【人工智能基础】知识表示和专家系统

一、知识

知识

产生式表示法

产生式表示形式

确定的事实性知识的产生式表示

不确定的事实性知识的产生式表示

确定的规则知识的产生式表示

不确定的规则知识的产生式表示

产生式系统构成

优点

缺点

语义网络

优点

缺点

框架

框架的一般结构

框架的继承

优点

缺点

二、专家系统

专家系统的概念模型

优点

缺点

三、知识图谱

知识图谱与传统语义网络相比的优势

分类

覆盖范围

知识类型

关系类型生成方式

一、知识

知识

陈述性知识-信息和信息之间的联系
过程性知识-解决实际问题的方法和策略

知识表示：将人类知识进行形式化或者模型化，使它变成面向计算机的只是描述形式

知识表示方法：生产式系统、语义网络、框架

算法、谓词逻辑都是一种知识表示方法

产生式表示法

产生式表示法概念：建立在因果关系的基础上，可以很容易的描述事实、规则以及不确定性的度量。也有心理学家认为大脑对知识的存储就是产生式的

产生式的一般形式为：IF（条件或前提）THEN（行为或结论）

产生式表示形式

确定的事实性知识的产生式表示

三元组（对象，属性，值）、（关系，对象1，对象2）

不确定的事实性知识的产生式表示

四元组（对象，属性，值，置信度）、（关系，对象1，对象2，置信度）

确定的规则知识的产生式表示

IF P THEN Q

不确定的规则知识的产生式表示

IF P THEN Q（置信度）

产生式系统构成

全局数据库：存放问题求解过程中的各种信息

产生式规则集：存放一系列规则，描述状态的缓缓、前提以及结论间的因果关系等

控制策略：一组程序。负责整个产生式系统的运行，实现对问题的求解

优点

自然性
模块性
有效性
清晰性

缺点

效率不高
不能表达结构性知识

语义网络

语义网络适合表示一些复杂的关系

语义网络表示法：以三元组（节点1，弧，节点2）的图形表示连接而成的有向图，节点表示实体概念或者情况，带标记的弧形连接表示节点之间的关系

关系包括：实例关系、分类关系、组装关系、属性关系……

优点

结构性好
联想性
自然性

缺点

非严格性
多义性

框架

框架适合于表达结构性强的知识

人类是通过通用的数据结构形式来存储对某一事物的概念模型的，记忆存储大量典型的场景框架，比如教室，遇到新事物时，从记忆中选择匹配，根据实际情况补充、修改细节

框架的一般结构

<框架名> 槽1：侧面11：（值111，值112，……）

槽是对象的属性或状态

槽值代表属性值或者状态值

一个框架可以有多个槽，一个槽可以有多个侧面

框架的继承

下层框架可以继承使用上层框架的槽值，也可以进行补充和修改

优点

结构性强
具有继承性
表达自然

缺点

缺乏形式理论
存在多义性

二、专家系统

专家系统是一种含有大量的某个领域专门知识与经验的计算机智能程序系统利用人类专家的知识和经验处理该领域问题。实现人工智能从理论研究走向实际应用、实现从一般思维方法的探讨转入运用专门的知识求解专门问题，采用推理技术模拟领域专家解决各种复杂问题。

专家系统=知识+推理

专家系统的概念模型

知识库：专家系统的核心，是特定领域中若干专家知识的集合

动态数据库（全局数据库）：专家系统的工作存储区，存储领域问题的事实、数据和状态，动态变化

推理机：完成推理过程的程序，包含控制协调专家系统的方案和策略

解释模块：解释专家如何推理出结论

知识库管理系统：知识库的支撑软件，功能包括知识库的建立、删除、重组，知识的获取、维护、查询、更新，对知识的检查（一般性、冗余性、完整性）

人机界面：系统和维护者，使用者

专家系统的概念模型

优点

明确、详细的解释推理过程
增强我们得到正确决策的信息
成本低、危险性低、持续性好、可靠性高、响应快、稳定

缺点

缺乏常识
知识受限于系统的知识域
知识获取瓶颈

三、知识图谱

计算机自动实现大规模语义网络的自动构建和推理，获得的大规模语义网络就是知识图谱

知识图谱本质上是一种大规模语义网络，旨在以结构化的形式描述客观世界中存在的各种实体或概念及其关系，将客观的知识\经验沉淀在巨大的网络结构中。从应用角度，可以理解为一个由知识节点互相连接而成的多关系图。知识图谱已经成为互联网知识驱动的智能应用的基础设施，在情报分析、语义搜索、问答系统、智能推荐、金融、医疗等领域中得到广泛应用。