第二节 知识表示与知识建模

一、早期知识表示简介

知识特性：相对正确性、不确定性、可表示性、可利用性

知识分类：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）

早期知识表示方法：一阶谓词逻辑（例：has_son（X,Y））、产生式规则（IF

---THEN---置信度CF）、框架、语义网络（节点-弧-节点）、逻辑程序、缺省逻辑、模态逻辑

---

Horn逻辑，一阶谓词逻辑的子集

原子Atom：P（t1,t2..,tn） 

规则Rules由原子构建：

has_child(X,Y):-has_son(X,Y)  

事实是没有体部和变量的规则   has_child(Helen,Jack):-

---

描述逻辑：一阶谓词逻辑的可判定子集，用于描述概念和属性

概念：一个领域的子集 {x|Student(x)}

关系：该领域上的二元关系 {|friend(x,y)}

个体：一个领域内的示例 {XiaoMing}

TBox：包含内涵知识，描述概念的一般性质，例：Mother、Person、has_child

ABox：包含外延知识，描述领域中的特定个体，例：Mother(Helen)

---

框架

在框架理论中，框架就是知识表示的基本单位

组成：槽：用于描述所论对象某一方面的属性

         侧面：用于描述相应属性的一个方面

优点：描述完善和全面，质量高，允许数值计算

缺点：成本高，对知识库的质量要求非常高，表达形式不灵活，难与其他形式数据集关联使用。

---

产生式模式：

优点：自然性、模块性、有效性、清晰性

缺点：效率不高（规则库庞大、匹配费时），不能表达具有结构性的知识

---

语义网络

节点：表示各种事物、概念、情况、属性、动作状态等，每个节点可以带有若干属性；

弧：表示各种语义联系，指明它所连接的节点之间某种语义关系。

二、 基于语义网的知识表示框架

知识表示（representation）

什么是RDF（资源描述框架，Resource Description Framework）？

Resource：页面、图片、视屏等任何具有URI标识符

Description：属性、特征和资源之间的关系

Framework：模型、语言和这些描述的语法

在RDF中，知识总是以三元组（triple）形式出现：（主，谓，宾）

RDF也是一个图模型（节点-边-节点），资源和属性用URI标识（可以理解为ID）

RDF允许空白节点，一个资源可以是匿名的即不被URL标识（_：X）,例，haofen是某一次KG讲座的讲者

RDF是数据模型（RDF/XML、Turtle、N-Triples），不是序列格式化

封闭世界假设-开放世界假设

例：（CCF ADL，speaker，Haofen）并不意味着CCF ADL讲座只有一位讲者，而是CCF ADL

讲者至少有一位讲者

带标注RDF：时间、不确定性、空间、信任等

RDF和RDFS（RDF Schema）

RDFS为RDF模型提供了一个基本的类型系统，是在RDF基础上提供了一个术语、概念等的定义方式，以及哪些属性可以应用到哪些对象上。

知识查询：

SPARQL简介

是RDF的查询语言，可以对不同的数据集撰写复杂的连接，由所有主流数据库支持

本体可以填充知识与查询之间的语义间隙

Thank you for your reading ,  welcome to correct my mistakes!!!