各种各样的知识表示方法和其应用.docVIP

各种各样的知识表示方法及其应用 众所周知，知识是一个比较普遍的概念，在生活中有着各种各样的表现形式，而如何把知识表示出来，也就是把知识提取这一过程就显得异常重要了。每一种知识可能要采取不同的知识表示方法才能更加有效。而且知识有可能只有一部分是我们所需要的，可以利用的，因此只有选择好一个知识表示方法，才能剔除不需要的东西，而留下精华。 在人工智能课程的学习中,我已经学到了许多知识表示方法,而通过这次读书活动,我学到了更多的知识表示方法以及相同方法的不同表现形式,现在做出如下比较与总结。由于书中的知识表示方法在表达和分析上都跟其他书上介绍的都有区别，因此我把它们进行了比较分析。把与书上不同的观点罗列出来，并且对相似的观点进行比较，从中收获很大。 与书中相似相似的方法: 第一、语义网络法 语义网络是1968年Quilian在研究人类联想记忆时提出的心理学模型，认为记忆是由概念间的联系来实现的。1972年，Simmons首先将语义网络表示法用于自然语言理解系统。语义网络的结构：语义网络是知识的一种图解表示，它由节点和弧线或链线组成。节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。组成部分词法部分决定表示词汇表中允许有哪些符号，它涉及各个节点和弧线。结构部分叙述符号排列的约束条件，指定各弧线连接的节点对。过程部分说明访问过程，这些过程能用来建立和修正描述，以及回答相关问题。语义部分确定与描述相关的(联想)意义的方法即确定有关节点的排列及其占有物和对应弧线。简单的事表示占有关系和其它情况选择语义基元试图用一组基元来表示知识，以便简化表示，并可用简单的知识来表示更复杂的知识。二元语义网络的表示 (Representation of Two-Element Semantic Network)多元语义网络的表示（Representation of Multi-Element Semantic Network）用语义网络表示谓词逻辑法中的各种连词及量化多元关系可以被转换成一组二元关系的合取，从而可以用语义网络的形式表示出来。在语义网络中，为与合取关系相区别，在析取关系的连接上加注析取界限，并标记DIS。为表示否定关系，可以采用～ISA和～PART OF关系或标注NEG界限在语义网络中可用标注ANTE和CONSE界限来表示蕴涵关系。ANTE和CONSE界限分别用来把与先决条件(antecedent)及与结果consequence)相关的链联系在一起。量化存在量化在语义网络中可直接用ISA链来表示。而全称量化就要用分割方法来表示。语义网络中的推理过程主要有两种:一种是继承，另一种是匹配。继承把对事物的描述从概念节点或类节点传递到实例节点。[Reiter 1980]、自动认识逻辑[Moore 1985a]、非单调逻辑[McDermott Doyle 1980]和界限[ M cCarthy 1980，McCarthy 1986]。 鉴于语义网络法结构性强、联想性好、自然性高的特点，我觉得它主要适合用在自然语言分析理解系统、检索系统以及严谨的推理系统，这样既能够保证考虑到尽可能多的情况，同时对每一种情况的正确性都有保证，而且由于它具有联想性，因此它能很好的适应人类的联想记忆方式和人类的思维习惯。同时它也能很容易的将自然语言采集、并进行分析用来进行处理。 第二、框架表示法 心理学的研究结果表明，在人类日常的思维和理解活动中，当分析和解释遇到的新情况时，要使用到过去经验中积累的知识。这些知识规模巨大而且以很好的组织形式保留在人们的记忆中。当然，我们无法把过去的经验一一都存在脑子里，而只能以一个通用的数据结构的形式存储以往的经验。这样的数据结构称为框架。框架提供了一个结构，一种组织。在这个结构或组织中，新的资料可以用从过去的经验中得到的概念来分析和解释。因此，框架是一种结构化表示法通常框架采用语义网络中的节点-槽-值表示结构。所以框架也可以定义为是一组语义网络的节点和槽，这组节点和槽可以描述格式固定的事物、行动和事件。语义网络可看做节点和弧线的集合，也可以视为框架的集合。框架通常由描述事物的各个方面的槽组成，每个槽可以拥有若干个侧面，而每个侧面又可以拥有若干个值。这些内容可以根据具体问题的具体需要来取舍为了能从各个不同的角度来描述物体，可以对不同角度的视图分别建立框架，然后再把它们联系起来组成一个框架系统。框架是一种复杂结构的语义网络。因此语义网络推理中的匹配和特性继承在框架系统中也可以实行。除此以外，由于框架用于描述具有固定格式的事物、动作和事件，因此可以在新的情况下，推论出未被观察到的事实。框架用以下几种途径来帮助实现这一点：(1) 框架包含它所描述的情况或物体的多方面的信息。这些信息可以被引用，就像已经直接观察到这些信息一样。(2) 框架包含