知识表示与产生式系统
人工智能中知识的表示法
人工智能中知识的表示法
在人工智能领域，知识的表示是将信息组织成可供计算机理解和处理的形式的过程。
不同的问题和应用需要不同的知识表示方法。
以下是一些常见的知识表示方法：
谓词逻辑：使用谓词和逻辑运算符表示事实和关系。
一阶逻辑和高阶逻辑是常见的形式。
图表示法：使用图结构表示对象和它们之间的关系。
图可以是有向图或无向图，节点表示实体，边表示关系。
框架表示法： 将知识组织成框架或者类似于面向对象编程中的类的结构。
每个框架包含关于实体或概念的属性和关系。
语义网络：与图表示法相似，语义网络使用节点表示概念，边表示关系，但通常具有更丰富的语义。
产生式系统：使用规则的集合，每个规则描述了在特定条件下执行的操作。
用于表示推理和问题解决的过程。
向量表示法： 将实体和概念表示为向量，例如词嵌入（Word Embeddings）用于表示单词，将语义相近的单词映射到相似的向量空间位置。
本体论：使用本体来描述概念、实体和它们之间的关系。
本体是一种形式化的知识表示，用于共享和集成信息。
模型表示法：使用数学模型表示知识，例如概率图模型、
贝叶斯网络等。
这些模型可以用于推理、学习和决策。
神经网络表示法：利用神经网络来学习和表示知识，例如深度学习中的各种神经网络结构。
产生式系统
产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。
人们用这种规则对符号进行置换运算。
1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。
同年，斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。
产生式系统用来描述若干个不同的以一个基本概念为基础的系统。
这个基本概念就是产生式规则或产生式条件和操作对的概念。
在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。
由于这类系统的知识库主要用于存储规则，因此有吧这类系统称为基于规则的系统（rule-based system）。
1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成，即总数据库（Global Database），产生式规则库（Set of Product Rules）和控制策略（Control Strategies），各部分之间的关系如图1所示。
图1.产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等，其中的数据是产生式规矩的处理对象。
数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。
例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。
随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。
1.1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合，其中包含将问题从初始状态转换到目标状态的所有变换规则。
当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活，并把其结论作为新的事实存入总数据库。
常用的知识表示方法
常用的知识表示方法知识表示方法是人工智能中一个非常重要的领域，其主要目的是设计一种计算机程序，使其能够利用已有的知识去推理、学习和解决新问题。
在现代人工智能系统中，有许多常用的知识表示方法，包括逻辑表示、产生式表示、框架表示、语义网络表示、神经网络表示、本体表示等等。
下面将分别对这些知识表示方法展开详细的描述。
1. 逻辑表示逻辑表示是指使用逻辑语句来描述知识的方式。
这种表示方法最早应用于人工智能领域，它使用命题逻辑、谓词逻辑、模态逻辑等形式化逻辑体系来表达知识。
逻辑表示法的优点是表达简单直观，易于推理，而且能够容易地与其它知识表示方法相结合。
该方法的主要缺点是计算复杂度较高，不适用于大规模的知识表示。
2. 产生式表示产生式表示法是一种基于规则的知识表示方法，它通过一系列的规则来描述问题解决过程。
规则通常由条件和结果两部分组成，当条件满足时，就会执行规则，得到相应的输出结果。
产生式表示法的优点是表达简单易懂，适合大规模知识的表示和处理。
该方法的主要缺点是规则的编写和管理比较困难，而且可能出现死循环等问题。
3. 框架表示框架表示法是一种以对象为中心的知识表示方法，它通过描述事物的属性、关系、功能等方面来构建一个框架模型，从而达到表示知识的目的。
框架表示法的优点是具有良好的结构、易于维护和扩展。
该方法的主要缺点是无法处理复杂的关系和不确定性，而且不适用于处理嵌套结构。
4. 语义网络表示语义网络表示法是一种以图形为基础的知识表示方法，它通过节点和边的组合来描述概念、关系和属性等知识。
语义网络表示法的优点是视觉化表达直观，易于理解和调试，适用于复杂的知识系统。
该方法的主要缺点是不适用于大量数据的处理，因为图形结构比较复杂，计算开销较大。
5. 基于案例的表示基于案例的表示法是一种通过描述已有的实例来表达知识的方法，它将具体的案例作为基本单位，通过比较和分析不同案例之间的相似性和差异性来实现知识的表示和推理。
产生式系统——精选推荐
产生式系统产生式系统（production system）由波斯特（Post）于1943年提出的产生式规则（production rule）而得名。
人们用这种规则对符号进行置换运算。
1965年美国的纽厄尔和西蒙利用这个原理建立了一个人类的认知模型。
同年，斯坦福大学利用产生式系统结构设计出第一个专家系统DENDRAL。
产生式系统用来描述若干个不同的以一个基本概念为基础的系统。
这个基本概念就是产生式规则或产生式条件和操作对的概念。
在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和它们之间的关系；用产生式规则表示推理过程和行为。
由于这类系统的知识库主要用于存储规则，因此有吧这类系统称为基于规则的系统（rule-based system）。
1、产生式系统的基本要素1.1产生式系统的组成产生式系统由三部分组成，即总数据库（Global Database），产生式规则库（Set of Product Rules）和控制策略（Control Strategies），各部分之间的关系如图1所示。
图1.产生式系统的主要组成1.1.1总数据库（Global Database）总数据库又称综合数据库、上下文、黑板等，用于存放求解过程中各种当前信息的数据结构，如问题的初始状态、事实或证据、中间推理结论和最后结果等，其中的数据是产生式规矩的处理对象。
数据库中的数据根据应用的问题不同，可以使常量、变量、谓词、表结构、图像等等。
例如，关于动物世界的产生式系统有如下数据库：…(Mammal Dog)(Eat Dog Meat)…从另一个角度，数据库可视为推理过程中间结果的存储池。
随着中间结果的不断加入，是数据库描述的问题状态逐步转变为目标状态。
1.1.2 规则库（Set of Product Rules）产生式规则库是某领域知识用规则形式表示的集合，其中包含将问题从初始状态转换到目标状态的所有变换规则。
当产生式规则中某条规则的前提与数据总库中的事实相匹配时，该规则库就被激活，并把其结论作为新的事实存入总数据库。
知识表示产生式
4. 对于不确定性知识，执行规则时还需按一定算 法来执行结论的不确定性。
5.随时检查结束推理机的条件。
www。themegallery。com
1.4.3 产生式系统的特点 1.4.3.1 优点 1. 自然性 2. 模块性 3. 有效性 4. 清晰性 1.4.3.2 缺点 1.效率不高 2.不能表达具有结构性的知识
节点表示概念、事物、事件、情况等。弧是 有方向的，体现主次，1为主，2为次
节点1
语义关系
节点2
www。themegallery。com
2.2 基本语义关系
实例关系: ISA 体现的是“具体与抽象”的概念。
李刚
ISA
人
分类关系:AKO 亦称泛化关系，体现的是“子类与超类”的概念
(两个抽象概念)
人
AKO
www。themegallery。com
1.2 产生式基本形式
产生式是表示因果之间关系的知识，其基本形式是:
P->Q
或者
IF P THEN Q
P是前提(前件，条件，前提条件) Q产生式的结论，操作亦可称后件
www。themegallery。com
1.3 产生式与逻辑谓词的蕴含式的异同
1.3.1 表示范围不同 蕴含式只能表示精确知识，产生式不仅可以表
例如:书在桌子上
书
Located-on 桌子上
www。themegallery。com
相近关系:指不同事物在形状、内容等方面相似或接 近。常用的相近关系有: Similar-to， Nearto
例如:“猫似虎”
猫
Similar-to
虎
www。themegallery。com
2. 产生式系统
20
1/9/2020
回溯方法特点
1.只存储初始节点到当前节点的路径，占用空间较小。
2. 总的时间复杂性无法定论:
最好情况复杂性很低：当控制系统掌握较多的有关解的 知识时，则回溯次数大为减少，效率高。
(a) 设RD是可应用于D的规则集，任取r ∈RD， r作用 于D得 D’，设为D’= r (D)，则r对D’ 可用(即：设D’ 的可用规则集为RD’，则r∈ RD’ ，即RD RD’ )； （每一条对D可应用的规则，对于对D应用一条可 应用的规则后所产生的状态描述仍是可应用的）
（可应用性）
31
1/9/2020
(b)设D满足目标条件，D的可用规则集为RD，任 取 r∈ RD ，用r作用到D产生状态D’ ，D’满足 目标条件。（如果D满足目标条件，则对D应
用任何一条可应用的规则所产生的状态描述也
满足目标条件） （可满足性）。
32
1/9/2020
（c）设D的可用规则集为RD，任取 r1, r2, …, rn ∈RD，依据（a）将r1, r2, …, rn依次作用到D 及产生的状态上，得状态Dn；设r1’, r2’, …, rn’ 是 r1, r2, …, rn的任意一个排列，用r1’, r2’, …, rn’依次作用到D及产生的状态上，得状态Dn’， 则Dn’= Dn （对D应用一个由可应用于D的规则 所构成的规则序列所产生的状态描述不因序列
9
1/9/2020
三、产生式系统的基本过程
步骤4是不确定的，只要求选出一条可用的规则
R，至于这条规则如何选取，却没有具体说明。
知识表示的方法——逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示
知识表⽰的⽅法——逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰知识表⽰的⽅法知识表⽰⽅法种类繁多，通常有直接表⽰、逻辑表⽰、产⽣式规则表⽰法、语义⽹络表⽰法、框架表⽰法、脚本表⽰⽅法、过程表⽰、混合型知识表⽰⽅法、⾯向对象的表⽰⽅法等。
在本⽂中，着重介绍⽬前使⽤较多的知识表⽰⽅法。
⽬前使⽤较多的知识表⽰⽅法主要有：逻辑表⽰法、产⽣式表⽰法、框架表⽰法、语义⽹络表⽰法、⾯向对象表⽰等等。
2.3.2.1 ⼀阶谓词逻辑表⽰法[45]通过引⼊谓词、函数来对知识加以形式化描述，获得有关的逻辑公式，进⽽以机器内部代码表⽰的⼀种⽅法。
谓词逻辑是⼀种形式语⾔，它与⼈类的⾃然语⾔⽐较接近，是⽬前能够表达⼈类思维活动的⼀种最精确的语⾔，它具有丰富的表达能⼒，因⽽可以表⽰⼤量常识知识。
它具有简单、⾃然、精确、灵活、容易实现等特点。
⼀阶谓词的⼀般形式为 P(x1, x2 (x)n)。
其中，P 是谓词，x1, x2 (x)n是常量、变元或函数。
谓词逻辑适⽤于表⽰事物的状态、属性、概念等事实性的知识，也可以⽤来表⽰事物间关系的知识，即规则。
例如：物体 A 在物体 B 的上⾯，可以表⽰为：On(A,B)；物体 A 是书，可以表⽰为：book(A);书 A 在书 B 上，可以表⽰为：On(book(A),book(B))。
⼀阶谓词逻辑表⽰法的局限性在于它难以表达不确定性知识和启发性知识，推理⽅法在事实较多时易于出现组合爆炸，且推理过程繁杂、效率低。
2.3.2.2 产⽣式表⽰法多数较为简单的专家系统（Expert System）都是以产⽣式表⽰知识，相应的系统被称作产⽣式系统。
产⽣式系统，由知识库和推理机组成。
其中知识库由事实库和规则库组成。
事实库是已知事实的集合，规则库是产⽣式规则的集合。
规则则是产⽣式规则。
规则库蕴涵着将问题从初始状态转换到解状态的那些变换规则，规则库是专家系统的核⼼部分。
规则可以表⽰成与或树的形式，基于事实库中的事实通过与或树求值的过程就是推理。
第四章产生式系统
不确定性推理- 信息的不精确、不完整、模糊性
概念的模糊性
- 模糊推理
IF 西红柿红了 THEN 西红柿熟了， 西红柿非常红
----------------------------------------------西红柿（？）熟
隶属度
矮 1
0 1.6
中等 1.75 1.78
高
修饰量化：
非常高
身高
产生式系统推理机的实现技术
规则的匹配（规则的触发，变量的绑定 – Bounding ）； 规则的选择（规则的选择，冲突解决策略） ； 规则的应用（规则的执行：演绎 – 加入新断言，反应 – 执行规定操作） 规则推理的不确定性（不确定性推理） 规则推理的方向（正向推理 – 数据驱动，逆向推理 – 目标驱动）； 规则应用的解释（解释问题类型：How, Why ）； 记录问题求解过程中规则的应用顺序（输出：解径、解图）； 控制系统运行的终止（正常终止，非正常终止）。
第四章 产生式知识表示及相关专家系统
教材： 第 2、 6-1、 10 章
产生式知识表示及相关专家系统
引 言：
是 AI 的一个重要知识表示形式; 常用于构建基于规则专家系统。
要求：
掌握产生式模式及专家系统体系结构、运行机制及基本
实现技术 - 模式匹配、触发规则、冲突解决策略、正向推 理、逆向推理、不确定推理基本概念等。
1 c
规则可信度： c
r r 1
计算流程：
1、由各规则的可信度 C 与不可信度 1-C 计算规则的可信比例 r； 2、将各规则的可信比例相乘，获多条规则推得的结论的可信比例； 3、再将可信比例转换成最终结论的可信度。
不确定性推理
三、多条规则结论合成的可信度计算： 基于概率论方法 （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、"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、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)。
一、知识表示
1、知识表示的目的知识表示的重要性（为什么要研究知识表示？）
通过知识的有效表示，使人工智能程序能利用这些知识做出决策、制定计划、识别状况、分析事件以及获取结论等。
知识表示不仅是人工智能的重要研究内容，而且已经形成了一个独立的子领域（知识工程）。
2、什么是知识表示？
知识表示是知识的符号化过程
知识表示是选择合适的形式表示知识
知识表示就是将知识编码成一种适当的数据结构
3、知识的概念
4、知识的类型
5、知识表示方法
第一：利用自然语言表示知识可以吗？
困难之处：1）自然语言的二义性；2）不能很好地描述自然语言的语法和语义；3）自然语言的句子结构缺乏一致性
第二：以前用过哪些知识表示方法
1）记录和数据库系统
2）高级程序设计语言提供的数据结构：整数、实数、字符、数组、记录、指针等。
每一种语言都有自己的语法规则。
第三：如何衡量知识表示方法的优劣？
二、产生式表示法与产生式系统
（一）实验内容和目的
1. 熟悉和掌握产生式系统的运行机制；
2. 掌握基于产生式系统的正向推理的基本方法。
3. 系统可以识别老虎、金钱豹、斑马、长颈鹿、企鹅、信天翁这6种
动物。
其规则库包含15条规则
（二）实验要求
1. 能根据输入的动物特征判断是那种动物或给出相应的回答，如果根据
初始输入的动物特征不能判断，则可以动态由用户增加新动物特征来
判断属于那种动物---第一种方法
2. 能根据输入的动物特征判断是那种动物或给出相应的回答，如果根据
初始输入的动物特征不能判断，则可以向用户提示所要识别的动物是
否具有某种特征，然后根据用户的回答继续判断属于哪种动物----第二
种方法
3. 使用C++,VC6.0编程
（三）界面要求
1、提示用户可以识别的动物以及可以输入的动物特征
2、如果有没有使用的规则，则提示用户输入新动物特征（两种方法）
3、显示最后判断出的动物名称或者本系统不能识别这种动物
4、显示解决问题的路径（规则序列）
5、界面美观实用
（四）算法设计
1、如何实现规则库和综合数据库的建立
2、正向推理过程中如何实现规则的匹配、规则的选择（冲突解决策略），
即控制系统的具体实现方法（P39）要求采用两种以上的冲突解决策
略。
（五）实验设计与结果分析
1、设计实验，分析所采用的冲突解决策略的优缺点（根据解决问题的路
径分析、综合分析）
2、设计实验，比较实验要求中，新输入动物特征的两种实现方方法的异
同。
（六）系统改进方案设计
1、能否使系统具有动态增加新规则的功能,使其更符合实际情况
2、其它
（七）实验报告内容与要求
1、介绍算法设计思想（包括第四部分的内容）
2、关键代码说明
3、实验设计与结果分析（包括第五部分的内容）
4、分析界面的优缺点
规则排序、就近排序。