知识工程中的知识库、本体与专家系统
kep评估模型
kep评估模型摘要：1.KEP 评估模型简介2.KEP 评估模型的构成3.KEP 评估模型的应用4.KEP 评估模型的优缺点正文：一、KEP 评估模型简介KEP（Knowledge Engineering Process）评估模型是一种针对知识工程过程的评估方法。
知识工程过程是指通过获取、组织、存储、共享和应用知识来提高组织效率和效果的过程。
KEP 评估模型旨在为组织提供一种量化和优化知识工程过程的方法，从而实现知识管理的高效运作。
二、KEP 评估模型的构成KEP 评估模型由三个主要部分组成：知识获取、知识共享和知识应用。
1.知识获取：这一阶段主要涉及从不同来源收集、整理和存储知识。
这些来源可能包括内部数据、外部数据和专家经验等。
2.知识共享：知识共享阶段关注的是如何在组织内部有效传播和共享知识。
这包括知识的传递、沟通和协作等过程，以确保组织成员能够访问和利用所需的知识。
3.知识应用：知识应用阶段侧重于将知识用于实际工作场景，以提高工作效率和效果。
这可能涉及知识的整合、分析和挖掘等过程，以支持组织的决策和创新。
三、KEP 评估模型的应用KEP 评估模型可以应用于各种知识工程项目，如知识库建设、专家系统和决策支持系统等。
通过使用KEP 评估模型，组织可以更好地了解其知识工程过程的现状，并确定改进的方向和优先级。
四、KEP 评估模型的优缺点KEP 评估模型的优点包括：1.系统性：KEP 评估模型从知识获取、共享和应用三个方面全面评估知识工程过程，有助于组织了解整个过程的运作情况。
2.灵活性：KEP 评估模型可以根据组织的实际情况进行调整和优化，以满足不同组织的需求。
3.可量化：KEP 评估模型提供了一套量化指标，有助于组织对知识工程过程进行定量分析和评估。
然而，KEP 评估模型也存在一些缺点，如：1.复杂性：KEP 评估模型涉及多个层次和方面，对组织实施知识工程过程的要求较高。
2.资源需求：KEP 评估模型的实施需要投入较多的人力、物力和财力资源，对组织的财务状况有一定要求。
专家系统与知识工程
专家系统与知识工程由于专家系统是基于知识的系统，那么，建造专家系统就涉及到知识的获取（即从人类专家那里或从实际问题那里搜集，整理，归纳专家级知识）,知识表示（即以某种结构形式表达所获取的知识，并将其存储于计算机之中），知识的组织与管理（即知识库简历与维护等）和知识的运用（即使用知识进行推理）等一系列关于只是处理的技术和方法。
特别是基于领域知识的各种知识库系统的建立，更加促进了这些技术的发展。
所以，关于知识处理的技术和方法已形成一个称为“知识工程”的学科领域。
这就是说专家系统促使了知识工程的诞生和发展，知识工程又为专家系统提供服务。
正是由于它们之间的密切关系，现在的专家系统与知识工程几乎已成为同义词。
以知识为处理对象知识工程,作为一门应用学科,已成为人们研究的一个热门课题. 知识工程的诞生赋予了专家系统以新的活力,并将专家系统进一步推向应用;专家系统又为知识工程的发展提供了理论基础. 因此,本文就专家系统与知识工程作初步探讨,并综述如下:1知识工程的兴起是专家系统发展的产物在开发专家系统过程中,许多研究者已形成这样的共识:专家系统是个知识处理系统,而知识表示、知识利用和知识获取则成了专家系统的三个基本问题. 专家系统应该具备这些特点:处理的“信息”是“知识”,而不是“数据”;传送的“信息”是知识,而不是字符串;“信息”的处理是对问题的求解和推理,而不是按既定进程进行计算;“信息”的管理是知识的获取和利用,而不是数据收集、积累和检索等。
1968 年美国斯坦福大学计算机科学家费根鲍姆教授领导的研究小组研制的第一个专家系统——化学专家系统获得成功,打破了专家系统领域的沉闷空气,使一度处于低谷的专家系统研究重新获得了生机. 一方面使专家系统找到了应用,另一方面专家系统得以新生. 随后在世界范围兴起了一个研究各种领域专家系统的热潮,使得关于知识处理的研究受到越来越多学者们的重视. 1977 年费根鲍姆教授在第五届国际专家系统会议上提出“知识工程”的新概念. 他认为,知识工程是用专家系统的原理和方法,为那些需要专家知识才能解决的应用难题提供求解的手段. 因此,恰当运用知识的获取、表达和推理技术构成与解释知识系统,是设计基于知识系统的重要技术问题. 通过研究者的努力,70 年代后期,知识工程,专家系统开始广泛应用,出现了一些专家系统开发工具;80 年代出现了多学科综合型专家系统即知识型系统. 特别是日本第五代计算机计划的提出和专家系统的研究日益取得广泛的应用. 知识工程像一颗璀璨的明珠,也日益闪耀光芒. 因此说知识工程是专家系统发展的产物.2 知识工程是专家系统的一个重要分支前面讨论了知识工程是专家系统发展的产物,现在进一步讨论知识工程是专家系统的重要分支的问题. 什么是知识工程?人们普遍认为,知识工程是以知识为处理对象,借用工程化的思想,对如何用专家系统的原理、方法、技术为设计、构造和维护知识型系统的一门学科,是专家系统的一个应用分支. 知识工程的目的是在研究知识的基础上,开发智能系统. 因此,知识的获取、知识的表示、知识的运用便构成知识工程的三大要素. 知识工程的核心则是专家系统.从知识工程的研究内容看,知识工程的研究内容主要包括:基础理论研究、实用技术的开发、知识型系统工具研究和智能机等相关课题的研究. 其中基础理论研究基本理论方法,包括:知识的本质、知识的表示、推理、获取和学习方法等;实用技术主要研究解决建立知识系统过程中遇到的问题,包括:实用知识表示方法、实用知识获取技术、实用知识推理方法、知识库结构系统、知识系统体系结构、知识库管理技术、知识型系统的调试与评估技术、实用解释技术、实用接口技术等;建立知识型系统工具主要是为了给系统的开发提供良好的环境工具,以提高系统研制的质量和缩短系统研制周期等.从知识工程系统特点看,知识工程系统能解决专家水平的问题;系统能快速的进行假设和搜索解答;系统能做出具有专家水平的解答;系统具有大量的基础知识和通用的问题求解能力;系统应能选择问题的恰当的表示方式;其中的知识型系统是一个符号系统;系统具有自动推理的能力;能从结构步骤分析、解决、推理问题等,这些都表现出具有专家系统及其系统的特点. 因此,可以说知识工程是专家系统的一个重要应用分支.3 知识工程的发展进一步将专家系统推向更广泛的应用领域传统专家系统不能进入实用的主要原因:一是专家系统中的知识库中只含有少量的规则和事实;二是专家系统的效率极低. 知识工程的研究使专家系统的研究从理论转向更深入的应用,从基于推理的模型转向基于知识的模型,包括了整个知识信息处理的研究. 知识工程的核心是专家系统,知识工程的发展首先决定于专家系统的发展,专家系统的发展必将推动专家系统的应用. 专家系统的开发有三个基本的要素:领域专家、知识工程师、大量实例. 在建立专家系统时,首先由知识工程师把各领域专家的专门知识总结出来,以适当的形式存入计算机,建立起知识库( KB) ,根据这些专门知识,系统可以进行推理,做出判断和决策,能够解决一些只有人类专家才能解决的困难问题,专家系统主要是指软件系统.到目前为止,专家系统的发展主要经历了三代:以化学专家系统、数学专家系统为代表的第一代专家系统,其特点是:专业性较强,整个系统结构、知识和推理依赖较强,没有把知识库和推理机制分开,难以修改、扩充和移植;以医疗诊断专家系统,地质探矿专家系统,数学发现专家系统等为代表的第二代专家系统,其特点是:知识库和推理机分开,系统的模块化和结构化程度较高,具有咨询解释机制,能够进行非精确推理,采用专家系统语言系统进行编辑; 以多学科综合型专家系统,骨架型专家系统等为代表的第三代专家系统,其特点是:强调知识库管理系统建立,倾向于大规模和综合性,重视专家系统开发工具和环境的开发,而不是仅仅开发某个专用的专家系统. 特别是近十年来,知识工程的开发广泛应用于社会各个领域,大大提高了工作效率和工作质量;并已产生巨大的社会效益和经济效益. 据报导,全世界的知识工程的产值每年以超过20 %的增长速度在发展,足见其生命力之旺盛. 因此知识工程的发展推进了专家系统的应用层次,使专家系统的理论走向更深入、广泛的领域.综上所述,知识工程与专家系统有着密切的关系. 专家系统的突破,不仅使专家系统的发展得到了转机,而且开辟了通向知识工程的道路. 一方面随着专家系统技术的不断发展,知识工程正在形成一门新兴的边缘学科,人类正在从数据处理走向知识处理;另一方面,知识工程的发展进一步丰富了专家系统的研究内容,为专家系统找到了更广泛的应用领域.目前,许多国家都把专家系统、知识工程的研究、开发和应用列入发展战略的议事日程,成为本国高科技发展规划的重要组成部分. 现在人们正从如下方面进行研究: (1) 基本理论方法研究; (2) 系统开发及商品化研究; (3) 系统工具的研究. 相信,随着这些理论的日趋成熟、知识工程系统的进一步商品化. 可以预见,今后以知识处理为核心的知识信息处理系统将得到广泛应用,智能计算机系统将成为社会交流、决策、规划和信息处得的主要工具. 下一世纪必将是“知识处理的年代”、“知识工程的年代”、“智能计算机系统的年代”专家系统与知识工程班级：08自动化组员：0823105010 蒋杨文0823105011 邝瑞兴0823105012 王新阳2011.10.26。
第五部分 专家控制(1)
三、知识的获取
1、知识获取的方式
（1）非自动知识获取
非自动知识获取方式分两步进行：①由知识 工程师从领域专家或有关的技术文献那里获取知识； ②由知识工程师用某种知识编辑软件输入到知识库 中，其工作方式如图所示。
非自动方式是专家系统建造中用得较为普遍的一 种知识获取方式。在非自动知识获取方式中，知识工 程师起着关键作用，知识工程师的主要任务是： ① 组织调查。以反复提问的方式启发领域专家 按知识处理的要求回答问题，并详细记录专家的答案。 ② 理解和整理材料。在充分理解的基础上对从 领域专家处或书本上得到的答案进行选择整理、分类、 汇集并形成用自然语言表达的知识条款。 ③ 修改和完善知识。把整理分类好的知识条款反 馈给领域专家，进行修改、完善和精化，最终的结果 要得到领域专家的认可。 ④ 知识的编码。把最终由专家认可的知识条款按 一定的表达方式或知识表示语言进行编码，得到知识 编辑器所能接受的知识条款。
专家系统是基于知识的系统，则建造专家系统 就涉及到知识获取、知识表示、知识的组织与管 理和知识的利用等一系列关于知识处理的技术和 方法，特别是一般知识库系统的建立，更加促进 了这些技术的发展。 关于知识处理的技术和方法已形成了一个称 为“知识工程”的学科领域。专家系统一方面促 使了知识工程的诞生和发展，另一方面知识工程 又是为专家系统服务的。由于二者的密切关系， “专家系统”与“知识工程”现在几乎已成为同 义语。
（1）按用途分类 可分为：诊断型、解释型、预测型、决策型、 设计型、规划型、控制型和调度型等几种。 （2）按输出结果分类 可分为：分析型、设计型、综合型专家系统。 （3）按知识表示分类 可分为：基于产生式规则的专家系统、基于一 阶谓词的专家系统、基于框架的专家系统以及 基于语义网络的专家系统。也存在相应的综合 型专家系统。
知识工程与专家系统
基于D-S证据理论的专家系统
D-S理论具有较强的理论基础, 它能 将“不知道”和“不确定”区分开来。 但它也存在明显的不足, 当证据冲突度较 高时, 经过其组合规则得到的结论常常有 悖于常理；另外，基于D-S理论的专家系 统在数据较多时，具有潜在的指数复杂度
和推理链较长的缺点。
专家系统模型
基于人工神经网络的专家系统
知识工程与专家系统简介
基本内容
一、基本概念与结构 二、研究现状 三、发展前景 四、专家系统实例 五、结束语
一、基本概念与结构
1.专家工程的概念
专家系统是知识工程的应用系统，而 知识工程是人工智能发展的新课题。
专家系统（ExpertSystem)亦称专家咨询系统，它 是一种智能计算机(软件)系统。是一个含有大量的某 个领域专家水平的知识与经验智能计算机程序系统， 能够利用人类专家的知识和解决问题的方法来处理该 领域问题。
5.专家系统与传统程序的区别
专家系统是一种智能的计算机程序，但又与一般的计算机程序不同，传统程 序是以指令序列—程序为核心的。程序相应于知识库,指令相应于知识。程序的 执行是由编译程序和硬件共同完成的。它相当于专家系统的推理机编辑程序相应 于知识获取系统。
但专家系统是比传统程序高一级的程序，它与传统程序有以下三个本质差异。 第一、专家系统的推理机能够根据不同的处理对象从知识库中选择不同的知 识、构成不同的序列，或者说生成不同的程序。 第二、专家系统具有处理非确定性知识和数据的能力。因为它能够根据环境 选择不同的知识序列,或者说用不同的知识组合来权衡知识的非确定性程度,这恰 好符合实际问题中专家解决问题的思维方法。 第三、专家系统强调依靠某一领域的高水平知识来实现高性能,而且专家系 统既能用理论知识，又能应用经验知识。
15春华师《人工智能原理》在线作业答案
华师《人工智能原理》在线作业
一、单选题（共10 道试题，共30 分。
）
1. 非结构化的知识的表示法是（）。
A. 语义网络表示
B. 框架表示法中
C. 谓词逻辑表示
D. 面向对象表示
正确答案：C
2. 在专家系统的开发过程中使用的专家系统工具一般分为专家系统的（）和通用专家系统工具两类。
A. 模型工具
B. 外壳
C. 知识库工具
D. 专用工具
正确答案：B
3. 已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合；这些子问题的解可以直接得到，从而解决了初始问题。
这种知识表示法叫（）。
A. 状态空间法
B. 问题归约法
C. 谓词逻辑法
D. 语义网络法
正确答案：B
4. 自然语言理解是人工智能的重要应用领域，下面列举中的（）不是它要实现的目标。
A. 理解别人讲的话。
B. 对自然语言表示的信息进行分析概括或编辑。
C. 欣赏音乐。
D. 机器翻译。
正确答案：C
5. 下列关于不确定性知识描述错误的是（）。
A. 不确定性知识是不可以精确表示的
B. 专家知识通常属于不确定性知识
C. 不确定性知识是经过处理过的知识
D. 不确定性知识的事实与结论的关系不是简单的“是”或“不是”。
正确答案：C
6. 在可信度方法中，若证据A的可信度CF（F）=0, 这意味：（）
A. 证据A不可信。
管理信息系统名词解释
管理信息系统名词解释1.人机系统：由人和机器构成并依赖于人机之间相互作用而完成一定功能的系统。
2.系统结构：是指系统内部各组成要素之间的相互联系、相互作用的方式或秩序，即各要素在时间或空间上排列和组合的具体形式。
3.数据结构:相互之间存在着一种或多种关系的数据元素的集合和该集合中数据元素之间的关系组成。
4.数据模型：对客观事物及其联系的逻辑组织描述。
5.制造资源计划：是在物料需求计划上发展出的一种规划方法和辅助软件。
它是以物料需求计划MRP为核心，覆盖企业生产活动所有领域、有效利用资源的生产管理思想和方法的人－机应用系统。
6.企业资源计划：所谓ERP，就是企业资源计划，它将企业的财务、采购、生产、销售、库存和其它业务功能整合到一个信息管理平台上，从而实现信息数据标准化，系统运行集成化、业务流程合理化、绩效监控动态化、管理改善持续化。
7.数据处理：把来自科学研究、生产实践和社会经济活动等领域中的原始数据，用一定的设备和手段，按一定的使用要求，加工成另一种形式的数据的过程。
8.数据文件：把数据按某种数据结构组织起来存放在外部设备上那个，就构成了数据文件。
一般来说，数据文件是为某一目的而形成的同类记录的集合，记录是文件中数据组织的基本单位，由若干个数据项组成，数据项又是数据处理的最小单位。
9.文件组织：文件的组织是指文件的构造方式。
10.因特网：由多个计算机网络相互连接而成，而不论采用何种协议与技术的网络。
11.数据库管理系统：一组对数据库进行管理的软件，通常包括数据定义语言及其编译程序、数据操纵语言及其编译程序以及数据管理例行程序。
12.记录：在数据库里面，表的“行”称为“记录”,“列”称为“字段”13.企业内部网：企业内部网是给企业内的员工们用的，一般的消费者是不可以进入的。
通常企业内部网的资料都是一些关于员工福利，公司最近的培训计划，和一些内部资料的分享。
14.战略规划：所谓战略规划，就是制定组织的长期目标并将其付诸实施，它是一个正式的过程和仪式。
专家系统的概述及其应用
专家系统的概述及其应用什么是专家系统？专家系统是一种基于人工智能技术的计算机系统，旨在模拟人类专家在某个特定领域中的知识和推理能力。
它通过收集和组织领域专家的知识，并利用推理规则来解决特定问题，从而为用户提供专业的建议、解决方案和决策支持。
专家系统的构成和工作原理专家系统主要由三个部分组成：知识库、推理机和用户界面。
知识库存储了领域专家的知识和经验，可以分为规则库和事实库。
规则库中包含了一系列由领域专家提供的规则，规定了问题和解决方案之间的关系。
事实库则存储了用户输入的问题相关信息。
推理机是专家系统的核心，它通过运用专家提供的规则和事实库中的信息，利用推理机制对问题进行推理和决策。
用户界面则是用户与专家系统进行交互的界面，通常采用图形用户界面或自然语言界面。
专家系统的应用领域专家系统广泛应用于各个领域，以下列举几个常见的应用领域：1. 医疗领域：专家系统可以帮助医生进行疾病的诊断和治疗方案的选择。
它可以根据病人的症状和检查结果，利用医学专家提供的规则进行推理，给出专业的建议和治疗方案。
2. 金融领域：专家系统可以用于风险评估和投资决策。
它可以基于历史数据和金融专家的知识，分析市场趋势和风险因素，为投资者提供决策建议。
3. 工程领域：专家系统可以用于设计优化和故障诊断。
它可以根据工程专家的知识和经验，分析和优化设计参数，或者通过故障检测和推理，帮助工程师快速找到故障原因并提供解决方案。
4. 决策支持系统：专家系统可以作为一个决策支持工具，帮助管理者进行决策。
它可以根据专家的经验和问题的约束条件，通过推理和分析，给出最佳的决策方案。
专家系统的优势和局限专家系统具有以下几个优势：1. 提供专业的建议和解决方案：专家系统可以利用专家的知识和推理能力，为用户提供专业的建议和解决方案。
2. 可以处理复杂的问题：专家系统可以处理大量的知识和复杂的推理过程，帮助用户解决复杂的问题。
3. 可以提高工作效率：专家系统可以提供快速的问题解决方案，帮助用户提高工作效率。
《专家系统与知识工程》复习要点
《专家系统与知识工程》复习要点知识工程是人工智能技术与专家系统发展相结合的产物，它是数据工程的高级阶段。
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
数据库技术是构成数据工程的中心和基础，数据库工程也就是数据工程。
通常数据工程的设计与实现包括三个基本环节：概念数据模型的分析与设计、逻辑数据模型分析与设计、物理数据模型的设计。
知识是数据和信息集合的整体。
只有当信息被系统地、有目的地积累起来时，才能转变成知识。
知识是由信息描述的，信息则是用数据来表达的；知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
知识工程处理的对象是知识，知识种类及知识的表示方式：1.）第一类：关于事实和现象的知识。
（Know_what）第二类：自然原理和领域规律性知识。
（Know_why）第三类：关于技能和能力的知识。
（Know_how）第四类：关于谁的知识。
（Know_who）2.）产生式、函数式、逻辑式、对象式、语义网络、框架结构、状态过程等多种形式。
数据信息知识三者的关系：数据是指客观事物的属性、数量、位置及其相互关系的符号描述。
信息是数据在特定场合下的具体含义，信息是对数据的解释。
知识是一个或多个信息关联在一起形成的有价值的信息结构，是对客观规律的认识，是高层次的信息。
也就是说，知识是数据和信息集合的整体。
由此可见，数据是记录信息的符号，信息是对数据的解释，知识是信息的概括和抽象；数据经过解释处理形成了信息，信息又经过加工过程形成了知识；知识是由信息描述的，信息则是用数据来表达的；从数据到信息的转换是一个数据处理过程，从信息到知识的转换是一个认知的过程。
这就是数据、信息和知识之间的相互依存的辨证关系。
知识工程是一个远比数据工程复杂的多的领域，也是一个比数据工程更富于挑战性的领域，表现在：1、知识种类比较多2、知识的表示方式比较多3、要有一个较好的知识表示方式和知识管理机制在知识工程中，最为困难的问题是知识获取，一般来说，获取知识的方法有两种情况：1、由知识工程师从领域专家那里获取知识，即：人工获取。
《智能制造装备产业专题讲座》课后作业参考答案
智能制造装备产业专题讲座总分:100单选题（共10题，每题3分）1、智能制造紧扣（），以工艺、装备为核心，以数据为基础，依托制造单元、车间、工厂、供应链和产业集群等载体，构建虚实融合、知识驱动、动态优化、安全高效的智能制造系统。
C、智能特征2、（）旨在描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则山属性或关系构成。
D、知识图谱3、（）应用互联网、电子商务、社交媒体、大数据、人工智能技术深入挖掘不同客户的需求、偏好、能力，为产品设计、精准营销、客户服务提供科学的依据。
B、用户画像4、机器人（）是机器人在与对象物相隔一定距离时，所获得的该物体的图像信息。
A、视觉5、（）传感器按功能可分为接触觉传感器、力矩觉传感器、压觉传感器、滑觉传感器。
B、触觉6、（）是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。
A、智能制造系统7、（）是指建立智能决策系统，对产品技术数据、生产经营数据、设备运行数据、设计知识、工艺知识、管理知识、产品运维数据等信息进行搜集、过滤、储存、建模。
D、商业智能8、（）回答如何生产。
C、MES9、（）是提高产品附件价值、产品品牌价值的重要手段，是“中国制造”向“中国创造”转变的桥梁。
B、产品设计服务10、人工智能是（）的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器或系统。
C、计算机科学11、2020年12月，工信部正式公布了2020年跨行业跨领域工业互联网平台（）家。
A、1512、（）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
B、人工智能13、（）是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。
A、智能制造系统14、计算机的发明和使用使人类社会进入了（）时代。
知识工程与知识发现(讲稿22-专家系统)
第三章专家系统（Expert System：ES）专家系统是人工智能应用研究的一个重要领域。
在20世纪60年代中期，正当大多数人热衷于博弈、定理证明、问题求解等研究时，另一个重要的研究领域---专家系统已悄然开始孕育。
（由美国斯坦福大学的费根鲍姆E.A.Feigenbaum，1965年在他领导的研究小组内研究化学专家系统DENDRAL，68年完成并投入使用）。
也正是专家系统的萌芽，才使得人工智能在后来出现的困难和挫折中很快找到了前进方向，开创了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一个新的蓬勃发展时期。
专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。
专家系统是一个具有大量专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。
自Feigenbaum后，相继出现了MYCIN专家系统、地质勘探专家系统PROSPECTOR，数学专家系统MACSYMA等。
知识工程的核心是专家系统，知识工程的发展首先决定于专家系统的发展，专家系统的发展必将推动人工智能的应用。
专家系统的开发有三个基本的要素：领域专家、知识工程师、大量实例。
在建立专家系统时，首先由知识工程师把领域专家的专门知识总结出来，以适当的形式存入计算机，建立起知识库（KB），根据这些专门知识，系统可以进行推理，做出判断和决策，能够解决一些只有人类专家才能解决的困难问题。
专家系统主要是指软件系统。
教学目的：●了解专家系统的基本概念●掌握专家系统的基本结构●掌握专家系统的知识获取方法和过程●了解专家系统的开发步骤、开发工具3.1 专家系统的基本概念3.1.1 什么是专家系统？目前，对专家系统还没有一个严格公认的形式化定义。
作为一种一般的解释，可以认为：专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。
信息科学中的专家系统与知识工程研究
信息科学中的专家系统与知识工程研究引言信息科学作为一门新兴学科，与计算机科学、数学、统计学、语言学等学科有着密切的关系。
在信息科学的研究和应用中，专家系统和知识工程起着举足轻重的作用。
本文将从理论与实践两个方面，探讨专家系统与知识工程在信息科学中的研究进展和应用价值。
一、专家系统的基本原理与结构专家系统是一种通过模拟人类专家的决策过程和思考方式，进行智能决策的计算机系统。
它通过对专家知识的提取、表示和存储，模拟人类专家的推理过程，实现对复杂问题的解决。
专家系统的基本原理可以概括为三个关键步骤：知识获取、知识表示与存储、推理与决策。
知识获取是指通过对专家进行访谈或观察，获取专家知识的方法和过程。
知识表示与存储是指将获取到的专家知识进行适当的抽象和表示，使得计算机能够理解和处理。
推理与决策是指利用已有的知识进行推理和决策，生成对特定问题的解答和推荐。
专家系统的结构通常由知识库、推理机和用户界面三个主要部分组成。
知识库是存储专家知识的地方，以一种能被计算机所接受和处理的形式存在，如规则库、框架库和案例库等。
推理机是专家系统的核心组成部分，它根据用户输入的问题和已有的知识进行推理和决策，生成最终的结果。
用户界面则是用户与专家系统之间进行交互的接口，包括输入问题、获取答案和展示推理过程等功能。
二、知识工程的研究方法与应用领域知识工程是专家系统研究的重要分支，它致力于通过系统化的方法和技术，对专家系统中的知识进行建模、获取、表示、存储和应用。
知识工程的研究方法主要包括知识获取、知识表示和知识推理三个方面。
知识获取是指通过对专家进行访谈、观察或问卷调查等方式，获取其知识和经验，并将其转化为计算机可处理的形式。
知识获取的方法包括结构化访谈、半结构化访谈、观察法、问卷调查等。
在知识获取的过程中，需要充分考虑专家的知识表达方法和思维方式，以准确地捕捉和记录其知识。
知识表示是指将获取到的专家知识进行适当的抽象和表示，以便计算机能够理解和处理。
知识工程与专家系统
知识工程与专家系统1 .知识是什么所谓知识，是人们对自然现象的认识和从中总结出的规律、经验。
人类的知识是极其丰富与庞杂的，如何规范描述这些认识、规律、经验一直是人们所探讨的问题，至今没有一个统一模式，但常用K = F + R + C来表述，其中K 表示知识项(Knowledge Items ) ;F 表示事实(Facts ) ，是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间的关系的描述;R 表示规则(Rules ) ，是指能表达在前提与结论之间的因果关系的一种形式;C 表示概念(ConcePts ) ，主要指事实(术语)的含义、规则的语义说明等。
知识的层次关系描述如图6 一30 所示，其中再生知识是指人们在对客观世界、客观事物认识和总结的基础上，升华提高的系统的专业知识，这些知识被人们学习、传授、再提高、再扩充，最终为人类的需要服务。
2 .知识工程人类智能的衡量反映在对问题的求解、推理能力，学习能力，联想能力上，这就是所谓的“智能三要素”。
如何用计算机系统来实现这些能力，那就是知识工程(Knowledge Based Engineer -ing , KBE )所要解决的问题。
此外，如何通过知识库获得新的知识、新的结论、新的规律等;知识处理系统和知识库的工程设计与实现等间题;人与知识处理系统、知识库之间的界面如何进行交互作用，各种知识处理系统之间的关系问题，以及对知识结构、知识库的研究，这些问题及其实现方法和技术就构成了“知识工程”，或称“知识处理学”。
知识工程是获取特定领域知识并将它送到知识库中去的过程，它是一种设计方法学，使用启发式的设计规则，涵盖构件、装配和系统的开发，系统存储的产品信息模型包含了几何和非几何信息，以及描述产品如何设计、分析和制造的工程准则。
比起其他基于知识的系统，知识工程更加专注于工程设计以及后继的制造、销售等活动。
对知识的处理至少包括以下几个方面：l )知识的表示如何把这些知识用计算机所能接受的形式表示出来，这就是知识表示要研究的问题，应能提供给用户一种或多种知识表示方法，目前已有的知识表达方法有谓词逻辑方法，以框架为基础的知识表示方法，产生式规则，语义网络方法，脚本方法，过程式方法，直接表示法等.同时，一个良好的知识表示方法应该具有充分表达、有效推理、便于管理和易于理解等性能。
知识工程中的知识库、本体与专家系统①
知识工程中的知识库、本体与专家系统①魏圆圆1, 钱 平2, 王儒敬1, 王 雪11(中国科学院合肥智能机械研究所, 合肥230031)2(中国农业科学院农业信息研究所, 北京100081)摘 要: 随着语义Web思想的兴起, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑, 根据笔者的理解与实践, 对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清.关键词: 知识库; 本体; 专家系统; 知识表示Knowledge Base, Ontology and Expert System in Knowledge EngineeringWEI Yuan-Yuan1, QIAN Ping2, WANG Ru-Jing1, WANG Xue11(Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China)2(Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China)Abstract: With the development of the Semantic Web, the interoperability and sharing of expert system were put for- ward more advanced requests. The researches for new knowledge representation and knowledge base systems are im- portant trend. As a formal, explicit specification of a shared conceptualization, ontologies provide frames for inte- roperability between different systems and can solve the sharing and interoperability problem effectively. There were a variety of doubts in some beginners’ mind with the concepts of knowledge base, ontology and expert system. Based on the author's understanding and practice, the systematic comparative analysis between knowledge base, ontology and expert system in the domain of knowledge engineering were proposed in this paper, in order to make these terms less confused and more clearly comprehensible.Key words: knowledge base; ontology; expert system; knowledge representation作为构建语义Web的基础, 本体论的研究及其应用是目前国内外非常关注的研究热点, 成为一个新的研究领域. 近年来, 本体的开发逐渐从人工智能实验室走向领域专家的桌面上. 本体的应用从网站的分类系统(比如Yahoo!)到网络产品销售的分门别类(比如), 在互联网上的应用逐渐普及[1]. 某些学者将本体看作是构造知识库的一种途径, 另一些学者认为本体是知识库的重要组成部分[2,3], 此外还有专家将本体视为在不同平台间进行互操作处理的关键技术.上世纪90年代, 随着本体定义的提出, 知识工程领域在建立知识库的方法上也产生了一种革命性思想, 即有关本体工程和构建本体知识库的思想[2]. 同时, 随着并行与分布式处理、语义Web等新思想与技术的引入, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 因此, 当初研究专家系统的专家学者都对本体产生了兴趣,①基金项目:国家自然科学基金(31171456);中国科学院知识创新工程青年人才领域专项前沿项目收稿时间:2012-02-09;收到修改稿时间:2012-03-25其中不乏有人提出类似“知识库和本体有什么关系?”, “本体与专家系统的区别?”, “本体能否取代专家系统?” 等疑惑. 本文作者根据自己的理解与实践, 对知识工程领域中的本体、知识库以及专家系统做出较系统的分析.图1知识库、专家系统与本体1知识库与本体知识库和本体的异同从描述对象和表现形式两个方面进行衡量:1) 描述的对象根据MBA智库百科中知识库的定义, 知识库(Knowledge Base)是知识工程中结构化, 易操作, 易利用, 全面有组织的知识集群, 是针对某一(或某些)领域问题求解的需要, 采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合. 这些知识片包括与领域相关的理论知识、事实数据, 由专家经验得到的启发式知识, 如某领域内有关的定义、定理和运算法则以及常识性知识等. 在人工智能界, 最早给出本体定义的是Neches等人, 他们将本体定义为“构成相关领域词汇的基本术语和关系, 以及利用这些术语和关系构成的规范这些词汇外延规则”[4]. 被普遍接受的是Studer所给出的定义: “本体是共享概念模型的明确形式化规范说明(An ontology is a formal, explicit specification of a shared conceptualization)”[5]. 本体的定义说明, 本体侧重于对领域内概念以及关系的描述, 而知识库更侧重于对领域知识的表示, 组织和存储. 但他们都是对一个具体或是抽象领域中包含的知识的定义、表示和组织, 都以机器可读的形式表达, 可供机器处理.2) 表现形式知识库的构建需要某种知识表示方法的支持, 而本体本身就是一种特殊的知识表示方法. 知识库的知识可以是描述性知识或过程性知识, 而本体的本质决定了它在表示所有类型知识上是有局限性的. 所以说, 本体是一种特殊的知识库[6]. 墨西哥的María Auxilio Medina Nieto认为: 本体可用于构建知识库[7], 美国斯坦福大学Noy和McGuinness认为: 本体连同概念的个体实例集合组成一个知识库[1].2本体与专家系统本体和专家系统的区别从以下五个方面进行衡量:1) 描述的对象本体是对共享概念模型的规范说明, 即其概念在某个特定领域是公认的, 是面向特定领域的概念模型.专家系统是能够在特定的领域内模仿人类专家思维来求解复杂问题的计算机智能系统[9]. 知识库和推理机是典型专家系统的核心组成部分. 通过对人类专家的问题求解能力的建模, 采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题, 达到具有与专家同等解决问题能力的水平. 专家系统知识库描述特定领域专家知识模型, 只描述相关事物表面上的联系, 知识库中的知识是简单事实的罗列或面向问题求解的过程知识, 更多的是命题信息. 所以本体和专家系统是为不同的应用目的而产生的.2) 知识表示的方法和深度本体有5个建模元语, 即: 类(classes), 关系(relations), 函数(functions), 公理(axioms)和实例(instances)[8], 它们可以严格、规范、准确地刻画所描述的对象.专家系统知识表示深度不如本体, 知识表示方法较灵活, 开发者可以根据知识的特点自定义知识表示范式, 不同开发者对系统和知识库的理解不同, 就会出现不同的知识表示方法, 没有固定的建模原语, 对建模也没有特殊要求.3) 构建工具专家系统知识库一般是领域专家通过知识录入编辑工具进行知识库的构建. 十五期间, 国家863计划支持了多家科研院所进行农业智能信息系统开发工具的研究, 知识表示手段上存在很大的差异, 所以也没有大家较公认的知识建模方法, 至今没有出现较权威的专家系统开发工具. 系统开发者熟悉知识表示, 但不懂领域知识, 领域专家对编写一定格式的知识库脚本也很难胜任. 专家系统知识库的构建需要领域专家、和系统开发人员的密切合作. 同时, 由于无法彻底消除不同专家对领域知识理解上的差异, 使得最终构建的知识库的可用性受到影响.本体的构建是对客观世界的领域知识的建模, 利用本体可以用一种全新的方式将领域知识组织起来. 构建过程也必须有专家的参与, 知识获取更为严格、困难, 知识建模更为规范. 本体的构建有现成的方法可以借鉴, 也有很多成熟的本体开发工具可以使用[10], 随着从事本体研究的人越来越多, 会出现大量的已经构建好、并得到领域专家公认的本体, 可以直接利用.4) 推理机制专家系统的推理建立在知识库的基础之上, 需要设计者在知识表示的基础上自己构建推理机, 推理过程面向求解问题的事实知识和过程知识, 知识表示的好坏, 直接影响到了推理的结果和效率. 推理过程是问题求解的过程.本体知识库也是一种与其描述语言相关的知识库,目前已经出现多种本体表示语言, 由于都采用XML作为其底层表示语言, 这些语言之间可以很容易地相互转换, 其中几种本体语言都存在设计良好的推理机[11], 因此, 可以利用这些现成的推理机. 本体推理功能主要包括: 本体检查和隐含知识的挖掘[12,13].5) 知识的共享和重用由于目前大部分专家系统的知识库和推理机是针对特定的系统设计使用的, 难以与其他相关领域的专家系统实现共享和重用, 较难达到推理和事实的分离. 这使得花费大量的时间和精力构建的专家系统的知识库不能得到更好的应用, 造成了资源的极大浪费. 知识表示的差异性, 也很大程度上制约了专家系统的共享性和重用性.本体的构建是针对共享概念的明确规范说明, 所以说本体从最初的设计开始, 就是为共享的目的而构建的, 可以很容易地进行知识重用; 另外, 只要使用标准的表示语言格式对本体进行存储, 就可以进行本体的交换, 也就可以使用现有的本体推理机.下表总结了本体和专家系统的比较结果, 对上面的分析进行补充.表1本体和专家系统的比较3知识表示的表示观知识表示是知识工程中的重要研究内容, 王珏等学者收集并分析了人工智能学界对知识表示问题讨论的各种观点, 将知识表示的观点主要归纳为认识论(Epistemology)、本体论(Ontology)及知识工程(Knowledge Engineering)三类表示观[14].(1) 认识论表示观: 表示是对自然世界的描述, 知识表示自身并不体现任何智能行为, 其唯一的作用就是携带知识. 知识不完备性、知识不一致性、知识不确定性都是认识论表示观所讨论的内容.(2) 本体论表示观: 表示是对自然世界的一种近似, 它规定了看待自然世界的方式, 即一个约定的集合. 表示只是描述了在这个世界中, 观察者当前所关心的那部分, 其它部分则被忽略. 与认识论表示观“表示的唯一功能是携带知识”的观点相反, 本体论表示观注重的是内容, 而不是语言形式. 但本体论表示观又与知识工程表示观不同, 所注重的“内容”不是某些特定领域的特殊的专家知识, 而是自然世界中的那些具有普遍意义的“一般知识”.(3) 知识工程表示观: 表示是对自然世界描述的计算机模型, 它应该满足计算机这一实体的具体限制, 因此, 表示可以理解为一类数据结构及在其上的一组操作. 对知识的内容更强调与领域相关的、适合于该领域的、来自领域专家经验的知识. 这两个特点说明此类表示观更强调其工程实现, 而不甚关注对其行为的科学解释.专家系统作为知识工程的典型应用, 遵循知识工程表示观, 很多情况下也涉及认识论表示观. Lenat等人关于CYC系统的研究, 明确提出将“本体论表示观”作为人工智能研究的方法论[15], 该观点得到Davis等人的支持[16]. CYC系统是美国MCC(Microelectronics and Computer Technology Corporation)公司的研究项目, 其目的是通过本体开发大规模常识知识库,为常识推理(CommonSense reasoning)提供基础.4结语九十年代初, 美国国防高级研究计划署(DARPA)、国家自然科学基金(NFS)等四个政府部门联合提出了知识共享计划(Knowledge Sharing Effort), 以研究一种便于知识库和知识系统共享和重用的途径, 包括斯坦福大学、A T&T在内的十多个研究中心参加了这个计划, 而对本体的研究是这一计划的重要组成部分. 其中高性能知识库系统项目(HPKB, High Performance Knowledge Base)的核心就是本体知识库. HPKB的研究目标是使知识库系统的开发者能迅速地(几个月内)建立一个大容量的知识库. HPKB采用本体作为基本知识库的知识表示工具, 使知识库具有良好的表达能力和可重用性, 该项目的重要成果之一是开发了OKBC(Open Knowledge Base Connectivity)[17]. TOVE(TOronto Virtual Enterprise)系统是加拿大多伦多大学的研究项目, 其目的是企业建模，构造企业本体, 可通过演绎推理实现对企业相关信息的问题求解[18]. KACTUS是欧洲ESPRIT项目, 通过构造支持产品知识重用的本体, 支持计算机集成制造方法和知识工程方法的集成[19].可以认为: 基于本体的知识管理和知识服务是在语义Web时代对专家系统的继承和发展, 是适应现阶段语义网和云计算环境发展的必然趋势. 如何将本体和知识库系统结合起来, 一方面发挥本体的优势, 有效实现知识的规范表达以及知识的共享和重用; 另一方面利用知识系统实现问题求解任务目标, 以达到两者优势互补, 将是接下来需要我们深入研究的问题.参考文献1 Noy NF, Mcguinness DL. Ontology development 101: a guide to creating your first ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, March 2001.2 Guarino N. Formal Ontology and Information Systems. Proc. of FOIS’ 98. Trento, Italy, 6-8June 1998. Amsterdam, IOS Press, 1998. 3-15.3 Mizoguchi R. Tutorial on ontological engineering-Part1: Introduction to Ontological Engineering. New Generation Computing, Ohmsha, Ltd and Springer-Verlay, 2003,21(4): 365-384.4 Neches R, Fikes R, Finin T, Gruber TR, et al. Enabling technology for knowledge sharing. AI Magazine, 1991,12(3):36-56.5 Studer R, Benjamins VR, Fened D. Knowledge engineering: principles and methods. Data & Knowledge Engineering, 1998,25(1):161-197.6 Guarino N. Semantic Matching: Formal Ontological Dis- tinctions for Information Organization, Extraction, and Inte- gration. In: Pazienza MT, ed. Information Extraction: A Multidisciplinary Approach to an Emerging Information Te- chnology. Springer-Verlag, 1997: 139-170.7 Auxilio M, Nieto M. An Overview of Ontologies. From STAR Lab’s research efforts,2003,http://www.starlab.vub.ac.be/tea- ching/ontologies_overview.pdf8 Gomez-perez A, Benjamins VR. Overview of knowledge sha- ring and reuse components: ontologies and Problem Solving Methods. Proc. of the IJCAI-99 workshop on Ontologies and Problem-Solving Methods(KRR5). Stockholm, Sweden, August 2, 1999.9 史忠植,王文杰.人工智能.北京:国防工业出版社,2007.10 钱平,郑业鲁.农业本体论研究及应用.北京:中国农业科学技术出版社,2006.11 徐德智,汪智勇,王斌.当前主要本体推理工具的比较分析与研究.现代图书情报技术,2006,12:12-15.12 潘超,古辉.本体推理机及应用.计算机系统应用,2010,19(9):163-167.13 高琦、陈华钧.互联网Ontology语言和推理的比较和分析.计算机应用和软件,2004,21(10):73-76.14 王珏,袁小红,石纯一,等.关于知识表示的讨论.计算机学报,1995,18(3):212-224.15 Lenat DB, Guha RV. Building large knowledge-basedsystems: Representation and inference in the Cycproject.Addison-Wesley Pub. Co. 1990.16 Davis R, Shrobe H, Szolvits P. What is a KnowledgeRepresentation. AI Magazine, 1993,14(1):17-33.17 Chaudhri VK, Farquhar A, Fikes R, Karp PD, Rice JP. OpenKnowledge Base Connectivity 2.0.3, Technical Report, /okbc/okbc-2-0-3.pdf. 1998.18 Gruninger M, FOX MS. The Logic of Enterprise Modelling,Modelling and Methodologies for Enterprise Integration.Bernus P & Nemes L, eds. Cornwall, Great Bri tain:Chapman and Hall. 1996.19 Schreiber G, Wielinga B, Jansweijer W. The KACTUS viewon the‘o’word. Workshop on Basic Ontological Issue in Knowledge Sharing. International Joint Conference on Artificial Intelligence. 1995.。
知识工程基本技术
知识工程基本技术
知识工程是一种将人类知识转化为计算机可处理形式的技术。
它涉及
到多个领域的技术，包括人工智能、自然语言处理、机器学习、语义网、
专家系统等。
以下是知识工程的基本技术：1.知识表示：将人类知识转化
为计算机可处理的形式，如本体、知识图谱等。
2.知识获取：从不同来源
获取知识，如文本、图像、语音等。
3.知识推理：基于已有的知识进行推理，生成新的知识。
4.知识存储：将知识存储在计算机中，以便后续使用。
5.知识查询：通过查询语言或搜索引擎等方式，从知识库中检索所需的知识。
6.知识应用：将知识应用于实际问题中，如智能问答、推荐系统、智
能客服等。
7.知识评估：评估知识的质量和有效性，以便不断优化和改进
知识库。
以上是知识工程的基本技术，它们相互关联、相互作用，共同构
成了知识工程的核心。
软件工程中的知识推理与专家系统研究
软件工程中的知识推理与专家系统研究软件工程中的知识推理与专家系统研究软件工程是一门研究如何构建和维护高质量软件的学科。
在软件工程的研究和实践中，知识推理和专家系统是两个重要的领域。
知识推理是指基于已有的知识和规则，通过逻辑推理和推断来解决问题和做出决策的过程。
而专家系统是一种基于专家知识和规则的计算机程序，可以模拟人类专家在特定领域中的问题解决和决策过程。
知识推理在软件工程中的应用非常广泛。
首先，它可以用于软件开发过程中的需求分析和规格说明。
通过将专家的知识和经验转化为规则和逻辑形式，可以对需求进行推理和验证，从而确保需求的准确性和一致性。
其次，知识推理可以用于软件设计过程中的设计决策。
通过对设计规则和约束条件的推理，可以在设计阶段中生成高质量的设计方案。
此外，知识推理还可以用于软件测试和维护过程中的问题诊断和修复。
通过对软件行为和错误信息的推理和分析，可以帮助开发人员快速定位和解决问题。
专家系统是一种基于知识推理的人工智能技术，已经在软件工程领域取得了一些重要的研究成果和应用。
专家系统可以通过模拟专家的知识和推理过程，帮助解决软件工程中的复杂问题和决策。
例如，在软件开发过程中，专家系统可以用于自动化测试用例的生成和执行，从而提高测试的效率和覆盖率。
此外，专家系统还可以用于软件质量评估和风险分析，通过对各种质量指标和风险因素的推理和评估，帮助开发人员制定合理的开发策略和决策。
另外，专家系统还可以用于软件维护过程中的问题诊断和修复，通过对软件错误和异常的推理和分析，帮助开发人员快速定位和解决问题。
然而，知识推理和专家系统在软件工程中的应用还面临一些挑战和困难。
首先，软件工程领域的知识通常是不完备和不确定的，这使得知识的表示和推理变得复杂和困难。
其次，软件工程领域的知识和规则通常是动态变化的，需要及时更新和维护。
这对知识表示和推理的效率和灵活性提出了很高的要求。
此外，软件工程领域的问题通常是多领域、多学科的，需要集成不同领域的知识和技术。
选择题 专家系统的结构
选择题专家系统的结构
专家系统的基本结构通常包括以下几个部分：
1. 用户界面：用户界面是专家系统中最重要的部分，它以可读的形式获取用户的查询，并将其传递给推理引擎。
之后，它会向用户显示结果。
换句话说，它是一个帮助用户与专家系统进行通信的界面。
2. 推理机：推理机是专家系统的大脑，包含解决特定问题的规则。
当试图回答用户的查询时，它会选择要应用的事实和规则，为知识库中的信息提供推理，有助于解决问题，并制定结论。
3. 知识库：知识库是事实的储存库，是专家系统质量的关键所在。
它包含问题求解所需要的领域知识，包括基本事实、规则和其他有关信息。
知识的表示形式可以是多种多样的，包括框架、规则、语义网络等等。
此外，还有一些其他组成部分，如解释器、综合数据库和知识获取等。
以上信息仅供参考，如需获取更多详细信息，建议查阅专家系统相关的书籍和文献。
知识库的基本概念
知识库是知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。
这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。
知识是人类智慧的结晶。
知识库使基于知识的系统(或专家系统)具有智能性。
并不是所有具有智能的程序都拥有知识库，只有基于知识的系统才拥有知识库。
现在许多应用程序都利用知识，其中有的还达到了很高的水平，但是，这些应用程序可能并不是基于知识的系统，它们也不拥有知识库。
一般的应用程序与基于知识的系统之间的区别在于：一般的应用程序是把问题求解的知识隐含地编码在程序中，而基于知识的系统则将应用领域的问题求解知识显式地表达，并单独地组成一个相对独立的程序实体。
知识库的特点：1、知识库中的知识根据它们的应用领域特征、背景特征（获取时的背景信息）、使用特征、属性特征等而被构成便于利用的、有结构的组织形式。
知识片一般是模块化的。
2、知识库的知识是有层次的。
最低层是“事实知识”，中间层是用来控制“事实”的知识（通常用规则、过程等表示）；最高层次是“策略”，它以中间层知识为控制对象。
策略也常常被认为是规则的规则。
因此知识库的基本结构是层次结构，是由其知识本身的特性所确定的。
在知识库中，知识片间通常都存在相互依赖关系。
规则是最典型、最常用的一种知识片。
3、知识库中可有一种不只属于某一层次（或者说在任一层次都存在）的特殊形式的知识——可信度（或称信任度，置信测度等）。
对某一问题，有关事实、规则和策略都可标以可信度。
这样，就形成了增广知识库。
在数据库中不存在不确定性度量。
因为在数据库的处理中一切都属于“确定型”的。
4、知识库中还可存在一个通常被称作典型方法库的特殊部分。
如果对于某些问题的解决途径是肯定和必然的，就可以把其作为一部分相当肯定的问题解决途径直接存储在典型方法库中。
大学计算机专业《人工智能》试题与答案
大学计算机专业《人工智能》试题与答案一、单选题：1：人类智能的特性表现在4个方面。
A：聪明、灵活、学习、运用。
B：能感知客观世界的信息、能对通过思维对获得的知识进行加工处理、能通过学习积累知识增长才干与适应环境变化、能对外界的刺激作出反应传递信息。
C：感觉、适应、学习、创新。
D：能捕捉外界环境信息、能够利用利用外界的有利因素、能够传递外界信息、能够综合外界信息进行创新思维。
2：人工智能的目的是让机器能够，以实现某些脑力劳动的机械化。
A：具有智能B：与人一样工作C：完全代替人的大脑D：模拟、延伸与扩展人的智能3：下列关于人工智能的叙述不正确的有：。
A：人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。
B：人工智能是科学技术发展的趋势。
C：因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。
D：人工智能有力地促进了社会的发展。
4：人工智能研究的一项基本内容是机器感知。
以下列举中的不属于机器感知的领域。
A：使机器具有视觉、听觉、触觉、味觉、嗅觉等感知能力。
B：让机器具有理解文字的能力。
C：使机器具有能够获取新知识、学习新技巧的能力。
D：使机器具有听懂人类语言的能力5：自然语言理解是人工智能的重要应用领域，下面列举中的不是它要实现的目标。
A：理解别人讲的话。
B：对自然语言表示的信息进行分析概括或编辑。
C：欣赏音乐。
D：机器翻译。
6：为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个重要的信息处理的机制是：。
A：专家系统B：人工神经网络C：模式识别D：智能代理7：如果把知识按照作用来分类，下述不在分类的范围内。
A：用控制策略表示的知识，即控制性知识。
B：可以通过文字、语言、图形、声音等形式编码记录与传播的知识，即显性知识。
C：用提供有关状态变化、问题求解过程的操作、演算与行动的知识，即过程性知识。
D：用提供概念与事实使人们知道是什么的知识，即陈述性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
体实例集合组成一个知识库【． ”
２ 本体与专家系统
本体和专家系统的区别从以下五个方面进行衡量：
１ １描述 的对象
本体 是对 共享概念模 型的规范说 明，即其概念在
某个特定领域是公认的，是面 向特定领域的概念模型． 专家 系统是 能够在特定 的领 域 内模仿 人类 专家 思
系统 与本体
外 还有 专家 将本 体视 为在 不 同平 台间进 行互 操 作处
理 的关键技术 ．
架。是解 决共 享和 互 操作 问题 的有 效 的方 法．因
① 基 金 项 目： 自然科 学基 金（ｌ７ ４６； 国科学 院知 识创 新工 程青 年人才 领域 专项前 沿项 目 国家 ３ １１５） 中 收稿 时间：０２０ －９收 到修 改稿 时间：０２０ －５ ２ １－２０ ； ２ １－３２
Ｍｅ ｉａ ｅｏ ｄｎ ｔ 认为：本体可用于构建知识库［， 国斯 Ｎｉ ７美 １
坦福大学 Ｎ ｙ Ｍｃ ｕｎ ｅｓ 为： ｏ和 Ｇ ｉｎ ｓ认 本体连同概念 的个
等疑惑 ． 本文 作者根 据 自己的理解与 实践， 知识 工 对
程领域中 的本体 、知识库 以及专家系统做 出较 系统 的
分析．
对这几个术语做一 个澄清．
关键词：知识库；本体；专家系统；知识表示
Ｋｎｏ ｅ ｇ ｓ ， ｔ ｌ ｇ ｎｄ Ｅｘｐ ｒ ｙｓｅ ｎ Ｋｎｏ ｅ ｅＥｎｇ ｎ ｅ ｉ ｇ ｗｌ ｄ ｅＢａ ｅ Ｏｎ ｏ ｏ ｙ ａ ｅ ｔＳ ｔ ｍ ｉ ｗｌ ｄｇ ｉ ｅ ｒｎ ＷＥ Ｙ ａ － ｕ ｎ ， ＡＮ Ｐｎ ￣ＷＡ Ｉ ｕ ｎＹ ａ ＱＩ ｉｇ ， ＮＧＲｕＪｎ ＷＡ —ｉｇ ， ＮＧＸｕ ｅ
ｒ ｐ ｒ ｂ ｌ ｙ ｂ ｔ ｅ ｉ ｅ ｅ ｔｓ ｓｅ ｎ ａ ｏ ｖ ｅ ｓ ａ ｉｇ ａ ｄ ｉ ｔｒ ｐ ｒｂ ｌ ｙ ｐ ｏ ｌｍ ｆｅ ｔ ｅｙ Ｔ ｅ ｅｗｅ ｅ ａ ｏ ｅ ａ ｉ ｔ ｅｗｅ ｎ ｄ ｆ ｒｎ ｙ ｔｍｓａ ｄ ｃ ｎ ｓ ｌ ｅｔ ｈ ｎ ｎ ｅｏ ｅ ａ ｉｔ ｒ ｂ ｅ ｅ ｃｉ ｌ ． ｈ ｒ ｒ ｉ ｈ ｒ ｎ ｉ ｖ
ｖ ｉｔ ｆｄ ｕ ｔ ｎ ｓ ｍｅｂｅ ｉｎ ｒ ’ ｎ ｔ ｅ ｃ ｎ ｅ ｔ ｆｋ ｗｌｄ ｅｂ ｓ ， ｎ ｏ ｏ ｙ ａ ｄ ｅ ｐ ｒ ｙｓｅ ． ｓ ｄ ｏ ｒ ａ ｅｙ ｏ ｏ ｂ ｓｉ ｏ ｇ ｎ ｅ ｓ ｍｉ ｄ ｗｉｈｔ ｏ ｃ ｐ ｓｏ ｎｏ ｅ ｇ ａ ｅ ｏ ｔ ｌ ｇ ｘ ｅ ｓ ｔｍ Ｂａ ｅ ｎ ｈ ｎ ｔ ｔ ｅ ａ ｔ ｏ ＇ ｕ ｄ ｒｔｎｄｎ ｄ ｐ ａ ｔｃ ，ｔ ｅ ｓ ｔｍａ ｉ ｏ ｒａ ｉｅ ａ ａｙ ｉ ｅｗｅ ｎ ｋ ｏ ｅ ｇ ａ ｅ ｎ ｏｏｇ ｎ ｈ ｕ ｈ ｒ ｎ ｅ ｓａ ｉ ｇ ａ ｒ ｃｉ ｅ ｈ ｙｓｅ ｔｃ ｃ ｍｐａ ｔｖ ｌ ｓｓ ｂ ｔ ｅ ｓ ｎ ｎ ｎ ｗｌｄ ｅ ｂ ，ｏ ｔ ｌ ｙ ａ ｄ ｓ
摘
要：随着语义 Ｗｅ 思想的兴起，对专家系统 的互操作性和共享性也提出了更高的要求， ｂ 对新型知识表 示方 式
和新 型知 识系统 的研 究是大 势所趋．本体作为 共享概念模型 的明确 的形式化规范说 明，为不同系统之间 的互 操 作提供 了基 本的框架，是解 决共享和互操作 问题 的有效 的方法． 一些初学者对知识库 、本体 以及专家系统 的概念 产生 了各种疑 惑，根据笔者 的理解与 实践， 知识工程 中的本体 、知识库 以及 专家系统做 出较系统 的比较 分析， 对
（ ｓｔｔ ｆｎｅ ｉｅｔ ｃｉｅ， ｈ ｅｅ ａｅ ｆ ｃ ｎｅ， ｆｉ ３ ０ １Ｃ ｉａ Ｉ ｔｕｅ Ｉｔｌｇ ｎ ＭａｈｎｓＣ ｉ ｓ Ａｃｄｍｙｏ Ｓ ｉ ｃｓＨｅｅ ２ ０３ ， ｈ ） ｎｉ ｏ ｌ ｎ ｅ ｎ （ ｒ ｕｔｒ ｆｒ ｔ ｎ ｎｔｕｅＣ ｉｅｅ ａｅ ｆ ｒ ｕｔｒ ｃ ｎｅ， ｅ ｉｇ１ ０ ８ ， ｈ ａ Ａｇｉ ｌ ａＩ ｏｍａｉ ｓｔｔ， ｈｎ ｓＡｃｄｍｙｏ Ａｇｉ ｌ ａ Ｓ ｉ ｃｓＢ ｉｎ ０ ０ １Ｃ ｉ ） ｃ ｕ ｌｎ ｏＩ ｉ ｃ ｕｌ ｅ ｊ ｎ
新的研 究领 域．近年来 ，本体的开发逐渐 从人 工智能
实验 室走 向领域 专 家 的桌面 上．本体 的应 用 从 网站
的分类系统（ 比如 Ｙ ｈ ｏ） 网络产 品销售 的分 门别类 ａｏ ！ 到 （ 比如 Ａ ｚ ｎｃｍ） ｍａｏ ． ｏ ，在互 联 网上 的应用 逐渐 普及 【． Ｊ Ｊ 某 些 学者 将 本体 看 作是 构造 知识 库 的一 种途 径 ，另
２ ０ 专 论・ ２ 综述 Ｓｅｉ ｓｅ ｐ ｃ ｌｓｕ ａＩ
２１ ０ ２年 第 ２ 卷 第 １ １ ０期
ｂｔ：ｗ ． Ｓ ． ｇｃ ｔ ／ ｗｗｃ — ｏ ．ｌ ｐ／ －ａ ｒ ｒ
计 算 机 系 统 应 用
其中不乏有 人提 出类似“ 知识库和本体 有什么关 系？， ” “ 本体与专家系统的区别？， 本体能否取代专 家系统？ ”“ ”
关 系，以及利 用这些术语和 关系构成 的规范 这些词汇 外 延规则” 】被 普遍接受 的是 Ｓｕ ｅ 【． ４ ｔｄｒ所给 出的定义 ：
“ 体 是 共 享 概 念 模 型 的 明确 形 式 化 规 范 说 明（ ｎ 本 Ａ
ｏ ｔ ｌｇ ｓ ａ ｆ ｒ ｌ ｘ ｌ ｉ ｓ ｅ ｉ ｃ ｔ ｎ ｏ ｈ ｒ ｄ ｎ ｏｏ ｙ ｉ ｏ ｍａ，ｅ ｐ ｉ ｔ ｐ ｃｆ ａ ｉ ｆ ａ ｓ ａｅ ｃ ｉ ｏ
维 来求解 复杂 问题 的计算机 智能系统【．知识库和推
理机 是典型专家 系统的核心组成部分 ． 通过对人类 专
ｌ 知识库与本体
知识库和本体 的异 同从描述对象和 表现形式两个
方面进行衡量： １ ）描述 的对象
家 的 问题求解 能力的建模，采用人工智 能中的知 识表 示和 知识推 理技 术来模 拟通常 由专家才能解 决的复杂 问题，达到具 有与专家 同等解 决问题能力 的水 平．专 家 系统知识库描述特 定领域专家知识模 型，只描述 相
ｅ ｐ ｒ ｓ ｓ ｍ ｅｄ ｍａｎ ｏ ｏ ｅ ｇ ｎ ｉｅ ｒ ｇ ｗｅ ｅｐ ｏ ｏ ｅ ｉ ａ ｅ， ｒ ｅ ｋ ｅ ｅｔ ｒ ｅ ｓ ｘ ｅｔ ｙ ｔ ｉ ｔ ｏ ｉ ｆｋ ｗｌｄ ｅ ｅ ｇ ｅ ｉ ｒ ｒ ｐ ｓ ｄ ｉ ｔ ｓｐ ｐ ｒ ｉ ｏ ｄ ｒ ｏ ｍａ ｅ ｔ ｓ ｍｓｌｓ ｅ ｎｈ ｎ ｎ ｎ ｎｈ ｎ ｔ ｈ ｅ
建模 也没有特殊要求．
３ 构建工具
ｃｎ ｅｔａ ｚｔ ｎ” 】 本体 的定义说 明，本体侧重于对 ｏｃｐｕ ｌａｉ ）【． ｉ ｏ ５ 领域 内概 念 以及关系 的描述，而知识库更侧重 于对领 域 知识 的表 示，组织和存储 ． 但他 们都 是对一个 具体 或 是抽象 领域 中包含 的知识的定义 、表 示和组织，都 以机器可读的形式表 达，可供机 器处理 ．
计 算 机 系 统 应 用
ｈ ｐＮ ｗ ． Ｓ ． ｇｃ ａ ：ｗ ｗ ｃ — ｏ ． －ａｒ ａ
２ １ 年 第 ２ 卷 第 １ 期 ０２ １ ０
知识工程 中的知识库 、本体 与专家系统
魏 圆圆 ，钱 平 ，王儒敬 ，王 雪
（ 中国科学院合肥 智能机械研究所，合肥 ２ ０ ３ ） ３０ １ （ 中国农业科学院农业 信息研究所，北京 １０ ８ ） ００ １
ｗａ ｄ ｍｏ ｅ ａ ｖ ｎ ｅ ｅ ｕ ｓ Ｔｈ ｅ ｅ ｃ ｅ ｏ ｅ ｋ ｗｌｄ ｅｒ ｐ ｅ ｅ ｔｔｏ ｎ ｏ ｅ ｇ ｓ ｙ ｔｍｓ ａｅ ｉ ｒ ｒ ｄ ａ ｃ ｄ ｒ ｑ ｅ ｔ． ｅ ｒ ｓ ａ ｈ ｓｆ ｒｎ ｗ ｎｏ ｅ ｇ ｅ ｒ ｓ ｎ ａｉｎ ａ ｄ ｋ ｗｌｄ ｅｂａ ｅ ｓ ｓｅ ｍ－ ｒ ｎ ｒ ｐ ｒａ ｔｔｅ ｄ ｏ ｔｎ ｒ ｎ ．Ａｓ ａ ｆ ｒ ｌ ｘ ｌｃｔｓ ｅ ｉ ｃ ｔｏ ｆａ ｓ ａ ｅ ｏ ｃ ｐ ｕ ｌｚ ｔｏ ，ｏ ｔ ｌ ｉｓ ｐ ｏ ｉ ｅ ｆａ ｓ ｆ ｒ ｉ ｅ ｏ ｍａ，ｅ ｐ ｉｉ ｐ ｃｆ ａｉ ｎ ｏ ｈ ｒ ｄ ｃ ｎ ｅ ｔ ａｉａｉ ｎ ｎ ｏｏｇｅ ｒ ｖ ｄ ｒ ｍｅ ｏ ｎｔ－ ｉ
述 的对象．
识、 事实数据，由专家经验得到的启发式 知识，如某领
域 内有关 的定义、定理和运算法则 以及常识性知识等． 在人工智 能界，最早给 出本 体定义 的是 Ｎｅｈｓ等人 ， ｅｅ 他们 将本体 定义为“ 构成 相关领域 词汇 的基 本术 语和
专 家系统知识表示 深度不如本体，知识表示方 法 较 灵活，开发者可 以根据 知识的特 点 自定义知 识表 示 范 式，不 同开 发者对系 统和知识 库的理解不 同， 会 就 出现不 同的知识表 示方法 ， 没有 固定的建模原 语，对
ｃ ｎ ｕ ｅ ｎ ｒ ｌａ ｌ ｃ ｍ ｐ ｅ ｅ ｓｂｌ． ｏ ｆ ｓ ｄ ａ ｄ ｍｏ ｅｃｅ ｙ ｏ ｒ ｒ ｈ ｎ ｉ ｅ
Ｋｅ ｒ ｓ ｋ ｏ ｅ ｅｂ ｓ ； ｎ ｏ ｏ ｙ； ｘ ｅ ｙ ｔｍ； ｏ ｅ ｅｒ ｐ ｅ ｅ ｔｔｏ ｙ ｗｏ ｄ ： ｎ ｗｌｄｇ ａ ｅ ｏ ｔ ｌ ｇ ｅ ｐ ｒ ｓ ｓｅ ｋ ｗｌｄｇ ｅ ｒｓ ｎ ｉ ｎ ｔ ｎ ａ
Ａｂ ｔ ａ ｔ Ｗ ｉ ｅ ｄ ｖ ｌｐ ｎ ｆｔ ｅ Ｓ ｍａ ｔ ｅ ， ｈ ｔｒ ｐ ｒｂ ｌ ｙ ａ ｄ ｓ ａ ｉ ｇ ｏ ｘ ｅ ｔ ｙ ｔｍ ｒ ｕ ｏ － ｓ ｒ ｃ ： ｔ ｔ ｅ ｅｏ ｍｅ ｔ ｅ ｎ ｉ Ｗ ｂ ｔ ｅ ｉ ｅｏ ｅ ａ ｉｔ ｎ ｈ ｒｎ ｆｅ ｐ ｒ ｓ ｓｅ ｗｅｅ ｐ ｔ ｒ ｈ ｈ ｏ ｈ ｃ ｎ ｉ ｆ
关 事物表面上 的联系， 知识 库 中的知识是简单事 实的
罗列或面 向问题求解的过程知识，更多的是命题信 息． 所 以本体和专家系统是为不同的应用 目的而产生的． ２ ）知识表示 的方法和深度
本 体 有 ５ 个 建 模 元 语 ，即 ：类 （ｌ ｓｓ，关 系 ｃ ｓｅ） ａ
（ ｌｉｎ） 函 数 （ ｎｔ ｎ） 公 理 （ ｉｍｓ 和 实 例 ｒ ａｏｓ ｅｔ ， ｆ ｃｏｓ ｕ ｉ ， ａｏ ） ｘ （ ｓ ｎ ｅ）］ ｉ ｔ ｃｓ ｓ ｎａ ｉ，它们可 以严格 、规范、准确地刻 画所 描