数据和知识工.pptVIP

本课程的开设背景 智能： 智能行为依赖于知识 知识： 把有关信息关联在一起形成的信息结构 由信息提炼出来的产物，反映了一些基本的规律 是构成智能的基础 信息： 数据的语义 收信人事先不知道的报道 (辞海) 信息就是信息，不是物质，也不是能量 (Norbert Wiener) 计算学科：对描述和变换信息的算法过程进行的系统研究。 数据： 信息的载体和表示 对于计算机而言，信息处理就是数据处理 本课程的开设背景 信息时代/知识时代 农业社会 ? 工业/机械社会：由机械化、电气化和自动化带来的人类体力扩展的结果。 机械社会 ? 信息/知识社会：由信息化、网络化和智能化带来的人类智力扩展的结果。 一个标志：万维网(Web)的普及 信息化和网络化带来的形形色色的海量信息和内容理解问题，向计算机科学和人工智能提出了艰巨的挑战。 语义Web Web技术 语义(本体/逻辑) 知识表示与知识推理 数据挖掘 知识发现 本课程的目的 了解人工智能领域关于知识表示、知识推理、知识发现的研究历史； 掌握典型的知识表示方法（尤其是基于一阶谓词逻辑和基于描述逻辑的知识表示方法）； 掌握典型的知识推理方法（尤其是基于消解原理的推理方法和基于Tableau的推理方法）； 掌握典型的知识发现方法； 了解语义Web的基本思想、技术现状和发展趋势； 了解Web知识表示模型和语言（主要包括RDF、OWL、RIF和SPARQL）； 了解语义Web背景下关于知识表示、知识推理、和知识发现的研究现状。 本课程的内容 Ⅰ 基于一阶谓词逻辑(FOL)的知识表示和推理 基于FOL的知识表示 基于消解法的知识推理 基于tableau算法的知识推理 Horn逻辑与产生式系统 Horn逻辑 逻辑程序设计 产生式系统 基于描述逻辑(DL)的知识表示和推理 基于DL的知识表示 基于tableau算法的知识推理 非单调知识表示和推理 CWA；限制逻辑；默认逻辑；自认知逻辑 对动作的表示、推理以及规划 STRIPS系统；情景演算；流演算；PDL 知识表示能力 vs. 推理能力 tradeoff 本课程的内容 Ⅱ 数据挖掘与知识发现 基于证据理论的数据挖掘方法 基于神经网络的数据挖掘方法 基于遗传算法的数据挖掘方法 基于粗糙集的数据挖掘方法 其他数据挖掘方法 KDD的挖掘模式 关联模式 分类模式 聚类模式 回归模式 序列模式 本课程的内容 Ⅲ 语义Web的研究路线 资源描述框架RDF Web本体语言OWL Web规则标记语言RIF Web查询语言SPARQL 典型应用 Web服务 软件配置/产品协同制造 信息系统 知识共享/协同工作 …… 语义Web背景下知识表示、知识推理和知识发现 ? 教材 Brachman R, Levesque H. Knowledge Representation and Reasoning. Morgan Kaufmann Press, 2004. Antoniou G, Harmelen F. A Semantic Web Primer. Second Edition. Cambridge, Mass.: MIT Press, 2008. (Antoniou G, Harmelen F.著, 陈小平等译. 语义网基础教程(第1版). 机械工业出版社, 2008.) 胡运发. 数据与知识工程导论. 清华大学出版社, 2003. 参考书 1. Baader F, Calvanese D, McGuinness D, Nardi D, and Patel-Schneider P. F.. The Description Logic Handbook: Theory, Implementation and Applications. Cambridge University Press, 2003. 2. Bell J. L., Machover M. A Course in Mathematical Logic. North-Holland Publishing Company, 1977. 3. Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techinques. Second Edition. 机械工业出版社, 2007. 教材及参考书 作者介绍 Ron Brachman Ph.D, 1977 Harvard ACM Fellow President of AAAI (2003) 雅虎全球研究运营副总裁 Hector Levesque Ph.D 1981, University of Toronto