人工智能之知识表示方法培训课件.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,第四章 知识表示,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第1页,第四章 知识表示方法,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第2页,概述,人工智能研究中最基本问题之一,在知识处理中总要问到：“怎样表示知识？”，“知识是用什么来表示?”。怎样使机器能懂，能对之进行处理，并能以一个人类能了解方式将处理结果告诉人们。,在AI系统中，给出一个清楚简练描述是很困难。有研究报道认为。严格地说AI对知识表示认真、系统研究才刚才开始。,人工智能之知识表示方法培训课件,第3页,概述,知识定义,（难以给出明确定义只能从不一样侧面加以了解）,Feigenbaum：,知识是经过消减、塑造、解释和转换 信息,。,Bernstein,：,知识是由特定领域描述、关系和过程 组成。,Hayes-roth：,知识是事实、信念和启发式规则。,知识库观点：知识是某领域中所包括各相关方 面一个符号表示。,人工智能之知识表示方法培训课件,第4页,概述,知识种类,事实性知识：采取直接表示形式,如：凡是猴子都有尾巴,过程性知识：描述做某件事过程,如：电视维修法,行为性知识：不直接给出事实本身，只给出它在某方面行为,如：微分方程、（事物内涵）,.,人工智能之知识表示方法培训课件,第5页,概述,知识种类,.,实例性知识：只给出一些实例，知识藏在实例中,。,类比性知识:即不给出外延，也不给出内涵，只给出它与其它事物一些相同之处,如：比喻、谜语,元知识：相关知识知识。最主要元知识是怎样使用知识知识，怎样从知识库中找到想要知识。,人工智能之知识表示方法培训课件,第6页,概述,知识要素,事实：,事物分类、属性、事物间关系、科学事实、客观事实等。（最低层知识）,规则：,事物行动、动作和联络因果关系知识。（启发式规则）。,控制：,当有多个动作同时被激活时，选择哪一个动作来执行知识。（技巧性）,元知识：,高层知识。怎样实用规则、解释规则、校验规则、解释程序结构等知识。,人工智能之知识表示方法培训课件,第7页,概述,知识表示定义,知识表示研究用机器表示知识可行性、有效性普通方法。,知识表示是理智推理部分理论。,知识表示是有效计算载体,知识表示是交流媒介（如语义网络）,人工智能之知识表示方法培训课件,第8页,概述,选取知识表示原因,表示范围是否广泛,是否适于推理,是否适于计算机处理,是否有高效算法,能否表示不准确知识,能否模块化,总之 ,知识和元知识能否用统一,形式表示,是否加入启发信息,过程性表示还是说明性表示,表示方法是否自然,人工智能之知识表示方法培训课件,第9页,概述,选取知识表示原因,.,总之,，人工智能问题求解是以知识表示为基础。怎样将已取得相关知识以计算机内部代码形式加以合理地描述、存放、有效地利用便是表示应处理问题。,人工智能之知识表示方法培训课件,第10页,概述,研究内容,表示观研究：,认识论、本体论、知识工程,表示方法研究：,直接法、代替法(局部、分布，.),人工智能之知识表示方法培训课件,第11页,概述,知识表示研究特点,智能行为特有灵活性。“常识问题”不能概括为一类简练理论，是大量小理论集合。,AI任务受到计算装置约束。这造成了所采取“表示”必须同时满足“刻画智能现象”与“计算装置能够接收”，这两个有时是矛盾条件。,人工智能之知识表示方法培训课件,第12页,第四章 知识表示方法,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第13页,第四章 知识表示方法,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第14页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第15页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第16页,表示观,认识论表示观,概述,认为表示是对自然世界表述，表示本身不显示任何智能行为。其唯一作用就是携带知识。这意味着表示能够独立于启发式来研究。,最早出现于J.McCarthy与P.Hayes一篇文章中。此主张关键是将AI问题分成两部分：认识论部分与启发式部分。,认为AI关键任务就是“常识”形式化。,人工智能之知识表示方法培训课件,第17页,表示观,认识论表示观,讨论主要问题,“知识不完全性”是认识论学派讨论最多情况。推理者知识是不完全，但却是一致，其关键点是在保持知识一致性前提下得出新结论。,“知识不一致性”是常识另一类性质。例：教友派教徒是和平主义者，共和党是好战分子。已知某教授是教友派教徒，且是共和党人。问他是和平主义者吗？,“知识不确定性”是更复杂常识问题。尽管Fuzzy、可信度理论、人工神经网络等丰富了对常识不确定性研究方法。但还不能显现地表示“可废弃性”这个主要特征。大大限制了对智能行为“灵活性”描述。所以，在复杂问题求解时，集成几个方法是有吸引力想法。,“常识相对性”，当前在AI中研究甚少。如，理论集合是有限，常识集合是无限。,人工智能之知识表示方法培训课件,第18页,表示观,认识论表示观,特点,表示是在特定环境下对世界观察结果。强调自然世界现象与表示之间因果关系。,认为启发式方法不属于表示研究内容。,认为对常识知识形式化是非常主要任务。,人工智能之知识表示方法培训课件,第19页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第20页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第21页,表示观,本体,论表示观,概述,该观点是由D.Lenta提出。,认为表示是对自然世界一个近似，它要求了对待自然世界方式。即一个约定集合。,表示是描述了关心一部分，逼真是不可能。,人工智能之知识表示方法培训课件,第22页,表示观,本体,论表示观,主要处理问题,表示必定需要对世界某个部分给予尤其注意（聚集），而对世界另外部分衰减，以求到达有效求解。,对世界能够采取不一样方式来记述。重视不是“其语言形式，而是其内容”。此内容不是一些特定领域特殊教授知识，而是自然世界中那些含有普通意义普通知识。（与知识工程不一样）,推理是表示观中不可缺乏一部分。表示研究应与启发式搜索联络起来。认为不考虑推理纯粹表示是不存在。,人工智能之知识表示方法培训课件,第23页,表示观,本体,论表示观,主要处理问题,.,计算效率无疑是表示关键问题之一。,即有效地知识组织及与领域相关启发式知识是其提升计算效率伎俩。,计算效率：不一样于以前多用计算复杂性来衡量一个智能系统方法,而采取计算困难度来衡量。计算复杂性普通实质算法在极端情况下特征。其实例分布往往不平衡。实例是人造能处理，实际问题不能处理。,计算困难度主要讨论：计算复杂性分布与研究困难有多大问题。如对大多数有价值实例碰到难以克服计算复杂性问题，就研究怎样克服。,哪种语言作为表示形式不是最主要。尤其强调表示不是数据。这点与知识工程不一样。,人工智能之知识表示方法培训课件,第24页,表示观,本体,论表示观,本体论约定相对性,电子线路分析：,假如从“电路是相互连接实体，信号顺着连线瞬时地流动”这个观点，则存在着一个本体论。而假如从电动力学来看，则存在另一个本体论。本体论研究者认为再智能系统中，往往需要分成不一样层次。每个层次含有其本体论约定。这对教授系统一类问题已被证实是有效。,但,人工智能之知识表示方法培训课件,第25页,表示观,本体,论表示观,本体论约定相对性,但要建立一个含有普通意义带有普通知识知识库，将会碰到“相对性”困难。因为，假如站在不一样科学深度将造成不一样本体论约定。那么，什么是其最终本体论约定呢？这是本体论表示观至今未能处理问题。,M.Minsky说明是有代表性：,“在解释非常复杂问题时，我们将不得不一样时使用几个完全不一样表示。这是因为，每一个尤其表示都有其本身优点与缺点。对包括我们称为常识那些东西时，没有一个表示能够说是足够。”,人工智能之知识表示方法培训课件,第26页,表示观,本体,论表示观,总结,采取集成方法来克服理论不足所带来困难，不但对“本体论”表示观是必定。而且对其它两种表示观也是必定。,人工智能之知识表示方法培训课件,第27页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第28页,表示观,认识论表示观,本体论表示观,知识工程表示观,表示观即对于“什么是表示”这一基本问题不一样了解和采取方法论。,人工智能之知识表示方法培训课件,第29页,表示观,知识工程,表示观,最惯用表示法都反应了知识工程表示观。,特点,普通将表示了解为一类数据结构（逻辑）及在其上操作。,对知识内容更强调与领域相关，哪些是适合于这个领域，来自领域教授经验知识。,强调工程实现性。,人工智能之知识表示方法培训课件,第30页,表示观,总结,总结：,不论持何种表示观AI研究者都认为，表示是刻画智能行为理论。,表示不论采取什么样方式（包含数学或程序）所建立表示方法和立足于什么样表示观，均需要满足与智能现象一致条件。,鉴于智能现象复杂性，采取什么表示观，应该取决于所面临问题。笼统地强调好是没有什么意义。,近几年一些研究者主张各种表示观应该相互渗透。,人工智能之知识表示方法培训课件,第31页,第四章 知识表示方法,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第32页,第四章 知识表示方法,概述,表示观,表示方法,人工智能之知识表示方法培训课件,第33页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第34页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第35页,表示方法,概述,表示方法能够分成2类,替换表示法,局部表示类：最充分也是正统AI最经常使用,分布表示法：对局部表示法在智能行为表述尚不够充分而作补充,。,直接表示法：,正在引发越来越多AI研究者注意。（不可完全独立：考虑到“任何表示方法必须被计算机所接收”这个先决条件，直接表示需要借助局部或部分表示形式。,人工智能之知识表示方法培训课件,第36页,表示方法,概述,表示方法,直接表示,局部表示,分布表示,陈说性表示,过程性表示,语义网络表示,产生式表示,逻辑表示,框架表示,脚本表示,替换表示,人工智能之知识表示方法培训课件,第37页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第38页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第39页,表示方法,直接表示,1963年由Gelernter提出。用于基于传统欧氏几何证实几何定理证实器。,它输入是对前提和目标陈说以及图示（图示是用一系列坐标来表示）。,在证实过程中，证实器把图示作为启发式信息，排除在图示中不正确子目标。从而大大地降低了搜索空间。,但.,人工智能之知识表示方法培训课件,第40页,表示方法,直接表示,1963年由Gelernter提出。用于基于传统欧氏几何证实几何定理证实器。,它输入是对前提和目标陈说以及图示（图示是用一系列坐标来表示）。,在证实过程中，证实器把图示作为启发式信息，排除在图示中不正确子目标。从而大大地降低了搜索空间。,但.,人工智能之知识表示方法培训课件,第41页,表示方法,直接表示,但，长久以来直接表示没有得到长足发展。原因以下：,计算机对直接表示信息难以处理。,直接表示难以表示定量信息（语言设计失败）,直接表示不能描述自然世界全部信息,这两年直接表示有所发展，因为，现在认识到，能够用其它媒体表示方法去补充直接表示不足。将被发展成多媒体。,引申研究是临场AI与临境技术。近几年AI对自主智能系统研究（完全机器做人不干预）失望，造成对建立人机一体智能系统尝试。这么系统所需环境要求是直接表示兴起原因之一。,人工智能之知识表示方法培训课件,第42页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第43页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第44页,表示方法,逻辑表示法,一阶谓词逻辑是谓词逻辑中最直观一个逻辑。它以谓词形式来表示动作主题、客体。客体能够多个。,如：张三与李四打网球（Zhang and Li play tennis），可写为：play(Zhang,Li,tennis),这里谓词是play，动词主体是Zhang和 Li，而客体是tennis。,谓词逻辑规范表示式：,P(x,1,x,2,x,3,)，这里P是谓词,x,i,是主体与客体。,人工智能之知识表示方法培训课件,第45页,表示方法,逻辑表示法,谓词比命题愈加细致地刻画知识：,表示能力强,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”子概念。（有层）,谓词能够代表改变情况,如：City(北京),真。City(煤球)，假,在不一样知识之间建立联络,.,人工智能之知识表示方法培训课件,第46页,表示方法,逻辑表示法,在不一样知识之间建立联络,如：Human(x)Lawed(x)，人人都受法律管制，x是同一个人。,Commit(x)Punished(x)，x不一定是人也能够是动物。,而，Human(x)Lawed(x)commit(x)Punished(x)，,意为假如因为某个x是人而受法律管制，则这个人犯了罪就一定要受到处罚,。,人工智能之知识表示方法培训课件,第47页,表示方法,逻辑表示法,谓词逻辑法是应用最广方法之一，其原因是：,谓词逻辑与数据库，尤其是关系数据库就有亲密关系。在关系数据库中，逻辑代数表示式是谓词表示式之一。所以，假如采取谓词逻辑作为系统理论背景，则可将数据库系统扩展改造成知识库。,一阶谓词逻辑含有完备逻辑推理算法。假如对逻辑一些外延扩展后，则可把大部分知识表示成一阶谓词逻辑形式。（知识易表示）,.,人工智能之知识表示方法培训课件,第48页,表示方法,逻辑表示法,谓词逻辑法是应用最广方法之一，其原因是：,.,谓词逻辑本身含有比较扎实数学基础，知识表示方式决定了系统主要结构。所以，对知识表示方式严密科学性要求就比较轻易得到满足。这么对形式理论扩展造成了整个系统框架发展。,逻辑推理是公理集合中演绎而得出结论过程。因为逻辑及形式系统含有主要性质，能够确保知识库中新旧知识在逻辑上一致性（或经过对应一套处理过程检验）、和所演绎出来结论正确性。而其它表示方法在这点上还不能与其相比。,人工智能之知识表示方法培训课件,第49页,表示方法,逻辑表示法,为此逻辑表示法在实际人工智能系统上得到应用。,例：p,148,存在问题：,谓词表示越细，推力越慢、效率越低，但表示清楚。实际中是要折衷。,人工智能之知识表示方法培训课件,第50页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第51页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第52页,表示方法,产生式规则表示法,美国数学家Post，1943年提出了一个计算形式体系里所使用术语。主要是使用类似文法规则，对符号串做替换运算。这就是最早一个产生式系统。,到了60年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程基础，由此心理学家认为，人脑对知识存放就是产生式形式。所以，用它来建立人类认知模型。,到当前为止，产生式系统已发展成为人工智能系统中最经典最普遍一个结构。产生式表示方法是教授系统第一选择知识表示方式。,人工智能之知识表示方法培训课件,第53页,表示方法,产生式规则表示法,表示形式,普通用三元组（对象，属性，值）或,（关系，对象1，对象2）,例：,（Lee,Age,35）,(Friend,Lee,Chang),人工智能之知识表示方法培训课件,第54页,表示方法,产生式规则表示法,产生式系统基本特征：,一组规则，即产生式本身。,每个规则分左边右边。,如：天上下雨 地上湿,中国首都是北京,普通左边表示情况，即什么条件。发生时产生式被调用。通惯用匹配方法和式情况。匹配成功时，执行右边要求动作。,人工智能之知识表示方法培训课件,第55页,表示方法,产生式规则表示法,产生式系统基本特征,：,数据库,存放数据是组成产生式基本元素，又是产生式作用对象。这里数据是广义常量、变量、多元组谓词、表、图像等。往往事实或断言知识元,一个解释程序,从匹配成功规则（可能不止一个）中选出一个加以执行。,人工智能之知识表示方法培训课件,第56页,表示方法,产生式规则表示法,推理方法：,正向、,反向、,双向，,与或树。,例：P,154,人工智能之知识表示方法培训课件,第57页,表示方法,产生式规则表示法,特点,用产生式系统结构求解问题过程和人类求解问题时思维很相像。因而能够用它来模拟人类求解问题思维过程。,能够把产生式系统作为人工智能系统基本结构单元或基本模型对待。就好像是积木世界中积木块一样。因而研究产生式系统基本问题就含有普通意义。,表示格式固定、形式单一、规则间相互独立。所以建立轻易；推理方式单纯、知识库与推理机分离，修改方便、轻易了解。,人工智能之知识表示方法培训课件,第58页,表示方法,产生式规则表示法,优点,模块性。,规则与规则之间相互独立,灵活性。,知识库易于增加、修改、删除,自然性。,方便地表示教授启发性知识与经验,透明性。,易于保留动作所产生改变、轨迹,人工智能之知识表示方法培训课件,第59页,表示方法,产生式规则表示法,缺点：,知识库维护难。,效率低。为了模块一致性,了解难。因为规则一致性彼此之间不能调用。,应用实例：,用于化工工业测定分子结构DENDRAL,用于诊疗脑膜炎和血液病毒感染MYCIN,预计矿藏PROSPECTOR,人工智能之知识表示方法培训课件,第60页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第61页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第62页,表示方法,语义网络表示法,概述,1968年Quillian博士论文提议用一个语义网络来描述人对事物认知，实际上是对人脑功效模拟。,逻辑和产生式表示方法惯用于表示相关领域中各个不一样状态间关系。然而用于表示一个事物同其各个部分间分类知识就不方便了。,槽和填槽表示方法便于表示这种分类知识。这种表示方法包含语义网络、框架、概念隶属和脚本。语义网络方法特点就在于提出了槽和填槽结构。,语义网络同一阶逻辑有相同能力。多用于自然语言处理。,人工智能之知识表示方法培训课件,第63页,表示方法,语义网络表示法,表示形式,每一个要表示事实用一个“结点”表示，而事实之间关系用“弧线”表示。即，有向图表示三元组，（结点1，弧，结点2）连接而成。,推理特点,不十分明了，有继承规则。能够用关系如：组员联络、特征联络、相互作用联络、集合联络、合成联络、因果联络、活动方式联式、活动目标联络、蕴含联络等。还能够将语义网络引入逻辑含义。表示，关系，是用归结推理法。,人工智能之知识表示方法培训课件,第64页,表示方法,语义网络表示法,结论,语义网络图好处是直观、清楚,缺点是表示范围有限。如，一旦有十个结点，而且各结点之间又有联络，则这个网络就极难辨请了。,人工智能之知识表示方法培训课件,第65页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第66页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第67页,表示方法,框架表示法,概述,1975年 Minsky在论文中提出了框架理论。他从心理学证据出发，认为人知识以框架结构记存在人脑中。当人们面临新情况，或对问题看法有主要改变时，总是从自己记忆中找出一个适当框架，然后依据细节加以修改补充，从而形成对新观察到事物认识。,人类对于一件事了解，表现在对于这件实物诸方面，即属性了解。掌握了事物属性，也就有了关于事物知识，知识表示是隶属性描述开始。,人工智能之知识表示方法培训课件,第68页,表示方法,框架表示法,定义,框架是由若干个结点和关系（统称为槽）组成网络。是语义网络普通化形式一个结构。同语义网络没有本质区分。如书上所表示如将语音网络结点间弧上标注也放到槽内就成了框架表示形式。,表示形式：,由框架名、槽名、侧面、值组成,推理方法：,没有固定推理机理。但和语义网络一样遵照匹配和继承原理。,人工智能之知识表示方法培训课件,第69页,表示方法,框架表示法,性质,对事物进行描述。而且对其中一些细节做深入描述。则可将其扩充为另外一些框架。,如：汽车载货或人,能够经过它对一些从感官中没有直接得到信息进行预测，对于人来说这种功效是很强。如：一想到桌子就能够想到它腿形状与位置。,能够在它基础上进行判断推理。,可经过它来认识某一类事物。,能够经过一系列实例来修正框架对一些事物不完整描述。（填充空框架，修改默认值）,人工智能之知识表示方法培训课件,第70页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第71页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第72页,表示方法,脚本表示法,脚本方式是采取一个专用框架，用来表示特定领域知识。,脚本经过一些元语作为槽名来表代要表示对象基本行为。,有些象电影剧本。,人工智能之知识表示方法培训课件,第73页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第74页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第75页,表示方法,过程表示法,前面几个知识表示方法均是知识和事实一个静止表示方法。我们称这类知识表示方式为,陈说式表示,。它所强调是事物所包括对象是什么，是对事物相关知识静态描述，是知识一个,显式、说明性,知识表示形式。,说明性表示知识给出事物本身属性及事物之间相互关系。对问题解答就隐含在这些知识之中。而,过程性知识,则给出处理一个问题详细过程。,人工智能之知识表示方法培训课件,第76页,表示方法,过程表示法,说明性知识和过程性知识相比：,说明性知识比较简明、清楚、可靠、便于修改。但往往效率低。,过程性知识比较直截了当，效率高。但因为详细地给出了处理过程，使这种知识表示显得复杂、不直观、轻易犯错、不便于修改。,实际上，说明性表示和过程性表示实际上没有绝正确分界限。所以，任何说明性知识假如要被实际使用，必须有一个对应过程去解释执行它。对于一个以使用说明性表示为主系统来说，这种过程往往是隐含在系统之中，而不是面向用户。,人工智能之知识表示方法培训课件,第77页,表示方法,过程表示法,知识过程性两个含义：,含义1：把处理一个问题过程描述出来。能够称它为解题知识过程表示。,含义2：把客观事物发展过程用某种方式表示出来。,在一些情况下，这两种含义是极难决然分开。如，任何一个解题系统基本组成都是一个数据集，一组运算符和一个解释程序。过程性知识使用状态来表示，在状态空间运作。,人工智能之知识表示方法培训课件,第78页,表示方法,过程表示法,过程式表示定义：,过程式表示就是将相关某一问题领域知识连同怎样使用这些知识方法均隐式地表示为一个求解过程。,它所给出是事物一些客观规律，表示是怎样求解问题，知识描述形式就是程序。全部信息均隐含在程序中效率高、没有固定形式。,怎样描述知识完全取决定于详细问题。,实际上系统都是陈说与过程观点结合。陈说之中多少包含了过程方法,。,人工智能之知识表示方法培训课件,第79页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第80页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第81页,表示方法,混合型知识表示法,上述知识表示虽各有特点，而且适用领域也不一样。如：,谓词逻辑方法只适合用于确定性、陈说性、静态性知识，而对动态、改变性、含糊性知识则极难表示。,产生式规则方法推理方法太单一，假如前提条件太多，或规则条数太多，则推理速度将慢得惊人。,语义网络方法表示知识面比较窄。,框架方法表示知识横向关系不太明确。（纵向隶属继承关系很明确）,对于复杂、深层次知识，就极难用一个知识表示来处理问题,。,人工智能之知识表示方法培训课件,第82页,表示方法,混合型知识表示法,依据需要表示知识特征来决定用二、三种方式联合表示。,逻辑与框架：框架里槽值能够对应与谓词项。,语义网络与框架：结点对应与框架，结点参数就是框架槽值。,产生式与框架：框架槽值对应于一条产生式规则。,逻辑、产生式和过程式：产生式两端以谓词形式出现“活动”是个过程。,与神经网络结合,人工智能之知识表示方法培训课件,第83页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第84页,表示方法,概述,直接表示,逻辑表示,产生式规则表示法,语义网络表示法,框架表示法,脚本方法,过程表示,混合型知识表示方法,面向对象表示方法,人工智能之知识表示方法培训课件,第85页,表示方法,面向对象知识表示法,面向对象表示法中对象指物体，消息指物体间联络，经过发送消息使对象间相互作用来求得所需结果。,任何事物都是对象，对象按照“类”、“子类“进行分类。,特点：,有属性继承、特征描述结构化等优点。,人工智能之知识表示方法培训课件,第86页,第四章 知识表示方法,结论：,本章介绍了若干种知识表示方式，绝大多数在应用中得到了很好验证。但实际工作中，假如要建立一个人工智能系统、教授系统时，可能还是要依据详细情况提出一个混合性知识表示方式。,人工智能之知识表示方法培训课件,第87页,第四章 知识表示方法,The End.,人工智能之知识表示方法培训课件,第88页,