（管理科学与工程专业论文）基于计算智能的自适应语义网络系统研究.pdf

摘要 摘要 语义网络作为一种模拟人类的语言的知识表示方法，在开发智能系统和 机器学习领域中具有重要的地位和作用。现代智能决策系统除了完成表示储 存知识的功能以外，还需要解决知识获取和知识精简的问题。论文主要研究 如何在语义网络系统中引入知识获取和知识精简，使之能够更好的应用到开 发智能决策分析系统中去。 在许多基于语义网络的实际项目中，往往不仅仅需要系统能够表示知识， 还要解决如何获取知识和简约知识的问题，这些问题是系统是否具有智能的 基石，同时也是机器学习进化的重要途径。只有能够获取知识和简约知识的 系统，才能被算作是高级的智能系统。但是在现在的研究中，大部分工作都 集中讨论如何解决用语义网络表示某种具体问题，对语义网络中知识的获取 和约简缺乏关注，思考不深。而事实上知识的获取和约简与知识的表示并不 是分裂的，这一点已经被许多可查的文献结合相应应用提出。因此，论文提 出了自适应语义网络系统这一概念，希望能够用一种通用的框架来集成语义 网络的知识表示，知识获取和知识约简，从而更好地提升其在实际中的应用。 鉴于语义网络是一种非常灵活的知识表示方法，目前的研究主要集中在 概念模型上，实际操作性不强，为此，论文根据人认知事物的规律和学习知 识的过程，通过对图形语义网络模型，语义网络简化集等现有的语义网络学 习简约模型的分析，提出了应用领域更加广泛的自适应语义网络形式化模型， 把语义网络中的知识划分为从简单到复杂，从隐式到显式从低级到高级的 不同层次。不仅强调了知识的流动发展层次，而且在不失去一般性的情况下， 使以后对语义网络的学习简约机制的研究更加有重点，有方向。 为了解决自适应语义网络系统中知识学习的问题，论文引入了支持矢量 机来构建语义网络中不同层次之间知识的递进关系，从而建立起自适应语义 网络模型的自动获取知识的机制。并且根据语义网络的具体特点，对经典的 支持矢量机方法做出了一些改进，具体包括：1 ) 构造了语义空间的特征函数 概念和这种概念下的核函数，并用动态规划方法计算这种核函数的算法：2 ) 在支持矢量机中加入软间隔优化的方法来消除由于样本的歧异性所造成的训 练误差。3 ) 探讨了语义网络系统学习过程中的多值处理问题，比较了二值矢 量机的组合方法和支持矢量机的回归模型。4 ) 把b a y e s 分析的方法运用到支 持矢量机核函数的更新之中，通过具体样本来及时地更新现有的核函数。 东华大学管理学院硕士学位论文 知识约简方面，本论文应用粗糙集方法来解决这一问题，通过一系列决 策表生成，决策表约简，系统还原的操作完成对系统中知识的约筒。这里主 要工作有：1 ) 探讨了把自适应语义网络系统中知识转化为决策表的方法，以 及如何消除数据不完备问题。2 ) 把迭代加深a 算法应用到决策表的约简问 题之中，并把一些经典算法中的指标，如熵值，属性频率函数用来构建i d a * 算法的启发式搜索函数。取得了良好的效果。 论文最后以两个具体的实例：自适应舌象语义分析系统和企业语义描述 系统来说明论文理论方法的可行性和应用性。通过大量试验，说明了在实际 应用中，如何划分语义网络的层次。选取各层次的概念，建立各层次之间的 映射关系，以及设置一些算法中的具体参数。 总的来说，论文作了大量的理论和实验研究，并且参与开发了自适应舌 象语义分析系统和企业数据描述，发现、集成中j t ) , ( d a t ad e s c r i p t i o n ，d i s c o v e r y , i n t e g r a t i o nc e n t e r , d d d i c ) ，从而使得语义网络应用中知识获取简约及相关研 究变得方便易用，其研究内容符合智能系统研究的发展趋势，既具有十分重 要的科学意义，同时又有其实际价值，并有潜在的广泛的应用前景。 关键词语义网络、知识系统、支持矢量机、粗糙集、迭代加深a 东华大学管理学院硕士学位论文 a b s t r a c t a st h ek n o w l e d g er e p r e s e n t a t i o nm e t h o d ss i m u l a t i n gh u m a n l a n g u a g e ， s e m a n t i cn e t w o r kh a ss i g n i f i c a n ti m p a c ta n dp o s i t i o ni ni n t e l l i g e n c e s y s t e m d e v e l o p m e n ta n dm a c h i n el e a r n i n gf i e l d s m o d e r ni n t e l l i g e n c ed e c i s i o ns y s t e m n e e d st os o l v et h ep r o b l e mh o wt o a c q u i r ek n o w l e d g ea n dh o wt or e f m e k n o w l e d g eb e s i d e sr e p r e s e n ta n ds t o r ek n o w l e d g e h e n c e ，t h i sp a p e rm a i n l y f o c u so nh o wt oi n t r o d u c ek n o w l e d g ea c q u i r e m e n ta n dk n o w l e d g er e f i n e m e n t i n t os e m a n t i cn e t w o r ks y s t e mi no r d e rt om a k ei tm o r ea p p l i c a b l ei ni n t e l l i g e n c e d e c i s i o ns y s t e md e v e l o p m e n t i nm a n ya p p l i c a b l ep r o j e c tc o n s t r u c t e db ys e m a n t i cn e t w o r k ，t h es y s t e mn o t o n l yn e e d t o r e p r e s e n tk n o w l e d g e ，b u ta l s os h o u l ds o l v eh o wt oa c q u i r e k n o w l e d g ea n dt h er e f i n e m e n tm e c h a n i s m ，w h i c hc o n t r i b u t et h ef o o t s t o n ef o r s y s t e mi n t e l l i g e n c ea n dt h ec r u c i a lp a t ht om a c h i n el e a r n i n ga n de v o l u t i o n t h e s y s t e mw h i c hc a nh a v et h ea c q u i r e m e n ta n dr e f i n e m e n tm e c h a n i s mc a nb e r e g a r d e da sa d v a n c ei n t e l l i g e n ts y s t e m h o w e v e r , m o s tp r e s e n tr e s e a r c hw o r kp a y m o r ea t t e n t i o no nt h ee x p r e s st h ek n o w l e d g ei ns o m ef i e l d sb ys e m a n t i cn e t w o r k , r a t h e rt h a nt h eo t h e ra s p e c t so fs e m a n t i cn e t w o r k i nf a c t ，t h ek n o w l e d g e a c q u i r e m e n ta n dr e f i n e m e n tm e c h a n i s ms h o u l d n tb es e p a r a t e dw i t ht h e r e p r e s e n t a t i o n ，w h i c hi sf i g u r e do u tb ym a n yl i t e r a t u r e si nd i f f e r e n ta r e a d u et o t h e s e ，t h ep a p e re s t a b l i s h e st h eg e n e r a lf r a m e w o r kt oi n t e g r a t et h ek n o w l e d g e r e p r e s e n t a t i o n ，a c q u i r e m e n ta n dr e f i n e m e n ti no r d e rt oe n h a n c ei t sv a l u ei n a p p l i c a t i o n s i n c et h es e m a n t i cn e t w o r ki sav e r yf l e x i b l ek n o w l e d g er e p r e s e n t a t i o n m e t h o d s ，t h ep a s tw o r km a i n l yd e a lw i t ht h en o t i o nm o d e la n dh a v el e s s a p p l i c a b l e a c c o r d i n gt ot h ep r o c e s st h a tp e o p l er e c o g n i z et h i n g sa n dl e a r nt h e l a wa n da f t e ra n a l y z i n gt h ee x i s t i n gs e m a n t i cn e t w o r ks t u d ya n ds i m p l i f y a p p r o a c h e s ，s u c ha ss e m a n t i cg r a p h i ca n a l y s i sm o d e lo rs e m a n t i cn e t w o r k p r e d i g e s t i n gs e t ，t h i sa r t i c l ec o n s t r u c t sm o r ea p p l i c a b l es e l f - a d a p t i v es e m a n t i c n e t w o r kf o r m a l i z a t i o nm o d e l t h em o d e ld i v i d et h ek n o w l e d g ei ns e m a n t i c n e t w o r ki n t od i f f e r e n tl e v e l s ，f r o ms i m p l et oc o m p l e x ，f r o mt a c i tt oe x p l i c i t ，f r o m l o w n e s st oa d v a n c ea n ds oo n i tn o to n l ye m p h a s i z et h et r a c ka n dl e v e lb yw h i e h a b s t r a c t k n o w l e d g ef l o wa n dd e v e l o p ，b u t a l s om a k et h el a t e rw o r ka b o u ts e m a n t i c n e t w o r kl e a r n i n ga n dr e f i n e m e n tm o r es t r a t e g ya n dd i r e c t l yw i t h o u tl o s so f g e n e r a l i z a t i o n t os o l v et h ek n o w l e d g es t u d yp r o b l e mi ns e l f - a d a p t i v es e m a n t i cn e t w o r k s y s t e m ，t h ep r o b l e mi m p o r ts u p p o r tv e c t o rm a c h i n et os e tu pt h er e l a t i o n s h i p b e t w e e nd i f f e r e n tl e v e lk n o w l e d g ea n de s t a b l i s hs e l f - a d a p t i v es e m a n t i cn e t w o r k s y s t e mk n o w l e d g ea c q u i r e m e n tm e c h a n i s m f u r t h e r m o r e ，t h ea u t h o rm a k e s a p p r o p r i a t et h em o d i f i c a t i o n sf o rc l a s s i cs u p p o r tv e c t o rm a c h i n ea c c o r d i n gt ot h e c h a r a c t e ro fs e m a n t i cn e t w o r k ，w h i c hc o n s i s to f ：1 ) d e f i n et h ec h a r a c t e rf u n c t i o n i ns e m a n t i cs p a c ea n di n f e rt h ec o r r e s p o n d i n gk e r n e lf u n c t i o n i na d d i t i o n ，a d y n a m i cp r o g r a ma l g o r i t h mi sg i v e nt os p e e du pt h ec a l c u l a t o r 2 ) i m p o r ts o f t m a r g i no p t i m i z a t i o ni n t os u p p o r tv e c t o rm a c h i n et o e l i m i n a t et h et r a i ne r r o r c a u s e db yt h es a m p l ec o n f l i c t 3 ) d i s c u s st h em u l t i - v a l u ep r o b l e mi nt h es e m a n t i c n e t w o r ks y s t e ms t u d ya n dc o m p a r et h ed i f f e r e n tm e t h o d s i m p a c to nt h ep r o b l e m t h e s em e t h o d sa r ec o m p o s e do fs u p p o r tv e c t o rm a c h i n ec o m b i n a t i o nm o d e la n d s u p p o r tv e c t o rm a c h i n er e g r e s s i o nm o d e l 4 ) i m p o r tt h eb a y e sm e t h o di n t 0t h e s u p p o r tv e c t o rm a c h i n ek e r n e lf u n c t i o nu p d a t ep r o c e d u r e ，w h i c hc a nm a k et h e k e r n e lf u n c t i o na d a p tb yt h es a m p l ep e r s i s t e n t l y i nt h er e f i n e m e n tf i e l d s ，t h ep a p e ra p p l yt h er o u g hs e ta p p r o a c h e st os o l v e t h i sp r o b l e mb yas e r i e so p e r a t i o nc o n s i s t i n go fd e c i s i o nt a b l eg e n e r a t i o n ， d e c i s i o nt a b l er e f i n e m e n ta n ds y s t e mr e v e r t i n g m a i nw o r k sh e r ea r e ：1 ) d i s c u s s h o wt ot r a n s f e rt h ek n o w l e d g ei ns e m a n t i cn e t w o r ki n t od e c i s i o nt a b l e sa n dh o w t od e a lw i t ht h ei m p e r f e c t i o nd a t ai nt h ei n i t i a lt a b l e 2 ) a p p l yt h ei t e r a t i v e d e e p e n i n ga a l g o r i t h m ( i d a 幸) t os i m p l i f yt h ed e c i s i o nt a b l ea n dc o m b i n et h e t a r g e tf u n c t i o n i nc l a s s i c a la p p r o a c h e si n t oh e u r i s t i cf u n c t i o no fl t e r a t i v e d e e p e n i n ga a l g o r i t h m 矶l et r a i nr e s u l ti sa p p a r e n t l yo u t s t a n d i n g t h ep a p e ru s e st w oc o n c r e t ea p p l i c a t i o n s ：s e l f - a d a p t i v es e m a n t i ct o n g u e d i a g n o s i ss y s t e ma n de n t e r p r i s es e m a n t i cd e s c r i p t i o ns y s t e mt oe x p l a i nt h et h e o r y a n dm e t h o d sa r ef e a s i b l ea n da p p l i c a b l e b yal o to fe x p e r i m e n t s ，a u t h o r d e m o n s t r a t eh o wt od i v i d et h el e v e l ，s e l e c tt h en o t i o nf o rd i f f e r e n tl e v e l ，e s t a b l i s h t h em a p p i n gr e l a t i o no ft h e s el e v e l sa n ds e ts o m ep a r a m e t e r s ，w h i c hw i l l c o n t r i b u t eal o tt op r a c t i c e i ns u m m a r y , t h ep a p e rm a k eal o to ft h e o r ya n de x p e r i m e n tr e s e a r c ha n dt a k e 东华大学管理学院硕士学位论文 p a r ti np r o j e c to fs e l f - a d a p t i v es e m a n t i ct o n g u ed i a g n o s i ss y s t e ma n dd a t a d e s c r i p t i o n ，d i s c o v e r y , i n t e g r a t i o nc e n t e r ( d d d i c ) t h er e s e a r c hw i l lm a k e k n o w l e d g ea c q u i r e m e n ta n dr e f i n e m e n tm o r ea p p l i c a b l ei ns e m a n t i cn e t w o r k s y s t e m t h i sp a p e rs t u d i e sal o tb o t ho nt h e o r ya n de x p e r i m e n t s ，t h er e s e a r c h a c c o r d sw i t ht r e n d so f i n t e l l i g e n ts y s t e md e v e l o p m e n t ，w h i c hh a sg r e a t s i g n i f i c a n c eo na c t u a lp r a c t i c e k e y w o r d ss e m a n t i cn e t w o r k ，k n o w l e d g es y s t e m ，s u p p o r tv e c t o rm a c h i n e ，r o u g h s e t ，i t e r a t i v ed e e p e n i n ga a l g o r i t h m 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的 学位论文，是本人在导师的指导下，独立进行研究工作所取得的 成果。除文中已明确注明和引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写过的作品及成果的内容。论文为本 人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律 结果由本人承担。 学位论文作者签名：谢名呜 日期：2 口0 7 年月2 9 日 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅或借阅。本人授权东华大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 保密口，在年解密后适用本版权书。 不保密口。 第1 章绪论 1 1 课题背景与意义 第1 章绪论 在人工智能的研究领域中，问题求解的研究是以知识表示为基础的。知识 表示是指如何将已获得的知识以计算机内部代码形式或形式语言或类自然语 言加以合理地描述、存储，以便合理、充分、有效地利用这些知识进行推理。 对于知识表示有许多工具，语义网络便是其中之一。由于语义网络是用计算机 能够处理的方式来模拟人类的语言，而人类是语言是表示知识的最佳形式，因 此可以预见，随着计算机技术和网络通信的发展，语义网络能够在知识管理领 域发挥越来越重要的作用。 在知识工程领域引入语义网络的目的之一就是解决人与人之间，人与机 器之间以及机器与机器之间的通信问题。而这些通信问题是知识工程领域的 首要问题之一。因此语义网络目前已经在自然语言的解析，信息检索与信息 集成，企业异构数据集成，隐性知识的识别表示提炼等许多重要领域中起着重 要作用。例如：w o r d n e t 作为一个用语义网络表示的在线词汇检索系统，已 经得到广泛的应用。 但是，随着语义网络研究与应用的逐步深入，越来越多的问题也呈现出 来。首先，大多数语义网络系统存在着大量的冗余信息，这与语义网络一般 只解决知识的表示和存储问题，而对其简约等问题涉及较少。其次、许多语 义网络由于设计方面的问题，存在着许多不合理的结构。这与语义网络具有 灵活，不确定，表达信息不唯一这些特点是分不开的。第三、语义网络一般 是静态的，缺乏有效的自学习能力，当系统中信息达到一定规模后，要给语 义网络添加新的知识将变得非常困难。 论文作者曾经参与了一个中医方面的科研项目，需要我从舌象图片中提 取出医学方面的信息，一开始系统中运用的是比较简单图像分析方法和数据 库技术，但是如何把医学信息与计算机分析结果有机结合起来一直是一个困 扰项目组的一个难题。因为对于开发人员不知道医学原理，而另一方面医生、 医学院的老师学生却对信息技术了解的很少。对此项目组开会讨论了这个问 题，如果把所有的医学概念组织成一个语义网络，输出的诊断报告可以看成 是用这个语义网络描述的一个“段落 ，建立这样一个语义网络表示的知识库 东华大学管理学院硕士学位论文 不难，困难在于如何用这样的语义网络产生一个特征的语义描述；进一步地， 一开始的知识库由于种种原因是不完备，肯定需要以后不断地加入新的知识 和对其中的知识进行整理，也就是如何解决系统内部知识如何适应外部环境 的问题，这些问题都是非常重要的，但是现有语义网络理论都不曾涉及，所 以，仅仅用语义网络解决了知识表示对一个高级智能应用是远远不够的。 这时我根据从一些文献上获得的灵感，建立了图像语义分析系统，把分 析流程中运用到的不同的知识，数据，信息按不同阶段有机地分层起来，不 同层次之间用支持向量分类器建立有机的联系，取得了良好的效果。除此之 外，我发现语义网络在许多项目中都有非常重要的应用，例如一些公司的信 息系统整合中，在本市的轨道交通一卡通工程和基于r f i d 的高速公路不停 车收费站项目等等。但是它们都面临相同的问题，语义网络中的知识获取， 知识约简等问题都很重要，而这些机制的建立是无法脱离所建立的语义网络 表示方法。通过许多项目实践，参考了一些可查文献中，本人发现许多成功 解决这个问题的方法都具有一个共同点建立一个统一的框架来处理语义 网络中知识的表示、获取和约简。一种语义网络上的最佳实践或设计，往往 可以通过一些小的改造被应用到其它的语义网络系统中。所以希望通过这篇 论文来探讨一种具有广泛适用性的语义网络系统模型。这样一种语义网络系 统的范型除了能够帮助和加快语义网络系统的开发进程以外，更加重要的是 能够提高语义网络系统的质量。 黄梯云，黄河燕等人 1 1 3 - 1 1 5 】指出：系统适应性指系统具有随环境变化来 改善自身性能的能力。而本文中语义网络的知识获取和知识约简的最终知识 来源都是外部环境，为了提供这种能力，语义网络系统需要经常对内部知识 质量进行观察，不断修正自身知识的内容。由于语义网络系统的外部环境不 断发生变化，一个良好的语义网络系统必须经常更新，经常精简。因此本文 把这种能够自动更新精简能力的语义网络系统命名为自适应语义网络系统。 由于目前大多数语义网络系统开发工作都是独立的，现有的一些语义网 络模式大多侧重于表示和存储，到现在还未见到公认而有效的自动化学习简 约功能的语义网络开发范型。因此本文的出现具有一定的理论和实践方面的 意义可以预见，随着越来越多的语义网络的出现，这些自动化学习约简 更新的语义网络模型将会越来越引起人们的重视。 综上所述，论文的研究内容是适应知识科学的发展与知识工程领域的需 要，同时也符合智能决策支持系统研究的发展趋势，所以说既具有十分重要 的科学意义，同时有其实际价值，并有潜在的广泛应用前景。 第1 章绪论 1 2 论文的工作与主要贡献 目前关于语义网络的研究，主要是探讨如何用语义网络来表示某个领域 中的特定的知识，例如如何定义用户管理中的语义，如何构建高效精确的图 像语义分析系统，怎样将语义网络运用语料库的建设。而对于语义网络本身 获取知识、知识约简等问题研究探讨的很少，本论文拟对这些问题进行研究， 同时以在通过具体的应用说明本文研究的重要意义。 1 2 1 论文内容 ( 1 ) 自适应语义网络形式化模型的建立：由于语义网络的多样性和歧义 性，只有建立合适的自适应语义网络形式化模型，才能开展进一步的研究工 作，研究它如何外界获取信息和简约自身已有的知识库，因此建立一个广泛 适用的并且符合语义网络特点的形式化模型建立自动学习更新语义网络的前 提和基础。本论文考察了一些现有的语义网络形式化模型，例如：统计语义 网络模型【船】，图像语义网络模型【1 05 1 ，并加以总结修改，得出了一个较为合 适的作法。 ( 2 ) 自适应语义网络系统的知识获取知识研究：建立语义网络形式化模 型的基础上，论文探讨了用支持矢量机使语义网络具有自动学习，知识获取 的能力。并且根据语义网络的具体特点，对经典的支持矢量机方法做出了一 些改进。 ( 3 ) 语义网络系统简约研究：论文考察如何利用粗糙集的来对语义网络 模型具有自动约简的能力，包括如何将语义网络转化成决策表，再如何对决 策表进行约简，以及如何克服决策表数据不完备缺失的情况。 ( 4 ) 自适应语义网络系统的应用研究：最后，将通过作者参与的两个项 目：数字化舌象语义识别诊断系统和企业数据描述，发现、集成中心( d a t a d e s c r i p t i o n ，d i s c o v e r y ，i n t e g r a t i o nc e n t e r , d d d i c ) 来说本模型在实际应用中 的意义和需要注意的问题。 1 2 2 论文工作和主要贡献 ( 1 ) 根据人认知事物的规律和学习知识的过程，通过对统计语义网络系 统，图形语义网络模型，语义网络简化集方法等语义网络学习简约模型的分 析，归纳和综合，提出了应用领域更加广泛的自适应语义网络形式化模型。 东华大学管理学院硕士学位论文 ( 2 ) 研究用支持矢量机方法来构建语义网络中不同层次之间知识的递进 关系，从而建立起自适应语义网络模型的自动获取知识的机制。 ( 3 ) 根据语义网络的具体特点，提出了语义空间的特征函数概念，和这 种概念下的核函数，以及用动态规划方法计算这种核函数的算法。 ( 4 ) 在支持矢量机中加入软间隔优化的方法来消除系统训练样本时，由 于样本的歧异性所造成的训练误差。 ( 5 ) 探讨了语义网络系统学习过程中的多值处理问题，比较了二值矢量 机的组合方法和支持矢量机的回归模型，最终根据实验结果选用支持矢量机 的回归模型来解决自适应语义网络系统中的多值问题。 ( 6 ) 把b a y e s 分析的方法运用到支持矢量机核函数的更新之中，在本文 中，我们探讨了当这种分布为高斯分布时候的更新做法。 ( 7 ) 把迭代加深a 算法应用到决策表的约简问题之中，并把一些经典 算法中的指标，如熵值，属性频率函数用来构建i d a * 算法的启发式搜索函 数。既不会陷入盲目搜索的误区，也不会仅仅得到一个近似的简约子集。 ( 8 ) 把自适应语义网络形式化模型应用到自适应舌象语义分析系统的构 建之中，构建了三层的语义分析模型：底层特征层，舌象概念层，病理层。 根据颜色，纹理，表面积，厚度，r o s e n f e l d t a m u r a 粗糙度，角二阶矩，对 比度，相关性，方差，熵等相关底层特征作为s v m 输入来分类舌色，舌形， 舌苔润燥，舌苔薄厚，舌苔腐腻等舌象概念，再通过这些舌象概念作为s v m 输入来确定具体的病症。具体的s v m 输出输入依赖，除了参考了一些图形 学和中医学的理论之外，大量通过实验数据获得。 ( 9 ) 应用自适应语义网络模型到企业语义描述系统之中去，建立企业数 据描述、发现、集成中心( d a t ad e s c r i p t i o n ，d i s c o v e r y , i n t e g r a t i o nc e n t e r , d d d i c ) 来处理企业信息化数据。d d d i c 使得各种数据字段能够彼此发现， 能够快速，方便地使用他们自身的企业应用软发现合适的商业对等实体，并 与其实施电子化的业务操作。d d d i c 还具有很强的鲁棒性，完备性和自学习 约简的能力。便于系统重构，可以为今后开发新的系统打下良好的基础。 1 3 论文的结构 本论文共分七个章节，第二章介绍语义网络这种知识表示方法和相关技 术的背景，意义以及国内外研究现状，第三章将给出一个语义网络的形式化 模型，将是以后工作的基础。在定义好一个广泛适用的模型之后，论文会在 第1 章绪论 第四章和第五章分别探讨支持向量机和粗糙集来解决语义网络的自学习和自 简约过程。随后第六，七章将会通过两个重要的应用来从不同方面来验证本 论文方法的有效性和重要意义。最后将总结这样构建自适应语义网络系统的 优缺点，并提出进一步研究的方向。论文的结构如图1 1 所示。 图1 1 论义的总体结构 东华大学管理学院石贞士学位论文 第2 章相关问题的国内外研究述评 2 i 基于知识的系统 知识一词内涵丰富、外延广泛，可从多视角定义：本体论认为，知识是 自然进化所生成的精神现象；认识论认为，知识是认识活动的精神产物；经 济学认为，知识是具有价值和使用价值的人类劳动产品；信息论认为，知 识是系统化、集成化和符号化了的信息，信息是知识的载体【2 l 。正因知识具 有精神的而非物质的属性，从而具有无限的延伸性、人类可共享、重复使用 等特征。可按照不同标准进行分类：按认识客体性质，分为自然、社会和思 维知识；按联合国经合组织( o e c d ) p j 有利于经济发展，分为知道什 么( k n o w - w h a t ) 、知道为什么( k n o w w h y ) 、知道怎么做( k n o w - h o w ) 和知道谁( k n o w w h o ) 的知识；按存在形式1 4 j ，分为显性和隐性知识：按抽 象程度，分为经验和理论知识；按所属关系，分为个人和组织( 群体等) 的 知识。知识系统是由知识要素生成的多层次、多结构、多功能的有机整体， 是文化母系统中最具有活力的一个子系统。在人类社会发展中，知识系统的 巨大变化是源于创新所引起知识的高速增长。这种增长实质上就是精神力量 的增长，以致正在成为维系社会的中轴，即已从权势、资本转向了知识。我 们越来越洞察到，知识已演变为主宰社会发展的支配力量，起着社会整合和 导向作用引起社会变迁，并正在引领人类朝向知识社会迈进。 在人工智能的术语里，知识表示方法可以粗分为数理逻辑、规则式专家 系统、框架及语义网络四大类。 ( 1 ) 谓词逻辑法：“事实”是人类知识中的重要组成部分。所谓“事实” 就是对客观事物的状态和属性值的描述。谓词逻辑允许我们表达那些无法用 命题逻辑表达的事情。逻辑语句，更具体的说，一阶谓词演算是一种形式语 言，其根本目的在于把数学中的逻辑论证符号化，用它可以表示各种“事实”。 ( 2 ) 框架：7 0 年代初，美国著名人工智能专家m m i n s k y 提出了一种知 识表示的新理论，称框架理论( f r a m et h e o r y ) 。他从心理学的证据出发，认 为人们在日常的认识活动中使用了大量从以前经验中获取并经过整理的知 识。这种知识往往以一种类似的结构寄存在人脑中，当人们面临新的情况， 或对问题的看法有重要变化时，总是从自己的记忆总找出一个合适的框架， 第2 章相关问题的国内外研究述评 然后根据实际情况对它的细节加以修改、补充，形成他对所观察到的事物的 认识。所以框架提供了一种结构，其中新的数据将用从过去经验中获取的概 念来解释酗。 ( 3 ) 产生式规则：在产生式系统中，论域的知识被分成两部分，凡是静 态的知识，如事物、事件和它们之间的关系，以所谓事实来表示。而把推理 和行为的过程以所谓产生式规则来表示。 产生式规则表示是4 0 年代由逻辑学家p o s t 提出来的，这种规则对符号 串做替换运算，称为p o s t 演算。后来几次修改充实以被应用到很多领域，例 如用来表示形式语言的语法，用作各种推理系统的形式描述，用以描述程序 设计语言的编译方法等等。 ( 4 ) 语义网络表示法：语义网络是知识的一种图解形表示，它由节点和 弧线或链线组成，结点表示实体、概念和情况等，弧线用于表示节点间的关 系。语义网络既可以作为人类联想记忆的心理学模型，又可以作为计算机内 部表达知识的一种格式h 呻1 。 目前，世界上存在着发达国家与发展中国家之间的差距，归根结蒂，这 就是拥有和运用知识水平上的差距。因此，包括我国在内的发展中国家要追 上乃至超越发达国家，必须立足于最大限度地掌握知识特别是知识工程与知 识系统，即有关如何管理知识，表达知识，建立关于知识的系统，研究有关 知识的知识。为此，我选择了这个有关研究如何用语义网络形式来表示知识， 获取知识和简约知识的问题。 2 2 语义网络 2 2 1 语义网络概述 在人工智能的研究领域中，问题求解的研究是以知识表示为基础的。知识 表示是指如何将已获得的知识以计算机内部代码形式或形式语言或类自然语 言加以合理地描述、存储，以便合理、充分、有效地利用这些知识进行推理。 对于专家的知识表示有许多工具，语义网络便是其中之一。 有关文献【_ 7 j 指出，语义网络作为一种知识表示的工具由j r q u i l i a n 在 1 9 6 6 年写的一篇博士论文提出的。他建议用语义网络来描述人们对事物的认 识。用节点表示概念，用边表示概念之间的联系，边也称为联想弧，因此，这类 东华大学管理学院硕士学位论文 网络也称为联想网络。在j r q u i l i a n i 作的基础上，西蒙于1 9 7 0 年【8 l 首先提出 了语义网络概念，并于1 9 7 2 年把语义网络表示法应用到语言理论系统中。 语义网络是通过概念及其语言表示知识的一种网络图，是一个带有标识 的有向图。因此它在表示知识的时候，可以表示复杂的概念、事物及语言联 系。与其他知识表示的方法相比，语义网络具有形象，灵活，表达层次关系 能力很强，可以方便地追溯关系等优势。 2 2 2 语义网络构造方法 语义网络构造主要可以分为两个方向，( i ) 在语义网络发展的早期，语 义网络的定义主要是通过数学语言来进行描述。( i i ) 随着本体论的发展，以及 语言学。计算机科学的需要。语义网络定义越来越通过语义定义来实现。这 种较为形象的做法将语义网络带出了实验室。从而走向更加广阔的发展空间。 2 2 2 1 语义网络的数学构造 从数学意义上来讲，语义网络就是一个附权图或一种超图，从集合论角 度，语义网络可以被看作是一个元素集合和定义在这个集合上的一组关系。 因此，广义地说，数学上对于语义网络原理的研究可以追溯到很早以前。 明确针对语义网络的研究是来自s i f l e s f l l j 对于文档之间引用的研究，当时 他是用相关性系数与阈值的关系来确定弧的，后来的d o y l e t ：4 1 ，l e s k l l 5j 都进行 过类似的工作。从今天的角度来看，这还不能算得上真正意义上语义网络， 因为其中毫无任何语义性可言，但仍应该看到这些工作对于今天语义网络发 展的重要意义。后来的s a l t o n l l 2 以3 】和m c g i l l 从对赋范距离空间中范数的定义 来研究语义网络。以上这些研究工作虽然较为形式化，当它们对于语义网络 的构造理论还是有着巨大的意义。 2 2 2 2 语义网络的语义定义 由于从数学路线上来研究语义网络是无法赋以任何网络中各个要素以语 义含义的。因此为了使语义网络得到更加广泛应用，不得不对所应用领域中 术语进行规范化，也就是定义语义，谈到语义定义，就不能不提到本体论。 正是由于近些年来本体论的发展以及它在知识工程领域的广泛应用。才使得 语义网络在知识工程、自然语言处理、信息检索系统、智能信息集成和知识 管理、信息交换和图像识别等等领域中发挥越来越大的作用。 第2 章相关问题的国内外研究述评 2 2 3 语义网络的应用 2 2 3 1 在自然语言理解方面的应用 语义网络知识工程领域中的一个主要目的就是解决人与人之间，人与机 器之间以及机器与机器之间的通信问题。语言是通信的首要手段，因此，对 语言的研究从一开始就成为语义网络应用的一个重点。 将语义网络用来进行自然语言处理的系统很多，例如：w o r d n e t 作为一 个在线词汇检索系统，已经得到广泛的应用；g u m 也是一个自然语言处理 系统，可以用于多种语言的自然的生成。 2 2 3 2 信息检索和信息集成语义w e b t i mb e m e r s l e e 提出的一种基于语义网络全新的g r w w 架构，语义网 ( s e m a n t i cw e b ) 。毫无疑问w e b 是一个巨大的信息资源集散地，它的出现 对于人们获取信息的方式有了一个巨大的改变，人们已经非常习惯从互联网 中获取自己需要的信息，而如何有效地获取信息，如何将互联网本身作为一 个良好的交互工具却一直没有得到解决，语义网的目的就在于从根本上解决 这个问题在该架构下w e b 中提供的内容不仅被人浏览、阅读和获取，同时更 重要的是这些信息可以被机器直接或者间接地自动处理和解释。通过语义网 络实现w c b ，建立一种更高层次的互操作性标准。这些标准的共同目的在于 表示网络甚至网络以外的知识使机器能够处理信息。 2 2 3 3 计算机图像识别中的应用 目前计算机视觉图像识别中的主要问题是：图像对象与概