理规则248成功应用于问题313；
[0166]
d)问题320的五元组形式为(320，41，[]，“228，[208-》[269]]”，[319])，可直观理解为{12345，？，？}。
[0167]
推理引擎接着在问题的限制下，推理实例：45)推理引擎依据问题310和循证推理规则254，将循证语意285转换为新的循证语意322和新的循
[0168]
证语意323，二者的sources集合中均包含循证语意321，具体如下：
[0169]
a)循证推理规则254为提炼规则(236，238)，其五元组形式为(254，42，[]，[238，101，236]，[1])，可直观理解为：{条件，指标，值，判断}可以提炼为{条件，《指标，值》，判断}；
[0170]
b)循证语意285的五元组形式为(285，236，[270，271，282，283]，null，[1])，可直观理解为{身高，170，pmid36547入组条件1，满足}；因循证语意285的范式语意是236，应对循证语意285应用循证推理规则254；
[0171]
c)循证推理规则254的执行应先得到一个范式语意为230且components集合为[270，271]的循证语意(记其标识符为322)，再得到一个范式语意为238且components集合为[282，283，322]的循证语意，因该循证语意是问题310的一个答案，该循证语意可以被生
成。问题310的五元组形式为(310，41，[]，“238，[]”，[308])，可直观理解为{？，？，？}；
[0172]
d)循证语意321的五元组形式为(321，51，[]，“[254，285]”，[1])，可直观理解为：循证语意321表示循证推理规则254成功应用于循证语意285；
[0173]
e)循证语意322的五元组形式为(322，230，[270，271]，null，[321])，可直观理解为：{身高，170}；
[0174]
f)循证语意323的五元组形式为(323，238，[282，283，322]，null，[321])，可直观理解为：{pmid36547入组条件1，满足，《身高，170》}。
[0175]
46)推理引擎依据问题310和循证推理规则254，将循证语意289转换为新的循证语意325和新的循证语意326，二者的sources集合中均包含循证语意324，具体如下：
[0176]
a)循证推理规则254为提炼规则(236，238)，其五元组形式为(254，42，[]，“101(236，238)”，[1])，可直观理解为：{条件，指标，值，判断}可以提炼为{条件，《指标，值》，判断}；
[0177]
b)循证语意289的五元组形式为(289，236，[276，277，287，283]，null，[1])，可直观理解为{体重，110，pmid36547入组条件2，满足}；因循证语意289的范式语意是236，应对循证语意289应用循证推理规则254；
[0178]
c)循证推理规则254的执行应先得到一个范式语意为230且components集合为[286，277]的循证语意(记其标识符为325)，再得到一个范式语意为238且components集合为[287，283，325]的循证语意，因该循证语意是问题310的一个答案，该循证语意可以被生成。问题310的五元组形式为(310，41，[]，“238，[]”，[308])，可直观理解为{？，？，？}；
[0179]
d)循证语意324的五元组形式为(324，51，[]，“[254，289]”，[1])，可直观理解为：循证语意324表示循证推理规则254成功应用于循证语意289；
[0180]
e)循证语意325的五元组形式为(325，230，[276，277]，null，[324])，可直观理解为：{体重，110}；
[0181]
f)循证语意326的五元组形式为(326，238，[287，283，325]，null，[324])，可直观理解为：{pmid36547入组条件2，满足，《体重，110》}。
[0182]
47)推理引擎依据问题313和循证推理规则248，将循证语意273转换为循证语意322和新的循证语意328，二者的sources集合中均包含循证语意327，具体如下：
[0183]
a)循证推理规则248为提炼规则(228，232)，其五元组形式为(248，42，[]，“101(228，232)”，[1])，可直观理解为：{病历号，指标，值}可以提炼为{病历号，《指标，值》}；
[0184]
b)循证语意273的五元组形式为(273，228，[269，270，271]，null，[1])，可直观理解为{12345，身高，170}；因循证语意273的范式语意是228，应对循证语意273应用循证推理规则248；
[0185]
c)循证推理规则248的执行应得到一个范式语意为232且components集合为[269，322]的循证语意，因该循证语意是问题313的一个答案，该循证语意可以被生成。问题313的五元组形式为(313，41，[]，“232，[208-》[269]]”，[312])，可直观理解为{12345，？}；
[0186]
d)循证语意327的五元组形式为(327，51，[]，“[248，273]”，[1])，可直观理解为：循证语意327表示循证推理规则248成功应用于循证语意273；
[0187]
e)循证语意322的五元组形式为(322，230，[270，271]，null，[321，327])，可直观理解为：{身高，170}。根据提炼规则的工作机制，规则应生成一个范式语意为230，
components集合为[270，271]，且sources集合包含327的循证语意；根据前述循证语意的唯一性等价原则，该语意为一个现存语意，标识符为322，因此规则在现存语意322的sources集合中添加循证语意标识符327，完成规则执行；
[0188]
f)循证语意328的五元组形式为(328，232，[269，322]，null，[327])，可直观理解为：{12345，《身高，170》}。
[0189]
48)推理引擎依据问题313和循证推理规则248，将循证语意279转换为循证语意325和新的循证语意330，二者的sources集合中均包含循证语意329，具体如下：
[0190]
a)循证推理规则248为提炼规则(228，232)，其五元组形式为(248，42，[]，“101(228，232)”，[1])，可直观理解为：{病历号，指标，值}可以提炼为{病历号，《指标，值》}；
[0191]
b)循证语意279的五元组形式为(279，228，[269，276，277]，null，[1])，可直观理解为{12345，体重，110}；因循证语意279的范式语意是228，应对循证语意279应用循证推理规则248；
[0192]
c)循证推理规则248的执行应得到一个范式语意为232且components集合为[269，325]的循证语意，因该循证语意是问题313的一个答案，该循证语意可以被生成。问题313的五元组形式为(313，41，[]，“232，[208-》[269]]”，[312])，可直观理解为{12345，？}；
[0193]
d)循证语意329的五元组形式为(329，51，[]，“[248，279]”，[1])，可直观理解为：循证语意329表示循证推理规则248成功应用于循证语意279；
[0194]
e)循证语意325的五元组形式为(325，230，[276，277]，null，[324，329])，可直观理解为：{体重，110}。根据提炼规则的工作机制，规则应生成一个范式语意为230，components集合为[276，277]，且sources集合包含329的循证语意；根据前述循证语意的唯一性等价原则，该语意为一个现存语意，标识符为325，因此规则在现存语意325的sources集合中添加循证语意标识符329，完成规则执行；
[0195]
f)循证语意330的五元组形式为(330，232，[269，325]，null，[329])，可直观理解为：{12345，《体重，110》}。
[0196]
49)推理引擎依据问题305和循证推理规则257，将循证语意322转换为新的循证语意332，将循证语意323转换为新的循证语意334，循证语意332的sources集合中包含循证语意331，循证语意334的sources集合中包含循证语意333，具体如下：
[0197]
a)循证推理规则257为形式化规则(238，240)，其五元组形式为(257，42，[]，“103(238，240)”，[1])，可直观理解为：{条件，《指标，值》}，判断}可以理解为{条件，参数，判断}；
[0198]
b)循证语意322的五元组形式为(322，230，[270，271]，null，[321，327])，可直观理解为：{身高，170}；循证语意323的五元组形式为(323，238，[282，283，322]，null，[321])，可直观理解为：{pmid36547入组条件1，满足，《身高，170》}；因循证语意323的范式语意是238，应对循证语意323应用循证推理规则257；
[0199]
c)循证推理规则257的执行应先得到一个范式语意为217且components集合为[270，271]的循证语意(记其标识符为332)，再得到一个范式语意为240且components集合为[332，282，283]的循证语意，因该循证语意是问题305的一个答案，该循证语意可以被生成。问题305的五元组形式为(305，41，[]，“240，[]”，[303])，可直观理解为{？，？，？}；
[0200]
d)循证语意331的五元组形式为(331，51，[]，“[257，322]”，[1])，可直观理解为：
循证语意331表示循证推理规则257成功应用于循证语意322；
[0201]
e)循证语意332的五元组形式为(332，217，[270，271]，null，[331])，可直观理解为：{身高，170}；
[0202]
f)循证语意333的五元组形式为(333，51，[]，“[257，323]”，[1])，可直观理解为：循证语意333表示循证推理规则257成功应用于循证语意323；
[0203]
g)循证语意334的五元组形式为(334，240，[332，282，283]，null，[333])，可直观理解为：{《身高，170》，pmid36547入组条件1，满足}。
[0204]
50)推理引擎依据问题305和循证推理规则257，将循证语意325转换为新的循证语意336，将循证语意326转换为新的循证语意338，循证语意336的sources集合中包含循证语意335，循证语意338的sources集合中包含循证语意337，具体如下：
[0205]
a)循证推理规则257为形式化规则(238，240)，其五元组形式为(257，42，[]，[240，103，238]，[1])，可直观理解为：{条件，《指标，值》，判断}可以理解为{条件，参数，判断}；
[0206]
b)循证语意325的五元组形式为(325，230，[276，277]，null，[324，329])，可直观理解为：{体重，110}；循证语意326的五元组形式为(326，238，[287，283，325]，null，[324])，可直观理解为：{pmid36547入组条件2，满足，《体重，110》}；因循证语意326的范式语意是238，应对循证语意326应用循证推理规则257；
[0207]
c)循证推理规则257的执行应先得到一个范式语意为217且components集合为[276，277]的循证语意(记其标识符为336)，再得到一个范式语意为240且components集合为[336，287，283]的循证语意，因该循证语意是问题305的一个答案，该循证语意可以被生成。问题305的五元组形式为(305，41，[]，“240，[]”，[303])，可直观理解为{？，？，？}；
[0208]
d)循证语意335的五元组形式为(335，51，[]，“[257，325]”，[1])，可直观理解为：循证语意335表示循证推理规则257成功应用于循证语意325；
[0209]
e)循证语意336的五元组形式为(336，217，[276，277]，null，[335])，可直观理解为：{体重，110}；
[0210]
f)循证语意337的五元组形式为(337，51，[]，“[257，326]”，[1])，可直观理解为：循证语意337表示循证推理规则257成功应用于循证语意326；
[0211]
g)循证语意338的五元组形式为(338，240，[336，287，283]，null，[337])，可直观理解为：{《体重，110》，pmid36547入组条件2，满足}。
[0212]
51)推理引擎依据问题306和循证推理规则251，将循证语意328转换为新的循证语意340，循证语意340的sources集合中包含循证语意339，具体如下：
[0213]
a)循证推理规则251为形式化规则(232，234)，其五元组形式为(251，42，[]，“103(232，234)”，[1])，可直观理解为：{病历号，《指标，值》}可以理解为{病历号，参数}；
[0214]
b)循证语意328的五元组形式为(328，232，[269，322]，null，[327])，可直观理解为：{12345，《身高，170》}；因循证语意328的范式语意是232，应对循证语意328应用循证推理规则251；
[0215]
c)循证推理规则251的执行应得到一个范式语意为234且components集合为[269，332]的循证语意，因该循证语意是问题306的一个答案，该循证语意可以被生成。问题306的五元组形式为(306，41，[]，“234，[208-》[269]]”，[303])，可直观理解为{12345，？}；
[0216]
d)循证语意339的五元组形式为(339，51，[]，“[251，328]”，[1])，可直观理解为：
循证语意339表示循证推理规则251成功应用于循证语意328；
[0217]
e)循证语意340的五元组形式为(340，234，[269，332]，null，[339])，可直观理解为：{12345，《身高，170》}。
[0218]
52)推理引擎依据问题306和循证推理规则251，将循证语意330转换为新的循证语意342，循证语意342的sources集合中包含循证语意341，具体如下：
[0219]
a)循证推理规则251为形式化规则(232，234)，其五元组形式为(251，42，[]，“103(232，234)”，[1])，可直观理解为：{病历号，《指标，值》}可以理解为{病历号，参数}；
[0220]
b)循证语意330的五元组形式为(330，232，[269，325]，null，[329])，可直观理解为：{12345，《体重，110》}；因循证语意330的范式语意是232，应对循证语意330应用循证推理规则251；
[0221]
c)循证推理规则251的执行应得到一个范式语意为234且components集合为[269，336]的循证语意，因该循证语意是问题306的一个答案，该循证语意可以被生成。问题306的五元组形式为(306，41，[]，“234，[208-》[269]]”，[303])，可直观理解为{12345，？}；
[0222]
d)循证语意341的五元组形式为(341，51，[]，“[251，330]”，[1])，可直观理解为：循证语意341表示循证推理规则251成功应用于循证语意330；
[0223]
e)循证语意342的五元组形式为(342，234，[269，336]，null，[341])，可直观理解为：{12345，《体重，110》}。
[0224]
53)推理引擎依据问题300和循证推理规则259，将循证语意340和循证语意334转换为新的循证语意402，循证语意402的sources集合中包含循证语意401，具体如下：
[0225]
a)循证推理规则259为组成规则([234，240]，242)，其五元组形式为(259，42，[]，“105([234，240]，242)”，[1])，可直观理解为：{病历号，参数}和{条件，参数，判断}可以进一步组合而成为一个具有更为丰富的实质意义的循证语意{病历号，条件，参数，判断}；
[0226]
b)循证语意340的五元组形式为(340，234，[269，332]，null，[339])，可直观理解为：{12345，《身高，170》}；循证语意334的五元组形式为(334，240，[332，282，283]，null，[333])，可直观理解为：{《身高，170》，pmid36547入组条件1，满足}；因循证语意组合[340，334]的范式语意是[234，240]，应对循证语意组合[340，334]应用循证推理规则259；
[0227]
c)循证推理规则259的执行应得到一个范式语意为242且components集合为[269，332，282，283]的循证语意，因该循证语意是问题300的一个答案，该循证语意可以被生成。问题300的五元组形式为(300，41，[]，“242，[208-》[269]]”，[299])，可直观理解为{12345，？，？，？}；
[0228]
d)循证语意401的五元组形式为(401，51，[]，“[259，340，334]”，[1])，可直观理解为：循证语意401表示循证推理规则259成功应用于循证语意340和循证语意334；
[0229]
e)循证语意402的五元组形式为(402，242，[269，332，282，283]，null，[401])，可直观理解为：{12345，《身高，170》，pmid36547入组条件1，满足}。
[0230]
54)推理引擎依据问题297和循证推理规则261，将循证语意402转换为新的循证语意404，循证语意404的sources集合中包含循证语意403，具体如下：
[0231]
a)循证推理规则261为提取规则(244，242)，其五元组形式为(261，42，[]，“104(244，242)”，[1])，可直观理解为：从{病历号，条件，参数，判断}中提取得到另一个循证语意{病历号，条件，判断}；
[0232]
b)循证语意402的五元组形式为(402，242，[269，332，282，283]，null，[401])，可直观理解为：{12345，《身高，170》，pmid36547入组条件1，满足}；因循证语意402的范式语意是242，应对循证语意402应用循证推理规则261；
[0233]
c)循证推理规则261的执行应得到一个范式语意为244且components集合为[269，282，283]的循证语意，因该循证语意是问题297的一个答案，该循证语意可以被生成。问题297的五元组形式为(297，41，[]，“244，[208-》[269]]”，[296])，可直观理解为{12345，？，？}；
[0234]
d)循证语意403的五元组形式为(403，51，[]，“[261，402]”，[1])，可直观理解为：循证语意403表示循证推理规则261成功应用于循证语意402；
[0235]
e)循证语意404的五元组形式为(404，244，[269，282，283]，null，[403])，可直观理解为：{12345，pmid36547入组条件1，满足}。
[0236]
55)推理引擎依据问题300和循证推理规则259，将循证语意342和循证语意338转换为新的循证语意406，循证语意406的sources集合中包含循证语意405，具体如下：
[0237]
a)循证推理规则259为组成规则([234，240]，242)，其五元组形式为(259，42，[]，“105([234，240]，242)”，[1])，可直观理解为：{病历号，参数}和{条件，参数，判断}可以进一步组合而成为一个具有更为丰富的实质意义的循证语意{病历号，条件，参数，判断}；
[0238]
b)循证语意342的五元组形式为(342，234，[269，336]，null，[341])，可直观理解为：{12345，《体重，110》}；循证语意338的五元组形式为(338，240，[336，287，283]，null，[337])，可直观理解为：{《体重，110》，pmid36547入组条件2，满足}；因循证语意组合[342，338]的范式语意是[234，240]，应对循证语意组合[342，338]应用循证推理规则259；
[0239]
c)循证推理规则259的执行应得到一个范式语意为242且components集合为[269，336，287，283]的循证语意，因该循证语意是问题300的一个答案，该循证语意可以被生成。问题300的五元组形式为(300，41，[]，“242，[208-》[269]]”，[299])，可直观理解为{12345，？，？，？}；
[0240]
d)循证语意405的五元组形式为(405，51，[]，“[259，342，338]”，[1])，可直观理解为：循证语意405表示循证推理规则259成功应用于循证语意342和循证语意338；
[0241]
e)循证语意406的五元组形式为(406，242，[269，336，287，283]，null，[405])，可直观理解为：{12345，《体重，110》，pmid36547入组条件2，满足}。
[0242]
56)推理引擎依据问题297和循证推理规则261，将循证语意406转换为新的循证语意408，循证语意408的sources集合中包含循证语意407，具体如下：
[0243]
a)循证推理规则261为提取规则(244，242)，其五元组形式为(261，42，[]，“104(244，242)”，[1])，可直观理解为：从{病历号，条件，参数，判断}中提取得到另一个循证语意{病历号，条件，判断}；
[0244]
b)循证语意406的五元组形式为(406，242，[269，336，287，283]，null，[405])，可直观理解为：{12345，《体重，110》，pmid36547入组条件2，满足}；因循证语意406的范式语意是242，应对循证语意406应用循证推理规则261；
[0245]
c)循证推理规则261的执行应得到一个范式语意为244且components集合为[269，287，283]的循证语意，因该循证语意是问题297的一个答案，该循证语意可以被生成。问题297的五元组形式为(297，41，[]，“244，[208-》[269]]”，[296])，可直观理解为
{12345，？，？}；
[0246]
d)循证语意407的五元组形式为(407，51，[]，“[261，406]”，[1])，可直观理解为：循证语意407表示循证推理规则261成功应用于循证语意406；
[0247]
e)循证语意408的五元组形式为(408，244，[269，287，283]，null，[407])，可直观理解为：{12345，pmid36547入组条件2，满足}。
[0248]
57)推理引擎依据问题293和循证推理规则263，将循证语意404和循证语意408转换为新的循证语意414和新的循证语意415，二者的sources集合中均包含循证语意413，具体如下：
[0249]
a)循证推理规则263为集成规则(244，246)，其五元组形式为(263，42，[]，“107(244，246)”，[1])，可直观理解为：{病历号，条件集，判断}可以用来指代一组具有特定特征的循证语意{病历号，条件，判断}下的实例；
[0250]
b)循证语意404的五元组形式为(404，244，[269，282，283]，null，[403])，可直观理解为：{12345，pmid36547入组条件1，满足}；循证语意408的五元组形式为(408，244，[269，287，283]，null，[407])，可直观理解为：{12345，pmid36547入组条件2，满足}；因循证语意集合[404，408]中的每个循证语意的范式语意均为244，应对循证语意集合[404，408]应用循证推理规则263；
[0251]
c)循证推理规则263的执行应先得到一个范式语意为220且entity为[282，287]的物理语意(记其标识符为414)，再得到一个范式语意为246且components集合为[269，414，283]的循证语意，因该循证语意是问题293的一个答案，该循证语意可以被生成。问题293的五元组形式为(293，41，[]，“246，[208-》[269]]”，[1])，可直观理解为{12345，？，？}；
[0252]
d)循证语意413的五元组形式为(413，51，[]，“[263，404，408]”，[1])，可直观理解为：循证语意413表示循证推理规则263成功应用于循证语意404和循证语意408的集合；
[0253]
e)循证语意414的五元组形式为(414，220，[]，[282，287]，[413])，可直观理解为：{[pmid36547入组条件1，pmid36547入组条件2]}；
[0254]
f)循证语意415的五元组形式为(415，246，[269，414，283]，null，[413])，可直观理解为：{12345，[pmid36547入组条件1，pmid36547入组条件2]，满足}。
[0255]
这时，数据库中获得如图2所示的结构；图2是循证推理过程示例图(用户输入的和推理所得的主要循证语意)。
[0256]
58)在第57)步中，生成了一个范式语意246(可直观理解为{病历号，条件集，判断})下的循证语意415(可直观理解为{12345，[pmid36547入组条件1，pmid36547入组条件2]，满足})，它是问题293(可直观理解为{12345，？，？})的答案，推理完成。
[0257]
以上列举的仅是本发明的具体实施案例。显然，本发明不限于以上实施案例，还可以有许多变形，本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

技术特征：
1.一种有意义的语意的表示方法和推理引擎方法，其特征在于，将一个有意义的语意与其在全部有意义的语意所组成的网络结构中直接相邻的语意建立关联，通过这种关联关系表示这个有意义的语意；并基于这种表示方法，建立从一组有意义的语意出发，推理得到新的有意义的语意的推理方法；一个语意在网络中的相邻语意是这个语意有意义的证据，即这个语意的意义可循证；称通过这种表示方法表示的一个有意义的语意为一个循证语意；称从一组有意义的语意出发，推理得到新的有意义的语意的推理方法为循证推理方法；称由全部有意义的语意所组成的网络结构为循证语意网络。2.根据权利要求1所述的有意义的语意的表示方法和推理引擎方法，其特征在于，所述的循证语意网络表示如下的一种或几种循证语意之间的关联关系：1)逻辑本质为“由
…
组成实质意义”的关联关系：所述的关联关系为一种一对多的关联关系；所述的循证推理方法使用这种关联关系；若使用一个数字标识符来表示一个循证语意，则一个循证语意的“由
…
组成实质意义”关系表示为一个标识符和一个标识符的集合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个大写字母或字母组合表示一个循证语意的数字标识符的集合；则由循证语意x、y、z共同组成循证语意a的实质意义可表示为(a，c)，其中集合c由元素x、y、z构成；将实质意义以该方式表示的循证语意称为推定语意；所述的语意的实质意义的特征是可组成；一组特定的语意的实质意义可以组成另一个语意的实质意义，即语意的实质意义的本质是区别于偶然组合；2)逻辑本质为“由
…
分别实质蕴含”的关联关系；所述的关联关系为一种一对多的关联关系；所述的循证推理方法使用这种关联关系；若使用一个数字标识符来表示一个循证语意，则一个循证语意的“由
…
分别实质蕴含”关系表示为一个标识符和一个标识符的集合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个大写字母或字母组合表示一个循证语意的数字标识符的集合；则循证语意t、u、v分别独立蕴含循证语意a的实质意义可表示为(a，s)，其中集合s由元素t、u、v构成；3)逻辑本质为“是
…
形式类别的实例”的关联关系；所述的关联关系为一种一对一的关联关系；所述的循证推理方法使用这种关联关系；若使用一个数字标识符来表示一个循证语意，则一个循证语意的“是
…
形式类别的实例”关系可表示为一对标识符：用一个小写字母或字母组合表示一个循证语意的数字标识符；则循证语意a是循证语意d表示的形式类别的实例可表示为(a，d)；在以下的文档中，称d为a的范式语意；所述的范式语意是代表一个语意的形式意义所属的类别的语意；语意的形式意义区别于其实质意义，语意的形式意义的本质是可分类，属于同一类别的一组语意的形式意义可由另一个语意的形式意义表示；4)将推理引擎的计算载体中的反映真实存在的数据对象映射为特殊的已确定有意义的循证语意；它们作为循证推理的基础参与推理的过程，为循证语意网络中的相邻语意提供有意义的证据；称这类直接对应推理引擎的计算载体中的数据对象的循证语意为物理语意；若使用一个数字标识符来表示一个循证语意，则一个循证语意的“对应推理引擎的计算载体中的反映真实存在的数据对象”关系表示为一个标识符和一个数据对象的组合：用一个小写字母或字母组合表示一个循证语意的数字标识符，用一个斜体小写字母或字母组合表示一个推理引擎的计算载体中的数据对象；则推理引擎的计算载体中的数据对象e映射为物理语意a表示为(a，e)；这时，数据对象e表示了循证语意a的实质意义，是循证语意的实质意义的另一种表示或定义方法；将实质意义以该方式表示的循证语意称为物理语意。
3.根据权利要求2所述的有意义的语意的表示方法和推理引擎方法，其特征在于，将一个循证语意和进行循证推理所需的与该循证语意相关的各类关系统一表示为一个五元组，记为(id，paradigm，components，entity，sources)；其中，id为这一循证语意的标识符，表示该循证语意形式本质；paradigm为该循证语意的范式语意的标识符，为所述的“是
…
形式类别的实例”的关联关系的表示；components集合由组成该循证语意的实质意义的一组循证语意的标识符构成，为表示该循证语意实质意义的一种形式；entity为一个推理引擎计算载体中的数据对象，为表示该循证语意实质意义的另一种形式；sources集合由已知分别实质蕴含该循证语意的一组循证语意的标识符构成，为所述的“由
…
分别实质蕴含”的关联关系的表示；所有循证语意的五元组表示符合下述协同规则：1)循证语意与其范式语意的关系不成环；2)任意循证语意的标识符唯一性与其范式语意和实质意义的组合唯一性等价；3)推定语意的范式语意表示其实质意义的形式类别。4.根据权利要求3所述的有意义的语意的表示方法和推理引擎方法，其特征在于，所述的循证推理所依据的规则，表示为特定的范式语意之间的关系；在推理过程中，规则将应用于全部以这些特定范式语意为范式语意的循证语意；当新的循证语意经由循证推理产生时，与新产生的循证语意的范式语意相关的推理规则需重新计算，但可适当简化，略过必然产生相同循证语意的部分计算。5.根据权利要求4所述的有意义的语意的表示方法和推理引擎方法，其特征在于，推理引擎支持定义7类循证推理规则如下，所述的7类循证推理规则分为4组，第1组一个，其余每组两个：1)形式化规则：形式化规则表示特定的循证语意在特定的语境下，对应具有不同形式类别的另一循证语意；所述的具有不同形式类别为具有不同范式语意；2)提炼/融合规则：提炼/融合规则表示一个推定语意等价地以一个整体的形式或以一个表示其实质意义的循证语意集合的形式参与组成另一个推定语意的实质意义；所述的一个整体的形式为一个标识符的形式，所述的一个表示其实质意义的循证语意集合的形式为一组标识符的形式；3)组成/提取规则：组成/提取规则表示推定语意的components集合与其范式语意的components集合一起，对称地进行由多个循证语意组合而成一个循证语意或者从一个循证语意中提取另一个循证语意的操作；4)集成/分解规则：集成/分解规则表示一个推定语意用来表示或指代一组具有特定特征且属于同一形式类别的推定语意；所述的属于同一形式类别为具有相同范式语意。6.根据权利要求5所述的有意义的语意的表示方法和推理引擎方法，其特征在于，基于循证语意之间的实质蕴含关系追踪循证语意具有意义的证据：用户通过创建物理语意和指定特定的推定语意具有意义来提供基础的具有意义的循证语意；将推理引擎成功应用一次推理规则的事件表示为一个循证语意，则该循证语意实质蕴含推理所得的结果循证语意。7.根据权利要求6所述的有意义的语意的表示方法和推理引擎方法，其特征在于，用户指定循证语意的筛选条件作为问题，推理引擎采用问题驱动的方式，仅生成满足筛选条件的循证语意以及与这些循证语意直接或间接相关的循证语意。

技术总结
本发明公开了一种有意义的语意的表示方法和推理引擎方法，将一个有意义的语意与其在全部有意义的语意所组成的网络结构中直接相邻的语意建立关联，通过这种关联关系表示这个有意义的语意；并基于这种表示方法，建立从一组有意义的语意出发，推理得到新的有意义的语意的推理方法。本发明公开的技术方案可实现基于自然语言录入推理规则，并可表示全部的已知的逻辑形式，是一种全能型的人工智能推理系统；基于这一技术方案可以实现类似自然语言交流的智能系统向人类专家学习的过程，是实现自然语言理解和生成的一项使能技术，可实现以特定问题为导向的推理，以问题为导向的循证推理可优化计算和储存资源的使用，将其集中于特定目标。目标。目标。


技术研发人员：沈雪玲
受保护的技术使用者：杭州新范式生物医药科技有限公司
技术研发日：2021.12.02
技术公布日：2022/3/8