知识工程中的知识库、本体与专家系统①
基于知识图谱的我国知识库构建研究可视化分析
基于知识图谱的我国知识库构建研究可视化分析仇岗【摘要】文章采用文献计量和知识图谱可视化的方法,通过对中国知网数据库18年来知识库构建领域相关文献进行定量统计,利用CiteSpaceⅢ信息可视化软件对知识库构建领域进行可视化分析.文章分别从时间分布、核心作者分布、核心机构分布、研究热点和研究前沿等方面对知识库构建领域进行可视化分析和研究,以期对相关研究和实践创新提供借鉴和参考.【期刊名称】《新疆师范大学学报（自然科学版）》【年(卷),期】2019(038)002【总页数】8页(P33-40)【关键词】知识库构建;知识图谱;可视化;CiteSpace【作者】仇岗【作者单位】昌吉学院,新疆昌吉 831100;山东大学,山东济南 250100【正文语种】中文【中图分类】TP3-05在当今这个信息爆炸的时代，知识库从用户解决问题的需要出发，通过对特定领域的知识采用一定的知识获取方式收集起来，随后以某种或多种知识表示方式，实现在计算机中组织、存储、管理，并最终应用于实际问题。
而知识库构建在整个知识库中的作用尤为重要。
目前知识库构建已成为理论界和实务界研究的热点课题之一。
文章将利用Cit eSpaceⅢ信息可视化工具形象化地对国内知识库构建领域进行定量研究和可视化分析。
本研究可以让国内知识库构建领域的研究者了解现有研究状况以及该研究在未来的发展趋势，指导其研究工作。
1 相关研究CiteSpaceⅢ是美国德莱赛尔大学信息科学与技术学院的陈超美博士用Java语言开发出来的可视化分析软件。
该软件可以通过对学科领域文献信息的可视化分析和研究，使该学科领域研究者能够更直观地辨识出学科领域的现状及发展趋势［1］。
目前CiteSpaceⅢ软件在知识图谱的可视化研究中得到了广泛的应用。
如魏瑞斌针对国内知识图谱期刊论文的外部特征和内容特征进行了可视化分析，研究表明国内知识图谱研究处于起步阶段，研究人员和机构相对集中，研究论文的合著率较高，研究主题鲜明［2］。
知识工程中的知识库、本体与专家系统
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
第8章专家系统
第8章 专家系统
2.分块语义网络 在PROSPECTOR中，陈述由分块语义网络表示。 分块语义网络是把整个网络划分成若干个块，每一块 （称为语义空间）表示一句完整的话（陈述）。例如， “角闪石部分地转化为黑云母”，可由图8―9表示。
专家系统应该具备以下四个要素： (1) 应用于某专门领域； (2) 拥有专家级知识； (3) 能模拟专家的思维； (4) 能达到专家级水平。
所以，专家系统就应该是： 应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专
家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题 的计算机(软件)系统。
第8章 专家系统 图8―7 PROSPECTOR总体结构
第8章 专家系统
8.4.2 知识表示 PROSPECTOR系统的知识用语义网络和规则表示。
知识库由三级网络组成，它们分别用来描述概念、陈 述和推理规则。
1.分类学网络 最低一级网络是分类学网络（见图8―8），它的 作用有些类似于MYCIN中的词典，给出了系统所知道 的1000多个词汇的用途及相互关系。
815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获取knowledgeacquisition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knowledgerepresentation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knowledgebase建立与维护等和知识的利用即使用知识进行推理等一系列关于知识处理的技术和方法
第8章 专家系统
8.3 专家系统的应用与发展概况
8.3.1 专家系统的意义 专家系统是一种智能计算机系统，所以，专家系统将计算机的
应用提高到了一个新的高度和水平。专家系统的建立，实现了人 类专家的“分身”和“延年”——使专家们丰富而宝贵的知识和经 验能不受时间和空间的限制，而得到最大限度地传播和应用，从 而产生最大的社会效益和经济效益。
知识工程面试问题汇总
知识工程面试问题汇总在知识工程领域的面试中，面试官常常会提出一些问题来评估面试者的专业知识和技能。
下面是一些常见的知识工程面试问题汇总，希望对面试者有帮助。
1. 什么是知识工程？知识工程是一门跨学科的领域，它涉及到人工智能、机器学习、自然语言处理等多个学科。
它的目标是通过将人类知识形式化并利用计算机技术来处理和应用这些知识。
2. 知识工程的主要应用领域有哪些？知识工程的应用非常广泛，主要包括但不限于以下几个领域：•自然语言处理：通过分析和理解自然语言来实现机器翻译、情感分析等任务。
•专家系统：利用专家知识来解决复杂的问题，例如医学诊断、工程设计等。
•知识图谱：构建和维护大规模的知识图谱，用于知识检索和推荐等应用。
•智能问答系统：通过自然语言理解和推理技术，回答用户的问题。
•信息抽取和知识挖掘：从大规模的文本中抽取结构化的知识。
3. 知识表示和推理有哪些常用的方法？知识表示和推理是知识工程的核心任务之一，常用的方法包括：•逻辑表示：使用一阶逻辑或高阶逻辑来表示知识，并通过逻辑推理来推断新的知识。
•语义网络：使用节点和边表示知识，并通过网络上的推理规则进行推理。
•本体表示：使用本体来描述领域的概念和关系，并通过本体推理来进行推理。
•语义表示：使用向量表示来表示知识，并利用向量空间的计算来进行推理。
4. 知识图谱是什么？知识图谱是一种结构化的知识表示方法，它以图的形式表示实体、关系和属性之间的关系。
知识图谱是构建大规模知识库的重要手段，它能够支持知识的检索、推理和推荐等应用。
5. 什么是本体？本体是一种形式化的描述，用于表示领域的概念、关系和属性。
本体通常使用词汇和逻辑公式来描述领域中的概念层次结构、实例关系和属性约束等。
6. 知识工程中常用的知识表示语言有哪些？知识工程中常用的知识表示语言包括：•RDF：一种用于表示资源、属性和关系的语言。
•OWL：一种基于描述逻辑的知识表示语言，用于定义本体。
•SPARQL：一种用于查询知识图谱的查询语言。
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。
专家系统
专家系统专家系统是基于人工智能技术开发的一种智能计算机系统，它能够模拟和复制人类专家在特定领域内的知识和经验，从而能够进行问题的分析、推理和解决。
本文将介绍一些关于专家系统的基本概念、分类以及其在不同领域中的应用。
首先，我们来了解一下专家系统的基本概念。
专家系统是一种模仿专家解决问题的计算机程序，它通过获取专家的知识和经验，建立相关的知识库和推理机制，从而能够自主地进行问题的分析和解决。
专家系统通常由三部分组成：知识库（knowledge base）、推理机（inference engine）和用户接口（user interface）。
知识库保存了专家的知识和经验，推理机利用这些知识和经验进行问题的推理和解决，而用户接口则提供了与用户交互的方式。
根据专家系统的分类方法，可以将其分为基于规则的专家系统（rule-based expert systems）和基于案例的专家系统（case-based expert systems）。
基于规则的专家系统通过使用一系列的规则来描述专家的知识和经验，然后使用这些规则进行问题的推理和解决。
而基于案例的专家系统则是根据专家的经验案例来进行问题的处理和解决。
这些案例包含了问题的描述和解决方法，系统可以通过比较新问题和已有案例的相似度，来找到最佳的解决方案。
在不同领域中，专家系统都有着广泛的应用。
在医学领域中，专家系统可以帮助医生诊断各种疾病和制定治疗方案。
通过分析患者的症状和病历，专家系统可以根据专家的知识和经验给出准确的诊断结果和治疗建议。
在工程领域中，专家系统可以用于辅助设计和优化工程方案。
通过分析工程问题的各种参数和限制条件，专家系统可以提供最佳的设计解决方案，从而提高工程效率和质量。
除了医学和工程领域，专家系统在金融、法律、环境保护等多个领域都有应用。
在金融领域中，专家系统可以用于股票交易和投资决策。
通过分析市场数据和专家的投资经验，专家系统可以帮助投资者进行投资决策，提高投资的成功率和收益率。
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。
知识工程与专家系统人工智能课件
（接上页）
5.5 知识获取
建造 ES 的瓶颈 知识工程师：抽取知识、表示知识 知识获取系统：知识的格式化、
一致性检测、 完整性检测 。
5.5.2 知识的检测与求精
原型系统
1、 演示原型 仅能解决少量典型问题
2、 研究原型 能解决较多问题，但不够稳定，具有面向
开发的辅助功能，如测试、解释
例：求mn
LISP 简介
m0=1 mn=m×mn-1
(n＞0)
(defun power_1 (m n) (cond ((= n 0) 1)
(t (* m (power_1 m (- n 1)) ) ) ) )
(prog (ifs)
(setq ifs (cdadr rule))
loop
(cond ((null ifs) (return t))
((recall (car ifs))
)
(t (return nil)))
(setq ifs (cdr ifs))
(go loop)))
反向推理机
（2）函数 verify
1. 知识的一致性与完整性 知识库可能的存在的问题： 冗余、矛盾、从属、环路、不完整
3. 知识求精 知识不完整：错判、漏判 错判：推出了不应推出的结论 漏判：没有推出应该推出的结论 知识求精：找出导致错误的知识，加以改进。
通常采用实例检测法。
5.7 分布式专家系统与协同式专家系统
目标： 提高运行速度，实现多专家的知识 共享和协同工作。
n 阶 Hanoi 塔算法 ( LISP )
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。
知识库方面ppt课件
二、专家系统的产生与发展
2.1 孕育期（1965年前）
1956年人工智能诞生，早期的人工智能是从具体的 问题入手的。如1956年Newell和Simon编制的LT系统实 现定理证明；Samuel研制的西洋跳棋程序CHECKERS。
60年代初期，AI集中开发通用的方法和技术，如通 用问题求解程序( GPS) ；
7
不精确推理技术：针对客观存在的不精确或 不完全的数据和知识，增强了专家系统对专 家启发式知识的表达能力。
专家系统通用性的研究：开始把具有一定通 用性的推理方法和领域的专门知识结合起来， 试图构造有通用性的专家系统框架。
8
2.4 发展期(1978~至今)
此阶段研究突出在以下几个方面： 自动知识获取系统研制
综合数据库：用于存放问题求解的初始证据、 中间结果、目标、求解状态及最终结果等。
推理机：在一定控制策略下针对综合数据库 中的当前信息，识别和选取知识库中的有用 知识进行推理。常采用不精确推理。
13
知识获取程序：辅助知识工程师获取知识的程序及 系统的自学习模块等。
解释程序：根据用户的提问，对系统得出的结论、
采用归纳式知识获取设计Meta-DENDRAL
骨架系统等建造ES的工具相继出现
EMYSIN、EXPERT
知识库管理系统(KBMS)的研制 新型专家系统研制
生物学专家系统MOLGEN
9
三、专家系统的功能与结构
3.1 功能
专家系统应当具备以下几个功能： 存储专业领域知识； 存储具体问题求解过程中的初始证据数据和推 理过程中的各种信息与数据； 利用已有知识解决专业问题； 对推理过程和结论作出必要的解释； 提供用户接口； 提供知识获取、知识库修改完善等维护手段。
专家系统概述
– 系统自身具有学习能力，能从系统运行中总结 出新知识，使知识库越来越丰富，完善。
➢ 具有灵活性
– 知识库—推理机分离。
2.专家系统的基本特征
➢ 具有透明性
– 透明性：是指系统自身及其行为能被用户所理 解。
– 解释机构：向用户解释它的行为动机及得出某 些答案的推理过程。
➢ 常规程序是精确的；专家系统不精确、模糊的。 ➢ 专家系统具有解释机构； 常规程序没有。 ➢ 常规程序与专家系统具有不同的体系结构。
4. 专家系统的分类
• 按专家系统的特性及处理问题的类型分类。
(1)解释型：从所得到的有关数据，经过分析、推理， 从而给出相应解释的一类专家系统。
• 特点：必须能处理不完全，甚至受到干扰的信息， 并能对所得到的数据给出一致且正确的解释。
1. 什么是专家系统
• 它是一个智能程序系统； • 它具有相关领域内大量的专家知识； • 它能应用人工智能技术模拟人类专家求解问题的
思维水平。 • 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。
– 详细设计要求完成的工作
• 进行模块化设计 • 模块间的界面要清晰，便于通信 • 便于实现
8. 专家系统的开发过程
• 知识获取
– 与领域专家交谈，抽取所需知识，掌握专家处 理问题的方法、思路
– 查阅有关文献、获得有关概念的描述、参数 – 对获得的知识进行分析、比较、归纳、整理、
找出知识的内在联系、规律 – 对所得知识进行检查 – 对确定下来的知识用总体设计时确定的知识表
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。
知识工程与专家系统
三、发展前景
1.专家系统的发展趋势 近年来, 发展专家系统不仅要采用各种定 性的模型, 而且要将各种模型综合运用, 以及运 用人工智能和计算机技术的一些新思想和新技
术, 如分布式和协同式。这些都是专家系统的发
展趋势。
1.1 通用性专家系统
专家系统的开发需要领域专家和知识工程师共同努力， 通用性专家系统作为一种新型专家系统, 其特点如下：
专家系统模型
基于模糊逻辑的专家系统
模糊性是指客观事物在状态及其属 性方面的不分明性, 其根源是在类似事 物间存在一系列过渡状态, 它们互相渗 透、互相贯通, 使得彼此之间没有明显 的分界线。 模糊性是客观世界中某些事物本身 所具有的一种不确定性, 它与随机性有 着本质的区别。 但是, 模糊推理知识获取困难, 尤 其是征兆的模糊关系较难确定, 且系统 的推理能力依赖模糊知识库, 学习能力 差, 容易发生错误。
④借助辅助数据库，对推理过程可以进行有效的控制与监测，并能整合推理结果，以 多种形式反馈给用户。
1.3
协同式专家系统
一般认为，协同式专家系统是能综合若干相关领域 (或一个领域)多个方面的 单一专家系统互相协作共同解决一个更广领域问题的专家系统，这样的系统亦可 称之为群专家系统。
协同式专家系统作为一种新型专家系统, 其特点有：
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 人工神经网络 (ArtificialNeuralNetwork, ANN) 仿效生物体信息处理系统获得柔 性信息处理能力。 基于神经网络的专家系统的 具体应用形式可以根据实际情况 选择不同的神经网络模型, 能够 实现不同的用途。因此 , 基于神 经网络的专家系统是目前最流行 的专家系统 。
《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。
第十章人工智能基础习题及参考答案
第十章人工智能基础一、选择题1.人类智能的特性表现在4个方面（B）。
A.聪明、灵活、学习、运用B.能感知客观世界的信息、能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、增长才干和适应环境变化、能对外界的刺激做出反应并传递信息C.感觉、适应、学习、创新D.能捕捉外界环境信息，能利用外界的有利因素，能传递外界信息，能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（D），以实现某些脑力劳动的机械化。
A.具有智能B.和人一样工作C.完全代替人的大脑D.模拟、延伸和扩展人的智能3.下列关于人工智能的叙述不正确的有（C）A.人工智能技术与其它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20世纪50年代开始的，非常新，所以十分重要D.人工智能有力地进了社会的发展4.人工智能研究的一项基本内容是机器感知。
以下叙述中的（C）不属于机器感知的领域A.使机器具有视觉，听觉，触觉，味觉和觉等感知能力B.使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，以下叙述中的（C）不是它要实现的目标A.理解别讲的话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（B）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（B）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，图形和声音等形式编码记录和传播的知识，即显性知识C.提供有关状态变化，问题求解过程的操作，演算和行为的知识，即过程性知识D.用提供概念和事实使人们知道是什么的知识，即陈述性知识8.下述（A）不是知识的特征A.复杂性和明确性B.进化和相对性C.客观性和依附性D.可重用性和共享性9.下述（D）不是人工智能中常用的知识格式化表示方法。
第七章专家系统
2 ES系统的组成 • 知识库——ES系统最重要的部分，存储求解问题所需的以一定
符号结构表示的专门知识。 • 推理机——具有进行推理的能力
• 根据输入的问题以及描述问题求解初始状态的数据，取 用知识库中的知识作推理，并输出最终解答；
• 可请求用户输入推理必需的数据并应用户要求解释推理 结果和推理过程。
8
专家系统与传统程序的区别
4）传统程序一般不具有解释功能，而专家系统
一般具有解释机构，可对自己的行为作出解释。
5）传统程序因为是根据算法来求解问题的，所 以每次都能产生正确的答案，而专家系统则像人 类专家那样工作，通常产生正确的答案。但是有 时也会产生错误的答案，这也是专家系统存在的 问题之一。 6）从系统的体系结构来看，传统持续与专家系 统具有不同的结构。
* 提供现成的实现ES系统的骨架， * 提供知识获取的辅助设施和知识编辑器, * 易于使用——只要按骨架规定的表示方式编写专门知识，就 可形成应用领域的ES系统, * 仅有较窄的应用范围——对任务的特征有严格的要求.
20
• 表示语言： OPS5 * 提供面向知识处理的高级编程语言, * 知识工程师可以通过编程语言来实现特别的控制结构(建立在通
•这些知*识人决工定知了识ES获系取统是的一体个系十结分构困，难并而可又指耗导时以的系过统程化—和—结缺构乏化有的效的手段去 方式获取系详统细化的和推结理构知化识地。描述问题求解的组织和推理控制。
16
•自动方式——实现知识获取自动化的一个努力方向
* 以智能编辑器取代知识工程师，通过可视化交互式知识获取界面，按预 先制定的问题求解模型，指导领域专家自行抽取和输入知识进专家系统。
(5) 专家系统能汇集多领域专家的知识和经 验以及他们协作解决重大问题的能力，它 拥有更渊博的知识、更丰富的经验和更强 的工作能力。
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。
XXX《人工智能原理》在线作业答案
XXX《人工智能原理》在线作业答案XXX《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：C2.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：B3.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：B4.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。
精确答案：C5.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：C6.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B.对证据A一无所知C.证据A可信D.没有意义正确答案：B7.人工智能的含义最早由一名科学家于1950年提出，而且同时提出一个机器智能的测试模子，请问这个科学家是（）。
A.明斯基BXXXC.XXXD.XXX精确答案：C8.下述（）不是人工智能中常用的知识格式化表示方法。
A.框架表示法B.状态空间表示法C.语义网络表示法D.形象描写表示法正确答案：D9.知识获得的目标是将人类专家的知识转换为专家系统知识库中的知识，知识获得的办法通常有（）种。
A。
2B。
3C。
4D。
5正确答案：B10.在主观贝叶斯方法中，证据E支持结论H时，有（）。
A。
LS=0B。
LS<1C。
LS=1D。
- 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)。
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.。