决策推理与决策支持系统课件.pptVIP

4.1 基本概念 知识::=信息列关联信息列| 信息列关联知识列| 知识列关联信息列| 知识列关联知识列| 信息列::=信息|(信息的一个序列） 知识列::= (知识的一个序列） 关联::=各种关联运算符 4.1 基本概念 知识的分类 事实：指人类对于客观事物属性的值或状态的描述，不包含任何变量，可以用一个值为真的命题陈述，或者用一种状态的描述来表达。 例如： 大海是蓝色的 我今年18岁 今天很热 4.1 基本概念 规则：指可以分为前提（条件）和结论两个部分，用以表达因果关系的知识。 一般形式为：如果A，则B A-B 可以用三段论推理形成一条推理链。 4.1 基本概念 规律：规则知识可分为带变量和不带变量两种形式。将带变量的规则称为规律。 规律中的变量一旦被实例化为一个具体的值，则规律就变成了一条不带变量的规则 一条规律通过变量实例化，可以派生出许多规则。因此，在这种意义上规律表示了一类知识，比规则更宽泛。 4.1 基本概念 知识的属性 真实性：应为经过实践检验的或者可用逻辑推理证明真伪的 相对性：在一定的条件和环境内有效 不完全性：许多知识是部分正确的 模糊性：许多知识不是完全精确的 4.1 基本概念 可表示性：可用某种方式加以描述 符号，图形，形态，等等 可存储性：可存储于人类大脑中，可以记录在书本上，也可以存储在电脑中。 可传递性：知识可通过某种媒体进行传递。 可处理性：知识可以利用各种方法和工具进行处理，从一种形式转变为另一种形式。 4.2 知识表示方法 4.2.1 一阶谓词逻辑 一阶谓词演算是一种形式语言，可用来表示各种“事实”，对知识表示和推理非常重要，在人工智能、知识工程等领域有重要作用。也可以作为知识库系统的推理基础。 4.2 知识表示方法 4.2.1.1 一阶谓词逻辑符号集及其知识表示 常量符号：用大写字母A、B、C、D等表示 变量符号：用小写字母x、y、z等表示 函数符号：用小写字母f、g、h等表示 谓词符号：用大写字母P、Q、R等表示 逻辑符号： ? 否定 ? 合取 ? 析取 限定量词： ? 存在量词 ? 全称量词 4.2 知识表示方法 逻辑表达式构成用语的定义 项（iterm） 变量和常量 若t1, t2, …, tn为项，则f(t1,t2,…,tn)为函数 原子逻辑式 若以p为谓词符号，t1, t2, …, tn为项，则谓词符号对于项的作用为：p(t1,t2,…,tn)是函数 4.2 知识表示方法 谓词演算语言---逻辑表达式的几个实例 WRITE(STUDENT,PAPER) WRITE(x, y) ? WRITE(STUDENT,COMPUTER-CHESS) (?x) WRITE(x,COMPUTER-CHESS) MARRIED[father(JOHN),mother(JOHN)] LIVES(JOHN,HOUSE)? COLOR(HOUSE,YELLOW) OWNS(JOHN,CAR) = COLOR(CAR,GREEN) 4.2 知识表示方法 4.2.2 语义网络表示 1. 语义：是指语义学的符号和表达式同它所描述的对象之间的关系。 2. 语义网络：以网络形式表示人类知识构造的一种图形工具，是一种有向图。 语义网络既可以作为人类联想记忆的心理学模型，又可作为计算机内部知识表达的一种形式。 它既能表达事实性知识，也可以表达事实之间的联系。 4.2 知识表示方法 3. 语义网络中的符号 节点：语义网络所描述的各种对象，表示各种事物、概念、属性及知识实体，有标识，并且可以是一个语义子网络，形成分层描述。 有向边（弧）：表示所连接的语义对象之间存在的某种语义联系（关系），也有标识。 无向边（短线）：语义网络中的节点一般采用具有若干属性的元组或框架来表示，由节点引出的带标识的短线（无向边）表示各个属性值 更可爱 是 是 是 是 乌鸦 鸟 企鹅 动物 生物 黑色 吃腐肉 不能飞 能游泳 喜寒冷 能运动 能吃东西 有翼 能飞 有生命 语义网络示意图 4.2 知识表示方法 由上图可以看出，由于语义网络中的下层节点可以继承、补充或修改其上层节点的属性值，因此能较好地表示对象之间的继承和变异等概念，适于表示推理、联想、归纳等逻辑概念，可根据其表示的知识来回答各种问题，验证各种事实（定理），乃至模仿人脑的逻辑思维，演绎或归纳出图中没有直接表示出来的新知识。 4.2 知识表示方法 4. 语义网络的形式描述 一个语义网络SN可形式化地描述为： SN={ N, E } 其中，N 是一个以元组或框架表示的节