人工智能知识表示综述.ppt

表示方法 概述 直接表示 逻辑表示 产生式规则表示法 语义网络表示法 框架表示法 脚本方法 过程表示 混合型知识表示方法 面向对象的表示方法 表示方法 概述 直接表示 逻辑表示 产生式规则表示法 语义网络表示法 框架表示法 脚本方法 过程表示 混合型知识表示方法 面向对象的表示方法 表示方法 — 4.4 框架表示法 概述 1975年 Minsky在论文中提出了框架理论。他从心理学的证据出发，认为人的知识以框架结构记存在人脑中。当人们面临新的情况，或对问题的看法有重要变化时，总是从自己的记忆中找出一个合适的框架，然后根据细节加以修改补充，从而形成对新观察到的事物的认识。 人类对于一件事的了解，表现在对于这件事物的诸方面，即属性的了解。掌握了事物的属性，也就有了关于事物的知识，知识表示是从属性描述开始的。 表示方法—框架表示法 定义： 框架是一种描述对象属性的数据结构。是由若干个结点和关系（统称为槽）构成的网络。 是语义网络的一般化形式的一种结构。同语义网络没有本质的区别。如书上的所示如将语义网络结点间弧上的标注也放到槽内就成了框架表示形式。 组成： 由框架(Frame)名、槽(Slot)名、侧面(Aspect)、值(Value)组成 表示方法—框架表示法 表示形式： 框架名 …… 槽名i：侧面名i1 值i11，值i12 ，… ，default: value 侧面名i2 值i21，值i22 ，… ，default: value …… …… 槽名j：框架名 表示某个概念、对象或事件 表示所论对象某个方面的属性 表示相应属性的一个方面 值类型：逻辑型、实数型、字符、子程序、框架 表示调用另一个框架 表示方法—产生式规则表示法 反向推理过程 用规则集中的规则后件与目标事实进行匹配，得到匹配的规则集合。 从匹配的规则集合中选择一条规则作为使用规则。 把执行的使用规则的前件作为下一个循环的目标事实 。 重复进行，直到达到目标。 表示方法—产生式规则表示法 反向推理算法（产生式系统） 提出获取事实（目标）的请求 目标和任何已知的事实都不匹配 目标和一条规则的结论匹配 进行目标和结论的合一代换 将代换应用于规则的前提 这个结论成为系统的新目标 新目标将执行动作 匹配知识库中的事实 匹配规则的结论，以更进一步推理 要求用户回答必要的信息 失败，原目标也失败 重复1）~ 7） 表示方法—产生式规则表示法 反向推理算法流程 问用户 有此证据 找一个假设 此假设为真 结 束 在事实库 有证据 还有假设 Y Y Y Y N N N N 找出结论部分含此假设的所有知识 此假设为假 存入事实库 选一条知识让它的条件作为新假设 表示方法—产生式规则表示法 设计一反向推理系统 能根据用户要求或情况提出假设。 能验证此假设是否在数据库中。 能从知识库中将结论部分包含此假设的规则都找出来。 能将找出来的规则的前提部分取出并作为新假设逐条验证。 能判断假设是否是证据节点，若是，能向用户提出相应问题并记录结果。 能将匹配成功的规则记录下来。 能判断何时应结束推理。 表示方法—产生式规则表示法 推理方法的选择 推理方法的选择取决于推理的目标和搜索空间的形状。 如果目标是从一组给定事实出发，找出所有可能的结论，那么，通常使用正向推理。 如果目标是证实或否定某一特定结论，那么，通常使用反向推理，否则，从一组初始事实出发盲目地正向推理，可能得出许多和所要证实的结论无关的结论。 表示方法—产生式规则表示法 推理策略 冲突消解策略1 规则排序：规则的编排顺序就是规则启用的优先级。 专一性排序：若某一规则的条件部分规定的情况比另一条规则的条件部分所规定的情况更专门，则这条规则有较高的优先级。 就近排序：把最近使用的规则放在最优先的位置。 规模排序：按规则条件部分复杂程度排序，越复杂越优先。 表示方法—产生式规则表示法 推理策略 冲突消解策略2 数据排序：把规则条件部分的所有条件项按优先级次序组织，可用知识的次序由这些知识所含条件按字典排序方法进行选择。 上下文限制：按问题求解状态或新描述的上下文分块组织知识库，在某一求解状态，只能使用相对应组中的知识。 数据冗余限制：若知识的操作产生上下文冗余项时，则降低该知识的优先级。 表示方法—产生式规则表示法 特点 用产生式系统结构求解问题的过程和人类求解问题时的思维很相像。因而可以用它来模拟人类求解问题的思维过程。 可以把产生式系统作为人工智能系统的基本结构单元或基本模型看待。就好像是积木世界中的积木块一样。因而研究产生式系统的基本问题就具有一般意义。 表示的格式固定、形式单一、规则间相互独立。所以建立容易；推理方式单纯、知识库与推理机分离，修改方便、