第三章知识表示产生式表示r
2.3 产生式法知识表示与问题求解ppt课件
自动化系仪自教研室
17
2.2.2 产生式知识表示法
➢ 2.2.2.3 产生式系统的推理策略
正向推理
▪ 也称为数据驱动方式，它是从初始状态出发，朝着目标 状态前进，正向使用规则的一种推理方法。
▪ 所谓正向使用规则，是指以问题的初始状态作为初始综 合数据库，仅当综合数据库中的事实满足某条规则的前 提时，该规则才被使用
R12: IF 该动物是有蹄类动物 R13: IF 该动物是鸟
AND THEN AND AND AND AND THEN
身上有黑色条纹 该动物是斑马 有长脖子 有长腿 不会飞 有黑白二色 该动物是驼鸟
整理ppt
自动化系仪自教研室
24
2.2.2 产生式知识表示法
➢ 2.2.2.4 产生式系统的应用举例 例-动物识别系统
这是一个用以识别虎、金钱豹、斑马、长颈鹿、企鹅、驼鸟、信天翁等7种动 物的产生式系统。为了实现对这些动物的识别，该系统建立了如下规则库：
R1: IF 该动物有毛 R2: IF 该动物有奶 R3: IF 该动物有羽毛 R4: IF 该动物会飞 R5: IF 该动物吃肉 R6: IF 该动物有犬齿
THEN THEN THEN AND会下蛋 THEN THEN AND有爪AND THEN
▪ 优点是简单明了且能求出所有解 ▪ 缺点是执行效率较低，原因是它驱动了一些与问题无关
的规则，具有一定的盲目性。
整理ppt
自动化系仪自教研室
18
2.2.2 产生式知识表示法 ➢ 2.2.2.3 产生式系统的推理策略
正向推理
从规则库中取一个条规则，将其前提同当前 动态数据库中的事实/数据进行模式匹配
➢ 2.2.2.1 产生式表示知识的基本方法
第3章 知识与知识表示
定义表示动作的谓词
GOTO(x,y) AT(robot, x) -AT(robot, x) +AT(robot, y) PICK-UP(x) ON(box, x) ∧TABLE(x) ∧AT(robot, x) ∧EMPTY(robot) -EMPTY(robot) ∧ON(box, x) +HOLDS(robot, box) SET-DOWN(x) AT(robot, x) ∧TABLE(x) ∧HOLDS(robot, box) -HOLDS(robot, box) +EMPTY(robot) ∧ON(box, x)
一阶谓词逻辑表示法
• 谓词公式（定义） 可按下述规则得到谓词演算的合式公式： （1）单个谓词是合式公式，成为原子谓词公式； （2）若A是合式公式，则┐A也是合式公式； （3）若A,B是合式公式，则A∧B, A∨B, A→B, A↔B也都是合式公式； （4）若A是合式公式，x是任一个体变元，则 (∀x)A和(∃x)A也都是合式公式。
TABLE(a) TABLE(b)
GOTO(x,y)
AT(robot, b) HOLDS(robot, box)
TABLE(a) TABLE(b)
SET-DOWN(x)
AT(robot, b) EMPTY(robot)
ON(box, b) TABLE(a) TABLE(b)
GOTO(x, y)
AT(robot, c) EMPTY(robot)
• 在谓词中，如果每个个体都是常量，变 元或者函数，则称为一阶谓词。如果变 元本身又是一阶谓词，则称为二阶谓 词。…
第三章知识表示
3.3
知识表示方法的分类
• 叙述性表示：主要用来描述事实性知识，它将知识与控制分开，把知识 的使用方法，即控制部分留给计算机程序，是一种静态的描述方法。 它的特点是：严密性强、易于模块化、具有推理的完备性；但推理效 率较低，推理过程不透明，不易理解。 • 过程性表示：主要用来描述规则性知识和控制结构知识，即将知识与控 制（推理）结合起来，是一种动态的描述方法。其优点是推理过程直 接、明晰，有利于模块化，易于表达启发性知识和默认推理知识，实 现效率高，缺点是不够严格，知识间有交互重叠，灵活性差。 两种表示方法各有利弊，对不同性质的问题应采用不同形式的表达方法。 知识的表示和推理在大部分情况下位于独立的两个模块，但推理机制强 烈关联于相应的知识表示方式。
14
（4） 谓词和函数间的关系
(x)(y)(z )(Smaller ( x, y ) Smaller ( y, z ) Smaller ( x, z ) 盘大小关系的传递性 (x)(s)(Free( x, s) (y )ON ( x, y, s))
s下，x是空顶必知s下无y在x上。 (x)(y )(s)(Legal ( x, y, s) Free( x, s ) Free( y, s) Disk ( x) Smaller ( x, y ))
Robotable b
10
逻辑表示法
定义谓词 – 状态 – 操作 状态 –TABLE (x): x是桌子。 –EMPTY (y): y手中是空的。 –AT(y, z): y在z的附近。 – HOLDS(y, w): y拿着w。 – ON(w,x): w在x桌面上。 问题的初始状态： AT (robot, c) EMPTY (robot) ON (box, a) TABLE (a) TABLE (b) 问题的目标状态： AT (robot, c) EMPTY (robot) ON (box, b) TABLE (a) TABLE (b)
人工智能基础 第3章 知识表示
选择知识表示方法的原则有
（1）充分表示领域知识
（2）有利于对知识的利用
（3）便于对知识的组织、 维护与管理。
（4）便于理解与实现。
3.2 知识表示方法
3.2.1 逻辑表示法
逻辑本身根据复杂性从简单到复杂分为：命题逻辑、一阶谓词逻辑、高阶逻辑。为了避免运算的歧义，命 题逻辑还定义了不同的连接词和操作符的优先级关系，例如非（┐）具有最高优先级。逻辑连接符根据真值 表运算组合命题的真假值，真值表如表 3-1 所示。命题逻辑和一阶谓词逻辑是人工智能领域使用最早的、最 广泛的知识表示方式。
4. 不确定性事实的产生式表示
不确定性事实一般用四元组表示：（对象， 属性，值，置信度）或者（关系，对象 1， 对象 2，置信度）。
1. 确定性规则的产生式表示
确定性规则的产生式表示的基本形 式为：IF P THEN Q 或者 P → Q。
3. 确定性事实的产生式表示
确定性事实一般用三元组表示：（对象，属 性，值）或者（关系，对象 1，对象 2）。
3.2 知识表示方法
3.2.5 状态空间表示法
状态空间（state space）是利用状态变量和操作符号表示系统或问题的有关知识的符号体系。状态空间可以 用一个四元组表示： (S，O，S0，G)
例如，操作序列 O1，...，Ok 使初始状态转换为目标状态，如图 3-6所示
3.2 知识表示方法
3.2.5 状态空间表示法
3.2 知识表示方法
3.2.3 框架表示法
在一个用框架表示知识的系统中，一般含有多个框架，一个框架一般含有多个不同槽、不同侧面，分别用不同的框架名、槽名 及侧面名表示。对于框架、槽或侧面，都可以为其附加上一些说明性的信息，一般是一些约束条件，用于指出什么值才能填入槽 和侧面中去。
知识表示和推理
下面我们通过例子对上述系统中的各个部分 进行说明. 1.作业领域 收藏数据（事实的集合）和假设（目标） 等. 例如，设在动物园中的某个兽笼前，对生 活在笼中的动物进行观察. 假设对笼中名字为 ‚太郎‛的动物得到了下列数据，标记在数据 前面的Dх（x为数字）称为标识符，x为数据 形成时顺序分配的序号. 即数字越大，数据越 新，这是显而易见的. 以下的表示方法，是一 种意义容易理解的表示方法，它与在实际的计 算机上的表示是不同的.
知识表示与对其进行处理的推理密 切相关. 在3.2节中，我们将对其产生式 系统的表示法和推理方法进行说明，这 些方法在专家系统中得到了有效的利用. 产生式系统可以用来应付在上述1、2项 中遇到的困难.
3.2 产生式系统
3.2.1 产生式系统的构造 产生式系统（production system）是1973年由纽 厄尔（Newell）提出的，它是用计算机构成的一种系 统，这种系统具有模仿人解决问题的行为机构. 与人 类具有的长期存储器（long term memory）和短期存 储器（short term memory）相对应，产生式系统的记 忆场所也采用了两种类型. 长期存储器被称为知识库， 它是收藏被长期保存的知识的地方. 在产生式系统中， 将if-then 规则储备在知识的收藏场所. 短期存储器， 在作业领域被称为工作存储器（WM），它是暂时的数 据收藏场所. 在产生式系统中，由外部给予的数据和 从推理中获得的结果将会被记忆. 因此，产生式系统 基本上将具有图3.1所示的构造.
人工智能知识表示
人工智能产生式表示法“产生式”由美国数学家波斯特（ E.POST在1934年首先提岀，它根据称为波斯特机的计算模型，模型中的每条规则称为产生式。
1972年纽厄尔和西蒙在研究人类知识模型中开发了基于规则的产生式系统。
1.产生式的基本形式' 或 IF P THEN Q常用结构示例原因a结果天下雨，地上湿条件a结论如果把冰加热到 0。
以上，冰就会融化为水前提a操作若能找到一根合适的杠杆，就能撬起那座大山事实a进展夜来风雨声，花落知多少情况a行为刚才开机了，意味着发岀了捕获目标图像的信号表1产生式表示的常用结构及示例2.产生式系统把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的式作为已知事实使用，以求得问题的解决，这样的系统称为产生式系统。
串代替规则提岀了一种结论可以供另一个产生3. 动物识别系统产生式推理链设动物识别知识库中已包含识别虎、金钱豹、斑马、长颈鹿、企鹅、鸵鸟、海鸥等 条规则。
图1产生式系统7中动物15R1：F某动物是哺乳动物 AND是食肉动物 AND是黄褐色 AND身上有斑点 THEN该动物是金钱豹R2: IF某动物是哺乳动物 AND是食肉动物 AND是黄褐色 AND身上有黑色条纹 THEN该动物是老虎R3： IF某动物是有蹄类动物 AND有长脖子 AND有长腿AND身上有暗斑点 THEN该动物是长颈鹿R4： IF某动物是有蹄类动物 AND身上有黑色条纹 THEN该动物是斑马R5: IF该动物是鸟 AND有长脖子 AND有长腿AND不会飞AND有黑白两色 THEN该动物是鸵鸟R6: IF某动物是鸟 AND会游泳AND不会飞AND有黑白两色 THEN该动物是企鹅R7： IF某动物是鸟 AND会游泳AND善于飞THEN该动物是海鸥R8: IF动物是哺乳动物 AND嚼反动物THEN该动物是有蹄类动物R9: IF某动物有毛发THEN该动物是哺乳动物R10: IF某动物有奶THEN该动物是哺乳动物R11: IF某动物有羽毛 THEN该动物是鸟R12: IF某动物会飞 AND会下蛋THEN该动物是鸟R13: IF 某动物吃肉 THEN该动物是食肉动物R14: IF某动物有犬齿 AND有爪子AND眼盯前方THEN该动物是食肉动物R15: IF某动物是哺乳动物 AND有蹄子THEN该动物是有蹄类动物Rl M2 U脈¥7的在农nifi 孔肉fun r 服衲團zi图3动物识别系统的推理链已知有斑点、长脖子、长腿、有奶、有蹄子正向推理： R10-->R8-->R3反向推理：假设 R1到R7的某个结论成立，逐个与现有事实匹配正反向混合推理：正向推理，有斑点--> 豹子或长颈鹿；根据其他事实反向推理优点缺点自然性效率不高，组合爆炸模块性不能表达具有结构性的知识有效性清晰性表1产生式表示法的特点4.产生式表示法的适用范围1）由许多相对独立的知识元组成的领域知识，彼此间关系不密切，不存在结构关系2）具有经验型及不确定性的知识，而且相关领域对这些知识没有严格、统一的理论3）领域问题的求解过程可被表示为一系列相对独立的操作，而且每个操作可被表示为一条或多条产生式规则人工智能面向对象表示法1.面向对象基本概念1）对象：客观世界中的任何事物2）类：一组相似对象的抽象3）封装：对象之间除了互递消息之外，不再有其它的联系• 对象的状态只能由它的私有操作来改变«当一个对象要改变另一个对象时，它只能向该对象发送消息，该对象接受消息后就根据消息的模式找岀相应的操作，并执行操作改变自己的状态4）继承：父类所具有的数据和操作可被子类继承5）面向对象的基本特征：模块性、继承性、封装性、多态性、易维护性、便于进行增量设计2.表示知识的方法一个智能求解系统可用具有层次结构的四元组模型：& =煮口刀&泌：曲> ,其中S依据系统反映的主题（Subject ）来命名，称为主题层ID是对象标识符，又称为对象名，反映当前对象及其所属类别DS是数据结构，又称属性层，描述了当前对象的内部状态及静态属性。
第三章 知识表示和推理之框架表示法
且不易整理的。
框架法表示的知识一般是系统的，有层
次的，经过整理的，并跟随事情的发展 而变化的。
例如:
一个人在走进教室前，对教室里的基本
结构，如门、窗、黑板、讲台以及课桌 和凳等有一定的预见性，那是因为他在 以前的时间活动中，已建立起了有关 “教室”这一概念的基本框架，通过对 该框架的查找，就很容易得到有关教室 的特征。
第三章 知识表示 和推理
——框架表示及推理
框架知识表示法的提出
1975年明斯基在论文“A framework
for representing knowledge”中提出了框 架理论。它所针对的是人们在理解事物 情景或某一个故事时的心理学模型，论 述了人们理解问题的一种思想方法。
两种不同的知识表示法
例如，会议37是所有AI会 议中的一次，因此它可以继承 AI会议这个大框架的多种属性， 从而简化它的框架表示。
AI会议 种类 一般会议 时间 会议37 种类
表示会议37与AI会 议的上下层关系
每周星期五
地点 AI专题研讨会会议室 目的 人工智能系统开发 出席者 佐藤，山田，铃木
AI会议 出席者 佐藤，山田，安部
框架知识除了可以进行继承推理外，还
有匹配推理方式。例如，假设有关教师 的框架网络已建立灾知识库中，且其中 包含了许多教师的实例框架，其中两个 如示：
教师-1 姓名 年龄 性别 职称 部门 住址 工资 参加工作时间 范怡伟 35 男 讲师 计算机学院/软件所 住址框架-1 工资框架-1 1996年/ 10 月
槽值
CPU
主板
内存
侧面值
硬盘
举例：会议37的框架
会议37 时间 2000年9月11日
常用的知识表示方法
常用的知识表示方法知识表示方法是人工智能中一个非常重要的领域，其主要目的是设计一种计算机程序，使其能够利用已有的知识去推理、学习和解决新问题。
在现代人工智能系统中，有许多常用的知识表示方法，包括逻辑表示、产生式表示、框架表示、语义网络表示、神经网络表示、本体表示等等。
下面将分别对这些知识表示方法展开详细的描述。
1. 逻辑表示逻辑表示是指使用逻辑语句来描述知识的方式。
这种表示方法最早应用于人工智能领域，它使用命题逻辑、谓词逻辑、模态逻辑等形式化逻辑体系来表达知识。
逻辑表示法的优点是表达简单直观，易于推理，而且能够容易地与其它知识表示方法相结合。
该方法的主要缺点是计算复杂度较高，不适用于大规模的知识表示。
2. 产生式表示产生式表示法是一种基于规则的知识表示方法，它通过一系列的规则来描述问题解决过程。
规则通常由条件和结果两部分组成，当条件满足时，就会执行规则，得到相应的输出结果。
产生式表示法的优点是表达简单易懂，适合大规模知识的表示和处理。
该方法的主要缺点是规则的编写和管理比较困难，而且可能出现死循环等问题。
3. 框架表示框架表示法是一种以对象为中心的知识表示方法，它通过描述事物的属性、关系、功能等方面来构建一个框架模型，从而达到表示知识的目的。
框架表示法的优点是具有良好的结构、易于维护和扩展。
该方法的主要缺点是无法处理复杂的关系和不确定性，而且不适用于处理嵌套结构。
4. 语义网络表示语义网络表示法是一种以图形为基础的知识表示方法，它通过节点和边的组合来描述概念、关系和属性等知识。
语义网络表示法的优点是视觉化表达直观，易于理解和调试，适用于复杂的知识系统。
该方法的主要缺点是不适用于大量数据的处理，因为图形结构比较复杂，计算开销较大。
5. 基于案例的表示基于案例的表示法是一种通过描述已有的实例来表达知识的方法，它将具体的案例作为基本单位，通过比较和分析不同案例之间的相似性和差异性来实现知识的表示和推理。
第三章1 知识表示1_r
№4
1 知识的定义 知识是人们在改造客观世界的过程中积累起来 的经验及其总结升华的产物 Feigenbaum: 知识是经过消减、塑造、解释和转换的信息 Bernstein: 知识是由特定领域的描述、关系和过程组成的
Hayes-roth: 知识是事实、信念和启发式规则
从知识库的观点看，知识是某领域中所涉及的各有关方 面的一种符号表示
№ 10
若知识全由推理规则表示，达到C级，只需50-1000 条规则 60年代和70年代初，许多学者致力于搜索与推理方 法的研究 80年代出现众多的专家系统 系统的能力主要由知识库中包含的领域特有的知识来 决定
二
知识表示的作用
№ 11
知识表示就是研究用机器表示知识的 可行性、有效性的一般方法 可以看作是将知识符号化并输入到计算机的过 程和方法
知识和知识表示
知识与知识表示
№2
知识：是什么？
如何表示？
知识
数据——一般指单独的事实，是信息的载体，只有在
№3
一定的上下文中，数据项才有意义，如数字10
信息——由符号组成，并赋予了一定的意义，如10度 知识——也由符号组成，但还包括符号之间的关系以
及处理这些符号的规则
知识是随着时间的变化而动态变化的，新的知识可以 根据规则和已有的知识推导出来。 可以认为，知识是经过加工的信息，包括事实、信念和 启发式规则
五 基本的知识表示方式
№ 18
常见的知识表示方式可以归纳为三类： 一阶谓词逻辑、产生式表示、结构化表示
1 一阶谓词逻辑 2 产生式表示
应用产生式表示的系统（称为产生式系统） 由规则库、综合数据库和控制子系统三个部分 组成
№ 19
规则库是称为产生式的规则集合
知识表示的方法——逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示
知识表⽰的⽅法——逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰知识表⽰的⽅法知识表⽰⽅法种类繁多，通常有直接表⽰、逻辑表⽰、产⽣式规则表⽰法、语义⽹络表⽰法、框架表⽰法、脚本表⽰⽅法、过程表⽰、混合型知识表⽰⽅法、⾯向对象的表⽰⽅法等。
在本⽂中，着重介绍⽬前使⽤较多的知识表⽰⽅法。
⽬前使⽤较多的知识表⽰⽅法主要有：逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰等等。
2.3.2.1 ⼀阶谓词逻辑表⽰法[45]通过引⼊谓词、函数来对知识加以形式化描述，获得有关的逻辑公式，进⽽以机器内部代码表⽰的⼀种⽅法。
谓词逻辑是⼀种形式语⾔，它与⼈类的⾃然语⾔⽐较接近，是⽬前能够表达⼈类思维活动的⼀种最精确的语⾔，它具有丰富的表达能⼒，因⽽可以表⽰⼤量常识知识。
它具有简单、⾃然、精确、灵活、容易实现等特点。
⼀阶谓词的⼀般形式为 P(x1, x2 (x)n)。
其中，P 是谓词，x1, x2 (x)n是常量、变元或函数。
谓词逻辑适⽤于表⽰事物的状态、属性、概念等事实性的知识，也可以⽤来表⽰事物间关系的知识，即规则。
例如：物体 A 在物体 B 的上⾯，可以表⽰为：On(A,B)；物体 A 是书，可以表⽰为：book(A);书 A 在书 B 上，可以表⽰为：On(book(A),book(B))。
⼀阶谓词逻辑表⽰法的局限性在于它难以表达不确定性知识和启发性知识，推理⽅法在事实较多时易于出现组合爆炸，且推理过程繁杂、效率低。
2.3.2.2 产⽣式表⽰法多数较为简单的专家系统（Expert System）都是以产⽣式表⽰知识，相应的系统被称作产⽣式系统。
产⽣式系统，由知识库和推理机组成。
其中知识库由事实库和规则库组成。
事实库是已知事实的集合，规则库是产⽣式规则的集合。
规则则是产⽣式规则。
规则库蕴涵着将问题从初始状态转换到解状态的那些变换规则，规则库是专家系统的核⼼部分。
规则可以表⽰成与或树的形式，基于事实库中的事实通过与或树求值的过程就是推理。
人工智能---产生式表示法
产生式 PR 或
IF P THEN R
P：前项 它说明应用这条规则
必须满足的条件；
R：后项 它说明应用这条规则产
生的操作、结果
E.G.s before all are results rather than operations
2.3.2 产生式系统的组成
综合数据库 产生式规则库 控制系统
控制策略作用说明——如何使用知识,即 下一步应该选用什么规则。
2）、确定性规则知识的产生式表示
例 如果某动物会飞,并且会下蛋,那么该动物是鸟。
P→Q:
（FLY X TRUE） ∧（EGG X TRUE） →（BIRD X TRUE）
确定性事实表示 P
2024/9/21
Q
12
3）不完全事实的表示
为了表示不完全的事实，常需加入关于该事实确定性程 度的数值度量。
语言学的一个重要问题就是判定一个符 号序列是否合句法，称为文法分析。
S, N, NP, P, PP, V, VP, DET S/句子； N /名词； NP /名词词组； P /介词；PP /介词词组；V /动词； VP /谓语；DET /冠词；
语法规则：
N NP /名词就是名词词组； DET NP NP /冠词加名词词组还是名词词组； P NP PP /介词加名词词组构成介词词组； NP PP NP /名词词组后跟介词词组仍是名词词组； V NP PP VP /动词后跟名词词组和介词词组构成谓语； NP VP S /名词词组与谓语一起构成句子；
1) (细菌2菌属（ IDENT ）是连锁状球菌属（ STRETOCOCCUS ）的置 信度为0.7)
(IDENT ORGANISM2 STRETOCOCCUS 0.7)
知识表示(产生式)
综合数据库
www。themegallery。com 。 。
1.4.2.1 规则库 用于描述相应领域的知识的产生式集合称为 规则库。 规则库。 规则库是产生式系统求解问题的基础 是产生式系统求解问题的基础， 规则库是产生式系统求解问题的基础，其知 识的完整性，一致性， 识的完整性，一致性，表达的准确性及组织的合 理性对系统的性能有很大影响， 理性对系统的性能有很大影响，因此在建立规则 库时须遵循一定规则。 库时须遵循一定规则。 1. 有效地表达领域内的过程性知识。 有效地表达领域内的过程性知识。 2. 能够对知识进行合理的组织和管理。 能够对知识进行合理的组织和管理。
www。themegallery。com 。 。
1.4.3 产生式系统的特点 1.4.3.1 优点 1. 自然性 2. 模块性 3. 有效性 4. 清晰性 1.4.3.2 缺点 1.效率不高 效率不高 2.不能表达具有结构性的知识 不能表达具有结构性的知识
www。themegallery。com 。 。
1.3.2 匹配标准不同 产生式系统中决定一条知识是否可用的方法 产生式系统中决定一条知识是否可用的方法 是检查当前是否有已知事实可与前提中的条件匹 配，但是这种匹配可以是精确的也可以是不精确 的，只要按某种算法求出的相似度在某个预先指 定范围之内即可。 定范围之内即可。但对逻辑谓词的蕴含式来说要 求匹配是精确的。 求匹配是精确的。
www。themegallery。com 。 。
1.4.2 基本组成部分及相互间关系 规则库(rule base)、综合数据库 规则库 、综合数据库(global data base )和控制结构 和控制结构(rule interpreter) 和控制结构 他们之间的关系如图: 他们之间的关系如图
第3章 知识表示
14
第三章 知识表示 2.3.3 产生式系统的例子 ——动物识别系统
• 规则库：
r1： IF 该动物有毛发 THEN 该动物是哺乳动物 r2： IF 该动物有奶 THEN 该动物是哺乳动物
r3： IF 该动物有羽毛 THEN 该动物是鸟
r4： IF 该动物会飞 AND 会下蛋 THEN 该动物是鸟 r5： IF 该动物吃肉 THEN 该动物是食肉动物 r6： IF 该动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物 r7： IF 该动物是哺乳动物 AND 有蹄 THEN 该动物是有蹄类动物
r 8： IF 该动物是哺乳动物 AND 是反刍动物
• 综合数据库 ： 该动物身上有：暗斑点，长脖子，长腿，奶，蹄，哺乳动物
（2）分别用r3，r4，r5，r6综合数据库中的已知事实进行匹配， 均不成功。 r7匹配成功，执行r7 。 • 综合数据库：
该动物身上有：暗斑点，长脖子，长腿，奶，蹄，哺乳动物，有蹄类动物
（3）r11匹配成功，并推出 “该动物是长颈鹿” 。
<产生式>::=<前提> <结论> <前 提>::=<简单条件>|<复合条件> <结 论>::=<事实>|<操作> <复合条件>::=<简单条件>AND<简单条件>[AND<简单条件>… |<简单条件>OR<简单条件>[OR<简单条件>… <操 作>::=<操作名>[(<变元>，…)] 符号“::=”表示“定义为”；符号“|”表示“或者是”； 符号“[ ]”表示“可缺省”。
人工智能第三章知识与知识表示
人类的智能活动过程主要是一个获得并运用知识 的过程，知识是智能的基础。为了使计算机具有 智能，使它能模拟人类的智能行为，就必须使它 具有知识。但知识是需要用适当的模式表示出来 才能存储到计算机中去的，因此关于知识的表示 问题就成为人工智能中一个十分重要的研究课题。
第3章 知识与知识表示
第3章 知识与知识表示
第3章 知识与知识表示
第3章 知识与知识表示
第3章 知识与知识表示
二、一阶谓词逻辑表示法的特点
第3章 知识与知识表示
第3章 知识与知识表示 3.3 产生式表示法
“产生式”这一术语是由美国数学家波斯特（E.POST） 在1943年首先提出来的，他根据串代替规则提出了一 种称为波斯特机的计算机模型，模型中的每条规则称 为一个产生式。 1972年纽厄尔和西蒙在研究人类知识模型中开发了基 于规则的产生式系统。
第3章 知识与知识表示
一般来说，在选择知识表示方法时，应从以下几个方面进行考虑： 1 ．充分表示领域知识 确定一个知识表示模式时，首先应该考虑的是它能否充分地表示 我们所要解决的问题所在领域的知识。为此，需要深入地了解领 域知识的特点以及每一种表示模式的特征，以便做到“对症下 药”。例如，在医疗诊断领域中，其知识一般具有经验性、因果 性的特点，适合于用产生式表示法进行表示；而在设计类（如机 械产品设计）领域中，由于一个部件一般由多个子部件组成，部 件与子部件既有相同的属性又有不同的属性，即它们既有共性又 有个性，因而在进行知识表示时，应该把这个特点反映出来，此 时单用产生式模式来表示就不能反映出知识间的这种结构关系， 这就需要把框架表示法与产生式表示法结合起来。
第3章 知识与知识表示 3.2 一阶谓词逻辑表示法
一、表示知识的方法
第三章2 知识表示-产生式表示_r
一 产生式系统
№6
1
产生式规则通常用于表示事物间的启发式
关联，因果关系，其基本形式为：
P Q
或者：
IF P then Q
P为规则激活使用的条件（或称前提） Q则指示规则激活时（即规则条件部分满足时）应该执 行的动作（或应该得出的结论）
№7
例子：
水被电解 生成氢气和氧气
小明很聪明∧小明很努力学习 小明学习好 x>y ∧y=z x>z
例：动物识别系统的规则库
№ 15
该产生式系统可以识别虎、金钱豹、斑马、长颈鹿、企鹅、 驼鸟、信天翁等七种动物 。规则库如下： r1: IF 该动物有毛发 THEN 该动物是哺乳动物 r2: IF 该动物有奶 THEN 该动物是哺乳动物
r3: IF 该动物有羽毛 THEN 该动物是鸟 r4: IF 该动物会飞 AND 会下蛋 THEN该动物是鸟 r5: IF 该动物吃肉 THEN 该动物是食肉动物 r6: IF 该动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是哺乳动物 r7: IF该动物是哺乳动物 AND 有蹄 THEN该动物是有蹄类动 物
知识表示方法-产生式表示
本节内容
№2
产生式系统的概念和内容 产生式系统的控制策略 产生式系统的分类
人工智能对知识表示方法的要求
表示能力 可理解性 便于知识的获取 便于搜索 便于推理
№3
№4
产生式表示起源于美国数学家波斯特（Post）于1943年提 出的称为产生式系统（Production System）的计算模型 目的是为了构造一种形式化的计算工具，并证明了它和图
元知识是产生式系统优化控制推理过程的关键
№ 35
识别-行动循环一个接一个地推动问题求解向目标 状态前进 ，不能反悔 不可回溯的优化控制，简单易行，对于注重找到解
知识表示产生式PPT课件
第33页/共36页
主要缺点: 非严格性 没有象谓词那样严格的形式表示体系，
一个给定语义网络的含义完全依赖于处理程序对它所 进行的解释，通过语义网络所实现的推理不能保证其 正确性。
规则架( ) :IF 肥力等级，肥力度，目标产量 THEN 施氮，施磷，施钾，
土杂肥，饼肥
RS n
规则体(RB):IF 肥力等级=高 THEN
施氮=10+肥力度
施磷=施氮
施钾=20
第15页/共36页
IF 肥力等级=中 THEN 施氮=8+肥力度*2
施磷=施氮 施钾=施磷*2
IF 肥力等级=低 THEN 施氮=6+肥力度*2
北京奥运 会
After
悉尼奥运 会
第22页/共36页
位置关系:指不同事物在位置方面的关系。常用的位置关系有: Located-on， Located-at， Located-under， Located-inside， Located-outside
例如:书在桌子上
书
Located-on
桌子上
第23页/共36页
例如:王强是理想公司的经理； 理想公司在中关村； 王强28岁。
第25页/共36页
中关村 Located- 理想公司 Work-
at
for
王强 Headshi 经理 p
Age
28岁
多元关系:可用多元谓词P(x1，x2，……)表示的关系。其中，个体x1，x2，……为 实体，谓词P说明这些实体之间的关系。
P->Q
知识表示之产生式表示法
知识表⽰之产⽣式表⽰法
产⽣式表⽰的基本⽅法
（1）规则的表⽰
（2）事实的表⽰
（对象，属性，值）或（关系，对象1，对象2）
产⽣式与谓词逻辑中的蕴含式的区别
（1）除逻辑蕴含外，产⽣式还包括各种操作、规则、变换、算⼦、函数等。
（2）蕴含式只能表⽰精确知识，⽽产⽣式不仅可以表⽰精确的知识，还可以表⽰不精确知识
（3）逻辑规则的两边只能是命题或谓词，产⽣式可以是命题和谓词，也可以是其他符号串；
（4）逻辑规则要满⾜真值表，即前后件最终只能为T或F。
产⽣式前后件都可以是任意类型的值，产⽣式规则右边可能是动作，甚⾄是复杂的过程语句；
（5）产⽣式可以处理不确定性，逻辑规则只能⽤于确定推理；
（6）逻辑规则可以视为产⽣式规则，反之不然；
（7）形式相同，产⽣式应⽤范围更⼴，蕴含式是产⽣式的⼀种特殊形式；
举例如下：
产⽣式：“如果炉温超过上限，则⽴即关闭风门”
蕴含式：“如果动物会飞，则该动物是鸟”
与条件语句的⽐较
1. 前项结构不同，产⽣式的前项可以是⼀个复杂的的结构，其值不⼀定为逻辑类型。
2. 控制流程不同：产⽣式系统中满⾜前提条件的规则被激活后，不⼀定被⽴即执⾏，能否执⾏将取决于冲突消解策略。
产⽣式表⽰法的应⽤
（1）确定性规则知识的产⽣式表⽰
（2）不确定性规则知识的产⽣式表⽰
（3）确定性事实性知识的产⽣式表⽰
（4）不确定性事实性知识的产⽣式表⽰
参考⽂献：。
- 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)。
在本书中，不具体区别这两类规则，统一把P称为规 则的左部（也称为前件/条件部分），把Q称为规则的右部 （也称为后件/结论/行为部分）
第三章知识表示产生式表示r
№ 13
2、产生式系统组成
产生式系统组成：规则库、综合数据库和控制系统
规则库和综合数据库构成产生式系统的问题表示 控制系统则控制应用规则推出解答的全过程
第三章知识表示产生式表示r
一 产生式系统
№6
1 产生式规则通常用于表示事物间的启发式 关联，因果关系，其基本形式为： P Q 或者： IF P then Q
P为规则激活使用的条件（或称前提） Q则指示规则激活时（即规则条件部分满足时）应该执 行的动作（或应该得出的结论）
第三章知识表示产生式表示r
不确定性知识如何表示？ 规则库中的知识是否具有完整性？
第三章知识表示产生式表示r
例：动物识别系统的规则库
№ 15
该产生式系统可以识别虎、金钱豹、斑马、长颈鹿、企鹅、 驼鸟、信天翁等七种动物 。规则库如下： r1: IF 该动物有毛发 THEN 该动物是哺乳动物 r2: IF 该动物有奶 THEN 该动物是哺乳动物 r3: IF 该动物有羽毛 THEN 该动物是鸟 r4: IF 该动物会飞 AND 会下蛋 THEN该动物是鸟 r5: IF 该动物吃肉 THEN 该动物是食肉动物 r6: IF 该动物有犬齿 AND 有爪 AND 眼盯前方
第三章知识表示产生式表示r
1）规则库
№ 14
规则库是产生式规则的集合，用于描述应用领域的常识 和启发式知识，所以规则库就是产生式系统的知识库。
规则库是产生式系统赖以进行问题求解的基础。 在建立规则库时，要考虑以下问题： 1）有效地表达领域内的过程性知识。
如何把领域中的知识表达出来，即需要建立哪些产 生式规则？
第三章知识表示产生式表示r
№ 20
2） 综合数据库 综合数据库又称为事实库、上下文、黑板等。
（Mammal ?x）∧ (Eat ?x Meat) (Carnivore ?x)
?x称为模式变量
第三章知识表示产生式表示r
№ 12
条件-动作型规则除左部类同于前提-结论型规则外，规则 右部可以是任意操作函数，不仅用于操作综合数据库（参见下 节），也可是屏幕、图像、文件操作和用于执行各种预定的计 算功能
知ห้องสมุดไป่ตู้表示方法-产生式表示
第三章知识表示产生式表示r
本节内容
№2
产生式系统的概念和内容 产生式系统的控制策略 产生式系统的分类
第三章知识表示产生式表示r
人工智能对知识表示方法的要求 №3 表示能力 可理解性 便于知识的获取 便于搜索 便于推理
第三章知识表示产生式表示r
№4
产生式表示起源于美国数学家波斯特（Post）于1943年提 出的称为产生式系统（Production System）的计算模型 目的是为了构造一种形式化的计算工具，并证明了它和图 灵机有相同的计算能力 产生式系统是最古老并且是使用最广泛的知识表示方法
由上述规则很容易形成各种动物的推理链，例如虎和 长颈鹿的推理链：
第三章知识表示产生式表示r
№ 18
第三章知识表示产生式表示r
№ 19
（2）对知识进行合理的组织与管理
对规则库中的知识进行适当的组织，采用合理的 结构形式，可使推理避免访问那些与当前问题求解无关 的知识，从而提高求解问题的效率。
如，对上述例子的规则库，可以分为两个子集：
THEN 该动物是哺乳动物 r7: IF该动物是哺乳动物 AND 有蹄 THEN该动物是有蹄类动物
第三章知识表示产生式表示r
№ 16
r8: IF该动物是哺乳动物 AND 是嚼反刍动物 THEN该动物是有蹄类动物
r9: IF该动物是哺乳动物 AND 是食肉动物 AND 是黄褐色 AND 身上有暗斑点 THEN 该动物是金钱豹
知识，值只能是真或假
第三章知识表示产生式表示r
№9
产生式规则和传统程序设计语言中的条件语句的区别： 产生式规则左边不仅仅是一个布尔表达式，也可以是 一组复杂的模式 产生式规则的控制流不是象传统程序语言中一条语句 向其下的一条语句传递，而且即使满足条件的规则被 激活也不一定立即执行（与冲突消解策略有关）。这 是两者的关键区别 产生式规则的规则之间是独立的，具有自包含性
第三章知识表示产生式表示r
№ 10
依据规则右部的表示方式，可以把规则分类为条 件-动作型和前提-结论型 区别主要在于Q的不同 前提-结论型规则更接近于前面介绍的演绎推理规 则
第三章知识表示产生式表示r
№ 11
若 某动物是哺乳动物， 且吃肉；
则 这种动物是食肉动物。 或表示为更便于计算机操作的形式化方式：
№7
例子： 水被电解 生成氢气和氧气 小明很聪明∧小明很努力学习 小明学习好 x>y ∧y=z x>z
第三章知识表示产生式表示r
№8
产生式规则的特点： 在自然界中的各种知识单元间存在着大量的因果关系，所
以使用产生式规则表示非常方便 产生式规则和逻辑蕴涵式非常相似 逻辑蕴涵式是产生式规则的特殊形式，它只能表示确定性
第三章知识表示产生式表示r
№ 17
r13: IF 该动物是鸟 AND 有长脖子 AND 有长腿 AND 不会飞 AND 有黑白二色 THEN 该动物是鸵鸟
r14: IF 该动物是鸟 AND 会游泳 AND 不会飞 AND 有黑白二色 THEN 该动物是企鹅
r15: IF 该动物是鸟 AND 善飞 THEN 该动物是信天翁
第三章知识表示产生式表示r
№5
在专家系统领域，多采用产生式规则来表示知识，包 括著名的DENDRAL和MYCIN
使用产生式规则，规则的条件部分不限于谓词公式， 可以是关系表达式和真值函数，且动作可以是任何操 作，所以具有更大灵活性和更高的概念效率
通过冲突消解策略，有效的控制推理过程，增强了 计算效率
r10: IF该动物是哺乳动物 AND 是食肉动物 AND 是黄褐 色 AND 身上有黑色条纹 THEN 该动物是虎
r11: IF该动物是有蹄类动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑点 THEN 该动物是长颈鹿
r12: IF该动物是有蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马