《人工智能ppt课件》由会员分享，可在线阅读，更多相关《人工智能ppt课件（30页珍藏版）》请在金锄头文库上搜索。
1、Artificial Intelligence第7章 知识表示知识表示的概念与含义 知识类型和知识模型的变换 知识表示的新方法语义网络 框架Artificial Intelligence1 知识表示的概念与含义 什么是知识？数据、信息和知识的区别？从知识的观点，智能表现在： 知识的获取、处理、运用能力因此人工智能及其应用是以知识为基础的.人类的知识是极其丰富与庞杂的，如何规范地描述这些知识、规律、经验？知识表示Artificial Intelligence含义： 概括智能的模型研究目的： 知识存储和正确使用研究目标： 合理的知识表示问题的求解容易较高的求解效率好的知识表示的特点：表示某个专门领
2、域知识的能力，知识相容从已知知识推导出新知识的能力，结构相容便于新知识的获取便于将启发式知识附加到知识结构Artificial Intelligence2 知识类型和知识模型的变换 3种知识类型：叙述型知识：有关系统状态、环境和条件，问题的概念、定义和事实的知识。过程型知识：有关系统状态变化、问题求解过程的操作、演算和行动的知识。控制型知识：有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。例：从北京到上海，是乘飞机还是坐火车？叙述型：北京、上海、飞机、火车、时间、费用过程型：乘飞机、坐火车控制型：乘飞机较快、贵；坐火车较慢、便宜Artificial Intelligence知
3、识模型的变换：对于不同的知识表达方法，则有各种不同的形式化的知识模型。不同模型间可相互转化，如：同构变换：使问题更明确，便于求解；同构问题的解答等价于原始问题的解答。同态变换：使问题更加简化，易于求解；原始问题有解，则同态问题有解，同态问题无解，则原始问题无解，它们之间是蕴涵关系。Artificial Intelligence原始问题原始解答同构问题同构解答同构变换等价便于求解（明确）难求解同态问题同态解答同态变换蕴含（简化）易求解Artificial Intelligence例、方格棋盘分割问题1.原始问题：在2n2n 的方格棋盘中，去掉对顶角上两个小方格后，如图（a）所示，问能否将它分割为
4、若干 12 的小长方块？ 随着 n 的增大，会出现“组合爆炸”。（a）原始问题Artificial Intelligence2.同构问题：将棋盘中小方格相间着色，如图（b）所示，无论 n 为何值，对顶角上两个小方格是同色的，去掉它们后，小白格和小黑格的数目之间的差值为2。由于每个（12）长方块只能包括一个小白格和小黑格，因此无论如何分割，最后剩下的必定是同色的两个小方格，无法分割成原始问题要求的小长方块。Artificial Intelligence3.同态问题：引入序对（小黑格数，小白格数），用以表示待分割棋盘的状态，化为同态问题， 1.初态：（2n2，2n2-2）； 2.目标：（0，0）；
5、 3.分割操作：每次操作，分割出一个小长方块，割去一个小黑格和一个小白格，使状态变量都减去1。显然，经过2n2-2次操作后，状态变为（2，0），不可能达到目标状态（0，0）。初始状态（2n2，2n2-2）第一次分割（2n2-1，2n2-3）第2n2-2次分割（2，0）目标状态（0，0）（c）同态问题Artificial Intelligence例、方格棋盘分割问题初始状态（2n2，2n2-2）第一次分割（2n2-1，2n2-3）第2n2-2次分割 （2，0）目标状态（0，0）（a）原始问题（b）同构问题（c）同态问题Artificial Intelligence3 知识表示的方法产生式系统状态
6、空间表示法问题归约表示法(与或图)谓词逻辑表示法语义网络框架其它Artificial Intelligence1) 语义网络 1 语义网络的概念和特性是一种采用网络形式表示人类知识的方法.形式: 是带标识的有向图. 节点: 表示物体、概念、事件、动作或态势; 有向弧(也带有标识): 节点之间的语义联系.语义网络是自然语言/逻辑语言中具有语义含义的一种结构化表示方法.优点: 自然性, 联想性,效率较高; 缺点: 不严格,不便于表达判断性的和深层知识.Artificial Intelligence广义语义网各种WEB表现形式/时代互联网（1995）: 应用程序协议SMTP、FTP、HTTP.WEB
7、 1.0：大部分是静态HTML网页和超链接.WEB 2.0（2004）： 平台、协作、丰富的用户体验.社交网络（ WEB 2.X，现在）：人们和他们在虚拟和现实世界的社交连接和活动.WEB 3.0（语义网，未来）：机器可理解的大量内容Artificial Intelligence2 语义网络的知识表达2.1 基本命题的语义网络表示节点: 分为实例节点和类节点两种. 有向弧: 刻画节点之间的语义联系.(1) 以个体为中心的语义联系1）实例联系. 用于表示类节点与所属实例节点之间的联系，标识为ISA。例如 “燕子是一只鸟” 燕子鸟ISAArtificial Intelligence2）泛化联系：用
8、于表示一种类节点（如鸟）与更抽象的类节点（如动物）之间的联系，用 AKO 表示。AKO: 偏序联系，可将问题领域中的所有类节点组织成一个AKO层次网络。下图为动物分类系统中部分概念的AKO联系描述。动物鸵鸟企鹅海燕斑马长颈鹿老虎猎豹鸟类动物哺乳动物AKOAKOAKOAKOAKOAKOAKOAKOAKOArtificial Intelligence3）聚集联系：表示某一个体与其组成成分之间的联系，用 part-of 表示。聚集联系基于概念的分解性，将高层概念分解为若干低层概念的集合。翅膀鸟Part-of圆珠笔笔杆笔芯Part-ofPart-ofArtificial Intelligence4）属
9、性联系：表示个体、属性及其取值之间的联系，用有向弧表示属性，用这些弧指向的节点表示各自的值。personprogrammer180cm30maleJohnISAheightprofessionagesexArtificial Intelligence（2）以谓词关系为中心的语义联系本质上,语义网络节点之间的连接是二元关系,一元和多元关系很容易转换为语义网络. 如 鸟是动物.Animal(bird) 一元 ISA (bird, animal) 二元火箭和国王的一场NBA篮球比赛中的比分是99:107,其逻辑表示法为score(火箭,国王, 99:107). 多元方法:引入一个类:篮球比赛,和一个
10、个体: NBA火箭-国王本周比赛,将多元关系表示成二元关系的组合.Artificial Intelligence2.2 连接词在语义网络中的表示方法 1）合取: 引入“与”节点来表示。如命题 give (John, Mary, “战争与和平”) read (Mary,“战争与和平”) Artificial Intelligence2）析取: 引入 “或” 节点来表示。例如命题John is a programmer or Mary is a lawyer. 其中，OC1和OC2为两个具体的职业关系，分别对应John为programmer及Mary 为lawyer。 Artificial Int
11、elligence 3）否定.可直接采用ISA，AKO及part-of的有向弧来标注,或引进“非”节点来表示。如命题 give (John, Mary,“战争与和平”) read (Mary, “战争与和平”).Artificial Intelligence4）蕴含: 引入蕴含关系节点来表示规则中前提条件和结论之间的因果联系。从蕴含关系节点出发，一条弧指向命题的前提条件，记为ANKE，另一条弧指向该规则的结论，记为CONSE。如 “如果车库起火，那么用CO2或沙来灭火”.Artificial Intelligence2.3 变元和量词在语义网络中的表示方法存在量词在语义网络中直接用ISA弧表示
12、。如，命题：The dog bits the postman (存在量词) 令D表示一特定的狗；P表示一特定的邮递员；B表示一特定的咬人事件。B包括攻击者和受害者。节点D，B和P都是用ISA弧与概念节点DOG，BITE以及POSTMAN相连，因此表示的是存在量词。 DOGDPOSTMANBITEPBISAISAISAASSAILANTVICTIMArtificial Intelligence如果进一步要表示： Every dog has bitten a postman 这个事实，用谓词逻辑可表示为（x）DOG（x）（y）POSTMAN（y）BITE（x，y） (全称量词 )方法: 利用分级网
13、络把空间分割成分层集合。每一个空间对应于一个或几个变量的范围。下图是上述事实的语义网络.Artificial Intelligence分级网络: 引入一个类节点GS(对客观世界的一般性描述); 要表示的语句是GS的一个个体(实例)G, 如果G中含有n个全称变量, G在网络中有n+1条弧射出:第一条:格式（FORM）,它指向全称量词管辖的子网络(S1是一个特定的分割 A dog has bitten a postman)后n条: , 分别指向被全称量化的变量; 该语义网络表示对每一条狗存在一个咬人事件B和一个邮递员P，使得D是B中的攻击者，而P是受害者。Artificial Intelligen
14、ce如果要表示下述事实：Every dog has bitten every postman.只需对图（b）做简单的修改，增加一条弧与节点P相连。这样做的含义是每条狗咬了每个邮递员，如图（c）所示. Artificial Intelligence2) 框架1 框架的基本概念1975年由M.Minsky提出，最早用作视觉感知、自然语言对话等问题的知识表示.现象: 在人类日常的思维和理解活动中，当分析和解释遇到新情况时，人们试图用以往的经验来分析解释当前所遇到的情况,即要使用过去积累的经验中的知识。 定义: 人们无法把过去的经验都一一存储在脑子里，而只能以一个通用的数据结构的形式存储以往的经验。这
15、样的数据结构，称为框架。区别: 语义网络注重表示对象间的关系，而框架更注重对象的内部结构.Artificial Intelligence2 框架的结构框架（frame）由框架名和一组用于描述对象的各个方面具体属性的槽（slot）组成。每个槽又有一个槽名和槽值.槽的下面还可分为多个侧面，每个侧面又可有各自的取值，作为对槽的进一步说明。一个框架可以形式地表示如下： FRAME 槽名1： 侧面名11： 侧面值111 侧面名12： 侧面值121 侧面名1m： 侧面值1m1 槽名2： 槽名n：Artificial Intelligence例1：框架名： a-member-of： 学生 身高： 1.78米 体重： 70公斤 爱好： 滑冰、击剑例2：框架名： 商品名称： 生产厂家： 出售商店: 处 罚： 处理方式： 处罚依据： 处罚时间：单位（年、月、日） 经办部门： 有4个槽，其中，“处罚”槽有4个侧面，侧面“处罚时间”用“单位”指出了一个填值时的标准限制。 Artificial Intelligence例3：框架名： 姓名：单位（姓、名） 年龄：单位（岁） 性别：范围（男、女） 缺省（男） 职称：范围（教授、副教授、讲师、助教） 缺省（讲师） 部门：单位（系、教研室） 住址： 工资： 开始工作时间：单位（年、月）
