决策树学习是以实例为基础的归纳学习,它从一类无序、无规则的事物(也就是概念)中推理出决策树表示的分类规则。

谓词逻辑的归结方法和命题逻辑的归结方法的基本原理是一样的。由于谓词逻辑与命题逻辑不同,有量词、变量和函数,所以在生成子句集之前要对逻辑公式做一些处理,将其转化为 Skolem 标准型,然后在子句集的基础再进行归结,其中还要涉及置换和合一。因此,虽然基本的方法相同,但是归结过程较之命题公式的归结过程要复杂得多。

阅读本文前请先阅读《推理方法之归结推理法》,以获得一定理论基础。

定理证明的实质是要对给出的(已知的)前提和结论,证明此前提推导出该结论这一事实是真理。然而这是非常困难、几乎不可实现的事情,因为要证明一个论域上一个事件是永真的,就要证明在该域中的每一个点上该事实都成立。

基于正向推导的过程过于困难,因此人们决定采纳反证法,将永真性的证明问题转化为不可满足性的证明问题。这为自动定理奠定了理论基础,而归结原理又使得自动定理证明得以实现。

某种意义上讲,大部分人工智能问题都可以转化为一个定理证明问题。因此,归结推理方法在人工智能推理方法中有着很重要的历史地位。