1 / 103

第 2 章 知识与知识表示

第 2 章 知识与知识表示. 学海无涯. 2014/9/3. 1. 第 2 章 知识与知识表示. 2.1 知识表示概述 2.2 谓词逻辑的知识表示 2.3 产生式表示法 2.4 语义网络表示法 2.5 框架知识表示法 2.6 过程知识表示法 2.7 Petri 网模型表示法 2.8 面向对象的知识表示 2.9 其它知识表示法. 学海无涯. 2014/9/3. 2. 2.1 知识表示概述.

analu
Download Presentation

第 2 章 知识与知识表示

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第2章 知识与知识表示 学海无涯 2014/9/3 1

  2. 第2章 知识与知识表示 2.1 知识表示概述 2.2 谓词逻辑的知识表示 2.3 产生式表示法 2.4 语义网络表示法 2.5 框架知识表示法 2.6 过程知识表示法 2.7 Petri网模型表示法 2.8 面向对象的知识表示 2.9 其它知识表示法 学海无涯 2014/9/3 2

  3. 2.1 知识表示概述 知识表示(Knowledge Representation)，即把知识用计算机可接受的符号并以某种形式描述出来。诸如图表结构、语法树、规则匹配模式、树形或网状表达等。简言之，知识表示就是知识的符号化过程。即把相关问题的知识加以形式化描述，表示成为便于机器（计算机）存储、管理和调用的某种数据结构模式。 2014/9/3 3

  4. 2.1 知识表示概述 目前，人工智能的知识表示方法已有几十种之多。主要有：谓词逻辑表示法、语义网络表示法、框架表示法、过程表示法、Petri网表示法、与/或图表示、状态空间表示法和人工神经元网络（ANN）表示法等。我们将结合智能技术具体应用，在后面各章予以具体介绍和分析。 总之，人们可以根据领域知识的特点选择一种最合适的方法将知识充分表达出来，也可以依据领域的复杂程度，把若干技术结合起来，以形成一种功能强大的系统，高效率地求解智能问题。 2014/9/3 4

  5. 2.1 知识表示概述 2.1.1 什么是知识 2.1.2 知识的特性 2.1.3 知识的分类 2.1.4 知识映射原理 2014/9/3 5

  6. 2.1 知识表示概述 2.1.1 什么是知识 知识是人类世界特有的概念。它是人类对客观世界一种较为准确、全面的认识和理解的结晶。 知识只有相对正确的特性。例如直到1543年哥白尼学说问世之前，人们一直认为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了正确完整的知识形成是一个复杂的智能过程。 通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。 2014/9/3 6

  7. 2014/9/3 7

  8. 2.1 知识表示概述 六个瞎子来到国王的宫殿，第一次遇见一头大象。 第一个瞎子摸到象肚子：『多么光滑啊，象就像一座墙！』第二个瞎子摸到象鼻子：『圆圆的，像一条蛇！』 第三个瞎子伸出手摸到象牙：『尖尖的，象像矛！』 第四个瞎子伸手摸到象腿：『好高啊，象像一棵树！』 第五个瞎子伸手摸到象的耳朵：『好宽！象像一把扇子！』第六个瞎子摸到象的尾巴：『好细，象像一根绳子！』 “瞎子摸象”的故事 2014/9/3 8

  9. 2.1 知识表示概述 2.1.1 什么是知识 最常用的且便于计算机利用的一种表达形式为： “如果……，那么……”或“如果……，则……” 例如，①如果教会机器人一些知识，那么它就能替人干更多的事情； ②如果发现太阳黑子增多，那么就预示地球气候会发生反常； ③如果敌进，则我退；如果敌疲，则我打； ④如果大雁南飞，那么就预示着冬天临近。 2014/9/3 9

  10. 2.1 知识表示概述 2.1.2 知识的特性 1. 知识的相对正确性 常言道：实践出真知。知识源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。 知识来自于人们对客观世界运动规律的正确认识，是从感性认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，知识无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就要接受检验，必要时就要对原来的认识加以修正或补充，以至全部更新而取而代之。 例如，计算式1+1=10是正确的吗？ 再如，在一般的工程计算中，使用牛顿力学运动定律，足以满足一般精度要求而且很方便；但在接近光速的运行检测或进行核加速器中的粒子计算时，就必须以量子力学和相对论为依据来考察了。 2014/9/3 10

  11. 2.1 知识表示概述 2.1.2 知识的特性 2. 知识的确定与不确定特征 如前所述，知识由若干信息关联的结构组成。但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定或不确定的特征。 例如，在我国中南地区，根据天上出现彩虹的方向及其位置，可以预示天气的变化。有谚语曰：“东边日(晴天)，西边雨。”但是，这只是一种常识性的经验，并不能完全肯定或否定。 再如：甲有一头秀发，乙是两鬓如霜。您认为甲一定是青年人，乙就是老年人吗？不能完全肯定，因为相反的事例是很多的。比如，当年的白毛女并不是老人，而现在六十多岁的演员有一头黑发并不足奇。 2014/9/3 11

  12. 2.1 知识表示概述 2.1.2 知识的特性 造成知识具有不确定性的因素是多方面的。诸如：①证据不足、地域时区不同、各种变化因素及现实世界的复杂性，造成客观后果及其知识的不确定性； ②生活中，模糊性概念及模糊关系比比皆是，形成了知识的不确定性；③概率事件发生常常不可避免，一般都具有随机不确定性的规律；④经验性及各种不完备的积累过程，导致相关知识的不确定性等。 尽管不确定性知识给人们带来了一些迷惑，但它反映了客观世界的多样性、丰富性和复杂性。 2014/9/3 12

  13. 2.1 知识表示概述 2.1.2 知识的特性 3. 知识的可利用性和可发展性 人们不断地创造了各种生动活泼的形式来记录、描述、表示和利用知识。诸如采用语言、文字，使用书籍，结合文学、戏剧、绘画、摄影等艺术以及电影、电视、多媒体等手段，进行知识的演播、学习与欣赏等。事实上，人类的历史，就是不断地积累知识和利用知识创造文明的历史。知识的可利用性使得计算机或智能机器能利用知识成为现实；而知识的机器可学习、可表示性使得人工智能不断得以进步与发展成为必然。 伴随着人类社会迈入信息时代，人类知识也进入了大发展时期。一方面在淘汰旧的、老的、无用的知识，另一方面新观念、新思想、新知识不断地被大量地挖掘涌现出来。目前，知识的更新和知识的总量，正以前所未有的速率迅速地增长。大力发展智能科学技术，努力开发人类知识宝库，发展新一代智力工具，这正是作为新时代智能科学工作者的光荣历史使命。 2014/9/3 13

  14. 2.1 知识表示概述 2.1.3 知识的分类 按照机器定理证明过程，可把先后要使用到的知识划分为三类。即事实性知识；过程性知识；控制性知识。 1. 事实性知识：关于问题领域的性质及求解目标、求解环境及其已知条件、相关特性等方面的静态知识。事实性知识一般采用直接表示形式，用以记叙及描述有关的概念、事实、事物的状态及属性等。也可称为叙述型知识。 2014/9/3 14

  15. 2.1 知识表示概述 2.1.3 知识的分类 2. 过程性知识：指那些能依据一定的规则，推导出相关的结论与目标的规律性知识和能够实施匹配的序列操作性知识。 一般来说，过程性知识用以描述做某事的过程，是由问题领域内的相关规则、定律、定理及经验等要素构成的知识。例如，①若信道畅通，请发绿色信号；如果异常时，请按红色信号开关。②“松花蛋制作法”。 3. 控制性知识：一种用于取舍问题的求解策略，控制信息实施方法，决定推理路线的选取原则等方面知识。 一般来说，控制性知识是关于如何运用相关知识的知识，又称为元知识。例如，为了使一组机器人能协同完成某项任务，既要有监控他们相互配合情况的有关知识，还要有协调他们分工合作的决策性知识等。 2014/9/3 15

  16. 2.1 知识表示概述 2.1.3 知识的分类 知识还有其它的分类方法： 按照知识结构和表现特点来划分，可分为逻辑性知识，和形象性知识； 根据知识的确定性与不确定性来分，知识可分为确定性知识和不确定性知识； 依据知识的作用范围划分，知识可分为常识性知识，专业知识或领域性知识等。 2014/9/3 16

  17. 2.1.4 知识表示及其映射原理 一个智能机器系统如同智能生物一样，在运用知识进行信息交流或智能问题求解时，都需要预先进行知识表示。进而实现知识调用，达到利用知识求解问题目的。因而知识表示是知识信息处理系统中必不可少的关键环节。 对智能机器系统而言，知识表示，实际上就是对知识的一种描述或约定。其本质，就是采用某种技术模式，把所要求解问题的相关知识，映射为一种便于找到该问题解的数据结构。 对知识进行表示的过程，实质上就是把相关知识映射(或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded.)为该数据结构的过程。 2014/9/3 17

  18. 2.1.4 知识表示及其映射原理 其目标是要对复杂的智能型问题实现机器求解。但机器直接对原始问题求解，难度很大；可采用知识表示的映射原理，把原始问题映射为它的一种同构或同态问题，然后再对同构或同态问题求出它的解答，则相对容易而方便。 顺便指出：同构解答与原始问题有相同的形式解；而对于同态问题，如要得到原始解，只需对同态解答再施行反运算(T-1)即可。在自然科学实际应用研究中，利用映射（称为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。 2014/9/3 18

  19. 2.1.4 知识表示及其映射原理 • 同构变换与 同态变换： • 同构问题的解答等价于原始问题的解答。 • 原始问题有解，则同态问题有解；同态问题无解，则原始问题无解 2014/9/3 19

  20. 2.1.4 知识表示及其映射原理 知识表示体系 2014/9/3 20

  21. 2.2 谓词逻辑的知识表示 2.2.1 用谓词逻辑和公式表达各种意境 知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。下面我们结合实例的描述，以便逐渐掌握谓词逻辑的知识表示技术。 使用谓词逻辑和公式表达各种意境，首先应抓住一般自然语言主语、谓语结构特点，再依据谓词逻辑公式关于意境描述及连接词、量词这些关联信息进行综合分析，逐步形成关于意境描述的真实生动完整表达。 2014/9/3 21

  22. 2.2.1 用谓词逻辑和公式表达各种意境 2.2 谓词逻辑的知识表示 例2-1 请分析下面的命题和谓词逻辑，并尽可能正确地表述它的含义： ⑴ 在草原上歌唱(美貌姑娘)∧蓝的(天)∧飘(白云)∧吃草(牛羊)∧飞翔(百鸟)； ⑵ (彐x){好姑娘(x) ∧ 居住的地方(z，x) ∧ 遥远的(z)∧(y)[人(y)∧行走经过(y, z)→回头留恋地张望(y)]}. 2014/9/3 22

  23. 2.2.1 用谓词逻辑和公式表达各种意境 2.2 谓词逻辑的知识表示 例2-1 请分析下面的命题和谓词逻辑，并尽可能正确地表述它的含义： ⑴在草原上歌唱(美貌姑娘)∧蓝的(天)∧飘(白云)∧吃草(牛羊)∧飞翔(百鸟)； 解：⑴这是由“合取”符连接起来并已命题化的一元谓词逻辑公式。从字面上来看，它表达了一种美丽的自然景观：草原上，蓝蓝的天，白云飘飘，鸟儿在飞翔。有一位美貌的姑娘，一边在放牧牛羊，一边在放声歌唱…… 2014/9/3 23

  24. 2.2.1 用谓词逻辑和公式表达各种意境 2.2 谓词逻辑的知识表示 例2-1 请分析下面的命题和谓词逻辑，并尽可能正确地表述它的含义： ⑵(彐x){好姑娘(x)∧居住的地方(z，x)∧遥远的(z)∧(y)[人(y)∧行走经过(y, z)→回头留恋地张望(y)]}. 解：⑵这是一个既有谓词表示，又有命题逻辑表达；既有连接词，又有全称量词和存在量词的较复杂的谓词公式。字面上看，使人立刻联想到王洛宾的那首《在那遥远的地方》的民歌，一种生动的意境描述：在那遥远的地方，有位好姑娘，人们走过她的身旁，都要回头留恋地张望。 2014/9/3 24

  25. 2.2.2 用谓词逻辑表示知识单元 2.2 谓词逻辑的知识表示 依据事物名称或关键词，可把知识库划分为知识单元结构, 使用谓词逻辑进行知识单元描述表示。 例2-2 设有若干记录：①阿亮的职业是编辑； ②阿亮给阿铃送去了玫瑰花；③阿铃是一名护士； ④阿亮住址在长江大道1151号； ⑤阿铃住址在淮海路947号。 请用谓词逻辑(中或英文)表示上述各条记录，并分成必要的知识单元。 解：首先定义谓词，并注意直接用常量替代谓词变元，使其命题化。 2014/9/3 25

  26. 2.2.2 用谓词逻辑表示知识单元 解：则得：① OCCUPATION(aliang，staffer)； ② GIVE(aliang，aling，rose)；③ OCCUPATION(aling，nurse)； ④ADDRESS(aliang, 1151-changjiang-st)； ⑤ ADDRESS(aling, 947-huaihai-rd). 可以把主要的个体常量作为关键词来划分知识单元。例如aliang，aling， rose等。 aliang：①OCCUPATION(aliang，staffer)； ② GIVE(aliang，aling，rose)； ④ADDRESS(aliang, 1151-changjiang-st)； aling：② GIVE(aliang，aling，rose)； ③ OCCUPATION(aling，nurse)； ⑤ADDRESS(aling, 947- huaihai -rd)； rose： ② GIVE(aliang，aling，rose)。 关键词aliang集中表示了关于阿亮的具体情况，尤其阿亮具有的性格特点——喜欢给女孩子献殷勤，送花买礼物等； 而关键词rose表现了玫瑰花被传递的情况。

  27. 2.2.3 用谓词逻辑描述智能行为过程的求解 用谓词逻辑描述智能行为过程，关键在于恰当定义谓词及连接，首先定义谓词并给出每个谓词的确切含义；其次，注意个体域和量词辖域的约束与划定；然后，根据意境逻辑，利用连接词、量词把这些谓词关联起来。形成谓词逻辑描述。 例2-5 如图示，设在一个含有凹室(alcove)的房间内，有桌子A和书架B，一个机器人(robot)和 一叠书(book)。现在要求机器人(robot)从凹室出发，把桌子A上的书搬到B处书架上，完成任务后回到凹室。请用谓词逻辑描述机器人完成这一工作的全过程。 2014/9/3 27

  28. 2.2.3 用谓词逻辑描述智能行为过程的求解 图2-2 让机器人完成搬书的任务 2014/9/3 28

  29. 2.2.3 用谓词逻辑描述智能行为过程的求解 解：⑴为了能够描述这个机器人世界的有关环境和状态变迁，要求必须先定义谓词。注意这里需要定义两类谓词：一类用来描述环境状态，另一类谓词用来表示机器人的操作。 首先定义描述环境状态的谓词。 TABLE(x)： x是桌子， 个体域：x∈{a }； BOOKCASE(z)： z是书架，个体域：z∈{b }； EMPTY(y)： y手中是空的，个体域：y∈{robot}； HOLDS(y，u)：y手中拿着u，个体域：u∈{books}； AT(y，w)： y在w处，个体域：w∈{a，b，alcove }； ON(u，x)： u被放在x之上； CLEAR(v)： v上(中)是空的，v∈{a，b }. 2014/9/3 29

  30. 2.2.3 用谓词逻辑描述智能行为过程的求解 解：⑵使用谓词以及连接词、量词等来表示环境状态。 这样，问题的初始状态可表示为： S0：AT(robot, alcove)∧EMPTY(robot) ∧ON(books, a)∧CLEAR(b) TABLE(a)∧BOOKCASE (b) 要求达到的目标状态为： Sg：AT(robot, alcove)∧EMPTY(robot) ∧ON(books, b)∧CLEAR(a) TABLE(a)∧BOOKCASE (b) 2014/9/3 30

  31. 2.2.3 用谓词逻辑描述智能行为过程的求解 解：⑶从初始状态到达目标状态的变迁，必须由机器人一步一步地执行相应的操作序列，得以逐步实现。因此，必须要定义操作类谓词。仔细加以分析，必要的操作谓词共有三类。 GOTO(x, w)：机器人从x走到w处； PICK-UP(x) ：机器人在x处拿起书； SET-DOWN(w) ：机器人在w处放下书。 一般说来，如果定义谓词太多，将造成信息冗余，增加了问题的复杂度；如果定义谓词太少，就不够用。因此，定义的谓词性质与数量要合适。 2014/9/3 31

  32. 2.2.3 用谓词逻辑描述智能行为过程的求解 解：⑷ 按照行动规划，仔细选择操作，一步步进行状态替换，直到达到目标状态。即要求把状态变迁过程和操作序列记录下来，来描述问题解。 下面写出该过程的最优路径： AT(robot, alcove)∧EMPTY(robot)∧ON(books, a) CLEAR(b)∧TABLE(a)∧BOOKCASE(b) GOTO(alcove, a) AT(robot, a)∧EMPTY(robot)∧ON(books, a) CLEAR(b)∧TABLE(a)∧BOOKCASE (b) PICK-UP（a） AT(robot, a)∧HOLDS(robot，books)∧CLEAR(a) CLEAR(b)∧TABLE(a)∧BOOKCASE (b) 2014/9/3 32

  33. 3.2.3 用谓词逻辑描述智能行为过程的求解 解：AT(robot, a)∧HOLDS(robot，books)∧CLEAR(a) CLEAR(b)∧TABLE(a)∧BOOKCASE (b) GOTO（a, b） AT(robot, b)∧HOLDS(robot，books)∧CLEAR(a) CLEAR(b)∧TABLE(a)∧BOOKCASE (b) SET-DOWN（b） AT(robot, b)∧EMPTY(robot)∧ON(books, b) CLEAR(a)∧TABLE(a)∧BOOKCASE (b) GOTO（b, alcove） AT(robot, alcove)∧EMPTY(robot)∧ON(books, b) CLEAR(a)∧TABLE(a)∧BOOKCASE (b) （解毕） 2014/9/3 33

  34. 2.2.3 用谓词逻辑描述智能行为过程的求解 解：这样,得到目标为 AT(robot, alcove)∧EMPTY(robot)∧ON(books, b) CLEAR(a)∧TABLE(a)∧BOOKCASE (b) 这里顺便指出，若机器人智商不高，这个任务过程会产生许多冗余。比如，机器人拿着书，找不到b处，无所适从而又扛回来了；或者……等。可见，实际的机器人智能控制要更加复杂得多，虽然有时也很有趣。 2014/9/3 34

  35. 2.2.4 谓词逻辑知识表示特性 谓词逻辑是一种传统经典也是最基本的形式化方法。谓词逻辑知识表示:规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是，必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理； 对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以便寻求自然性好而效率更高的技术方法。 2014/9/3 35

  36. 2.3 语义网络表示法 语义网络是人工智能常用的知识表示法之一。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian 于1968年在他的博士论文中首先提出，并用于自然语言处理。随后，在二十世纪七十年代，Simon，Winston，Hendrix等人分别都对语义网络的应用与发展做出了贡献。 2.3.1 语义网络知识表示 2.3.1.1 语义网络的概念 语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为: 节(结)点; 弧(又叫做边或支路); 指针。 2014/9/3 36

  37. 2.3.1 语义网络知识表示 2.3.1.1 语义网络的概念 节点(Node)：也称为结点。用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。 弧(Arc)：这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。 指针(Pointer)：也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。 可见，语义网络是一种使用概念及其语义关系来表达知识的有向图。 2014/9/3 37

  38. 2.3.1 语义网络知识表示 2.3.1.2 基本语义关系 任何复杂的语义关系，都可以通过许多基本的语义关系予以关联来实现。因此，简单语义关系是构成复杂语义关系的基础。事实上，简单语义关系具有多样性和灵活性，作为参考，我们下面仅对一些最常见的简单语义关系加以讨论。 （1）属性关系:表示对象及其属性间的关系。常用属性关系有： HAVE：含义为“有”，表示上层结点具有下层结点所描述的属性值； CAN：含义为“能”或“会”，表示上层结点能够执行下层结点的功能。 例如，企鹅是一种有翅膀、会游泳的鸟。 其中，“有翅膀”、“会游泳”就分别表示了企鹅所具有及所能够进行的属性关系。 2014/9/3 38

  39. 2.3.1 语义网络知识表示 2.3.1.2 基本语义关系 （2）包含关系:又称为聚类关系，表示了下层概念是上层概念的一个组成部分的关系。与分类关系不同的是包含关系一般不具备属性的继承性。常用的包含关系可表示为： CO（Composed-Of）: 含义为“由…所构成”，表示了某一个(或某些)事物是另一事物的一个组成部分或构成要素. APO（A-Part-Of）：含义为“是…中的一部分”。 例如，“学生、教师、课程都是教学活动的要素”；再如，“门、窗户是房子结构的一部分”分别可用图2-5和图2-6所示的语义网络来表示。 2014/9/3 39

  40. 房 子 教学 CO CO 学生 门 教师 窗户 课程 2.3.1 语义网络知识表示 2.3.1.2 基本语义关系 CO（Composed-Of）: 含义为“由…所构成”. APO（A-Part-Of）：含义为“是…中的一部分”。 APO APO APO 2014/9/3 40

  41. AMO ISA AKO 植物 钟明 西安 研究生 著名古都 海棠花 2.3.1 语义网络知识表示 2.3.1.2 基本语义关系 （3）从属关系 : ISA（is-a）：含义为“是一个”，表示某事或某物是一个具体的实例。 AKO（A-Kind-Of）：表示某事物“是…之中的一种”，即某类中的一个。 AMO（A-Member-Of）： 表示某物“是…之中的一员”，即某类中的一员。 2014/9/3 41

  42. 2.3.1.3 复合语义关系 （1）时间空间复合关系:时空复合关系表示了事物或事件发生的时间和位置地点。常用这类关系有： AFTER：含义为“在…之后”，表示上层结点事实发生在下层结点所描述的事件之后；或者表示下层结点对象在上层结点对象的位置之后。 BEFORE：含义为“在…之前”，表示上层结点事实发生在下层结点所描述的事件之前；或者表示下层结点对象在上层结点对象的位置之前。 ON：含义为“在…之上”，表示下层结点所描述的事物对象位于上层结点的事物之下。 AT：含义为“在…时刻”或“在…地点”，如图2-10所示。 此外，相应于多个对象，还可以有比较、相互接近等关系的组合。 2014/9/3 42

  43. 2.3.1.3复合语义关系 （1）时空复合关系: AFTER： BEFORE： ON： AT： （2）复合推论关系: BO (Because-Of：由于…) FOR（为了…） THEN（就…，则…） GET（使得…，得到…） AT GET 钟楼 西安城中心 人民安康 国家昌盛 2014/9/3 43

  44. 2.3.1.3 复合语义关系 （3）复合逻辑关系: NOR(非); AND(与); OR(或)等 IS 时间 IS IS 环境 与 地点 IS 动作 2014/9/3 44

  45. （3）复合逻辑关系: NOR(非); AND(与); OR(或)等 2.3.1.3 复合语义关系 时间 某天夜晚 主体 方式 对象 IS IS 环境 轻轻地 舰船… 海浪 与 地点 IS 动作 摇动 IS 军港之夜静悄悄，海风轻轻吹··· 某军港 有 彐 2014/9/3 45

  46. 2.3.1.3 复合语义关系 （3）复合逻辑关系: NOR(非); AND(与); OR(或)等 IS 军港之夜静悄悄，海风轻轻吹··· 时间 某天夜晚 与 IS IS 环境 地点 某军港 主体 方式 对象 IS 动作 摇动 有 轻轻地 舰船… 海浪 彐 2014/9/3 46

  47. 2.3.2 语义网络知识表示特点表现（例）

  48. 2.3.3 语义网络表示及其求解系统特性 如下图(2-13),表示了语义网络求解系统的组成结构。该系统基于语义网络知识库和语义网络推理机的功能及其调用的基础上，主要使用了两种推理机制：一种是匹配，另一种是继承作用，它们通过语义网络推理规则的控制以及相继交互完成推理过程。 语义网络推理机 语义网络知识库 匹配 继承 作用 2014/9/3 48

  49. 2.3.3 语义网络表示及其求解系统特性 2.3.3.1 匹配（Matching） 进行语义网络知识表示系统的匹配推理，首先需要依据求解目标构造目标语义网络模式，使用其中一个与有向弧相连接的结点进行提问；然后按照该目标模式模块结构，在语义网络知识库中寻找与其相符合的模块结构进行匹配，从而推出对应于该问题提问结点的答案. 语义网络推理机 语义网络知识库 匹配 继承 作用 2014/9/3 49

  50. 2.3.3.1 匹配 （Matching） 例2-7哨兵发现在起风的夜晚有一些响动，针对要求解的问题构造了目标语义网络模式如图(2-14)所示，问题是想要知道在起风的夜晚，军港中海浪到底摇动了什么呢？ 解：根据目标语义网络模式与给定的事实，可在图2-11 语义网络知识求解系统提供的知识库中，寻找对应的模块结构进行匹配。于是就可立即发现：提问结点中所设定的“x”就是被海浪发出的动作“摇动”的对象——到底是战舰、战船、浮标……还是别的什么呢？ 摇动 方式 主体 对象 轻轻地 X 海浪

More Related