什么是其中一个有好处而另一个在实践中却没有的？我了解它们的原理，但它们在实际使用中的局限性和功能是什么？我正在考虑在新的 AI 项目中使用 Drools 与 java prolog，但欢迎其他建议。用于推理复杂关系数据集或替代方案的流行方法有哪些？
最佳答案
向后链接(a la Prolog)更像是寻找什么初始条件构成了通往目标的路径。在非常基本的层面上，这是从您的目标向后搜索，以找到实现目标的条件。
反向链接用于疑问型应用程序(查找满足特定标准的项目) - 反向链接应用程序的一个商业示例可能是查找特定再保险契约(Contract)涵盖哪些保险单。
前向链接(类似于 CLIPS)匹配条件，然后根据这些条件生成推论。这些条件又可以匹配其他规则。基本上，这需要一组初始条件，然后从这些条件中得出所有推论。
推论(如果断言)也可以是可以触发外部操作的操作或事件。这在事件驱动的系统中非常有用，因为规则集可以配置为(例如)启动工作流或某些其他操作。这种类型的规则引擎在商业应用中最常用。
事件驱动系统是前向链接规则引擎的常见应用。前向链接应用程序的一个示例可能是电信计划配置引擎(通常用于管理移动电话计划)。输入具有特定计划的特定用户将触发在各种电话交换机、计费系统、财务、CRM 系统等中设置的一系列项目。
关于artificial-intelligence - 前向链接与后向链接，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3364191/