知识图谱入门（三）：人工智能早期的知识表示方法

一阶谓词逻辑

• 一阶谓词逻辑（简称一阶逻辑）（First Order Logic）
• 支持量词和谓词

例如：
$图灵奖得主(x)$表示$x$是图灵奖得主。

• $\neg 图灵奖得主(x)$是一个否定公式
• 若$x$为$JohnMaCarthy$，$图灵奖得主(x)$为命题“$JohnMaCarthy是图灵奖得主$”

一阶谓词逻辑优点

• 结构性。能把事物的属性以及事物间的各种语义联想显式地表示出来
• 严密性。有形式化的语法和定义，以及相关的推理规则
• 可实现性。可以转换为计算机内部形式，以便用算法实现

一阶谓词逻辑缺点

• 有限的可用性。一阶逻辑的逻辑归结知识半可判定性的
• 无法表示不确定性知识

霍恩子句和霍恩逻辑

霍恩子句是带有最多一个肯定文字的子句
例如：
$\neg p_1\vee ...\vee \neg p_n\vee q$是一个霍恩子句，它可以为等价地写为$(p_1\wedge ...\wedge p_n)\to q$

霍恩逻辑是一阶逻辑的子集

语义网络

语义网路用于表达人类的语义知识并且支持推理，它在形式上是一个带标识的有向图。图中“节点”表示各种事物、概念、情况、状态等。每个节点可以带有若干属性。节点与节点间的“连接弧”（称为联想弧）用以表示各种语义联系、动作。

例如：

• （Tim Berners-Lee，类型，图灵奖得主）
• （Tim Berners-Lee，发明，互联网）

语义网络的优点

1. 联想性。它最初是作为人类联想记忆莫模型提出来的
2. 易用性。直观地把事物的属性及其语义联系表示出来，便于理解，自然语言与语义网络的转换比较容易实现，故语义网络表示法在自然语言理解系统中的应用最为广泛
3. 结构性。语义网络是一种结构化的知识表示方法，对数据子图特别有效，它能把事物的属性以及事物间的各种语义联想显式地表示出来

语义网络的缺点

1. 无形式化语法
2. 无形式化语义

框架

框架的目标是更好地理解视觉推理和自然语言处理。

基本思想：
认为人们对现实世界中各种事物的认识都以一种类似于框架的结构存储在记忆中。

框架的优点

1. 结构性、能把事物的属性以及事物间的各种语义联想显式地表示出来
2. 框架对于知识的描述比较全面，支持默认值以及触发器

框架的缺点

1. 框架的构建成本非常高，对知识库的质量要求非常高
2. 默认值会增大推理的复杂度
3. 无法表示不确定性知识

描述逻辑

描述逻辑可以被看成是利用一阶逻辑对语义网络和框架进行形式化后的产物。

描述逻辑的优点

1. 结构性。能把事物的属性以及事物间的各种语义联想显式地表示出来
2. 严密性。有形式化的语法和语义，以及相关的推理规则
3. 多样性。具有大量可判定的扩展，以满足不同应用场景的需求
4. 易实现性。可判定，可以转换为计算机内部形势，以便用算法实现

描述逻辑的缺点

1. 有限的表达能力。不支持显式使用变量，不能够任意使用量化
2. 无法表示不确定性知识