Eu estava tentando criar um sistema que avaliasse os estatutos de uma organização para determinar sua lógica subjacente.
Penso que um sistema de predicado de primeira ordem funcionaria para representar as regras, que poderiam ser traduzidas do texto por meio de marcação por parte do discurso e outras técnicas de PNL.
Existe uma maneira sistemática de interpretar as regras lógicas de primeira ordem como um todo, ou algum tipo de arquitetura de ML que funcionaria como uma segunda camada para encontrar semelhanças entre os elementos.
Por exemplo,
Lista de atividades divertidas:
- golfe
- coffee break
- pizza
Estatuto Social:
Na sexta-feira, jogamos golfe
Na sexta ou no sábado, fazemos um café rápido e, se for sábado, receberemos pizza
Conclusão: nosso grupo se diverte nos finais de semana
Parece muito buscado, mas estou curioso para saber se é possível. Também percebo que talvez mais lógica de primeira ordem seja mais adequada para conduzir as conclusões da segunda camada.
Respostas:
O truque aqui é que isso funciona bem, desde que suas regras possam ser expressas em forma de predicado. O golfe ainda é divertido se está chovendo ou se você joga mal?
Se você precisar de algo mais flexível, convém procurar algumas ferramentas estatísticas / Bayseanas. Lá, você diria que o golfe tem uma alta probabilidade de ser divertido, não que sempre tenha sido divertido o tempo todo.
fonte