第二章 知识表示方法
知识表示方法

知识的特性
相对正确性:所有的知识只在一定的范围内有 效性; 不确定性:现实生活中的信息具有模糊性; 可表示性:可以将知识数据化用于存储和处理; 可利用性:知识是可以利用的;
知识的分类
以知识的作用范围划分:常识性知识和领域性 知识; 以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; 以知识的确定性划分:确定性知识和不确定性 知识; 按照人类的思维及认识方法划分:逻辑性知识 和形象性知识;
一阶谓词逻辑表示举例
谓词比命题更加细致地刻画知识:
– 表达能力强
• 如:北京是个城市, City(x) 把城市这个概念分割出来。把“城市” 与“北京” 两个概念连接在一起,而且说明“北京”是“城市” 的子概念。
– 谓词可以精确的表示逻辑结果
• 如:City(间建立联系:使用联结词,进 而组成公式表示事实性知识和规则性知识:
过程描述
AT(robot,c) EMPTY(robot) GOTO(x,y) TABLE(a) {c/x a/y} TABLE(b) ON(box,a) AT(robot,a) AT(robot,a) EMPTY(robot) PICK_UP(x) TABLE(a) TABLE(a) TABLE(b) {a/x} TABLE(b) HOLDS(robot,box) ON(box,a)
过程描述
AT(monkey,a) GOTO(x,y) EMPTY(monkey) BOX(c) {a/x c/y} AT(banana,b)
GOTO(x,y) {c/x b/y}
AT(monkey,c) PICK_UP(x) AT(monkey,c) EMPTY(monkey) HOLDS(monkey,box) BOX(c) {c/x} AT(banana,b) AT(banana,b) AT(monkey,b) AT(monkey,b) SET_DOWN(x) AT(box,b) HOLDS(monkey,box) EMPTY(monkey) AT(banana,b) {b/x} AT(banana,b) AT(monkey,b) AT(box,b) EMPTY(monkey) ON(monkey,bo x)
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
目
CONTENCT
录
• 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。
第二章 知识表示方法

第二章知识表示方法教学内容智能系统问题求解所采用的几种主要的知识表示方法(状态空间法.问题归约法.谓词逻辑法.语义网络法)以及基于不同表示法的问题求解方法。
教学重点1. 状态空间表示法中问题的状态描述.改变状态的操作和问题目标状态的搜索;2. 问题规约的一般步骤.规约的与或图表示;3. 谓词逻辑的语法和语义.量词的辖域.谓词公式的置换与合一;4. 语义网络的构成.语义基元的选择.语义网络的推理等。
教学难点状态描述与状态空间图示.问题归约机制.置换与合一。
教学方法课堂教学为主,同时结合《离散数学》等已学的内容实时提问.收集学生学习情况,充分利用网络课程中的多媒体素材来表示抽象概念。
教学要求1. 重点掌握用状态空间法.问题归约法.谓词逻辑法.语义网络法来描述问题.解决问题;2. 掌握这些表示方法之间的差别;并对其它表示方法有一般了解2.1 状态空间法教学内容本节讨论基于解答空间的问题表示和求解方法,即状态空间法,它以状态和操作符为基础来表示和求解问题。
教学重点问题的状态描述,操作符。
教学难点选择一个好的状态描述与状态空间表示方案。
教学方法以课堂教学为主;充分利用网络课程中的多媒体素材来阐述抽象概念。
教学要求重点掌握对某个问题的状态空间描述,学会组织状态空间图.用搜索图来求解问题。
2.1.1 问题状态描述1.基本概念状态(state)它是为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,其矢量形式如下:Q=[q0,q1,…,qn]' (2.1)式中每个元素qi(i=0,1,…,n)为集合的分量,称为状态变量。
给定每个分量的一组值就得到一个具体的状态,如Qk=[q0k,q1k,…,qnk]' (2.2)操作符(operator)称使问题从一种状态变化到另一种状态的手段为操作符或算符。
状态空间(state space)它是表示一个问题全部可能状态及其关系的图,它包含所有可能的问题初始状态集合S、操作符集合F以及目标状态集合G。
第2章 知识表示方法

图2.1 猴子和香蕉问题
状态空间表示: 用四元组(W,x,Y,z) 其中: W-猴子的水平位置; x-当猴子在箱子顶上时取x=1; 否则取x=0; Y-箱子的水平位置; z-当猴子摘到香蕉时取z=1; 否则取z=0。
操作符 :
(1) goto(U)猴子走到水平位置U,或者用产生式规则表示为
goto (U ) (W ,0, Y , Z ) (U ,0, Y , z)
从问题的初始状态集S出发,经过一系列的 算符运算,到达目标状态。由初始状态到目标 状态所用的算符的序列就构成了问题的一个解。 由上可知,对一个问题的状态描述,必须确 定3件事: (1) 该状态描述方式,特别是初始状态描述; (2) 操作符集合及其对状态描述的作用; (3) 目标状态描述的特性。
2、状态空间表示详释
第2章 知识表示方法
传统的人工智能主要运用知识进行问题求解,从实用的观点 看,人工智能是一门知识工程学:以知识为对象,研究知识的表 示方法,知识的运用和知识获取。 知识作为机器智能的一部分,就必须能够让机器知道什么是 知识,那就涉及到了知识的表示问题,这个问题就象人记录某一 事实有不同的方法一样,知识表示的方法很多,有图示法和公式 法,结构化方法,陈述式表示和过程式表示等。 图示法:状态空间法、问题归约法等。 公式法:谓词逻辑法等。 陈述式表示:语义网络表示法、框架表示法、剧本表示法等。 过程式表示:过程表示。
2
目标状态
问题的解答就是某个合适的棋子走步序列。 三数码的任何一种摆法即为一个状态。所有的 摆法构成状态集,共有4!个状态,即24个状态。 状态之间的变化可通过算符来实现。 算符: (1)定义为棋子走动:3个数码×4种方向=12种 (2)定义为空格移动:4种,即F=[f1, f2, f3, f4]T,
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2章 知识表示方法

CISIC
6
状态空间表示概念详释
Original State
…
Middle State
…
Goal State
状态空间法:从某个初始状态开始,每次加一个 操作符,递增地建立起操作符的实验序列,直至 达到目标状态止。 例如下棋、迷宫及各种游戏。
CISIC
7
3 Puzzle Problem(3数码难问题)
CISIC
34
示例—分子结构识别问题 (DENDRAL系统)
把分子式重写为原子数较少的分子式和原子间结 合关系的混合结构,例如:
H
C5H12
C2H5
C
H
C2H5
CISIC
35
将混合结构的识别再分解为子识别问题,直至不出现分 子式为至,每个子问题只是单一分子式或原子间结合关系 的表示。 H
C2H5 H C
V=c,climbbox (c,1,c,0) grasp
(c,1,c,1) 目标状态
goto(U)
(U,0,V,0)
goto(U)
初始状态变换为目标状态的操作序列为: {goto(b), pushbox(c), climbbox, grasp} 猴子和香蕉问题的状态空间图
CISIC
17
猴子和香蕉问题自动演示:
climbbox :猴子爬上箱顶
(W,0,W,z)
climbbox
(W,1,W,z)
应用算符climbbox的先决条件是什么?
CISIC
15
初始状态 (a,0,b,0)
goto(U)
pushbox(V) U=b
goto(U) (U,0,b,0)
U=b,climbbox (b,1,b,0) U=V
第02章知识表示方法

1. 状态空间法(11)
作业:用状态空间搜索法求解农夫、狼、 羊、菜问题。
A farmer with his goat, wolf and cabbage come to a river that they wish to cross. There is a boat, but it only has room for two, and the farmer is the only one that can row. If the goat and cabbage get in the boat at the same time, the cabbage gets eaten. Similarly, if the wolf and goat are together without the farmer, the goat is eaten. Devise a series of crossings of the river so that all concerned make it across safely.
概 述
知识的特性
1、相对正确性 2、不确定性 3、可表示性 4、可利用性
概 述
知识的分类
1、知识的作用范围:常识知识和领域知识 2、知识的作用及表示: 事实知识:有关领域内的概念、事实、 客观事物的属性、状态及其关系的描述。 规则知识:事物的行动、动作相联系的 因果关系知识。 3、知识的确定性:确定和不确定 4、思维和认识方法:逻辑和形象
2)综合数据库 又称为事实数据库,用于存放输入的事 实、中间的运行结果和最后结果的工作区。 当规则库中的某条产生式前提与综合数据 库的某些已知事实匹配时,该产生式就被 激活,推理出结论放入综合数据库中,作 为后面推理的已知事实。显然综合数据库 是动态变化的。
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
- 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)。
34
2.4 语义网络法
2.4.3 连接词和量化的表示
合取 三元变为二元组合 析取 加注析取界限,并标记DIS,以免引起混淆。 否定 两种表示方式:~或标注NEG界限。
3
2.1 状态空间法
2. 状态空间表示概念详释
Original State
Middle State
Goal State
例如下棋、迷宫及各种游戏。
4
2.1 状态空间法
例:三数码难题 (3 puzzle problem)
2 3 1 2 1 3 2 1 3 1 2 3
3 2 1
初始棋局 目标棋局
1
2 3
鉴别规则的适用性或先决条件以及右部描述规则应用时 所完成的动作。
一个控制策略:它确定应该采用哪一条适用规则,而
且当数据库的终止条件满足时,就停止计算。
7
2.1 状态空间法
状态空间表示举例
例:猴子和香蕉问题
8
2.1 状态空间法
解题过程
用一个四元表列(W,x,Y,z)来表示 这个问题状态.
这个问题的操作(算符)如下: 2 goto(U)表示猴子走到水平位置U 或者用产生式规则表示为
27
2.3 谓词逻辑法
合适公式(WFF,well-formed formulas) 合适公式的递归定义 合适公式的性质 合适公式的真值 等价(Equivalence)
28
2.3 谓词逻辑法
2.3.3 置换与合一
置换 概念
假元推理 全称化推理 综合推理
定义
就是在该表达式中用置换项置换变量
性质
可结合的 不可交换的
(c,1,c,0)
grasp
(c,1,c,1)
该初始状态变换为目标状态的操作序列为 {goto(b),pushbox(c),climbbox,grasp}
11
2.1 状态空间法
(a,0,b,0) , , , ) goto(U) ( ) pushbox(V) ( ) U=b goto(U) ( ) (U,0,b,0) , , , ) U=b,climbbox , (b,1,b,0) , , , U=V (c,1,c,0) , , , ) (U,0,V,0) , , , ) goto(U) ( ) (c,1,c,1) , , , ) 目标状态
23
2.2 问题规约法
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) ) ) ) ) ) )
5
2.1 状态空间法
2.1.2 状态图示法
有向图 路径 代价 图的显示说明 图的隐示说明
A
B
6
2.1 状态空间法
2.1.3 状态空间表示举例
产生式系统(production system) 一个总数据库:它含有与具体任务有关的信息随着应 用情况的不同,这些数据库可能简单,或许复杂。 一套规则:它对数据库进行操作运算。每条规则由左部
(331) (333) ) )
24
2.3 谓词逻辑法
逻辑语句 形式语言
2.3.1 谓词演算
1. 语法和语义 基本符号 谓词符号、变量符号、函数符号、 常量 符号、括号和逗号 原子公式
25
2.3 谓词逻辑法
连词和量词(Connective &Quantifiers) 连词 与及合取(conjunction) 或及析取(disjunction) 蕴涵(Implication) 非(Not) 量词 全称量词(Universal Quantifiers) 存在量词 (Existential Quantifiers)
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 状态(state) 算符(operator) 状态空间方法
梵塔难题
1 A B C
2
3
16
解题过程(3个圆盘问题)
2.2 问题规约法
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
17
2.2 问题规约法
多圆盘梵塔难题演示
18
2.2 问题规约法
2.2.2与或图表示
1.与图、或图、与或图
A A
B
C
D
B
C
与图
或图
19
2.2 问题规约法
A
B
C D E F
G A N M H
B
C D E F G
20
2.2 问题规约法
2.一些关于与或图的术语
父节 点
A N M H 子节 点
或节 点 弧线 与节 点 B 终叶节 点 C D
E
F
G
21
2.2 问题规约法
3.定义
有解节点
t t t
t t t t
(a) )
t
) t (b) 终叶节点
22
与或图例子
无解节点
2.2 问题规约法
不可解节点的一般定义 没有后裔的非终叶节点为不可解节点。 全部后裔为不可解的非终叶节点且含有或后 继节点,此非终叶节点才是不可解的。 后裔至少有一个为不可解的非终叶节点且含 有与后继节点,此非终叶节点才是不可解的。 与或图构成规则
32
2.4 语义网络法
2.4.2 多元语义网络的表示
谓词逻辑与语义网络等效
ISA LIMING MAN (语义网络) 语义网络)
(谓词逻辑) 谓词逻辑) ISA(LIMING,MAN)或 MAN(LIMING) ( , ) ( )
33
2.4 语义网络法
多元语义网络表示的实质 把多元关系转化为一组二元关系的组合,或 二元关系的合取。
(V,0,V,0) , , , ) goto(U) ( )
猴子和香蕉问题的状态空间图
12
2.1 状态空间法
猴子和香蕉问题自动演示:
香蕉
Ha!Ha!
箱子
猴子
13
2.2 问题归约法 (Problem Reduction Representation)
子问题1 子问题
原始问题
子问题集
子问题n 子问题
本 原 问 题
35
2.4 语义网络法
蕴涵 在语义网络中可用标注ANTE和CONSE界限 来表示蕴涵关系。ANTE和CONSE界限分别 用来把与先决条件(antecedent)及与结果 (consequence)相关的链联系在一起。 量化 存在量化—ISA链 全称量化—分割法
36
2.5其他方法(Others)
框架(Frame)表示 框架是一种结构化表示法,通常采用语义网络 中的节点-槽-值表示结构。 剧本(Script)表示 剧本是框架的一种特殊形式,它用一组槽来描 述某些事件的发生序列。 过程(Procedure)表示 过程式表示就是将有关某一问题领域的知识, 连同如何使用这些知识的方法,均隐式地表达 为一个求解问题的过程。
(W,0,Y,z)
goto(U)
(U,0,Y,z)
9
2.1 状态空间法
pushbox(V)猴子把箱子推到水平位置V, 即有
(W,0,W,z)
pushbox(V)
(V,0,V,z)
climbbox猴子爬上箱顶,即有
(W,0,W,z)
climbbox
(W,1,W,z)
10
2.1 状态空间法
grasp猴子摘到香蕉,即有
26
2.3 谓词逻辑法
2.3.2 谓词公式
原子公式的的定义: 用P(x1,x2,…,xn)表示一个n元谓词公式, 其中P为n元谓词,x1,x2,…,xn为客体变量或 变元。通常把P(x1,x2,…,xn)叫做谓词演算的 原子公式,或原子谓词公式。 分子谓词公式 可以用连词把原子谓词公式组成复合谓词公 式,并把它叫做分子谓词公式。
14
2.2 问题规约法
问题归约表示的组成部分:
一个初始问题描述; 一套把问题变换为子问题的操作符; 一套本原问题描述。
问题归约的实质:
从目标(要解决的问题)出发逆向推理,建立子问 题以及子问题的子问题,直至最后把初始问题归 约为一个平凡的本原问题集合。
15
2.2 问题规约法
2.2.1 问题归约描述 (Problem Reduction Description)
子句集 ) 合适公式 (set of clause) 根结点 置换合一 消解反演
结点
链
目标网络
知识表示方法间的关系
39
29
2.3 谓词逻辑法
合一(Unification) 合一:寻找项对变量的置换,以使两表 达式一致。 可合一:如果一个置换s作用于表达式集 {Ei}的每个元素,则我们用{Ei} s来表示 置换例的集。我们称表达式集{Ei}是可合 一的。
30
2.4 语义网络法 (Semantic Network Representation)