语义网络表示法
《语义网络表示法》教学设计
语义网络表示法教学目标：1、会使用语义网络表示法表示知识2、了解这种表示法的特点教学重点：确定节点（语义或对象）极其属性和它们之间的关系教学难点：确定节点教学过程：一、导入：给学生出一组语句，要求划分出句中的主谓宾。
考考你：请给下列语句划分主谓宾1、猪和羊都是动物2、猪和羊都是哺乳动物3、野猪是猪，但生长在森林中4、山羊是羊，头上长着角5、绵羊是一种羊，它能生产羊毛（本题难度不大，学生都可以完成）做完后，学生可能有疑问：今天怎么改上语文课了。
这时，抛出今天的内容——“语义网络表示法”——一种新的知识表示法二、新授知识点一：语义网络结构1、举例介绍组成语义网络的元素：节点、弧及它们的标注教师演示：语句“猪和羊都是动物”用“语义网络”表示如下图提问：各矩形表示节点，其标注内容是什么，每个弧用什么图形表示，它们的标注又是什么？学生活动：学生可以非常轻松的回答出上面的问题，并通过回答问题对这个结构有一个初步的认识，并能发现弧必须是一个箭头提问：请同学们根据老师的演示以及自己的理解，把剩下的语句用这种表示法表示出来学生活动：做题（我个人认为，学生可以完成这个任务，并且可能会自己总结出找到节点和弧的对应标注的方法）教师活动：让学生展示他们的结果并请同学讲讲他是如何做的（学生可能会从导入中的划分语句的主谓宾中得到启发）总结：节点表示的是语义或者说是语句中的对象及其属性，弧表示的是对象间的关系（语义关系）从内容上说节点可以表示：事物、概念、情况、属性、状态、事件和动作等，（从成分上说节点中的内容大部分都是名词，当然也有例外，后面会提到（这只是笔者个人认为便于找出对象的一个小技巧，不够严谨，请见谅））知识点二：常用语义关系的概念及实例(这里解答弧用箭头表示的原因)猜一猜：下列英文符号表示哪些语义关系ISAAKO类属关系AMO相近关系Part-ofMember-of属性关系HaveCanOwner聚集关系Located-on（at、under、inside、outside）Similar-to因果关系Near-to位置关系If-then（这个题一方面可以让学生加深对语义关系的认识还可以自己探究出它们的表示方法）练习：让学生在前面知识点一所做的习题上进行修改，用英文符号表示语义关系知识点三：语义网络概念强调“网络”和“有向图”几个词，让学生明白我们要表达的知识不可能是孤立的，它们之间具有联系。
典型的知识表示方法
典型的知识表示方法一、逻辑表示法。
1.1 这逻辑表示法呢，就像是给知识搭个框架。
把知识按照逻辑关系，什么因果啦，包含啦之类的关系，整理得明明白白。
就好比我们说“因为下雨，所以地面湿”，这就是一种简单的逻辑关系表示。
它清晰得很，让人一眼就能瞧出知识之间的联系。
这就像盖房子，一块砖一块砖按照设计好的结构码放整齐。
1.2 可是呢，这方法也有它的难处。
要是知识复杂一点，那逻辑关系就像一团乱麻，很难梳理得清清楚楚。
就像在一个大仓库里找东西，东西太多太杂，找起来就费劲。
比如说要表示一个大型企业的运营逻辑，涉及到众多部门、人员、业务流程，这逻辑表示法就有点吃力了。
二、语义网络表示法。
2.1 语义网络就有点像一张大网。
每个知识节点就像网上的一个结，节点之间的连线表示它们的关系。
比如说“猫是哺乳动物”，“猫”和“哺乳动物”就是两个节点，中间有连线表示所属关系。
这方法很直观，就像我们看人际关系图一样，谁和谁有关系，一眼就能看出来。
2.2 不过呢，语义网络也不是十全十美的。
它缺乏精确的语义定义。
有时候就像雾里看花，模模糊糊的。
就像我们说一个人“大概是好人”，这个“大概”就很模糊。
在表示精确的科学知识或者严谨的法律条文时，就可能会出问题。
2.3 还有啊，当知识规模增大的时候，这语义网络就可能变得臃肿不堪。
就像一个人穿了太多衣服，行动都不方便了。
要在这个庞大的网络里查找和更新知识，那可就不是一件轻松的事儿。
三、框架表示法。
3.1 框架表示法就像是给知识做个模板。
我们先定好一个框架结构，然后把具体的知识往里面填充。
比如说描述一个人，我们有年龄、性别、职业等框架，然后把具体某个人的这些信息填进去。
这就像我们做填空题一样，有了框架，填空就比较简单。
这种方法对于表示有固定结构的知识很方便，就像把东西分类放进不同的盒子里。
3.2 但是呢，框架表示法比较死板。
一旦框架定下来了，要是有新的知识不符合这个框架，就像硬要把一个方东西塞进圆洞里，很困难。
人工智能知识表示方法第四章
清华大学
VISITING TEAM
篮球比赛
ISA SCORE
G25
HOME TEAM
北京大学
85:89
语义网络法
❖ 连接词和量词的表示
✓ 合取和析取的表示：可通过
增加合取节点和析取节点来实 现
✓ 例如：用语义网络表示：“参 赛者有教师有学生，参赛者的 身高有高有低”
✓ 分析参赛者的不同情况，可得 到以下四种情况：
✓ 蕴含的表示：通过增加蕴含关系节点来实现。在蕴含关系中，有 两条指向蕴含节点的弧，一条代表前提条件(Antecedent) ，标记为 ANTE；另一条代表结论(Consequence) ，标记为CONSE
✓ 例如：用语义网络表示：“如果学校组织大学生机器人竞赛活动， 那么李强就参加比赛”
智能机器
比赛 AKO
Artificial Intelligence (AI)
人工智能
第4章：知识 表示
内容提要
第4章：知识表示
1.状态空间法 2.问题归约法 3.谓词逻辑法 4.语义网络法 5.其他方法
语义网络法
❖语义网络法（ Semantic Network Representation ）
✓ 语义网络是奎廉(J. R. Quillian) 1968年在研究人类联想 记忆时提出的一种心理学模型，认为记忆是由概念间的 联系实现的。随后，奎廉又把它用作知识表示。
Can
Can
运动
动物
吃
语义网络法
❖ 二元关系：二元语义网络表示
✓ 可用二元谓词P(x,y)表示的关系。其中，x,y为实体，P为实 体之间的关系。
✓ 单个二元关系可直接用一个基本网元来表示 ✓ 对复杂关系，可通过一些相对独立的二元或一元关系的组合
常用知识表示方法主要包括
常用知识表示方法主要包括一、一阶谓词逻辑表示法。
咱先来说说这个一阶谓词逻辑表示法哈。
它就像是一种很严谨的“语言”，用一些特定的符号和规则来描述知识。
比如说，它可以把一些复杂的关系和事实用逻辑式子表达出来。
比如说“所有人都会死”，用一阶谓词逻辑就可以写成“对于任意的x，如果x是人，那么x会死”。
这种表示方法的好处呢，就是它很精确，逻辑关系清晰，适合用来处理一些需要严格推理的知识，像数学定理的证明啥的就经常会用到它。
不过呢，它也有小缺点，就是有时候表示起来会比较复杂，对于一些模糊的、不确定的知识就有点不太好处理啦。
二、产生式表示法。
这个产生式表示法就挺有意思的。
它就像是一组“规则”，形式一般是“如果……那么……”。
比如说“如果天气晴朗，那么就去户外运动”，这就是一个简单的产生式规则。
在很多专家系统里经常会用到这种表示方法哦。
它的优点是很自然，符合人类的思维习惯，容易理解和修改。
比如说我们要调整某个专家系统的规则，直接修改这些产生式就好啦。
但是呢，它也有不足的地方，当规则很多的时候，管理和维护这些规则就会变得有点麻烦，可能会出现一些冲突或者不一致的情况哟。
三、语义网络表示法。
语义网络表示法呢，就像是画了一张知识的“关系图”。
它把各种概念、事物用节点表示出来，然后用连线来表示它们之间的关系。
比如说“猫”和“动物”这两个概念，我们可以用一个连线表示“猫是一种动物”这样的关系。
这种表示方法的好处可多啦，它很直观，能很清楚地展示出知识之间的层次结构和语义关系。
就好像我们看地图一样，一下子就能明白各个地方的位置关系。
不过呢，它也不是十全十美的，对于一些复杂的关系，可能会导致网络结构变得很复杂，不太容易理解和维护呢。
四、框架表示法。
框架表示法就像是给知识搭建了一个“框架”。
它把一些相关的知识组织在一起，形成一个固定的结构。
比如说我们描述一个人的信息，就可以用一个框架，里面有姓名、年龄、职业等这些固定的“槽”，然后把具体的信息填进去。
2.4--语义网络表示法
图2.10 位置关系实例 2013-7-24 人工智能 丁世飞
2.4 语义网络表示法
人工智能
6. 相近关系 相近关系,又称相似关系,是指不同事物在形状、 内容等方面相似和接近。常用的相近关系有： Similar-to:表示一事物与另一事物相似。 Near-to: 表示一事物与另一事物接近。 例如，“狗长得像狼” 其对应的语义网络表示 如图2.11所示。
人工智能
第2章 知识表示
2.1 概 述 2.2 谓词逻辑表示法 2.3 产生式表示法
2.4 语义网络表示法
2013-7-24
人工智能 丁世飞
2.4 语义网络表示法
人工智能
语义网络是J.R.Quillian 1968年在研究人类联 想记忆时提出的一种心理学模型，他认为记忆是由 概念间的联系实现的。随后在他设计的可教式语言 理解器（Teachable Language Comprehendent）中 又把它用作为知识表示方法。1972年，西蒙(Simon) 在他的自然语言理解系统中也采用了语义网络知识 表示法。1975年，亨德里克(G .G .Hendrix) 又对全 称量词的表示提出了语义网络分区技术。目前，语 义网络已经成为人工智能中应用较多的一种知识表 示方法，尤其是在自然语言处理方面的应用。
鸟 Have 翅膀 电视机 Can 电视节目
图2.8 属性关系实例
2013-7-24
人工智能 丁世飞
2.4 语义网络表示法
4.时间关系
人工智能
时间关系是指不同事件在其发生时间方面的先后关系，节 点间的不具备属性继承性。常用的时间关系有： Before：表示一个事件在一个事件之前发生。 After：表示一个事件在一个事件之后发生。 例如，“香港回归之后，澳门也会回归了”，“王芳在黎 明之前毕业”。其对应的语义网络表示如图2.9所示
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。
人工智能_3知识表示_语义网络法
▪ 过程部分 说明访问过程，这些过程能用 来建立和修正描述，以及回答相关问题。
▪ 语义部分 确定与描述相关的(联想)意义的 方法即确定有关节点的排列及其占有物和 对应弧线。
2020/2/25
5
2.4.1 二元语义网络的表示
(Representation of Two-Element Semantic Network)
▪ 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
▪ 例如，三根线a，b，c组成一个三角形。这可表 示成TRIANGLE(a，b，c)。
▪ 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。
ISA
Major
教育
教育1
？
3. 将其与知识库中的知识网络进行匹配，由 Major 弧所指节点可知赵云主修课程是计算 机。
2020/2/25
17
人工智能_知识表示
_知识表示_知识表示引言：（Artificial Intelligence，简称）是一门研究如何使计算机能够像人一样进行思考和决策的学科。
知识表示是的一个重要研究领域，主要涉及如何以一种能够被计算机理解和处理的形式表示和组织知识，以支持计算机程序进行推理、学习和解决问题。
本文档旨在介绍中的知识表示领域的基本概念、方法和应用。
主要内容包括：语义网络、谓词逻辑、产生式规则、本体论、语义解释器等方面的内容。
一、语义网络语义网络是一种以图形化形式表示知识的方法。
它通过节点和边来表示概念和关系，节点表示概念，边表示概念之间的关系。
语义网络常用于知识图谱的构建，它能够有效地表示和表达知识之间的关联性。
1.1 节点和边的定义在语义网络中，节点用来表示概念，边用来表示概念之间的关系。
节点和边可以通过标签表示其含义，例如，一个表示“猫”的节点可以用标签“猫”表示，一个表示“属于”的边可以用标签“属于”表示。
1.2 常见的语义网络表示法在语义网络中，有多种常见的表示法，包括二元关系表示法、三元关系表示法和本体图表示法。
其中，二元关系表示法通过一对节点和一个边来表示关系，三元关系表示法通过三个节点和两个边来表示关系，本体图表示法通过节点、边和属性来表示关系。
二、谓词逻辑谓词逻辑是一种用符号逻辑表示知识的方法。
它通过定义一组谓词和一组公式来表示概念和关系，谓词表示概念，公式表示概念之间的关系。
谓词逻辑常用于知识推理和自动推理的领域，它能够通过逻辑推理来解决问题。
2.1 谓词和公式的定义在谓词逻辑中，谓词用来表示概念，公式用来表示概念之间的关系。
谓词可以具有多个参数，用来表示概念的属性。
公式由谓词和参数组成，用来表示概念之间的关系。
2.2 常见的谓词逻辑表示法在谓词逻辑中，有多种常见的表示法，包括命题逻辑、一阶逻辑和高阶逻辑。
其中，命题逻辑用来表示简单的真值关系，一阶逻辑用来表示概念和关系的复杂性，高阶逻辑用来表示关系的进一步抽象性。
- 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)。
A-Member-of:直观含义“是……的一员”， 即表示一个事物是另一个事物的成员，反映 了个体与集件(类或集合)之间的关系。
Instance-Of:关系用来建立AKO关系的逆关系， 表示一个事物是另一个事物的实例。
类属关系
属性关系
属性关系一般是指事物和其属性之间的关系。一 个类的对象一般都有一个以上的属性，而每个属 性又有一个值。属性和值组合成特性。
John
ISA
Huma
Giving-Events
Giver
ISA
G1
Object
Receiptor
ISA
Mary
Book1
ISA
Book
逻辑关系的表示:
合取与析取
1. 合取 在语义网络中，如不加标志，就意味着
连接之间的关系是合取关系。 2. 析取
在语义网络中，为与合取关系相区别，析 取关系可以加上析取界限，并标记DIS。当合取 关系嵌套在析取关系之内时，如果合取关系不 被标注就会引起误解。
例如：香港回归之后，澳门也会回归了。
位置关系
位置关系是指不同事物在位置方面的关 系。 常用的位置关系：
Located-on:一物在另一物之上。 Located-at:一物在何位置。 Located-under: 一物在另一物之下。 Located-inside: 一物在另一物之中。 Located-outside: 一物在另一物之外。
AKO
WEDGE SHAPE
ISA
WEDGE19
TRIANGULAR
BLOCK
AKO
BRICK ISA
SHAPE
RECTANGLUAR
BRICK12
1. 值继承
在语义网络节点之间的语义关系中，我 们定义了ISA链和AKO链，它们都可以用 来实现节点之间的值继承。
ISA和AKO链直接地表示类的成员关系以 及子类和类之间的关系，提供了一种把 知识从某一层传递到另一层的途径。
组合得： A：教师、高 B：教师、低 C：学生、高 D：学生、低
人
是
参赛者 部分
部分 部分
A
B
C
部分 D
状态
状态 状态 状态
表示如右：
或
教师
学生
或
高
低
量化
存在量词的量化在语义网络中可直接用ISA链来 表示。 全称量词的量化就要用分割方法来表示。对于 全称量词，可以把语义网络分割成多个空间来 实现量化，其中每一个空间对应一个或几个变 量范围。
A
¬ISA
B
(a)
B
¬PART-OF
C
(b)
PART-OF
C
B
ISA
A
(c)
4． 蕴涵
在语义网络中可用标注ANTE和CONSE的一 对连接在一起的封闭虚线来表示蕴涵关 系。ANTE和CONSF界限分别用来把与前提 条件(Antecedent)及与结果 (Consequence)相关的链联系在一起。
弧：代表语义关系，表示它所连接的两 个实体之间的语义联系。
在语义网络中，每一个结点和弧都 必须带有标识，这些标识用来说明它所 代表的实体或语义。
可表示的知识关系:
类属关系 包含关系 属性关系 时间关系 位置关系 相近关系
类属关系
类属关系是指具体有共同属性的不同事 物间的分类关系、成员关系或实例关系。 它体现的是“具体与抽象”、“个体与 集体”的概念。类属关系的一个最主要 特征是属性的继承性，处在具体层的结 点可以继承抽象层结点的所有属性。
语义网络表示法
河南理工大学计算机系 陈峰 xfchengf@
语义网络
语义网络是J.R.Quillian 1968年在研究人类 联想记忆时提出的一种心理学模型，他认为记 忆是由概念间的联系实现的。随后，Quillian 又把它用作知识表示。 1972年，西蒙在他的自然语言理解系统中也采 用了语义网络表示法。 1975年，G .G .Hendrix 又对全称量词的表示 提出了语义网络分区技术。目前，语义网络已 经成为人工智能中应用较多的一种知识表示方 法，尤其是在自然语言处理方面的应用。
复杂的语义关系:
语义网络与谓词逻辑:
Apple（fruit）
SCORE( AC-MILAN, INTER-MILAN, 0:1)
句子“John gives a book to Mary”。用 谓词可表示为：
Give (John ，Mary， Book) 用二元谓词表示就是：
ISA（G1，Giving-Events） Giver (G1，John) Receiptor（G1，Mary） Object (G1，Book1) ISA（Book1，Book）
类属关系
常用的属性有：
Is-a:直观含义为“是一个”，“……是…… 的一个实例”。表示一个事物是另一个事物的 实例，指出一个类的一个特定成员。一个类表 示一组对象。
A-Kind-of:直观含义为“是一种”，表示一个 事物是另一个事物的一种类型。AKO关系用来 连接—个类与另—个类。AKO一般不用来表示 特定个体之间的关系，那是ISA的功能。AKO用 来连接一个个体类和它的父类，这里的个体类 就是一个子类。
何为语义网络?
语义网络是一种用实体及其语义关系来表达知识 的有向图。 一个语义网络主要包括了两个部分：事件，以及 事件之间的关系。 从结构上来看，语义网络一般由一些最基本的语 义单元组成。这些最基本的语义单元被称为语义 基元。可用如下三元组来表示：
（结点1，弧，结点2）
例:
Байду номын сангаас
结点：代表实体，表示各种事物、概念、 情况、属性、状态、事件、动作等；
WEIGHT
4400
3. “缺省”继承
某些情况下，当我们对事物所作的假设 具有相当大的真实性，但又不是十分有 把握时，最好对所作的假设加上“可能” 这样的字眼。
这种类型的值被放入槽的DEFAULT(缺省) 侧面中。只要不与现有的事实相冲突， 就默认这个值为该事物的值。
AKO
WEDGE
ISA
WEDGE18
Part_of:表示一个事物是另一个事物的一 部分。
包含关系
小飞船 Composed-Of
与
机翼 机翼
时间关系
时间关系是指不同事件在其发生时间方面 的先后关系。 常用的时间关系有：
Before：表示一个事件在一个事件之前发生。 After：表示一个事件在一个事件之后发生。 At：表示某一事件发生的时间。
重复检查表中的第一个是否有继承弧，直到结 点表为空。记录下来的属性就是待求结点的所 有属性。
匹配
语义网络问题的求解一般是通过匹配来 实现的。所谓匹配就是在知识库的语义 网络中寻找与待求问题相符的语义网络 模式。
TOY-HOUSE
PART
GS
DOG
BITE
POSTMAN
ISA FROM
G
ISA
ISA
ISA
ASSAILIANT
VICTIN
D
B
P
因为这里所指的狗应是每一条狗，所以 把这个特定的断言认作是断言G。断言G 有两部分：第一部分是断言本身，它说 明所断定的关系，叫做格式(FORM)：第 二部分是代表全称量词的特殊链，—根 链可表示—个全称量化的变量。GS节点 是一个概念节点，它表示具有全称化的 一般事件，G是GS的一个实例。
相近关系
相近关系是指不同事物在形状、内容等方 面相似和接近。 常用的相近关系：
Similar-to:表示一个事物和另一个事物相似。 Near-to:表示一个事物和另一个事物接近。
表示情况和动作
语义网络中节点不仅可以表示一个物体 或者概念，也可以表示情况和动作。与 个体节点一样，关系节点同样可以划分 为概念节点和实例节点，实例节点和概 念节点之间可以用ISA弧联系。每一动作 (情况)节点可以是某个概念的一个实例， 可以有一组向外的弧(实例弧)，称为实 例框，用以说明与该实例有关的各种变 量(如动作发出者、接受者、动作状态、 程度等等)。
多元语义网络的表示
从本质上讲，节点之间的连接是二元关系，因 此语义网络很适合于表示二元关系。但是一元 关系和多元关系都可以用二元关系来表示。 如果所要表示的事实是多元关系的，可以把这 个多元关系转化成一组二元关系的组合，或二 元关系的合取。具体来说，多元关系R(XI， X2，…，Xd)总可以转换成 R1（X11，X12）∧ R2（X21，X22）∧……∧ Rn (Xn1 , Xn2)
2.“如果需要”继承 在某些情况下，当我们不知道某个槽值时，可以利用 已知信息来计算。
BLOCK
WEIGHT (IF-NEEDED)
BLOCK-WEIGHT PROCEDURE
AKO
BRICK
VALUME
400
ISA
VALUME
400
BRICK12
DENSITY
11
BRICK12
DENSITY
11
John is a programmer or Mary is a lawyer.
Occupation-Events IDS
ISA
ISA
Profession
Profession
OC1
OC2
Conj
Conj
Worker John
Programmer
Lawyer
Worker Mary
3. 否定
为表示否定关系，可以采用﹁ISA和﹁PART-OF关系或
Every dog has bitten every Postman.
DOG
BITE
POSTMAN
ISA
D
ISA
B
R
FROM