第三章3 知识表示-结构化表示_r
Giving-Events Isa
G1
Giver Receiver Thing
John
Isa Isa
Mary
Gift
Isa Physical-Things
Persons
4 语义网络中的连词与量词的表示
•
方法一：将语义网络节点中出现的变量视为隐含地受全称量
词的约束，而所有存在量词约束的变量都用SkÖlem函数或
事例框架
框架名：〈教师-1〉 姓名：李红 年龄：25 性别：女 职称：讲师 部门：计算机系 住址：<addr-1> 工资：<sal-1>
2、 框架系统
框架联合起来构成 框架系统 较常用的框架系统有以下二类： •事物组成 •分类体系
（1） 事物组成
这类框架系统主要用于描述复杂事物的层次组成
例如：一个复杂的机械设备可以层次地分解为组件和部件
5 逻辑关系的表示
事物之间不仅存在可以直接用关系弧表示的语义关 系，也存在与、或、非、蕴涵等逻辑关系
用虚线框将具有某种逻辑关系的关系弧围起来
1） 逻辑"与"
语义网络中由关系弧指示的二元关系之间具有隐含的逻
辑"与"关系，所以不必作附加处理。
2） 逻辑“或”
标记DIS（disjunction） 下面语义网络给出了相当于复合谓词公式 "Color(Book-1,Blue)∨ Color(Book-1,Green)"的表示。
计算函数或推理知识去作必要的后继处理，包括对其它相关
槽的赋值和修改处理，以及任何需要的附加处理
特性继承实现过程：由对个体框架槽的操作来激活。 • 若查询一个体的某属性，且描述该个体的框架未提 供属性值，则沿ISA和AKO，追溯到超类。若提供 value侧面值，则继承；否则，执行If-Needed操作 • 若对一个体的某属性进行了赋值或修改工作，则执
表示能力与推理效率之间的制约关系
1. 程序性和陈述性知识
• 程序性知识——隐含于使用它的计算机程序中
• 陈述性知识——独立于应用它的程序而清晰地存储
特点：能清晰地存储于独立定义的符号结构中
在人工智能系统（智能体）中，陈述性知识常以相互独
7 语义网络系统中求解问题的基本过程
由两部分组成：语义网络的知识库和语义网络的推理机 问题的求解是通过匹配实现的，主要过程如下：
（1）根据问题的要求，构造一个语义网络片段，其中有些节点或弧 的标识是空的，反映待求解的问题 （2）根据此网络片段到知识库中去寻找可匹配的网络，以找到所需 要的信息。 （3）当问题的语义网络片段与知识库中的某语义网络片段匹配时，
知识表示方法-结构化表示
本节内容
• • • • 语义网络表示法 框架表示法 面向对象表示法 知识表示的实用化问题
一 语义网络
最早由奎廉（J.R.Quillian）于1968年提出，作为描述 人类联想记忆的一种心理学模型。 记忆是由概念间的联系实现的 显式的心理学模型（博士论文） 1972年，西蒙在自然语言理解系统中采用 1975年，Hendrix利用语义网络分区技术来表示全称量 词
小鸟 小鸟 小鸟
have
can
翅膀 飞 比较小
is
3）其他关系
• 包含关系（Part-of）
• 时间关系(before,after)
• 位置关系(location-on)
• 相似关系(similar-to)
练习
• • • • 汽车包含车轮、发动机 入学在毕业之前 南农大在卫岗1号 中国是联合国的一员
语义网络可以支持逻辑推理，但不如直接用谓词逻辑 和产生式表示法来得直观和有效
综合应用不同的表示方式；以语义网络支持结构化信
息的存取，而谓词逻辑或产生式表示法则用于支持逻辑推 理
二 框架表示法
是一种关于事物内部结构化描述的表示法
1975年，Minsky在MIT人工智能实验室时发表论文题为：
“A Framework for Representing Knowledge” 提出了所谓的框架理论，作为理解视觉、自然语言对话 和其他复杂问题的方法 框架表示法可以较好地反映人观察事物的思维方式，即人 对自己熟悉的事物早在头脑中形成了抽象模型
John给Mary一本书或Mary给John一件礼物
5） 逻辑“蕴涵”
标签ANTE(antecedent)的虚线框围住描述蕴涵前项的关系弧;以加标 签CONSE(consequent) 的虚线框围住描述蕴涵后项的关系弧；然后再用 一条虚线将这两个虚线框连接起来，以表示它们属于同一个蕴涵关系 例如，语句"李明的父亲给李明的每个朋友一个礼物“ （x）（y）(z) (u) [Isa (y, friend-Events) ∧ subject(y, Liming) ∧ friend(y, x) => Isa(z,Giving-Event)∧ Giver(z, Father(Liming)) ∧ Receiver(z,x) ∧ Thing(z, u)]
6、 语义网络的存储表示
存储表示方式可以分为二类：节点集，节点集加关系弧集
语义网络中的节点可表示为具有若干槽（slot）的数 据结构，以巴科斯范式BNF定义如下：
<节点> :=（Node <节点名> {<槽名>：<槽内容>}+)
其中槽就取名为关系弧的标签，槽内容即语义网络中关系弧 指向的节点 （Node G1 Isa: Giving-Event Giver: John Receiver: Mary Thing: Gift）
• 相容匹配
（1） 特性继承
由于框架的槽包含多个侧面，框架系统可以提供功能
强大的特性继承技术
三个侧面：Value、If-Needed和If-Added可以提供缺
省的推理功能
• Value-- 记载类的个体相应属性的公共值或典型值，作为缺
省值 • If-Needed-- 在不可能提供统一缺省值的情况下，提供计算 函数或推理知识去产生相应属性的一个值 • If-Added--当给类的某个体的一个属性赋值或修改时，提供
Giving-Events Isa f(x) Giver Receiver Thing
John
Isa Isa
x
g(x)
Isa
Persons
Physical-Things
• 方法二：显示全称量词及其辖域。该辖域在语义网络中形成一 个子网，用于提供一般性描述的内容称为构架（Form）。令节 点GS指示所有一般性描述的集合，则每个一般性描述就是GS的 一个实例 从实例节点（例如G）引出二种关系弧： • 带标签Form的弧指向相应于全称量词辖域的子网（以虚线 围出） • 带标签的弧指向全称量词的约束变量
它变量都隐含受存在量词的约束（不必SkÖlem化）
涉及2个全称量词约束变量的语义网络
Events
Dog Isa x Assailant GS Isa G Z Bite Isa Victim Postman Isa y
form
Every dog has bitten every postman
省值都取到，把属性区分为关键和非关键二类，只有关键属性
都匹配的二个框架才是相容的
• 若一个框架能搜索到多个相容的框架，则可进一步依据非
关键属性的匹配程度（个数）挑选出最相容的匹配框架。
三 面向对象的表示法
四 知识表示的实用化问题
从实用化的角度，知识表示的设计需权衡处 理二个重要问题：
•
•
知识表示的程序性和陈述性
每个部件和组件以及整个设备均可用一个框架加以描述 另外关于设备和组件的概念中，还可表示组件间的约束和配 合关系
（2） 层次分类体系
框架可以具有丰富的内部结构，能更有效地表示分 类体系和支持结构化信息存取
3、 基于框架系统的推理
设计框架系统的主要目的是支持结构化信息的存取，并由 此支持问题求解系统应用从框架系统取到的信息（知识）去进 行推理 支持结构化信息存取的二个主要技术： • 特性继承
3） 逻辑“非”
标签NEG(negtive) 下面的语义网络就给出了相当于复合谓词公式 "[Own(Liming,Book-1)∧Color(Book-1,Blue)]"的表示
4） 嵌套在“或”关系内的“与”关系
下面的语义网络描述的是两个事件的“或”关系；
标记CONJ(conjunction)的虚线框围起来
ISA
教育?
Major
?
8、 基于语义网络的推理
主要推理方式是以关系弧作为索引，快速地在网络中搜索
到所需的信息 支持搜索的最重要技术是层次分类和特性继承
（1） 层次分类
世界万物都遵从层次分类法则
设置层次分类网络的显著优点是可以分别存储个体事物 的共性，进而大幅度提高信息的存储效率
（2） 特性继承 （3）逻辑推理
<框架名> 槽名A：
侧面名A1
值A11，值A12…
侧面名A2
槽名B： 侧面名B1 约束条件： 约束条件1 约束条件2 约束条件3
值A21，值A22…
值B11，值B12…
框架名：<假冒商品> 商品名称： 生产厂家： 出售商店： 处罚：处罚方式：
处罚依据：
处罚时间：单位（年、月、日）
经办部门：
框架名：〈教师〉 姓名：（姓、名） 年龄：（岁） 性别：（男、女） 职称： 部门： 住址：〈住址框架〉 工资：〈工资框架〉
1 语义网络的一般概念
• 语义网络可以表示为描述事物间关系的有向图
• 基本的语义基元是一个三元组（节点1，语义关系，节点2）
图中节点指示实体：各种事物、概念、情况、属性、动作、 事件等 • 节点间以有向弧连接，而弧上的标签则指示节点间关系 带标签的有向弧也称为关系弧
知识图谱技术原理介绍
知识图谱技术原理介绍知识图谱是一种用于描述和组织知识的图形化模型，它能够帮助机器理解人类语言和语义，从而实现更智能的信息处理和应用。
知识图谱技术的原理主要包括数据抽取、知识表示、知识融合和推理推断等几个方面。
首先，数据抽取是知识图谱技术的基础，它通过自然语言处理、信息抽取和实体识别等技术手段，从结构化和非结构化数据中提取出实体、关系和属性等知识元素。
这些知识元素可以来自于各种文本、图像、音频和视频等多媒体数据，经过抽取和清洗之后，构成了知识图谱的基本数据。
其次，知识表示是将抽取出来的知识元素进行结构化表示和编码的过程。
在知识图谱中，通常采用图的方式来表示知识，其中实体作为节点，关系和属性作为边，构成了一个复杂的图结构。
这种表示方式能够清晰地展现出知识元素之间的关联和层次关系，为后续的知识融合和推理推断提供了基础。
知识融合是指将来自不同数据源和不同领域的知识进行整合和融合，以构建一个更加完整和一致的知识图谱。
在知识融合过程中，需要解决实体对齐、关系对齐和知识冲突等问题，以确保融合后的知识图谱具有良好的一致性和准确性。
同时，知识融合还可以通过补充和丰富知识图谱，提高其覆盖范围和知识密度。
最后，推理推断是知识图谱技术的重要应用，它通过逻辑推理、概率推断和机器学习等方法，从知识图谱中挖掘出隐藏的知识和规律。
基于知识图谱的推理推断能够支持智能问答、智能推荐、智能搜索等应用，为人机交互和智能决策提供强大的支持。
总的来说，知识图谱技术的原理包括数据抽取、知识表示、知识融合和推理推断等几个方面，它为机器理解和利用知识提供了重要的技术支持，对于推动人工智能和智能化应用具有重要的意义。
随着技术的不断进步和应用场景的不断丰富，知识图谱技术将在各个领域发挥越来越重要的作用。
第3章 知识与知识表示
定义表示动作的谓词
GOTO(x,y) AT(robot, x) -AT(robot, x) +AT(robot, y) PICK-UP(x) ON(box, x) ∧TABLE(x) ∧AT(robot, x) ∧EMPTY(robot) -EMPTY(robot) ∧ON(box, x) +HOLDS(robot, box) SET-DOWN(x) AT(robot, x) ∧TABLE(x) ∧HOLDS(robot, box) -HOLDS(robot, box) +EMPTY(robot) ∧ON(box, x)
一阶谓词逻辑表示法
• 谓词公式（定义） 可按下述规则得到谓词演算的合式公式： （1）单个谓词是合式公式，成为原子谓词公式； （2）若A是合式公式，则┐A也是合式公式； （3）若A,B是合式公式，则A∧B, A∨B, A→B, A↔B也都是合式公式； （4）若A是合式公式，x是任一个体变元，则 (∀x)A和(∃x)A也都是合式公式。
TABLE(a) TABLE(b)
GOTO(x,y)
AT(robot, b) HOLDS(robot, box)
TABLE(a) TABLE(b)
SET-DOWN(x)
AT(robot, b) EMPTY(robot)
ON(box, b) TABLE(a) TABLE(b)
GOTO(x, y)
AT(robot, c) EMPTY(robot)
• 在谓词中，如果每个个体都是常量，变 元或者函数，则称为一阶谓词。如果变 元本身又是一阶谓词，则称为二阶谓 词。…
搭建知识的结构化表示
搭建知识的结构化表示知识的结构化表示是一种将复杂的知识和信息整理、组织和呈现的方法，它可以帮助人们更好地理解和应用所学内容。
通过合理的结构和清晰的表达，知识的结构化表示能够提供更高效、更准确的学习和交流方式。
以下是对知识结构化表示的一些探讨。
一、什么是知识的结构化表示1.1 知识的定义知识是人类对事物的理解、认识和经验的总结和提炼，是人们对客观世界的认知和抽象的产物。
1.2 知识结构化的意义知识结构化是将知识按照一定的规则和方式进行组织、归纳和分类，以便更好地理解、应用和传播知识。
二、知识的结构化表示方法2.1 分类法分类法是将知识按照某种标准进行划分和分类，以便更好地组织和管理知识。
常见的分类方法有层次分类、树状分类等。
2.2 概念图概念图是一种用图形表示知识关系的方法，通过节点和边表示概念和概念之间的关系，可以清晰地展现知识的结构和层次。
2.3 本体论本体论是一种通过定义概念、属性和关系等元素，以及它们之间的约束和规则，来描述和表示知识的方法。
本体论可以使知识更加清晰和准确。
三、知识的结构化表示的应用3.1 教育领域知识的结构化表示可以帮助教师和学生更好地理解和掌握知识，提高教学效果和学习效果。
3.2 信息检索知识的结构化表示可以提高信息检索的准确性和效率，帮助用户更快地找到所需的信息。
3.3 专业领域在专业领域中，知识的结构化表示可以帮助专业人士更好地组织和传播知识，提高工作效率和专业水平。
四、知识的结构化表示的挑战和展望4.1 挑战知识的结构化表示需要考虑多种因素，如知识的复杂性、知识的动态性和知识的多样性等，因此在实践中会面临各种挑战。
4.2 展望随着人工智能和大数据技术的发展，知识的结构化表示将越来越重要。
未来，可以预见的是，知识的结构化表示将更加智能化、自动化和个性化。
通过以上的探讨，我们可以看到知识的结构化表示在各个领域都具有重要的意义和应用价值。
它不仅可以帮助人们更好地理解和应用知识，还可以提高学习和工作的效率。
人工智能_3知识表示_语义网络法
▪ 这个三元关系可转换成一组二元关系的合取，
即CAT(a,b)∧CAT(b,c)∧CAT(c,a)
▪ 其中，CAT表示串行连接。
2020/2/25
12
▪ 要在语义网络中进行这种转换需要引入附 加节点。对于上述球赛，我们可以建立一 个G25节点来表示这场特定的球赛。然后， 把有关球赛的信息和这场球赛联系起来。 这样的过程如图2.16所示。
▪ 1.表示简单的事实 例1. 所有的燕子都是鸟
2020/2/25
6
▪ 2.表示占有关系 例2. 小燕是一只燕子， 燕子是鸟；巢-1是小燕的巢，巢-1是巢中的 一个。
ISA
ISA
XIAOYAN
SWALLOW
BIRD
OWNS
ISA NEST-1
NEST
2020/2/25
7
▪ 3.选择语义基元 选择语义基元就是试图用一组基元来
2020/2/25
13
图2.16 多元关系的语义网络表示
2020/2/25
14
2.4.3 语义网络系统中求解问题的基本过程 语义网络系统由两部分组成：由语义网络组成的知 识库； 用于求解问题的解释程序，称为语义网 络推理机。 在语义网络中，问题的求解一般是通过匹配实现的， 主要过程为：
(1) 根据求解问题的要求构造一个网络片断，其中 有些节点或弧的标识是空的，反映待求解的问题。
(2) 依此网络片断到知识库中去寻找可匹配的网络， 以找出所需要的信息。当然这种匹配一般是不完全 的，具有不确定性，因此需要解决不确定性匹配问 题。
(3) 当问题的语义网络片断与知识库中的某些语义 网络片断匹配时，则与询问处匹配的就是问题的解。
教育心理学第三章重点知识归纳
第三章中学生的学习第一节学习的本质一、什么是学习（一）广义的学习广义的学习指人和动物在生活中获得个体经验并由经验引起相对相对持久的心理和行为变化的过程。
（二）狭义的学习狭义的学习是指人类的学习，即人在实践活动中，以语言为工具，积极主动地获得社会社会及个体经验的过程。
它包括三层含义：第一，人类除了能够以直接的方式获取经验外，还能通过社会交往等形式获取大量的间接经验。
第二，人类学习是以语言为中介的，语言、文字是人类经验的载体。
第三，动物的学习是为了适应环境，是被动的，而人类的学习是积极主动地适应和改造环境，并求得生存和发展的过程。
（三）学生的学习学生的学习是在学校，由教师指导，以掌握间接经验为主的一种有目的、有计划地获得知识，形成技能，发展智力、体力，形成品德的过程。
学生的学习的特点有：1.学生的学习是在教室指导下展开的。
2.学生的学习以掌握间接经验为主。
3.学生的学习是为了促进全面发展。
4.学生的学习是为未来的实践做准备的。
二、学习的种类（一）依学习水平划分1970年，加涅根据学习情境由简单到复杂、学习水平由低级到高级的顺序，把学习分成八个层次水平，这八类学习分别是：1.信号学习。
2.刺激——反应学习。
3.系列学习。
4.言语联想学习。
5.辨别学习。
6.概念学习。
7.原理学习。
8.解决问题学习。
(二)依学习内容和方式划分奥苏伯尔根据学习材料与学习者原有知识结构的关系，将学习分为意义学习与机械学习，有根据学习的方式将学习分为接受学习与发现学习。
（一）依学习内容和结果互分我国心理学家主张把学习分为知识的学习、技能的学习和品德的学习。
知识的学习最终解决的是认识问题，即知与不知、知之深浅的问题。
技能学习最终要解决的是会不会做的问题。
三、学习理论（一）刺激-反应理论刺激-反应理论是由桑代克（教育心理学的创始人）创立的。
猫的迷笼实验桑代克认为，学习的过程在于形成一定的联结。
他用S和R表示刺激和反应，从而得出结论：S-R。
第三章1 知识表示1_r
№4
1 知识的定义 知识是人们在改造客观世界的过程中积累起来 的经验及其总结升华的产物 Feigenbaum: 知识是经过消减、塑造、解释和转换的信息 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
从知识库的观点看，知识是某领域中所涉及的各有关方 面的一种符号表示
№ 10
若知识全由推理规则表示，达到C级，只需50-1000 条规则 60年代和70年代初，许多学者致力于搜索与推理方 法的研究 80年代出现众多的专家系统 系统的能力主要由知识库中包含的领域特有的知识来 决定
二
知识表示的作用
№ 11
知识表示就是研究用机器表示知识的 可行性、有效性的一般方法 可以看作是将知识符号化并输入到计算机的过 程和方法
知识和知识表示
知识与知识表示
№2
知识：是什么？
如何表示？
知识
数据——一般指单独的事实，是信息的载体，只有在
№3
一定的上下文中，数据项才有意义，如数字10
信息——由符号组成，并赋予了一定的意义，如10度 知识——也由符号组成，但还包括符号之间的关系以
及处理这些符号的规则
知识是随着时间的变化而动态变化的，新的知识可以 根据规则和已有的知识推导出来。 可以认为，知识是经过加工的信息，包括事实、信念和 启发式规则
五 基本的知识表示方式
№ 18
常见的知识表示方式可以归纳为三类： 一阶谓词逻辑、产生式表示、结构化表示
1 一阶谓词逻辑 2 产生式表示
应用产生式表示的系统（称为产生式系统） 由规则库、综合数据库和控制子系统三个部分 组成
№ 19
规则库是称为产生式的规则集合
网络课程中的知识结构化表示方法
网络课程中的知识结构化表示方法随着计算机、人工智能及相关技术的飞速发展，“知识表示”(Knowledge Representation)的研究已经将来自于哲学和逻辑学的传统知识表达方式发展为可以在机器中体现智能的多种知识表示方法，人们也从计算机的角度重新认识了“知识”所表达的意义。
同时，在教育学的领域，网络化教育和E-learning得到了飞速的发展，知识的载体也由书本逐渐转变为计算机和网络，包括文字、图片、图像、多媒体等多种表达方式。
目前，网络化教育发展最迅速，应用最广泛的就是网络课程建设。
因此，开展有关网络课程的知识表示显得尤为重要。
现在科学界对知识表示的研究已延伸至多个领域，对概念(Concepts)进行定义、分层和分类的Canon[1]和本体论(Ontology)[2][3]方法，与概念图[4]的结合对概念层次上的知识进行了比较完善的分析。
智能辅助教学ICAI[5]的提出和发展为教学的智能化提供了一个很好的平台。
ICAI融合了专家系统、认知心理学、人工智能、数据挖掘等相关的技术。
高质量的ICAI系统的关键技术是如何组织知识、表达知识和运用知识，知识的表达方法是ICAI的核心和基础。
本文针对网络课程建设的任务和目标，提出了一种新的结构化的知识表示方法，以提高人对知识的学习和运用效率为目的，并可以以计算机为工具来实现。
1知识表示的理论基础从60年代认知学说的提出，到近代认知心理学与信息论、计算机科学和人工智能的结合而产生出的认知科学，已逐步成为目前被普遍接受的学习理论。
认知科学认为，对每个人来说，他的大脑中都有一个属于自己的个人知识体系，并通过学习、交流、探索在不断地丰富和发展这个知识体系。
这个知识体系通常不是完备的，也不是完全正确的，它包含的是自己对世界的认知。
这些知识是怎样保存在大脑中又是怎样浮现出来的呐？按照建构主义的思想，被人类学习了并理解了的知识并不是孤立地、文本式地存在于脑中，而是组成了具有个人特色个人知识体系，是结构化地存储着的；在进行思维的时候，也并不是孤立地对一个知识点进行思考，而是一种联系思维。
第3章知识表示
2. 一致性。不能相互产生矛盾，因此，所采用的知识必须便 于系统进行一致性检查，以便在使用中不断完善知识库。
3. 正确性。知识表示必须能真实地反映出知识的实际内涵， 不允许出现偏差，以保证系统得出正确的结论和合理的建 议。
2020/4/10
Expert Systems and Application
识称为元知识。高级知识对低级知识有指导意义。
2020/4/10
Expert Systems and Application
10
3.2 知识表示方法
3.2.1 知识表示
知识表示就是知识符号化和形式化的过程。对于同 一种知识可以采用不同的表示方法。
3.2.2 知识表示具备的特性 1. 完备性。具有表达领域问题相关的各种知识的能力，分为
人类的智能活动主要是一个获得知识并运用知识的过 程，知识是智能的基础，知识也是专家系统最重要的基础。
2020/4/10
Expert Systems and Application
7
3.1 知识表示概述
为了使专家系统具有人类专家的智能，使它能够模拟 人类专家的智能行为，就必须使专家系统具有知识。因此， 需要把人类专家拥有的知识采用适当的模式表示出来，才 能存储到专家系统的知识库中，这就是知识表示要解决的 问题。
“如果天很阴而且有闪电，则天要下雨”。
根据上述定义，可以分析数据、信息、知识三者的区别。
2020/4/10
Expert Systems and Application
4
3.1 知识表示概述
知识的定义虽然有
范围
不同形式，但都可以 一般
由F.Hayes-Routh提出
的三维空间来描述，
(参考资料)人工智能导论(本科生) 复习大纲 -参考答案
目录绪论 (1)搜索技术 (1)遗传算法 (8)谓词逻辑 (8)结构化知识表示 (12)绪论1、什么是人工智能？答：人工智能又称机器智能，是用计算机模拟或实现的智能；(人工智能是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学)2、什么是符号智能与计算智能？并举例说明。
答：符号智能是模拟闹智能的人工智能，是以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。
如搜索技术、专家系统、定理证明等；计算智能是模拟群智能的人工智能，以数值数据为基础，主要通过数值计算，运用算法进行问题求解。
搜索技术1.状态图是由什么组成的？答：状态图是由节点与有向边组成；2.简述图搜索的方式和策略。
答：搜索方式：线式搜索和树式搜索；搜索策略：盲目搜索和启发式搜索；3.阐述图搜索策略中OPEN表与CLOSED表的作用。
答：OPEN表用来保存当前待考察的节点，并按照某种排列，来控制搜索的方向和顺序；CLOSED表用来记录搜索过程中已考察过的节点，保存全局搜索信息，并可根据节点返回指针得到搜索解路径。
4.简述广度优先策略与深度优先策略的不同点。
答：广度优先搜索是始终在同一级节点中考查，当同一级节点考查完毕，才考查下一级节点。
因此，是自顶向下一层一层逐渐搜索的，属于横向搜索策略，其搜索是完备的，得到的解为最优解；深度优先搜索是在搜索树的每一层始终只扩展一个子节点，不断向纵深前进，直到不能再前进时，才从当前节点返回到上一级节点，沿另一方向又继续前进。
因此，是从树根开始一枝一枝逐渐搜索的，属于纵向搜索策略，其搜索是不完备的，得到的解不一定为最优解。
5.什么是启发式搜索？并以八数码难题为例，说明其原理。
答：启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的。
对于八数码难题，可以利用不在位将牌数或者与目标距离信息来作为启发函数，可以加快搜索目标的步数。
6.简述启发函数的单调性判别。
知识表示
（关系，对象1，对象2）
事实“老李年龄是45岁。”可以表示为： (Li，Age，45)
事实“老李、老张是朋友。”可以表示为：
(Friend，Li，Zhang)
不确定性事实知识的表示。一般使用四元组表示：
（对象，属性，值，可信度）
或者 例如：
（关系，对象1，对象2，可信度）
事实“老李年龄很可能是45岁。”可以表示为：
COMPUTER(x)：x是计算机系的学生
LIKE(x，y)：x喜欢y HIGHER(x，y)：x比y长得高
定义个体：张晓辉(zhangxh)，编程序(programming)，李 晓鹏(1ixp)，函数father(lixp)表示李晓鹏的父亲。 第二步：将个体代入谓词中： COMPUTER(zhangxh)，～LIKE(zhangxh，programming)， HIGHER(lixp，father(lixp))
IF 土壤肥力等级=“高” THEN {目标产量=130;};
IF 土壤肥力等级=“中” THEN {目标产量=90;}; IF 土壤肥力等级=“低” THEN {目标产量=65;}; }
3.产生式系统的组成
推理机
规则库
综合数据库
图3.1 产生式系统的基本结构
4.产生式表示法的特点
清晰性：格式固定、形式简单。 模块性： 知识单元（规则）独立，知识库与 推理机分离，知识库维护方便。
定义谓词及个体，确定每个谓词及个体的确 切含义。
根据所要表达的事物或概念，为谓词中的变
元赋值。
根据所要表达的指示的语义，用连接符连接
谓词，形成谓词公式
3. 举例
例3.1 设有下列事实性知识：