第二章 知识表示

合集下载

第2章 知识表示方法

第2章 知识表示方法
第二章 知识表示方法
2020/4/13
内容简介
1 2.1 概述 2 2.2 一阶谓词逻辑表示法 3 2.3 产生式表示法 4 2.4 框架表示法 5 2.5 语义网络表示法 6 2.6 面向对象表示法
2020/4/13
2.1.1 知识的基本概念
知识定义
Feigenbaum 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 知识是由特定领域的描述、关系和过程组成的。 Hayes-Roth 知识是事实、信念和启发式规则。
2020/4/13
2.1.1 知识
知识的特点
相对正确性 不确定性
可表示性 可利用性
2020/4/13
2.1.1 知识
知识分类
事实性知识:描述问题或事务的概念、属性、状态、环 境及条件等情况的知识。如:凡是猴子都有尾巴
过程性知识:描述问题求解过程所需要的操作、演算或 行为等规律性的知识。 如:电视维修法
2020/4/
• 例2.3 在一个房间里有一个机器人robot,一 个壁室alcove,一个积木块box,两个桌子 A和B。开始时,机器人robot在壁室alcove 的旁边,且两手是空的,桌子A上放着积木 块box,桌子B上是空的。机器人将把积木 块BOX从桌子A上转移到桌子B上。
2020/4/13
控制性知识(元知识):关于如何运用已有知识进行问题 求解的知识。 如:推理策略、搜索策略等。
2020/4/13
知识的要素
事实:事物的分类、属性、事物间关系、科学事实、客观事实等。 规则:事物的行动、动作和联系的因果关系知识。 控制:当有多个动作同时被激活时,选择哪一个动作来执行的知
识。
元知识:高层知识。怎样使用规则、解释规则、校验规则、解释

人工智能第二章知识表示方法

人工智能第二章知识表示方法

框架的构建与实现
80%
确定框架的结构
根据实际需求和领域知识,确定 框架的槽和属性,以及它们之间 的关系。
100%
填充框架的实例
根据实际数据和信息,为框架的 各个槽和属性填充具体的实例值 。
80%
实现框架的推理
通过逻辑推理和规则匹配,实现 基于框架的知识推理和应用。
框架表示法的应用场景
自然语言处理
模块化
面向对象的知识表示方法可以将 知识划分为独立的模块,方便管 理和维护。
面向对象表示法的优缺点
• 可扩展性:面向对象的知识表示方法可以通过继承和多态实现知识的扩展和复用。
面向对象表示法的优缺点
复杂性
面向对象的知识表示方法需要建立复 杂的类和对象关系,可能导致知识表 示的复杂性增加。
冗余性
面向对象的知识表示方法可能导致知 识表示的冗余,尤其是在处理不相关 或弱相关的事实时。
人工智能第二章知识表示方法

CONTENCT

• 知识表示方法概述 • 逻辑表示法 • 语义网络表示法 • 框架表示法 • 面向对象的知识表示法
01
知识表示方法概述
知识表示的定义
知识表示是人工智能领域中用于描述和表示知识的符号系统。它 是一种将知识编码成计算机可理解的形式,以便进行推理、学习 、解释和利用的过程。
知识表示方法通常包括概念、关系、规则、框架等元素,用于描 述现实世界中的实体、事件和状态。
知识表示的重要性
知识表示是人工智能的核心问题之一,它决定了知 识的可理解性、可利用性和可扩展性。
良好的知识表示方法能够提高知识的精度、可靠性 和一致性,有助于提高人工智能系统的智能水平和 应用效果。
知识表示方法的发展对于推动人工智能技术的进步 和应用领域的拓展具有重要意义。

人工智能 第2章 知识表示

人工智能 第2章 知识表示

2.1.1 知识的概念
按知识的作用范围划分
➢ 常识性知识 ➢ 领域性知识
按知识的确定性划分
➢ 确定知识 ➢ 不确定知识
按知识的作用及表示来划分
➢ 事实性知识 ➢ 规则性知识 ➢ 控制性知识 ➢ 元知识
按人类的思维及认识方法划分
➢ 逻辑性知识 ➢ 形象性知识
2.1.2 知识表示的概念
知识表示就是研究用机器表述上述知识的可行性、有效性的一 般方法,可以看成将知识符号化,即编码成某种数据结构,并输 入到计算机的过程和方法,即:
规则库: 用于描述相应领域内知识的产生式集合。
2. 综合数据库
综合数据库(事实库、上下文、黑板等):用于存放输 入的事实、从外部数据库输入的事实以及中间结果(事 实)和最后结果的工作区。
2.3.2 产生式系统的基本结构
3. 推理机
推理机:用来控制和协调规则库与综合数据库的 运行,包含了推理方式和控制策略。
一阶谓词逻辑表示法的缺点:
效率低
由于推理是根据形式逻辑进行的,把推理演算和知识含义截然分开, 抛弃了表达内容所含的语义信息,往往是推理过程太冗长,降低系统 效率。另外,谓词表示越细,表示越清楚,推理越慢、效率越低。
灵活性差
不便于表达和加入启发性知识和元知识。不便于表达不确定性的指示, 但人类的知识大都具有不确定性和模糊性,这使得它表示知识的范围 受到了限制。
R10:IF 该动物是哺乳动物 AND 是食肉动物 AND 是黄褐色 AND 身上有黑色条纹 THEN 该动物是虎
R11: IF 该动物是有蹄类动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑点 THEN 该动物是长颈鹿
R12:IF 该动物有蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马

第2章 知识表示方法

第2章 知识表示方法

梵塔问题归约图
(111) (333)
(111) (122)
(122) (322)
(322) (333)
(111) (113)
(113) (123)
(123) (122) (322) (321) (321) (331)
(331) (333)
2.3 谓词逻辑法
好的开始是成功的一半, 好的表示方法是成功的一半
第二章 知识表示方法
2.1 2.2 2.3 2.4 2.5 2.6 状态空间法 问题归约法 谓词逻辑法 语义网络法 其他方法 小结
2.1 状态空间法(State Space Representation)
问题求解技术主要是两个方面: –问题的表示 –求解的方法 状态空间法
2.6 小结(Summary)
• 本章所讨论的知识表示问题是人工智能研究的核心问 题之一。 • 知识表示方法很多,本章介绍了其中的7种,有图示法 和公式法,陈述式表示和过程式表示等。
2.6 小结(Summary)
• 知识表示方法间的关系
方法
状态空间法 归约法 谓词逻辑法 语义网络法
初始问题
状态 结点 合适公式 结点
– 状态(state) – 算Biblioteka (operator) – 状态空间方法

2.1.1 问题状态描述
定义 – 状态:描述某类不同事物间的差别而引入的一 组最少变量q0,q1,…,qn的有序集合。 – 算符:使问题从一种状态变化为另一种状态的 手段称为操作符或算符。 – 问题的状态空间:是一个表示该问题全部可能 状态及其关系的图,它包含三种说明的集合, 即三元状态(S,F,G)。
2.1.3 状态空间表示举例

第二章 知识的表示

第二章 知识的表示

动物识别系统
规则1 规则2 规则3 3 规则4 如果 那么 如果 那么 如果 那么 如果 那么 该动物有毛发 它是哺乳动物 该动物能产乳 它是哺乳动物 该动物有羽毛 它是鸟类动物 该动物能飞行 它能生蛋 它是鸟类动物
规则5
如果 那么 如果
规则6
规则7
那么 如果 那么 如果
规则8
该动物是哺乳动物 它吃肉 它是食肉动物 该动物是哺乳动物 它长有爪子 它长有利齿 它眼睛前视 它是食肉动物 该动物是哺乳动物 它长有蹄 它是有蹄动物 该动物是哺乳动物 它反刍 那么 它是有蹄动物,并且是偶蹄动物
3. Set_Down(x) 条件:At(robot,x) ∧Table(x) ∧Holds(robot,box) 动作:删除 Holds(robot,box) 增加 On(box,x) ∧ Empty(robot)
注:在执行动作前先要检查条件是否满足
At(robot,c) Empty(robot) On(box,a) Table(a) Table(b) Goto(x,y)---c/x,a/y At(robot,a) Empty(robot) On(box,a) Table(a) Table(b) Pick_Up(x)---a/x
r1不匹配 r2匹配——该动物是哺乳动物,加入综合数 据库
该动物身上有深色斑点,有长勃子,有长腿, 产乳,有蹄,,加入综合数据库 该动物身上有深色斑点,有长勃子,有长腿, 产乳,有蹄,是哺乳动物,有蹄动物 r11匹配——该动物是长颈鹿
2.3 框架表示法
规则13
如果
规则14
那么 如果
规则15
那么 如果 那么
该动物是鸟类 它不会飞 它有长颈 它有长腿 它的颜色是黑色和白色相杂 它是鸵鸟 该动物是鸟类 它不能飞行 它能游水 它的颜色是黑色和白色 它是企鹅 该动物是鸟类 它善于飞行 它是海燕

人工智能概论课件 第2章 知识表示(导论)

人工智能概论课件 第2章 知识表示(导论)
▪ 谓词名 P:刻画个体的性质、状态或个体间的关系。
(1)个体是常量:一个或者一组指定的个体。
▪ “老张是一个教师”:一元谓词 Teacher (Zhang) ▪ “5>3” :二元谓词 Greater (5, 3) ▪ “Smith作为一个工程师为IBM工作”:
三元谓词 Works (Smith, IBM, engineer)
命题逻辑表示法:无法把它所描述的事物的结构及逻辑特 征反映出来,也不能把不同事物间的共同特征表述出来。
P:老李是小李的父亲
P:李白是诗人 Q:杜甫也是诗人
13
2.2.2 谓词
谓词的一般形式: P (x1, x2,…, xn)
▪ 个体 x1, x2,…, xn :某个独立存在的事物或者某个抽象 的概念;
(3)∧: “合取”(conjunction)——与。
“我喜欢音乐和绘画”: Like (I, music) ∧ Like (I, painting)
16
2.2.3 谓词公式
1. 连接词(连词) (4)→:“蕴含”(implication)或 “条
件”(“如co果nd刘iti华on跑)。得最快,那么他取得冠军。” :
▪ ( x)( y) F(x, y) 表示对于个体域中的任何两个个体x
和y,x与y都是朋友。
20
2.2.3 谓词公式
全称量词和存在量词出现的次序将影响命题的意思。 例如:
▪ ( x)( y)(Employee(x) → Manager(y, x)) :
“每个雇员都有一个经理。”
▪ ( y)( x)(Employee(x) → Manager(y, x)):
30
第2章 知识表示
2.1 知识与知识表示的概念 2.2 一阶谓词逻辑表示法

知识图谱文献综述(第二章知识表示学习)

知识图谱文献综述(第二章知识表示学习)

知识图谱⽂献综述(第⼆章知识表⽰学习)第⼆章知识表⽰学习1. 任务定义、⽬标和研究意义 知识表⽰是知识获取与应⽤的基础,因此知识表⽰学习问题,是贯穿知识库的构建与应⽤全过程的关键问题。

⼈们通常以⽹络的形式组织知识库中的知识,⽹络中每个节点代表实体(⼈名、地名、机构名、概念等),⽽每条连边则代表实体间的关系。

然⽽,基于⽹络形式的知识表⽰⾯临诸多挑战性难题,主要包括如下两个⽅⾯: (1)计算效率问题。

基于⽹络的知识表⽰形式中,每个实体均⽤不同的节点表⽰。

当利⽤知识库计算实体间的语义或推理关系时,往往需要⼈们设计专门的图算法来实现,存在可移植性差的问题。

更重要的,基于图的算法计算复杂度⾼,可扩展性差,当知识库规模达到⼀定规模时,就很难较好地满⾜实时计算的需求。

(2)数据稀疏问题。

与其他类型的⼤规模数据类似,⼤规模知识库也遵守长尾分布,在长尾部分的实体和关系上,⾯临严重的数据稀疏问题。

例如,对于长尾部分的罕见实体,由于只有极少的知识或路径涉及它们,对这些实体的语义或推理关系的计算往往准确率极低。

近年来,以深度学习[Bengio, et al., 2009]为代表的表⽰学习[Bengio, et al., 2013]技术异军突起,在语⾳识别、图像分析和⾃然语⾔处理领域获得⼴泛关注。

表⽰学习旨在将研究对象的语义信息表⽰为稠密低维实值向量。

在该低维向量空间中,两个对象距离越近,则说明其语义相似度越⾼。

知识表⽰学习,则是⾯向知识库中的实体和关系进⾏表⽰学习。

知识表⽰学习实现了对实体和关系的分布式表⽰,它具有以下主要优点:(1)显著提升计算效率。

知识库的三元组表⽰实际就是基于独热表⽰的。

如前所分析的,在这种表⽰⽅式下,需要设计专门的图算法计算实体间的语义和推理关系,计算复杂度⾼,可扩展性差。

⽽表⽰学习得到的分布式表⽰,则能够⾼效地实现语义相似度计算等操作,显著提升计算效率。

(2)有效缓解数据稀疏。

由于表⽰学习将对象投影到统⼀的低维空间中,使每个对象均对应⼀个稠密向量,从⽽有效缓解数据稀疏问题,这主要体现在两个⽅⾯。

第2章知识表示方法

第2章知识表示方法
x,都有P(x)为真
命题( ∀ x)P(x)为假,当且仅当至少存在一个xi
∈D,使得P(xi)为假
∃ :存在量词,意思是“至少有一个”、“存在有”
命题∈D( ∃,x使)P得(x)P为(x真i)为,真当且仅当至少存在一个xi
命题( ∃x)P(x)为假,当且仅当对论域中的所有
x,都有P(x)为假
18:08
18:08
27页
2.4.1 框架的构成
<框架名>
<槽名1>
<侧面11>
<值111>…<值11k1>
一般 结构
<侧面1n1> <值1n11>…<值1n1kn1>
<槽名2>
<侧面12>
<值121>…<值1211>
<侧面1n2> <值1n21>…<值1n21n2>

18:08
28页
2.4.1 框架的构成 表示对象间关系的常用槽名
缺省:教学 姓名: 性别:(男,女) 学历:(中专,大学)
•含有5个槽,槽名分别为:“类属”、“工作”、“性别”、“学历”和 “类别”。槽名后面是其槽值。 •槽值“<知识分子>”又是一个框架名。 •“范围”、“缺省”是槽“工作”的两个不同的侧面,其后是侧面值
18:08
30页
练习一下
例 描述“学生”的框架 框架名:<学生>
z P和Q都可以是一个或一组数学表达式或自然语言
z可表示精确的、不精确的,而谓词公式只能精确的
18:08
17页
2.3.2 产生式表示知识方法
确定性和不确定性规则知识的产生式表示
确定性规则知识: 前面产生式的基本形式表示即可
不确定性规则知识 用如下形式表示 P→Q (可信度)
或者 IF P THEN Q (可信度)
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2014-3-25
5
2.1.1 知识原则

知识原则


“一个系统展示高级的智能理解和行为,主要是因为 拥有应用领域特有的知识:概念、事实、表示、方法、 模型、隐喻和启发式。 ” 智能体有效地求解应用领域的问题主要靠拥有的领域 特有知识 【普通知识(general knowledge)】
The
2014-3-25
7
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛( the thresholds of knowledge ) 1、使能门槛(Well-Formed Threshold)

指知识量超过该门槛时,系统就拥有了为执行任务所需的最低 限度知识; For each task, there is some minimum knowledge needed for one to even formulate it;
Inroom(Robot,R1) 简单的谓词公式
“谓词公式”的一般形式:
P(x1,x2,…,xn),其中, P——谓词符号(简称谓词); Xi(i=1,2,…,n)——参数项(简称项),项可以是常量、 变量或函数; P(x1,x2,…,xn)——n元谓词公式;
“谓词公式Leabharlann 的基本组成: (1)连词

(非)加在谓词公式前面,称为否定,或取反。 (与)连接谓词公式,称为合取; 产生的逻辑语句称为合取式,每个成分成为合取项。
(或)连接谓词公式,称为析取; 产生的逻辑语句称为析取式,每个成分成为析取项。 (蕴涵)连接谓词公式产生蕴涵式; 左部称为前项,右部称为后项。
2014-3-25
P
F T F
P∧Q T F F
P∨Q T T T
P
Q
T T F
P
Q T F F
F
2014-3-25
F
T
F
F
T
T
21
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
2、连词和量词
通过引入连词和量词,可以把原子公式组合为复合谓词公式。 复合谓词公式也称为逻辑语句,谓词演算也称为谓词逻辑。
1)谓词逻辑基本概念
1、谓词公式
Married(father(L1),x)
函数符号
变量符号
函数符号、变量符号——小写字母的形式来表示
2014-3-25
18
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
1、谓词公式 “谓词公式”的一般形式:
P(x1,x2,…,xn),其中, P——谓词符号(简称谓词); Xi(i=1,2,…,n)——参数项(简称项),项可以是常量、变 量或函数; P(x1,x2,…,xn)——n元谓词公式;
2014-3-25
9
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛( the thresholds of knowledge ) 3、全能门槛(The Total Expert Threshold)

达到E,由于知识量的空前增加(丰富),使系统能解决该应用领域 内的几乎所有问题,成为全能专家。 超过E后
性能提高变缓
非线性关系 nonlinearly
2014-3-25
11
2.1.2 知识表示

知识表示在人工智能体的建造中起到关键作用

以适当方式表示知识,才导致智能体展示出智能行 为

知识表示是数据结构及其处理机制的综合

知识表示=符号(结构)+处理机制,其中 恰当的符号(结构)
用于存储要解决的问题、可能的中间解答和最终解

以清晰的符号结构表示解决的问题



正因为系统拥有关于颜色的知识,当接收关于颜色的问题 时,系统才会作出正确回答。 这些符号结构在系统回答关于颜色问题的行为中明显地起 到因果作用;
2014-3-25
14
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
1、谓词公式 例1、表示“机器人(Robot)在1号房间(R1)内”
2014-3-25
13
2.1.2 知识表示

以清晰的符号结构表示了关于颜色的知识



Color(snow,white) Color(grass,green) Color(sky,yellow)

以规则的形式(逆向推理规则)表示“要打印x的颜色, 必须知道x的颜色是y;”

PrintColor(x):-Color(x,y),!,write(“It’s”),write(y). PrintColor(grass)
(1)连词

通过连词产生复合谓词公式(逻辑语句)的例子:
Inroom(Robot,R2)
Isa(Liming,Student) Isa(Wang,Teacher) At(Liming,School) At(Liming,School)
2014-3-25
Lives(Liming,House1) Isa(Wang,Officer) At(Wang,School) At(Wang,School)
只是用于解决问题的知识中的一小部分,能应用于多个
2014-3-25
6
2.1.1 知识原则

系统求解问题的性能和系统拥有知识的关系

知识门槛( the thresholds of knowledge ) 1、使能门槛(Well-Formed Threshold) 2、胜任门槛(The Competent Threshold) 3、全能门槛(The Total Expert Threshold)

2014-3-25
1
2.1 概述

本节主要内容:

2.1.1 知识原则 2.1.2 知识表示
2014-3-25
2
2.1.1 知识原则

教学目的:

了解智能行为取决于系统拥有的应用领域特有知识; 了解系统求解问题的性能与拥有知识量的关系; 掌握知识门槛的意义;

知识原则

D. B. Lenat(里南) and E. A. Feigenbaum(费根鲍姆), "On the thresholds of knowledge," in Proc. IJCAI-10, 1987, pp. 1173-1182.


Before you can apply search or knowledge to solve some problem, you need to already know enough to at least state the problem in a well-formed fashion. 最低限度知识用于为问题确定一个好的表示方案
变量符号
谓词符号
2014-3-25
函数符号
常量符号
16
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
1、谓词公式
Inroom(Robot,R1) Married(father(L1),x)
谓词符号
常量符号
常量符号
谓词符号
常量符号
谓词符号、常量符号——首字母大写的形式来表示
2014-3-25
17
2.2 谓词逻辑表示法
答以及解决问题涉及的知识;

配套的处理机制
仅有符号(结构)不能体现出系统具有知识; 只有对其作适当的处理才构成意义。
2014-3-25
12
2.1.2 知识表示


例1、回答关于颜色的问题,并说明执行该任务的系统应 如何设计才成为专家系统。假定该任务只需说出雪、草地 和天空的颜色。用Prolog语言编写这个系统。 设计方案:
2014-3-25
谓词符号、常量符号、变量符号、函数符号; 用括号和逗号隔开,表示论域内的关系。
15
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
1、谓词公式
用括号和逗号隔开,以表示论域内的关系
Inroom(Robot,R1)
谓词符号
常量符号
常量符号
Married(father(L1),x)
“谓词公式”的基本组成:
谓词符号、常量符号、变量符号、函数符号; 用括号和逗号隔开,表示论域内的关系。
“谓词公式是谓词逻辑的基本单元,也称为原子公式。
2014-3-25 19
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
2、连词和量词
通过引入连词和量词,可以把谓词公式(原子公式)组合为复合谓 词公式。 复合谓词公式也称为逻辑语句。

(等价)连接谓词公式产生等价式;正、逆向蕴涵式的合取。
20
2.2 谓词逻辑表示法
1)谓词逻辑基本概念
2、连词和量词
通过引入连词和量词,可以把原子公式组合为复合谓词公式。 复合谓词公式也称为逻辑语句。
(1)连词
通过连词产生的复合谓词公式(逻辑语句)的真值表:
P T F T Q T T F



Color(snow,white). Color(grass,green). Color(sky,yellow). PrintColor(x):-Color(x,y),!,write(“It’s”),write(y). 问题是:?- PrintColor(grass). 系统回答:It’s green.
第2章 知识表示
如何表示知识是人工智能研究的一个重要议题 知识表示


以形式化方式表示知识; 供计算机自动处理; 2.1 概述 基本的知识表示方式
相关文档
最新文档