各种各样的知识表示方法及其应用
知识表示
第二章知识表示方法教学内容：本章讨论知识表示的各种方法，是人工智能课程三大内容（知识表示、知识推理、知识应用）之一，也是学习人工智能其他内容的基础。
教学重点：谓词逻辑法、语义网络法、状态空间法、问题归约法。
教学难点：语义网络法、状态描述与状态空间图示。
教学方法：课堂教学为主，同时结合《离散数学》等已学的内容实时提问、收集学生学习情况，充分利用网络课程中的多媒体素材来表示抽象概念。
教学要求：重点掌握用状态空间法、问题归约法、谓词演算法、语义网络法来描述问题；解决问题；掌握几种主要方法之间的差别；并对其它几种表示方法有一般了解。
2.1 概述∙主要内容：∙知识原则∙知识表示的作用∙知识表示的功能∙知识表示的性能∙基本的知识表示方式1 知识原则里南（D.B.Lenat）和费根鲍姆（E.A.Feigenbaum），IJCAI-10一个系统展示高级的智能理解和行为，主要是因为拥有应用领域特有的知识：概念、事实、表示、方法、模型、隐喻和启发式。
∙特有——意指应用领域中有效地求解问题主要靠该领域特有的知识。
∙足够的约束来自特别知识——通用知识作用微弱，不能提供足够的约束。
∙系统拥有的知识和其性能（问题求解能力和效率）的关系，参见图3.1。
∙知识门槛：（1）使能门槛W——指知识量超过该门槛时，系统就拥有了为执行任务所需的最低限度知识。
（2）胜任门槛C——到达C点时成为某应用领域中求解问题的专家，胜任只有专家才能解决的问题求解任务。
（3）全能门槛E——.到了这个门槛，由于知识量的空前增加（丰富），使系统能解决该应用领域内的几乎所有问题，成为全能专家。
∙知识门槛的分析：∙知识量差异——达到C级，只需50~1000条规则；再加等量的规则，就可达E级。
∙智能体知识是逐步积累的，涉及到获取新知识、修正和学习。
∙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——作为启发式知识（经验性关联知识）指导问题求解。
∙许多其它的人工智能研究也开始转向基于知识的观点。
知识表示
框架
例子:
框架
例子:
ห้องสมุดไป่ตู้
框架
框架在简单环境下更为有效,如机器人视 觉例子:斜上方观察立方体
框架
框架描述:
框架
参数化框架描述:
框架
框架的特征: 1.每个框架有—个框架名(可带有参数) .每个框架有—个框架名(可带有参数) 2.每个框架有—组属性,每个称为一个槽,里面可以存 .每个框架有— 放属性值. 3.每个属性对其值有一定的类型要求,不同属性的类型 可以不一样 4.属性值可以是子框架调用,子框架调用可以带参数. 5.有些属性值是事先确定的,有些属性值在生成实例时 代入. 6.有些属性值在代人时需满足一定的条件.在不同属性 的属性值之间还有一些条件需要满足
知识的种类
——知识与信息不一样.知识是信息经过加工整理,解释,挑选和改造 ——知识与信息不一样.知识是信息经过加工整理,解释,挑选和改造 而形成的.( 而形成的.( Feigenbaum)
事实性知识.一般采用直接表示的形 式 . 如果事实性知识是批量的, 有规律的, 如果事实性知识是批量的 , 有规律的 , 则往往以表格,数据库等形式出现. 则往往以表格,数据库等形式出现. 过程性知识. 描述做某件事的过程, 过程性知识 . 描述做某件事的过程 , 使人 或计算机可以照此去做. 或计算机可以照此去做. 行为性知识. 不直接结出事实本身 , 行为性知识 . 不直接结出事实本身, 只给 出它在某方面的行为. 出它在某方面的行为 . 经常表示为某种数 学模型,如微分方程. 学模型,如微分方程.
框架
框架系统应实现如下功能: 描述: 每个框架实现系统应该提供一套设备,利用这些 设备可以建立和管理(查阅,修改,控制,……) 设备可以建立和管理(查阅,修改,控制,……) 对某类客观事物的一个描述.此描选可由一组互 相联,互相支持的框架构成.在建立单个框架时, 可以根据需要设置一组槽.规定每个槽的性质, 及槽与槽之间的关系.每个槽在框架中被认为是 无内部结构的,但当需要时,它本身又可扩充成 一个有内部结构的框架.
知识表示方法第五部分
类属：<教师> 性格：内向 兴趣：操作计算机
框架名：<方园>
类属：<计算机系教师>
性格：内向
态度：不刻苦
兴趣：？ 举止：？
推理
框架表示法
❖ 框架的推理：在框架网络中，问题求解主要是通过对框
架的继承与匹配来实现的。
❖继承
✓ 下层框架从上层框架继承相关属性、属性值、条件
❖匹配
✓ 框架通常只能与现实做到部分匹配，完全匹配是一个 特殊情况。因为框架是对一类事物的完整或典型的描 述，待匹配的具体个体不可能做到完全一致。
1 2× 3×
×××
Step(4)
123
××
×××
(d)
Step(5)
过程表示法
✓ 过程表示法的例子：八数码问题
பைடு நூலகம்
(6)依次移动棋牌，使得空格位置沿
图 (e)所示的箭头方向移动，直到数
码4在位置f为止，如图Step(6) 中所
(e)
示。若这时刚好数码5在位置i则转
(9)。
(7)依次移动棋牌，使得空格位置沿
✓ 不匹配的情况：某个属性不存在，或与规定的属性值 不符，或属性类型不符
框架表示法
❖ 框架表示法的优点：
✓ 结构性：最突出特点是善于表示结构性知识，它能够把知识 的内部结构关系以及知识间的特殊联系表示出来。
✓ 深层性： 框架表示法不仅可以从多个方面、多重属性表示 知识，而且还可以通过ISA、AKO等槽以嵌套结构分层地对 知识进行表示，因此能用来表达事物间复杂的深层联系。
沿图(c)所示的箭头方向移动，直到
数码3位于e为止。这时空格刚好在
第2章 知识表示方法
CISIC
6
状态空间表示概念详释
Original State
…
Middle State
…
Goal State
状态空间法：从某个初始状态开始，每次加一个 操作符，递增地建立起操作符的实验序列，直至 达到目标状态止。 例如下棋、迷宫及各种游戏。
CISIC
7
3 Puzzle Problem(3数码难问题)
CISIC
34
示例—分子结构识别问题 （DENDRAL系统）
把分子式重写为原子数较少的分子式和原子间结 合关系的混合结构，例如：
H
C5H12
C2H5
C
H
C2H5
CISIC
35
将混合结构的识别再分解为子识别问题，直至不出现分 子式为至,每个子问题只是单一分子式或原子间结合关系 的表示。 H
C2H5 H C
V=c,climbbox （c，1，c，0） grasp
（c，1，c，1） 目标状态
goto（U）
（U，0，V，0）
goto（U）
初始状态变换为目标状态的操作序列为： {goto(b), pushbox(c), climbbox, grasp} 猴子和香蕉问题的状态空间图
CISIC
17
猴子和香蕉问题自动演示：
climbbox ：猴子爬上箱顶
（W，0，W，z）
climbbox
（W，1，W，z）
应用算符climbbox的先决条件是什么？
CISIC
15
初始状态 （a，0，b，0）
goto（U）
pushbox（V） U=b
goto（U） （U，0，b，0）
U=b，climbbox (b，1，b，0) U=V
第02章知识表示方法
1. 状态空间法（11）
作业：用状态空间搜索法求解农夫、狼、 羊、菜问题。
A farmer with his goat, wolf and cabbage come to a river that they wish to cross. There is a boat, but it only has room for two, and the farmer is the only one that can row. If the goat and cabbage get in the boat at the same time, the cabbage gets eaten. Similarly, if the wolf and goat are together without the farmer, the goat is eaten. Devise a series of crossings of the river so that all concerned make it across safely.
概 述
知识的特性
1、相对正确性 2、不确定性 3、可表示性 4、可利用性
概 述
知识的分类
1、知识的作用范围：常识知识和领域知识 2、知识的作用及表示： 事实知识：有关领域内的概念、事实、 客观事物的属性、状态及其关系的描述。 规则知识：事物的行动、动作相联系的 因果关系知识。 3、知识的确定性：确定和不确定 4、思维和认识方法：逻辑和形象
2）综合数据库 又称为事实数据库，用于存放输入的事 实、中间的运行结果和最后结果的工作区。 当规则库中的某条产生式前提与综合数据 库的某些已知事实匹配时，该产生式就被 激活，推理出结论放入综合数据库中，作 为后面推理的已知事实。显然综合数据库 是动态变化的。
第二章 知识表示方法(1)
第二章知识表示方法人类的智能活动主要是获得并运用知识。
知识是智能的基础，为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。
但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用第一节知识与知识表示的概念●什么是知识数据与信息➢数据和信息这两个概念是不可以分开的，它们是有关联的。
➢数据：用一组符号及其组合表示的信息称为数据，泛指对客观事物的数量、属性、位置及其相互关系的抽象表示。
例：27.6 53 ABCD 黎明➢数据和信息之间的关系⏹数据是信息的载体和表示，信息是数据在特定场合下的具体含义，即信息是数据的语义。
⏹如：6个人（6是个数据，人是一种信息） 6本书（6是个数据，书是一种信息）⏹对同一个数据，它在某一场合下可能表示这样一个信息，但在另一场合下却表示另一个信息。
知识➢知识：是把有关信息关联在一起所形成的信息结构称为知识。
⏹知识是人们在长期的生活及社会实践中、科学研究及实验中积累起来的对客观世界的认识与经验，人们把实践中获得的信息关联在一起，就获得了知识。
信息之间有多种关联形式，最常见的且便于计算机利用的一种表达形式为：”如果……,那么……” 或”如果……,则……”，它反映了信息间的某种因果关系。
例如把“大雁向南飞”与“冬天就要来临了”这两个信息关联在一起，就得到了如下一条知识：如果大雁向南飞，则冬天就要来临了。
➢不同事物或者相同事物间的不同关系形成了不同的知识。
例如，“雪是白色的”是一条知识，它反映了“雪”与“颜色”之间的一种关系。
又如“如果头痛且流涕，则有可能患了感冒”是一条知识，它反映了“头痛且流涕”与“可能患了感冒”之间的一种因果关系。
知识的特性1、相对正确性知识是否正确是有前提条件的如：1+1=2，但是它是在十进制前提下才是正确的2、不确定性⏹例如：甲有一头秀发，乙是两鬓如霜。
您认为甲一定是青年人，乙就是老年人吗？不能完全确定，因为相反的事例是很多的。
比如：当年的白毛女并不是老人，而现在的老人有一头黑发并不足奇。
第二章知识和知识表示
12
知识的表示（续）
• 几点注意 –同一个知识有多种表示方法，不同的方法其效果 不一样 • 不同领域的知识具有不同的特点 • 各种表示方法各有优缺点，适用的情况不同 • 选择知识表示方法，要因问题而异 –一般，在选用知识表示方法时，应从以下几个方 面考虑 • 1.充分表示领域知识 • 2.有利于知识的利用 • 3.便于知识的组织、维护与管理 13 • 4.便于理解和实现
各种不同的方式和次序组合起来表示知识
– 连接机制表示法：用神经网络技术表示知识的
一种方法，相对于符号表示法而言是一种隐式
表示法
11
常用知识表示方法
–状态空间法
–脚本表示法
–过程表示法
–问题归约法
–谓词逻辑表示法 –产生式表示法 –框架表示法 –语义网络表示法
–Petri网表示法
–面向对象的表示法
–本体表示法
（122）（322）
（322）（333）
（111）（113）
（113）（123）
（123）（122）
（322）（321）
（321）（331）
（331）（333）
34
问题归约的描述
• 问题归约方法应用算符把问题描述转化为子问题描述，可 以采用各种数据结构：表列、树、字符串、矢量、数组等； – 例如梵塔问题的表示：包含两个数列的表列： [(113),(333)] • 也可以用状态空间表示法的三元组（S，F，G）表示；其 子问题描述规定了最后解答路径将要通过的中间状态；
解答的任一旅程,必须是具有最短距离的旅程。
28
B
A
E
D
(A)起始节点
推销员旅行问 题状态空间图
(ACDEBA)
29
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。
知识表示方法
第2章知识表示方法基本概念与本章引言知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验认识：包括对事物现象、本质、属性、状态、联系等的认识经验：包括解决问题的微观方法和宏观方法微观方法：如步骤、操作、规则、过程、技巧等宏观方法：如战略、战术、计谋、策略等eg：“if大雁向南飞，then冬天就要来临了。
”这样一条知识就是人们经过长期的观察，将“大雁向南飞”与“冬天来临”这两条信息关联在一起。
“雪是白色的”反映雪与颜色的一种关系。
知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。
本章引言：以知识和符号操作为基础的智能系统，其问题的求解都需要某种对解答的搜索。
在搜索过程开始之前，必须先将问题表示出来。
表示问题的方法，可能涉及状态空间、问题归约、语义网络、框架或谓词公式，或者把问题表示为一条要证明的定理，或者采用结构化方法等。
对于传统人工智能问题，任何复杂的求解技术都离不开两方面的内容：1.表示 2.搜索。
对于同一问题可以有多种不同的表示方法，这些表示具有不同的表示空间，问题表示的优劣，对求解结果及求解效率影响甚大。
2.1状态空间表示状态空间法概念：问题求解是个大课题，它涉及归约，推断，决策、规划、常识推理、定理证明和相关过程等核心概念。
在分析了人工智能研究中运用的问题求解方法之后，就会发现许多问题求解方法是采用试探搜索方法的。
也就是说，这些方法是通过在某个可能的解空间内寻找一个解来求解问题的。
这种基于解答空间的问题表示和求解方法就是状态空间法，它是以状态和算符为基础来表示和求解问题的。
2.1.1问题状态描述首先对状态和状态空间下个定义：1.状态（state）：状态是为描述某类不同事物间的差别而引入的一组最少变量q0，q1，…，q n的有序集合，矢量形式如下：式中每个元素q i(i=0，1，…，n)为集合的分量，称为状态变量。
知识表示方法综述
Machine Intelligence
状态图示法
猴子与香蕉问题状态空间图
Machine Intelligence
问题归约法
Machine Intelligence
问题归约法
问题归约法的组成部分 （1）一个初始问题描述； （2）一套把问题变换为子问题的操作符； （3）一套本原问题描述。 问题归约的实质：从问题的目标出发逆向推理，建立子问题 以及子问题的子问题，直至最后把初始问题归约为一个平凡 的本原问题集合。
Machine Intelligence
状态图示法
例：三数码难题(3 puzzle problem) 3 2 1
1
2
3
操作符：left,right,down,up
Machine Intelligence
状态图示法
例：三数码难题(3 puzzle problem)
2 3 1 3
1
right 2 3
状态空间法
状态空间法 从某个初始状态开始，每次加一个操作符，递增 地建立起操作符号的试验序列，直到达到目标状 态为止。
Machine Intelligence
状态空间法
总结 完成某个问题的状态描述，必须确定三件事： ① 初始状态的描述 ② 操作符集合及其对状态改变的作用 ③ 目标状态的描述
Machine Intelligence
谓词逻辑法
语法和语义 谓词的一般形式为： Ｐ(x1,x2,…,xn) P是谓词名， x1,x2,…,xn是个体。 个体：谓词中的个体可以是常量，也可以是变元和函数项; 项：个体常量、个体变量和函数统一起来的概念； 项可递归： -单独一个个体是项； -若f是n元函数符号，而t1,t2,…,tn是项，则f(t1,t2,…,tn)是项； -任何项都可由上述规则生成； 个体域：个体变元的取值范围称为个体域； 若谓词符号P中包含的个体数目为n，则称P为n元谓词符号；一 般一元谓词表示了个体的性质，而多元谓词则表达了个体之间 的关系； x<5: Less(x,5) 小王的父亲是老师： Teacher(father(wang))
人工智能_第2章 知识表示方法
14
标准槽名
6) Infer槽：指出两个框架所描述的事物间的逻辑推理关系， 用它可以表示相应的产生式规则。 【例】设有下面知识：如果咳嗽，发烧且流涕，则八成是患 了感冒，需服用感冒清，一日三次，每次2-3粒。并要多喝开 水。对该知识 ，可用如下两个框架表示： 框架名：<诊断规则> 框架名：<结论> 病名：感冒 症状1：咳嗽 治疗方法：服用感冒清，一日三 症状2：发烧 次，每次2-3粒 症状3：流涕 注意事项 ：多喝开水 Infer: <结论> 愈后：良好 可信度：0.8 7) Possible-Reason槽：与Infer槽作用相反，用来把某个结论 与可能的原因联系起来。 15
12
标准槽名
2) AKO槽：用于具体的指出事物间的类属关系。其直观含义 是“是一种”，下层框架可以继承其上层框架所描述的属性及值。 对上面的例子，可将棋手框架中的ISA改为AKO。 3)Subclass槽：用于指出子类与类之间的类属关系。 上例中，由于“棋手”是“运动员的一个子类，故可将ISA该为 Subclass。 4) Instance槽：用来建立AKO槽的逆关系。 用它作为某框架的槽时，可用来指出它的下层框架是哪些。 【例】框架名：<运动员> Instance:<棋手>，<足球运动员>，<排球运动员> 姓名：单位（姓，名） 年龄：单位（岁） 性别：范围（男，女） 缺省：男
18
剧本表示-例
【例】餐厅剧本 (1) 开场条件： (a)顾客饿了，需要进餐。(b)顾客有足够的钱。 (2) 角色：顾客，服务员，厨师，老板。 (3) 道具：食品，桌子，菜单，钱。 (4) 场景： 场景1 进入餐厅 (a) 顾客走入餐厅。(b) 寻找桌子。 (c) 在桌子旁坐下。 场景2 点菜 (a) 服务员给顾客菜单。(b) 顾客点菜。 (c) 顾客把菜单还给服务员。(d) 顾客等待服务员送菜。 场景3 等待 (a) 服务员把顾客所点的菜告诉厨师。(b) 厨师做菜。
知识表示
（关系，对象1，对象2）
事实“老李年龄是45岁。”可以表示为： (Li，Age，45)
事实“老李、老张是朋友。”可以表示为：
(Friend，Li，Zhang)
不确定性事实知识的表示。一般使用四元组表示：
（对象，属性，值，可信度）
或者 例如：
（关系，对象1，对象2，可信度）
事实“老李年龄很可能是45岁。”可以表示为：
COMPUTER(x)：x是计算机系的学生
LIKE(x，y)：x喜欢y HIGHER(x，y)：x比y长得高
定义个体：张晓辉(zhangxh)，编程序(programming)，李 晓鹏(1ixp)，函数father(lixp)表示李晓鹏的父亲。 第二步：将个体代入谓词中： COMPUTER(zhangxh)，～LIKE(zhangxh，programming)， HIGHER(lixp，father(lixp))
IF 土壤肥力等级=“高” THEN {目标产量=130;};
IF 土壤肥力等级=“中” THEN {目标产量=90;}; IF 土壤肥力等级=“低” THEN {目标产量=65;}; }
3.产生式系统的组成
推理机
规则库
综合数据库
图3.1 产生式系统的基本结构
4.产生式表示法的特点
清晰性：格式固定、形式简单。 模块性： 知识单元（规则）独立，知识库与 推理机分离，知识库维护方便。
定义谓词及个体，确定每个谓词及个体的确 切含义。
根据所要表达的事物或概念，为谓词中的变
元赋值。
根据所要表达的指示的语义，用连接符连接
谓词，形成谓词公式
3. 举例
例3.1 设有下列事实性知识：
人工智能课件第二章 知识表示(修改)
19
• 接上一页
TABLE(a)
TABLE(a)
SETWODN(b) TABLE(b) GOTO( b,c) TABLE(b)
=======>状态5 ON(box,b) =======>状态6 ON(box,b)
EMPTY(robot)
EMPTY(robot)
AT(robot , a)
AT(robot ,b)
则称P是一个n元谓词，记为P(x1,x2,…,xn)，其中， x1,x2,…,xn为个体。
7
定义2.2 设D是个体域，f：Dn→D是一个映射，则称 f是D上的一个n元函数，记作f(x1,x2,…,xn) 其中，x1,x2,…,xn为个体。
• 谓词与函数的区别： 谓词是D到{T，F}的映射，函数是D到D的映射； 谓词的真值是T和F，函数的值（无真值）是D中 的元素； 谓词可独立存在，函数只能作为谓词的个体。
5
二、谓词逻辑表示法
1. 基本概念
• 命题：具有真假意义的断言称为命题。 • 命题的真值：
T：表示命题的意义为真 F：表示命题的意义为假 • 命题真值的说明： 一个命题不能同时既为真又为假 一个命题可在一定条件下为真，而在另一条件下为假
6
• 论域：由所讨论对象的全体构成的集合。 • 个体：论域中的元素。 • 谓词：在谓词逻辑中命题是用形如P(x1,x2,…,xn)的谓词
是一种“一直往前走”不回头的方式，该方式是利用问 题给定的局部知识来决定选用的规则，就像动物识别系统一 样，选取一条与综合数据库进行匹配，然后作用到综合数据 库，再选取一条新的规则进行匹配，此时在选择上不再考虑 已经用过的规则了。
动物有暗斑点，有长脖子，有长腿，有奶，有蹄
• 该例子的部分推理网络如下：
2.知识表示
例如，MYCIN中有如下产生式：
IF
本微生物的染色斑是革兰氏阴性 本微生物的形状呈杆状 病人是中间宿主
THEN
该微生物是绿脓杆菌，置信度为CF=0.6
CF表示知识的强度，谓词逻辑中的蕴涵式不可以这样做。 （2）用产生式表示知识的系统中，“事实”与产生式 的“前提”中所规定的条件进行匹配时，可以是“精确匹 配”，也可以是基于相似度的“不精确匹配 不精确匹配”，只要相似 不精确匹配 度落入某个预先设定的范围内，即可认为匹配。但对谓词 逻辑的蕴涵式而言，其匹配必须是精确的。
人工智能
第二章 知识表示
主要内容
2.1 基本概念 2.2 一阶谓词表示法 2.3 产生式表示法 2.4 框架表示法 2.5 语义网络表示法 2.6 剧本（脚本）表示法 2.7 过程表示法 2.8 面向对象表示法 2.9 Petri网表示法 2.10 信念网表示法
知识表示的重要性
知识是智能的基础 获得知识 运用知识 符合计算机要求的知识模式 计算机能存储、处理的知识表示模式 数据结构（List, Table, Tree, Graph, etc.）
控制系统
控制系统又称推理机构 推理机构，由一组程序组成，负责整个 推理机构 产生式系统的运行，实现对问题的求解。 控制系统的主要工作： 选择规则，并与综合数 （1）按一定的策略从规则库中选择规则 选择规则 据库中的已知事实进行匹配 进行匹配。 进行匹配 （2）当发生冲突 冲突（即匹配成功的规则不止一条）时， 冲突 调用相应的冲突解决策略予以消解。 （3）在执行某条规则时，若该规则的右部是一个或多 个结论，则把这些结论加到综合数据库中 把这些结论加到综合数据库中；若规则的右部 把这些结论加到综合数据库中 是一个或多个操作，则执行这些操作 执行这些操作。 执行这些操作
知识表示
例：
y是孩子 ： CHILDREN(y)
x是y的父母：PARENT(x, y)
3 谓词逻辑法
合适公式
在谓词演算中合适公式的递归定义如下： (1) 原子谓词公式是合适公式。 (2) 若A为合适公式，则～A也是一个合适公式。 (3) 若A和B都是合适公式，则(A∧B)，(A∨B)，(A=>B)和 (A←→B)也都是合适公式。 (4) 若A是合适公式，x为A中的自由变元，则( x)A和(彐x)A 都是合适公式。 (5) 只有按上述规则(1)至(4)求得的那些公式，才是合适公式 。
三要点 ① 状态：表示问题解法中每一步问题状况的数据结构。 ② 算符：把问题从一种状态变换为另一种状态的手段。 ③ 状态空间法：以状态与算符为基础来表示问题和求解问题
。
2 状态空间法
状态空间表示举例
猴子与香蕉的问题：在一 个房间内有一只猴子、一个箱 子和一束香蕉。香蕉挂在天花 板下方，但猴子的高度不足以 碰到它。那么猴子怎样才能摘 到香蕉呢？
2.2 状态空间法
2.2.3 状态空间表示举例
(4) grasp：猴子摘到香蕉。 （c，1， c ，0） grasp
（c，1， c ，1）
其中，c是香蕉正下方的地板位置。
2.2 状态空间法
2.2.3 状态空间表示举例
求解过程 令初始状态为(a,0,b,0)。这时，goto(U)是唯一适用的操 作，并导致下一状态(U，0，b,0)。现在有3个适用的操作，即 goto(U)，pushbox(V)和climbbox(若U=b)。把所有适用的 操作 继续应用于每个状态，我们就能够得到状态空间图 该初始状态变换为目标状态的操作序列为： ｛goto(b),pushbox(c),climbbox,grasp｝
知识表示方法
2.2 问题规约法
A
B
C
D
与图
B
C
或图
2.2 问题规约法
A
BC
G
DE F
A
N MH
BC D E FG
2.一些关于与或图的术语
2.2 问题规约法
弧线
与节 点
终叶节 点
父节
或节
点
点
A
子节
点
N MH
B
C
D E FG
3.定义
有解节点
2.2 问题规约法
t
t
t
t
t
t
（a） t
t t （b） 与或图例子
无解节点
用谓词公式表示知识的一般步骤
1.定义谓词及个体确定每个谓词及个体的确切含 义
2.根据所要表达的事物或概念为每个谓词中的变 元赋以特定的值
3.根据所要表达的知识的语义用适当的连接符将 各个谓词连接起来形成谓词公式
谓词逻辑表示知识举例1
❖ 用谓词逻辑表示下列知识： ❖ 武汉是一个美丽的城市但她不是一个沿海城市 1.定义谓词如下：BCityx：x是一个美丽的城市
2. 将操作符作用在初始状态新状态上生成新状态逐步构造状 态空间 判断新状态是否为目标状态 如果是转3.否则转2.
3. 寻找从初始状态到目标状态的一个最佳路径路径边上所使 用的操作符序列就是该问题的一个解.
例:三数码难题 3 puzzle problem
23 1
23 1
2 13
2.1 状态空间法
2 13
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
知识要素
事实 •有关问题环境的一些事物的知识常以…是…的形式出现
- 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)。
各种各样的知识表示方法及其应用
众所周知，知识是一个比较普遍的概念，在生活中有着各种各样的表现形式，而如何把知识表示出来，也就是把知识提取这一过程就显得异常重要了。
每一种知识可能要采取不同的知识表示方法才能更加有效。
而且知识有可能只有一部分是我们所需要的，可以利用的，因此只有选择好一个知识表示方法，才能剔除不需要的东西，而留下精华。
在人工智能课程的学习中,我已经学到了许多知识表示方法,而通过这次读书活动,我学到了更多的知识表示方法以及相同方法的不同表现形式,现在做出如下比较与总结。
由于书中的知识表示方法在表达和分析上都跟其他书上介绍的都有区别，因此我把它们进行了比较分析。
把与书上不同的观点罗列出来，并且对相似的观点进行比较，从中收获很大。
与书中相似相似的方法:
第一、语义网络法
语义网络是1968年Quilian在研究人类联想记忆时提出的心理学模型，认为记忆是由概念间的联系来实现的。
1972年，Simmons首先将语义网络表示法用于自然语言理解系统。
语义网络的结构：语义网络是知识的一种图解表示，它由节点和弧线或链线组成。
节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。
组成部分
词法部分决定表示词汇表中允许有哪些符号，它涉及各个节点和弧线。
结构部分叙述符号排列的约束条件，指定各弧线连接的节点对。
过程部分说明访问过程，这些过程能用来建立和修正描述，以及回答相关问题。
语义部分确定与描述相关的(联想)意义的方法即确定有关节点的排列及其占有物和对应弧线。
书本上讲述的语义网络法可以用来表示事实;表示事实间的关系;表示比较复杂的知识。
而书上所讲的应用似乎不够完全,除了用来表示简单的事实、表示占有关系和其它情况之外它还能选择语义基元（试图用一组基元来表示知识，以便简化表示，并可用简单的知识来表示更复杂的知识。
）
语义网络法可以分成二元语义网络的表示(Representation of Two-Element Semantic Network)和多元语义网络的表示（Representation of Multi-Element Semantic Network）
语义网络法可以与谓词逻辑等效，用语义网络表示谓词逻辑法中的各种连词及量化，具体表示如下
1.合取：多元关系可以被转换成一组二元关系的合取，从而可以用语义网络
的形式表示出来。
2.析取：在语义网络中，为与合取关系相区别，在析取关系的连接上加注析取界限，并标记DIS。
3.否定：为表示否定关系，可以采用～ISA和～PART OF关系或标注NEG界限
4.蕴涵：在语义网络中可用标注ANTE和CONSE界限来表示蕴涵关系。
ANTE 和CONSE界限分别用来把与先决条件(antecedent)及与结果consequence)相关的链联系在一起。
5.量化：存在量化在语义网络中可直接用ISA链来表示。
而全称量化就要用分割方法来表示。
语义网络的推理过程：
语义网络中的推理过程主要有两种:一种是继承，另一种是匹配。
1.继承：把对事物的描述从概念节点或类节点传递到实例节点。
它有值继
承、“如果需要”继承、“缺省”继承三种。
2.匹配：部件匹配。
推理的方法有：缺省逻辑[Reiter 1980]、自动认识逻辑[Moore 1985a]、非单调逻辑[McDermott & Doyle 1980]和界限[ M cCarthy 1980，McCarthy 1986]。
鉴于语义网络法结构性强、联想性好、自然性高的特点，我觉得它主要适合用在自然语言分析理解系统、检索系统以及严谨的推理系统，这样既能够保证考虑到尽可能多的情况，同时对每一种情况的正确性都有保证，而且由于它具有联想性，因此它能很好的适应人类的联想记忆方式和人类的思维习惯。
同时它也能很容易的将自然语言采集、并进行分析用来进行处理。
第二、框架表示法
心理学的研究结果表明，在人类日常的思维和理解活动中，当分析和解释遇到的新情况时，要使用到过去经验中积累的知识。
这些知识规模巨大而且以很好的组织形式保留在人们的记忆中。
当然，我们无法把过去的经验一一都存在脑子里，而只能以一个通用的数据结构的形式存储以往的经验。
这样的数据结构称为框架。
框架提供了一个结构，一种组织。
在这个结构或组织中，新的资料可以用从过去的经验中得到的概念来分析和解释。
因此，框架是一种结构化表示法。
通常框架采用语义网络中的节点-槽-值表示结构。
所以框架也可以定义为是一组语义网络的节点和槽，这组节点和槽可以描述格式固定的事物、行动和事件。
语义网络可看做节点和弧线的集合，也可以视为框架的集合。
与书本上的定义相同，框架通常由描述事物的各个方面的槽组成，每个槽可以拥有若干个侧面，而每个侧面又可以拥有若干个值。
这些内容可以根据具体问题的具体需要来取舍。
对书本上框架表示法的补充说明：为了能从各个不同的角度来描述物体，可以对不同角度的视图分别建立框架，然后再把它们联系起来组成一个框架系统。
框架是一种复杂结构的语义网络。
因此语义网络推理中的匹配和特性继承在框架系统中也可以实行。
除此以外，由于框架用于描述具有固定格式的事物、动作和事件，因此可以在新的情况下，推论出未被观察到的事实。
框架用以下几种途径来帮助实现这一点：
(1) 框架包含它所描述的情况或物体的多方面的信息。
这些信息可以被引用，就像已经直接观察到这些信息一样。
(2) 框架包含物体必须具有的属性。
在填充框架的各个槽时，要用到这些属性。
建立对某一情况的描述要求先建立对此情况的各个方面的描述。
与描述这个情况的框架中的各个槽有关的信息可用来指导如何建立这些方面的描述。
(3) 框架描述它们所代表的概念的典型事例。
框架法的应用：在开发的电网故障诊断和恢复专家系统中得到应用。
由于框架法具备继承性的特性，因此它能很好的节省空间，并在知识的一致性上有很好的保持。
同样，框架法具备语义网络法的大部分特点，因此语义网络法和框架法主要用来表示常识知识，其研究领域有：
1) 对象和材料。
世界是由对象构成的。
有些对象如网格世界中的积木是离散的、固态的东西这些相对容易讨论和描述。
有些对象是有层次的，即是由各部分（其他对象）按某种方式放在一起构成的。
也有流体、气体和汇集，像沙堆、面粉袋和星系。
描述材料及其属性（尤其是流体）的著名成果是[Hayes 1978，Hayes 1985a，Hayes 1985b]的研究。
2) 空间。
物理世界有空间范围。
对象存在于空间中，在空间中的位置是相对于其他对象的。
因此，谈论一个东西是在另一个的里面、上面和紧挨着这些情况，形式化有关空间的各种符号的一个早期A I成果是[Kautz 1985]。
在各种机器人任务中有关空间推理的论文，参见[Chen 1990]
3) 物理属性。
A I系统也应该能推理这些物理属性，如质量、温度、体积、压力、放射性级别、波长和它们之间的任何关系。
4) 物理过程和事件。
物体下落，球被扔出，草长出了，杯子被倒满又倒空，蜡烛燃烧，热东西变凉。
在物理学中，很多这样的过程是用不同的方程式描述的，能在A I中使用这些方程式。
然而，经常我们不需要由物理过程提供这些确切的（且昂贵的）求解。
相反，A I研究者已经开发了一个定性物理，利用它推理普通趋势而不需要确切的计算[ Weld & de Kleer 1990]。
第三、剧本表示法（即书中的脚本表示法）
与书本上定义相同，剧本是框架的一种特殊形式，它用一组槽来描述某些事件的发生序列。
它由开场条件（进入条件）、角色、道具、场景、结局。
对书本上内容的补充：剧本是有用的知识表达结构，因为在现实世界中事件发生的某种模式来自事件之间的因果关系。
事件中的主人公完成一个动作后才能完成另一个动作。
剧本中所描述的事件形成一个巨大的因果链，这个链的起点是一组开场条件，满足这些开场条件，剧本中的事件才能产生。
链的终点是一组结果，有了这组结果，以后的事件或事件序列(可能用其他的剧本来描述)才能发生。
在这个链内一件事情和前后的事情都相互联系。
前面的事件，使当前的事件有可能产生，而当前事件又使后面的事件有可能产生。
剧本在预言一些没有直接提到的事件方面特别有用。
同时剧本对表示已经提到的事件之间的关系也很有用。
(1) 对于不属于事件核心部分的剧本，只需设置指向该剧本的指针即可，以便当它成为核心时启用。
(2) 对于符合事件核心部分的剧本，则应使用在当前事件中涉及到的具体。