第四章 知识表示讲义课件
合集下载
- 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)。
一般用三元组（对象，属性，值）或 （关系，对象1，对象2）
例：（Li, Age, 25）, (Friend, Li, Chang)
4.2.1 事实与规则的表示
2. 规则的表示：
规则用于表示事物间的因果关系，来表达求解问 题所需要的知识。
产生式规则的一般形式: 条件----> 行动 或 前提----> 结论 即表示成： if <前件> then <后件>
选取知识表示的因素
表示范围是否广泛 是否适于推理 是否适于计算机处理 是否有高效的算法 能否表示不精确知识 能否模块化
知识和元知识能否用统一 的形式表示
是否加入启发信息 过程性表示还是说明性表示 表示方法是否自然
总之 ………
选取知识表示的因素
……….. 总之，人工智能问题的求解是以知识表示 为基础的。如何将已获得的有关知识以计 算机内部代码形式加以合理地描述、存储、 有效地利用便是知识表示应解决的问题。
例1：如果天下雪，我就不骑车上班。 if 天下雪 then 不骑车上班
4.2.2 产生式系统结构
推理机
数据库
知识库
规则库
产生式系统结构图
4.2.2 产生式系统结构
1．数据库
是一个数据的集合，用于存放在推理过程 中的已知条件、推导出的中间结果和最终 结论等。往往是事实或断言。
这里的数据是广义的常量、变量、多元组、 谓词、表、图像等。
4.2 产生式表示方法
美国数学家Post，1943年提出了一种计算形式 体系里所使用的术语。
到了60年代，产生式系统成为认知心理学研究 人类心理活动中信息加工过程的基础，用它来 建立人类认知模型。
到目前为止，产生式系统已发展成为人工智能 系统中最典型最普遍的一种结构。产生式表示 方法是专家系统的第一选择的知识表达方式。
知识的种类
事实性知识：采用直接表示的形式。 如：凡是猴子都有尾巴
过程性知识：描述做某件事的过程。 如：红烧肉做法
行为性知识：不直接给出事实本身，只给出它在 某方面的行为。 如：微分方程、（事物的内涵）
……..
NEXT
猴子
返回
红烧肉做法
返回
红烧肉做法
1、主料：五花腩，五层三花的肚腩肉。 2、配料：八角茴、大蒜子。大蒜去皮，至少要2头 3、开始做红烧肉先就植物油烧热后。放入一小勺白 糖，（上色用）这时火要开小一点，待糖熔化变成 酱油色，倒入五花肉、八角茴翻炒炒到肉开始转色。 4、开始焖：放入足够的热水，要盖过肉多一点，烧 开后改小火，加盖小火焖1个小时左右 。 5、等水份烧干开始出油时，加入大蒜、盐、味精 。 6、再焖几分钟，将肉和大蒜拌匀，再放一点开水焖 几分钟就行了。
返回
知识的种类
…….. 实例性知识：只给出一些实例，知识藏在实例中。
类比性知识: 即不给出外延，也不给出内涵，只给 出它与其它事物的某些相似之处 。 如：比喻、谜语
元知识：有关知识的知识。最重要的元知识是如何 使用知识的知识，如何从知识库中找到想要的知识。
知识的要素
事实：事物的分类、属性、事物间关系、科学事 实、客观事实等。（最低层的知识）
Hayes-roth (斯坦福大学教授) ：知识是事实、信 念和启发式规则。
知识库的观点：知识是某领域中所涉及的各有关方 面的一种符号表示。
NEXT
爱德华•费根鲍姆 （Edward A. Feigenbaum）
知识工程的提出者 大型人工智能系统 的开拓者
返回
费根鲍姆-知识工程的创始人
１９７７年，费根鲍姆教授提出了知识工程的 概念，成为知识可操作化的一个里程碑。２０ 多年来，知识工程的研究有了很大发展。知识 工程的处理对象已从规范化的、相对好处理的 知识进一步深入到非规范化的、相对难处理的 知识。它的处理规模和方式从封闭式扩大为开 放式，从小手工作坊式的知识工程扩大为能进 行海量知识处理的大规模工程。返回
知识表示研究的特点
智能行为特有的灵活性。“常识问题”不能概 括为一类简洁的理论，是大量小理论的集合。
AI的任务受到计算装置的约束。这导致了所采 用的“表示”必须同时满足“刻画智能现象” 与“计算装置可以接受”，这两个有时是矛盾 的条件。
表示方法
产生式规则表示法 语义网络表示法 框架表示法 脚本方法 过程表示 混合型知识表示方法 面向对象的表示方法
4.2.1 事实与规则的表示
1. 事实的表示：
可看成是断言一个语言变量的值或是多个语言变量 之间关系的陈述句，语言变量的值或语言变量间的 关系可以是一个词，不一定是数字。
例1：香蕉是黄色的。 语言变量——香蕉，值——黄色的
例2：小李喜欢小莉。 语言变量——小李、小莉， 关系值——喜欢
4.2.1 事实与规则的表示
第四章 知识表示
4.1 概述 4.2 产生式表示 4.3 语义网络表示 4.4 框架表示 4.5 其他表示方法
4.1 概述
人工智能研究中最基本的问题之一
如何表示知识？
知识的定义
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。
存放的数据是构成产生式的基本元素，又 是产生式作用的对象。
4.2.2 产生式系统结构
2．规则集
相当于系统的知识库，它采用“IF <前件> THEN <后件>”的形式，来表达求解问题所 需要的知识。
规则
客观规律知识 求解策略知识
知识表示的研究内容
表示观的研究 表示方法的研究
知识表示观
知识表示与推理机分离
注重常识知识的表示，忽略启发式方法的研究
知识表示与推理为一体
认为推理是表示中不可缺少的部分
表示方法分类
表示方法
替代表示 直接表示 局部表示
陈述性表示
分布表示 过程性表示
逻辑表示 产生式表示
语义网络表示 框架表示 脚本表示
规则：事物的行动、动作和联系的因果关系知识。 （启发式规则）。
控制：当有多个动作同时被激活时，选择哪一个 动作来执行的知识。（技巧性）
元知识：高层知识。怎样使用规则、解释规则、 校验规则、解释程序结构等知识。
知识表示的定义
知识表示研究用机器表示知识的可行 性、有效性的一般方法。
知识表示是理智推理的部分理论。 知识表示是有效计算的载体。 知识表示是交流的媒介。
例：（Li, Age, 25）, (Friend, Li, Chang)
4.2.1 事实与规则的表示
2. 规则的表示：
规则用于表示事物间的因果关系，来表达求解问 题所需要的知识。
产生式规则的一般形式: 条件----> 行动 或 前提----> 结论 即表示成： if <前件> then <后件>
选取知识表示的因素
表示范围是否广泛 是否适于推理 是否适于计算机处理 是否有高效的算法 能否表示不精确知识 能否模块化
知识和元知识能否用统一 的形式表示
是否加入启发信息 过程性表示还是说明性表示 表示方法是否自然
总之 ………
选取知识表示的因素
……….. 总之，人工智能问题的求解是以知识表示 为基础的。如何将已获得的有关知识以计 算机内部代码形式加以合理地描述、存储、 有效地利用便是知识表示应解决的问题。
例1：如果天下雪，我就不骑车上班。 if 天下雪 then 不骑车上班
4.2.2 产生式系统结构
推理机
数据库
知识库
规则库
产生式系统结构图
4.2.2 产生式系统结构
1．数据库
是一个数据的集合，用于存放在推理过程 中的已知条件、推导出的中间结果和最终 结论等。往往是事实或断言。
这里的数据是广义的常量、变量、多元组、 谓词、表、图像等。
4.2 产生式表示方法
美国数学家Post，1943年提出了一种计算形式 体系里所使用的术语。
到了60年代，产生式系统成为认知心理学研究 人类心理活动中信息加工过程的基础，用它来 建立人类认知模型。
到目前为止，产生式系统已发展成为人工智能 系统中最典型最普遍的一种结构。产生式表示 方法是专家系统的第一选择的知识表达方式。
知识的种类
事实性知识：采用直接表示的形式。 如：凡是猴子都有尾巴
过程性知识：描述做某件事的过程。 如：红烧肉做法
行为性知识：不直接给出事实本身，只给出它在 某方面的行为。 如：微分方程、（事物的内涵）
……..
NEXT
猴子
返回
红烧肉做法
返回
红烧肉做法
1、主料：五花腩，五层三花的肚腩肉。 2、配料：八角茴、大蒜子。大蒜去皮，至少要2头 3、开始做红烧肉先就植物油烧热后。放入一小勺白 糖，（上色用）这时火要开小一点，待糖熔化变成 酱油色，倒入五花肉、八角茴翻炒炒到肉开始转色。 4、开始焖：放入足够的热水，要盖过肉多一点，烧 开后改小火，加盖小火焖1个小时左右 。 5、等水份烧干开始出油时，加入大蒜、盐、味精 。 6、再焖几分钟，将肉和大蒜拌匀，再放一点开水焖 几分钟就行了。
返回
知识的种类
…….. 实例性知识：只给出一些实例，知识藏在实例中。
类比性知识: 即不给出外延，也不给出内涵，只给 出它与其它事物的某些相似之处 。 如：比喻、谜语
元知识：有关知识的知识。最重要的元知识是如何 使用知识的知识，如何从知识库中找到想要的知识。
知识的要素
事实：事物的分类、属性、事物间关系、科学事 实、客观事实等。（最低层的知识）
Hayes-roth (斯坦福大学教授) ：知识是事实、信 念和启发式规则。
知识库的观点：知识是某领域中所涉及的各有关方 面的一种符号表示。
NEXT
爱德华•费根鲍姆 （Edward A. Feigenbaum）
知识工程的提出者 大型人工智能系统 的开拓者
返回
费根鲍姆-知识工程的创始人
１９７７年，费根鲍姆教授提出了知识工程的 概念，成为知识可操作化的一个里程碑。２０ 多年来，知识工程的研究有了很大发展。知识 工程的处理对象已从规范化的、相对好处理的 知识进一步深入到非规范化的、相对难处理的 知识。它的处理规模和方式从封闭式扩大为开 放式，从小手工作坊式的知识工程扩大为能进 行海量知识处理的大规模工程。返回
知识表示研究的特点
智能行为特有的灵活性。“常识问题”不能概 括为一类简洁的理论，是大量小理论的集合。
AI的任务受到计算装置的约束。这导致了所采 用的“表示”必须同时满足“刻画智能现象” 与“计算装置可以接受”，这两个有时是矛盾 的条件。
表示方法
产生式规则表示法 语义网络表示法 框架表示法 脚本方法 过程表示 混合型知识表示方法 面向对象的表示方法
4.2.1 事实与规则的表示
1. 事实的表示：
可看成是断言一个语言变量的值或是多个语言变量 之间关系的陈述句，语言变量的值或语言变量间的 关系可以是一个词，不一定是数字。
例1：香蕉是黄色的。 语言变量——香蕉，值——黄色的
例2：小李喜欢小莉。 语言变量——小李、小莉， 关系值——喜欢
4.2.1 事实与规则的表示
第四章 知识表示
4.1 概述 4.2 产生式表示 4.3 语义网络表示 4.4 框架表示 4.5 其他表示方法
4.1 概述
人工智能研究中最基本的问题之一
如何表示知识？
知识的定义
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。
存放的数据是构成产生式的基本元素，又 是产生式作用的对象。
4.2.2 产生式系统结构
2．规则集
相当于系统的知识库，它采用“IF <前件> THEN <后件>”的形式，来表达求解问题所 需要的知识。
规则
客观规律知识 求解策略知识
知识表示的研究内容
表示观的研究 表示方法的研究
知识表示观
知识表示与推理机分离
注重常识知识的表示，忽略启发式方法的研究
知识表示与推理为一体
认为推理是表示中不可缺少的部分
表示方法分类
表示方法
替代表示 直接表示 局部表示
陈述性表示
分布表示 过程性表示
逻辑表示 产生式表示
语义网络表示 框架表示 脚本表示
规则：事物的行动、动作和联系的因果关系知识。 （启发式规则）。
控制：当有多个动作同时被激活时，选择哪一个 动作来执行的知识。（技巧性）
元知识：高层知识。怎样使用规则、解释规则、 校验规则、解释程序结构等知识。
知识表示的定义
知识表示研究用机器表示知识的可行 性、有效性的一般方法。
知识表示是理智推理的部分理论。 知识表示是有效计算的载体。 知识表示是交流的媒介。