第2章知识表示方法

,第二章 知识表示方法,人 工 智 能 原 理 与 应 用,人工智能问题的求解是以,知识,为基础的。如何将已获得的有关知识以计算机内部代码形式加以合理地描述、存储，以使有效地利用这些知识便是,知识表示,。知识表示方法的提出，常模仿人脑的知识存储结构，心理学家对知识表示方法的研究做出了重要的贡献。这一章将介绍逻辑的、产生式的、语义网络的和框架的知识表示方法。,2.1,概述,2.1.1,知识、信息和数据,2.1.2,知识的特性,2.1.3,知识的分类,2.1.4,知识的表示,注：详细内容请参照,P15,至,P19,2.2,一阶谓词逻辑表示法,一阶谓词逻辑表示法,是一种重要的知识表示方法,它以数理逻辑为基础,是到目前为止能够表达人类思维活动规律的一种最精确的形式语言。它与人类的自然语言比较接近，由可方便地存储到计算机中去，并被计算机做精确处理。因此，它是一种最早应用于人工智能中的表示方法。,2.2,一阶谓词逻辑表示法,2.2.1,知识的谓词逻辑表示法,用一阶谓词逻辑公式可以表示事物的状态、属性、概念等事实性知识，也可以表示事物间具有确定因果关系的规则性知识。,2.2,一阶谓词逻辑表示法,2.2.2,用谓词公式表示知识的步骤,用,谓词公式表示知识,的步骤如下：,1,、定义用,谓词,及,个体,，确定每个谓词及个体的确切含义；,2,、根据所要表达的事物或概念，为每个谓词中的,变元,赋以特定的,值,；,3,、根据所要表达的知识的语义，用适当的连接符号将各个谓词连接起来，形成,谓词公式,。,2.2,一阶谓词逻辑表示法,2.2.3,谓词公式表示知识的举例,例,1,、机器人搬弄积木块问题表示,设在一个房间里，有一个机器人,ROBOT,，一个壁室,ALCOVE,，一个积木块,BOX,，两个桌子,A,和,B,。机器人可把积木块,BOX,从一种状态变换成另一种状态。,解：,引入谓词,TABLE,（,A,）表,A,是桌子,EMPTYHANDED,（,ROBOT,）表机器人双手是空的,AT,（,ROBOT,，,A,）表机器人在,A,旁,HOLDS,（,ROBOT,，,BOX,）表机器人拿着积木块,ON,（,BOX,，,A,）表积木块,BOX,在,A,上,设定,初始状态,是,AT,（,ROBOT,，,ALCOVE,）,EMPTYHANDED,（,ROBOT,）,ON,（,BOX,，,A,）,TABLE,（,A,）,TABLE,（,B,）,目标状态,是,AT,（,ROBOT,，,ALCOVE,）,EMPTYHANDED,（,ROBOT,）,ON,（,BOX,，,B,）,TABLE,（,A,）,TABLE,（,B,）问题是依机器人可进行的操作，实现一个由初始状态到目标状态的机器人操作过程。,机器人的每个,操作,的结果所引起的状态变化，可用对原状态的增添表和删除表来表示。如机器人由初始状态把,BOX,从,A,桌移到,B,桌上，然后仍回到壁室，这时同初始状态相比有,增添表,ON,（,BOX,，,B,）,删除表,ON,（,BOX,，,A,）又如机器人由初始状态，走近,A,桌，然后拿起,BOX,，这时同初始状态相比有增添表,AT,（,ROBOT,，,A,）,HOLDS,（,ROBOT,，,BOX,）删除表,AT,（,ROBOT,，,ALCOVE,）,EMPTYHANDED,（,ROBOT,）,ON,（,BOX,，,A,）进一步说，机器人的每一操作还需有,先决条件,。如机器人拿起,A,桌上的,BOX,这一操作，先决条件是,ON,（,BOX,，,A,），,AT,（,ROBOT,，,A,）,EMPTYHANDED,（,ROBOT,）,而,先决条件成立与否的验证,可使用,归结法,。如将初始状态视作已知条件，而将要验证的先决条件视作结论，便可使用归结法了。有如下归结过程：（,1,）,AT,（,ROBOT,，,A,）（,2,）,EMPTYHANDED,（,ROBOT,）（,3,）,ON,（,BOX,A,）（,4,）,TABLE,（,A,）（,5,）,TABLE,（,B,）（,6,）,ON(BOX,A),AT(ROBOT,A),EMPTYHANDED(ROBOT)(,先决条件的否定,),（,7,）,AT(ROBOT,A),EMPTYHANDED(ROBOT)(3,6),（,8,）,EMPTYHANDED(ROBOT)(1,7),（,9,）,(2,8),于是验证了这一先决条件成立。从初始状态出发，每实现机器人的一个操作都验证先决条件，并建立相应的增添表和删除表，便可逐步达到目标状态。这里仅是说明逻辑法可以描述这类问题。,1972,年,FIKS,建立的,STRIPS,机器人规划系统就是使用的逻辑法表示的。,例,2,、,Honil,塔问题表示,已知三个柱子,1,2,，,3,和三个盘子,A,，,B,C(A,比,B,小，,B,比,C,小,),。初始状态下，,A,，,B,，,C,依次放在,1,柱上。目标状态是,A,，,B,，,C,依次放在柱子,3,上。条件是每次可移动一个盘子，盘子上方是空顶方可移动，而任何时候都不允许大盘在小盘之上。,解：这个问题，使用逻辑法可作如下描述。（,1,）常量,A,B,C,1,2,3,而,S,表状态。（,2,）谓词,Disk(A),表,A,是盘子,PEE,（,1,）表,1,是柱子,Smaller(A,B),表,A,比,B,小,Free(x,s),表状态,S,下，,X,空顶,Legal(x,y,s),表状态,S,下，,x,可向,y,上移动,ON,（,A,，,B,，,S,）表状态,S,下,A,在,B,上（,3,）函数,move(A,B,S),表状态,S,下，,A,移到,B,上所得的新状态,（,4,）谓词和函数间的关系,(,x)(,y)(,z,)(Smaller(x,y)Smaller(y,z)Smaller(x,z),盘大小关系的传递性,(,x)(,s,)(Free(x,s),(,y)ON(x,y,s,),在状态,s,下，,x,是空顶必知,s,下无,y,在,x,上。,(,x)(,y)(,s,)(Legal(x,y,s)Free(x,s)Free(y,s)Disk(x)Smaller(x,y),x,可向,y,上移动是合法的，当且仅当,x,y,空顶且,x,比,y,小，,x,是盘,。,(,x)(,y)(,s)(,s,)(s=move(x,y,s)ON(x,y,s),(,z1)(,z2,)(,(z1=x),(z2=y)(ON(z1,z2,s)=ON(z1,z2,s),(,z,)(ON(x,z,s)Free(z,s),新,状态,s,下，,x,移动到,y,上得新状态,S,，那么没移动的盘,ON,关系没变动。而,x,下面的盘是空顶了,。,有了这些关系，再给出初始状态和目标状态的谓词公式，便可使用归结法建立求解过程。,2.2,一阶谓词逻辑表示法,2.2.4,一阶谓词逻辑表示法的特点,一阶谓词逻辑表示法的特点如下：,(1),自然性,(2),适宜于精确性知识的表示，而不适宜于不确定性知识的表示,(3),易实现,(4),与一阶谓词逻辑表示法相对应的表示法。,2.3,产生式表示法,1943,年美国数学家,Post,首先建立了一个产生式系统，是作为组合问题的形式化变换理论提出来的。,产生式是一种知识表达方法，具有和,Turing,机一样的表达能力，有的心理学家认为人对知识的存储就是产生式形式。,2.3,产生式表示法,2.3.1,产生式可以表示的知识种类及其基本形式表示,1,、可表示知识的种类,产生式表示方法容易描述,事实,，规则以及它们的不确定性度量。,2,、产生式的基本形式,P,Q,或,IF P THEN Q,3,、产生式与谓词逻辑中蕴涵式的区别,产生式可以表示精确与不精确知识，蕴涵式只能表示精确知识；,产生式没有真值，蕴涵式有真值。,2.3,产生式表示法,2.3.2,知识的表示方法,事实可看成是断言一个语言变量的值或是多个语言变量间的关系的陈述句，语言变量的值或语言变量间的关系可以是一个词，不一定是数字。如雪是白色的，其中雪是语言变量，其值是白色的。约翰喜欢玛丽，其中约翰、玛丽是两个语言变量，两者的关系值是喜欢。一般使用三个元组（对象，属性，值）或（关系，对象,1,，对象,2,）来表示事实，其中对象就是语言变量，若考虑不确定性就成四元组表示了。这种表示的机器内部实现就是一个表。如事实老李年龄是,35,岁，便写成（,Lee Age 35,）而老李、老张是朋友，可写成（,Friend Lee Chang,）为求解过程查找的方便，在知识库中可将某类有关事实以网状、树状结构组织连在一起。,2.3,产生式表示法,2.3.3,产生式的组成,多数较为简单的专家系统都是以产生式表示知识的，相应的系统称作,产生式系统,。产生式系统，由,知识库,和,推理机,两部分组成，其中知识库由,规则库,和,数据库,组成。规则库是产生式规则的集合，数据库是,事实的集合,。规则库是某领域知识（规则）的存储器，规则是以产生式表示的，规则集蕴涵着将问题从初始状态转换解状态的那些变换规则，,规则库是专家系统的核心,。规则可表成与或树形式，基于数据库中事实对这与或树的求值过程就是推理。,数据库,存放输入的事实、外部数据库输入的事实以及中间结果（事实）和最后结果的工作区。,推理机,是一个程序，控制协调规则库与数据的运行，包含了推理方式和控制策略,2.3,产生式表示法,2.3.4,产生式系统的推理方法,产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。,正向推理,是从已知事实出发，通过规则求得结论。或称数据驱动方式也称作自底向上的方式。推理过程是重复这个过程直至达到目标。具体说如数据库中含有事实,A,，而规则库中有规则,AB,，那么这条规则便是匹配规则，进而将后件,B,送入数据库。这样可不断扩大数据库直至包含目标便成功结束。如有多条匹配规则需从中选一条作为使用规则，不同的选择方法直接影响着求解效率，选规则的问题称作控制策略。正向推理会得出一些与目标无直接关系的事实，是有浪费的。,反向推理,是从目标（作为假设）出发，反向使用规则，求得已知事实，或称目标驱动方式也称自顶向下的方式，推理过程是重复这个过程直至各子目标均为已知事实成功结束。如果目标明确，使用反向推理方式效率较高，所以常为人们所使用。,双向推理,既自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。不难想像这种双向推理较正向或反向推理所形成的推理网络来得小，从而推理效率更高。,2.3,产生式表示法,2.3.5,产生式表示的特点,产生式表示,格式固定,，形式单一，规则（知识单位）间相互较为独立，没有直接关系使知识库的建立较为容易，处理较为简单的问题是可取的。另外,推理方式单纯,，也没有复杂计算。特别是,知识库与推理机是分离,的，这种结构给知识库的修改带来方便，无需修改程序，对系统的推理路径也容易作出解释。基于这些说明，产生式表示知识常作为建造专家系统的第一选择的知识表示方法。,2.4,语义网络表示法,语义网络是,1968,年,Quillian,在研究人类联想记忆时提出的心理学模型，认为记忆是由概含间的联系实现的。,1972,年,Simmous,首先将语义网络表示法用于,自然语言理解系统,。,2.4,语义网络表示法,语义网络是对知识的有几图表示方法。一个语义网络是,由一些以有几图表示的三元组（结点,1,，弧，结点,2,）,连结而成,。结点表示概念、事物、事件、情况等。弧是有方向的有标注的。方向体现主次，结点,1,为主，结点,2,为辅。弧上的标注表示结点,1,的属性或结点,1,和结点之间的关系。这三元组的图表示为,2.4.1,语义网络的概念及结构,这样一个语义网络的表示为：,概念：通过,概念,及其,语义关系,来表示知识的一种,网络图,。,2.4,语义网络表示法,2.4.2,语义网络中常用的语义联系：,（,1,）,类属关系,用来表示具体抽象关系，或说表示一种隶属关系，体现某种层次分类。特点是具体层结点可继承抽象层结点的属性。如鸟类是动物，