数据挖掘跟知识发现(章节稿21---知识表示).docVIP

┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 装 ┊ ┊ ┊ ┊ ┊ 订 ┊ ┊ ┊ ┊ ┊ 线 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ PAGE PAGE 1 第2章 知识表示 知识表示是人工智能研究中极为重要的研究课题之一。无论应用人工智能技术解决什么问题，首先遇到的就是所涉及的各类知识如何加以表示。不同的知识有不同的表示方法，研究知识表示方法，不单是解决如何将知识存储在计算机中，更重要的是应该能够方便和正确地使用知识。合理的知识表示，可以使问题求解变得容易，并且有较高的求解效率。 评价一个好的知识表示系统应具有以下几点： 具有表示某个专门领域所需要的知识能力，并保证知识库中的知识是相容的； 具有从已知知识推导出新知识的能力，容易建立表达新知识所需要的新结构； 便于新知识的获取，最简单的情况是能够由人直接输入知识到知识库中； 便于将启发式知识附加到知识结构中，以便把推理集中在最希望的方向上。 为了实现上述目标，人们至今已提出了几十种甚至上百种的知识表示方法。但没有一种表示能包打天下。较为常见的知识表示方法有： 一阶谓词逻辑表示 √ 产生式表示或称规则表示 √ 语义网表示 √ 框架表示 √ 面象对象表示 过程表示 脚本表示 神经元表示 特性表表示 2.1一阶谓词逻辑表