_语义网络挖掘及其应用.pptVIP

语义网络挖掘及其应用 3.1语义网络概念 3.1语义网络概念 3.2语义网络挖掘原理 3.3基于AutoCAD的注塑模架设计专家系统 3.1语义网络概念 3.1.1概述 首先要明确，本小节所讨论的人工智能是传统的符号智能，人工智能是研究用机器模拟人脑所能从事的感觉、认知、记忆、学习、联想、计算、推理、判断、决策、抽象、概括等思维活动，来解决人类专家才能处理的复杂问题的理论。 人工智能将问题求解作为人类思维活动的最主要的内容加以研究和模拟。 人工智能采用推理的方法进行问题求解，具体地，是在问题的解空间中进行最优解的搜索。 3.1.2知识的表示 人工智能中常用的知识表示方法有状态空间法、问题归约法、谓词逻辑法、产生式法、语义网络法、框架法、脚本法等。知识表示方法优劣，对问题求解结果及计算量的影响极大。而表示方法优劣的评价往往以求解（搜索）空间的大小为标准。 状态空间法 问题归约法 谓词逻辑法 产生式法 语义网络法 3.1.3搜索原理 盲目搜索:盲目搜索是在没有任何引导信息的条件下所采用的搜索策略，通常采用图搜索方法。 启发式搜索:具体问题领域的信息常常可以用来简化搜索，利用启发信息的搜索方法称为启发式搜索方法。 归结推理方法:在谓词逻辑中，可以利用等价关系、置换操作以及合一的概念进行归结推理，这就是基于谓词逻辑知识表示的问题求解方法，也被称为归结推理方法。 不确定性推理方法:知识的不确定性 、基于概率增量的可信度、结论的可信度、可信度的其他描述方法 非单调推理方法:常识推理的特征 、非单调推理 3.1.4语义网络及其特性 什么是语义网络呢？ 语义网络是通过概念及其语义关系来表示知识的一种网络图。一个语义网络是一个带标识的有向图，其中，有向图的节点表示各种事物、概念、属性、动作、状态等，有向孤表示它所连接的节点间的某种语义联系，每个节点可以带有若干属性，可以用框架或元组来表示一个节点的若干属性。一个节点还可以是一个语义子网络，从而形成一个多层次嵌套结构的语义网络 。 一个最简单的语义网络是如下一 个三元组（节点1，孤，节点2） 它可以用一个有向图表示，如图 3-2所示，称为一个基本网元。 其中，A、B分别表示两个节点， 表示A与B之间的某种语义联系。 有向孤的方向是有意义的，由 节点间的语义关系确定。 例如在表示类属关系时，有向孤箭头所指的节点表示上层概念，箭尾节点表示下层概念或者一个属于该类的具体事物。如图3-3所示的语义网络就是一个基本网元，其中，“猎狗”与“狗”之间的语义联系“是一种”具体地指出了“猎狗”与“狗”的语义关系，即“猎狗”是“狗”的一种，两者之间存在类属关系。 当把多个基本网元用相应语义联系关联在一起时，就得到一个语义网络。 下面给出语义网络的BNF描述 语义网络=（基本网元基本网元，） 基本网元=节点语义联系节点 节点=（属性-值，） 属性-值=属性名属性值 语义联系=系统预定义的语义联系︱用户自定义 的语义联系 其中，︱是一个合并过程，它把括号中的所有基本网元关联在一起，即把相同的节点合并为一个节点，从而构成一个语义网络。例如，如图3-4所示的三个基本网元，经合并后构成一个语义网络。 1．用语义网络表示事实 在语义网络中，一个节点可以有一组向外的有向孤，用于指出这个节点与多个节点的语义联系，这在表示稍微复杂一点的事实性知识中是常用的，例如，我们来看如下事实 “小信使”这只鸽子从春天到秋天占有一个窝 在图3-6(a)中设立了一个“占有”节点，只有通过设立“占有”节点及相应的4条有向孤才能把占有者、占有物和占有的起止时间关联起来。 如果把“占有”作为一个语义关系用一条有向孤表示，即如图3-6(b)中所示，则占有的起止时间就无法表示出来。 在一些事实性知识中，经常会用到“并且”和“或者”这样的连接词。 语义网络表示 2．用语义网络表示事物间的关系 语义网络可以方便地描述事物之间的多种语义关系，下面给出常用的几种关系。 1)　分类关系 2)　聚集关系 图3-7 聚集关系示例 图3-8 推论关系示例 图3-9 具有全称量词的语义网络示例一 图3-10 具有全称量词的语义网络示例二 例如，对如下事实 每个学生都背诵了一首唐诗 可用如图3-9所示的语义网络表示。 其中，s是全称量词变元，表示任一个学生；r是存在