人工智能知识表示思维导图
人工智能知识表示
树图思维导图提供 人工智能知识表示 在线思维导图免费制作，点击“编辑”按钮，可对 人工智能知识表示 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：436cc9820b97c79585928c6d07ac140f
思维导图大纲
人工智能知识表示思维导图模板大纲
语义网络表示法
概述
研究人类联想记忆时提出的一种心理学模型
语义网络是一种通过概念及其语义联系(关系)来表示知识的有向图
表示方法
图形符号
节点/结点
用框图表示,用来表示事物的名称、概念、属性、林态、事件及动作等
弧
有方向、有标注。表示事物之间的关系，即语义关系
三元组
(结点1，弧，结点2)
基本语义关系
从属关系
AKO(A-Kind-Of):属于...类型
例如:苹果树AKO树AKO植物
AMO(A-Member-On):是..的成员
例口:小明AMO x班学生
ISA(Is-A)
是一个...
例如:参观者ISA人
包含关系
co(composed-o):由...构成
例如:整数CO正整数零负整数
APO(A-Part-Of):是...的一部分
例如:轮胎APO汽车
属性关系
Have:有...属性
例如:树Have叶
can:能够做...事情
例如:鸟 Can 飞
时间关系
Eefore:在..时间之前
例如:小明毕止 Before小王毕业
After:在...时间之后
位置关系
on:在...上
At:在...位置
例如:积木A桌面
Under:在...之下
lnside:在...之内
outside:在...之外
相近关系
similar-to
Near-to
推论关系
BO(because-Of):由于..
FOR:为了...
THEN:则...
GET:得到...
复合逻辑
NOR(非)
AND(与)
例如:时间→与*-地点
OR(或)
语义网络表示知识的方法
事实性知识的表示
连词和量词的表示
并且、或者、有一些、是—个
情况、动作和事件的表示
语义网络表示知识的步骤
确定对象和对象的属性
确定对象间的关系
根据语义网络涉及的关系，整理结点〈对象结点、动作结点﹑情况结点）和弧
语义网络推理过程分类
继承推理
上层结点的属性传递到下层结点
动物的特征会传递到鸟、鱼等
匹配推理
从知识库的语义网络中寻找与目标问题相符的语义网络模式
特点
自然性
表达自然，易于理解
结构性
联想性
匹配推理和属性继承特性，便于实现机器学习和联想
知识的概念
知识的定义
知识是人类对客观世界的认识和经验
知识是经过加工的信息。是把相关信息关联在一起所形成的信息结构。
知识的特点
相对正确性
不确定性
可表示性与可利用性
知识的表示
定义
机器表示知识的一般方法。将人类知识形式化或者模型化。
数据结构+处理机制
原则
正确有效的表示知识
便于理解和实现
便于知识组织、维护、管理
便于利用
便于知识获取
分类
事实知识
有关问题环境的一些事物的知识·如事物的分类﹑属性﹑事物间的关系﹑科学事实﹑客观事实等
规则知识
有关问题中与事物的行动﹑动作相联系的因果关系知识。动态控制知识:有关问题的求解步骤﹑技巧性知识。如算法
规则知识
有关问题中与事物的行动﹑动作相联系的因果关系知识。动态控制知识:有关问题的求解步骤﹑技巧性知识。如算法
元知识
有关知识的知识，是知识库中的高级知识·如怎样使用规则﹑解释规则﹑校验规则﹑解释程序结构等。
陈述性知识表示
是对知识和事实的一种静止的表达方法，如语义网络﹑框架和剧本等·是知识的一种显式表达。
简洁、严谨、工作效率低
过程式知识表示
将有关某一问题领域的知识，连同如何使用这些知识的方法一起隐式地表达为一个求解问题的过程·如程序。
不够严格、不宜修改、易于推理
主要知识表示方法
谓词逻辑表示法
语义网络表示法
框架表示法
过程表示法
petri网表示法
面向对象表示法
人工神经元网络表示法
知识表示注意事项
合适性
所采用的知识表示方法因该恰好适合问题的处理和求解
高效性
求解算法对所用的知识表示方法应该是高效的，对知识的检索也应该是高效的
可理解性
易于为用户理解，易于转化为自然语言
无二义性
知识表示的结果应该是唯一的
一阶谓词表示
概述
请词逻辑是能够表示人类思维活动规律的一种精确的形式语言
谓词逻辑是知识的形式化表示、定理的自动证明等研究的基础
命题、谓词
命题的含义
具有真意义的陈述句
谓词
用来描述或判定对象性质、特征或者对象之间关系的词项，具有真假语义题
示例:“武汉是个美丽的城市”一表示为—>美丽的城市(武汉)。类似布尔类函数
谓词公式
谓词公式的本质是逻辑论证符号化
语法元素
常量符号
变量符号
函数符号
函数f包含个体数目为n，称f为n元函数符号〈函数为定义域到值域的映射）
谓词符号
谓词P包含个体数目为n，称P为n元量词符号〈谓词为定义域到{真.假}的映射）
连接词
¬ ：否定
∧ ：合取
∨ ：析取
→：条件
↔ ：双条件
量词
∀x：全称量词
∃x：存在量词
量词的阶
如果谓词中的所有个体都是常量、变量或函数，那么谓词为—阶谓词
如果谓词P中的某个个体本身又是一个—阶谓词,那么P为二阶谓词。以此类推。
谓词公式定义
单个谓词是谓词公式
若P、Q是合式公式，则¬P、P∧Q、P∨Q、P→Q、P↔Q也是谓词公式
若Р是合式公式，则(∀x)P、(∃x)P也是谓词公式
有限步应用以上动作生成的公式也是谓词公式
谓词逻辑表示方法
步骤
定义谓词和个体
为变量赋值
连接词连接谓词，形成谓词公式
特点
优点:自然性﹑严密性﹑易于实现
局限性:效案低、表示范用受限、组合爆炸
示例
是个美丽的城市(武汉)∧¬是个沿海城市(武汉）
在旁边站着(机器人墙)∧手空着(机器人)∧在上面（积木桌子)
示例
框架表示法
基本概念
框架是表示某类情景的结构化教据结构
框架是一种描述对象属性的教据结构
组成
框架由若干个称为"槽"的结构组成
槽描述对象某—方面的属性
每个槽划分为若干个"侧面“
侧面描述相应属性的一个方面
槽和刚面的属性值分别诚称为槽值和侧面值
框架的一般结构
<框架名> 槽名1:侧面名侧面值,侧面值... 侧面名侧面值,侧面值... 槽名n:侧面名侧面值,侧面值... 侧面名侧面值,侧面值... 约束:约束条件
特点
继承性
比如:地震框架、洪水框架﹑台风框架都可以维承自自然灾害事件框架
结构化
自然性
产生式表示法
概述
在研究人类的认知模型中开发了基于规贝的产生式系统
通常用于表示事实、规则以及他们的不确定性度里
产生式通常用于表示具有因果关系的知识，其基本形式为IF P THEN Q
基本表示方法
确定性规则知识的产生式表示
P→Q:IF P THEN Q
P是产生式的前提,Q是一组结论或操作比如:F动物会飞AND会下蛋该动物是鸟
不确定性规则知识的产生式表示
P→Q(可信度):IF P THEN Q(可信度) 比如:F发烧THEN感冒(0.6)
确定性事实知识的产生式表示
三元组表示:《对象.属性.值》 或者:(关系,对象1.对象2) 比如:(志李,年龄,40)佣友,老王,老李)
不确定性事实知识的产生式表示
四元组表示:《对象,属性,值置信度) 或者:(关系对象1.对象2置信度) 比如:(老李年龄.40,0.8)(朋友.老王老李.0.1)
形式描述及语义 巴克斯BNF范式
>产生式>::=<<前提><结论>
<前提>::=<简单条件> 复合条件>
<复合条件>::=<简单条件>AND<简单条件>[AND...] |<简单条件>OR<简单条件>[OR...]
<结论>::<事实>I<操作>
<操作>:=<操作名>(<变元>...)
产生式系统
规则库
用于描述某令资或内的知识(规则的产生式集合
综合数据库
(事实库、上下文)—个用于存放问题求解过程中各种当前信息的数据结构
子主题 2
控制系统（推理机）
由—组程序组成, 负责系统的运行, 实现对问题的求解
匹配:从规则库中选择与综合教据库中的已知事实进行匹配
冲突解决:匹配成功的规则可能不止一条，进行冲突处理
操作
特点
优点:清晰性﹑模块性、自然性
缺点:规则选择效率低、不能表达结构性知识
面向对象的知识表示
基本概念
对象
对象广义上讲指客观世界上的任何事物
四元组表示 对::=<ID,DS,MS,MI>
D:对象标识符，即对象名
DS:对象数据结构
MS:对象的方法集合
MI:对象的消息接口
类
—组相似对象的抽象
即定义了一种对象类型，描述了属于对象类型的所有对象的性质
封装
封装指一个对象的状态只能由它的N有操作来改变
消息
通信双方之间传递的任何内容
继承
父类的数据和操作可以被子类维承
面向对象的知识表示
父类、子类以及具体对象构成了一个层次结构。层次结构和继承机制支持分类知识表示
与框架表示法有许多类似之处，可以按类以一定层次形式进行组织
面向对象的主要观点
世界由"对象"组成，任何事物都是对象
复杂的对象由简单的对象组成
对象被分成各种对象类
对象间出了互递消息外。不再有其他联系
对象按类、子类、父类等概念形成一种层次或树形关系
相关思维导图模板
树图思维导图提供 人工智能产业链图谱 在线思维导图免费制作，点击“编辑”按钮，可对 人工智能产业链图谱 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：4096d5314b46fd48348419e55d4a9252
树图思维导图提供 学习主流AI工具的步骤 在线思维导图免费制作，点击“编辑”按钮，可对 学习主流AI工具的步骤 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：e5e04c02bed11ee061a0c137692d484d
沪公网安备 31011502019485号
上海工商