人工智能重点
人工智能常识知识点总结
人工智能常识知识点总结人工智能（Artificial Intelligence，AI）是一门涉及多个学科的交叉学科，其主要研究如何让计算机能够像人类一样思考、学习、推理、决策、交流等，从而完成一些复杂的任务。
以下是一些人工智能常识知识点总结：1.人工智能的定义：人工智能是一门模拟人类智能的学科，其目标是让计算机能够具备人类的智能水平，包括感知、学习、推理、决策、交流等方面的能力。
2.人工智能的分类：根据智能水平的高低，人工智能可以分为弱人工智能和强人工智能。
弱人工智能指的是能够完成特定任务的智能系统，而强人工智能则指的是能够像人类一样思考、学习、推理、决策、交流的智能系统。
3.人工智能的应用领域：人工智能的应用领域非常广泛，包括但不限于机器人、智能家居、自动驾驶、医疗诊断、金融风控等。
4.人工智能的技术体系：人工智能的技术体系包括机器学习、深度学习、自然语言处理、计算机视觉等技术。
其中，机器学习是人工智能的核心技术之一，它通过分析大量数据并自动发现规律和模式，让计算机能够自主地进行决策和预测。
深度学习是机器学习的一种，它利用神经网络模型来模拟人类神经系统的结构和功能，以实现更加精准和高效的学习和推断。
自然语言处理是让计算机能够理解和处理人类语言的能力，包括文本分析、机器翻译、语音识别等技术。
计算机视觉是让计算机能够像人类一样感知和理解图像和视频的能力，包括图像识别、目标检测、人脸识别等技术。
5.人工智能的发展趋势：随着技术的不断进步和应用场景的不断扩展，人工智能的发展趋势也越来越明显。
未来，人工智能将会与物联网、云计算、大数据等新技术相结合，实现更加智能化和自主化的应用和服务。
同时，人工智能也将会与各个行业相结合，推动各个行业的数字化转型和创新发展。
6.人工智能的挑战和问题：虽然人工智能的应用前景非常广阔，但同时也面临着一些挑战和问题。
其中包括技术层面的问题，如算法的透明度和公正性、数据的质量和完整性等；也包括社会层面的问题，如就业市场的变化、隐私保护等问题。
人工智能发展中需要特别关注的12个要点
人工智能发展中需要特别关注的12个要点人工智能（Artificial Intelligence, AI）是当今科技领域最炙手可热的话题之一。
随着技术的不断进步和应用的广泛开展，人工智能已经深刻地改变了我们的生活方式和社会发展。
然而，人工智能的发展也面临着一些挑战和问题。
下面将重点列出12个需要特别关注的人工智能发展要点：1. 伦理问题：人工智能的发展给伦理道德带来了新的挑战，例如自动驾驶汽车在道德决策上的困境。
2. 安全性与隐私：人工智能技术与数据的广泛应用，使得个人隐私受到更多的威胁，如何平衡技术发展和个人隐私保护是一个重要的议题。
3. 就业与失业：人工智能智能替代了一些传统工作，给就业市场带来了一定的冲击和转变，在此情况下如何解决就业问题是一个严峻的挑战。
4. 算法不公平：人工智能系统的训练数据和算法设计中可能存在偏见，导致不公平的结果出现，如何消除算法不公平性是一个重要课题。
5. 透明度与可解释性：人工智能模型往往非常复杂和黑箱化，难以解释其决策过程，增加了用户的不信任感，可解释性是一个重要发展方向。
6. 人工智能伦理与法律的结合：人工智能伦理与法律的结合是人工智能发展的必然趋势，如何制定和贯彻科技伦理和法律框架是一个重要课题。
7. 人类与人工智能的协作：人工智能技术能够为人类提供更好的辅助和决策支持，如何实现人类与人工智能的良好协作是一个重要课题。
8. 人工智能教育与人才培养：人工智能发展对于人才的需求极大，如何培养具备人工智能领域专业知识和技能的人才是一个迫切的任务。
9. 异常值与误识别：人工智能系统可能会误判一些异常情况，导致不良后果，如何提高人工智能系统的鲁棒性和准确性是一个关键问题。
10. 数据隐私与数据公平：人工智能技术需要大量数据支持，如何保护用户的个人隐私和数据权益是一个重要课题。
11. 可持续发展与社会责任：人工智能发展需要考虑其对环境和社会的影响，如何推动人工智能的可持续发展和社会责任是一个重要议题。
人工智能技术的发展方向和重点领域
人工智能技术的发展方向和重点领域近年来，人工智能（Artificial Intelligence，简称AI）技术以其强大的计算能力和智能化的决策能力，在各个领域中取得了突破性的进展和创新。
AI为我们提供了更高效、更便捷的解决方案，并正逐渐渗透到我们的日常生活中。
然而，随着人工智能技术的飞速发展，我们需要关注其未来的方向和在哪些领域发挥最大的作用。
本文将探讨人工智能技术的发展方向和重点领域。
一、人工智能技术的发展方向随着现代社会的发展和数字化时代的到来，人工智能技术正朝着更广阔的应用方向发展。
首先，强化学习（Reinforcement Learning）是人工智能技术的一个重要方向。
传统的人工智能系统需要通过人工编码来解决问题，而强化学习则通过让计算机与环境不断交互，从而学会自主地做决策和解决问题。
随着计算机计算能力的提升和大规模数据的支持，强化学习有望成为人工智能技术的一种主要方法。
其次，深度学习（Deep Learning）也是人工智能技术的重要方向。
深度学习模拟了人脑神经元之间的相互联系，通过多层次的神经网络来进行信息处理和模式识别。
深度学习在许多领域取得了巨大的突破，例如语音识别、图像处理和自然语言处理等。
随着计算能力的增强和更有效的网络结构的设计，深度学习有望进一步提高人工智能的性能和智能化水平。
最后，迁移学习（Transfer Learning）也是人工智能技术未来发展的重要方向之一。
迁移学习指的是将已学习的知识和经验应用到新的情境中，从而提高算法的性能和效率。
迁移学习可以使机器更快地适应新环境，提高智能决策的准确度和实用性。
随着迁移学习理论的不断发展和实践的丰富，迁移学习有望在人工智能技术的应用中发挥更大的作用。
二、人工智能技术的重点领域人工智能技术在众多领域中都有广泛的应用，但以下几个领域被认为是AI技术的重点发展方向。
首先，医疗健康领域是一个重要的应用方向。
人工智能技术可以通过分析大量的医疗数据和病历，提供精确的诊断和治疗方案，帮助医生提高工作效率和治疗效果。
自考人工智能原理重点复习大纲
自考人工智能原理重点复习大纲
一、概述
- 人工智能的基本概念和定义
- 人工智能的发展历史和应用领域
- 人工智能的基本原理和方法
二、知识表示与推理
- 逻辑表示和推理的基本概念和方法
- 谓词逻辑与一阶谓词逻辑
- 归结推理和演绎推理
- 产生式规则与专家系统
三、机器研究
- 机器研究的基本概念和分类
- 监督研究、无监督研究和半监督研究的基本原理
- 决策树、朴素贝叶斯和支持向量机的原理和应用
- 神经网络和深度研究的基本原理和应用
四、自然语言处理
- 自然语言理解和生成的基本概念和方法
- 词法分析、句法分析和语义分析的原理和技术
- 文本分类、信息抽取和机器翻译的基本原理和应用
五、计算机视觉
- 计算机视觉的基本概念和方法
- 图像特征提取和图像识别的原理和技术
- 目标检测、图像分割和人脸识别的基本原理和应用
六、智能系统与伦理
- 智能系统的发展现状和前景
- 人工智能在社会和经济中的应用
- 人工智能带来的伦理、法律和社会问题
七、人工智能的挑战和发展方向
- 当前人工智能面临的挑战和问题
- 未来人工智能的发展方向和趋势
- 人工智能与人类的关系和合作
以上为自考人工智能原理的重点复习大纲，希望能对你的学习有所帮助。
人工智能重点知识总结
人工智能重点知识总结
人工智能（Artificial Intelligence，简称AI）是一种模拟人类智
能的技术，包括机器研究、自然语言处理、计算机视觉等领域。
下
面是人工智能的重点知识总结：
1. 机器研究
机器研究是人工智能的重要分支，通过让计算机从数据中研究
和改进，来实现自主完成任务。
常见的机器研究算法包括决策树、
支持向量机、神经网络等。
机器研究在图像识别、语音识别、推荐
系统等领域有广泛应用。
2. 自然语言处理
自然语言处理是研究计算机与人类自然语言之间的交互的领域。
它包括文本分类、机器翻译、情感分析等任务。
自然语言处理的技
术可以帮助计算机理解和处理人类语言，从而实现智能的对话和交流。
3. 计算机视觉
计算机视觉是研究如何使计算机理解和解释图像和视频的领域。
它包括图像分类、目标检测、图像生成等任务。
计算机视觉的应用
非常广泛，包括人脸识别、车牌识别、图像搜索等。
4. 深度研究
深度研究是一种机器研究的方法，通过构建具有多个隐层的神
经网络，使计算机可以从大量数据中研究特征和模式。
深度研究在
人脸识别、语音识别等领域取得了重大突破，被广泛应用于各个行业。
5. 强化研究
强化研究是一种通过试错和反馈机制来训练智能体的研究方法。
智能体通过与环境交互，根据奖励信号来调整自己的行为。
强化研
究在游戏、机器人等领域有重要应用。
以上是人工智能的重点知识总结，希望对您有所帮助。
人工智能重点总结正式版pdf
人工智能重点总结(正式版).pdf 人工智能重点总结一、人工智能概述人工智能（ArtificialIntelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，旨在生产出一种能以人类智能相似的方式做出反应的智能机器。
人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理、专家系统等。
二、人工智能发展历程人工智能的发展经历了多个阶段。
最初，人工智能的概念和理论开始萌芽，并在20世纪50年代达成了初步的共识。
从20世纪60年代开始，人工智能进入了第一个繁荣期，但这个阶段的人工智能技术还比较初级。
在20世纪70年代，人工智能遭遇了瓶颈期，因为当时的计算机技术和算法无法满足人工智能的发展需求。
直到20世纪80年代，随着计算机技术的进步和神经网络的提出，人工智能再次迎来了发展高峰。
进入21世纪，随着大数据和云计算技术的发展，人工智能得到了更广泛的应用和发展。
三、人工智能的技术和应用人工智能的技术包括机器学习、深度学习、自然语言处理、计算机视觉等。
机器学习是一种通过让机器从数据中学习规律和模式，从而完成特定任务的方法。
深度学习是机器学习的一种，通过构建深度神经网络来实现。
自然语言处理是一种将自然语言转化为计算机语言的方法，使得计算机能够理解和处理自然语言。
计算机视觉是一种通过图像和视频等视觉信息进行识别和分析的技术。
人工智能的应用非常广泛，包括机器人、智能家居、自动驾驶、医疗保健、金融等。
人工智能在机器人领域的应用可以实现自主行动和智能交互。
在智能家居领域，人工智能可以提高家居设备的智能化程度，提高生活质量和节约能源。
在自动驾驶领域，人工智能可以实现车辆的自主驾驶和安全驾驶。
在医疗保健领域，人工智能可以帮助医生进行疾病诊断和治疗计划的制定。
在金融领域，人工智能可以进行风险评估和投资策略的制定等。
四、人工智能的未来发展随着技术的不断进步和发展，人工智能的未来发展前景非常广阔。
《人工智能基础》考试重点
《人工智能基础》考试重点《人工智能基础》考试重点人工智能的考试重点参考书目：《人工智能基础》第二版，高等教育出版社人工智能定义：（P2,3）（学科）是智能科学中涉及研究、设计和应用智能机器和智能系统的一个分支，而智能科学是一门与计算机科学并行的学科。
（能力）是智能机器所执行的通常与人类有关的职能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。
人工智能的主要学派和研究的主要方法：（P7，P9）1、符号主义：主要研究方法是功能模拟方法，通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。
2、连接主义：主要研究方法是结构模拟方法，主要是神经网络及神经网络间的连接机制与学习算法。
认为功能、结构和智能行为是密切相关的，不同的结构表现出不同的功能和行为。
3、行为主义：主要研究方法是采用行为模拟方法，认为功能、结构和智能行为是不可分的，不同行为表现出的功能和不同控制结构。
模式识别定义：(P19)是指计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。
知识表示定义：(P28)是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构和控制结构的统一体，既考虑知识的存储有考虑知识的使用。
知识表示可看成是一组描述事物的约定，以便把人类知识表示成机器能处理的数据结构。
状态空间法定义：（P29）基于解答空间的问题表示和求解方法就是状态空间法。
状态空间法的要素：（P29)1、状态：表示问题解法中每一步问题状况的数据结构。
2、算符：把问题从一种状态变换为另一种状态的手段。
3、状态空间方法：基于解答空间的问题表示和求解方法，它是以状态与算符为基础来表示和问题求解的。
置换：（P46）一个表达式的置换就是在该表达式中用置换项置换变量。
人工智能的发展趋势及其未来发展的重点
人工智能的发展趋势及其未来发展的重点人工智能（Artificial Intelligence）是当今最热门的科技领域之一，它的发展正快速地改变着我们的生活方式和工作模式。
这种技术的应用已经深入到了人们的各个生活领域，同时也为未来的发展描绘了广阔的前景。
那么，人工智能会如何发展，未来又将有哪些方向和领域的突破呢？一、人工智能的发展趋势1. 注意力机制的加入近几年，注意力机制已经成为人工智能学术界的热门研究之一。
它可以通过对输入数据的重要性加权来提高算法的性能，从而在诸如自然语言处理、图像分析以及语音识别等任务中得到更好的应用。
因此，注意力机制的加入将是人工智能技术的一个重要趋势。
2. 深度学习技术的发展深度学习作为人工智能的重要组成部分，对于现在的人工智能技术发展不可或缺。
深度学习是一种以人工神经网络为基础的算法，能够模拟人类大脑神经元的特性，从而实现更加精准的数据分类和预测。
其发展将是对未来人工智能应用的一个主要方向。
3. 人机交互技术的创新随着人工智能在各行各业中逐渐普及，人机交互技术的发展也逐渐成为人们关注的焦点。
未来人机交互需要更加自然、智能的方式，如语音、手势、面部表情等，使人与计算机之间的沟通更加紧密，从而更好地满足人们的需求。
二、人工智能未来发展的重点1. 自动化人工智能的一个最大潜力就是自动化。
机器学习和自然语言处理的技术发展可以使得机器能够自动化地处理许多与人相关的任务，从而提高效率和减少成本。
因此，在未来，自动化将是人工智能的一个主要发展方向。
2. 创新应用随着技术的不断进步和应用的不断扩展，人工智能的创新应用将变得越来越重要。
如基于人工智能技术的医学诊断、保险风险评估、智能交通、新能源管理等，这些应用将在未来得到进一步拓展，并为人们提供更加智能、高效、准确的服务。
3. 保障安全随着人工智能技术的快速发展，人们对于其安全性的担忧也日益增加。
为了保障人工智能技术的安全稳定，政府、企业等应该加强对于人工智能技术的监管和管理，防止其被恶意利用。
- 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)。
CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；
HEARSAY I和II语音理解系统（卡内基-梅隆大学）；
PROSPECTOR地质勘探专家系统（斯坦福大学1976）；
XCON计算机配置专家系统（卡内基-梅隆大学1978）。
应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。
人工智能的基本方法是逻辑法和搜索法。最初的搜索应用于机器翻译、机器定理证明、跳棋程序等。
◆60年代Simon由试验得到结论：人类问题的求解是一个搜索的过程，效果与启发式函数有关。叙述了智能系统的特点：智能表示、智能推理、智能搜索。
◆Nilson发表了A*算法（搜索方法）
◆McCarthy建立了人工智能程序设计语言Lisp
1948年维纳发表《控制论—关于动物与机器中的控制与通信的科学》，不但开创了近代控制论，而且为人工智能的控制学派树立了里程碑。
1、古希腊伟大的哲学家思想家亚里士多德的主要贡献是为形式逻辑奠定了基础。形式逻辑是一切推理活动的最基本的出发点。在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。此外亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系判断问题的分类和它们之间的关系。其最著名的创造就是提出人人熟知的三段论。
1>提取谓词，使用类似于P（x，y）：谓词内容的格式定义谓词
2>用连接词和量词加以表示
D)置换和合一那会用就OK了。只会在归结演绎推理那块最后的证明时用一下，不理解的话看那个“黄书”P81中那个反演树里用到的置换。
4.语义网络（会考画图题）
只考二元关系网络
例题小燕是一只燕子，燕子是鸟；巢-1是小燕的巢，巢-1是巢中的一个。”
4、英国数学家、逻辑学家 Boole（布尔）（1815-1864），他初步实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。
5、美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。
6.过程、剧本表示不考
第三章经典逻辑推理
3.1归结演绎推理（问题求解&证明）
定理证明即证明P→Q(¬P∨Q)的永真性。根据反证法，只要证明其否定(P∧¬Q)不可满足性即可。
海伯伦(Herbrand)定理为自动定理证明奠定了理论基础；鲁滨逊(Robinson)提出的归结原理使机器定理证明成为现实。
在谓词逻辑中，把原子谓词公式及其否定统称为文字。如：P(x)，¬P(x,f(x))，Q(x,g(x))，任何文字的析取式称为子句，不包含任何文字的子句称为空子句。
2.人工智能的形成（1956-1969年）
费根鲍姆于1968年研究成功第一个专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。
1969年召开了第一届国际人工智能会议，标志着人工智能作为一门独立学科登上国际学术舞台。
1970年《人工智能国际杂志》创刊。
◆50年代初开始有了符号处理，搜索法产生。
人工智能重点总结
第一章：发展简史（此处为简答题）
1.人工智能的萌芽（1956年以前）
1936年，图灵创立了自动机理论（后人称为图灵机），提出一个理论计算机模型，为电子计算机设计奠定了基础，促进了人工智能，特别是思维机器的研究。
麦克洛克和皮茨于1943年提出“拟脑模型”是世界上第一个神经网络模型（MP模型），开创了从结构上研究人类大脑的途径。
这一学派认为：人工智能源于仿生学，特别是人脑模型的研究
代表性成果：1943年由麦克洛奇和皮兹提出的形式化神经元模型，即M-P模型
代表人物： 麦克洛奇、皮兹、霍普菲尔特、鲁梅尔哈特
3、行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论。
9、美国数学家 Shannon（香农）,1948 年发表了《通讯的数 学理论》 ，标志着"信息论"的诞生。
10、美国数学家、计算机科学家 McCarthy，人工智能的早期 研究者。1956 年，他和其他一些学者联合发起召开了世界上第 一次人工智能学术大会，在他的提议下，会上正式决定使用人工 智能这个词来概括这个研究方向。 参加大会的有 Minsky, Rochester, Shannon, Moore, Samuel, Selfridge, Solomonff, Simon, Newell 等数学家、 心理学家、 神经生 理学家、计算机科学家。McCarthy 也被尊为"人工智能之父"。
7、美国数学家Mauchly，1946 发明了电子数字计算机 ENIAC
8、美国神经生理学家 McCulloch，建立了第一个神经网络数学模型。从某种意义上可以说近代人工智能的发展， 首先是从人工神 经网络研究开始的。但是由于某种原因，神经网络的研究一度进 入低潮。详细内容参见第六章《人工神经元网络》
2.问题归约（只考一个名词解释）
解树：由可解节点构成，并且由这些可解节点可推出初始节点（对应初始问题）为可解节点的子树称为解树
3.谓词表示法（会在第二道大题中考4-5个应用）
用谓词公式表示知识时，需要首先定义谓词，然后再用连接词把有关的谓词连接起来，形成一个谓词公式表达一个完整的意义。
例题设有下列知识：
◆90年代，计算机发展趋势为小型化、并行化、网络化、智能化。人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。
二、三大学派：
1、符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
著名的专家系统有：
DENDRAL化学分析专家系统（斯坦福大学1968）；
MACSYMA符号数学专家系统（麻省理工1971）；
MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）；
CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）；
符号主义学派认为：人工智能源于数学逻辑。
代表性成果：是启发式程序LT逻辑理论家，证明了38条数学定理，表明我们可以应用计算机研究人的思维过程，模拟人类智能活动。
代表人物：纽厄尔、肖·西蒙和尼尔逊。
2、联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。
◆1965年Robinson提出了归结原理。
◆1968年Quillian提出了语义网络的知识表示方法
◆1969年Minsky出了一本书"感知机"，给当时的神经网络研究结果判了死刑
3.人工智能的发展（1970年以后）
费根鲍姆1972-1976年成功开发MYCIN医疗专家系统，用于抗生素药物治疗
1987年在美国召开第一届神经网络国际会议，并发起成立国际神经网络学会（INNS）
2、英国的哲学家、自然科学家 Bacon（培根）（1561-1626），他的主要贡献是系统地给出了归纳法，成为和 Aristotle 的演绎法相辅相成的思维法则。Bacon 另一个功绩是强调了知识的作用。 Bacon 的著名警句是"知识就是力量"。
3、德国数学家、哲学家 Leibnitz（莱布尼茨）（1646-1716），他提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。他曾经做出了能进行四则运算的手摇计算机
函数最好也定义下，保险一点）
COMPUTER(gaoyang)∧¬LIKE(gaoyang, programing)
总结：（上面的例题应该就是考试的形式）
A)首先必须知道什么是合取、析取、蕴含、否定以及两种量词的用法
B)全称量词后面跟蕴含，存在量词后面跟合取
C)必须先定义（切记），再表示。一般步骤为
3.1.1化简子句集
(1)合取范式：C1∧C2∧C3…∧Cn
(2)子句集: S= {C1 ,C2 ,C3… ,Cn}
(3)任何谓词公式F都可通过等价关系及推理规则化为相应的子句集S。
子句集的性质：
(1)子句集中子句之间是合取关系。
2>框架的构成：
框架通常由描述事物的各个方面的槽组成，每个槽可以拥有若干个侧面，而每个侧面又可拥有若干个值。一个框架的一般结构如下：
<框架名>
<槽1><侧面11><值111>…<侧面12><值121>……
<槽2><侧面21><值211>…
…
…
<槽n><侧面n1><值n11>…
…
<侧面nm><值nm1>…
注意：
A）语义网络中不会考量词、继承、匹配