人工智能第三章知识与知识表示精编版

《人工智能第三章知识与知识表示精编版》由会员分享，可在线阅读，更多相关《人工智能第三章知识与知识表示精编版（164页珍藏版）》请在金锄头文库上搜索。

1、人类的智能活动过程主要是一个获得并运用知识的过程，知识是智能的基础。为了使计算机具有智能，使它能模拟人类的智能行为，就必须使它具有知识。但知识是需要用适当的模式表示出来才能存储到计算机中去的，因此关于知识的表示问题就成为人工智能中一个十分重要的研究课题。,主要的知识表示方法： 一阶谓词逻辑表示法 产生式表示法 框架表示法 语义网络表示法 脚本表示法 过程表示法 面向对象表示法 Petri网表示法,一、什么是知识 1 数据与信息 数据和信息这两个概念是不可以分开的，它们是有关联的。 数据：用一组符号及其组合表示的信息称为数据，泛指对客观事物的数量、属性、位置及其相互关系的抽象表示。 例：27.6

2、 53 ABCD 黎明,3.1 基本概念,数据和信息之间，我们说它们不能分开，它俩有关系，那么，它们俩有什么关系呢？,数据是信息的载体和表示，信息是数据在特定场合下的具体含义，即信息是数据的语义。 两者只有密切结合，才能实现世界中某一具体事物的描述。 如：6个人（6是个数据，人是一种信息） 6本书（6是个数据，书是一种信息） 对同一个数据，它在某一场合下可能表示这样一个信息，但在另一场合下却表示另一个信息。,2、知识 知识：是把有关信息关联在一起所形成的信息结构称为知识。 知识是人们在长期的生活及社会实践中、科学研究及实验中积累起来的对客观世界的认识与经验，人们把实践中获得的信息关联在一起，就

3、获得了知识。信息之间有多种关联形式，其中用得最多的一种是用：“如果 ，则 “所表示的关联形式，它反映了信息间的某种因果关系。例如把“大雁向南飞”与“冬天就要来临了”这两个信息关联在一起，就得到了如下一条知识：如果大雁向南飞，则冬天就要来临了。,不同事物或者相同事物间的不同关系形成了不同的知识。 例如，“雪是白色的”是一条知识，它反映了“雪”与“颜色”之间的一种关系。又如“如果头痛且流涕，则有可能患了感冒”是一条知识，它反映了“头痛且流涕”与“可能患了感冒”之间的一种因果关系。,二、知识的特性 1、相对正确性 知识是否正确是有前提条件的 如：1+1=2 2、不确定性 造成知识具有不确定性的原因有

4、哪些： 由随机性引起的不确定性 (也就是说，这件事是随机发生的，比如说，抛硬币，是正面朝上还是反面朝上，不确定。随机事件只有发生的时候我们才知道。),由模糊性引起的不确定性 由模糊概念、模糊关系所形成的知识是不确定的。（知识是有关信息关联在一起形成的信息结构，“信息”与“关联”是构成知识的两个要素。由于现实世界的复杂性，信息可能是精确的，也可能是不精确的、模糊的；关联可能是确定的，也可能是不确定的。） （比如说：人的个子高与个子矮，分界线是模糊的） 由不完全性引起的不确定性 （就是说，有些事我们还不是很清楚，所以不能确定。如：很多年以前的肺结核，今天的癌症） 由经验性引起的不确定性 （在人工智

5、能的重要研究领域专家系统中，知识都是由领域专家提供的，这种知识大都是领域专家在长期的实践及研究中积累起来的经验性知识。尽管领域专家能够得心应手地运用这些知识，正确地解决领域内的有关问题，但若让他们精确地表述出来却是相当困难的，这是引起知识不确定性的一个原因。另外，由于经验性自身就蕴含着不精确性及模糊性，这就形成了知识不确定性的另一个原因。因此，在专家系统中大部分知识都具有不确定性这一特性。）,3、可表示性与可利用性 表示：(如我们可以用语言来表达知识、用文字来表达知识、还可以用图形来描述、在计算机中还可以用神经元网络来表示知识。) 利用：用知识解决所面临的各种各样的问题。,三、知识的分类： 1

6、、从作用范围来划分： 常识性知识：是人们普遍知道的知识，适用于所有领域。 领域性知识：是面向某个具体领域的知识，是专业性的知识，只有相应专业的人员才能掌握并用来求解领域内的有关问题。 2、从知识的作用划分 事实性知识：（就是真理）用于描述领域内有关概念、事实、事物的属性及状态等。如：糖是甜的 大同是个古城 一年有春夏秋冬四个季节。事实性知识一般采用直接表达的形式，如用谓词公式表示等。 过程性知识：是与领域相关的知识，用于指出如何处理与问题相关的信息，以求得问题的解。一般用产生式规则、语义网络求解。 控制性知识：又称为深层知识、元知识。用已有的知识进行问题求解的知识，即关于知识的知识。例如问题求

7、解中的推理策略（正向推理及逆向推理）；信息传播策略（如不确定性的传递算法）；搜索策略（广度优先、深度优先、启发式搜索等）；求解策略（求第一个解、全部解、严格解、最优解等）；限制策略（规定推理的限度）等等。,3、从确定性划分： 确定性知识：可指出其值为真或假的知识。 不确定性知识：它是不精确的、不完全的、模糊的知识。 4、从知识结构及表现形式来划分: 逻辑性知识：反映人类逻辑思维过程的知识，一般具有因果关系，具有难以精确描述的特点。它们通常是基于专家的经验，以及对一些事物的直观感觉。一阶谓词逻辑表示法、产生式表示法用来表达这种知识。 形象性知识：通过事物的形象建立起来的知识称为形象性知识。,5、

8、从抽象的、整体的观点来划分，知识可分为：零级知识，一级知识，二级知识。 这种关于知识的层次划分还可以继续下去，每一级知识都对其低一层的知识有指导意义。其中，零级知识是指问题领域内的事实、定理、方程、实验对象和操作等常识性知识及原理性知识；一级知识是指具有经验性、启发性的知识，例如经验性规则、含义模糊的建议、不确切的判断标准等；二级知识是指如何运用上述两级知识的知识。 在实际应用中，通常把零级知识与一级知识统称为领域知识，而把二级以上的知识统称为元知识。,四、知识的表示 所谓知识表示实际上就是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。对知识进行表示的过程就是

9、把知识编码成某种数据结构的过程。知识表示方法又称为知识表示技术，其表示形式称为知识表示模式。目前用得较多的知识表示方法主要有：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，Petri 网表示法，面向对象表示法。,一般来说，在选择知识表示方法时，应从以下几个方面进行考虑：1 充分表示领域知识确定一个知识表示模式时，首先应该考虑的是它能否充分地表示我们所要解决的问题所在领域的知识。为此，需要深入地了解领域知识的特点以及每一种表示模式的特征，以便做到“对症下药”。例如，在医疗诊断领域中，其知识一般具有经验性、因果性的特点，适合于用产生式表示法进行表示；而在设计

10、类（如机械产品设计）领域中，由于一个部件一般由多个子部件组成，部件与子部件既有相同的属性又有不同的属性，即它们既有共性又有个性，因而在进行知识表示时，应该把这个特点反映出来，此时单用产生式模式来表示就不能反映出知识间的这种结构关系，这就需要把框架表示法与产生式表示法结合起来。,2 有利于对知识的利用知识的表示与利用是密切相关的两个方面。“表示”的作用是把领域内的相关知识形式化并用适当的内部形式存储到计算机中去，而“利用”是使用这些知识进行推理，求解现实问题。 “表示”的目的是为了“利用”，而“利用”的基础是“表示”。 3 便于对知识的获取、组织、维护与管理 组织：依赖于知识的表示方法。 维护：

11、知识的质量、数量、性能方面补充、修改、删除。 管理：保证知识的一致性、完整性。 4 便于理解和实现,3.2 一阶谓词逻辑表示法,一、表示知识的方法,谓词逻辑是一种形式语言，也是到目前为止能够表达人类思维活动规律的一种最精确的语言。,行动规则：,二、一阶谓词逻辑表示法的特点,3.3产生式表示法,“产生式”这一术语是由美国数学家波斯特（E.POST）在1943年首先提出来的，他根据串代替规则提出了一种称为波斯特机的计算机模型，模型中的每条规则称为一个产生式。 1972年纽厄尔和西蒙在研究人类知识模型中开发了基于规则的产生式系统。,一、产生式的基本形式,（1）谓词逻辑中的PQ这个合式公式，只能表示精

12、确的知识，产生式可以表示精确与不精确知识。（谓词逻辑只表示精确的知识，要么成立，要么不成立。也就是说，只取真、假。比如说：在谓词逻辑中，PQ，若P为：天在下雨，Q为天不晴。这时PQ为真。但如果：为：P：天在下雨，Q为天晴。这时PQ为假。也就是只取真值和假值。而产生式，不仅可以取真假，还可以取真假以外的情况，也就是模糊的情况。） （2）谓词逻辑中PQ这个合式公式，条件要求精确匹配，产生式中条件可精确或模糊匹配。 （也就是说，谓词逻辑与产生式的第一个区别是：在值上，一个是精确的，一个是不精确的。第二个区别是：前者在匹配上，是精确的匹配；后者可以精确匹配也可以精确匹配也可以模糊匹配。）,谓词逻辑中的

13、蕴含式与产生式的区别。 基本形式有相同的形式，其实蕴含式只是产生式的一种特殊情况：,二、产生式系统的含义,把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的结论(Qi)可以供另一个产生式作为已知事实(Pj)使用，以求得问题的解决，这样的系统称为产生式系统。(Pi Qi Pj Qj) 一个产生式系统由三个部分组成：规则库、综合数据库（事实库）、控制系统。,规则库： 用于描述相应领域内知识的产生式集合称为规则库。显然，规则库是产生式系统赖以进行问题求解的基础，其知识是否完整、一致，表达是否准确、灵活，对知识的组织是否合理等，不仅将直接影响到系统的性能，而且还会影响到系统的运行效率，因

14、此对规则库的设计与组织应给予足够的重视。,一般来说，在建立规则库时应注意以下问题：( 1 ）有效地表达领域内的过程性知识 (过程性知识：是与领域相关的知识，用于指出如何处理与问题相关的信息，以求得问题的解。 )。规则库中存放的主要是过程性知识，用于实现对问题的求解。为了使系统具有较强的问题求解能力，除了需要获取足够的知识外，还需要对知识进行有效的表达。 ( 2 ）对知识进行合理的组织与管理。 对规则库中的知识进行适当的组织，采用合理的结构形式，可使推理避免访问那些与当前问题求解无关的知识，从而提高求解问题的效率。另外，对规则库进行合适的管理，可以检测并排除那些冗余及矛盾的知识，保持知识的一致性

15、，提高规则库的质量。,综合数据库： （综合数据库和我们平时说的普通的数据库不同，我们说的普通的数据库里可能有一些数据字段，这些字段可能是数值型的、可能是字符型的、可能是日期型的，还可能是其它型的。那么我们所说的这个综合数据库又指什么呢？） 综合数据库又称为事实库、上下文、黑板等。它是一个用于存放问题求解过程中各种当前信息的数据结构，例如问题的初始状态、原始证据、推理中得到的中间结论及最终结论。,综合数据库的特点： 当规则库中某条产生式的前提可与综合数据库中的某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放入综合数据库中，作为后面推理的已知事实。 （这句话的意思是：我们在规则库中先找一

16、个Pi，然后，看它是否与综合数据库里的某个或某些事实相匹配，如果匹配，我们会得到Qi，我们把得到的Qi放到综合数据库里去，作为一种新的事实存在。） （因此，我们说）综合数据库的内容是在不断变化、是动态的，正是由于它内容的不断变化，才构成了由原始数据到结论的变化过程。 （那么，综合数据库里的事实我们一般用什么进行描述？）综合数据库中的已知事实，常用字符串、向量、矩阵、表等数据结构表示。,控制系统（按书P107） ： 是规则库与综合数据库连接的桥梁。又称推理机构，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。 主要完成以下工作： 按一定的策略从规则库选择规则与综合数据库中已知事实进行匹配。 匹配成功的规则可能不止一条，称为发生冲突。推理机构必须调用相应的解决冲突策略进行消解，以便从中选出一条执行。,在执行某一条规则时，如果该规则右部是一个或多个结论，则把这些结论加入到综合数据库中；如果规则的右部是一个或多个操作，则执行这些操作。 对于不确定性知识，在执行每一条规则时还要按一定算法计算结论的不确定性。