知识表示方法

典型的知识表示方法一、逻辑表示法。

1.1 这逻辑表示法呢，就像是给知识搭个框架。

把知识按照逻辑关系，什么因果啦，包含啦之类的关系，整理得明明白白。

就好比我们说“因为下雨，所以地面湿”，这就是一种简单的逻辑关系表示。

它清晰得很，让人一眼就能瞧出知识之间的联系。

这就像盖房子，一块砖一块砖按照设计好的结构码放整齐。

1.2 可是呢，这方法也有它的难处。

要是知识复杂一点，那逻辑关系就像一团乱麻，很难梳理得清清楚楚。

就像在一个大仓库里找东西，东西太多太杂，找起来就费劲。

比如说要表示一个大型企业的运营逻辑，涉及到众多部门、人员、业务流程，这逻辑表示法就有点吃力了。

二、语义网络表示法。

2.1 语义网络就有点像一张大网。

每个知识节点就像网上的一个结，节点之间的连线表示它们的关系。

比如说“猫是哺乳动物”，“猫”和“哺乳动物”就是两个节点，中间有连线表示所属关系。

这方法很直观，就像我们看人际关系图一样，谁和谁有关系，一眼就能看出来。

2.2 不过呢，语义网络也不是十全十美的。

它缺乏精确的语义定义。

有时候就像雾里看花，模模糊糊的。

就像我们说一个人“大概是好人”，这个“大概”就很模糊。

在表示精确的科学知识或者严谨的法律条文时，就可能会出问题。

2.3 还有啊，当知识规模增大的时候，这语义网络就可能变得臃肿不堪。

就像一个人穿了太多衣服，行动都不方便了。

要在这个庞大的网络里查找和更新知识，那可就不是一件轻松的事儿。

三、框架表示法。

3.1 框架表示法就像是给知识做个模板。

我们先定好一个框架结构，然后把具体的知识往里面填充。

比如说描述一个人，我们有年龄、性别、职业等框架，然后把具体某个人的这些信息填进去。

这就像我们做填空题一样，有了框架，填空就比较简单。

这种方法对于表示有固定结构的知识很方便，就像把东西分类放进不同的盒子里。

3.2 但是呢，框架表示法比较死板。

一旦框架定下来了，要是有新的知识不符合这个框架，就像硬要把一个方东西塞进圆洞里，很困难。

第四章知识表示•概述•表示方法第四章知识表示方法•概述•表示方法概述•人工智能研究中最基本的问题之一–在知识处理中总要问到：“如何表示知识？”，“知识是用什么来表示的?”。

怎样使机器能懂，能对之进行处理，并能以一种人类能理解的方式将处理结果告诉人们。

–在AI系统中，给出一个清晰简洁的描述是很困难的。

有研究报道认为。

严格地说AI对知识表示的认真、系统的研究才刚刚开始。

概述•知识的定义（难以给出明确的定义只能从不同侧面加以理解）–F e i g e nb a u m：知识是经过消减、塑造、解释和转换的信息。

–B e r n s t e i n：知识是由特定领域的描述、关系和过程组成的。

–H a y e s-r o t h：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。

概述•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：电视维修法–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）……..概述•知识的种类……..–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。

概述•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。

怎样实用规则、解释规则、校验规则、解释程序结构等知识。

概述•知识表示的定义–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（如语义网络）概述•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总之………概述•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。

常用的知识表示方法知识表示方法是人工智能中一个非常重要的领域，其主要目的是设计一种计算机程序，使其能够利用已有的知识去推理、学习和解决新问题。

在现代人工智能系统中，有许多常用的知识表示方法，包括逻辑表示、产生式表示、框架表示、语义网络表示、神经网络表示、本体表示等等。

下面将分别对这些知识表示方法展开详细的描述。

1. 逻辑表示逻辑表示是指使用逻辑语句来描述知识的方式。

这种表示方法最早应用于人工智能领域，它使用命题逻辑、谓词逻辑、模态逻辑等形式化逻辑体系来表达知识。

逻辑表示法的优点是表达简单直观，易于推理，而且能够容易地与其它知识表示方法相结合。

该方法的主要缺点是计算复杂度较高，不适用于大规模的知识表示。

2. 产生式表示产生式表示法是一种基于规则的知识表示方法，它通过一系列的规则来描述问题解决过程。

规则通常由条件和结果两部分组成，当条件满足时，就会执行规则，得到相应的输出结果。

产生式表示法的优点是表达简单易懂，适合大规模知识的表示和处理。

该方法的主要缺点是规则的编写和管理比较困难，而且可能出现死循环等问题。

3. 框架表示框架表示法是一种以对象为中心的知识表示方法，它通过描述事物的属性、关系、功能等方面来构建一个框架模型，从而达到表示知识的目的。

框架表示法的优点是具有良好的结构、易于维护和扩展。

该方法的主要缺点是无法处理复杂的关系和不确定性，而且不适用于处理嵌套结构。

4. 语义网络表示语义网络表示法是一种以图形为基础的知识表示方法，它通过节点和边的组合来描述概念、关系和属性等知识。

语义网络表示法的优点是视觉化表达直观，易于理解和调试，适用于复杂的知识系统。

该方法的主要缺点是不适用于大量数据的处理，因为图形结构比较复杂，计算开销较大。

5. 基于案例的表示基于案例的表示法是一种通过描述已有的实例来表达知识的方法，它将具体的案例作为基本单位，通过比较和分析不同案例之间的相似性和差异性来实现知识的表示和推理。

知识表⽰的⽅法——逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰知识表⽰的⽅法知识表⽰⽅法种类繁多，通常有直接表⽰、逻辑表⽰、产⽣式规则表⽰法、语义⽹络表⽰法、框架表⽰法、脚本表⽰⽅法、过程表⽰、混合型知识表⽰⽅法、⾯向对象的表⽰⽅法等。

在本⽂中，着重介绍⽬前使⽤较多的知识表⽰⽅法。

⽬前使⽤较多的知识表⽰⽅法主要有：逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰等等。

2.3.2.1 ⼀阶谓词逻辑表⽰法[45]通过引⼊谓词、函数来对知识加以形式化描述，获得有关的逻辑公式，进⽽以机器内部代码表⽰的⼀种⽅法。

谓词逻辑是⼀种形式语⾔，它与⼈类的⾃然语⾔⽐较接近，是⽬前能够表达⼈类思维活动的⼀种最精确的语⾔，它具有丰富的表达能⼒，因⽽可以表⽰⼤量常识知识。

它具有简单、⾃然、精确、灵活、容易实现等特点。

⼀阶谓词的⼀般形式为 P(x1, x2 (x)n)。

其中，P 是谓词，x1, x2 (x)n是常量、变元或函数。

谓词逻辑适⽤于表⽰事物的状态、属性、概念等事实性的知识，也可以⽤来表⽰事物间关系的知识，即规则。

例如：物体 A 在物体 B 的上⾯，可以表⽰为：On(A,B)；物体 A 是书，可以表⽰为：book(A);书 A 在书 B 上，可以表⽰为：On(book(A),book(B))。

⼀阶谓词逻辑表⽰法的局限性在于它难以表达不确定性知识和启发性知识，推理⽅法在事实较多时易于出现组合爆炸，且推理过程繁杂、效率低。

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

产⽣式系统，由知识库和推理机组成。

其中知识库由事实库和规则库组成。

事实库是已知事实的集合，规则库是产⽣式规则的集合。

规则则是产⽣式规则。

规则库蕴涵着将问题从初始状态转换到解状态的那些变换规则，规则库是专家系统的核⼼部分。

规则可以表⽰成与或树的形式，基于事实库中的事实通过与或树求值的过程就是推理。

知识表示方法知识表示方法（knowledge representation methods）是指将真实世界中的事物、概念、关系以及其它知识进行抽象、表达和存储的方式或技术。

它是人工智能、计算机科学等领域中的重要研究课题，也是实现机器智能的基础。

一、逻辑表示方法：逻辑表示方法基于数理逻辑和谓词逻辑，将知识表示为逻辑形式。

其中最为常用的表示方法是一阶谓词逻辑（first-order predicate logic）和产生式规则（production rule）。

一阶谓词逻辑使用谓词、变量和量词等来表示事物、关系和规则，形式简洁清晰，易于推理和证明。

二、语义表示方法：语义表示方法主要依据事物的语义特征和关系，将知识表示为图形或网络结构。

其中最为典型的方法是本体论（ontology）。

本体是一种描述事物和概念的词汇表，通过定义实体、属性和关系等来构建语义结构，并提供一种机器可理解的方式来表达和查询知识。

三、表示学习方法：表示学习方法是一种从原始数据中自动学习有用特征表示的方法。

它通过学习数据的内在结构和模式，将数据映射到一个低维表示空间中，从而达到降维和表达的目的。

典型的表示学习方法包括自编码器（autoencoder）、深度置信网络（deep belief network）等。

四、图示表示方法：图示表示方法是通过图形和图像等形式来表示和描述知识。

它通常包括概念图、流程图、状态图、系统图等，利用节点和边来表示事物、关系和转换。

图示表示方法直观易懂，适用于展示和交流复杂的关系和过程。

五、符号表示方法：符号表示方法是一种基于符号和规则的知识表示方法，它将知识表示为符号或字符串等形式，通过定义符号和规则之间的关系来表示事物、关系和规则。

符号表示方法包括产生式规则、框架（frame）、语法规则等。

符号表示方法易于理解和推理，但在处理模糊和不确定性问题上有一定限制。

六、连接表示方法：连接表示方法是一种基于神经网络和连接主义原理的知识表示方法，它通过神经元和连接强度等概念来表示和储存知识。

知识表示（knowledge representation）是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。

知识表示是知识组织的前提和基础，任何知识组织方法都是要建立在知识表示的基础上。

知识表示有主观知识表示和客观知识表示两种。

结构知识的表示就是对知识的一种描述，或者说是对知识的一组约定，一种计算机可以接受的用于描述知识的数据结构。

某种意义上讲，表示可视为数据结构及其处理机制的综合：表示= 数据结构+处理机制。

因此在ES中知识表示是ES 中能够完成对专家的知识进行计算机处理的一系列技术手段。

常见的有产生式规则、语义网、框架法等。

方法经过国内外学者的共同努力，已经有许多知识表示方法得到了深入的研究，使用较多的知识表示方法主要有以下几种知识表示方法。

（1）逻辑表示法逻辑表示法以谓词形式来表示动作的主体、客体，是一种叙述性知识表示方法。

利用逻辑公式，人们能描述对象、性质、状况和关系。

它主要用于自动定理的证明。

逻辑表示法主要分为命题逻辑和谓词逻辑。

逻辑表示研究的是假设与结论之间的蕴涵关系，即用逻辑方法推理的规律。

它可以看成自然语言的一种简化形式，由于它精确、无二义性，容易为计算机理解和操作，同时又与自然语言相似。

命题逻辑是数理逻辑的一种，数理逻辑是用形式化语言(逻辑符号语言)进行精确(没有歧义)的描述，用数学的方式进行研究。

我们最熟悉的是数学中的设未知数表示。

例：用命题逻辑表示下列知识：如果a 是偶数，那么a2 是偶数。

解：定义命题如下：P:a 是偶数；Q: a2 是偶数，则：原知识表示为：P→Q 谓词逻辑相当于数学中的函数表示。

例：用谓词逻辑表示知识：自然数都是大于等于零的整数解：定义谓词如下：N(x):x 是自然数；I(x):x 是整数；GZ(x):x 是大于等于零的数。

所以原知识表示为：(∀x)(N(x)(GZ(x)∧I(x))，∀(x)是全称量词。

（2）产生式表示法产生式表示，又称规则表示，有的时候被称为IF-THEN 表示，它表示一种条件-结果形式，是一种比较简单表示知识的方法。