知识表示与知识库系统-Read

第六章知识表示与知识库系统

一、概述

知识表示：知识的符号化

对传统的AI说，知识表示就智能的表现之一。

知识表示就是要研究可行、有效的、通用的用机器表达知识的原则与方法。

知识的分类：

１．事物性知识：事物的概念、类别、性质

２．事件性知识：事件的论述、特性、现象、时间、因果

３．性能性知识：如何做事情及其做事的技巧（典型的表示方法就是程序）

４．元知识：关于知识的范围、来源、重要性，力量弱点经验等

知识表示方法应具有的性质：

１．充分性：充分、详尽地表示知识

２．正确性：保证推理正确

３．有效性：提高推理效率

４．灵活性：模块化好，利用知识和灵活运用和增删，修改。

５．自然性：表示接近自然语言，易于理解。

如谓词逻辑：效率低

普通程序：效率高、不灵活

二、谓词逻辑表示方法：

缺点：1. 效率低，当知识增多时，运用知识会导致组合爆炸，只能用于小型知识库系统。

2. 语言结核小，表达事物较简单，不适合表达复杂事物。

三、产生式规则

表示过程性知识（可以放在程序中，最好放在规则库中），利用数据库中事实做正向或逆向推理。

以前的课中讲到了重写规则，也叫产生式规则，其例子用来说明检查语法的正确性。规则的作用十分强大，有时简单的规则能够产生有趣的结果。

例：重写系统（L系统）

同时使用产生式规则：

如：a→ab, b→a

b

a

ab

aba

abaab

abaababa

给这种字符串赋予几何意义.

用龟来说明：(x,y,α)表示龟的状态。(x,y)表示位置，α表示龟爬行的方向。

步长：d，角度增量δ, 用下面命令控制龟的运动:

F: 向前移动步长d, 新状态：(x 1, y1, α)

X1 = x + cosα * d

Y1 = y + sinα* d

在点(x,y)与(x 1, y1)之间画一条线。

f: 向前移动步长d, 不画线。

+：向左转角度δ，新状态：(x 1, y1, α+δ)

-：向右转角度δ，新状态：(x 1, y1, α-δ)

举例：w: F-F-F-F, δ=90

P: F→F-F+F+FF-F-F+F

举例：δ=25.7

w: F

P: F→F[+F]F[-F]F

产生式系统一般由三个部分组成：

1．一组规则，规则库。

2．数据库（当前状态）

3．解释程序：负责整个产生式系统的运行，包括：

a.规则与数据库中数据的匹配

b.选出匹配的规则加以执行

删除老数据，或代换老数据或生成新数据

问题：怎样算匹配上？匹配不上？

选择规则与数据匹配的次序？

多个规则匹配成功时，确定所选规则的准则是什么？

非确定性匹配问题。

特点：1.格式固定，一致性IF-THEN

2.模块化好：易扩充与修改。

3.数据驱动，影响间接，非透明，看不出流程的轮廓。

4.自然

5.效率低：执行时竟选消除

非确定性匹配问题多出现在医学应用上。

咳嗽/\ 流涕/\ 头痛/\ 浑身酸痛/\ 怕冷→感冒

其中有２个或３个满足

或给每一项加权；加权和≥0.8→感冒。

四．语义网络

Quillian在1966年写的一篇博士论文最早研究语义网络表示知识。模拟人的联想记忆的心理学模型。

房间里只有一些椅子。

有的是我的，有的是李华的

我的是木质的，李华的是皮的

我是老师，李华是学生

表示简单，自然，使知识分类，分等级。

推理时，对于给定的事物与事实，构造一个语义网络片断，然后到知识库中寻找同其结构，细节相一致的语义网络。

对于属性的继承性。

缺点：不能保证推理的正确性

五．框架结构：

Minsky 1975年提出，“人的记忆的构架”

一个机器人闯入房间：

２．子类

３．实例：

它所有上层框架中各属性的值

４．匹配

不完全匹配，框架是对一类事物的完整全部描述。

不匹配：①属性不存在：没有窗

②有两扇门

方法：①规定必要条件，如某个属性必须存在

②允许误差范围，门的数目≤４

５．预测煤气灶＝煤气罐数×２

如果看到几个罐，可以预测到几个灶６．继承：继承某些属性，属性值，条件

盖房的观念发生了变化，没有了煤气罐７．变异（反常现象）

进入一个房间→看到十个灶＋个罐→小仓库８．查找