人工智能第三章知识与知识表示课件.ppt

《人工智能第三章知识与知识表示课件.ppt》由会员分享，可在线阅读，更多相关《人工智能第三章知识与知识表示课件.ppt（163页珍藏版）》请在三一办公上搜索。

1、人类的智能活动过程主要是一个获得并运用知识的过程，知识是智能的基础。为了使计算机具有智能，使它能模拟人类的智能行为，就必须使它具有知识。但知识是需要用适当的模式表示出来才能存储到计算机中去的，因此关于知识的表示问题就成为人工智能中一个十分重要的研究课题。,人类的智能活动过程主要是一个获得并运用知识的过程，知,主要的知识表示方法：一阶谓词逻辑表示法产生式表示法框架表示法语义网络表示法脚本表示法过程表示法面向对象表示法Petri网表示法,主要的知识表示方法：,一、什么是知识1 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

2、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,3.1 基本概念,数据和信息之间，我们说它们不能分开，它俩有关系，那么，它们俩有什么关系呢？,一、什么是知识3.1 基本概念数据和信息之间，我们说它们,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。 两者只有密切结合，才能实现世界中某一具体事物的描述。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。,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,2、知识 知识

3、：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，其中用得最多的一种是用：“如果 ，则 “所表示的关联形式，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。,2、知识,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

4、，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。,不同事物或者相同事物间的不同关系形成了不同的知识。,二、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=22、不确定性造成知识具有不确定性的原因有哪些：由随机性引起的不确定性 (也就是说，这件事是随机发生的，比如说，抛硬币，是正面朝上还是反面朝上，不确定。随机事件只有发生的时候我们才知道。),二、知识的特性,由模糊性引起的不确定性 由模糊概念、模糊关系所形成的知识是不确定的。（知识是有关信息关联在一起形成的信息结构，“信息”与“关联”是构成知识的两个要素。由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模

5、糊的；关联可能是确定的，也可能是不确定的。） （比如说：人的个子高与个子矮，分界线是模糊的）由不完全性引起的不确定性 （就是说，有些事我们还不是很清楚，所以不能确定。如：很多年以前的肺结核，今天的癌症）由经验性引起的不确定性 （在人工智能的重要研究领域专家系统中，知识都是由领域专家提供的，这种知识大都是领域专家在长期的实践及研究中积累起来的经验性知识。尽管领域专家能够得心应手地运用这些知识，正确地解决领域内的有关问题，但若让他们精确地表述出来却是相当困难的，这是引起知识不确定性的一个原因。另外，由于经验性自身就蕴含着不精确性及模糊性，这就形成了知识不确定性的另一个原因。因此，在专家系统中大部分

6、知识都具有不确定性这一特性。）,由模糊性引起的不确定性,3、可表示性与可利用性表示：(如我们可以用语言来表达知识、用文字来表达知识、还可以用图形来描述、在计算机中还可以用神经元网络来表示知识。)利用：用知识解决所面临的各种各样的问题。,3、可表示性与可利用性,三、知识的分类：1、从作用范围来划分：常识性知识：是人们普遍知道的知识，适用于所有领域。领域性知识：是面向某个具体领域的知识，是专业性的知识，只有相应专业的人员才能掌握并用来求解领域内的有关问题。2、从知识的作用划分事实性知识：（就是真理）用于描述领域内有关概念、事实、事物的属性及状态等。如：糖是甜的 大同是个古城 一年有春夏秋冬四个季节

7、。事实性知识一般采用直接表达的形式，如用谓词公式表示等。 过程性知识：是与领域相关的知识，用于指出如何处理与问题相关的信息，以求得问题的解。一般用产生式规则、语义网络求解。控制性知识：又称为深层知识、元知识。用已有的知识进行问题求解的知识，即关于知识的知识。例如问题求解中的推理策略（正向推理及逆向推理）；信息传播策略（如不确定性的传递算法）；搜索策略（广度优先、深度优先、启发式搜索等）；求解策略（求第一个解、全部解、严格解、最优解等）；限制策略（规定推理的限度）等等。,三、知识的分类：,3、从确定性划分：确定性知识：可指出其值为真或假的知识。不确定性知识：它是不精确的、不完全的、模糊的知识。4

8、、从知识结构及表现形式来划分: 逻辑性知识：反映人类逻辑思维过程的知识，一般具有因果关系，具有难以精确描述的特点。它们通常是基于专家的经验，以及对一些事物的直观感觉。一阶谓词逻辑表示法、产生式表示法用来表达这种知识。 形象性知识：通过事物的形象建立起来的知识称为形象性知识。,3、从确定性划分：,5、从抽象的、整体的观点来划分，知识可分为：零级知识，一级知识，二级知识。 这种关于知识的层次划分还可以继续下去，每一级知识都对其低一层的知识有指导意义。其中，零级知识是指问题领域内的事实、定理、方程、实验对象和操作等常识性知识及原理性知识；一级知识是指具有经验性、启发性的知识，例如经验性规则、含义模糊

9、的建议、不确切的判断标准等；二级知识是指如何运用上述两级知识的知识。 在实际应用中，通常把零级知识与一级知识统称为领域知识，而把二级以上的知识统称为元知识。,5、从抽象的、整体的观点来划分，知识可分为：零级知识，一级知,四、知识的表示 所谓知识表示实际上就是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。对知识进行表示的过程就是把知识编码成某种数据结构的过程。知识表示方法又称为知识表示技术，其表示形式称为知识表示模式。目前用得较多的知识表示方法主要有：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，Petri 网表示法，面向

10、对象表示法。,四、知识的表示,一般来说，在选择知识表示方法时，应从以下几个方面进行考虑：1 充分表示领域知识确定一个知识表示模式时，首先应该考虑的是它能否充分地表示我们所要解决的问题所在领域的知识。为此，需要深入地了解领域知识的特点以及每一种表示模式的特征，以便做到“对症下药”。例如，在医疗诊断领域中，其知识一般具有经验性、因果性的特点，适合于用产生式表示法进行表示；而在设计类（如机械产品设计）领域中，由于一个部件一般由多个子部件组成，部件与子部件既有相同的属性又有不同的属性，即它们既有共性又有个性，因而在进行知识表示时，应该把这个特点反映出来，此时单用产生式模式来表示就不能反映出知识间的这种

11、结构关系，这就需要把框架表示法与产生式表示法结合起来。,一般来说，在选择知识表示方法时，应从以下几个方面进行考虑：,2 有利于对知识的利用知识的表示与利用是密切相关的两个方面。“表示”的作用是把领域内的相关知识形式化并用适当的内部形式存储到计算机中去，而“利用”是使用这些知识进行推理，求解现实问题。 “表示”的目的是为了“利用”，而“利用”的基础是“表示”。 3 便于对知识的获取、组织、维护与管理 组织：依赖于知识的表示方法。 维护：知识的质量、数量、性能方面补充、修改、删除。 管理：保证知识的一致性、完整性。 4 便于理解和实现,2 有利于对知识的利用知识的表示与利用是密切相关的两个方,3.

12、2 一阶谓词逻辑表示法,一、表示知识的方法,谓词逻辑是一种形式语言，也是到目前为止能够表达人类思维活动规律的一种最精确的语言。,3.2 一阶谓词逻辑表示法一、表示知识的方法谓词逻辑是一种,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,行动规则：,行动规则：,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,二、一阶谓词逻辑表示法的特点,二、一阶谓词逻辑表示法的特点,人工智能第三章知识与知识表示课件,3.3产生式表示法,“

13、产生式”这一术语是由美国数学家波斯特（E.POST）在1943年首先提出来的，他根据串代替规则提出了一种称为波斯特机的计算机模型，模型中的每条规则称为一个产生式。1972年纽厄尔和西蒙在研究人类知识模型中开发了基于规则的产生式系统。,3.3产生式表示法“产生式”这一术语是由美国数学家波斯特（,一、产生式的基本形式,一、产生式的基本形式,（1）谓词逻辑中的PQ这个合式公式，只能表示精确的知识，产生式可以表示精确与不精确知识。（谓词逻辑只表示精确的知识，要么成立，要么不成立。也就是说，只取真、假。比如说：在谓词逻辑中，PQ，若P为：天在下雨，Q为天不晴。这时PQ为真。但如果：为：P：天在下雨，Q为

14、天晴。这时PQ为假。也就是只取真值和假值。而产生式，不仅可以取真假，还可以取真假以外的情况，也就是模糊的情况。）（2）谓词逻辑中PQ这个合式公式，条件要求精确匹配，产生式中条件可精确或模糊匹配。（也就是说，谓词逻辑与产生式的第一个区别是：在值上，一个是精确的，一个是不精确的。第二个区别是：前者在匹配上，是精确的匹配；后者可以精确匹配也可以精确匹配也可以模糊匹配。）,谓词逻辑中的蕴含式与产生式的区别。基本形式有相同的形式，其实蕴含式只是产生式的一种特殊情况：,（1）谓词逻辑中的PQ这个合式公式，只能表示精确的知识，产,二、产生式系统的含义,把一组产生式放在一起，让它们互相配合，协同作用，一个产生

15、式生成的结论(Qi)可以供另一个产生式作为已知事实(Pj)使用，以求得问题的解决，这样的系统称为产生式系统。(Pi Qi Pj Qj)一个产生式系统由三个部分组成：规则库、综合数据库（事实库）、控制系统。,二、产生式系统的含义把一组产生式放在一起，让它们互相配合，协,规则库：用于描述相应领域内知识的产生式集合称为规则库。显然，规则库是产生式系统赖以进行问题求解的基础，其知识是否完整、一致，表达是否准确、灵活，对知识的组织是否合理等，不仅将直接影响到系统的性能，而且还会影响到系统的运行效率，因此对规则库的设计与组织应给予足够的重视。,规则库：,一般来说，在建立规则库时应注意以下问题：( 1 ）有

16、效地表达领域内的过程性知识 (过程性知识：是与领域相关的知识，用于指出如何处理与问题相关的信息，以求得问题的解。 )。规则库中存放的主要是过程性知识，用于实现对问题的求解。为了使系统具有较强的问题求解能力，除了需要获取足够的知识外，还需要对知识进行有效的表达。 ( 2 ）对知识进行合理的组织与管理。 对规则库中的知识进行适当的组织，采用合理的结构形式，可使推理避免访问那些与当前问题求解无关的知识，从而提高求解问题的效率。另外，对规则库进行合适的管理，可以检测并排除那些冗余及矛盾的知识，保持知识的一致性，提高规则库的质量。,一般来说，在建立规则库时应注意以下问题：( 1 ）有效地表,综合数据库：

17、（综合数据库和我们平时说的普通的数据库不同，我们说的普通的数据库里可能有一些数据字段，这些字段可能是数值型的、可能是字符型的、可能是日期型的，还可能是其它型的。那么我们所说的这个综合数据库又指什么呢？） 综合数据库又称为事实库、上下文、黑板等。它是一个用于存放问题求解过程中各种当前信息的数据结构，例如问题的初始状态、原始证据、推理中得到的中间结论及最终结论。,综合数据库：,综合数据库的特点：当规则库中某条产生式的前提可与综合数据库中的某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放入综合数据库中，作为后面推理的已知事实。（这句话的意思是：我们在规则库中先找一个Pi，然后，看它是否与综

18、合数据库里的某个或某些事实相匹配，如果匹配，我们会得到Qi，我们把得到的Qi放到综合数据库里去，作为一种新的事实存在。）（因此，我们说）综合数据库的内容是在不断变化、是动态的，正是由于它内容的不断变化，才构成了由原始数据到结论的变化过程。（那么，综合数据库里的事实我们一般用什么进行描述？）综合数据库中的已知事实，常用字符串、向量、矩阵、表等数据结构表示。,综合数据库的特点：,控制系统（按书P107） ： 是规则库与综合数据库连接的桥梁。又称推理机构，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。 主要完成以下工作：按一定的策略从规则库选择规则与综合数据库中已知事实进行匹配。匹配成

19、功的规则可能不止一条，称为发生冲突。推理机构必须调用相应的解决冲突策略进行消解，以便从中选出一条执行。,控制系统（按书P107） ：,在执行某一条规则时，如果该规则右部是一个或多个结论，则把这些结论加入到综合数据库中；如果规则的右部是一个或多个操作，则执行这些操作。对于不确定性知识，在执行每一条规则时还要按一定算法计算结论的不确定性。 （也就是说，要算一下，这个结论的可信度有多高。也就是说，当知识不确定时，每执行一条，要计算一下，这个结论的可信度。）随时掌握结束产生式系统运行的时机，以便在适当的时候停止系统的运行。 （是否已找到了目标）,在执行某一条规则时，如果该规则右部是一个或多个结论，则把

20、这些,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,产生式系统求解问题的一般步骤：,产生式系统求解问题的一般步骤：,人工智能第三章知识与知识表示课件,三、产生式系统的推理过程,产生式系统问题的求解过程是一个不断的从规则库中选取可用规则与综合数据库中的已知事实进行匹配的过程，规则的每一次成功匹配都使综合数据库增加了新的内容，并朝着问题的解决方向前进了一步，这一过程称为推理。根据推理过程进行的方向推理可分为正向推理、反向推理、混合推理。（书P109）,三、产生式系统的推理过程

21、产生式系统问题的求解过程是一个不断的,四、产生式系统的分类,按推理方向划分为：前向、后向、双向产生式系统。按表示知识的确定性分为：确定性及不确定性产生式系统。按规则库及综合数据库的性质及结构特征分类：可交换的产生式系统、可分解的产生式系统、可恢复的产生式系统,四、产生式系统的分类按推理方向划分为：前向、后向、双向产,（1）可交换的产生式系统： 产生式系统求解问题的过程是一个反复从规则库中选用合适规则并执行规则的过程。在执行中，不同的控制策略将会得到不同的规则执行次序，有不同的求解效率。 如果一个产生式系统对规则的使用次序是可交换的，无论先使用哪一条规则都可以达到目的，即规则的使用次序是无关紧要

22、的，称这样的产生式系统为可交换的产生式系统。,（1）可交换的产生式系统：,例 设综合数据库DB的初始状态是a，b，c，其中a，b，c均为整数，设规则库RB有下述规则：R1:IF a，b，c THEN a，b，c，abR2:IF a，b，c THEN a，b，c，bcR3:IF a，b，c THEN a，b，c，ac 执行完规则后，综合数据库DB为a，b，c，ab，bc，ac，与R1、R2和R3执行的顺序无关。无论先使用哪一条规则，都可达到目的，由RB和DB构成的产生式系统是一个可交换的产生式系统。,例 设综合数据库DB的初始状态是a，b，c，其中a，b,（2）可分解的产生式系统：,（2）可分解

23、的产生式系统：,人工智能第三章知识与知识表示课件,用括弧连接起来的子节点间是“与”关系，不用括弧连接的子节点是“或”关系。显然，用图表示可分解产生式系统求解问题的过程时，得到的是一棵与或树。,用括弧连接起来的子节点间是“与”关系，不用括弧连接的子节点是,（3）可恢复的产生式系统,在问题的求解过程中既可以对综合数据库添加内容，又可删除或修改老内容的产生式系统为可恢复的产生式系统。,（3）可恢复的产生式系统在问题的求解过程中既可以对综合数据库,五、产生式表示法的特点,五、产生式表示法的特点,人工智能第三章知识与知识表示课件,人工智能第三章知识与知识表示课件,产生式表示法适合于表示具有下列特点的领域

24、知识： ( l ）由许多相对独立的知识元组成的领域知识，彼此间关系不密切，不存在结构关系。例如化学反应方面的知识。 ( 2 ）具有经验性及不确定性的知识，而且相关领域中对这些知识没有严格、统一的理论。例如医疗诊断、故障诊断等方面的知识。( 3 ）领域问题的求解过程可被表示为一系列相对独立的操作，而且每个操作可被表示为一条或多条产生式规则。,产生式表示法适合于表示具有下列特点的领域知识：,一、框架理论,3.4框架表示法,一、框架理论 3.4框架表示法,二、框架,二、框架,框架的一般表示形式,框架的一般表示形式,由上述表示形式可以看出，一个框架可以有任意有限数目的槽，一个槽可以有任意有限数目的侧面

25、，一个侧面又可以有任意有限数目的侧面值。一个槽可以分为若干个侧面，也可不分侧面，视其描述的属性而定。另外，槽值或侧面值既可以是数值、字符串、布尔值，也可以是一个在满足某个给定条件时要执行的动作或过程，特别是它还可以是另一个框架的名字，从而实现一个框架对另一个框架的调用，表示出框架之间的横向联系。,由上述表示形式可以看出，一个框架可以有任意有限数目的槽,例（结合书上例子讲）：,例（结合书上例子讲）：,该框架共有九个槽，分别描述了“教师”九个方面的情况，或者说是关于“教师”的九个属性，在每个槽里都指出了一些说明性的信息，用于对槽的填值给出某些限制。其中， “单位”用来说明填充槽值时的格式限制；“范

26、围”指出槽的值只能在指定的范围内挑选，例如对“职称”槽，其槽值只能是“教授”、“副教授”、“讲师”、“助教”中的某一个，不能是别的，如“工程师”等；“缺省”表示当相应槽不填入槽值时，就以缺省值作为槽值，这样可以节省一些填槽的工作。例如对“性别”槽，当不填入“男”或“女”时，就默认它是“男”，这样对男性教师就可以不填这个槽的槽值。,该框架共有九个槽，分别描述了“教师”九个方面的情况，或,当把具体的信息填入槽或侧面后，就得到了相应框架的一个事例框架。例如把某教师的一组信息填入“教师”框架的各个槽，就可得到：,当把具体的信息填入槽或侧面后，就得到了相应框架的一个事例,三、框架网络,一般来说，单个框架

27、只能表示简单对象的知识，在实际应用时，当对象比较复杂时，往往需要把多个相互联系的框架组织起来进行表示。,三、框架网络 一般来说，单个框架只能表示简单对象的知识，在实,（1）横向联系： 由于框架中的槽值或侧面值都可以是另一个框架的名字，这就在框架之间建立起来了联系，通过一个框架可以找到另一个框架。如在上例关于夏冰的框架中，“住址”槽的槽值是“adr1”，而它是一个地址框架的名字，这就在“教师-1”与“adr-1”这两个框架间建立了联系。当某人希望了解夏冰的情况时，不仅可以直接在“教师-1”框架中了解到有关她的“年龄”、“职称”等情况，还可通过“住址”槽找到她的住址框架，从而得知她的详细住址。,（

28、1）横向联系：,（2）纵向联系： 以学校里“师生员工”框架、“教职工”框架及“教师”框架为例，说明如何在它们之间建立起纵向联系。我们知道，无论是教师，还是学生以及在学校工作的其他人员，如干部、实验员、工人等，尽管他们所担负的任务不同，但由于他们都共处于学校这个环境中，必然会有一些共同的属性，因此在对他们进行描述时，可以把他们具有的共同属性抽取出来，构成一个上层框架，然后再对各类人员独有的属性分别构成下层框架，为了指明框架间的这种上、下关系，可在下层框架中设立一个专用的槽（一般称为“继承”槽），用以指出它的上层框架是哪一个。,（2）纵向联系：,这样不仅在框架间建立了纵向联系，而且通过这种联系，下

29、层框架还可以继承上层框架的属性及值，避免了重复描述，节约了时间和空间的开销。 继承性是框架表示法的一个重要特性，它不仅可以在两层框架之间实现继承关系，而且可以通过两两的继承关系，从最低层追溯到最高层，使高层的信息逐层向低层传递。,这样不仅在框架间建立了纵向联系，而且通过这种联系，下层,（3）框架网络：用框架名作为槽值时所建立起来的框架间的横向联系，用“继承”槽建立起来的框架间的纵向联系，像这样具有横向联系及纵向联系的一组框架称为框架网络。下图是一个关于师生员工的框架网络。,（3）框架网络：用框架名作为槽值时所建立起来的框架间的横向联,在如图所示的框架网络中，“师生员工”框架用于描述师、生、员、

30、工们的共同属性，例如“姓名”、“性别”、“年龄”等；“教职工”框架用于描述教师、干部、工人的共同属性，但凡是在“师生员工”框架中已经指出的属性在这里就可以不再指出；“学生”框架用于描述学生的共同属性，已在“师生员工”框架中指出的属性在这里也可不再重复描述。以此类推可知，在“教师”框架、“工人”框架、“电子系学生”框架等中也只需描述只有他们自己具有的属性。,在如图所示的框架网络中，“师生员工”框架用于描述师、,但是，如果一个在上层框架中描述的属性在下层框架需作进一步说明时，则需要在下层框架中再次给出描述。例如，设在“师生员工”框架中对“年龄”槽的描述是：年龄：单位（岁）由于学生一般都是在七岁开始

31、上学的，因此学生的年龄可由年龄=学龄7 得到，所以在“学生”框架中仍可设置“年龄”槽，并在该槽的描述中给出计算年龄的过程。如果在下层框架中对某些槽没有作特别的声明，那么它将自动继承上层框架相应槽的槽值。,但是，如果一个在上层框架中描述的属性在下层框架需作进,下面具体地给出上述几个框架的描述：师生员工框架为：,下面具体地给出上述几个框架的描述：师生员工框架为：,人工智能第三章知识与知识表示课件,由上述框架描述可以看出：(1）在框架网络中，既有用“继承”槽指出的上、下层框架间的纵向联系，也有以框架名作为槽值指出的框架间的横向联系，因此框架网络是一个纵、横交错的复杂的框架体系结构。(2）原则上说，事

32、例框架中的每一个槽都应给出槽值，但对可以继承上层框架槽值的槽，其槽值可不给出。例如在上面的“教师一1”框架中，虽然没有给出“性别”、“职称”槽及其槽值，但由继承性可知孙林的性别为“男”，职称为“讲师”。,由上述框架描述可以看出：,（1）充分表达事物各有关方面的属性 在以框架作为知识表示模式的系统中，知识是通过事物的属性来表示的。这里所说的“各有关方面的属性”有两方面的含义：一是要与系统的设计目标相一致，凡是系统设计目标所要求的属性，或者问题求解中有可能要用到的属性都应该用相应的槽把它们表示出来；另一是仅仅需要对有关的属性设立槽，不可面面俱到，以免浪费空间和降低系统的运行效率。在选择把哪些属性作

33、为槽的描述对象时，首先要对系统的设计目标及应用范围进行认真的分析，并依此对事物的属性进行筛选，仅把那些需要的属性找出来，并为它们建立相应的槽。,四、框架中槽的设置与组织,（1）充分表达事物各有关方面的属性四、框架中槽的设置与组织,（2）充分表达相关事物间的各种关系在框架系统中，事物之间的联系是通过在槽中填入相应的框架名来实现的，至于它们之间究竟是一种什么关系，则是由槽名来指明的。为了提供一些常用且可公用的槽名，在框架表示系统中通常定义一些标准槽名，应用时不用说明就可直接使用，称这些槽名为系统预定义槽名。下面列出其中用得较多的几个。,（2）充分表达相关事物间的各种关系,(a) ISA槽。ISA槽

34、用于指出事物间抽象概念上的类属关系。其直观含义是“是一个”，“是一种”，“是一只”，。当用它作为某下层框架的槽时，表示该下层框架所描述的事物是其上层框架的一个特例，上层框架是比下层框架更一般或更抽象的概念。如上例中的“教师”框架和“教师-1”框架。,(b) AKO槽。AKO槽用于具体地指出事物间的类属关系。其直观含义是“是一种”。当用它作为某下层框架的槽时，就明确地指出该下层框架所描述的事物是其上层框架所描述事物中的一种，下层框架可以继承其上框架所描述的属性及值。如“运动员”框架和“棋手”框架，“棋手”是“运动员”中的一种。,(a) ISA槽。ISA槽用于指出事物间抽象概念上的类属,AKO槽和

35、ISA槽可以表示出框架系统中框架之间的类超类以及实例类的关系。由AKO槽和ISA槽所指出的联系一般都具有继承性，即下层框架可以继承上层框架所描述的属性与值。,AKO槽和ISA槽可以表示出框架系统中框架之间的类超类以及,(C) Instance槽。Instance槽用来建立AKo槽的逆关系。当用它作为某上层框架的槽时，可用来指出它的下一层框架是哪一些。对于上例，假设还有“足球运动员”、“排球运动员”的框架，则“运动员”框架中可用Instance槽来指出它的这些下层框架，即：,由Instance槽所建立起来的上、下层框架间的联系具有继承性，即下层框架可以继承上层框架所描述的属性与值。,(C) In

36、stance槽。Instance槽用来建立,(d) Part一of槽。Part一of槽用于指出“部分”与“全体”的关系。当用它作为某下层框架的槽时，它指出该下层框架所描述的事物只是其上层框架所描述事物的一部分。例如，上层框架是对汽车的描述，下层框架是对轮胎的描述。显然，轮胎只是汽车的一部分（部件）。,(d) Part一of槽。Part一of槽用于指出“部,这里，应特别注意把“Part一of”槽与上面讨论的那四种槽区分开来。它们虽然都是用来指出框架间的层次结构关系的，但却有着完全不同的性质。前面那三种槽描述的是上、下层框架间的类属关系，它们具有共同的特性，下层框架可以继承上层框架所描述的属性及值

37、；而“Part一of”槽只是指出下层框架是上层框架的一个子结构，两者一般不具有共同的特征，下层框架不能继承上层框架所描述的属性及值。例如，轮胎是汽车一部分，但两者的结构及性能却完全不同，“轮胎”框架不能继承“汽车”框架所描述的属性及值。,这里，应特别注意把“Part一of”槽与上面讨论的,(e) Infer槽。 Infer槽用于指出两个框架所描述事物间的逻辑推理关系，用它可以表示相应的产生式规则。例如，设有如下知识：如果咳嗽、发烧且流涕，则八成是患了感冒，需服用“感冒清”,一日三次，每次2一3粒，多喝开水。对该知识，可用如下两个框架表示：,(e) Infer槽。,人工智能第三章知识与知识表示课

38、件,(f) Possible-Reason槽。 Possible一Reason槽与Infer槽的作用相反，它用来把某个结论与可能的原因联系起来。例如，在上述的“结论”框架中可增加一个 Possible一Reason 槽，其槽值是某个框架的框架名，在该框架中描述了产生“感冒”的原因，如感染了流感病毒等。,(f) Possible-Reason槽。,（3）对槽及侧面进行合理的组织 尽量把不同框架中所描述的相同属性抽取出来，构成上层框架。而在下层框架中只描述相应事物独有的属性。例如，设有鸽子、啄木鸟、布谷鸟、燕子及鹦鹉等五种动物，要求用框架将其特征描述出来。分析这五种动物可以发现，它们有许多共同的特

39、征，如身上有羽毛，会飞、会走等等。此时，可把这些共同特征抽取出来构成一个上层框架，然后再对每一个动物独有的特征（如羽毛颜色、嘴的形状等）分别构成一个框架，再用AKO槽或Instance槽把上、下层框架联系起来。,（3）对槽及侧面进行合理的组织,(4)有利于进行框架推理 用框架表示知识的系统一般由两大部分组成：一是由框架及其相互关联构成的知识库；另一是由一组解释程序构成的框架推理机。前者的作用是提供求解问题所需要的知识，后者的作用是针对用户提出的问题，通过运用知识库中的相关知识完成求解问题的任务，给出问题的解。框架推理是一个反复进行框架匹配的过程。,(4)有利于进行框架推理,五、框架系统中求解问

40、题的基本过程 在用框架表示知识的系统中，问题的求解主要是通过匹配与填槽实现的。1、当要求解某个问题时，首先把这个问题用一个框架表示出来。2、通过与知识库中已有的框架进行匹配，找出一个或几个可匹配的预选框架作为初步假设。3、在此初步假设的引导下收集进一步的信息。4、最后用某种评价方法对预选框架进行评价，以便决定是否接受它。,五、框架系统中求解问题的基本过程,框架的匹配是通过对相应的槽的槽名及槽值逐个进行比较实现的。如果两个框架的各对应槽没有矛盾或者满足预先规定的某些条件，就认为这两个框架可以匹配。由于框架间存在继承关系，一个框架所描述的某些属性及值可能是从它的上层框架那里继承过来的，因此两个框架

41、的比较往往要牵涉到它们的上层、上上层框架。另外，框架间的匹配一般都具有不确定性，因为建立在知识库中的框架其结构和描述都已固定下来，而应用中的问题却是随机的，变化的，要使它们完全一致是不现实的。,框架的匹配是通过对相应的槽的槽名及槽值逐个进行比较实现的,现在来看一个例子。假设前面提出的关于师生员工的框架网络已建立在知识库中，当前要解决的问题是从知识库中找出一个满足如下条件的教师：男性，年龄在 30 岁以下，身体健康，职称为讲师。把这些条件用框架表示出来，就可得到如下的初始问题框架：,现在来看一个例子。假设前面提出的关于师生员工的框架网络已,用此框架与知识库中的框架匹配，显然“教师-1”框架可以匹

42、配。因为“年龄”槽与“健康状况”槽都符合要求，“教师-1”框架虽然没有给出“性别”及“职称”的槽值，但由继承性可知它们分别是男”及“讲师”，完全符合初始问题框架“教师一x”的要求，所以要找的教师有可能就是孙林。,用此框架与知识库中的框架匹配，显然“教师-1”框架可以,这里之所以说是“有可能”，是由于知识库中可与问题框架“教师一x”匹配成功的框架可能不止一个，因而目前匹配成功的框架还只能作为预选框架，需要进一步收集信息，以便从中选出一个，或者根据框架中其它槽的内容以及框架间的关系明确下一步查找的方向和线索。,这里之所以说是“有可能”，是由于知识库中可与问题框架“教,六、框架表示法的特点：（1）结

43、构性：框架表示法最突出的特点是它善于表达结构性的知识，能够把知识的内部结构关系及知识间的联系表示出来。（2）继承性：框架表示法通过使槽值为另一个框架的名字实现框架间的联系，建立起表示复杂知识的框架网络。在框架网络中，下层框架可以继承上层框架的槽值，也可以进行补充和修改，这样不仅减少了知识的冗余，而且较好地保证了知识的一致性。,六、框架表示法的特点：,（3）自然性：框架表示法体现了人们在观察事物时的思维活动，当遇到新事物时，通过从记忆中调用类似事物的框架，并将其中某些细节进行修改、补充，就形成了对新事物的认识，这与人们的认识活动是一致的。（4）框架表示法的主要不足：不善于表达过程性的知识。,（3

44、）自然性：框架表示法体现了人们在观察事物时的思维活动，当,产生历史： 语义网络的概念是在1968年，Quillian（奎廉）的博士论文人类联想的一个显示心理学模型中最先提出来的。1970年，Simmon（西蒙）将语义网络用在自然语言理解的研究中。,3.5语义网络表示法,产生历史：3.5语义网络表示法,一、语义网络的概念（1）语义网络是通过概念及语义关系来表达知识的一种网络图。从图论的观点看，它是一个“带标识的有向图”。（2）有向图的节点：表示各种事物、概念、情况、属性、动作、状态等。（3）（把节点与节点连接起来，需要弧）弧：表示各种语义关系，指明它所连接的节点间的某种语义关系。（4）结点和弧必

45、须带有标识，以便区分各个不同对象以及对象之间各种不同的关系。（5）从结构上看，语义网络一般是由一些基本的语义单元构成的，这些最基本的语义单元可用三元组表示为（节点1、弧、节点2），称为基本网元。,一、语义网络的概念,基本网元,语义网络 :当把多个基本网元用相应的语义联系关联在一起时，就可以得到一个语义网络。,基本网元 语义网络 :当把多个基本网元用相应的语义联系,二、语义网络表示知识1、用语义网络表示基本事实,类属关系（按书P127讲）一般用来描述事物之间的类属关系。如：ISA、AKO、A-Member-Of、Instance-Of等。,二、语义网络表示知识类属关系（按书P127讲）,人工智能

46、第三章知识与知识表示课件,属性关系（书P128）：一般是指事物和其属性之间关系。如：Have联系、Can、Is等。Have表示属性和事物的“占有”关系。例“鸟有翅膀”。 Can表示属性和事物之间的能力或技能关系。Is表示的含义比较丰富，可表示属性和事物之间的关系比较多。,属性关系（书P128）：, Composed-of联系： 它表示“构成”联系，是一种一对多的联系，被它联系的节点间不具有属性继承性。 例如，“整数由正整数、负整数及零组成”。, Composed-of联系：, 聚集关系聚集联系表示某个“部分 全体”关系，即表示某一个体与其组成成分之间的联系，有向弧上的标识为 Part 一 of

47、 。知识表现形式如图所示：, 聚集关系,推论关系如果一个概念可由另一个概念推出，则称它们之间存在推论关系。如图所示的语义网络就是一个简单的推论关系。,推论关系, 时间关系：如Before、After、At联系 用来表示事件之间的时间先后关系的。其中，Before表示一个事件在另一个事件之前发生；After表示一个事件在另一个事件之后发生；At表示某一事件发生的时间。例“唐朝在宋朝之前”可用下图所示的语义网络表示。, 时间关系：如Before、After、At联系, 位置关系：Located-on（-at，-under，-inside，-outside等） 这些语义联系用来表示事物间的位置关系。

48、例“书放在桌子上”可用下图所示的语义网络表示。, 相似关系: Similar-to、Near-to联系：表示事物间的相似和接近关系。例 “猫与虎相似”可用下图所示的语义网络表示。, 位置关系：Located-on（-at，-under，-,2、动作作为节点的语义网络,结点不仅可以表示一个物体或概念，也可以表示情况和动作。表示动作（情况）的结点有一组向外的弧，这些弧所指向的结点表示与这个动作（情况）有关的各种变量（如动作发出者、接受者、动作状态、程度、后果等）。,2、动作作为节点的语义网络 结点不仅可以表示一个物体,例如事实“小燕子从春天到秋天占有一个巢”可表示成如下谓词形式：占有（小燕子，巢，

49、起始时间，终止时间）我们用语义网络表示时，以谓词（或动作）“占有”作为中心来组织知识，并从这个中心结点引出4条弧，分别连接与“占有”这个事件有关的4个变量，即占有者（小燕子）、占有物（巢）、起始时间（春天）、终止时间（秋天）。其语义网络如图所示。,例如事实“小燕子从春天到秋天占有一个巢”可表示成如下,与个体结点一样，关系结点同样可以划分为类结点和实例结点两种，实例结点和类结点之间用 ISA 弧联系。例如把事实“小燕子从春天到秋天占有一个巢”扩展，可得到如图所示的语义网络。(书P130),与个体结点一样，关系结点同样可以划分为类结点和实例结点两种，,人工智能第三章知识与知识表示课件,由此可见，用

50、语义网络表示知识时，首先要弄清楚是以个体为中心还是以动作或关系为中心来组织知识。如果以动作或关系为中心来组织知识，则这个语义网络不仅可以表示简单事实，还可以表示一种情况、一个事件或一系列动作。,由此可见，用语义网络表示知识时，首先要弄清楚是以个体为中心还,3、多元语义网络的表示语义网络是一种网络结构。从本质上讲，结点之间的连接是二元关系。如果我们要表示的事实是多元关系，必须将多元关系转化为二元关系，然后用语义网表示出来。必要时要在语义网中增加一些中间结点。,3、多元语义网络的表示,人工智能第三章知识与知识表示课件,4、表示具有连接词的事实或事件 当事实中有“与”、“或”、“非”、“蕴含”等关系