【人工智能 学习总结】第二章 知识表示(2)

2.4框架表示法

2.4.1框架基本结构

框架表示法是以框架理论为基础的一种结构化知识表示方法

框架基本结构如下:

【人工智能 学习总结】第二章 知识表示(2)_第1张图片

槽值有以下几种类型:

(1)具体值value。该值按实际情况给定

(2)默认值default。该值按一般情况给定,对于某个实际事物,具体值可以不同于默认值

(3)过程值procedure。该值是个计算过程,它利用该框架的其他槽值,按给定计算过程(或公式)进行计算得出具体值

(4)另一框架名。当槽值是另一框架名时,就构成了框架调用,这样就形成了一个框架链。有关框架聚集起来就组成框架系统

(5)空值。该值等待填入
 

2.4.2基于框架的推理

求解问题的匹配推理步骤如下:

(1)把待求解问题用柜架表示出来,其中有的精是空的,表示待求解的问题,称为木知处

(2)与知识库中已有的框架进行匹配。这种匹配通过对相应槽的槽名及槽值逐个进行比较来实现

(3)使用一种评价方法对预选框架进行评价,以便决定是否接受它

(4)若可接受.则与问题框架的未知处相匹配的事实就是问题的解

2.4.3框架表示法的特点

优点:

(1)结构性;(2)深层性;(3)继承性;(4)自然性

缺点:

(1)缺乏框架的形式理论;(2)缺乏过程性知识表示;(3)清晰性难以保证

2.5语义网络表示法

2.5.1语义网络基本概念

语义网络:一种用语义和语义关系表示知识且带有方向的网络图。图中包含节点和弧,其中节点代表语义,即各种概念、事物、属性、状态、动作等;弧代表语义关系,表示两个语义之间的某种联系,弧是有方向的,用来体现节点间的主次关系。

2.5.2语义网络中常用的语义联系

(1)类属关系

ISA(IS-A):描述一个事物是另一个事物

【人工智能 学习总结】第二章 知识表示(2)_第2张图片

AKO(A-Kind-Of):一个事物是另一个事物的一种类型

【人工智能 学习总结】第二章 知识表示(2)_第3张图片

AMO(A-Member-Of):一个事物是另一个事物的一个成员

【人工智能 学习总结】第二章 知识表示(2)_第4张图片

(2)包含关系(聚类关系)

是指具有组织或结构特征的“部分与整体”之间的关系

Part-Of:一个事物是另一个事物的一部分

【人工智能 学习总结】第二章 知识表示(2)_第5张图片

(3)位置关系

① Located-on, 含义为“......上”,表示一个物体在另一个物体之上

② Located-at,含义为“在”,表示某物体处在某一 位置

③ Located-under,含义为“在......下”,表示某一物体在另一物体之下

④ Located-inside,含义为“在......内”,表示某一物体在另一 物体之内

⑤ Located outside.含义为“在......外“,表示某一物体在另物体之外

【人工智能 学习总结】第二章 知识表示(2)_第6张图片
 

(4)时间关系

① Before,含义为”在......前”,表示一一个事件在另一个事件之前发生

② After,含义为“在......后”,表示一个事件在另一个事件之后发生

③ During,含义为“在.....期间”,表示某一事件或动作在某 个时间段内发生

【人工智能 学习总结】第二章 知识表示(2)_第7张图片
 

(5)属性关系

①Have,含义为“有",表示一 个节点拥有另一个节点所表示的事物

②Can,含义为“能”,表示一个节点能做另一个节点的事情

③Age,含义为“年龄”,表示一个节点是另一个节点在年龄方面的属性

【人工智能 学习总结】第二章 知识表示(2)_第8张图片

(6)相近关系

① Similar-to,含义为“相似”,表示某一事物与另一事物相似

② Near-to,含义为“接近”,表示某一事物与另一事物接近

【人工智能 学习总结】第二章 知识表示(2)_第9张图片

2.5.3语义网络表示知识的方法

(1)事实性知识的表示

真实性知识是指有关领域内的概念、事实、事物的属性、状态及其关系的描述。例如:①动物能运动,会吃;②鸟是一 种动物,有翅膀,会飞;③鱼是一种动物.生活在水中,会游泳。

【人工智能 学习总结】第二章 知识表示(2)_第10张图片

(2)情况和动作的表示

①情况的表示

例:一只名叫“飞飞”的小燕子从春天到秋天占有一个巢

【人工智能 学习总结】第二章 知识表示(2)_第11张图片

 ②动作和事件的表示

增加事件节点,例:李二给王山一块巧克力

 【人工智能 学习总结】第二章 知识表示(2)_第12张图片

增加动作节点

【人工智能 学习总结】第二章 知识表示(2)_第13张图片

(3)逻辑关系的表示

①合取与析取的表示

例:听课的有硕士生、博士生,有男有女

【人工智能 学习总结】第二章 知识表示(2)_第14张图片

②存在量词和全称量词的表示

例:每个学生都学习了C语言

【人工智能 学习总结】第二章 知识表示(2)_第15张图片

【人工智能 学习总结】第二章 知识表示(2)_第16张图片

③否定的表示

例:”书不在桌子上“、“李二没给王山一块巧克力”     

【人工智能 学习总结】第二章 知识表示(2)_第17张图片

【人工智能 学习总结】第二章 知识表示(2)_第18张图片   

④蕴含的表示

例:如果学校组织研究生学术辩论赛,那么李二就参加

【人工智能 学习总结】第二章 知识表示(2)_第19张图片

2.5.4语义网络的推理过程

(1)匹配推理方法

匹配是指在知识库的语义网络中寻找与待求解问题相符的语义网络模式,待求解问题是通过设立空的节点或弧实现的。其推理过程如下:

①根据得术问题的要求。构道一个网络片段成者局部语义网络,这里包含着一些空时节点或弧,即待求解的问题

②根据该局部网络到知识库中寻找所需要的信息

③当局部网络与知识库中的某个语义网络匹配时,则与未知处相匹配的事实就是问题的解
 

(2)继承推理方法

继承的一般过程:

①建立一个节点表,用来存放待求解节点和所有以ISA,AKO等继承弧与此节成明连的那些节点。初始情况下,表中只有待求解节点

②检查表中的第一一个节点是否是有继承弧。如果有,就把该弧所指的所有节点放人节点表的末尾,记录这些节点的所有属性,并从节点表中删除第一个节点。如果没有继承弧,仅从节点表中删除第一个节点

③重复(2),直到节点表为空。此时,记录下来的所有属性都是待求解节点继承来的属性。

2.5.5语义网络表示的特点

①结构性;②自然性;③联想性;④非严格性;⑤复杂性

2.6知识图谱表示法

2.6.1知识图谱基本概念

主要目标:用来描述真实世界中存在的各种实体和概念以及它们之间的关系,最终形成从无序的数据到有序的知识整合

用途:智能搜索、智能问答、个性推荐、多维导航、内容分发等领域

例:桌子上方有一个红色的苹果

【人工智能 学习总结】第二章 知识表示(2)_第20张图片

2.6.2知识图谱常用的表示方法

RDF数据模型的核心包括资源(resource)、属性(property)、RDF陈述(RDF statement)等,最核心的就是(资源,属性,属性值)三元组

(1)RDF图

①RDF图

RDF通过三元组和实体之间的边构建出一个有向标记图用来表示各个实体之间的关联。目前,RDF序列化的方式主要有RDF/XML,N-Triples,Turtle,RDFa,JSON-LD等几种

②RDF编写规则

RDF通常使用Web标识符(URI)标识事物,并通过属性和属性值描述事物。在RDF中,资源指的是可拥有URL的任何事物,属性指的是拥有名称的资源,属性值指的是某个属性具体的值

③RDF实例

【人工智能 学习总结】第二章 知识表示(2)_第21张图片 

(2)OWL表式法

QWL即网络本体语言,是W3C为需要处理信息内容提出的应用程序设计

①OWL基本元素

一个oWL本体中的大部分元素是与类(class)、属性(property)、类的实例(instance)以
及这些实例间的关系有关的

②Class类

一个领域中的最基本概念应分别对应于各个分类层次树的根。OWL中的所有个体都是类owl:Thing的成员。因此,各个用户自定义的类都隐含的是owl:Thing的一个子类。要定义特定领域的根类,只需将它们声明为一个具名类(named class)。 OWL也可以定义空类.owl:Nothing

rdfs:subClassOf是用于类的基本分类构造符。它将-一个较具体的类与一个较一般的
类关联。

③个体

通常认为类的成员是我们所关心的范畴中的一个个体(而不是另一个类或属性)。要引
人一个个体(individual),只需将它们声明为某个类的成员。

【人工智能 学习总结】第二章 知识表示(2)_第22张图片  

④属性

一个属性是一个二元关系。有两种类型的属性:

数据类型属性(datatype properties),类实例与RDF文字或XML Schema数据类型间的关系。

对象属性(object properties) ,两个类的实例间的关系。

在定义一个属性的时候,有一些对该二元关系施加限定的方法。我们可以指定定义域(domain)和值域(range)
 

2.6.3知识图谱的构建方法

(1)自顶向下的构建方法

自顶向下的构建方式,是指先确定知识图谱的数据模型,再根据模型填充具体数据,最终形成知识图谱。数据模型的设计,是知识图谱的顶层设计,根据知识图谱的特点确定数据模型,就相当于确定了知识图谱收集数据的范围,以及数据的组织方式。这种构建方式,一般适用于行业知识图谱的构建

(2)自底向上的构建方法

自底向上的构建方式,是指先按照三元组的方式收集具体数据,然后根据数据内容来提炼数据模型。采用这种方式构建知识图谱,是因为在开始构建知识图谱的时候,还不清楚收集数据的范围,也不清楚数据怎么使用,就是先把所有的数据收集起来,形成一个庞大的数据集,然后再根据数据内容,总结数据特点,将数据进行整理、分析、归纳、总结,形成一个框架,也就是数据模型

2.6.4知识图谱表示法的特点

①结构性;②深层性;③自然性

你可能感兴趣的:(人工智能,算法)