《人工智能及其应用》课件第2章 知识表示方法

第2章知识表示方法虽然还没人提及，但我认为人工智能更像是一门人文学科。其本质，在于尝试理解人类的智能与认知。——塞巴斯蒂安·特伦(SebastianThrun),20132.1知识与知识表示的概念2.1.1知识的概念知识还没有一个统一的定义，具代表性的解释有以下3种。（1）知识是经过消减、塑造、解释、选择和转换的信息。（2）知识是由特定领域的描述、关系和过程组成的。（3）知识=事实+信念+启发式。实现信息之间关联的形式可以有很多种，其中最常用的一种形式是“如果…，则…”。在人工智能中，这种知识称为“规则”，它反映了信息间的某种因果关系。2.1知识与知识表示的概念2.1.2知识的类型知识的类型可以从不同的角度来划分，下面给出常见的几种划分方法。（1）按知识的适用范围知识可分为常识性知识和领域性知识。

常识性知识是指通用通识的知识，即人们普遍知道的、适用于所有领域的知识。

领域性知识是指面向某个具体领域的专业性知识，这些知识只有该领域的专业人员才能够掌握和运用它，如领域专家的经验等。2.1知识与知识表示的概念2.1.2知识的类型知识的类型可以从不同的角度来划分，下面给出常见的几种划分方法。（2）按知识的作用效果知识可分为陈述性知识、过程性知识和控制性知识。

陈述性知识是关于世界的事实性知识，主要回答“是什么”、“为什么”等问题。

过程性知识是描述在问题求解过程所需要的操作、算法或行为等规律性的知识，主要回答“怎么做”的问题。

控制性知识是关于如何使用前两种知识去学习和解决问题的知识。2.1知识与知识表示的概念2.1.2知识的类型知识的类型可以从不同的角度来划分，下面给出常见的几种划分方法。（3）按知识的确定性知识可分为确定性知识和不确定性知识。

确定性知识是可以给出其真值为“真”或“假”的知识，是可以精确表示的知识。

不确定性知识是指具有“不确定”特性的知识，这种不确定特性包括不完备性、不精确性和模糊性等。

不完备性是指在解决问题时，不具备解决该问题所需要的全部知识；不精确性是指知识具有的既不能完全被确定为真又不能完全被确定为假的特性；模糊性是指知识的“边界”不明确的特性。2.1知识与知识表示的概念2.1.3知识表示的概念和方法知识表示就是对知识的描述，即用一些约定的符号把知识编码成一组可以被计算机直接识别，并便于系统使用的数据结构。

知识表示不仅是为了把知识用某种机器可以直接识别的数据结构表示出来，更重要的是要能够方便系统正确地运用和管理知识。2.2一阶谓词逻辑表示法2.2.1命题逻辑定义2.1命题（Proposition）是一个非真即假的陈述句。判断一个句子是否为命题，首先应该判断它是否为陈述句，再判断它是否有唯一的真值。没有真假意义的语句（如感叹句、疑问句等）不是命题。在命题逻辑中，命题通常用大写的英文字母表示，例如，可用英文字母P表示“西安是个古老的城市”这个命题。2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法2.2.3谓词公式一阶谓词逻辑有5个连接词和2个量词，由于命题逻辑可以看成谓词逻辑的一种特殊形式，因此谓词逻辑中的5个连接词也适用于命题逻辑，但是2个量词仅适用于谓词逻辑。1.连接词（连词），用来连接简单命题，并由简单命题构成复合命题的逻辑运算符号。2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法谓词公式的解释

在命题逻辑中，对命题公式中各个命题变元的一次真值指派称为命题公式的一个解释。一旦命题确定后，根据各连接词的定义就可以求出命题公式的真值（T或F）。

在谓词逻辑中，由于公式中可能有个体变元以及函数，因此不能像命题公式那样直接通过真值指派给出解释，必须首先考虑个体变元和函数在个体域中的取值，然后才能针对变元与函数的具体取值为谓词分别指派真值。由于存在多种组合情况，所以一个谓词公式的解释可能有很多个。对于每一个解释，谓词公式都可求出一个真值（T或F）。2.2一阶谓词逻辑表示法谓词公式的永真性、可满足性、不可满足性定义2.5：如果谓词公式P对个体域D上的任何一个解释都取得真值T，则称P在D上是永真的；如果P在每个非空个体域上均永真，则称P永真。定义2.6：如果谓词公式P对个体域D上的任何一个解释都取得真值F，则称P在D上是永假的；如果P在每个非空个体域上均永假，则称P永假。定义2.7：对于谓词公式P，如果至少存在一个解释使得公式P在此解释下的真值为T，则称公式P是可满足的，否则，则称公式P是不可满足的。2.2一阶谓词逻辑表示法

谓词公式的等价性2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.2一阶谓词逻辑表示法

2.3产生式表示法2.3.1产生式表示的基本方法（1）事实的表示

事实可看成断言一个语言变量的值或断言多个语言变量之间关系的陈述句。

语言变量的值或语言变量之间的关系可以是数字，也可以是一个词等。例如，陈述句“雪是白的”，其中“雪”是语言变量，“白的”是语言变量的值。

对确定性知识，一个事实可用一个三元组

（对象，属性，值）

或

（关系，对象1，对象2）来表示。

对象就是语言变量，这种表示方式，在机器内部可用一个表来实现。2.3产生式表示法

2.3产生式表示法

2.3产生式表示法

2.3产生式表示法

2.3产生式表示法

2.4语义网络表示法2.4.1语义网络的概念

语义网络是一种用实体及其语义关系来表达知识的有向图。其中，节点代表实体，表示各种事物、概念、情况、属性、状态、事件、动作等；弧代表语义关系，表示它所连接的两个实体之间的语义联系。在语义网络中，每一个节点和弧都必须带有标志，这些标志用来说明它所代表的实体或语义。

在语义网络表示中，最基本的语义单元称为语义基元，语义基元对应的那部分网络结构称为基本网元。一个语义基元可用三元组（节点1，弧，节点2）来描述，其结构可用一个基本网元来表示。2.4语义网络表示法基本的语义关系

从功能上讲，语义网络可以描述任何事物间的任意复杂关系。但是，这种描述是通过把许多基本的语义关系关联到一起来实现的。基本语义关系是构成复杂语义关系的基石，也是语义网络知识表示的基础。

①实例关系，实例关系体现的是“具体与抽象”的概念，用来描述“一个事物是另外一个事物的具体例子”。其语义标志为ISA，即Is-a的简写形式，含义为“是一个”。

例如，实例关系“李刚是一个人”。2.4语义网络表示法基本的语义关系

②分类关系，分类关系也称为泛化关系，它体现的是“子类与超类”的概念，用来描述“一个事物是另外一个事物的一个成员”。其语义标志为AKO，即A-Kind-of的缩写，其含义为“是一种”。

例如，分类关系“鸟是一种动物”。

③成员关系，成员关系体现的是“个体与集体”的概念，用来描述“一个事物是另外一个事物中的一个成员”。其语义标志为A-Member-of，含义为“是一员”。

例如，成员关系“张强是共青团员”。2.4语义网络表示法基本的语义关系

④属性关系，属性关系是指事物与其行为、能力、状态、特征等属性之间的关系。由于不同事物的属性不同，因此属性关系可以有很多种。

例如：Have，含义是“有”、表示一个节点具有另一个节点所描述的属性。

Can，含义是“能”、“会”，表示一个节点能做另一个节点所描述的事情。Age，含义是“年龄”，表示一个节点是另一个节点在年龄方面的属性。2.4语义网络表示法基本的语义关系

⑤包含关系，包含关系也称为聚类关系，是指具有组织或结构特征的“部分与整体”之间的关系，与类属关系的最主要区别是包含关系一般不具备属性的继承性。

常用的包含关系有：Part-of，含义为“是一部分”，表示一个事物是另一个事物的一部分。

⑥时间关系，时间关系是指不同事件在其发生时间方面的先后次序关系。

常用的时间关系有：Before，含义为“在前”，表示一个事件在另一个事件之前发生；After，含义为“在后”、表示一个事件在另一个事件之后发生。2.4语义网络表示法基本的语义关系

⑦位置关系，位置关系是指不同事物在位置方面的关系。常用的位置关系有：Located-on，含义为“在上”，表示某一物体在另一物体之上。Located-at，含义为“在”，表示某一物体所在的位置。Located-under，含义为“在下”，表示某一物体在另一物体之下。Located-inside，含义为“在内”，表示某一物体在另一物体之内。Located-outside，含义为“在外”，表示某一物体在另一物体之外。2.4语义网络表示法基本的语义关系

⑧相近关系，相近关系是指不同事物在形状、内容等方面相似或接近。

常用的相近关系有：Similar-to，含义为“相似”，表示某一事物与另一事物相似。Near-to，含义为“接近”，表示某一事物与另一事物接近。2.4语义网络表示法

2.4语义网络表示法2.4.3情况和动作的表示

为了描述那些复杂的情况和动作，西蒙在他提出的表示方法中增加了情况节点和动作节点，允许用一个节点来表示情况或动作。（1）情况的表示

用语义网络表示情况时，需要设立一个情况节点。该节点有一组向外引出的弧，用于指出各种不同的情况。（2）事件和动作的表示

用语义网络表示事件或动作时，也需要设立一个事件节点。事件节点也有一些向外引出的弧，用于指出动作的主体和客体。2.4语义网络表示法2.4.4语义网络的基本推理过程

采用语义网络表示知识的问题求解系统主要由两大部分组成，

一部分是由语义网络构成的知识库；另一部分是用于问题求解的推理机构。

语义网络的推理过程主要有两种：继承和匹配。2.4语义网络表示法2.4.4语义网络的基本推理过程（1）继承

继承是指把对事物的描述从抽象节点传递到具体节点。通过继承可以得到所需节点的一些属性值，它通常是沿着ISA、AKO等继承弧进行的。继承的一般过程为：

①建立一个节点表，用来存放待求解节点和所有以ISA、AKO等继承弧与此节点相连的那些节点。在初始情况下，表中只有待求解节点。

②检查表中的第一个节点是否有继承弧。如果有，就把该弧所指的所有节点放入节点表的末尾，记录这些节点的所有属性，并从节点表中删除第一个节点。如果没有，仅从节点表中删除第一个节点。

③重复②，直到节点表为空。此时记录下来的所有属性都是待求解节点继承来的属性。2.4语义网络表示法2.4.4语义网络的基本推理过程（2）匹配

匹配是指在知识库的语义网络中寻找与待求解问题相符的语义网络模式。其主要过程为：

①根据待求解问题的要求构造一个网络片段，该网络片段中有些节点或弧的标志是空的，称为询问处，它反映的是待求解的问题。

②根据该语义片段到知识库中去寻找需要的信息

③当待求解问题的网络片段与知识库中的某个语义网络片段相匹配时，则与询问处所对应的事实就是该问题的解。2.5知识图谱表示法2.5.1知识图谱的定义

知识图谱，又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建绘制和显示知识及它们之间的相互联系。

知识图谱以结构化的形式描述客观世界中概念、实体间的复杂关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律。2.5知识图谱表示法

2.5知识图谱表示法2.5.2知识图谱的表示

三元组是知识图谱的一种通用表示方式。三元组的基本形式主要分为两种形式：（1）（实体1-关系-实体2）（2）（实体-属性-属性值）2.5知识图谱表示法2.5.3知识图谱的架构1.知识图谱的逻辑结构

知识图谱在逻辑上可分为模式层与数据层。

数据层主要是由一系列的事实组成的，而知识以事实为单位进行存储。如果用（实体1—关系—实体2）、（实体—属性—属性值）这样的三元组来表达事实，可选择图数据库作为存储介质。模式层构建在数据层之上，是知识图谱的核心。2.5知识图谱表示法2.5.3知识图谱的架构2.知识图谱的体系架构

知识图谱的体系架构是指其构建模式结构，也包含知识图谱的更新过程。获取知识的资源对象大体可分为结构化半结构化和非结构化三类。结构化数据是指知识定义和表示都比较完备的数据，如DBpedia和Freebase等已有知识图谱、特定领域内的数据库资源等。半结构化数据是指部分数据是结构化的但存在大量结构化程度较低的数据。非结构化数据则是指没有定义和规范约束的“自由”数据。例