文章目录

一、概述
二、知识重点
三、思维导图
四、重点知识笔记
- 1. 知识的概念
- - 1.1 知识的定义
  - 1.2 知识的特点
  - 1.3 知识表示
- 2. 一阶谓词表示法
- - 2.1 谓词及谓词公式
  - 2.1 谓词逻辑表示
- 3. 产生式表示法
- 3. 语义网络表示法
- 4. 框架表示法
- 5. 面向对象方法简介

一、概述

知识表示是智能系统的重要基础，人工智能中十分重要的研究课题。

为方便记忆和回顾，根据个人学习，总结人工智能基础知识和思维导图形成系列。

二、知识重点

知识是什么，有什么特点
知识表示的概念及分类
典型知识表示方法
- 一阶谓词表示法基本概念，谓词公式语法
- 产生式表示方法
- 语义网络表示方法
- 框架表示方法
- 面向对象表示法的主要观点

三、思维导图

四、重点知识笔记

1. 知识的概念

1.1 知识的定义

知识是人类对客观世界的认识和经验。
知识是经过加工的信息。是把有关信息关联在一起所形成的信息结构。

1.2 知识的特点

相对正确性：任何知识都是在一定条件和环境下产生的，在特定的条件和环境下才是正确的。
不确定性：随机性引起的、模糊性引起的、经验引起的、不完全性引起的
可表示性与可利用性：知识可以用适当的形式表示出来，如语言、文字、图形、神经网络等。

1.3 知识表示

机器表示知识的一般方法。将人类知识形式化或者模型化。

知识表示=数据结构+处理机制

知识表示的原则

正确有效的表示知识
便于理解和实现
便于知识组织、维护、管理
便于利用
便于知识获取

知识表示的分类

陈述性知识表示：以数据的形式表示(将知识表示与知识运用分开处理)简洁、严谨；工作效率低
过程性知识表示：知识表示形式是一个过程(将知识表示和知识运用相结合)不够严格，不易修改；易于推理

主要知识表示方法

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
面向对象表示法
人工神经元网络(ANN)表示法

2. 一阶谓词表示法

谓词逻辑是能够表示人类思维活动规律的一种精确的形式语言。谓词逻辑是知识的形式化表示、定理的自动证明等研究的基础。

2.1 谓词及谓词公式

用来描述或判定对象性质、特征或者对象之间关系的词项，具有真假语义题。

示例：“武汉是个美丽的城市” 用谓词表示为美丽的城市(武汉) 或者BCity(Wuhan)。
谓词类似于一个布尔类型函数。

语法元素

常量符号：表示常量的符号，常量可以是现实世界中的对象
变量符号：变量，未指定对象的符号，类似于函数变量
函数符号：函数f包含个体数目为n，称f为n元函数符号（函数为定义域到值域的映射）
谓词符号：谓词P包含个体数目为n，称P为n元谓词符号（谓词为定义域到{真,假}的映射
连接词：用于谓词之间的运算
- ¬：否定（Negation）：复合公式¬Q 表示“非Q”
- ∧：合取（Conjunction）：复合公式P∧Q 表示“P 与Q”
- ∨：析取（Disjunction）：复合公式P∨Q 表示“P 或Q”
- →：条件（Condition）：复合公式P→Q 表示“如果P那么Q”
- ↔：双条件（Bicondition）：复合公式P↔Q 表示“如果P，那么Q；如果Q，那么P”
量词
- ∀x：全称量词，x 称为量词的指导变量
- ∃x：存在量词

谓词的阶

如果谓词中的所有个体都是常量、变量或函数，那么谓词为一阶谓词
如果谓词P中的某个个体本身又是一个一阶谓词，那么P为二阶谓词，以此类推。

谓词公式的定义

单个谓词是谓词公式
- 每一个谓词公式都可求出一个真值(T或F)
- 常量、变量、函数都可以是一阶谓词的个体
若P、Q 是合式公式，则¬P、P∧Q、P∨Q、P→Q、P↔Q 也是谓词公式
- 连接词优先级从高到低排列：¬、∧、∨、→、↔
若P 是合式公式，则(∀x)P、(∃x)P 也是谓词公式
有限步应用以上动作生成的公式也是谓词公式

2.1 谓词逻辑表示

谓词逻辑表示的步骤

定义谓词和个体
为变量赋值（个体作为值）
连接词连接谓词，形成谓词公式

示例：

#武汉是个美丽的城市，但不是沿海城市。谓词逻辑表示为：
是个美丽的城市(武汉) ∧ ¬是个沿海城市(武汉) #机器人站在墙边，手里没有拿东西，桌子上放着积木。谓词逻辑表示为：
在旁边站着(机器人,墙) ∧ 手空着(机器人) ∧ 在上面(积木,桌子)#机器人拿起积木，谓词表示方法为：
#删除"手空着(机器人)∧在上面(积木,桌子)"，增加"拿着(机器人,积木)"，如下：
在旁边站着(机器人,墙) ∧ 拿着(机器人,积木)

3. 产生式表示法

在研究人类的认知模型中开发了基于规则的产生式系统。
通常用于表示事实、规则以及他们的不确定性度量。

产生式通常用于表示具有因果关系的知识，其基本形式为IF P THEN Q

产生式表示方法

确定性规则知识的产生式表示P→Q：IF P THEN Q
- P是产生式的前提，Q是一组结论或操作
- 比如：IF 动物会飞 AND 会下蛋该动物是鸟 IF 温度高于30度 THEN 关门
- 产生式可以提供操作，谓词公式不能提供操作
不确定性规则知识的产生式表示 P→Q(可信度)：IF P THEN Q(可信度)
- 比如：IF 发烧 THEN 感冒(0.6)
确定性事实知识的产生式表示
- 三元组表示：(对象,属性,值) 或者：(关系,对象1,对象2)
- 比如：(老李,年龄,40)
- 比如：(朋友,老王,老李)
不确定性事实知识的产生式表示
- “四元组表示：（对象,属性,值,置信度）” 或者：(关系,对象1,对象2,置信度)
- 比如：(老李,年龄,40,0.8) (朋友,老王,老李,0.1)

形式描述及语义

产生式可以用巴克斯BNF范式描述：

<产生式>::=<前提> <结论>::=表示定义为 空格分开表示顺序执行 |表示或者是 []表示可选 <前提>::=<简单条件>|<复合条件> <复合条件>::=<简单条件>AND<简单条件>[AND...]|<简单条件>OR<简单条件>[OR...] <结论>::=<事实>|<操作><操作>:=<操作名>[(<变量>,...)]

也就是说P和Q可以包含多个语句，用AND或OR连接。

产生式系统

一组产生式可以放在一起，相互配合，一个产生式生成的结论供另一个产生式
作为已知事实，获得问题的解决，这样的系统称为产生式系统。

产生式系统由3部分组成：

规则库：用于描述某领域内的知识(规则)的产生式集合
综合数据库：(事实库、上下文)一个用于存放问题求解过程中各种当前信息的数据结构
控制系统(推理机)：由一组程序组成，负责系统的运行，实现对问题的求解

控制系统从综合数据库中提取事实前提，应用规则库的规则进行推理，解决问题。

3. 语义网络表示法

语义网络表示法是研究人类联想记忆时提出的一种心理学模型。

语义网络是一种通过概念及其语义联系(关系)来表示知识的有向图。

表示方法

用框图表示，框图包括节点和有向弧组成。

节点用来表示事物的名称、概念、属性、状态、事件及动作等
弧有方向、有标注。表示事物之间的关系，即语义关系

典型的示例如下：

图中AKO，Have等表示语义关系。基本语义关系如下：

从属关系
- AKO(A-Kind-Of)：属于…类型。例如：苹果树 AKO 树 AKO 植物
- AMO(A-Member-Of)：是…的成员。例如：小明 AMO x班学生
- ISA(Is-A)：是一个…。例如：参观者 ISA 人
包含关系
- APO(A-Part-Of)：是…的一部分。例如：轮胎 APO 汽车
- CO(Composed-Of)：由…构成。例如：整数 CO 正整数零负整数
属性关系
- Have：有…属性。例如：树 Have 叶
- Can：能够做…事情。例如：鸟 Can 飞
时间关系
- Before：在…时间之前。例如：小明毕业 Before 小王毕业
- After：在…时间之后
位置关系
- On：在…上
- At：在…位置。例如：积木 At 桌面
- Under：在…之下
- Inside：在…之内
- Outside：在…之外
相近关系
- Similar-to
- Near-to
推论关系
- BO(because-Of)：由于…
- FOR：为了…
- THEN：则…
- GET：得到…
复合逻辑
- NOR(非)
- AND(与)。例如：时间→与←地点
- OR(或)

语义网络还可以表示情况、动作和事件的表示等。示例如下：

语义网络表示知识的步骤

确定对象和对象的属性
确定对象间的关系
根据语义网络涉及的关系，整理结点（对象结点、动作结点、情况结点）和弧

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

语义网络的推理过程

用语义网络表示知识的问题求解系统主要由两部分组成，一部分是由语义网络构成
的知识库，另一部分是用于问题求解的推理机。

语义网络的推理过程主要有两种：继承和匹配。

继承推理：上层结点的属性传递到下层结点。比如动物的特征会传递到鸟、鱼等
匹配推理：从知识库的语义网络中寻找与目标问题相符的语义网络模式

4. 框架表示法

框架是一种描述对象属性的数据结构。是表示某类情景的结构化数据结构。

框架的组成

框架由若干个称为“槽"的结构组成
槽描述对象某一方面的属性
每个槽划分为若干个”侧面“
侧面描述相应属性的一个方面

槽和侧面的属性值分别被称为槽值和侧面值

框架一般结构

<框架名> 槽名1：  侧面名  侧面值,侧面值...侧面名  侧面值,侧面值.......... 槽名n：  侧面名  侧面值,侧面值...侧面名  侧面值,侧面值......约束：约束条件

示例：

框架名：<教师>姓名：姓、名年龄：xxx岁性别：范围(男、女)         缺省：男住址：<住址框架>...

框架的特点

继承性
- 比如：地震框架、洪水框架、台风框架都可以继承自自然灾害事件框架
结构化
自然性

5. 面向对象方法简介

面向对象方法的主要观点

世界由”对象“组成，任何事物都是对象
复杂的对象由简单的对象组成
对象被分成各种对象类
对象间出了互递消息外，不再有其他联系
对象按类、子类、父类等概念形成一种层次或树形关系

面向对象方法与面向对象的编程语言思想基本一致，用类抽象世界，用对象表示
世界，用封装、继承、消息来表示推理规则。

个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。

修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap

人工智能导论(2)——知识表示(Knowledge Representation)相关推荐

《人工智能导论》第1章绪论第2章知识表示第3章确定性推理方法第4章不确定推理方法
绪论人工智能的基本概念智能的概念目前对智能还没有确切的定义,主要流派有: 思维理论:智能的核心是思维,认为通过对思维规律与方法的研究可揭示智能的本质. 知识阈值理论:智能取决于知识的数量及一般化 ...
阅读 | 001《人工智能导论》（一）绪论及知识表示篇
文章目录绪论 - 人工智能第1章.绪论 1.1 人工智能的起源和定义 1.2 人工智能的流派 1.3 人工智能的进展和发展趋势知识表示篇第2章.概念表示 2.1 经典概念理论 2.2 数理逻辑 ...
人工智能导论笔记（第二章知识表示）
参考书籍:人工智能导论(第四版)王万良著
2023 hnust 湖南科技大学大三下人工智能导论课程期中考试复习笔记
前言 ★大概率考 ✦个人推测考点 ※补充内容没有完全覆盖"人工智能导论复习2023.pdf"的重点致谢:hwl.lyf.lqx 题型问答:5*10分综合:15分设计:25 ...
人工智能导论笔记——江湖救急版
人工智能导论笔记--江湖救急版 Powered by DZY 以下部分图片来源于老师课件,仅供学习交流使用,侵权致删! 一.绪论感觉并无考点,列出提纲人工智能的基本概念人工智能的发展简史人工智 ...
AI：2020年6月22日北京智源大会演讲分享之认知神经基础专题论坛——13:40-14:20毕彦超教授《Knowledge representation in the Human brain》
AI:2020年6月22日北京智源大会演讲分享之认知神经基础专题论坛--13:40-14:20毕彦超教授<Knowledge representation in the Human brain& ...
[渝粤教育] 西安理工大学人工智能导论参考资料
教育 -人工智能导论-章节资料考试资料-西安理工大学[] 第一讲人工智能概述单元测试 1.[单选题]人工智能中通常把( )作为衡量机器智能的准则. A.图灵机 B.图灵测试 C.中文屋思想实验 D. ...
人工智能导论——概念篇
脑瓜子嗡嗡的小刘炼丹repeat之路(book): 思前想后,还是觉得要做一点其他的事情,国企的环境就是温水煮青蛙,不预感到危机感,整个人就会烂在这里,现实就是这样的,也看过老员工经常抱怨的种 ...
对教材-人工智能导论的不同看法
对教材-人工智能导论的不同看法 P1原文:人工智能的目标是用机器实现人类的部分智能我的意见:人工智能的目标是用机器解决问题,不一定与人类有关,我模拟狗鼻子做了个嗅探器,你敢说这不属于人工智能! P1 ...

人工智能导论(2)——知识表示(Knowledge Representation)

文章目录

一、概述

二、知识重点

三、思维导图

四、重点知识笔记

1. 知识的概念

1.1 知识的定义

1.2 知识的特点

1.3 知识表示

2. 一阶谓词表示法

2.1 谓词及谓词公式

2.1 谓词逻辑表示

3. 产生式表示法

3. 语义网络表示法

4. 框架表示法

5. 面向对象方法简介

人工智能导论(2)——知识表示(Knowledge Representation)相关推荐

最新文章

热门文章

人工智能导论(2)——知识表示(Knowledge Representation)

文章目录

一、 概述

二、 知识重点

三、 思维导图

四、重点知识笔记

1. 知识的概念

1.1 知识的定义

1.2 知识的特点

1.3 知识表示

2. 一阶谓词表示法

2.1 谓词及谓词公式

2.1 谓词逻辑表示

3. 产生式表示法

3. 语义网络表示法

4. 框架表示法

5. 面向对象方法简介

人工智能导论(2)——知识表示(Knowledge Representation)相关推荐

最新文章

热门文章

一、概述

二、知识重点

三、思维导图