演繹性分類器是一種人工智能推理引擎。它將一組關于醫學研究或分子生物學等領域的框架語言的聲明作為輸入。例如，類的名稱、子類、屬性和對可允許值的限制。分類器確定各種聲明在邏輯上是否一致，如果不一致，將突出特定的不一致的聲明和它們之間的不一致。如果聲明是一致的，分類器就可以根據輸入的信息來斷言額外的信息。例如，它可以添加關于現有類的信息，創建額外的類，等等。這與傳統的推理引擎不同，后者是通過規則中的IF-THEN條件觸發的。分類器也類似于定理證明器，因為它們通過一階邏輯接受輸入并產生輸出。分類器起源于KL-ONE框架語言。它們現在越來越重要，因為它們構成了語義網的授權技術的一部分。現代分類器利用了網絡本體語言。它們所分析和生成的模型被稱為本體。

人工智能的知識表示的一個經典問題是知識表示系統的表達能力和計算效率之間的權衡。xxx大的知識表示形式是一階邏輯（FOL）。然而，不可能實現提供一階邏輯完整表達能力的知識表示。這樣的表示法將包括表示諸如不可能迭代的所有整數集合的概念的能力。根據定義，對一個無限的集合實施量化的斷言會導致一個不可判定的非終止程序。然而，這個問題比不能實現無限集更深。正如Levesque所證明的，知識表示機制越接近FOL，就越有可能導致表達式需要無限的或不可接受的大資源來計算。由于這種權衡的結果，大量早期的人工智能知識表示工作涉及試驗各種折衷方案，以提供可接受的計算速度的FOL子集。最早也是最成功的折衷方案之一是開發主要基于模式的語言，即IF-THEN規則。基于規則的系統是幾乎所有早期專家系統的主要知識表示機制。基于規則的系統提供了可接受的計算效率，同時仍然提供了強大的知識表示。而且，規則對知識工作者來說是非常直觀的。事實上，鼓勵研究人員開發基于規則的知識表示的一個數據點是心理學研究，即人類經常通過規則表示復雜的邏輯。然而，在基于規則的系統的早期成功之后，出現了更普遍的框架語言的使用，而不是或更多地與規則相結合。

框架提供了一種更自然的方式來表示某些類型的概念，特別是子部分或子類層次的概念。這導致了一種被稱為分類器的新型推理引擎的發展。一個分類器可以分析一個類的層次結構（也稱為本體），并確定它是否有效。如果層次結構是無效的，分類器將強調不一致的聲明。對于一種語言來說，使用分類器需要一個正式的基礎。xxx個成功展示分類器的語言是KL-ONE系列語言。ISI的LOOM語言在很大程度上受到KL-ONE的影響。LOOM也受到了面向對象工具和環境日益流行的影響。Loom除了框架語言的功能外，還提供了真正的面向對象的能力。

分類器的最早版本是邏輯定理證明器。xxx個使用框架語言的分類器是KL-ONE分類器。后來建立在普通lisp上的系統是信息科學研究所的LOOM。LOOM提供了真正的面向對象的能力，利用了CommonLisp對象系統以及一種框架語言。