人工智能及其应用知识.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,*,*,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,第二章 知识表示,本章主要讨论知识表示问题，介绍7种知识表示方法：状态空间法、问题归约法、谓词演算法、语义网络法、框架表示、本体技术、过程表示。掌握状态空间法、问题归约法、谓词演算法、语义网络法关键点及其之间关系，了解框架表示、本体技术、过程表示。,人工智能及其应用知识,第1页,知识表示基本概念,知识表示,：研究用机器表示知识可行性、有效性普通方法，是一个数据结构与控制结构统一体，既考虑知识存放又考虑知识使用。,知识表示可看成是一组描述事物约定，以把人类知识表示成机器能处理数据结构。,人工智能及其应用知识,第2页,人工智能系统所关心知识,事实,相关问题环境一些事物知识，常以“是”形式出现。如事物分类、属性、事物间关系、科学事实、客观事实等。如雪是白色、鸟有翅膀、张三李四是好朋友、这辆车是张三。,规则,相关问题中与事物行动、动作相联络因果关系知识，是动态，常以“假如那么”形式出现。,控制,相关问题求解步骤、技巧性知识，告诉怎么做一件事。,元知识,相关知识知识，是知识库中高层知识。包含怎样使用规则、解释规则、校验规则、解释程序结构等知识。,人工智能及其应用知识,第3页,2.1 状态空间法,问题求解,问题求解,(problem solving)是个大课题，它包括归约、推断、决议、规划、常识推理、定理证实和相关过程关键概念。,在分析了人工智能研究中利用问题求解方法之后，就会发觉许多问题求解方法是采取试探搜索方法。也就是说，这些方法是经过在某个可能解空间内寻找一个解来求解问题。,状态空间法,：基于解答空间问题表示和求解方法，它是以状态和算符(operator)为基础来表示和求解问题。,人工智能及其应用知识,第4页,2.1 状态空间法,1.问题求解技术两个主要方面,(1)问题表示：假如描述方法不对，对问题求解会带来很大困难；,(2)求解方法：采取试探搜索方法。,2.状态空间法三关键点,(1)状态（state）,(2)算符（operator）,(3)状态空间方法,人工智能及其应用知识,第5页,2.1 状态空间法,2.1.1 问题状态描述,1.定义,状态,(state)：为描述某类不一样事物间差异而引入一组最少变量q,0,，q,1,，q,n,有序集合，其矢量形式以下：,Q=q,0,q,1,q,n,T,式中每个元素q,i,(i=0,1,n)为集合分量,称为状态变量,给定每个分量一,组值就得到一个详细状态,如,Q,k,=q,0k,q,1k,q,nk,T,式中每个元素q,i,(i=0,1，n)为集合分量，称为状态变量。,算符,：使问题从一个状态改变为另一个状态伎俩称为操作符或算符。操,作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。,问题状态空间,(state space)：是一个表示该问题全部可能状态及其关系,图，它包含三种说明集合，即全部可能问题初始状态集合S、操作符,集合F以及目标状态集合G。可把状态空间记为三元状态(S，F，G)。,人工智能及其应用知识,第6页,2.1 状态空间法,2.状态空间表示详释,让我们先用数码难题,(puzzle problem),来说明状态空间表示概念。由15个编有1至15并放在44方格棋盘上可走动棋子组成。棋盘上总有一格是空，方便可能让空格周围棋子走进空格，这也能够了解为移动空格。图中绘出了两种棋局，即初始棋局和目标棋局，它们对应于该下棋问题初始状态和目标状态。怎样把初始棋局变换为目标棋局呢？问题解答就是某个适当棋子走步序列，如左移棋子12，下移棋子15，右移棋子4，等等。,人工智能及其应用知识,第7页,2.1 状态空间法,2.状态空间表示详释,状态空间法：从某个初始状态开始，每次加一个操作符，递增建立起操作符试验序列，直到抵达目标状态为止。,寻找状态空间全部过程包含从旧状态描述产生新状态描述，以及今后检验这些新状态描述，看是否抵达了该目标状态。对于最优化问题找到任一目标状态是不够，必须按某个准则实现最优化路径。P26,完成目标状态三件事：,状态描述方式，尤其是初始状态描述；,操作符集合及其对状态描述作用；,目标状态特征。,人工智能及其应用知识,第8页,2.1 状态空间法,2.1.2 状态图示法,为,了对状态空间图有更深入了解，这里介绍一下列图论中几个术语和图正式表示法。,1.图论中几个术语,节点,(node)：,图形上汇合点，用来表示状态、事件和时间关系汇合，也可用来指示通路汇合；,弧线,(arc)：,节点间连接线；,有向图,(directed graph)：,一对节点用弧线连接起来，从一个节点指向另一个节点。,后继节点,(descendant node)与,父辈节点,(parent node)：假如某条弧线从节点n,i,指向节点n,j,，那么节点n,j,就叫做节点n,i,后继节点或后代，而节点n,i,叫做节点n,j,父辈节点或祖先。,人工智能及其应用知识,第9页,2.1 状态空间法,2.1.2 状态图示法,1.图论中几个术语,路径,：某个节点序列(n,i1,n,i2,n,ik,)当j=23，k时，假如对于每一个n,i,，,j-1,都有一个后继节点n,ij,存在，那么就把这个节点序列叫做从节点n,i1,至节点n,ik,长度为k路径。,代价,：用c(n,i,n,j,)来表示从节点n,i,指向节点n,j,那段弧线代价。两节点间路径代价等于连接该路径上各节点全部弧线代价之和。,显式表示,：各节点及其含有代价弧线由一张表明确给出。此表可能列出该图中每一节点、它后继节点以及连接弧线代价。,隐式表示,：节点无限集合s,i,作为起始节点是已知。后继节点算符也是已知，它能作用于任一节点以产生该节点全部后继节点和各连接弧线代价。,人工智能及其应用知识,第10页,2.1 状态空间法,2.1.2 状态图示法,2.图显式和隐式表示 一个图可由显式说明也可由隐式说明。显然，显式说明对于大型图是不切实际，而对于含有没有限节点集合图则是不可能。另外，引入后继节点算符概念是方便。后继节点算符也是已知，它能作用于任一节点以产生该节点全部后继节点和各连接弧线代价把后继算符应用于si组员和它们后继节点以及这些后继节点后继节点，如此无限制地进行下去，最终使得由和si所要求隐式图变为显示图。,问题表示对求解工作量有很大影响。人们显然希望有较小状态空间表示。许多似乎极难问题，当表示适当初就可能含有小而简单状态空间。,人工智能及其应用知识,第11页,2.1 状态空间法,2.1.2 状态图示法,依据问题状态、操作符和目标条件选择各种表示，是高效率问题求解必须。,各种问题都能够用状态空间加以表示，并用状态空间搜索法来求解。,人工智能及其应用知识,第12页,2.1 状态空间法,2.1.2 状态图示法,1.产生式系统,（Production System）,一个总数据库,(global database),：它含有与详细任务相关信息；伴随应用情况不一样，这些数据库可能小得像数字矩阵那样简单，或许大得如检索文件结构那么复杂。,一套规则,：它对数据库进行操作运算。每条规则由左右两部分组成，左部判别规则适用性或先决条件，右部描述规则应用时所完成动作。用规则来改变数据库就象用算符来改变状态一样。,一个控制策略,：它确定应该采取哪一条适用规则，而且当数据库终止条件满足时，就停顿计算。控制策略由控制系统选择和确定。,人工智能及其应用知识,第13页,推销员旅行问题,总数据库：到当前为止所访问城市；,规则对应于决议：即下一步走向城市，下一步走向城市，下一步走向城市，一条规则必须能把某个数据库变为一个正当数据库，不然不适应这个数据库；,任一以为起点和终点，并出现全部其它城市总数据库，都满足终止条件,人工智能及其应用知识,第14页,2.1 状态空间法,2.1.2 状态图示法,2.状态空间表示举例,例2 猴子和香蕉问题(monkey and banana problem)在一个房间内有一只猴子(可把这只猴子看做一个机器人)、一个箱子和一束香蕉。香蕉挂在天花板下方，但猴子高度不足以碰到它。那么这只猴子怎样才能摘到香蕉呢?图2.4表示出猴子、香蕉和箱子在房间内相对位置。,猴子和香蕉.,用一个四元表列(W,X,Y,Z)来表示这个问题,状态，其中 W猴子水平位置 X当猴子在箱子顶上时取X=1；不然取X=0 Y箱子水平位置 Z当猴子摘到香蕉时取Z=1；不然取Z=0,图 2.4 猴子和香蕉问题,人工智能及其应用知识,第15页,2.1 状态空间法,2.1.2 状态图示法,这个问题中操作(算符)以下：,(1)goto(U),猴子走到水平位置U，或者用产生式规则表示为：,(W，0，Y，z),(U，0，Y，z)(2.3),即应用操作,goto(U),，能把状态,(W，0，Y，z),变换为状态,(U，0，Y，z),。,(2)pushbox(V),猴子把箱子推到水平位置V，即有,(W，0，W，z),(V，0，V，z)(2.4,),应该注意是，要应用算符,pushbox(V)，,就要求产生式规则左边，猴子与箱子必须在同一位置上，而且，猴子不是在箱子顶上。这种强加于操作适用性条件，叫做产生式规则先决条件。,人工智能及其应用知识,第16页,2.1 状态空间法,2.1.2 状态图示法,这个问题中操作(算符)以下：,(3)climbbox,猴子爬上箱顶，即有,(W，0，W，z),(W，1，W，z)(2.5),在应用算符climbbox时也必须注意到，猴子和箱子应该在同一位置上，而且猴子不在箱顶上。,(4)grasp猴子摘到香蕉，即有,(c,1,c,0),(c,1,c,1)(2.6)其中，c是香蕉正下方地板位置，在应用算符grasp时，要求猴子和箱子都在位置c上，而且猴子已在箱子顶上,。,人工智能及其应用知识,第17页,2.1 状态空间法,对于规则(2)，只有当算符pushbox(V),先决条件，即猴子与箱子在同一位,置上而且猴子不在箱顶上这些条件得,到满足时，算符pushbox(V)才是适用,。这一操作算符作用是猴子把箱,子推到位置V。在这一表示中，目标,状态集合可由任何最终元素为1,表列来描述。令初始状态为(a0,b,0)这时，goto(U)是唯一适用操作，,并造成下一状态(U,0,b,0)。现在有3,个适用操作，即goto(U)，,pushbox(V)和climbbox(若U=b)。,猴子和香蕉问题状态空间图,人工智能及其应用知识,第18页,2.2 问题归约法,2.2.1 问题归约描述,先把问题分解为子问题和子-子问题，然后处理较小问题。对该问题某个详细子集解答就意味着对原始问题一个解答。问题归约表示组成部分：,一个初始问题描述；,一套把问题变换为子问题操作符；,一套本原问题描述。,问题归约实质：从目标(要处理问题)出发逆向推理，建立子问题以及子问题子问题，直至最终把初始问题归约为一个平凡本原问题集合。,人工智能及其应用知识,第19页,2.2 问题归约法,2.2.1 问题归约描述,梵塔难题,有3个柱子(1，2和3)和3个不一样尺寸圆盘（A，B和C）。在每个圆盘中心有一个孔，所以圆盘能够堆叠在柱子上。最初，3个圆盘都堆在柱子1上：最大圆盘C在底部，最小圆盘A在顶部。要求把全部圆盘都移到柱子3上，每次只许移动一个，而且只能先搬动柱子顶部圆盘，还不许把尺寸较大圆盘堆放在尺寸较小圆盘上。这个问题初始配置和目标配置如图2.6所表示。,人工智能及其应用知识,第20页,2.2 问题归约法,解题过程：,将原始问题归约为一个较简单问题集合，要把全部圆盘都移至柱子3，我们必须首先把圆盘C移至柱子3；而且在移动圆盘C至柱子3之前，要求柱子3必须是空。只有在移开圆盘A和B之后，才能移动圆盘C；而且圆盘A和B最好不要移至柱子3，不然就不能把圆盘C移至柱子3。所以，首先应该把圆盘A和B移到柱子2上。然后才能够进行关键一步，把圆盘C从柱子1移至柱子3，并继续处理难题其余部分。,将原始难题归约（简化）为以下子难题：移动圆盘A和B至柱子2双圆盘难题，如图(a)所表示。,人工智能及其应用知识,第21页,2.2 问题归约法,图 2.7 梵塔问题解答(a),图 2.8 梵塔问题解答(b),图 2.9 梵塔问题解答(c),人工智能及其应用知识,第22页,2.2 问题归约法,梵塔问题归约图：子问题2可作为本原问题考虑，因为它解只包含一步移动。应用一系列相同推理，子问题1和子问题3也可被归约为本原问题，如图2.10所表示。这种图式结构，叫做与或图(AND/OR graph)。它能有效地说明怎样由问题归约法求得问题解答。,梵塔问题归约图,人工智能及其应用知识,第23页,2.2 问题归约法,2.2.1 问题归约描述,问题归约描述,问题归约方法应用算符把问题描述变换为子问题描述，问题描述能够用各种数据结构形式，包含表列、树、字符串、矢量、数组等。梵塔问题采取包含两个数列表列来描述,(113),（333)表示把配置（113）变换为配置（333）。,用状态空间表示三元组合（S，F，G）来要求与描述问题，相关子问题能够看成状态空间中两个一定“脚踏石”之间寻找路径来区分。梵塔问题中子问题（111）=（122），（122）=（322），（322）=（333），要求了最终路径将要经过“脚踏石”状态（122）和（322）。,人工智能及其应用知识,第24页,2.2 问题归约法,2.2.2 与或图表示,与图、或图、与或图：,普通地，我们用一个类似图结构来表示把问题归约为后继问题替换集合，这种结构图叫做问题归约图，或叫与或图。以下列图所表示:,（引入附加节点使含有一个以上后继问题每个集合能够聚集在它们各自父辈节点之下。）,子问题替换集合结构图,与或图,人工智能及其应用知识,第25页,2.2 问题归约法,2.2.2 问题归约描述,一些关于与或图术语：,终叶节点,：,对应于原问题本原节点。,或节点,：,只要处理某个问题就可处理其父辈问题节点集合，如（M，N，H）。,与节点,：,只有处理全部子问题，才能处理其父辈问题节点集合，如（B,C)和（D,E,F）各个结点之间用一端小圆弧连接标识。,人工智能及其应用知识,第26页,2.2 问题归约法,2.2.2 问题归约描述,与或图,：,由与节点及或节点组成结构图。,可解节点普通定义：,(1),终叶节点是可解节点(因为它,们与本原问题相关连)。,(2)假如某个非终叶节点含有或后,继节点，那么只要当其后继节点,最少有一个是可解时，此非终,叶节点才是可解。,(3)假如某个非终叶节点含有与,后继节点，那么只有当其后继节,点全部为可解时，此非终叶节点,才是可解。,图 2.15 与或图例子,人工智能及其应用知识,第27页,2.2 问题归约法,2.2.2问题归约描述,不可解节点普通定义:,(1)没有后代非终叶节点为不可解节点。,(2)假如某个非终叶节点含有或后继节点，那么只有当其全部后代为不可解时，此非终叶节点才是不可解。,(3)假如某个非终叶节点含有与后继节点，那么只要当其后代最少有一个为不可解时，此非终叶节点才是不可解。,人工智能及其应用知识,第28页,2.2 问题归约法,2.2.2 问题归约描述,与或图组成规则(1)与或图中每个节点代表一个要处理单一问题或问题集合。图中所含起始节点对应于原始问题。,(2)对应于本原问题节点，叫做终叶节点，它没有后代。,(3)对于把算符应用于问题A每种可能情况，都把问题变换为一个子问题集合；有向弧线自A 指向后继节点表示所求得子,问题集合，以下列图所表示，把问题A归约为3个不一样,子问题集合N，M，H(或节点)。,图 2.16 与或树,人工智能及其应用知识,第29页,2.2 问题归约法,2.2.2 问题归约描述,与或图组成规则,(4)普通对于代表两个或两个以上子问题集合每个节点，有向弧线从此节点指向此子问题集合中各个节点。因为只有当集合中全部项都有解时，这个子问题集合才能取得解答，所以这些子问题节点叫做与节点。,(5)在特殊情况下，当只有一个算符可应用于问题A，而且这个算符产生含有一个以上子问题某个集合时，由上述规则,3和规则4所产生图能够得到简化。,所以，代表子问题集合中间或节,点能够被略去，如右图所表示。,图 2.16 与或树,人工智能及其应用知识,第30页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）1.语法和语义(Syntax&Semantics),谓词逻辑基本组成部分：谓词符号、变量符号、函数符号和常量符号，并用圆括号、方括号、花括号和逗号隔开，表示论域内关系。,原子公式(atomic formulas)由若干谓词符号和项组成谓词演算。原子公式是谓词演算基本积木块。,比如，要表示机器人(ROBOT)在号房间(r1)内，如图2.19所表示，能够应用原子公式:,人工智能及其应用知识,第31页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）,1.语法和语义(Syntax&Semantics),当机器人ROBOT移到房间r2时，原子公式能够表示为：,INROOM(ROBOT,r2),这两个原子公式通用形式就是,又如,“李母亲和他父亲结婚”这句话原子公式表示,以下：,人工智能及其应用知识,第32页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）2.连词和量词(Connective&Quantifiers),(1)连词与合取（conjunction）合取就是用连词把几个公式连接起来而组成公式。合取项是合取式每个组成部分。,例：LIKE(I，MUSIC)LIKE(I，PAINTING),(我喜爱音乐和绘画。),人工智能及其应用知识,第33页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）2.连词和量词(Connective&Quantifiers),或析取（disjunction）析取就是用连词把几个公式连接起来而组成公式。析取项是析取式每个组成部分。,例：PLAYS(LILI，BASKETBALL)PLAYS(LILI，FOOTBALL),(李力打篮球或踢足球。),人工智能及其应用知识,第34页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）,2.连词和量词(Connective&Quantifiers),(1)连词蕴涵=表示假如-那么语句。用连词=连接两个公式所组成公式叫做蕴涵。,IF=THEN,前项 后项,(左式)(右式),例：RUNS(LIUHUA，FASTEST)=TWINS(LIUHUA，CHAMPION),(假如刘华跑得最快，那么他取得冠军),非（NOT）表示否定，、均可表示否定。,例：INROOM(ROBOT，r2),(机器人不在2号房间内。),人工智能及其应用知识,第35页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）,2.连词和量词(Connective&Quantifiers),(2)量词,全称量词,(Universal Quantifier)若一个原子公式P(x)，对于全部可能变量x都含有T值，则用(x)P(x)表示。,例：(x)ROBOT(x)=COLOR(x,GRAY),(全部机器人都是灰色）,(x)Student(x)=Uniform(x,Color),(全部学生都穿彩色制服),人工智能及其应用知识,第36页,2.3,谓词逻辑法,2.3.1 谓词演算（Predicate Calculus）,2.连词和量词(Connective&Quantifiers),(2)量词,存在量词,(Existential Quantifier)若一个原子公式P(x)，最少有一个变元X，可使P(X)为T值，则用(x)P(x)表示。,例：(x)INROOM(x,r1),(1号房间内有个物体),量化变元(Quantified Variables)被量化了变元x-约束变量。,人工智能及其应用知识,第37页,2.3,谓词逻辑法,2.3.2 谓词公式（Predicate Formulas）,1.谓词公式定义,原子谓词公式,：用P(x1,x2,xn)表示一个n元谓词公式，其中P为n元谓词，x1,x2,xn为客体变量或变元。通常把P(x1,x2,xn)叫做谓词演算原子公式，或原子谓词公式。,分子谓词公式,：能够用连词把原子谓词公式组成复合谓词公式，并把它叫做分子谓词公式。,适当公式,(WFF,well-formed formulas)递归定义：(1)原子谓词公式是适当公式。(2)若A为适当公式，则A也是一个适当公式。(3)若A和B都是适当公式，则(AB),(AB),(A=B),(AB)也都是适当公式。(4)若A是适当公式，x为A中自由变元，则(x)A,(x)A都是适当公式。(5)只有按上述规则(1)至(4)求得那些公式，才是适当公式。,人工智能及其应用知识,第38页,2.3,谓词逻辑法,2.3.2 谓词公式（Predicate Formulas）,1谓词公式定义,例题：,对于全部x，假如x是整数，则x或为正或者为负。,(x)(I(x)=(P(x)N(x),I(x)表示x是整数，P(x)表示x是正数，N(x)表示x是负数。,人工智能及其应用知识,第39页,2.3,谓词逻辑法,2.3.2 谓词公式（Predicate Formulas）,2.适当公式性质,适当公式真值：p36,表2-1 真值表,人工智能及其应用知识,第40页,2.3,谓词逻辑法,2.3.3 置换与合一（Substitution&Unification）,1.置换,在谓词逻辑中，有些推理规则可应用于一定适当公式和适当公式集，以产生新适当公式。一个主要推理规则是假元推理，这就是由适当公式W1和W1=W2产生适当公式W2运算。另一个推理规则叫做全称化推理，它是由适当公式(x)W(x)产生适当公式W(A)，其中A为任意常量符号。假元推理：,全称化推理：,综合推理：,人工智能及其应用知识,第41页,2.3,谓词逻辑法,2.3.3 置换与合一（Substitution&Unification）,1.置换置换：用项(A)替换函数表示式中变量(x)，记为ES，即表示一个表示式E(Expression)用一个置换S(Substitution)而得到表示式置换。例1表示式Px,f(y),B4个置换为,s1=z/x,w/y,s2=A/y,s3=q(z)/x,A/y,s4=c/x,A/y,我们用Es来表示一个表示式E用置换s所得到表示式置换。于是，我们可得到Px,f(y),B4个置换例，以下：,Px,f(y),Bs1=Pz,f(w),B,Px,f(y),Bs2=Px,f(A),B,Px,f(y),Bs3=Pq(z),f(A),B,Px,f(y),Bs4=Pc,f(A),B,人工智能及其应用知识,第42页,2.3,谓词逻辑法,2.3.3 置换与合一（Substitution&Unification）,2.性质,可结合律(LS1)S2=L(S1S2)(L表示一表示式),(S1S2)S3=S1(S2S3),置换是可结合。用s1s2表示两个置换s1和s2合成。L表示一表示式，则有(Ls1)s2=L(s1s2),以及(s1s2)s3=s1(s2s3)即用s1和s2相继作用于表示式L是同用s1s2作用于L一样。普通说来，置换是不可交换，即,s1s2s2s1,3.合一(unification)P38,合一：寻找项对变量置换，以使两表示式一致。可合一：假如一个置换s作用于表示式集Ei每个元素，则我们用Eis来表示置换例集。我们称表示式集Ei是可合一。,人工智能及其应用知识,第43页,2.3,谓词逻辑法,2.3.3 置换与合一（Substitution&Unification）,例:表示式集Px,f(y),B,Px,f(B),B合一者为:,s=A/x,B/y,因为Px,f(y),Bs=Px,f(B),B=PA,f(B),B,即s使表示式成为单一形式:,PA,f(B),B,但最简单合一者为:,s=B/Y,人工智能及其应用知识,第44页,2.4 语义网络法,语义网络是1968年Quilian在研究人类联想记忆时提出心理学模型，认为记忆是由概念间联络来实现。1972年，Simmons首先将语义网络表示法用于自然语言了解系统。语义网络结构：语义网络是知识一个,图解表示,，它由节点和弧线或链线组成。节点用于表示实体、概念和情况等，弧线用于表示节点间关系。组成部分:,1 词法部分：决定表示词汇表中允许有哪些符号，它包括各个节点和弧线。,2 结构部分：叙述符号排列约束条件，指定各弧线连接节点对。,3 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。,4 语义部分：确定与描述相关(联想)意义方法即确定相关节点排列及其占有物和对应弧线。,人工智能及其应用知识,第45页,2.4 语义网络法,2.4.1 二元语义网络表示(Representation of Two-Element Semantic Network),1.表示简单事实,例1.全部燕子都是鸟,人工智能及其应用知识,第46页,2.4 语义网络法,2.4.1 二元语义网络表示(Representation of Two-Element Semantic Network),2.表示占相关系和其它情况,P40,例2.小燕是一只燕子，燕子是鸟；巢-1是小燕巢，巢-1是巢中一个。,3.选择语义基元,试图用一组基元来表示知识，方便简化表示，并可用简单知识来表示更复杂知识。,人工智能及其应用知识,第47页,人工智能及其应用知识,第48页,2.4 语义网络法,例3.我椅子颜色是咖啡色；椅子包套是皮革；椅子是一个家俱；椅子是座位一部分；椅子全部者是X；X是个人，以下列图所表示：,人工智能及其应用知识,第49页,2.4 语义网络法,2.4.2 多元语义网络表示,语义网络是一个网络结构。节点之间以链相连。多元语义网络表示实质：把多元关系转化为一组二元关系组合，或二元关系合取。假如所要表示知识是一元关系，比如，要表示李明是一个人，这在谓词逻辑中可表示为MAN(LIMING)。用语义网络，这就能够表示为:,与这么表示法相等效关系在谓词逻辑中表示为ISA(LIMING，MAN)。这说明语义网络能够毫无困难地表示一元关系。,人工智能及其应用知识,第50页,2.4 语义网络法,比如：要表示北京大学(BEIJING University,简称BU)和清华大学(TSINGHUA,University,简称TU)两校篮球队在北大进行一场比赛比分是85比89。,若用谓词逻辑可表示为SCORE(BU，TU，(85-89)。这个表示式中包含3项，而语义网络从本质上来说，只能表示二元关系。处理这个矛盾一个方法是把这个多元关系转化成一组二元关系组合，或二元关系合取。,详细来说，多元关系R(X1，X2，Xn)总能够转换成R1(X11，X12)R2(X21，X22)Rn(Xn1,Xn2),图 2.20 多元关系语义网络表示,人工智能及其应用知识,第51页,2.4 语义网络法,2.4.3语义网络推理过程,在语义网络知识表示方法中，赋予网络结构含义完全决定于管理这个网络过程特征。,为了便于以下叙述，对所用符号作深入要求。区分在链头部和在链尾部节点，把在链尾部节点称为值节点。另外，我们还要求节点槽相当于链，不过取不一样名字而已。在图2.28中砖块12(BRICK12)有3个链，构,成两个槽。其中一个槽只有一个,值，另外一个槽有两个值。我们,说颜色槽(COLOR)填入红色(RED)，,ISA槽填入了砖块(BRICK)和玩具,(TOY)。,图 2.28 语义网络槽和数值,人工智能及其应用知识,第52页,2.4 语义网络法,2.4.3语义网络推理过程,语义网络中推理过程主要有两种:一个是继承，另一个是匹配。以下我们分别介绍这两种过程。,1.继承,在语义网络中所谓继承是把对事物描述从概念节点或类节点传递到实例节点。比如在图2.29上所表示语义网络中BRICK是概念节点，BRICK12是一个实例节点。BRICK节点在SHAPE(外形)槽，其中填入了RECTANGULAR(矩形)，说明砖块外形是矩形。这个描述能够经过ISA链传递给实例节点BRICK12。所以，即使BRICK12节点没有SHAPE槽，但能够从这个语义网 络推理出BRICK12外形是矩形。,图 2.29 语义网络值继承,人工智能及其应用知识,第53页,2.4 语义网络法,2.4.3语义网络推理过程,1.继承,这种推理过程，类似于人思维过程。一旦知道了某种事物身份以后，能够联想起很多关于这件事物普通描述。,比如，我们通常认为鲸鱼很大，鸟比较小，城堡很古老，运动员很健壮。这就像我们用每种事物经典情况来描述各种事物-鲸鱼、鸟、城堡和运动员-那样。一共有3种继承过程：值继承、假如需要继承和默认继承。,人工智能及其应用知识,第54页,2.4 语义网络法,2.4.3语义网络推理过程,语义网络中推理过程主要有两种:一个是继承，另一个是匹配。以下我们分别介绍这两种过程。,1.继承,(1)值继承,除了ISA链以外，另外还有一个AKO(是某种)链也可被用于语义网络中描述或特征继承。AKO是A-KIND-OF缩写。总之，ISA和AKO链直接地表示类组员关系以及子类和类之间关系，提供了一个把知识从某一层传递到另一层路径。为了能利用语义网络继承特征进行推理我们还需要一个搜索程序用来在适当节点寻找适当槽。,人工智能及其应用知识,第55页,2.4 语义网络法,2.4.3语义网络推理过程,1.继承,(2)“假如需要”继承,在一些情况下，当我们不知道槽值时，能够利用已知信息来计算。比如，我们能够依据体积和物质密度来计算积木重量。进行上述计算程序称为if-needed(假如需要)程序。,为了储存进行上述计算程序，我们需要改进节点槽值结构，允许槽有几个类型值，而不只是一个类型。为此，每个槽又能够有若干个侧面，以储存这些不一样类型值。这么，以前我们讨论原始意义上值就放“值侧面”中，if-needed程序，存放在IF-NEEDED侧面中。,比如在图2.30(a)中，一个重量确定程序存放在BLOCK节点WEIGHT槽IF-NEEDED侧面中。,人工智能及其应用知识,第56页,图 2.30 语义网络假如需要继承,人工智能及其应用知识,第57页,2.4 语义网络法2.4.3语义网络推理过程,1.继承,(3)“缺省”继承,一些情况下，当我们对事物所作假设不是十分有把握时，最好对所作假设加上“可能”这么字眼。比如，我们能够认为法官可能是老实，但不一定是；或认为宝石可能是很昂贵，但不一定是。,我们把这种,含有相当程度真,实性，但又不能十分必定值称为,“缺省”值,。这种类型值被放入槽,DEFAULT(缺省)侧面中.,比如，在图2.31中，网络所表示,含义是：从整体来说，积木颜色,很可能是蓝色，但在砖块中，颜,色可能是红。对BLOCK和BRIC,K节点来说，在COLOR槽中找到,侧面都是DEFAULT侧面，在图中,以括弧加以标志,图 2.31 语义网络缺省继承人工智能及其应用知识,第58页,2.4 语义网络法,2.4.3语义网络推理过程,2.匹配,至今我们所讨论是类节点和实例节点，比如BRICK和BRICK12之间继承值。现在我们转向讨论更为困难一些问题。当处理包括由几部分组成事物时，如图2.32中玩具房(TOY-HOUSE)和玩具房-77(TOY-HOUSE77)，继承过程将怎样进行。我们不但必须制订怎样把值从玩具房传递到玩具房-77路径，而且必须制订把值从玩具房部件传递到玩具房-77部件路径。,人工智能及其应用知识,第59页,比如，很显著，因为TOY-HOUSE77是TOY-HOUSE一个实例，所以它必须有两个部件，一个是砖块，另一个是楔块(wedge)。另外，作为玩具房一个部件砖块必须支撑楔块。在图2.32中，玩具房-77部件以及它们之间链，都用虚线画节点箭头来表示。因为这些知识是经过继承而间接知道，并不是经过实际节点和链直接知道。所以，我们说虚线所表示节点和箭头表示链是虚节点和虚链。,图 2.32 虚节点和虚链,人工智能及其应用知识,第60页,图 2.32 虚节点和虚链,没有必要从TOY HOUSE节点把这些节点和链复制到TOY-HOUSE77节点去，除非我们需要在这些复制节点加上玩具房-77所特有信息。,比如，假如我们要表示玩具房-77砖块颜色是红，就必须为TOY-HOUSE77建立一个BRICK节点，并把RED放在这个BRICK节点COLOR槽中。假设我们把RED放在作为玩具房部件BRICK节点COLOR槽中，这将意味着全部玩具房砖都是红色，而不是只在由玩具房-77所描述特定房子中砖是红色。,人工智能及其应用知识,第61页,2.4 语义网络法,2.4.3语义网络推理过程,现在我们来研究图2.33中结构35(STRUCTURE 35)。已知这个结构有两个部件，一个砖块BRICK12和一个楔块WEDGE18。一旦在STRUCTURE35和TOY-HOUSE之间放上ISA链，我们就知道BRICK12必须支撑WEDGE18。在图2.18上用虚线箭头表示BRICK12和WEDGE18之间SUPPORT虚链。因为很轻易做部件匹配，所以虚线箭头位置和方向很轻易确定。WEDGE18必定和作为TOY-HOUSE一个部件楔块相匹配，而BRICK12必定和砖块相匹配。,图 2.33 部件匹配,人工智能及其应用知识,第62页,2.5 框架表示法,心理学研究结果表明，在人类日常思维和了解活动中，当分析和解释碰到新情况时，要使用到过去经验中积累知识。这些知识规模巨大而且以很好组织形式保留在人们记忆中。比如:,当我们走进一家从来没来过饭店时，依据以往经验，能够预见在这家饭店我们将会看到菜单、桌子、服务员等等。,当我们走进教室时，能够预见在教室里能够看到椅子、黑板等等。,我们试图用以往经验来分析解释当前所碰到情况。,人工智能及其应用知识,第63页,2.5 框架表示法,当然，我们无法把过去经验一一都存在脑子里，而只能以一个通用数据结构形式存放以往经验。这么数据结构称为框架。框架提供了一个结构，一个组织。在这个结构或组织中，新资料能够用从过去经验中得到概念来分析和解释。所以，框架是一个结构化表示法。,通常框架采取语义网络中节点-槽-值表示结构。所以框架也能够定义为是一组语义网络节点和槽，这组节点和槽能够描述格式固定事物、行动和事件。语义网络可看做节点和弧线集合，也能够视为框架集合。,人工智能及其应用知识,第64页,2.5 框架表示法,2.5.1框架组成,框架通常由描述事物各个方面槽组成，每个槽能够拥有若干个侧面，而每个侧面又能够拥有若干个值。这些内容能够依据详细问题详细需要来取舍，一个框架普通结构以下：,人工智能及其应用知识,第65页,2.5 框架表示法,2.5.1框架组成,较简单情景是用框架来表示诸如人和房子等事物。比如，一个人能够用其职业、身高和体重等项描述，因而能够用这些项目组成框架槽。当描述一个详细人时，再用这些项目标详细值填入到对应槽中。表2.3给出是描述John框架。对于大多数问题，不能这么简单地用一个框架表示出来，必须同时使用许多框架,组成一个框架系统。,表2.3 简单框架示例 JOHN描述框架,人工智能及其应用知识,第66页,2.5 框架表示法,一个框架系统,图2.32所表示就是表示立方体一个视