1.概述语义网络1968年由J.R.Quillian提出,开始是作为人类

关于人工智能的研究1.人工智能的内涵通过对现有文献进行梳理发现，人工智能的内涵至今未有定论，但究其本质而言，人工智能是代理者（机器、算法、系统等）从结构上、功能上和行为上模仿人类智能行为的能力，表现为具有智能行为的机器智能。

其中，结构上的模拟发端于1943年Mc Culloch和Pitts 提出的人工神经细胞模型（M-P 模型），该方法试图建造人工的神经细胞来模拟人类的思维能力，后来逐步演化出人工神经网络（ANN）。

为解决人工神经网络“结构复杂”问题，1956年Mc Carthy、Shannon 和Minsky 等探讨利用电子计算机作为硬件平台，通过软件模拟人类逻辑思维功能，并正式提出人工智能（AI）概念，即人工智能是让机器表现出像人一样的智能行为。

与此同时，从功能上模拟人类智能，产生了人工智能领域第二类方法——基于功能模拟的物理符号系统（Simon，1969；Newell & Simon，1972）。

功能模拟早期主要集中于“逻辑推理机”这一启发程序的研制，后来演变为专家系统（Expert System），早期的显著成就为第一个通过图灵测试的血液感染疾病诊断专家系统（MYCIN）和战胜国际象棋大师的“深兰（Deeper Blue）”专家系统。

而基于行为的模拟起源于控制论动物，即能够模拟动物的某种智能行为的机器动物模型，例如香农研制的“香农老鼠”和瓦尔特研制的“电动乌龟”。

之后，功能模拟进入智能机器人研究阶段，Brooks（1991）等提出“无需知识表示和推理的智能系统”的“行为主义”方法，并成功研发一种新型的机器人，它拥有150多个各种类型的传感器，能够模拟六脚虫的行为方式。

钟义信（2006）提出智能生成的“机制主义”，机制主义是人工智能结构主义、功能主义、行为主义的统一。

综上所述，人工智能是人类制造出的智能，即是代理者（机器、算法、系统等）模仿人类智能行为的能力，表现为具有智能行为的机器智能，包括没有物质形态的基于结构和功能上的模拟以及有物质形态的基于行为上的模拟。

《人工智能》知识点整理第二讲知识表示2.0.知识表示的重要性知识是智能的基础：获得知识、运用知识符合计算机要求的知识模式：计算机能存储、处理的知识表示模式；数据结构（List, Table, Tree, Graph, etc.）2.1 基本概念2.1.1 数据、信息与知识数据(Data)⏹信息的载体和表示⏹用一组符号及其组合表示信息信息(Information)⏹数据的语义⏹数据在特定场合下的具体含义知识(Knowledge)⏹信息关联后所形成的信息结构：事实& 规则⏹经加工、整理、解释、挑选、改造后的信息2.1.2 知识的特性⏹相对正确性⏹一定条件下⏹某种环境中⏹......⏹不确定性⏹存在“中间状态”⏹“真”（“假”）程度⏹随机性⏹模糊性⏹经验性⏹不完全性⏹...... ⏹可表示性& 可利用性⏹语言⏹文字⏹图形⏹图像⏹视频⏹音频⏹神经网络⏹概率图模型⏹......2.1.3 知识的分类⏹常识性知识、领域性知识（作用范围）⏹事实性知识、过程性知识、控制知识（作用及表示）⏹确定性知识、不确定性知识（确定性）⏹逻辑性知识、形象性知识（结构及表现形式）⏹零级知识、一级知识、二级知识（抽象程度）2.1.4 常用的知识表示方法⏹一阶谓词（First Order Predicate）⏹产生式（Production）⏹框架（Framework）⏹语义网络（Semantic Network）⏹剧本（Script）⏹过程（Procedure）⏹面向对象（Object-Oriented）⏹Petri网（Petri Network）⏹信念网（Belief Network）⏹本体论（Ontology）……2.1.5 如何选择合适的表示方法？⏹充分表示领域知识⏹有利于对知识的利用⏹便于理解和实现⏹便于对知识的组织、管理与维护2.2 一阶谓词表示法1. 优点⏹自然性⏹接近自然语言，容易接受⏹精确性⏹用于表示精确知识⏹严密性⏹有严格的形式定义和推理规则⏹易实现性⏹易于转换为计算机内部形式2. 缺点⏹无法表示不确定性知识⏹所能表示的知识范围太狭窄⏹难以表示启发性知识及元知识⏹未能充分利用与问题本身特性有关的知识⏹组合爆炸⏹经常出现事实、规则等的组合爆炸⏹效率低⏹推理与知识的语义完全割裂2.3 产生式表示法⏹1943年E. Post第一次提出⏹称为“Post机”的计算模型（《计算理论》）⏹一种描述形式语言的语法⏹AI中应用最多的知识方法之一⏹Feigenbaum研制的化学分子结构专家系统DENDRAL⏹Shortliffe研制的的诊断感染性疾病的专家系统MYCIN⏹……2.3.1 产生式的基本形式P → Q 或IF P THEN Q CF = [0, 1]其中，P是产生式的前提，Q是一组结论或操作，CF(Certainty Factor)为确定性因子，也称置信度。

语义网络及其应用实例浅析姓名：景飞班级： 3005学号：3113003029摘要：本文从语义网络的实际应用为出发点，首先介绍了语义网络的基本概念，随后通过列举如何将其应用于家族人物关系的模型建立以及如何建立基于特征的零件知识语义网络两个实例，来说明语义网络在实际建模中的实用性和便捷性，以此说明语义网络的未来发展空间还很大，将其用在智能控制领域会有很大成果。

关键词：语义网络家族人物关系模型零件知识语义网络一、语义网络概述语义网络是一种出现较早的知识表达形式，并在人工智能中得到了比较广泛的应用。

语义网络最早是1968年奎廉(Quillian)在他的博士论文中作为人类联想记忆的一个显式心理学模型提出的，认为记忆是由概念间的联系来是实现的，他主张处理问句时，将语义放在首位。

当时的语义网络主要应用于自然语言理解系统中，表示事物之间的关系。

由于其强大和直观的表示能力，不久就广泛应用于人工智能研究和应用开发的许多领域。

1972年，西蒙正式提出语义网络的概念，讨论了它和一阶谓词的关系，并将语义网络应用到了自然语言理解的研究中。

语义网络采用网络形式表示人类的知识，其表示由词法部分、结构部分、过程部分和语义部分四部分组成。

一个语义网络是一个带标示的有向图。

其中，带有标识的结点表示问题领域中的物体、概念、时间、动作或者态势。

在语义网络知识表示中，结点一般划分为实例节点和类节点两种类型。

结点之间带有标识的有向弧标识结点之间的语义联系，是语义网络组织知识的关键。

因为语义网络表示知识的实质是知识的图解表示，所以这种表示法容易把各种事物有机地联系起来，它特别适于表达关系知识。

语义网络通过对于个体间的联系追溯到有关个体的节点，实现对知识的直接存取，能比较正确地反映人类对客观事物的本质认识。

应用语义网络使得知识表示更为直观，便于理解。

语义网络的特征包括以下几个方面的内容：1、重要的相关性得意明确表示；2、相关事实可以从直接相连的节点推导出来，不必遍历整个庞大的知识库；3、能够利用“IS-A”和“Subset”链在语义网络中建立属性继承的层次关系；4、易于对继承的属性进行演绎；5、能够利用少量基本概念的几号建立状态和动作的描述。

语义网络表示法1968年有奎廉提出的博士论文《人类联想记忆的一个显示心理学模型》中最先提出来的。

1. 语义网络的概念语义网络是通过概念及其语义关系来表达知识的一种网络图（“带标识的有向图”（图论））。

2. 知识的语义网络表示1) 用语义网络表示事实图1用语义网络表示事实示例图2合取、析取关系语义网络示例图3动作作为节点的语义网络示例图4事件作为节点的语义网络示例2) 语义网络表示事实之间的关系分类关系图5 分类关系示例聚集关系图6 聚集关系示例推论关系图7 推论关系示例时间、位置关系图8 时间、位置关系示例3. 常用的语义联系表1 常用的语义联系4. 语义网络系统中求解问题的基本过程1) 语义网络系统的组成∙语义网络构成的知识库∙用于求解问题的解释程序——语义网络推理机2) 求解问题的过程∙根据待求解问题的要求构造一个网络片段，其中有些节点或弧的标识是空的，反映待求解的问题∙依次网络片段到知识库中去寻找可匹配的网络，以找出需要的信息。

主要解决不确定性匹配问题。

∙当问题的语义网络片段与知识库中的某语义网络片段匹配时，则与询问处匹配的事实就是问题的解。

表2 语义网络表示法的特点参考文献：[1] 王永庆. 人工智能原理与方法. 西安: 西安交通大学出版社[2] 尹朝庆. 人工智能方法与应用. 武汉: 华中科技大学出版社, 2007.《AI语义网络表示法》导学东风一中信息技术课题组【学习目标】认知知识的语义网络表示法。

重点掌握语义网络的结构，掌握二元语义网络表示方法，了解语义网络的特点。

【学习任务】语义网络表示的词法、结构、过程、语义。

一、复习知识表示法五种二、新知语义网络(Semantic network)是由节点和带标记的边（弧）组成的一种网络图。

其中节点表示事物、对象、状态等，边（弧）表示节点间的联系。

语义网络可以表示人类用语言进行描述的知识。

常见的语义关系有以下几种：1．类属关系类属关系表示类与个体关系，是最常用的一种语义关系，通常用”is_a”或ISA标识。

机械故障诊断专家系统中的语义网知识表示一、知识表示概述知识表示就是知识的形式化和符号化的过程。

知识表示就是为了计算机能够识别客观知识而对客观世界知识所做的一组约定，是知识的符号化过程。

知识表示主要是选择合适的形式表达知识，寻找知识与知识表达之间的映射，其目的是在利用计算机方便的表示、存储处理和利用人类的知识。

简单地说，知识表示就是应用程序对现实世界的建模；严格地说，知识表示的研究范围应该是知识表示方法，研究什么样的描述方式最有利于程序的自动处理和自动推理。

知识表示是指将知识符号化并输入到计算机的过程和方法。

知识表示是关于各种数据结构及其解释过程的结合，知识表示方法研究各种数据结构的设计，以及把一个问题领域的各种知识通过这些数据结构结合到计算机系统的程序设计过程。

对于同一种知识可以采用不同的表示方法。

知识表示的目的不仅仅是要解决知识在计算机中的存储问题，更重要的是要使这种表示能够方便地运用知识和管理知识。

知识表示的好坏，对知识处理的效率和应用范围，对知识的获取都有直接的影响。

到目前为止，许多专家学者在把知识表示和知识运用结合起来研究的过程中，提出了许多知识表示方法，如产生式规则表示法、框架表示法、一阶谓词逻辑表示法、语义网络表示法、面向对象表示法等，这些表示法各适用于表示某种类型的知识。

由于各种知识表示方法的侧重点各不相同，在知识表示和知识运用的过程中各有优缺点。

二、语义网知识表示国内外研究现状西蒙于1970年首先提出了语义网络概念,并于1972年把语义网络表示法应用到语言理论系统中。

语义网最早是为了解决web网页单调枯燥、搜索引擎智能化低等问题而提出来的。

最早把语义网络作为一种知识表示的工具是奎林(J.R.Quilian)，在其1968年的博士论文首次提出了语义网络知识表示方法。

语义网络实质上就是通过概念及其语义关系来表达知识的一种网络图。

语义网络的BNF描述:<语义网络>::=<基本网元>|Merge(<基本网元>，…)<基本网元>::=<结点><语义联系><结点><结点>::=(<属性一值对>，…)<属性值对>::=<属性名>:<属性值><语义联系>::=系统预定义的语义联系>|<用户自定义的语义联系>具体来说，语义网络是由节点和弧组成的有向图，是一种带标识的有向图。