《人工智能应用概论》课件第2章-知识表示

《人工智能应用概论》第2章知识表示在当今日常生活中我们是不是发现出现了很多服务机器人，他们不仅能听懂我们的问题，还能一定程度上帮我们解决某个场景下的问题，例如:【案例】

在上面例子，我们可以看到机器人理解客人所说的问题后，准确地把问题的解决方法展示给客人看。这一过程就是我们本章所介绍的知识表示的基本应用之一；那到底机器人是怎么匹配问题的呢？我们就带着这个疑问来学习本章内容吧。【案例】PART1知识表示技术原理22.1.1知识的概念 概念知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。人们把实践中获得的信息关联在一起，就形成了知识。一般来说，把有关信息关联在一起所形成的信息结构称为知识。信息之间有多种关联形式，其中用得最多的一种是用“如果……，则……”表示的关联形式。在人工智能中，这种知识被称为“规则”，它反映了信息间的某种因果关系。22.1.1知识的概念 例如，我国北方的人们经过多年的观察发现，每当冬天即将来临，就会看到一批批的大雁向南方飞去，于是把“大雁向南飞”与“冬天就要来临了”这两个信息关联在一起，得到了如下知识：如果大雁向南飞，则冬天就要来临了。又如，“雪是白色的”也是一条知识，它反映了“雪”与“白色”之间的一种关系。在人工智能中，这种知识被称为“事实”。22.1.2知识的特征 特征相对正确性—知识是人类对客观世界认识的结晶，并且受到长期实践的检验。因此，在一定的条件及环境下，知识是正确的。（看图识字）不确定性—由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模糊的；关联可能是确定的，也可能是不确定的。（打雷一定下雨吗？）22.1.2知识的特征 可表示性—指知识可以用适当形式表示出来，如用语言、文字、图形、神经网络等，这样才能被存储、传播。可利用性—指知识可以被利用，我们每个人天天都在利用自己掌握的知识来解决各种问题。22.1.3知识表示概念

1．一阶谓词逻辑表示法—一阶谓词逻辑表示法是一种重要的知识表示方法，它以数理逻辑为基础，是到目前为止能够表达人类思维活动规律的一种最精准形式语言。2．知识的谓词逻辑表示法—用谓词公式既可以表示事物的状态、属性和概念等事实性的知识，也可以表示事物间具有确定因果关系的规则性知识。

对事实性知识“张三是学生，李四也是学生”，可以表示为：ISSTUDENT（张三）∧ISSTUDENT（李四）这里，ISSTUDENT（x）是一个谓词，表示x是学生；对规则性知识，谓词逻辑表示法通常由以蕴涵符号（→）联接形成的谓词公式（即蕴涵式）来表示。例如，对于规则：如果x，则y可以用下列的谓词公式进行表示：x→y22.1.3知识表示概念

3．产生式表示法—产生式通常用于表示具有因果关系的知识。（1）产生式的基本形式P->Q或者IF

P

THEN

Q其中，P是生产式的前提，用于指出该生产式是否可用的条件；Q

是一组结论或操作，用于指出当前提P所指示的条件被满足时，应该得出的结论或应该执行的操作确定性知识：推论中必然发生某种结果。例如：IF

动物会飞

AND

会下蛋

THEN

该动物是鸟

意思：如果这个动物会飞而且还会下蛋，就一定是鸟（对象，属性，值）

例如：（小明，身高，180厘米）意思：小明的身高是180厘米（关系，对象1，对象2）

例如：（父子，大明，小明）意思：大明和小明的关系是父子关系22.1.3知识表示概念

不确定性知识：推论中有一定概率发生的事件，表示为IFPTHENQ（置信度）例如：IF打雷THEN雨（0.9）意思：如果打雷了，有90%的几率会下雨（对象，属性，值，置信度）

例如：（手机，待机时间，10H，0.8）意思：手机待机时间10小时的概率是80%

（关系，对象1，对象2，置信度）

例如：（情侣，小明，小红，0.7）意思：小明和小红是情侣关系的概率是70%22.1.3知识表示概念

(2)产生式系统把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的结论可以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。动物识别系统22.1.3知识表示概念

4．框架表示法框架的一般表示形式，如下：<框架名>槽名1：侧面名1：值1，值2…，值p1侧面名2：值1，值2…，值p2侧面名2：值1，值2…，值pm1槽名2：侧面名1：值1，值2…，值q1侧面名1：值1，值2…，值q2侧面名1：值1，值2…，值qm2约束条件1，约束条件2，约束条件3…，约束条件n举例如下：教师框架框架名：<教师>姓名：单位（姓，名）年龄：单位（岁）性别：范围（男，女）职称：范围（教授、副教授、讲师、助教）缺省：讲师部门：单位（系、教研室）住址：<adr-1>工资：<sal-1>开始工作时间：单位（年、月）截止时间：单位（年、月）缺省：现在22.1.3知识表示概念

框架网络用框架名作为槽值，建立框架间的横向联系；用继承槽建立框架间的纵向联系，像这样具有横向与纵向联系的一组框架称为框架网络。22.1.3知识表示概念

5．语义网络表示法概念：语义网络：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。节点：表示实体，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。在语义网络表示中，每一个节点和弧都必须有标志，用来说明它所代表的实体或语义。语义基元：在语义网络表示中最基本的语义单元。基本网元：一个语义基元所对应的那部分网络结构。22.1.3知识表示概念

语义网络表示法-常用的基本语义关系分类关系表示位置关系表示成员关系表示属性关系表示包含关系表示时间关系表示22.1.3知识表示概念

6．事物与概念的表示（1）语义网络表示一元关系，例如：“我是一个人”这个例子，这就是一个一元关系。（2）较复杂关系的表示方法例如：动物能吃、能运动鸟是一种动物，鸟有翅膀、会飞鱼是一种动物，鱼生活在水中、会游泳22.1.3知识表示概念

（3）情况和动作的表示

例如：小燕子这只燕子从春天到秋天一直占有一个巢（4）事件和动作的表示

例如，“我给他一本书”22.1.3知识表示概念

7．脚本表示法概念：把人类生活中各类故事情节的基本概念抽取出来，构成一组原子概念，确定这些原子概念间的相互关系，然后把所有故事情节都用这组原子概念及依赖关系表示出来原子动作含义示例PROPEL对某一对象施加外力推、拉、打GRASP行为主体控制某一对象抓起某件东西、扔掉某件东西MOVE行为主体变化自己身体的某一部位抬手、蹬脚、站起ATRANS某种抽象关系的移动某物交给另一人PTRANS某一物理对象物理位置的改变某人从一处到另一处ATTEND用某个感觉器官获取信息看、听INGEST把某物放入体内吃饭、喝水EXPEL把某物排出体外落泪、呕吐SPEAK发出声音唱歌、喊叫、说话MTRANS信息的转移看电视、窃听、交流MBUILD由已有信息形成新信息

22.1.3知识表示概念

8．面向对象表示法

概念:（1）对象：客观世界中的任何事物。（2）类：一组相似对象的抽象。（3）封装：对象之间除了互递消息之外，不再有其它的联系对象的状态只能由它的私有操作来改变，当一个对象要改变另一个对象时，它只能向该对象发送消息，该对象接受消息后就根据消息的模式找出相应的操作，并执行操作改变自己的状态（4）继承：父类所具有的数据和操作可被子类继承。（5）面向对象的基本特征：模块性、继承性、封装性、多态性、易维护性、便于进行增量设计。22.1.3知识表示概念

知识表示的完整过程22.1.4知识表示发展历程 不同阶段时期，产生不同的知识表示概念22.1.4知识表示发展历程 1.数据连接阶段20世纪40年代，知识表示更多通过数据之间的关联所表示，还没形成一个相对统一的概念模型。2.图形表示的信息阶段随着1956年达特茅斯会议的召开，面向人工智能的表示方法从20世纪五六十年代就开始了，科学家提出通过符号的形式表示知识，也就是‘一阶谓词逻辑表示’3.结构数据专家系统在1976到1992阶段，诞生了不同的知识表示方式，首先是产生式规则，为了解决一阶谓词逻辑不确定性知识的表示，提出了产生式规则；由于产生式规则不能表示结构性和层次性的知识，因此另外一种以描述对象属性数据结构的框架Frame理论被提出，由Minsky明斯基在1975年首创，该框架将知识描述成一个由框架名、槽、侧面和值组成的数据结构(框架表示法)同期为了表示过程性知识，1975年由夏克从框架发展出”脚本”表示方法，这种表示方式可以描述事件及时间顺序，并成为基于示例的推理CBR（case-basedreasoning）的基础之一，与框架表示法类似22.1.4知识表示发展历程 4.人工神经网络表示阶段人工神经网络概念在20世纪80年代提出，通过一种类似人类神经网络的函数方式表示知识，为后来知识图谱技术手段提供理论支撑5.信息到知识和图形数据库阶段Quillian于1968年提出了语义网络（SemanticNetwork）的概念，在研究人类联想记忆时提出，认为记忆是由概念之间的联系来实现的。Simmon于1970年正式提出语义网络，并论证了语义网络与一阶谓词逻辑的关系，认为语义网络是一种以网格格式表达人类知识构造的形式，使用相互连接的点和边来表示知识，节点表示对象、概念，边表示节点之间的关系22.1.4知识表示发展历程 6.知识创新和智能系统阶段2012年，Google推出基于知识图谱的搜索服务，首次提出知识图谱的概念，与语义网不同，知识图谱不太专注于对知识框架的定义，而是从工程的角度上去处理知识问题，着重处理从文本中自动抽取或者依靠众包方式获取知识三元组22.1.5知识表示技术应用场景 场景一：互联网智能搜索场景二：智能问答22.1.5知识表示技术应用场景 场景三：商品推荐场景四：信贷风险评估22.1.5知识表示技术应用场景 场景五：信贷审核场景六：中医药知识平台PART2预备知识22.2.1知识表示具体实现 1.产生式系统—动物识别系统动物特征：黑斑点、长脖子、长腿、乳汁、有蹄（已知的信息）是什么动物？22.2.1知识表示具体实现 系统规则库：R1:IF有毛发THEN哺乳动物R2:IF分泌乳汁THEN哺乳动物R3:IF有羽毛THEN鸟类R4:IF会飞AND会下蛋THEN鸟类R5:IF吃肉THEN食肉动物R6:IF有犬齿AND有爪AND眼盯前方THEN食肉动物R7:IF哺乳动物AND有蹄THEN有蹄类动物R8:IF哺乳动物AND反刍动物THEN有蹄类动物R9:IF哺乳动物AND食肉动物AND黄褐色AND身上黑色斑点THEN金钱豹R10:IF哺乳动物AND食肉动物AND黄褐色AND身上黑色条纹THEN老虎R11:IF有蹄类动物AND长脖子AND长腿AND身上黑色斑点THEN长颈鹿R12:IF有蹄类动物AND身上黑色条纹THEN斑马R13:IF鸟类AND长脖子AND长腿AND不会飞AND黑白二色THEN鸵鸟R14:IF鸟类AND会游泳AND不会飞AND黑白二色THEN企鹅R15:IF鸟类AND会飞THEN信天翁22.2.1知识表示具体实现 匹配流程：初始信息：黑斑点、长脖子、长腿、乳汁、有蹄第一次匹配：R2:IF分泌乳汁THEN哺乳动物-->哺乳动物

第二次匹配：R7:IF哺乳动物AND有蹄THEN有蹄类动物-->有蹄、哺乳动物

第三次匹配:R11:IF有蹄类动物AND长脖子AND长腿AND身上黑色斑点THEN长颈鹿-->黑斑点、长脖子、长腿、有蹄类动物-->得出结论是长颈鹿目前，很多场景下的服务机器人问题匹配，也是通过产生式系统来实现的，这是其中一个实现手段。22.2.1知识表示具体实现 2.智能求解系统—导弹跟踪拦截系统一个智能求解系统可用具有层次结构的四元组模型：S:=<ID,DS,MS,MI>S依据系统反映的主题（Subject）来命名，称为主题层ID是对象标识符，又称为对象名，反映当前对象及其所属类别DS是数据结构，又称属性层，描述了当前对象的内部状态及静态属性。MS是采用的方法集，表明了系统内部所具有的策略支持和服务操作集合，称之为操作层或服务层MI为消息接口，称之为连接层，用于接收外部对象发送的信息，并可配备消息模式集及给定的参数表来传递相关信息导弹跟踪系统在Tk时刻飞行观测的对象表示22.2.1知识表示具体实现 对象：导弹飞行观测数据类ID：Tk时刻观测数据DS：方位，…速度，…加速度，…MS：GPS测量特征跟踪卡尔曼滤波模板匹配；…MI：观测命令，…读数，...显示，…存数，…处理，…其他，…导弹飞行观测数据参数表示实现:Class<类名>[:<起类名>][<类变量表>]Structure<对象的静态结构描述>Method<关于对象的操作定义>Restraint<限制条件>END22.2.1知识表示具体实现 3.语义网络的基本推理过程（1）继承-把对事物的描述从抽象节点传递到具体节点（2）在知识库的语义网络中寻找与待解问题相符的语义网络模式例如问题为“鱼住在哪？”知识库为上面“较复杂关系的表示方法”中的语义网络根据问题构造出如下语义网络片段用该片段去知识库中匹配，即可得到“鱼住在水中”。

语义网络的推理也是现在服务器机器人匹配问题的一个重要手段，比起产生式系统，有着更大的数据匹配量。22.2.2Python与编辑工具

Python是一种简单但功能强大的编程语言，其自带的函数非常适合处理语言数据。Python可以从/免费下载，并能够在各种平台上安装运行。关于Python代码编辑器，目前有很多，比如Python安装包自带的IDLE，Anaconda携带的JupyterNotebook，PyCharmIDE等等，读者可根据自身情况