知识表示——史忠植老师讲座笔记

数据本身无意义，在上下文中是信息的载体，被赋予意义。

信息的载体为符号（如文字和数字），知识也是由符号组成。知识是经过加工的信息，包括事实、信念和启发式规则。

 

智能生成模型（钟义信）:“信息→知识→智能”

 

知识的特性:相对正确性，不确定性（随机性，模糊性，不完全性，经验性），可表示性和可利用性。

 

知识表示:用机器表示知识的可行性、有效性的一般方法，可看做是将知识符号化并输入到计算机的过程和方法。

 

知识的三种类型:陈述性、程序性、控制性。

 

知识表示方法要求:充分表示领域知识、有利于知识利用、便于知识的组织、维护和管理。

 

产生式系统的基本结构

识别一动作循环

(1）从规则库中寻找所有能够和工作区中已有事实相匹配的规则，并将这些规则加入到冲突集中

(2）若有多个规则存在，则根据冲突消解策略由冲突集中选择一条规则执行。

(3）执行规则中的动作，根据动作向工作区中加入新的事实或删除旧的事实。

 

例子:8数码游戏

产生式系统的描述：

★综合数据库：存放棋盘的状态。

    ●棋盘的状态：8个数字在棋盘上的位置分布。．每走一步，状态就会发生变化；

    ●存放棋盘的当前状态；

★规则：规则是数字移动的方法。

    ●空格的移动：

    ●如果空格左边有数字，则将左边的数字移到空格上；

    ●如果空格右边有数字，则将石边的数字移到空格上；

    ●如果空格上边有数字，则将上边的数字移到空格上；

    ●如果空格下边有数字，则将下边的数字移到空格上；

 

产生式系统的推理

●正向推理：从已知事实出发，通过规则库求得结论．也称为数据驱动方式，或从底向上的万式

●反向推理：从目标出发．反向使用规则，求得已知事实，或称目标驱动，自顶向下、

●双向推理：既自顶向下，又自底向上相结合得方法直至某个中间界面两方向结果相符便成功结束

 

产生式系统的特点
●优点
(1）自然性(2)模块性
(3）有效性既可表示确定性知识，又可表示非确定性知识，既可表示启发式知识，又可表示过程性知识
(4）清晰性：格式固定，结构简单，便于一致性，完整性检查
●不足之处
(1)效率不高：匹配﹣冲突消解执行，并且可能产生组合爆炸
(2)不能表达具有结构性的知识

案例:对过去发生事件的真实描述。碰到新的问题会搜索过去发生过的事情，匹配和汲取经验去找解决方法。

基于4R的案例推理。

 

语义Web:本体知识表示。

 

知识图谱:大规模语义网络，是大数据时代知识工程的代表，是语义理解与智能应用的重要基础。

代表性的知识图谱