知识表示发展史：从一阶谓词逻辑到知识图谱再到事理图谱

研究证实，人类从一出生即开始累积庞大且复杂的数据库，包括各种文字、数字、符码、味道、食物、线条、颜色、公式、声音等，大脑惊人的储存能力使我们累积了海量的资料，这些资料构成了人类的认知知识基础。实验表明，将数据依据彼此间的关联性进行分层分类管理，使资料的储存、管理及应用更加系统化，可以提高大脑运作的效率。知识库是实现人工智能的基础元件，知识库是理解人类语言的背景知识，而如何构造这个知识库，找到一种合适的知识表示形式是人工智能发展的重要任务。面向人工智能的表示方法从上世纪五六十年代开始至今，已经陆续出现了多种知识表示方式，包括最开始的一阶谓词逻辑以及现在火热的知识图谱等等。本文是上一篇《事件、事件抽取与事理图谱》的姊妹篇，文章将以知识为中心，对知识、知识表示、知识图谱的历史情况进行介绍。

知识与表示知识

什么是知识，定义各有不同。Feigenbaum认为，知识是经过削减、塑造、解释和转换的信息；Bernstein提出，知识是由特定领域的描述、关系和过程组成的；Hayes-Roth认为知识是事实、信念和启发式规则；从知识库的角度上看，知识是某领域中所涉及的各有关方面的一种符号表示。而就知识本身而言，也分成多种类型，以面向计算机处理的知识而言，知识主要包括陈述性知识、过程性知识以及元知识，其中陈述性知识指用于描述领域内有关概念、事实、事物的属性和状态等信息，如雪是白的；过程性知识指具有动态时序性步骤的信息，如炒菜的一般步骤；元知识指使用陈述性和元知识的使用规则、解释规则、校验规则以及解释程序结构等。当然，为了充分表示这些知识类型，需要提出一种知识表示方法，而如何衡量一个知识表示方法的好坏，主要从知识表示的准则上来看，一个好的知识表示，首先应该适用于计算机处理，应该能够尽可能广泛地表示知识的范围，包括陈述性知识和动态性知识，确定性知识和不确定性知识等；其次，知识表示的方式是否自然、灵活，能否将知识和元知识采用统一的形式化表示方式，并且能够在同一层次以及不同层次上实现模块化。最后，该知识表示方式是否利于加入启发信息，是否具有高效的求解算法，是否适合推理。

知识表示方法

目前，为了刻画计算机所需要的知识，知识表示经历了不同时期与不同的表示方法。如图1所示，目前知识表示以及知识表示对应的技术方法经历了如下转变。

图1

细节上来说，知识表示主要经历了从一阶谓词逻辑表示、产生式规则、框架表示法、脚本表示法、语义网表示法、知识图谱表示法等几种表示，各种表示方式都有其优缺点，接下来，分别对其进行介绍。

一阶谓词逻辑是最早出现的一种形式语言表示形式，是一种形式系统（Formal System)，即形式符号推理系统，也叫一阶谓词演算、低阶谓词演算(Predicate Calculus）、限量词（Quantifier）理论，也有人称其为“谓词逻辑”，图2是其中的一个表示方式。是一种通过命题、逻辑联结词、个词体、谓词与量词等部件组成的表示方法，这种方法较为精确，表达自然，在形式上可接近于人类自然语言，但表示能力较差，只能表达确定性知识，对于过程性和非确定性知识表达有限，另外，由于知识之间是相互独立的，知识与知识之间缺乏关联，使得知识管理实施相对困难。

图2

产生式规则在一阶谓词逻辑表示的基础上，进一步解决了不确定性知识的表示，产生式规则以三元组(对象，属性，值)或者(关系，对象1，对象2)，通过进一步加入置信度形成四元组(对象，属性，值，置信度)或者(关系，对象1，对象2，