面向对象的知识发现

1、面向对象的知识泛化与演绎研究内容知识库系统的实现主要涉及知识的表示、利用和获取，以实现知识的检索， 满足用户的需求。传统的检索方法有基于概念的检索方法、基于推理的检索方法、 基于学习的检索方法和分布式多维检索方法等，在知识的检索中这些方法有一 定的效率，但同时都缺乏一种对知识进行表示、推理、检索和获取的综合手段。 而本体论在知识库应用时，可以用术语或概念对知识进行表达，同时揭示这些 知识之间内在的关系。基于本体论的知识库系统中的知识不仅通过纵向类属分类, 而且通过本体的联想进行组织和关联，推理机再利用这些知识进行推理，以满 足用户的检索需求。因此，基于本体的知识库的自动构建必不可少的一步就是需

2、 要一种合适的知识表示和推理方法以满足对知识库进行高效检索的要求，而面向 对象的知识泛化与演绎方法就是基于本体来构建知识库中知识表示和推理的理想选择之一。研究现状1、面向对象的知识泛化知识表示是人工智能（ArtificialIntelligence，简称AI）的一个重要分支。60年代 中期，知识表示开始作为一个独立的研究课题， 四十年来，人们研究出了诸多的知识表示方法， 包括语义网络表示、框架表示、产生式规则、面向对象的知识表示、逻辑表示等知识表示方法。面向对象的知识表示方法认为客观世界是由一些买体组成的，这种知识表示方法可将多种表示方法（规则、框架和过程等）组合在一起，构成符合面向对象设计原

3、则的混合知识表 示方法。用对象表示的知识与客观情况更为接近，易于理解，具有结构性、封装 性，便于知识库的修改和扩充，也有利于推理机制的修改。目前，面向对象技术的研究已经深入到计算机软、硬件的多个领域，人们开 始把面向对象的思想、方法用于智能系统的设计与构造，并在知识表示、知识库 的组成与管理、专家系统的设计等方面有了一定进展。相对于传统的知识表示方 法，面向对象的知识表示方法从客观世界的具体事物及事物间的联系进行抽象， 更符合人们认识问题和分析问题的习惯思维方式，并具有代码重用和可维护性好 等特点。随着面向对象技术（OOT）的应用和发展，面向对象的知识表示方法已 被应用与人工智能领域。一般的，

4、用面向对象的类或对象表示知识的方法，都可 以被称为面向对象知识表示（OOKR，Object-oriented knowledge representation）。OOKR借助面向对象（OO）的抽象性、封装性、继承性和多态 性，以及抽象数据类型为基础，能方便地描述复杂知识对象的静态特征和动态行 为。从本质上讲，OOKR是将多种单一的知识表示方法（框架、过程等）按照OO 的设计原则组成一种混合的知识表示形式。用面向对象的方法表示的知识系统中，对象的静态属性就是对象具有知识， 而对知识的处理方法和操作就是该对象所具有行为，因此，一个从客观世界抽象 出来的对象可表示为：V对象: = （ID,DS,MS

5、,MI）其中：ID是对象的标识符， 即对象名；DS是对象的数据结构，描述对象的静态属性；MS是对象的方法，用 于说明对象提供的对静态数据进行处理的方法操作，由于对象的数据只能由其具 体操作来改变，其它对象不能操纵，从而体现了面向对象方法所具有信息隐蔽性 即封装性；MI作为对象的消息接口，用于接收外部信息和驱动内部相关操作及 产生向外的输出信息，问题的求解就是依靠对象间传递消息完成的。面向对象设计需要将一组客观对象具有的共同特征抽象出来，即采用从特殊 到一般的归纳方法构造类，为系统构成提供了同一类对象之间代码共享的手段。 此外，面向对象设计还是一个建立类层次的过程，派生类通过继承机制从较简单 的

6、基类中继承特征，实现代码重用，为系统构成提供了类之间代码共享的手段。 2、面向对象的知识推理技术领域专家解决领域问题的能力主要体现在两个方面：一是专家拥有大量的知 识，二是专家具有选择知识来解决问题的能力。知识库和推理机是专家系统必不 可少的组成部分，是基于知识的推理的基础和核心。RBIM模型封装了知识库、推理机和推理使用的动态数据库，提供了知识库 维护、自动推理等功能，同时向用户提供一组能在OOPL（面向对象的程序设计语 言）中调用的模型接口。模型结构如图所示：模型的知识表示接口提供用户知识表示的手段，用户借助它表达领域的知识; 知识库操纵接口提供了添加，删除，维护知识的方法；推理和查询接口

7、用于模型 的推理控制和结论的查询。其中，知识表示接口是关键，与模型的知识表示能力、 知识的存储和推理算法直接相关。RBIM模型的知识表示在产生式规则的基础上，借助OOKR表示方法，将表示命 题逻辑中陈述性概念的命题对象、表示谓词逻辑中命题概念的谓词对象和表示过 程计算的过程对象作为组成规则的基本单元，提供了命题、谓词、过程和规则的 简洁表示方法。技术路线蟋始知L只新即只珞息采集(m息抽取知识表示知识率构建如讥推理知i只检索原始知识反推规则相关倍息知识库.原始知识框架圳对鉴规则说息扯成推理机首先采用面向对象的知识表示方法从相关信息中抽取的原始知识进行知识 表示，以表达知识的相关属性以及知识之间的

8、相互关联，并集成基于产生式规则、 框架、过程和语义网络等知识表示方法，形成一个最接近人类思维、简洁、易于 理解、便于推理和检索的知识库。面向对象的推理过程是知识对象类的实例化过程，如果传递到知识对象的消 息触发了其方法，则该知识对象被激活，知识对象类实例化一个知识对象过程是: 如果该对象还包含其他对象类作为自己的成员，则首先实例化那些对象，然后进 行属性填充、继承、过程调用等方法获取知识，建立起一个新对象。附：1、传统的知识表示方法产生式规则是使用最广泛的一种知识表示方法，其基本形式为：if条件 then动作（或结论）。整个产生式的含义是：如果条件被满足，则可推出结论 或执行动作所规定的操作。

9、推理形式以演绎推理为基础，把一组产生式放在一起， 协同作用，一个产生式生成的结论可供另一个产生式作为已知事实使用，以求得 问题的解决，这样的系统称为产生式系统。这种表示方式接近于人的思维，自然、 简洁、易于理解，规则相对独立。但也存在工作效率不高，求解复杂问题时容易 引起组合爆炸，不能表达结构关系的知识等缺点。框架是一种描述所论对象属性的数据结构。在框架表示法中，框架被看成是 知识表示的基本单位。不同的框架之间可以通过属性之间关系建立联系，从而构 成一个框架网络，充分表达各对象间的关系。一个框架由若干个叫做“槽”的结 构组成，用于描述所论对象某一方面的属性，每一个“槽”根据实际情况分为若 十个

10、“侧面”，用于描述相应属性的一个方面。框架推理主要通过框架匹配与填 槽实现。框架表示法突出特点是善于表示结构性知识，能把知识的内部结构关系 及知识之间的联系表示出来，另外，框架具有的继承性，使其减少了知识的冗余。 但在多重继承时可能产生属性描述的多义性，而且框架不善于表示过程性知识。语义网络表示法是通过概念及其语义关系来表示知识的一种网络图。一个语 义网络就是一个带标识的有向图，其中，有向图的节点表示各种事物、概念、属 性、动作、状态等，有向弧表示所连接的节点间的某种语义联系。大多数语义网 络系统采用的推理机制都是以网络结构的匹配为基础的，主要包括网络匹配、继 承推理和网络演绎三个方面。语义网

11、络表示法的优点是它能很容易地增加、修改、 删除节点和弧并能通过表示层次关系的ISA和表示集合关系的AKO实现继承性。 其缺点在于缺乏形式化的表示体系，由于节点间的联系多样而使得知识的存储、 修改和检索变得困难，推理、管理和维护相对复杂。（1）、组成：词法：指语义网络表示中涉及的符号、节点和弧线。结构：叙述符号排列的约束条件，指定各弧线连接的节点对。过程：说明访问过程，以便修改、建立和回答相关问题。语义：确定与描述相关的（联想）意义。（2）、语义网络的特点： 能够把实体的结构、属性与实体间的因果关系显式地表达出来。而 与实体相关的属性、事实、特征、关系等可通过相应节点的弧线推导出来。以便以联想的

12、方式解释系统。表达的概念容易理解和学习。表达问题直观，符合人的思维习惯，便于与领域专家沟通。对网络结构的语义解释依赖于对结构的推理过程（没有结构约定）， 因此，推理的有效性不如谓词逻辑。节点间的联系可以是线状、树状、网状或递归形式。知识的检索和存 储比较复杂。2、传统知识推理技术根据知识表达法分类知识推理是以知识表达技术作为前提条件的，它们之间有着密切的关系，由 知识表达的特点，知识推理技术可概括为两种类型：（1）“图搜索”方法在人工智能的知识表达技术中，许多基本的、常用的表达方式都具有图的形 式，或者可以变换为相应的（同种或同态变换）图的形式，并且，往往可用树图 表达。例如：状态空间态、与/

13、或树图、语义网络图以及由生产是系统或框架表 达方式所变换的树图或网络图。针对图的知识表达，问题求解的知识推理过程，就是从图中相当于初始状态 的出发结点到相当于目标状态的终结点的路线搜索过程。即搜索从初始状态有效 地转移到目标状态，所经历的最优向或最经济的路线，相应的知识推理方法即“图 搜索”方法。广度优先搜索法基本的图搜索法 J深度优先搜索法（2）“逻辑论证”方法当知识采用谓词逻辑或其他方法的形式逻辑表达时，知识推理的便成为逻辑 论证。在此情况下，求解两个问题相应于证明一个定理或几个定理，问题求解的 知识推理过程相应于用数理逻辑方法进行定理证明的过程。例如：在自动问答系统中，如果用一组谓词逻辑

14、表达式A描述提问的内容， 包括有关的事实、情况和条件，而用另一组谓词逻辑表达式B描述问题的答案或 结论，那么，只要通过逻辑演算的方法论证定理：A -B成立，也就相应于完成 了该问题的知识推理。基本的逻辑推理方法主要有：命题逻辑中的机器定理证明的王浩算法和一阶 谓词逻辑中定理证明的鲁宾逊消解方法。根据问题求解过程的完备性分类根据问题求解过程是否完备，可将知识推理方法分为：推理算法若问题求解的知识推理过程是完备的，则对于可解的问题从任意初始状态出 发，通过这种推理过程，总可以找到一条求解路线，经过有限的、确定的操作序 列，转移所要求的目标状态，保证推理过程的收敛性，求得问题的解答。这种推 理过程具

15、有完备性，而完备的推理过程称为“推理算法”。例如：王浩算法就是一种知识推理算法。又如广度优先搜索推理方法具有完 备性，也是一种知识推理的搜索算法。推理步骤若问题求解的推理过程是不完备的，则不能保证其推理过程的收敛性，以任 意初始状态转移到目标态，不一定能求得问题的解答。这种推理过程是不完备的、 非算法的，称为“推理步骤”。例如：深度优先算法就是不完备的，它的搜索过程可能会进入无穷的分支， 而达不到目标态，所以是一种推理步骤。根据启发性知识的运用分类根据在问题求解的过程中是否运用启发性知识，可将知识推理方法分为：(1)启发性推理在问题求解的推理过程中，运用与问题有关的启发性知识，即解决问题的策略、技巧、窍门，对解的特性及规律的估计等实践经验知识，以加快推理过程， 提高搜索效率，这种推理过程称为“启发性推理”。例如：在图的搜索推理方法中，利用启发性知识改进的深度优先搜索法，如 局部择优搜索法（瞎子爬山法）、最好优先搜索法等，只需要对部分