人工智能AI讲稿2(知识表.ppt

人工智能陈昭炯,人工智能（Artificial Intelligence）基本原理(2),福州大学数学与计算机学院 陈昭炯 2019/4/25,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,基本概念,什么是知识 数据：用一组符号及其组合对客观事物的数量、属性、 位置及相互关系进行抽象表示 信息：数据在特定场合的解释成为信息 知识：将有关信息关联在一起所形成的、反映客观事物 间关系的信息结构 例：(100,155,173,95,90) (舒张压，收缩压，身高，体重，脉搏） 舒张压95 or 收缩压160则为高血压；,人工智能陈昭炯,知识的其它定义（难以给出明确的定义只能从不同侧面加以理解） Feigenbaum：知识是经过消减、塑造、解释和转换 的信息。 Bernstein：知识是由特定领域的描述、关系和过程 组成的。 Hayes-roth：知识是事实、信念和启发式规则。 知识库的观点：知识是某领域中所涉及的各有关方 面的一种符号表示。,基本概念,人工智能陈昭炯,基本概念,知识的特性 相对正确性 不确定性： 随机性：男人个子比女人高 模糊性：福州的夏天比较热 不完全性：恐龙的灭绝是由于地球历史上曾遭受过小 行星的撞击 经验依赖：中医诊脉 可表示和利用,人工智能陈昭炯,基本概念,知识的分类 按使用范围： 常识性知识，领域性知识 按确定性划分：确定性知识，不确定知识 按结构及表现划分：逻辑性知识，形象化知识 按所起的作用划分： 事实性知识：采用直接表示的形式如：今天下雨 过程性知识：描述做某件事的过程领域相关，如：电视维修法 控制性知识：搜索策略,人工智能陈昭炯,知识表示的五个规则,（1）知识表示是现实世界的一个最基本的代替物，用于思考和推理。 （2）知识表示是本体,是现实世界的同态模型 （3）知识表示是一个关于智能推理的不完整的理论。 （4）知识表示是一个能进行思考的有效的计算环境。 （5）知识表示是一个描述现实世界的语言。,人工智能陈昭炯,基本概念,知识的表示：计算机可接受的用于描述知识的数据结构 类型 符号表示法：一阶谓词逻辑表示法，产生式规则表示法 框架表示法 ，语义网络表示法 连接机制表示法：神经网络 原则 充分性：医疗（产生式），图形设计（框架） 便于利用 便于组织管理 便于理解实现,人工智能陈昭炯,基本概念,选取知识表示的因素 表示范围是否广泛 是否适于推理 是否适于计算机处理 是否有高效的算法 能否表示不精确知识 能否模块化,知识和元知识能否用统一 的形式表示 是否可加入启发信息 过程性表示还是说明性表示 表示方法是否自然,AI问题的求解是以知识表示为基础的。如何将已有知识以计算机可识别的形式加以有效合理的描述、存储和利用便是表示应解决的问题。,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,一阶谓词逻辑表示法最早，最精确,方法：1）定义谓词 2)用谓词公式表示 例1：刘欢比他父亲出名 Well-known(x,y)：x比y出名； father(x)：x的父亲 Well-known(Liuhuan, father(Liuhuan) 例2：高扬是计算机系的一名学生，但他不喜欢编程 Computer(x)：x是计算机系的学生； Like(x,y)：x喜欢y Computer(Gao) Like(Gao,programming) Student(x,y): x是y系的学生 Student(GAo,Computer) Like(Gao,programming) 例3：偶数除以2是整数 E(x)：x是偶数；I(x)：x是整数； s(x)：x除以2 (x)(E(x) I(s(x),人工智能陈昭炯,一阶谓词逻辑表示法,例4：每个人都有父亲 Person(x)：x是一个人；Hasfather(x,y)：x的父亲是 y (x y)(Person(x) Hasfather(x,y) Isa(x,y):x属于y类 ；(x y)(Isa(x,person) Hasfather(x,y) 语法元素：(围绕对象及其关系来建立) 个体词：表作用对象（ Liuhuan， programming，s(x)等）， 常量， 变元，项，函数 谓词：表对象性质关系（ Well-known ，Computer等） 函数：个体域个体域（ s(x)， father(x)等） 量词： ， 联接词： ， 谓词与函数的区别:谓词值为“真”或“假”, 而函数的值是某个个体且通常一 一对应 谓词可以代表变化的情况：City(北京),真。 City(煤球)，假,人工智能陈昭炯,一阶谓词逻辑表示法,例5:机器人取物问题 机器人将盒子从a桌上取走 放在b桌上，然后回到原位c,谓词： 个体域： At(y,z)：y在z附近 x：a,b On(w,x)：w在x上面 y：robot Table(x)：x是桌子 z：a,b,c Empty(y)：y手中为空 w：box Holds(y,w)：y拿着w,人工智能陈昭炯,一阶谓词逻辑表示法,初始态S0: At(robot,c), On(box,a), Table(a) ,Table(b) ,Empty(robot) 目标态Sg: At(robot,c), On(box,b), Table(a), Table(b),Empty(robot) 行为谓词： 1)Goto(x,y)：从x处走到y处 条件： At(robot,x) 操作：删除At(robot,x) ，加入At(robot,y) 2)Pick-up(x)：在x处拿起盒子 条件： At(robot,x) Table(x) On(box,x) Empty(robot) 操作：删除On(box,x) Empty(robot) ，加入Holds(robot,box),人工智能陈昭炯,一阶谓词逻辑表示法,行为谓词： 3)Set-down(x)：在x处放下盒子 条件： At(robot,x) Table(x) Holds(robot,box) 操作：删除Holds(robot,box)，加入On(box,x) Empty(robot) 执行过程：检查条件，逐个匹配 At(robot,c) At(robot,a) At(robot,a) On(box,a) Goto(c,a) On(box,a) Pick-up(a) Table(a) Table(a) Table(a) Table(b) Table(b) Goto(c,b) Table(b) Goto(a,b) Holds(robot,box) Empty(robot) Empty(robot) Goto(a,c),人工智能陈昭炯,一阶谓词逻辑表示法,At(robot,a) Goto(a,b) At(robot,a) Set-down(a) Table(a) Table(a) Table(b) Goto(a,c) Table(b) Goto(b,a) Holds(robot,box) Set-down(a) Holds(robot,box) Goto(b,c) At(robot,b) Goto(b,c) At(robot,c) Table(a) Table(a) Table(b) Goto(b,a) Table(b) Empty(robot) Pick-up(b) Empty(robot) On(box,b) On(box,b),人工智能陈昭炯,一阶谓词逻辑表示法,例6：修道士与野人问题 S0：河左岸有3个Missionaries和3个Cannibals,1条boat 条件：1）M和C都会划船，船一次只能载2人 2）在任一岸上，M人数不得少于C的人数，否则被吃 目标：安全抵达对岸 基本谓词： Ge(x,y,s)：状态s 下，xy ； Boat(z,s)：状态s时，船在z岸 Safety(z,x,y,s)：在z岸状态s下， xy或x=0 个体域： x,y：0,1,2,3 x：M的人数 y：C的人数 z：L,R,人工智能陈昭炯,一阶谓词逻辑表示法,行为谓词： Across(d,x,x1,y,y1,s,s) d：+,-船划行的方向，：L到R，：R到L x,x1：当前岸上已有和欲载的M人数 s,s：原有/新状态 y,y1：当前岸上已有和欲载的C人数 (d=+) Safety(L, x-x1,y-y1, s) Safety(R, 3-x+x1,3-y+y1, s) (Boat(L,s) Boat(R,s) (d=-) Safety(R, x-x1,y-y1, s) Safety(L, 3-x+x1,3-y+y1, s) (Boat(R,s) Boat(L,s) (Ge(2, x1+y1,s) Ge(x1+y1,1,s) ),人工智能陈昭炯,一阶谓词逻辑表示法,S0：Boat(L, S0) Across Boat(R, S1) Safety(L,3,3, S0) Safety(L,3,2, S1) Safety(R,0,0, S0) d=+;x=3,y=3, Safety(R,0,1, S1) 1x1+y12 (1,0),(1,1),(2,0) (0,1) Boat(R, S1) (0,2) Safety(L,3,1, S1) Safety(R,0,2, S1) Sg： Boat(R, Sg) Safety(L,0,0, Sg) Safety(R,3,3, Sg),人工智能陈昭炯,一阶谓词逻辑表示法,推理存在的问题：1）每一状态有多个条件满足，如何选择？ 2）多种变量代换的可能，如何选择 冲突消解，搜索策略 表示特点： 优：自然性，精确性，严密性，充分性，易实现，是后续三种 表示法的基础，prolog 劣：不能表示不精确知识, 组合爆炸, 效率低, 启发知识难利用 一阶谓词逻辑表达中的注意点： 1) 谓词与函数的区别 2) 与全称量词和存在量词关联的自然连接符 3) 表达的可读性与精简问题; 4)适用的问题类型,人工智能陈昭炯,例：每个人都喜欢冰淇淋 例：有的人喜欢可口可乐 Propositional logic: Predicate logic,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,产生式规则表示法应用最广,1943年Post首先在一种计算形式体系中提出 60年代开始，成为专家系统的最基本的结构 形式简单，但在一定意义上模仿了人类思考的过程 PQ If P then Q（可信度） 与蕴涵式的区别：1）可表示不精确知识 2）前提条件可不精确匹配 产生式系统结构组成三要素： 规则库知识 综合数据库存放信息 控制系统规则的解释或执行程序 （控制策略） （推理引擎）,人工智能陈昭炯,系统的基本过程： 过程PRODUCTION 1，DATA初始数据库 2，until DATA满足结束条件，do 3， 在规则集中选择一条可应用于DATA的规则R DATA R应用到DATA得到的结果 ,产生式规则表示法,人工智能陈昭炯,例1：字符转换问题 ABC 已知：A，B求：F ACD BCG BEF DE,产生式规则表示法,初始综合数据库 A，B 规则集,r1：IF AB THEN C r2：IF AC THEN D r3：IF BC THEN G r4：IF BE THEN F r5：IF D THEN E,控制策略 顺序（深度优先） 结束条件 Fx,人工智能陈昭炯,求解过程,数据库 可触发规则 被触发规则,A，B,（1）,（1）,A，B，C,（2）（3）,（2）,A，B，C，D,（3）（5）,（3）,A，B，C，D，G,（5）,（5）,A，B，C，D，G，E,（4）,（4）,A，B，C，D，G，E，F,r1：IF AB THEN C r2：IF AC THEN D r3：IF BC THEN G r4：IF BE THEN F r5：IF D THEN E,产生式规则表示法,人工智能陈昭炯,例2：动物识别系统,R1: if 有毛发 then 哺乳动物 R2: if 产乳 then 哺乳动物 R3: if 有羽毛 then 鸟 R4: if 会飞 and 产卵 then 鸟 R5: if 吃肉 then 食肉动物 R6: if 有犬齿 and 有爪 and 眼睛直视 then 食肉动物 R7: if 哺乳动物 and 有蹄 then 有蹄类动物 R8: if 哺乳动物 and 反刍 then 有蹄类动物 R9: if 哺乳动物 and 食肉动物 and 黄褐色 and 有暗斑点 then 金钱豹 R10: if 哺乳动物 and 食肉动物 and 黄褐色 and 有黑条纹 then 虎 R11: if 有蹄类动物 and 长脖 and 长腿 and 身上有暗斑点 then 长颈鹿 R12: if 有蹄类动物 and 有黑条纹 then 斑马 R13: if 是鸟 and 长脖 and 长腿 and 不会飞 and 有黑白二色 then 鸵鸟 R14: if 是鸟 and 会游泳 and 不会飞 and 有黑白二色 then 企鹅 R15: if 是鸟 and 善飞 then 信天翁,人工智能陈昭炯,产生式规则表示法,例2：动物识别系统（P65） 哺乳动物 r1,r2,r15 鸟 食肉动物 有蹄类动物,分层设计规则库的优点： 1）已知事实不完整时，至少可得到阶段性结论 2）若需增加对其它动物的识别时，只需加入个性规则,r3,r4,r13,r14,r15：鸟,人工智能陈昭炯,产生式规则表示法,综合数据库： 存放：初始状态，原始证据，中间结论，最终结论 数据结构形式：字符串，向量，集合，矩阵 （Age,Zhang,177,0.8) 控制系统： 将综合数据库的事实与规则库的前提进行匹配 多条规则满足时，冲突消解 执行规则右端的操作或将结论送入数据库 计算不确定性在推理中的传递结果 控制停机,人工智能陈昭炯,产生式规则表示法,产生式系统的分类： 1）可交换的产生式系统 规则的使用次序可交换 建立规则库时不必考虑次序问题 问题求解的控制策略是无信息控制，简单 适用于简单的任务求解问题 例3： r1：a,b,c a,b,c,ab DB0：a,b,c r2：a,b,c a,b,c,bc DBg：a,b,c, ab, bc, ac r3：a,b,c a,b,c,ac,人工智能陈昭炯,产生式规则表示法,2）可分解的产生式系统 DB及终止条件都可分解成若干独立的子部分 一棵与/或树 解决较复杂问题 3）可恢复的产生式系统 即可对DB增加新内容，又可删除或修改旧的内容,人工智能陈昭炯,产生式规则表示法,例4：MC问题的产生式系统表示 S0： Sg：,综合数据库： (m,c,b)：0m,c 3， b0,1 S0： (3,3,1) Sg：(0,0,0),人工智能陈昭炯,产生式规则表示法,规则库： IF (m,c,1) THEN (m-1,c,0) IF (m,c,1) THEN (m,c-1,0) IF (m,c,1) THEN (m-1,c-1,0) IF (m,c,1) 1i+j 2 mi c j IF (m,c,1) THEN (m-2,c,0) THEN (m-i,c-j,0) IF (m,c,1) THEN (m,c-2,0) IF (m,c,0) THEN (m+1,c,1) IF (m,c,0) THEN (m,c+1,1) IF (m,c,0) THEN (m+1,c+1,1) IF (m,c,0) 1i+j 2 m+i 3 IF (m,c,0) THEN (m+2,c,1) c +j 3 THEN (m+i,c+j,0) IF (m,c,0) THEN (m,c+2,1) 控制策略：安全性，冲突消解，搜索,人工智能陈昭炯,产生式规则表示法,例5：文法分析问题（判定一串符号序列是否为合法语句） 初始数据库：The boy plays football in the place 规则库： r1: N NP /名词就是名词词组 r2: DET+NP NP /冠词加名词词组还是名词词组 r3: P+NP PP /介词加名词词组构成介词词组 r4: NP+PP NP /名词词组后跟介词词组仍是名词词组 r5: V+NP+PP VP /动词后跟名词词组和介词词组构成谓语 r6: NP+VP S /名词词组与谓语一起构成句子,分析过程：DET+N+V+N+P+DET+N r1 DET+NP+V+NP+P+DET+NP r2 NP+V+NP+P+NP r3 NP+V+NP+PP r5 NP+VP r6 S,人工智能陈昭炯,产生式规则表示法,控制策略：对于规则的搜索选择 1）无信息控制 “first”冲突消解法，深度优先 2）不可回溯的优化控制 “best”冲突消解法，启发式搜索爬山法 规则选择不合适时，再选择进行弥补 找到一个满意解而非求解路径 某些应用问题：8数码，文法分析，化学反应监控，下棋等 3）可回溯的优化控制 推理失败时返回最接近的分支点 递归调用,人工智能陈昭炯,例：皇后问题 DB=皇后在棋盘上的位置ij; R1: length(DB)=0 Append(DB,(1j) R2: length(DB)=1 Append(DB,(2j) R3: length(DB)=2 Append(DB,(3j) R4: length(DB)=3 Append(DB,(4j),j1,2,3,4,启发函数：h(n)=当前状态下最新皇后位置对应的长对角线长度,人工智能陈昭炯,DB=; R1,(14),(13),(12),(11),4,3,3,4,(24),L(DB)=1; R2,(31),(43),L(DB)=2; R3,L(DB)=3; R4,先判定合理性再计算启发值,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,人工智能陈昭炯,产生式规则表示法,表示特点： 优：自然性，模块性，有效性，清晰（Lisp) 劣：不能表示结构性知识，组合爆炸，效率低，,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,框架表示法,70s初，Minsky提出 用于视觉理解，自然语言对话 善于表达结构化知识格式相对固定的事物、行动和事件框架将知识看成相互关联的成块组织 人类认识新事物的过程 从已知（记忆）中寻找对应框架 根据新事实填充已有框架 框架由槽、侧面和值组成，每个部分都可以有多个,人工智能陈昭炯,框架表示法,框架的形式： 槽名(Slot)1：侧面(Facet)名1： 值1： 侧面名m1: 值m1: 槽名n： 侧面名1： 值1： 侧面名mn: 值mn: 约束： 约束条件1： 约束条件n：,值可以是：数值，字符串，布尔值，动作，过程，另一框架名,人工智能陈昭炯,框架表示法,例1：教室的框架表示,黑板,栏,门,窗,黑,板,人工智能陈昭炯,具体化ISA,框架表示法,教室的框架,人工智能陈昭炯,框架表示法,例2：假冒伪劣商品登记框架 商品名称： 生产厂家： 出售商店： 处罚： 处理方式： 处罚依据： 处罚时间：单位（年，月，日） 经办部门：,人工智能陈昭炯,框架表示法,框架网络：由多个框架及其它们纵向(上下继承）、横向的联系构成的知识系统 例3：某校师生员工的框架,人工智能陈昭炯,框架表示法,框架名： 框架名： 姓名：单位（姓，名） 继承： 年龄：单位（岁） 工作类别：范围（教师，干部，工人） 性别：范围（男，女） 缺省：教师 缺省：男 开始工作时间：单位（年，月） 健康状况：范围（好中差） 截止工作时间：单位（年，月） 缺省：中 离退休状况：范围（离休，退休） 住址： 缺省：退休（ ） 继承槽纵向关系，横向关系指向另一框架名（如地址槽中的指针 ） 共同属性逐层抽取，下一层只需定义个性化内容，简洁，便于推理匹配,或程序,人工智能陈昭炯,知识表示-框架表示,框架名:CLASS 框架名:INSTANCE 继承: 继承: 下位框架: (,) 姓名:李小明 性别: (男,女) 性别:男 身高:IF-ADDED ASK 身高:1.72米 框架名:CLASS 工种:电工 继承: 框架名:INSTANCE 下位框架: (老张,小李,) 继承: 工种: (电工,矿工,钳工,.) 姓名:王丽丽 框架名:CLASS 性别:女 继承: 身高:1.65米 下位框架: (王老师,赵老师,.) 职称:副教授 职称: (教授,副教授,讲师,助教),人工智能陈昭炯,框架表示法,常用槽名： ISA槽（is a）：下层可以继承上层，表下是上的特例 AKO槽（A kind of）：类属关系，下层可以继承上层 Subclass槽：子类与类，子集与集，下层可以继承上层 Instance槽：指出下层框架有哪一些， AKO槽的逆，可继承 Part-of槽：部分与全体，通常不可继承（如教室与黑板） Infer槽：两个框架间的逻辑推理关系 Possible-Reason槽：结论与可能的原因关系,人工智能陈昭炯,框架表示法,例：感冒诊断问题 如果咳嗽，发烧且流涕，则八成是患了感冒，服用康泰克或泰诺，一日三次，每次23粒，,人工智能陈昭炯,框架表示法,槽名设置的原则： 充分表达各方面属性（目标相关，不浪费） 充分表达相关事物间的关系 合理组织上下层 便于推理（如设置“充分条件”“必要条件”“触发条件”“否决 条件”等槽，便于匹配）,人工智能陈昭炯,框架表示法,例：肾脏病诊断系统PIP（由36个框架组成） 框架名：急性肾结石 典型症状：外观（浮肿，位置面部，） 评分：儿童0.8 症状（厌食） 中年人0.5 逻辑决策标准：充分的症状： 浮肿程度不大0.1 必要的症状： 浮肿程度大0.9 必定没有的症状： 与其它框架的补充关系： 引起疾病的原因：（链球菌感染） 可能引起的疾病：（钠潴留，） 加剧疾病的因素：（急性肾功能衰竭） 加剧其他疾病：（蜂窝组织炎） 鉴别诊断：复发性水肿说明有肾综合症,人工智能陈昭炯,例：根据如下报道构造表示框架 新华网北京4月1日电 据我国地震台网测定，北京时间2006年4月1日18时02分，在台湾台东县（北纬22.9度，东经121.1度）发生6.5级地震，地震震源深度为10公里，通报四十二人受伤。 郭铠纹表示：“地震主要是发生在台东，所以是菲律宾海板块，骑在欧亚大陆板块上面，在浅的地方造成碰撞。”,人工智能陈昭炯,框架表示法,一些特殊的侧面： 槽名A:,Value： 值 Default: 默认值 If-Needed：其值通常为一个操作过程，表明该侧面所属槽值的计算方法 If-Added：其值通常为一个操作过程，表明该侧面所属槽值发生变化时应 做的反应,框架与“记录”的不同： 框架的槽可拥有过程，约束，指向其它框架的指针等 框架有继承性 框架可形成层次结构，构成框架网络 槽可动态地加入框架中，PASCAL中记录的域不可 槽未限制只能有一种数据类型，而记录只能有一种,人工智能陈昭炯,框架表示法,基于框架的问题求解过程：匹配，填槽 将待求问题表示成框架形式 与知识库中的框架进行槽名，值的逐个比较 可能要回溯到上层框架 也许不完全匹配（可以设定关键槽） 多个框架成为候选框架 找到问题的解或作出预测，联想，给出进一步线索,人工智能陈昭炯,例：球分类问题的框架表达及求解,The color of sphere-1：Red(Frame) The color of sphere-2： Isa White The Surface of sphere-1： Isa Surface If-Needed The Radius of sphere-2 50： Radius=50 Isa Radius If-Added (E-Volume,E-Surface) Isa Volume If- Added:Classify,人工智能陈昭炯,框架表示法,表示特点： 结构性：内部结构，复杂关系 继承性：减少冗余，保证一致性 自然性 不善于表达过程性知识,人工智能陈昭炯,第二章 知识与知识表示,基本概念 一阶谓词逻辑表示法 产生式规则表示法 框架表示法 语义网络表示法 其它知识表示法简介,人工智能陈昭炯,语义网络表示法,1968年，J.R.Quilian提出 模拟联想记忆，意识流 用于自然语言理解，地理教学系统 用概念及语义关系表达知识，带标示的有向图,R语义关系,节点事物、对象、概念、行为、性质、状态等（类、实例） 弧节点间的某种联系或关系,人工智能陈昭炯,语义网络表示法,事实性知识的语义网络表达 例1：,例2：胡途今年35岁，是思源公司的经理，该公司位于朱雀大街上,类属联系 属性联系,人工智能陈昭炯,语义网络表示法,例2续：胡途今年35岁，是思源公司的经理，该公司位于朱雀大街上,如果还要加入受聘时间呢？,人工智能陈昭炯,动物,鸟,鱼,水,羽毛,鸵鸟,鹦鹉,鲨鱼,草鱼,水草,飞,鸵鸟A,ISA,AKO,AKO,AKO,AKO,AKO,AKO,生活于,有,不会,吃,语义网络表示法,例3：,类属联系 属性联系 实例联系,人工智能陈昭炯,例4：黎明的自行车是飞鸽牌的，黑色，28型；刘华的自行车是金狮牌的，红色，26型,语义网络表示法,Isa,Isa,例5：汽车的若干组成部分,属性联系 实例联系,聚集联系,人工智能陈昭炯,语义网络表示法,例 6：张三给萧红一本书,框架不易表达 多元关系的二元表达,Gives(x,y,z); Gives(张三，萧红，书),动作或事件的语义网络表达,人工智能陈昭炯,语义网络表示法,例7：“小信使”这只鸽子从春天到秋天占有一个窝,“占有”为节点，可表多个节点属性如时间、占有者等 个体中心？动作、关系中心？ 类节点、实例节点和语义基元,人工智能陈昭炯,语义网络表示法,常用的语义联系词 Isa / Subset-of / Ako /A-member-of：继承性,下层可细化,可变异,可添加 A-part-of / Composed