知识表示知识点

知识是人们在改造客观世界的实践中积累起来的认识和经验。
这些经验的描述又需要涉及数据和信息的概念。
数据是记录信息的符号，是信息的载体和表示。
信息是对数据的解释，是数据在特定场合下的具体含义。
信息仅是对客观事物的一种简单描述，只有经过加工、整理和改造等工序，并形成对客观世界的规律性认识后才能成为知识。
从不同角度，可以将知识分为分成不同的类型：
按知识性质：概念、命题、公理、定理、规则、方法等
按知识适应范围：常识性知识，即通识知识
               领域性知识，即专业性知识
按知识的作用效果：事实性知识（又称叙述性知识）
                 过程性知识
                 控制性知识（又称元知识或超知识）
按知识的等级：确定性知识
             不确定性知识
按知识的等级：零级知识、一级知识、二级知识等
按知识的结构：逻辑性知识
             形象性知识
事实性知识也称叙述性知识，常以“……是……”的形式出现
过程性知识 一般由规则、定理、定律及经验构成。
控制性知识，又称元知识或超知识。
零级知识 回答“是什么”“为什么”
一级知识 回答“怎么做”
二级知识即控制性知识或策略性知识，称为元知识（也称超级知识）。

知识表示方法
人工智能问题的求解是以知识表示为基础的，如何将已获得的有关知识表示成计算机能够描述、存储、有效地利用的知识是必须解决的问题。
常用的知识表示方法有一阶谓词表示法、产生式表示法、语义网络表示法、框架表示法、过程表示法、脚本表示法、本体表示法等。
知识表示方法要求：
要有表示能力（被正确表示）；
可理解性；
可访问性；
可扩充性

表示方法：谓词逻辑；状态空间；产生式规则；语义网络；框架；概念从属；脚本；petri网；
面向对象

谓词逻辑表示法
基本概念
论域：所有讨论对象的全体构成的非空集合
个体：论域中的元素
命题是用谓词表示的
定义：设D是论域，P：D^n-->{T，F}是一个映射，其中D^n={(x1,x2,…,xn)|x1,x2,…,xn属于D｝，则称P是一个n元谓词（n=1,2,…)，记为P（x1,x2,…,xn)。其中x1,x2,…,xn为个体变元。
命题可以分为原子命题和复合命题。
联结词的优先级从高到低依次为非，且，或，蕴含，等价。
谓词逻辑表示法是一种基于数理逻辑的知识表示方法，人工智能所用的逻辑包括一阶经典逻辑和除次以外的非经典逻辑。
谓词逻辑表示法不仅可以表示事物的状态、属性、概念等事实性知识，还可以用表示事物的因果关系。
用谓词逻辑表示法表示知识的步骤如下：
根据要表示的知识定义谓词及个体，确定每个谓词及个体的确切含义；
根据所要表达的知识的语义，用适当的连词、量词把这些谓词连接起来。

规则的表示
规则表示的是事物间的因果关系。其表示形式为P-->Q或IF P THEN Q
区别在于蕴含式只能表示确定性知识，而产生式不仅可以表示确定知识，还能表示不确定性知识。
产生式系统
当从规则库中取出的某规则的前提与综合数据库中的已知事实相匹配。
即推力机按照一定的策略从规则库中选择与综合数据库中的已知事实相匹配的规则进行匹配，当匹配有多条时，推理基机能按照某种策略从中找出一条规则去执行，对要执行的规则，如果满足后件，则结束问题求解，如果该规则的后件不是问题的目标，则当其为一个或多个结论时，把这些结论加入综合数据库中，循环操作，直至满足结束条件。

逆向推理
如果目标明确，使用方向推理方式的效是比较高的，所以较为常用。
框架表示法是以框架理论为基础的一种结构化知识表示方法。
语义网络基本概念
语义网络是一种用语义和语义关系表示知识且带有方向的网络图。
图中包含节点和弧，其中节点代表语义，弧代表语义关系，表示两个语义之间的某种联系。

语义网络中常用的语义联系
类属关系（继承性）
类属关系是指具有共同属性的不同事物间的分类关系、成员关系或实力关系。
类属关系最主要的特点是属性的继承性。
常用的类属关系如下：
ISA，即IS-A，意思“是一个”，常用来描述一个事物是另一个事物的一个实例。
AKO，即 A-King- Of表示一个事物是另一个事物的一种类型。
AMO，即A-Member-Of，表示一个事物是另一个事物的一个成员。
包含关系
没有继承性
位置关系
常用的位置关系有以下几种：
Located-on，含义为“在……上”，表示一个物体在另一个物体之上。
Located-at，含义为“在”，表示某一个物体在某一位置。
Located-under，含义为“在……下”，表示某一物体在另一物体之下。
Located-inside，含义为“在……内”，表示某一物体在另一物体之内。
Located-outside，含义为“在……外”，表示某一物体在另一物体之外。
时间关系
常用的时间关系有以下几种：
Before，含义“在……前”，表示一个物体在另一个物体之前发生。
After，含义为“在……后”，表示一个物体在另一个物体之后发生。
During，含义“在……期间”，表示一个物体或动作在某个时间段内发生。
属性关系
因果关系：if then
组成关系：compised-of
Have 有
Can 能
Age 年龄
相近关系
Similar-to 相似
Near-to 接近

语义网络的推理过程
匹配推理方法
匹配是指在知识库的语义网络中寻找与待求解问题相符的语义网络模式
继承推理方法
具有类属关系的事物之间具有继承性。
语义网络表示的特点
结构性
语义网络是一种结构化的知识表示方法，易于被询问和学习，它能将事物属性以及事物间的各种语义联系显式地表示出来，下层节点可以继承、新增和变异上层节点的属性，从而实现信息的共享。
 
知识图谱表示
知识图谱基本概念
知识图谱是一种用符号的形式描述实体概念及实体之间关系的结构化知识库。
在表现形式上，知识图谱与语义网络相似，都是以有向网络的形式对知识进行表示。
主要目标：用来描述真实世界中存在的各种实体和概念及它们之间的关系，最终形成从无序的数据到有序的知识的整合。
用途：用于智能搜索、智能问答、个性化推荐、多维导航、内容分发等领域。

知识图谱的任务
实体属性填充：基于事先定义的模式去填充实体中的属性；实体发现与链接；事件发现。