知识表示与知识库系统-Read
合集下载
相关主题
- 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)。
或给每一项加权；加权和0.8感冒。
四．语义网络
Quillian在1966年写的一篇博士论文最早研究语义网络表示知识。模拟人的联想记忆的心理学模型。
房间里只有一些椅子。
有的是我的，有的是李华的
我的是木质的，李华的是皮的
我是老师，李华是学生
表示简单，自然，使知识分类，分等级。
推理时，对于给定的事物与事实，构造一个语义网络片断，然后到知识库中寻找同其结构，细节相一致的语义网络。
多个规则匹配成功时，确定所选规则的准则是什么？
非确定性匹配问题。
特点：1.格式固定，一致性IF-THEN
2.模块化好：易扩充与修改。
3.数据驱动，影响间接，非透明，看不出流程的轮廓。
4.自然
5.效率低：执行时竟选消除
非确定性匹配问题多出现在医学应用上。
咳嗽/\流涕/\头痛/\浑身酸痛/\怕冷→感冒
其中有２个或３个满足
X1 = x + cosα* d
Y1 = y + sinα* d
在点(x,y)与(x1, y1)之间画一条线。
f:向前移动步长d,不画线。
+：向左转角度δ，新状态：(x1, y1,α+δ)
-：向右转角度δ，新状态：(x1, y百度文库,α-δ)
举例：w: F-F-F-F,δ=90
P: F→F-F+F+FF-F-F+F
４．元知识：关于知识的范围、来源、重要性，力量弱点经验等
知识表示方法应具有的性质：
１．充分性：充分、详尽地表示知识
２．正确性：保证推理正确
３．有效性：提高推理效率
４．灵活性：模块化好，利用知识和灵活运用和增删，修改。
５．自然性：表示接近自然语言，易于理解。
如谓词逻辑：效率低
普通程序：效率高、不灵活
二、谓词逻辑表示方法：
举例：δ=25.7
w: F
P: F→F[+F]F[-F]F
产生式系统一般由三个部分组成：
1．一组规则，规则库。
2．数据库（当前状态）
3．解释程序：负责整个产生式系统的运行，包括：
a.规则与数据库中数据的匹配
b.选出匹配的规则加以执行
删除老数据，或代换老数据或生成新数据
问题：怎样算匹配上？匹配不上？
选择规则与数据匹配的次序？
缺点：1.效率低，当知识增多时，运用知识会导致组合爆炸，只能用于小型知识库系统。
2.语言结核小，表达事物较简单，不适合表达复杂事物。
三、产生式规则
表示过程性知识（可以放在程序中，最好放在规则库中），利用数据库中事实做正向或逆向推理。
以前的课中讲到了重写规则，也叫产生式规则，其例子用来说明检查语法的正确性。规则的作用十分强大，有时简单的规则能够产生有趣的结果。
例：重写系统（L系统）
同时使用产生式规则：
如：a→ab, b→a
b
a
ab
aba
abaab
abaababa
给这种字符串赋予几何意义.
用龟来说明：(x,y,α)表示龟的状态。(x,y)表示位置，α表示龟爬行的方向。
步长：d，角度增量δ,用下面命令控制龟的运动:
F:向前移动步长d,新状态：(x1, y1,α)
６．继承：继承某些属性，属性值，条件
盖房的观念发生了变化，没有了煤气罐
７．变异（反常现象）
进入一个房间看到十个灶＋个罐小仓库
８．查找
第六章知识表示与知识库系统
一、概述
知识表示：知识的符号化
对传统的AI说，知识表示就智能的表现之一。
知识表示就是要研究可行、有效的、通用的用机器表达知识的原则与方法。
知识的分类：
１．事物性知识：事物的概念、类别、性质
２．事件性知识：事件的论述、特性、现象、时间、因果
３．性能性知识：如何做事情及其做事的技巧（典型的表示方法就是程序）
煤气灶：
３．实例：
框架实例：房间1-203
墙：
墙数：4
门：
门数：1
窗：
窗数；1
地板
天花板
它所有上层框架中各属性的值
４．匹配
不完全匹配，框架是对一类事物的完整全部描述。
不匹配：①属性不存在：没有窗
②有两扇门
方法：①规定必要条件，如某个属性必须存在
②允许误差范围，门的数目４
５．预测煤气灶＝煤气罐数×２
如果看到几个罐，可以预测到几个灶
对于属性的继承性。
缺点：不能保证推理的正确性
五．框架结构：
Minsky 1975年提出，“人的记忆的构架”
一个机器人闯入房间：
１．描述
框架：房间
墙：
墙数：a>0
门：
门数：b>0
窗：
窗数：c>= 0
地板
天花板
框架：墙
材料：
颜色：
窗：
２．子类
框架：厨房
上层：房间框架
转入条件：煤气罐数>0
煤气罐数：d
煤气罐：
四．语义网络
Quillian在1966年写的一篇博士论文最早研究语义网络表示知识。模拟人的联想记忆的心理学模型。
房间里只有一些椅子。
有的是我的，有的是李华的
我的是木质的，李华的是皮的
我是老师，李华是学生
表示简单，自然，使知识分类，分等级。
推理时，对于给定的事物与事实，构造一个语义网络片断，然后到知识库中寻找同其结构，细节相一致的语义网络。
多个规则匹配成功时，确定所选规则的准则是什么？
非确定性匹配问题。
特点：1.格式固定，一致性IF-THEN
2.模块化好：易扩充与修改。
3.数据驱动，影响间接，非透明，看不出流程的轮廓。
4.自然
5.效率低：执行时竟选消除
非确定性匹配问题多出现在医学应用上。
咳嗽/\流涕/\头痛/\浑身酸痛/\怕冷→感冒
其中有２个或３个满足
X1 = x + cosα* d
Y1 = y + sinα* d
在点(x,y)与(x1, y1)之间画一条线。
f:向前移动步长d,不画线。
+：向左转角度δ，新状态：(x1, y1,α+δ)
-：向右转角度δ，新状态：(x1, y百度文库,α-δ)
举例：w: F-F-F-F,δ=90
P: F→F-F+F+FF-F-F+F
４．元知识：关于知识的范围、来源、重要性，力量弱点经验等
知识表示方法应具有的性质：
１．充分性：充分、详尽地表示知识
２．正确性：保证推理正确
３．有效性：提高推理效率
４．灵活性：模块化好，利用知识和灵活运用和增删，修改。
５．自然性：表示接近自然语言，易于理解。
如谓词逻辑：效率低
普通程序：效率高、不灵活
二、谓词逻辑表示方法：
举例：δ=25.7
w: F
P: F→F[+F]F[-F]F
产生式系统一般由三个部分组成：
1．一组规则，规则库。
2．数据库（当前状态）
3．解释程序：负责整个产生式系统的运行，包括：
a.规则与数据库中数据的匹配
b.选出匹配的规则加以执行
删除老数据，或代换老数据或生成新数据
问题：怎样算匹配上？匹配不上？
选择规则与数据匹配的次序？
缺点：1.效率低，当知识增多时，运用知识会导致组合爆炸，只能用于小型知识库系统。
2.语言结核小，表达事物较简单，不适合表达复杂事物。
三、产生式规则
表示过程性知识（可以放在程序中，最好放在规则库中），利用数据库中事实做正向或逆向推理。
以前的课中讲到了重写规则，也叫产生式规则，其例子用来说明检查语法的正确性。规则的作用十分强大，有时简单的规则能够产生有趣的结果。
例：重写系统（L系统）
同时使用产生式规则：
如：a→ab, b→a
b
a
ab
aba
abaab
abaababa
给这种字符串赋予几何意义.
用龟来说明：(x,y,α)表示龟的状态。(x,y)表示位置，α表示龟爬行的方向。
步长：d，角度增量δ,用下面命令控制龟的运动:
F:向前移动步长d,新状态：(x1, y1,α)
６．继承：继承某些属性，属性值，条件
盖房的观念发生了变化，没有了煤气罐
７．变异（反常现象）
进入一个房间看到十个灶＋个罐小仓库
８．查找
第六章知识表示与知识库系统
一、概述
知识表示：知识的符号化
对传统的AI说，知识表示就智能的表现之一。
知识表示就是要研究可行、有效的、通用的用机器表达知识的原则与方法。
知识的分类：
１．事物性知识：事物的概念、类别、性质
２．事件性知识：事件的论述、特性、现象、时间、因果
３．性能性知识：如何做事情及其做事的技巧（典型的表示方法就是程序）
煤气灶：
３．实例：
框架实例：房间1-203
墙：
墙数：4
门：
门数：1
窗：
窗数；1
地板
天花板
它所有上层框架中各属性的值
４．匹配
不完全匹配，框架是对一类事物的完整全部描述。
不匹配：①属性不存在：没有窗
②有两扇门
方法：①规定必要条件，如某个属性必须存在
②允许误差范围，门的数目４
５．预测煤气灶＝煤气罐数×２
如果看到几个罐，可以预测到几个灶
对于属性的继承性。
缺点：不能保证推理的正确性
五．框架结构：
Minsky 1975年提出，“人的记忆的构架”
一个机器人闯入房间：
１．描述
框架：房间
墙：
墙数：a>0
门：
门数：b>0
窗：
窗数：c>= 0
地板
天花板
框架：墙
材料：
颜色：
窗：
２．子类
框架：厨房
上层：房间框架
转入条件：煤气罐数>0
煤气罐数：d
煤气罐：