知识表示

本文参考：王昊奋《知识图谱》

 

目录

一、早期知识表示

   1、 一阶谓词逻辑（First-Order Logic）

    Horn逻辑：一阶谓词逻辑的子集

    描述逻辑：一阶谓词逻辑的可判定子集

    2、产生式系统

   3、 框架

  4、语义网络（Semantic Network）

  基于语义网的知识表示框架

RDF模型：

RDF空白结点：

RDF分布式的定义与合并知识：

带标注RDF（annotated RDF）：

RDF Schema（RDFS）

5、OWL与OWL2

OWL与RDF关系：

   ​OWL2

OWL2 QL：

OWL2 EL ：

OWL 2 RL 表达能力:                               ​

6、RDF的查询语言：SPARQL

7、其他知识表示方法：Json-LD、RDFa、HTML5 MicroData

Json-LD(JavaScript Object Notation for Linked Data)

RDFa（Resource Description Framework in attributes）

HTML5 Microdata

8、RDF+SPARQL对比ER+SQL

RDF语义模型——关系显示定义：

关系模型——关系隐式声明：

二、典型的知识库项目的知识表示

三、基于Protege的知识建模

---

早期知识表示

   1、 一阶谓词逻辑（First-Order Logic）

•     Horn逻辑：一阶谓词逻辑的子集

        p(t1,t2....,tn)

        p：谓词，n:目（项），ti:变量或常量

       eg: has_child(Helen,Jack)

•     描述逻辑：一阶谓词逻辑的可判定子集

O:=<T,A>

T即Tbox,包含内涵知识，描述概念的一般性质。因为概念直接存在包含关系，所以Tbox知识形成类似格的结构。

TBox语言：引入概念以及关系的名称

A即Abox，包含外延知识（断言知识），描述论域中的特定个体。

ABox语言：概念断言：表示一个对象是否属于某个概念；Mother(Helen),Person(Jack)

                   关系断言：表示两个对象是否满足一定的关系；has_child(Helen,Jack)

    2、产生式系统

    产生式模型： 

                                 

    其中，P是产生式的前提，Q是一组结论或操作，CF (Certainty Factor)为确定性因子，也称置信度。
    谓词逻辑中的规则与产生式的基本形式相似，事实上，蕴涵式只是产生式的一种特殊情况。

理由如下：
        谓词逻辑规则只能表示精确知识，其值非“真”即“假”，而产生式不仅可以表示精确知识，而且还可以表示不精确知识；即用产生式表示知识的系统中，“事实”与产生式的“前提”中所规定的条件进行匹配时，可以是“精确匹配”，也可以是基于相似度的“不精确匹配”，只要相似度落入某个预先设定的范围内，即可认为匹配。但对谓词逻辑的规则而言，其匹配必须是精确的。

eg: IF 本微生物的染色斑是革兰氏阴性 

           本微生物的形状呈杆状 病人是中间宿主

      THEN  该微生物是绿脓杆菌,置信度CF=0.6

   3、 框架

    框架基本组成：
                            

    框架：是一种描述对象 (事物、事件或概念等)属性的数据结构，在框架理论中，框架是知识表示的基本单位。
    一个框架由若干个“槽” (Slot)结构组成，每个槽又可分为若干个“侧面”  。

•   一个槽：用于描述所论对象某一方面的属性；
•   一个侧面：用于描述相应属性的一个方面。
•     槽和侧面所具有的属性值分别称为槽值和侧面值。

    框架的示例：
          
       

  4、语义网络（Semantic Network）

•     语义网络中的节点：表示各种事物、概念、情况、属性、动作、状态等，每个节点可以带有若干属性，一般用框架或元组表示。此外，节点还可以是一个语义子网络，形成一个多层次的嵌套结构。
•     语义网络中的弧：表示各种语义联系，指明它所连接的节点间某种语义关系。
•     节点和弧都必须带有标识，以便区分各种不同对象以及对象间各种不同的语义联系。
•      最简单的语义网络是一个三元组：（节点1，弧，节点2）

  基于语义网的知识表示框架

  (1)RDF与RDFS
      RDF(Resource Description Framework)：

• R可以代表页面、图片、视频等任何具有URI（Universal Resource Identifiers）的标识符
• D代表属性、特征和资源之间的关系
• F代表模型、语言和这些描述的语法

RDF模型：

RDF中知识以三元组(triple)的形式出现，每一知识可以被分解为：(subject(主),predicate(谓),object(宾))

    如：（合肥，坐落于，安徽）

RDF同时也是一种用来连接资源的描述的图模型，三元组可以表述为：(vertex,edge,vertex)，同时在RDF中资源和属性都可以被URI唯一标识。

      CCF ADL邀请王昊奋作为讲者，演讲主题为知识图谱。

      两个三元组为：(CCF ADL, speaker, Haofen)，(CCF ADL, theme, KG)

   这两个三元组可以使用表示为如下图模型：
   
    我们还可以将命名空间定义为前缀，如定义为ex-schema来简化图形，则得到如下图：
          

RDF中的属性值同时也可以是一个文字，如字符串/数值（它们不是一个Resource）。

    如将上述例子的三元组改为(CCF ADL, theme, ‘KG’),那么这里的KG将不是一个资源或属性，而是一个属性的值，此时图模型表示如下（注意图中的方框）：

                       

RDF中的属性的文字值同时可以使一个XML datatype类型。

RDF空白结点：

RDF允许存在匿名的资源，它可以作为连接其他非匿名资源的桥梁，此时RDF中会出现空白结点，因为这个资源不被URI表示，所以可以表示为 _:xyz。

    例子：Haofen是某一次KG讲座的讲者。这表示意味着CCF ADL讲座至少有一位讲者，可以表示为如下2跳相连图：
   
    上述例子说明：一个三元组的缺失并不是什么大事情。

RDF分布式的定义与合并知识：

我们可以分布式定义知识：

接着我们可以