知识表示方法简介

1 基本概念

1.1 知识

• Feigenbaum认为知识是经过削减、塑造、解释和转换的信息。简单地说，知识是经过加工的信息。
• Bernstein说知识是特定领域的描述、关系和过程组成。
• Hayes-Roth认为知识是事实、信念和启发式规则。
• 信息关联后所形成的信息结构：事实&规则。

1.2 人工智能系统所关心的知识

一个智能程序高水平的运行需要有关的事实知识、规则知识、控制知识和元知识。

• 事实：是有关问题环境的一些事物的知识，常以“…是…”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等，在知识库中属于低层的知识。如雪是白色的、鸟有翅膀、张三李四是好朋友。
• 规则：是有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果…那么…”形式出现。特别是启发式规则是属于专家提供的专门经验知识，这种知识虽无严格解释但很有用处。
• 控制：是有关问题的求解步骤，技巧性知识，告诉怎么做一件事。也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。
• 元知识：是有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。

1.3 知识表示定义

• 维基百科：是认知科学和人工智能两个领域共同存在的问题。在认知科学里，它关系到人类如何储存和处理资料。在人工智能里，其主要目标为储存知识，让程式能够处理，达到人类的智慧。
• 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。知识表示可看成是一组描述事物的约定，以把人类知识表示成机器能处理的数据结构。

1.4 知识特性

• 相对正确性。一定条件下/某种环境中
• 不确定性。中间状态/为真程度/随机性/模糊性/经验性/不完全性
• 可表示性。语言/文字/图像/视频/图形/音频/神经网络/概率图

1.5 知识的分类

• 范围。常识性知识/领域性知识
• 作用。事实性知识/过程性知识/控制知识
• 确定。确定性知识/不确定性知识
• 表现。逻辑性知识/形象性知识
• 抽象。零级知识/一级知识/二级知识

2 一阶谓词表示(First Order Predicate)

2.1 谓词公式表示知识的步骤

• 定义谓词及变元
• 变元赋值
• 连接词连接谓词，形成谓词公式

2.2 谓词逻辑的推理规则

• 取式假言推理
• 拒式假言推理
• P规则(在推理的任何步，引入前提)
• T规则(在推理的任何步，引入永真蕴涵的公式)
• CP规则(对任意引入的命题R和前提集合能推出S，则前提集合能推出S)
• 反证

2.3 举例

2.4 优缺点

• 优点：精确，自然，严密，易于实现
• 缺点：表示和处理分离，组合爆炸导致效率低

3 产生式表示(Production)

3.1 产生式规则基本形式

对于规则是表示事物间的因果关系，以下列形式表示：condition->action。
一般使用三元组（对象，属性，值）或（关系，对象1，对象2）来表示事实。

如事实“老李年龄是35岁”，便写成（Lee,age,35）
事实“老李、老张是朋友”，可写成（friend,Lee,Zhang）

3.2 常用结构

• 原因 → → 结果：天下雨，地上湿
• 条件 → → 结论：将冰加热到0度以上，冰会融化成水
• 前提 → → 操作：如果能找到合适的杠杆和支点，则可以翘起地球
• 事实 → → 进展：夜来风雨声，花落知多少
• 情况 → → 行为：手机开机了，则意味着可以收到别人发我的信息了

3.3 产生式系统的组成

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

产生式系统，由知识库和推理机两部分组成。其中知识库由规则库和数据库组成。规则库是产生式规则的集合，数据库是事实的集合。

规则是以产生式表示的。规则集蕴涵着将问题从初始状态转换解状态的那些变换规则，规则库是专家系统的核心。规则可表成与或树形式，基于数据库中的事实对这与或树的求值过程就是推理。

数据库中存放着初始事实、外部数据库输入的事实、中间结果事实和最后结果事实。

推理机是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略。

3.4 产生式系统的推理方式

• 正向推理：从已知事实出发，通过规则库求得结论，或称数据驱动方式
• 反向推理：从目标（作为假设）出发，反向使用规则，求得已知事实，或称目标驱动方式
• 双向推理：同时使用正向推理又使用反向推理。

3.5 举例

4 语义网络表示(Semantic Network)

4.1 发展过程

奎廉的认知实验：

4.2 基本语义关系

1. 包含或聚类关系
   
2. 属性关系
   
3. 时间关系
   
4. 位置关系/相似关系/推论关系
   
5. 二元关系/多元关系
   

4.3 举例

例：陈骏是南京大学的校长；南京大学在南京；陈骏专业是地球科学。陈家骏是陈骏聘用的教授，陈家骏专业是计算机科学。

4.4 语义网络下的推理

语义网络表示法是依匹配和继承来进行推理的。
1. 继承。把对事物的描述从抽象节点传递到具体节点，通常沿着类属关系ISA, AKO等具有继承关系的边进行。
2. 匹配。把待求解问题构造为网络片段，其中某些节点或边的标识是空的，称为询问点。将网络片段与知识库中的某个语义网络片段进行匹配，则与询问点相匹配的事实就是该问题的解。

如求解以下问题（匹配例子）：

4.5 优缺点

优点：

• 结构性、联想性、自索引性、自然语言的转换性
• 善于处理结构性的知识

缺点：

• 不严格性、处理复杂
• 本质和谓词演算等价

5 框架表示(Framework)

5.1 什么是框架

5.2 框架的定义

框架是描述对象（一个事物、一个事件、一个概念）属性的一种数据结构。在框架表示法中，框架被认为是知识表示的最基本单元。
框架是由若干结点和关系（统称为槽slot）构成的网络。是语义网络一般化形式化的一种结构，同语义网络没有本质区别。将语义网络中结点间弧上的标注也放入槽内就成了框架表示法。

5.3 框架的表示

框架名、槽名(描述某一方面的属性)、侧面(描述属性的某一方面)、值组成。

5.4 举例

5.5 框架表示下的推理

框架表示法没有固定的推理机理。但框架系统的推理和语义网络一样遵循匹配和继承的原则，而且框架中如if-needed、if-added等槽的槽值是附加过程，在推理过程中起重要作用。

5.6 优缺点

优点：

• 结构性（不同于语义网络的结构性）、继承性、自然性
• 是语义网络的重要扩展
• 面对对象语言OO的产生

缺点：

• 缺乏过程性知识表示