1 基本概念

1.1 知识

* Feigenbaum认为知识是经过削减、塑造、解释和转换的信息。简单地说,知识是经过加工的信息。
* Bernstein说知识是特定领域的描述、关系和过程组成。
* Hayes-Roth认为知识是事实、信念和启发式规则。
* 信息关联后所形成的信息结构:事实&规则。
1.2 人工智能系统所关心的知识

一个智能程序高水平的运行需要有关的事实知识、规则知识、控制知识和元知识。

*
事实:是有关问题环境的一些事物的知识,常以“…是…”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等,在知识库中属于低层的知识。如雪是白色的、鸟有翅膀、张三李四是好朋友。
*
规则:是有关问题中与事物的行动、动作相联系的因果关系知识,是动态的,常以“如果…那么…”形式出现。特别是启发式规则是属于专家提供的专门经验知识,这种知识虽无严格解释但很有用处。
* 控制:是有关问题的求解步骤,技巧性知识,告诉怎么做一件事。也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。
* 元知识:是有关知识的知识,是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。
1.3 知识表示定义

*
维基百科:是认知科学和人工智能两个领域共同存在的问题。在认知科学里,它关系到人类如何储存和处理资料。在人工智能里,其主要目标为储存知识,让程式能够处理,达到人类的智慧。
*
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。知识表示可看成是一组描述事物的约定,以把人类知识表示成机器能处理的数据结构。
1.4 知识特性

* 相对正确性。一定条件下/某种环境中
* 不确定性。中间状态/为真程度/随机性/模糊性/经验性/不完全性
* 可表示性。语言/文字/图像/视频/图形/音频/神经网络/概率图
1.5 知识的分类

* 范围。常识性知识/领域性知识
* 作用。事实性知识/过程性知识/控制知识
* 确定。确定性知识/不确定性知识
* 表现。逻辑性知识/形象性知识
* 抽象。零级知识/一级知识/二级知识
2 一阶谓词表示(First Order Predicate)

2.1 谓词公式表示知识的步骤

* 定义谓词及变元
* 变元赋值
* 连接词连接谓词,形成谓词公式
2.2 谓词逻辑的推理规则

* 取式假言推理
* 拒式假言推理
* P规则(在推理的任何步,引入前提)
* T规则(在推理的任何步,引入永真蕴涵的公式)
* CP规则(对任意引入的命题R和前提集合能推出S,则前提集合能推出S)
* 反证
2.3 举例



2.4 优缺点

* 优点:精确,自然,严密,易于实现
* 缺点:表示和处理分离,组合爆炸导致效率低
3 产生式表示(Production)

3.1 产生式规则基本形式

对于规则是表示事物间的因果关系,以下列形式表示:condition->action。
一般使用三元组(对象,属性,值)或(关系,对象1,对象2)来表示事实。

如事实“老李年龄是35岁”,便写成(Lee,age,35)
事实“老李、老张是朋友”,可写成(friend,Lee,Zhang)

3.2 常用结构

* 原因→→结果:天下雨,地上湿
* 条件→→结论:将冰加热到0度以上,冰会融化成水
* 前提→→操作:如果能找到合适的杠杆和支点,则可以翘起地球
* 事实→→进展:夜来风雨声,花落知多少
* 情况→→行为:手机开机了,则意味着可以收到别人发我的信息了
3.3 产生式系统的组成

多数较为简单的专家系统(Expert System)都是以产生式表示知识的,相应的系统称作产生式系统。

产生式系统,由知识库和推理机两部分组成。其中知识库由规则库和数据库组成。规则库是产生式规则的集合,数据库是事实的集合。



规则是以产生式表示的。规则集蕴涵着将问题从初始状态转换解状态的那些变换规则,规则库是专家系统的核心。规则可表成与或树形式,基于数据库中的事实对这与或树的求值过程就是推理。

数据库中存放着初始事实、外部数据库输入的事实、中间结果事实和最后结果事实。

推理机是一个程序,控制协调规则库与数据库的运行,包含推理方式和控制策略。

3.4 产生式系统的推理方式

* 正向推理:从已知事实出发,通过规则库求得结论,或称数据驱动方式
* 反向推理:从目标(作为假设)出发,反向使用规则,求得已知事实,或称目标驱动方式
* 双向推理:同时使用正向推理又使用反向推理。
3.5 举例



4 语义网络表示(Semantic Network)

4.1 发展过程


奎廉的认知实验:


4.2 基本语义关系

* 包含或聚类关系

* 属性关系

* 时间关系

* 位置关系/相似关系/推论关系

* 二元关系/多元关系

4.3 举例

例:陈骏是南京大学的校长;南京大学在南京;陈骏专业是地球科学。陈家骏是陈骏聘用的教授,陈家骏专业是计算机科学。


4.4 语义网络下的推理

语义网络表示法是依匹配和继承来进行推理的。
1. 继承。把对事物的描述从抽象节点传递到具体节点,通常沿着类属关系ISA, AKO等具有继承关系的边进行。
2.
匹配。把待求解问题构造为网络片段,其中某些节点或边的标识是空的,称为询问点。将网络片段与知识库中的某个语义网络片段进行匹配,则与询问点相匹配的事实就是该问题的解。

如求解以下问题(匹配例子):



4.5 优缺点

优点:

* 结构性、联想性、自索引性、自然语言的转换性
* 善于处理结构性的知识
缺点:

* 不严格性、处理复杂
* 本质和谓词演算等价
5 框架表示(Framework)

5.1 什么是框架



5.2 框架的定义

框架是描述对象(一个事物、一个事件、一个概念)属性的一种数据结构。在框架表示法中,框架被认为是知识表示的最基本单元。

框架是由若干结点和关系(统称为槽slot)构成的网络。是语义网络一般化形式化的一种结构,同语义网络没有本质区别。将语义网络中结点间弧上的标注也放入槽内就成了框架表示法。

5.3 框架的表示

框架名、槽名(描述某一方面的属性)、侧面(描述属性的某一方面)、值组成。


5.4 举例



5.5 框架表示下的推理


框架表示法没有固定的推理机理。但框架系统的推理和语义网络一样遵循匹配和继承的原则,而且框架中如if-needed、if-added等槽的槽值是附加过程,在推理过程中起重要作用。

5.6 优缺点

优点:

* 结构性(不同于语义网络的结构性)、继承性、自然性
* 是语义网络的重要扩展
* 面对对象语言OO的产生
缺点:

* 缺乏过程性知识表示

友情链接
ioDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:637538335
关注微信