人工智能第四章讲义.ppt
111页
第四章 知识表示,4.1 概述4.2 产生式表示4.3 语义网络表示4.4 框架表示4.5 其他表示方法,4.1 概述,人工智能研究中最基本的问题之一,如何表示知识？,知识的定义,Feigenbaum ：知识是经过消减、塑造、解释和转换的信息Bernstein：知识是由特定领域的描述、关系和过程组成的 Hayes-roth (斯坦福大学教授) ：知识是事实、信念和启发式规则 知识库的观点：知识是某领域中所涉及的各有关方面的一种符号表示NEXT,爱德华•费根鲍姆 （Edward A. Feigenbaum）,知识工程的提出者 大型人工智能系统的开拓者,,,,返回,费根鲍姆-知识工程的创始人,１９７７年，费根鲍姆教授提出了知识工程的概念，成为知识可操作化的一个里程碑２０多年来，知识工程的研究有了很大发展知识工程的处理对象已从规范化的、相对好处理的知识进一步深入到非规范化的、相对难处理的知识它的处理规模和方式从封闭式扩大为开放式，从小手工作坊式的知识工程扩大为能进行海量知识处理的大规模工程返回,知识的种类,事实性知识：采用直接表示的形式 如：凡是猴子都有尾巴过程性知识：描述做某件事的过程。
如：红烧肉做法行为性知识：不直接给出事实本身，只给出它在某方面的行为 如：微分方程、（事物的内涵）……..,NEXT,猴子,返回,红烧肉做法,返回,红烧肉做法,1、主料：五花腩，五层三花的肚腩肉 2、配料：八角茴、大蒜子大蒜去皮，至少要2头3、开始做红烧肉先就植物油烧热后放入一小勺白糖，（上色用）这时火要开小一点，待糖熔化变成酱油色，倒入五花肉、八角茴翻炒炒到肉开始转色4、开始焖：放入足够的热水，要盖过肉多一点，烧开后改小火，加盖小火焖1个小时左右 5、等水份烧干开始出油时，加入大蒜、盐、味精 6、再焖几分钟，将肉和大蒜拌匀，再放一点开水焖几分钟就行了返回,……..实例性知识：只给出一些实例，知识藏在实例中类比性知识: 即不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处 如：比喻、谜语 元知识：有关知识的知识最重要的元知识是如何使用知识的知识，如何从知识库中找到想要的知识知识的种类,知识的要素,事实：事物的分类、属性、事物间关系、科学事实、客观事实等最低层的知识） 规则：事物的行动、动作和联系的因果关系知识启发式规则）控制：当有多个动作同时被激活时，选择哪一个动作来执行的知识。
技巧性） 元知识：高层知识怎样使用规则、解释规则、校验规则、解释程序结构等知识知识表示研究用机器表示知识的可行性、有效性的一般方法 知识表示是理智推理的部分理论 知识表示是有效计算的载体知识表示是交流的媒介知识表示的定义,选取知识表示的因素,表示范围是否广泛是否适于推理是否适于计算机处理是否有高效的算法能否表示不精确知识能否模块化总之 ………,知识和元知识能否用统一 的形式表示是否加入启发信息过程性表示还是说明性表示表示方法是否自然,选取知识表示的因素,………..总之，人工智能问题的求解是以知识表示为基础的如何将已获得的有关知识以计算机内部代码形式加以合理地描述、存储、有效地利用便是知识表示应解决的问题知识表示的研究内容,表示观的研究表示方法的研究,知识表示观,知识表示与推理机分离 注重常识知识的表示，忽略启发式方法的研究知识表示与推理为一体 认为推理是表示中不可缺少的部分,表示方法分类,表示方法,直接表示,局部表示,分布表示,陈述性表示,过程性表示,语义网络表示,产生式表示,逻辑表示,框架表示,脚本表示,替代表示,知识表示研究的特点,智能行为特有的灵活性常识问题”不能概括为一类简洁的理论，是大量小理论的集合。
AI的任务受到计算装置的约束这导致了所采用的“表示”必须同时满足“刻画智能现象”与“计算装置可以接受”，这两个有时是矛盾的条件表示方法,产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,4.2 产生式表示方法,美国数学家Post，1943年提出了一种计算形式体系里所使用的术语到了60年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程的基础，用它来建立人类认知模型到目前为止，产生式系统已发展成为人工智能系统中最典型最普遍的一种结构产生式表示方法是专家系统的第一选择的知识表达方式1. 事实的表示：可看成是断言一个语言变量的值或是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间的关系可以是一个词，不一定是数字 例1：香蕉是黄色的 语言变量——香蕉，值——黄色的 例2：小李喜欢小莉 语言变量——小李、小莉， 关系值——喜欢,4.2.1 事实与规则的表示,一般用三元组（对象，属性，值）或 （关系，对象1，对象2）例：（Li, Age, 25）, (Friend, Li, Chang),4.2.1 事实与规则的表示,2. 规则的表示： 规则用于表示事物间的因果关系，来表达求解问题所需要的知识。
产生式规则的一般形式: 条件----> 行动 或 前提----> 结论 即表示成： if <前件> then <后件> 例1：如果天下雪，我就不骑车上班 if 天下雪 then 不骑车上班,4.2.1 事实与规则的表示,,产生式系统结构图,4.2.2 产生式系统结构,4.2.2 产生式系统结构,1．数据库是一个数据的集合，用于存放在推理过程中的已知条件、推导出的中间结果和最终结论等往往是事实或断言这里的数据是广义的常量、变量、多元组、谓词、表、图像等存放的数据是构成产生式的基本元素，又是产生式作用的对象2．规则集 相当于系统的知识库，它采用“IF <前件> THEN <后件>”的形式，来表达求解问题所需要的知识4.2.2 产生式系统结构,,客观规律知识,求解策略知识,规则,每条规则分为左右两个部分左部表示激活该规 则的条件，右部表示调用该规则后所作的动作可触发规则： 当一个规则的前件被综合数据库中的数据满足时，该规则称为可触发规则被触发规则： 从可触发规则中选择一个规则来执行，被执行的规则称为被触发规则。
4.2.2 产生式系统结构,3．推理机(规则解释程序)匹配器：判断规则条件是否成立冲突消解器：选择可调用的规则解释器：执行规则的动作，并在满足结束条件时终止产生式系统运行4.2.2 产生式系统结构,产生式系统举例--字符转换问题,字符转换问题规则如下： A∧B→C A∧C→D B∧C→G B∧E→F D→E 已知：A，B 求：F,产生式系统举例--字符转换问题,1. 综合数据库 综合数据库用集合{x}表示，其中x为字符 2. 规则集 用“IF ～ THEN ～”的形式表示如下： (1) IF A∧B THEN C (2) IF A∧C THEN D (3) IF B∧C THEN G (4) IF B∧E THEN F (5) IF D THEN E,产生式系统举例--字符转换问题,3. 控制策略 就是选择规则的方法，可采用按照规则的自然顺序选择规则的方法，这种策略称为顺序排队4. 初始状态 {A，B}，A、B是已知条件5.结束条件 F∈{x}，当目标F在综合数据库中出现时，则F被求得正向推理方法 反向 双向,4.2.3 产生式系统的推理,,基于与或树的推理,,与或树,1、正向推理方法：从已知数据出发，一步步应用规则，一直到推出结论。
又称自低向上推理方式或数据驱动方式,4.2.3 产生式系统的推理,正向推理过程：(1)用工作存储器中的数据与产生式规则的前提条件进行匹配2)按冲突消解策略从匹配的规则中选择一条规则3)执行选中规则的动作（依次）修改工作存储器4)用更新后的工作存储器，重复上述工作，直到得出结论或工作存储器不再发生变化为止举例：字符转换问题,4.2.3 产生式系统的推理,2. 反向推理方法：从结论出发，一步步反向使用规则，最后看是否所有的前提条件都成立又称自顶向下推理方式或目标驱动方式,4.2.3 产生式系统的推理,反向推理过程：(1)首先假定结论正确，然后反向使用规则，看在哪些条件下该结论才能够成立2) 检查这些条件是否是已知条件如果全部是已知条件，则结论得证如果部分或者全部条件都是非已知的，则将这些条件看成是新的要求解的结论，用同样的逆向方法推断它们是否正确3)依次类推，直到所有的条件都是已知的，就推导出了最初的结论4.2.3 产生式系统的推理,3．双向推理方法即自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束 该方法较正向或反向推理所形成的推理网络小，从而推理效果更高。
4.2.3 产生式系统的推理,推理方法的选择 推理方法的选择取决于推理的目标和搜索空间的形状如果目标是从一组给定事实出发，找出所有可能的结论，通常使用正向推理如果目标是证实或否定某一特定结论，通常使用反向推理4.2.3 产生式系统的推理,与人类求解问题时的思维很相像，可用于模拟人类求解问题的思维过程可以把产生式系统作为人工智能系统的基本 结构单元或基本模型看待，就像积木世界中的积木块一样4.2.4 产生式表示的特点,优点模块性 规则与规则之间相互独立灵活性 知识库易于增加、修改、删除自然性 方便地表示专家的启发性知识与经验透明性 易于保留动作所产生的变化、轨迹,4.2.4 产生式表示的特点,缺点： 效率低不能表示结构性的知识由于规则彼此之间不能调用4.2.4 产生式表示的特点,应用实例：用于化工工业测定分子结构的DENDRAL用于诊断脑膜炎和血液病毒感染的MYCIN估计矿藏的PROSPECTOR,4.2.4 产生式表示的特点,4.3 语义网络表示,产生式表示方法常用于表示有关领域中各个不同状态间的关系，但不适合表示事物间的分类关系 槽和填槽表示方法便于表示这种分类知识。
这种表示方法包括语义网络、框架、概念从属和脚本1968年Quillian的博士论文建议用一种语义网络来描述人对事物的认知，实际上是对人脑功能的模拟语义网络多用于自然语言处理通过实体及其语义关系来表达知识语义网络由一些基本的语义单元组成语义单元（语义基元）： 每一个要表达的事实用一个“结点”表示，而事实之间的关系用“弧线”表示即，有向图表示的三元组，（结点1， 弧，结点2）连接而成4.3.1 语义网络的结构,,某学校,,小学生,属于,,属于,,,动作目的,,动作方式,多个语义基元通过相应的语义联系关联起来,语义网络,,4.3.1 语义网络的结构,例如：小学生坐车去春游一、类属关系指具体有共同属性的不同事物间的分类关系、成员关系或实例关系体现“具体与抽象”、“个体与集体”的概念类属关系的一个最主要特征是属性的继承性，处在具体层的结点可以继承抽象层结点的所有属性4.3.2 基本语义关系,类属关系常用属性： A-Kind-of:表示一个事物是另一个事物的一种类型 A-Member-of:表示一个事物是另一个事物的成员 Is-a:表示一个事物是另一个事物的实例,,4.3.2 基本语义关系,注：在类属关系中，具体层的结点除了具有抽象层 结点的所有属性外，还可以增加一些自己的个性。
