知识表示二

深度理解知识表示

1传统知识概念向计算机科学过渡的知识概念

事实知识、规则知识、控制知识和元知识。

事实：是有关问题环境的一些事物的知识，常以“…是…”的形式出现。如事物的分类、属性、事物间关系、科学事实、客观事实等，在知识库中属于低层的知识。如雪是白色的、鸟有翅膀、张三李四是好朋友。描述事物客观性
规则：是有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果…那么…”形式出现。特别是启发式规则是属于专家提供的专门经验知识，这种知识虽无严格解释但很有用处。强调因果关系，相当于条件触发语句
控制：是有关问题的求解步骤，技巧性知识，告诉怎么做一件事。也包括当有多个动作同时被激活时应选哪一个动作来执行的知识。执行程序，相当于选择语句执行下一动作
元知识：是有关知识的知识，是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。相当于规则的说明书

2一阶谓词表示

2.1步骤

定义谓词及变元
变元赋值
连接词连接谓词，形成谓词公式

2.2谓词逻辑推理规则

取式假言推理
拒式假言推理
P规则(在推理的任何步，引入前提)
T规则(在推理的任何步，引入永真蕴涵的公式)
CP规则(对任意引入的命题R和前提集合能推出S，则前提集合能推出S)
反证

2.3举例

3产生式表示

3.1产生式规则基本形式

对于规则是表示事物间的因果关系，以下列形式表示：condition->action。
一般使用三元组==（对象，属性，值）或（关系，对象1，对象2）==来表示事实。
如事实“老李年龄是35岁”，便写成（Lee,age,35）
事实“老李、老张是朋友”，可写成（friend,Lee,Zhang）

3.2常用结构

原因结果：天下雨，地上湿
条件结论：将冰加热到0度以上，冰会融化成水
前提操作：如果能找到合适的杠杆和支点，则可以翘起地球
事实进展：夜来风雨声，花落知多少
情况行为：手机开机了，则意味着可以收到别人发我的信息了

3.3产生式系统的组成

多数较为简单的专家系统（Expert System）都是以产生式表示知识的，相应的系统称作产生式系统。
产生式系统，由知识库和推理机两部分组成。其中知识库由规则库和数据库组成。规则库是产生式规则的集合，数据库是事实的集合。

规则是以产生式表示的。规则集蕴涵着将问题从初始状态转换解状态的那些变换规则，规则库是专家系统的核心。规则可表成与或树形式，基于数据库中的事实对这与或树的求值过程就是推理。
数据库中存放着初始事实、外部数据库输入的事实、中间结果事实和最后结果事实。
推理机是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略。把规则看成对数据的深层次处理的条件或者逻辑，而推理则是对两者进行运行，使得数据升华，推理直白看会处理数据，但同时也会操作规则来处理数据

3.4产生式系统的推理方式

正向推理：从已知事实出发，通过规则库求得结论，或称数据驱动方式
反向推理：从目标（作为假设）出发，反向使用规则，求得已知事实，或称目标驱动方式
双向推理：同时使用正向推理又使用反向推理。

3.5举例

4语义网络表示

4.1例子

4.2基本语义关系

包含或聚类关系

属性关系

时间关系

位置关系/相似关系/推论关系

二元关系/多元关系

4.3举例

陈骏是南京大学的校长；南京大学在南京；陈骏专业是地球科学。陈家骏是陈骏聘用的教授，陈家骏专业是计算机科学

4.5语义网络下的推理

语义网络表示法是依匹配和继承来进行推理的。

1. 继承。把对事物的描述从抽象节点传递到具体节点，通常沿着类属关系ISA, AKO等具有继承关系的边进行。 鸟会飞，金丝雀也会飞，鸟是金丝雀的抽象类，金丝雀是鸟的实例对象
2. 匹配。把待求解问题构造为网络片段，其中某些节点或边的标识是空的，称为询问点。将网络片段与知识库中的某个语义网络片段进行匹配，则与询问点相匹配的事实就是该问题的解。
   匹配例子
   
   

5框架表示

5.1框架定义

==框架是描述对象（一个事物、一个事件、一个概念）属性的一种数据结构。在框架表示法中，框架被认为是知识表示的最基本单元。 ==
框架是由若干结点和关系（统称为槽slot）构成的网络。是语义网络一般化形式化的一种结构，同语义网络没有本质区别。将语义网络中结点间弧上的标注也放入槽内就成了框架表示法

5.2框架表示

框架名、槽名(描述某一方面的属性)、侧面(描述属性的某一方面)、值组成。

5.3举例

框架表示法没有固定的推理机理。但框架系统的推理和语义网络一样遵循匹配和继承的原则，而且框架中如if-needed、if-added等槽的槽值是附加过程，在推理过程中起重要作用。

6RDF

6.1RDF概念

资源描述框架(Resource Description Framework， RDF)，R代表页面，图片、视频等任何具有URI标识符，D标识属性、特征和资源之间的关系，F标识模型、语言和这些描述的语法。在RDF中，知识总是以三元组的形式出现，即每一份知识都可以被分解为：(subject, predicate, object)。

RDF三元组可以看做是图模型的边和顶点
将两个三元组结合起来表示：
在RDF中resource和properties是以URIs的形式表示的，如http://mydomain.org/mypath/myresource。这样我们的表示就变成了这样：
再结合URI的表示，我们可以把它简化为：
在RDF中，properties的值可以是literals，如字符串

properties还可以是XML类型的

6.2RDF和RDFS

RDFS(RDF Schema)在RDF的基础上提供了一个术语、概念的定义方式，以及那些属性可以应用到哪些对象上。换句话说，RDFS为RDF模型提供了一个基本的类型系统。如：
上述三元组表示用户自定义的元数据Author是Dublin Core的元数据Creator的子类。author subClassOf Creator 第一个是第三个的subclass RDF Schema正是通过这样的方式来描述不同词汇集的元数据之间的关系,从而为网络上统一格式的元数据交换打下基础。
RDFS支持推理功能

前面我们知道，通过RDF(S)可以表达一些简单的语义，但在更复杂的场景下，RDF(S)语义表达能力显得太弱，还缺少诸多常用的特征。包括对局部值域的属性定义，类、属性、个体的等价性，不相交类的定义，基数约束，关于属性特征的描述等。因此W3C提出了OWL语言扩展RDF(S)，作为语义网上表示本体的推荐语言。

6.3OWL，OWL2

OWL有三个子语言：OWL Lite、OWL DL、OWL Full。下表给出OWL三个子语言的特征于区别：

6.3.1OWL语言选择

选择OWL Lite还是OWL DL主要取决于用户需要整个语言在多大程度上给出约束的可表达性;
选择OWL DL还是OWL Full主要取决于用户在多大程度上需要RDF的元模型机制 (如定义类型的类型以及为类型赋予属性);
在使用OWL Full而不是OWL DL时,推理的支持可能不能工作,因为目前还没有完全的支持OWL Full的系统实现。
综上所述，在要求简单是可采用OWL Lite，通常可采用OWL DL，对概念要求定义精确时采用OWL Full。(在Protege练习中感觉DL 和 Full区别并不明显)

6.3.2OWL和RDF的关系

OWL Full可以看成是RDF的扩展;
OWL Lite和OWL Full可以看成是一个约束化的RDF的扩展;
所有的OWL文档 (Lite,DL,Full)都是一个RDF文档;
所有的RDF文档都是一个OWL Full文档;
只有一些RDF文档是一个合法的OWL Lite和OWL DL文档
在Protege操作中，OWL是在RDFS的基础上，添加了很多描述类别、属性之间关系的定义或约束。,如两个类是否不相交这样的类属性。

6.3.3OWL词汇扩展

6.4OWL2

OWL2是OWL的最新版本，老的OWL也称为OWL1，OWL2定义了一些OWL的子语言,通过限制语法使用,使得这些子语言能够更方便地实现,以及服务于不同的应用;OWL2也有三大子语言：OWL2 RL，OWL2 QL， OWL2 EL；

OWL2 QL适合概念多的情况，OWL2 EL适合实例较多的情况，如医学领域，OWL2 RL适合高效推理。
OWL2 QL
QL代表query language的意思,专为基于本体的查询设计:

• OWL 2 QL的复杂度是AC 0 ,非常适合大规模处理;
• OWL 2的三大子语言中,QL最为简单;
• OWL 2 QL是基于描述逻辑语言DL-Lite定义的。

OWL2 QL允许的核心词汇为：
OWL2 EL
OWL 2 EL专为概念术语描述,推理而设计:
在生物医疗领域广泛应用,如临床医疗术语本体SNOMED CT;
复杂度是PTime-Complete；
OWL2 EL是基于描述逻辑语言EL++定义的；
它允许的核心词汇为:

OWL2 RL
OWL 2 RL在ter Horst的工作基础上延伸而来; 该工作的目的是将
OWL词汇引入RDFS,使得RDFS在表达能力上丰富起来,同时保持
计算复杂度在PTime级别。OWL 2 RL在RDFS的基础上引入属性的特殊特性 (函数性,互反性,对称性);允许声明等价性;允许属性的局部约束。OWL 2 RL与描述逻辑没有直接关系。
业界的一种观点是,OWL 2 RL是专为高效推理设计的本体语言(推理针对的是实例数据)。
OWL2 RL允许的核心词汇为：

7SPARQL简介

SPARQL是RDF的查询语言，它基于RDF数据模型，可以对不同的数据集撰写复杂的连接，同时还被所有主流的图数据库支持。

SPARQL的查询结构如下图所示：
从语法上结构上来看，SPARQL和SQL语言还是有一定的相似性的。比较重要的区别有：
变量,RDF中的资源,以“?”或者“$”指示；
三元组模板 (triple pattern), 在WHERE子句中列示关联的三元组模板,之所以称之为模板,因为三元组中允许变量;
SELECT子句中指示要查询的目标变量