知识图谱课程学习-2-1什么是知识表示

知识工程与专家系统：

    知识表示：简单而言，知识表示（KR）就是用易于计算机处理的方式来描述人脑的知识的方法。

    KR不是数据格式、不等同于数据结构、也不是编程语言，对于人工智能而言，数据与知识的区别在于KR支持推理。

KR的五个用途：

    1.客观事物的机器标识-事物的命名系统

    2.建立有关万事万物的抽象概念模型。

    3.支持推理的表示基础。

    4.用于高效计算的数据结构。

    5.人可理解的机器语言（可解释性）

知识的符号表示：

    传统的知识表示方法以符号为主。如语义网络，描述逻辑等。

    具体：

        1.一阶谓词逻辑（First-Order Logic）

        2.语义网络（Semantic Net）

        3.产生式规则（Production Rule）

        4.框架系统（Framework）

        5.描述逻辑（Description Logic）

        6.逻辑程序（Logic Programming）

从符号表示到向量表示：

    基于离散符号的知识表示：符号表示的缺点：显示知识（不易于刻画隐式知识）、强逻辑约束（依赖于知识表述的精确性）、易于解释、推理不易扩展。如RDF、OWL、各种Rule Language等等。

    基于连续向量的知识表示：用参数化的向量来表示实体与实体间的关系。易于捕获隐式知识，弱逻辑约束、不易解释、对接神经网络。

知识的向量表示：促进多种模态的融合