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