下载文档原格式
第二章知识表示方法教学内容：本章讨论知识表示的各种方法，是人工智能课程三大内容（知识表示、知识推理、知识应用）之一，也是学习人工智能其他内容的基础。
教学重点：谓词逻辑法、语义网络法、状态空间法、问题归约法。
教学难点：语义网络法、状态描述与状态空间图示。
教学方法：课堂教学为主，同时结合《离散数学》等已学的内容实时提问、收集学生学习情况，充分利用网络课程中的多媒体素材来表示抽象概念。
教学要求：重点掌握用状态空间法、问题归约法、谓词演算法、语义网络法来描述问题；解决问题；掌握几种主要方法之间的差别；并对其它几种表示方法有一般了解。
2.1 概述∙主要内容：∙知识原则∙知识表示的作用∙知识表示的功能∙知识表示的性能∙基本的知识表示方式1 知识原则里南（D.B.Lenat）和费根鲍姆（E.A.Feigenbaum），IJCAI-10一个系统展示高级的智能理解和行为，主要是因为拥有应用领域特有的知识：概念、事实、表示、方法、模型、隐喻和启发式。
∙特有——意指应用领域中有效地求解问题主要靠该领域特有的知识。
∙足够的约束来自特别知识——通用知识作用微弱，不能提供足够的约束。
∙系统拥有的知识和其性能（问题求解能力和效率）的关系，参见图3.1。
∙知识门槛：（1）使能门槛W——指知识量超过该门槛时，系统就拥有了为执行任务所需的最低限度知识。
（2）胜任门槛C——到达C点时成为某应用领域中求解问题的专家，胜任只有专家才能解决的问题求解任务。
（3）全能门槛E——.到了这个门槛，由于知识量的空前增加（丰富），使系统能解决该应用领域内的几乎所有问题，成为全能专家。
∙知识门槛的分析：∙知识量差异——达到C级，只需50~1000条规则；再加等量的规则，就可达E级。
∙智能体知识是逐步积累的，涉及到获取新知识、修正和学习。
∙系统的能力主要由知识库中包含的领域特有的知识来决定——作为启发式知识（经验性关联知识）指导问题求解。
∙许多其它的人工智能研究也开始转向基于知识的观点。
第二章知识表示方法人类的智能活动主要是获得并运用知识。
知识是智能的基础，为了使计算机具有智能，能模拟人类的智能行为，就必须使它具有知识。
但人类的知识需要用适当的模式表示出来，才能存储到计算机中并能够被运用第一节知识与知识表示的概念●什么是知识数据与信息➢数据和信息这两个概念是不可以分开的，它们是有关联的。
➢数据：用一组符号及其组合表示的信息称为数据，泛指对客观事物的数量、属性、位置及其相互关系的抽象表示。
例：27.6 53 ABCD 黎明➢数据和信息之间的关系⏹数据是信息的载体和表示，信息是数据在特定场合下的具体含义，即信息是数据的语义。
⏹如：6个人（6是个数据，人是一种信息） 6本书（6是个数据，书是一种信息）⏹对同一个数据，它在某一场合下可能表示这样一个信息，但在另一场合下却表示另一个信息。
知识➢知识：是把有关信息关联在一起所形成的信息结构称为知识。
⏹知识是人们在长期的生活及社会实践中、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，就获得了知识。
信息之间有多种关联形式，最常见的且便于计算机利用的一种表达形式为：”如果……,那么……” 或”如果……,则……”，它反映了信息间的某种因果关系。
例如把“大雁向南飞”与“冬天就要来临了”这两个信息关联在一起，就得到了如下一条知识：如果大雁向南飞，则冬天就要来临了。
➢不同事物或者相同事物间的不同关系形成了不同的知识。
例如，“雪是白色的”是一条知识，它反映了“雪”与“颜色”之间的一种关系。
又如“如果头痛且流涕，则有可能患了感冒”是一条知识，它反映了“头痛且流涕”与“可能患了感冒”之间的一种因果关系。
知识的特性1、相对正确性知识是否正确是有前提条件的如：1+1=2，但是它是在十进制前提下才是正确的2、不确定性⏹例如：甲有一头秀发，乙是两鬓如霜。
您认为甲一定是青年人，乙就是老年人吗？不能完全确定，因为相反的事例是很多的。
比如：当年的白毛女并不是老人，而现在的老人有一头黑发并不足奇。
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。
第2章知识表示方法基本概念与本章引言知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验认识：包括对事物现象、本质、属性、状态、联系等的认识经验：包括解决问题的微观方法和宏观方法微观方法：如步骤、操作、规则、过程、技巧等宏观方法：如战略、战术、计谋、策略等eg：“if大雁向南飞，then冬天就要来临了。
”这样一条知识就是人们经过长期的观察，将“大雁向南飞”与“冬天来临”这两条信息关联在一起。
“雪是白色的”反映雪与颜色的一种关系。
知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。
本章引言：以知识和符号操作为基础的智能系统，其问题的求解都需要某种对解答的搜索。
在搜索过程开始之前，必须先将问题表示出来。
表示问题的方法，可能涉及状态空间、问题归约、语义网络、框架或谓词公式，或者把问题表示为一条要证明的定理，或者采用结构化方法等。
对于传统人工智能问题，任何复杂的求解技术都离不开两方面的内容：1.表示 2.搜索。
对于同一问题可以有多种不同的表示方法，这些表示具有不同的表示空间，问题表示的优劣，对求解结果及求解效率影响甚大。
2.1状态空间表示状态空间法概念：问题求解是个大课题，它涉及归约，推断，决策、规划、常识推理、定理证明和相关过程等核心概念。
在分析了人工智能研究中运用的问题求解方法之后，就会发现许多问题求解方法是采用试探搜索方法的。
也就是说，这些方法是通过在某个可能的解空间内寻找一个解来求解问题的。
这种基于解答空间的问题表示和求解方法就是状态空间法，它是以状态和算符为基础来表示和求解问题的。
2.1.1问题状态描述首先对状态和状态空间下个定义：1.状态（state）：状态是为描述某类不同事物间的差别而引入的一组最少变量q0，q1，…，q n的有序集合，矢量形式如下：式中每个元素q i(i=0，1，…，n)为集合的分量，称为状态变量。
各种各样的知识表示方法及其应用
众所周知，知识是一个比较普遍的概念，在生活中有着各种各样的表现形式，而如何把知识表示出来，也就是把知识提取这一过程就显得异常重要了。
每一种知识可能要采取不同的知识表示方法才能更加有效。
而且知识有可能只有一部分是我们所需要的，可以利用的，因此只有选择好一个知识表示方法，才能剔除不需要的东西，而留下精华。
在人工智能课程的学习中,我已经学到了许多知识表示方法,而通过这次读书活动,我学到了更多的知识表示方法以及相同方法的不同表现形式,现在做出如下比较与总结。
由于书中的知识表示方法在表达和分析上都跟其他书上介绍的都有区别，因此我把它们进行了比较分析。
把与书上不同的观点罗列出来，并且对相似的观点进行比较，从中收获很大。
与书中相似相似的方法:
第一、语义网络法
语义网络是1968年Quilian在研究人类联想记忆时提出的心理学模型，认为记忆是由概念间的联系来实现的。
1972年，Simmons首先将语义网络表示法用于自然语言理解系统。
语义网络的结构：语义网络是知识的一种图解表示，它由节点和弧线或链线组成。
节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。
组成部分
词法部分决定表示词汇表中允许有哪些符号，它涉及各个节点和弧线。
结构部分叙述符号排列的约束条件，指定各弧线连接的节点对。
过程部分说明访问过程，这些过程能用来建立和修正描述，以及回答相关问题。
语义部分确定与描述相关的(联想)意义的方法即确定有关节点的排列及其占有物和对应弧线。
书本上讲述的语义网络法可以用来表示事实;表示事实间的关系;表示比较复杂的知识。
而书上所讲的应用似乎不够完全,除了用来表示简单的事实、表示占有关系和其它情况之外它还能选择语义基元（试图用一组基元来表示知识，以便简化表示，并可用简单的知识来表示更复杂的知识。
）
语义网络法可以分成二元语义网络的表示(Representation of Two-Element Semantic Network)和多元语义网络的表示（Representation of Multi-Element Semantic Network）
语义网络法可以与谓词逻辑等效，用语义网络表示谓词逻辑法中的各种连词及量化，具体表示如下
1.合取：多元关系可以被转换成一组二元关系的合取，从而可以用语义网络
的形式表示出来。
2.析取：在语义网络中，为与合取关系相区别，在析取关系的连接上加注析取界限，并标记DIS。
3.否定：为表示否定关系，可以采用～ISA和～PART OF关系或标注NEG界限
4.蕴涵：在语义网络中可用标注ANTE和CONSE界限来表示蕴涵关系。
ANTE 和CONSE界限分别用来把与先决条件(antecedent)及与结果consequence)相关的链联系在一起。
5.量化：存在量化在语义网络中可直接用ISA链来表示。
而全称量化就要用分割方法来表示。
语义网络的推理过程：
语义网络中的推理过程主要有两种:一种是继承，另一种是匹配。
1.继承：把对事物的描述从概念节点或类节点传递到实例节点。
它有值继
承、“如果需要”继承、“缺省”继承三种。
2.匹配：部件匹配。
推理的方法有：缺省逻辑[Reiter 1980]、自动认识逻辑[Moore 1985a]、非单调逻辑[McDermott & Doyle 1980]和界限[ M cCarthy 1980，McCarthy 1986]。
鉴于语义网络法结构性强、联想性好、自然性高的特点，我觉得它主要适合用在自然语言分析理解系统、检索系统以及严谨的推理系统，这样既能够保证考虑到尽可能多的情况，同时对每一种情况的正确性都有保证，而且由于它具有联想性，因此它能很好的适应人类的联想记忆方式和人类的思维习惯。
同时它也能很容易的将自然语言采集、并进行分析用来进行处理。
第二、框架表示法
心理学的研究结果表明，在人类日常的思维和理解活动中，当分析和解释遇到的新情况时，要使用到过去经验中积累的知识。
这些知识规模巨大而且以很好的组织形式保留在人们的记忆中。
当然，我们无法把过去的经验一一都存在脑子里，而只能以一个通用的数据结构的形式存储以往的经验。
这样的数据结构称为框架。
框架提供了一个结构，一种组织。
在这个结构或组织中，新的资料可以用从过去的经验中得到的概念来分析和解释。
因此，框架是一种结构化表示法。
通常框架采用语义网络中的节点-槽-值表示结构。
所以框架也可以定义为是一组语义网络的节点和槽，这组节点和槽可以描述格式固定的事物、行动和事件。
语义网络可看做节点和弧线的集合，也可以视为框架的集合。
与书本上的定义相同，框架通常由描述事物的各个方面的槽组成，每个槽可以拥有若干个侧面，而每个侧面又可以拥有若干个值。
这些内容可以根据具体问题的具体需要来取舍。
对书本上框架表示法的补充说明：为了能从各个不同的角度来描述物体，可以对不同角度的视图分别建立框架，然后再把它们联系起来组成一个框架系统。
框架是一种复杂结构的语义网络。
因此语义网络推理中的匹配和特性继承在框架系统中也可以实行。
除此以外，由于框架用于描述具有固定格式的事物、动作和事件，因此可以在新的情况下，推论出未被观察到的事实。
框架用以下几种途径来帮助实现这一点：
(1) 框架包含它所描述的情况或物体的多方面的信息。
这些信息可以被引用，就像已经直接观察到这些信息一样。
(2) 框架包含物体必须具有的属性。
在填充框架的各个槽时，要用到这些属性。
建立对某一情况的描述要求先建立对此情况的各个方面的描述。
与描述这个情况的框架中的各个槽有关的信息可用来指导如何建立这些方面的描述。
(3) 框架描述它们所代表的概念的典型事例。
框架法的应用：在开发的电网故障诊断和恢复专家系统中得到应用。
由于框架法具备继承性的特性，因此它能很好的节省空间，并在知识的一致性上有很好的保持。
同样，框架法具备语义网络法的大部分特点，因此语义网络法和框架法主要用来表示常识知识，其研究领域有：
1) 对象和材料。
世界是由对象构成的。
有些对象如网格世界中的积木是离散的、固态的东西这些相对容易讨论和描述。
有些对象是有层次的，即是由各部分（其他对象）按某种方式放在一起构成的。
也有流体、气体和汇集，像沙堆、面粉袋和星系。
描述材料及其属性（尤其是流体）的著名成果是[Hayes 1978，Hayes 1985a，Hayes 1985b]的研究。
2) 空间。
物理世界有空间范围。
对象存在于空间中，在空间中的位置是相对于其他对象的。
因此，谈论一个东西是在另一个的里面、上面和紧挨着这些情况，形式化有关空间的各种符号的一个早期A I成果是[Kautz 1985]。
在各种机器人任务中有关空间推理的论文，参见[Chen 1990]
3) 物理属性。
A I系统也应该能推理这些物理属性，如质量、温度、体积、压力、放射性级别、波长和它们之间的任何关系。
4) 物理过程和事件。
物体下落，球被扔出，草长出了，杯子被倒满又倒空，蜡烛燃烧，热东西变凉。
在物理学中，很多这样的过程是用不同的方程式描述的，能在A I中使用这些方程式。
然而，经常我们不需要由物理过程提供这些确切的（且昂贵的）求解。
相反，A I研究者已经开发了一个定性物理，利用它推理普通趋势而不需要确切的计算[ Weld & de Kleer 1990]。
第三、剧本表示法（即书中的脚本表示法）
与书本上定义相同，剧本是框架的一种特殊形式，它用一组槽来描述某些事件的发生序列。
它由开场条件（进入条件）、角色、道具、场景、结局。
对书本上内容的补充：剧本是有用的知识表达结构，因为在现实世界中事件发生的某种模式来自事件之间的因果关系。
事件中的主人公完成一个动作后才能完成另一个动作。
剧本中所描述的事件形成一个巨大的因果链，这个链的起点是一组开场条件，满足这些开场条件，剧本中的事件才能产生。
链的终点是一组结果，有了这组结果，以后的事件或事件序列(可能用其他的剧本来描述)才能发生。
在这个链内一件事情和前后的事情都相互联系。
前面的事件，使当前的事件有可能产生，而当前事件又使后面的事件有可能产生。
剧本在预言一些没有直接提到的事件方面特别有用。
同时剧本对表示已经提到的事件之间的关系也很有用。
(1) 对于不属于事件核心部分的剧本，只需设置指向该剧本的指针即可，以便当它成为核心时启用。
(2) 对于符合事件核心部分的剧本，则应使用在当前事件中涉及到的具体。
