【人工智能 学习总结】第二章 知识表示（1）

2.1概述

2.1.1知识及知识的分类

概念：知识是人们改造客观世界的实践中积累起来的认识和经验

分类：

①按性质：概念、命题、公理、定理、规则、方法等；

②按适应范围：常识性知识（通识知识）、领域性知识（专业性知识）；

③按作用效果：事实性知识（叙述性知识，常以“......是......”的形式出现）、过程性知识（规则、定律、定理构成）、控制性知识（元知识或超知识，是知识库中的高层知识）；

④按确定性：确定性知识、不确定性知识；

⑤按等级：零级知识（陈述性知识或事实性知识，回答“是什么”“为什么”）、一级知识（过程性知识或程序性知识，回答“怎么做”）、二级知识（控制性知识或策略性知识）等；

⑥按结构：逻辑性知识、形象性知识

2.1.2知识表示方法

知识表示：用一些约定的符号把知识编码成一组能被计算机接受并便于系统使用的数据结构

要求：①有表示能力；②可理解性；③可访问性（有效利用）；④可扩充性

方法：①谓词逻辑；②状态空间；③产生式规则；④语义网络；⑤框架；⑥概念存储；⑦脚本；⑧petri网；⑨面向对象

2.2谓词逻辑表示法

2.2.1基本概念

谓词：设D是论域，P：D^n→{T，F}是一个映射，其中D²={（x₁，x₂，...，xn）| x₁，x₂，...，xn∈D}，则称P是一个n元谓词（n=1,2,...），记为P（x₁，x₂，...，xn）。其中，x₁，x₂，...，xn为个体变元。

二阶谓词：P（Q（x））的谓词的谓词

常用联结词：﹁（否定或非），∨（析取），∧（合取），→（条件或蕴含），↔（双条件）

2.2.2谓词逻辑表示法

例：用谓词逻辑表示下列知识：

⑴所有整数不是偶数就是奇数

Z(x)：表示x是整数；D(x)：表示x是偶数；S(x)：表示x是奇数

(任意x)(Z(x)→D(x)∨S(x))

⑵所有父母都有自己的孩子

P(x)：表示x是父母；C(y)：表示y是孩子；P(x,y)：表示x是y的父母

(任意x)(存在y)(P(x)→P(x,y)∧C(y))

2.2.3谓词逻辑表示法的经典应用

2.2.4谓词逻辑表示法的特点

①接近自然语言，灵活；②模块化

2.3产生式表示法

2.3.1概述

①事实的表示

对于确定性知识，事实通常用一个三元组表示，即(对象,属性,值)或(关系，对象1,对象2),其中，对象就是语言变量。对于不确定性知识，事实通常用一个四元组表示，即(对象，属性,值，可信度因子)或(关系,对象1,对象2,可信度因子),其中，可信度因子是指该事实为真的可信程度,类似于模糊数学中的隶属程度，可用一个0~1的数表示。

例：“雪 是白的”可表示为(snow ,color, white)或(雪，颜色，白)。

“老王和老张是朋友”可表示为(friendship, wang ,zhang)或(朋友，老王，老张)。

“李二比王三的年龄大很多”可以用四元组表示(large than,lier,wangsan,0.9)。可信度因子越高，事实就越“真”。

②规则的表示

规则表示的是事物间的因果关系。其表现形式为

P→Q（可表示精确或不精确的值）     或       IFPTHENQ

其中,P表示前提条件,Q表示所得到的结论成组操作。这里需要注意的是，要得到结论，需要前提条件必须为真。该规则又称产生式,类似于谓词逻辑中的蕴含式,但有所区别，区别在于蕴含式只能表示确定性知识，而产生式不仅可以表示确定性知识，还能表示不确定性
知识。

例如，在MYCIN专家系统中,有这样的产生式:
P：  细菌革式染色阴性
        形态杆状
        生长需氧
Q:    该细菌是肠杆菌属，可信度为0.8
在该规则中，所包含的事实就是不确定性知识，当前提条件满足时，就有结论“该细菌是肠杆菌属”可以相信的程度是0.8，这个0.8是规则强度。这是蕴含式所不能做到的。

2.3.2产生式系统

规则库：知识库，是某领域知识用规则形式表示的集合

综合数据库：事实库，用来存放当前与求解问题有关的各种信息的数据集合

推理机：推理机又称控制系统，由一组程序组成.用来控制和协调规则库与综合数据库的运行，决定了问题的推理方式和控制策略。关键词：匹配。

2.3.3产生式表示法应用举例

例：

 

求解一般步骤：

(1)初始化综合数据库(事实库)

(2)检测规则库中是否有与事实库相匹配的规则，若有，则执行(3),否则执行(4)

(3)更新综合数据库，即添加步骤(2)所检测到与综合数据库匹配的规则.并将所有规则做标记

(4)验证综合数据库是否包含解，若有，则终止求解过程，否则转(2)

(5)若规则库中不再提供更多的所需信息，则问题求解失败，否则更新综合数据库，转(2)。

2.3.4产生式系统的推理方式

①正向推理（数据驱动式推理）

推理过程：

(1)用数据库中的事实与可用规则集中所有规则的前件进行匹配，得到匹配的规则集合

(2)使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。

(3)执行启用规则的后件，将该启用规则的后件送人综合数据库或对综合数据库进行必要的修改。

(4)重复这个过程，直到达到目标或者无可匹配规则为止。

②逆向推理（目标驱动式推理）

推理过程：

(1)用规则库中的规则后件与目标事实进行匹配，得到匹配的规则集合

(2)使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则

(3)将启用规则的前件作为子目标

(4)重复这个过程，直至各子目标均为已知事实为止。

③双向推理

是一种自顶向下又自底向上的推理。推理从两个方向同时进行，直至某个中间界面上双方向结果相符便成功结束。

2.3.5产生式系统的特点

①优点

（1）自然性；（2）模块性；（3）清晰性；（4）有效性

②缺点

（1）效率较低；（2）不便于表示结构性知识；（3）难以扩展；（4）控制的饱和问题