（计算机软件与理论专业论文）基于rdf的知识表示机制的研究.pdf

中文摘要 j 知识表示就是将关于问题领域的知识和专家的经验知识记为计算机识别的 记穹。目前，已经提出了许多较为成熟而又针对特定领域的知识表示方法， 但 是它们都有自己的侧重点。随着网络技术的发展，需要寻求一种新的，适于e b 发展需要的知识表示方法，为基于w e b 的智能应用领域提供基础。目前w e b 技 术的新动向x m l ，r d f ，为知识表示方法提供了种新的思路。 r d f 是w 3 c 推荐的描述和交换元数据的框架，它是处理元数据的基础。r d f 的设计目标是定义一种描述资源的机制，该机制不是假设在某个特定的应用领 域，也没有定义在任何应用领域的语义。机制的定义应该是域无关的，但是这 个机制也适合用来描述其它领域的信息。因此在知识表示中引进r d f 技术是十 、 分有意义的。、 本论文首先详细介绍了知识表示的传统方法，各自的适用领域：其次介绍 了r d f 技术的由来，发展，特点和应用领域；然后结合r d f 技术，提出了一种 基于r d f 的知识表示方法，它的形式，语法和语义；最后，在天然气调度决策 支持系统中，用该知识表示方法实现调度知识的表示，以及推理实现。 关键词：知识表示jx m l ，r d f a b s t r a c t k n o w l e d g e p r e s e n t a t i o ni sp r e s e n t i n gt h ek n o w l e d g co fd o m a i ni nq u e s t i o na n d e x p e r i e n c ek n o w l e d g eo fe x p e r t sw i t has y m b o lt h a tc o m p u t e r c a nr e c o g n i z e 。n o w , m a n ym a t u r e da n ds p e c i a l k pm e t h o d sh a v eb e e nb r i n gf o r w a r d ，b u tt h e yh a v e d i f f e r e n tc h a r a c t e ri nt h e i rf i e l d s t h e r e f o r e ，an e wk pu s e di nw e b i sb e i n gs e e kt h a t c a nb et h eb a s eo fi n t e l l i g e n t a p p l i c a t i o n f i e l do fw e b x m l ，r d f , t h en e w t e c h n o l o g yo f w e b ，i sp r o v i d i n g an e wd i r e c t i o nf o rk p t h er e s o u r c ed e s c r i p t i o nf r a m e w o r k ( r d f ) ，d e v e l o p e du n d e rt h ea u s p i c e s t o ft h ew o r l dw i d ew e bc o n s o r t i u m ( w 3 c ) ，i sa l li n f r a s t r u c t u r et h a te n a b l e st h e e n c o d i n g ，e x c h a n g e ，a n d r e u s eo fs t r u c t u r e dm e t a d a t a r d fd o e sn o t s t i p u l a t e s e m a n t i c sf o re a c hr e s o u r c ed e s e r i p t i o nc o m m u n i t y , b u tr a t h e rp r o v i d e st h ea b i l i t yf o r t h e s ec o m m u n i t i e st od e f t n em e t a d a t ae l e m e n t sa sn e e d e d t h i sm e c h a n i s mi ss u i t a b l e f o rt h ed e s c d 【p t i o no fo t h e rd o m a i ni n f o r m a t i o n t h e r e f o r e ，i n t r o d u c i n gr d f i n t ok p i sv e r ys i g n i f i c a t i v e f i r s t l y , i nt h i sp a p e r , w ei n t r o d u c e dt h et r a d i t i o n a lm e t h o d so fk p , a n dt h e i r a p p l i c a t i o nf i e l d ；s e c o n d l y , w ed i s c u s s e dt h er d ft e c h n o l o g y , e s p e c i a l l ym e t a d a t a ， x m la n dt h er e l a t i o n s h i pb e t w e e nx m la n dr d f ；w h a t sm o r e ，c o m b i n i n gr d f t e c h n o l o g y , w eb r i n gf o r w a r dak pm e t h o db a s e do nr d v , i t sf o r m a t ，s y n t a xa n d s e m a n t i c s i nt h ee n d ，w ea p p l i e dt h en e wk pb a s e do nr d ft ot h en a t u r a lg a s s c h e d u l i n g d e c i s i o ns u p p o r ts y s t e mi ne m e r g e n c e k e y w o r d s ：k n o w l e d g ep r e s e n t a t i o n ，x m l ，r d f 。 l i 基于r d f 的知识表示机制的研究 引言 二十世纪九十年代是计算机网络技术飞速发展的年代，i n t e r n e t 的发展离不 开基于w e b 的应用程序，它使得i n t e r n e t 具有强大的功能和友好的用户界面。这 种基于w e b 的应用程序不仅改变了传统的软件开发模式，也为传统的软件技术 提供了新的发展方向，智能软件技术自然也不例外。基于w e b 的智能软件技术 已成为当今的热点，并具有广阔的发展和应用前景。 x m l 、r d f 以及后继的o i l 技术是w e b 技术发展的新动向，也是目前吸引 众多学者目光的新兴领域。语义化w e b 的设想和实现，将依赖这些技术的发展。 鉴于目前对x m l 的研究和应用较多，而对r d f 的认识很少，所以选择这个命 题，旨在凭借教研室多年来在数据库研究及开发方面所积累的经验和技术以及 人才资源、技术合作等方面的优势在这一新兴领域取得较大突破。 在吴跃老师的指导下，我们对x m l ，r d f 以及o i l 等新兴技术进行了解和 熟悉，并结合一个决策支持系统对知识表示问题的要求进行了两者的结合，将 新兴技术应用到实际项目中。因此，我选择了“基于r d f 的知识表示机制的研 究”作为我毕业论文的题目。 经过一段时间的查阅资料、理论研究和同教研室同学的多次讨论，对x m l ， r d f 技术的产生，发展和应用前景的理解有较大地提高。因此，准备将自己对 x m l ，r d f 技术的一些理解和心得写入论文与老师和同学们共同讨论。 本文共分四章，具体内容如下： 第一章：知识表示方法。详细介绍了知识表示的重要性，知识表示问题的 一般性讨论以及几种基本的知识表示方法，各自的表示形式、语法和语义和应 用领域。 第二章：x m l 和r d f 技术。系统介绍了r d f 技术的相关内容，包括元数 据，x m l 技术和r d f 模型，r d f 的基本概念，x m l 与r d f 的关系和一个r d f 实例和发展前景。 第三章：基于r d f 的知识表示的语法、语义。利用w 3 c 提供的数据结构， 利用x m l 语言进行语法描述，r d f 进行语义表达，解决了知识表示要求的语法 和语义表达问题。 第四章：基于r d f 知识表示在天然气调度应急决策支持系统中的应用。在 天然气调度应急决策支持系统中，按照基于r d f 的知识表示要求对调度专家的 知识进行了表示，并进行了推理。 基于r d f 的知识表示机制的研究 第一章知识表示及方法 知识表示问题是知识工程学( k n o w l e d g ee n g i n e e r i n g ) 的一项重要研究内 容。而知识工程学是随着电子计算机技术和人工智能的发展而诞生的一门新兴 学科，至今只有约十年的历史。知识工程学是从知识的本源上来探讨知识的产 生和使用，进而建造有效的知识系统。它的目的在于使人们有效地掌握、存取、 传播和应用知识，提高认识自然和改造自然的能力。知识工程学也有人称之为 应用人工智能。 1 1 知识工程学 1 9 7 7 年第五届国际人工智能联合会议上，美国斯坦福大学( s t a n f o r d u n i v e r s i t y ) 计算机系教授费哥巴姆作了关于“人工智能的技艺”( t h ea r to f a r t i f i c i a li n t e l l i g e n c e ) 的讲演，提出“知识工程”这一名称，由此出现了 知识工程学，并在近年来获得迅速的发展。 l 、知识工程学的发展从时间上划分大体上经历3 个时期： ( 1 ) 大约从1 9 6 5 至1 9 7 4 年燧m y c i n 时期。人工智能( a i ) 的研究表明， 专家之所以成为专家，主要在于他们拥有大量的专门知识，特别是长时期地从 实践中总结和积累的经验技能知识。因此1 9 6 5 年费哥巴姆教授与其它科学家合 作，研制出d e n d r a l 专家系统。这是一种推断分子结构的计算机程序，该系统 贮存有非常丰富的化学知识，它所解决问题的能力达到专家水平，甚至在某些 方面超过同行化专家的能力，其中包括它的设计者。d e n d r a l 系统标志着“专家 系统”的诞生。 ( 2 ) 从1 9 7 5 至1 9 8 0 年为实验性系统时期。7 0 年代中期m y c i n 专家系统研 制成功，这是一种用医学诊断与治疗感染性疾病计算机程序的“专家系统”。 m y c i n 专家系统是规范性计算机专家系统的代表，许多其它专家系统都是在 m y c i n 专家系统的基础上研制而成的。m y c i n 系统不但具有较高的性能，而且具 有解释功能和知识获取功能，可以用英语与用户对话，回答用户担出的问题， 还可以在专家指导下学习医疗知识，该系统还使用了知识库的概念和不精确推 理技术。m y c i n 系统对计算机专家系统的理论和实践，都有较大的贡献。 ( 3 ) 1 9 8 0 年以来为知识工程的“产品”在产业部门开始应用的时期。知识 基于r d f 的知识表示机制的研究 工程的研究，目前在美国开展得较为活跃和深入，并且主要集中在斯坦福大学。 知识工程学的研究涉及有关知识的概念。所谓知识是指人类在改造现实世界的 实践中所获得的认识和经验的总和。知识有各种类型，知识工程中所讲议化的 主要是关于实践活动中积累起来的带有经验启发性的知识。 2 、知识工程学研究的主要方面有： ( 1 ) 知识的表示( k n o w l e d g er e p r e s e n t a t i o n ) 。为了在电子计算机中处 理和加工知识( 存贮、检索、汇编、使用、修改) ，必须解决知识的适当的表示 形式。知识的表示一般要求考虑到表示知识的功能；表示知识的模块性( 便 于计算机加工) ；易懂。表示知识要使用计算机的语言。知识的表示主要包括： 函数型语言如l i s t ，推理逻辑型语言如p r o l o g ；产生式规则；框架； 网络。 ( 2 ) 推理问题的研究( i n f e r e n c e ) 。推理机制的设计和使用，主要是如何 应用已整理好的知识来解决现实生活中的各种问题。 ( 3 ) 知识的获取( k n o w l e d g ea c q u i s i t i o n ) 。主要是如何将所需要的知识 自动地或半自动地输入到计算机中去。为此需要解决如何使知识工程化，建 立知识库。如何保证知识库内的知识的完全性和一致性。如何提高知识库 自身的学习能力。 ( 4 ) 人的认识过程的研究。 多年来人们提出了各种各样的知识表示方法，如数据化、宏命令、一阶谓 词演算、语义网( 图文法) 、框架、规则等，这些方法各有特点。随着社会经济 和科学技术的不断进步，知识领域不断丰富，知识结构复杂化，使知识表示变 得越来越困难。如何表示问题领域的知识，这些知识应该既包括表层知识和深 层知识，也包括描述性知识也表示模型的过程性知识。统一豹知识表示方法便 于系统的实现和各予系统间的接口，但这样的表示系统往往缺乏灵活性，同时， 知识结构本身的复杂性也使统一的表示知识表示系统很难实现：异构表示系统 采用不同的表示方法表示各种知识，可提高系统的知识表达能力，但也使子各 系统间的接口变得比较复杂，实现的难度也加大。理想的表示系统应能在知识 表示一致性和知识复杂性之间进行折衷，使知识表示方法既具较强的表示能力 又便于实现系统之间的接口。这就是为什么出现了各种知识表示方法，还需要 设计适合问题领域知识的表示方法的原因。 基于r d f 的知识表示机制的研究 1 2 知识表示问题的一般性讨论 1 2 1 数据、信息和知识 1 、数据 数据是对客观事物的属性、数量、位置及其相互关系的抽象表示。例如可 以用二元组( 面粉，白的) 来表示面粉具有白色这个属性；用二元组( 政策， 开放) 来表示政策具有开放这个属性，因此它们也是一些数据。 又如三元组( 中国，东面，亚洲) 表示“中国在亚洲的东面”，用( + ，x ， y ，z ) 表示“x + y = z ”这种关系，用( + ，8 ，5 ) 表示今年8 岁的孩子5 年后 的年龄代表的数值等。它们分别也是我们定义的数据。这里要强调数据的抽象 ( 或形式) 表示和具体( 或物理) 表示的区别。 2 、信息 信息是数据所表示的含义( 或语义) ，因此可以说信息是对数据的解释； 或数据是信息的载体。例如“1 0 ”在一个具体的场合可以解释为“5 个人”，在 另外一种场合又可以解释为“5 种方案”，乃至“3 张表格”等等。 一般信息都可以用一组描述词及其值来描述：用( 描述词：值，描述词： 值，描述词：值) 来描述一件事物，一个东西，一个人或一种现象( 统称 为个对象) 的有关属性、状态、时间、地点、程度、方式等等( 统称为属性) 。 例如“1 9 9 3 年6 月l o 日华北地区非常晴朗”可描述为( 时间：1 9 9 3 ，6 ，1 0 ， 地点：华北地区，天气：晴朗，程度：十分) 。 3 、知识 这里所谈的知识概念是知识处理的特殊对象，与日常生活中所谈的知识有 较大的区别，因此，有必要首先弄清楚在知识处理的领域中如何定义知识。知 识是以各种不同方式把多个信息关联在一起的信息结构，或知识是多个信息之 间的关联。 如果把“不与任何其他信息关联”即单独的一个信息也被认为是一种特殊 的关联方式( 不关联) ，则单个的信息也可以看作是知识的特例，我们将之称为 “原子事实”。例如“他是军人”，“穿军装”，等等，都是一些孤立的信息或称 “原子事实”。然而，如果把这两种信息用“如果则”这种因果关系联系 起来就构成一条知识，即“如果他是军人，则穿军装”。显然，按着这种形式定 义的知识一般有三种类型，即正确的知识，错误的知识和不知真假的知识。例 4 基于r d f 的知识表示机制的研究 如“如果此地重度异常，则有铝矿”，这条知识从形式上讲符合知识的定义，但 它却是一条错误的知识。 知识的关联是多种形式的，也可以是分层次的，因此，还可以将上述知识 的定义进行扩充，即把知识解释为一种分层次关联的信息结构，这样可以更一 般地把知识用b n f 形式定义如下： 知识：= l l l ：= l ( 的一个序列) ：= ( 的一个序列) ：= 4 、知识表示问题 知识表示的定义为：将知识进行符号化，并用特定的数据结构( 逻辑与物 理两方面) 进行描述与存储的方法。 知识表示的要求： 表示能力 可理解性 可访问性 可扩充性 能够将问题求解所需的知识正确有效的表达出来 所表达知识简单、明了、易于理解； 能够有效的利用所表达的知识： 能够方便、灵活地对所表达的知识进行扩充； 1 2 2 知识的分类 1 、事实 事实是指人类对客观事物属性的值或状态的描述。这种知识般不包含任何 变量，可以用一个值为真的命题陈述或一种状态的描述来表达。例如今天很热、 我今年5 1 岁、大海是蓝色的，等等，都表达一个事实。因为它们描述了客观事 物在某种条件下各种属性或状态的真实的值。 2 、规则 规则指可以分为前提( 条件) 和结论两部分，用来表达因果关系的知识，它 基于r d f 的知识表示机制的研究 的一般心事为： 如果a 则b 其中a 表示前提条件，b 表示结论或应采取的动作。 由于一条规则的结论可能是另一条规则的前提条件，因此人们可以用这类知 识根据三段论推理形成一条推理链。这种知识在人工智能技术中获得了广泛的 应用。 3 、规律 上述的规则知识一般还可以分为不带变量的规则和带变量的规则两种。我们 把带变量的规则称为规律，规律中的变量一旦被实例化为各种不同的值，就可 以从一条规律引出许多具体的规则，因而规律在这种意义上表示了一类知识， 是比一般不带变量的规则反映现实更深刻的一种知识。 1 2 3 知识的性 1 、真实性 知识既是客观事物及客观世界的反映，它必然具有真实性，它们应该经得起 实践检验或用逻辑推理证明其真伪。 2 、相对性 所谓真实性也是相对的，知识的存在往往是有条件的和有环境要求的。一般 知识不可能都无条件的真或绝对的真，或者无条件的假，而都具有“相对性”。 在一定条件下和特定的时间为真的知识，当时间、条件或环境改变时它可能变 成假。例如“水的沸点是1 0 0 摄氏度”，这是以“大气压为l 时”为条件的，如 果外界的气压不是一个大气压时上述命题就不是真的。 3 、不完全性 现实中的知识往往又是不完全的。其原因是由于客观世界中很多事物本身往 往是表露不完全的，它反映在人们头脑中对事物的认识也就不可能完全。就因 果关系而言，有时反映在对条件的认识不完全，有时反映在对结论认识不完全。 例如，“一个人发烧了，就有炎症”，这是一条不完全的知识，因为“中暑了也 要发烧”，因而上述命题知识部分地真。 4 、模糊性 与知识的相对性与不完全性相关联的还有知识的“模糊性”。所谓模糊性在 基于r d f 的知识表示机制的研究 某种意义上可以认为对客观事物描述的进一步现实化。因为现实中的知识的真 与假，一般说来并不总是“非真即假”，而是处于某种中介状态，模糊数学对客 观事物的这种中介状态给予了恰当的描述。 5 、可表示性 知识是客观事物的抽象与概括，但它本身并不是一种物质的东西。然而它应 该可以用各种方式加以表示，即具有“可表示性”，它的表示方式一般包括： a 、用各种符号的逻辑组合来形式地表示知识。 b 、用图形来表示各种信息和记载丰富的知识，这也是知识的一种表示方 式。 c 、物理的表示方式。即用物质的各种形态来表示各种信息和知识，例如机 械的，电子的，生物的或光学的等方法都可以用来表示知识。 由知识的可表示性又引出知识的另外三个属性：可存储性、可传递性和可处 理性。 1 3 知识表示方法 在人工智能的术语里，知识表示方法( k n o w l e d g er e p r e s e n t a t i o n s ) 可粗分为数 理逻辑( p r e d i c a t ec a l c u l u s ) 、规则式专家系统( r u l e - b a s e de x p e r ts y s t e m ) 、框架 ( f r a m e s ) 及语义网( s e m a n t i cn e t w o r k ) i 四大类a 1 3 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”。 1 3 1 1 一阶谓词逻辑符号集及其知识表示 我们规定用以下的符号来表示一阶谓词逻辑： 常量符号：这里用a 、b 、c 来表示常量。 变量符号：用x 、y 、z 表示。 函数符号：用f 、g 、h 来表示。 基于r d f 的知识表示机制的研究 谓词符号：用p 、q 、r 来表示。 逻辑符号：表示否定，八表示合取，v 表示析取，一表示等价，一表示 蕴涵。 限定量词：表示全称量词，表示存在量词。 以下为构成用语的定义： ( 1 )项( t e r m ) ： 常量和变量。 若t 。，t 。为项，用函数记号f 写的函数则为f ( t 。，t 0 。 ( 2 )原子( 逻辑) 公式：若以p 为谓词符号，t 。，t 。为项，则谓 词符号对项的作用为p ( t 。，t 。) ，称为原子公式 1 3 1 2 原子公式的句法和语义 谓词演算语言的基本成分是用圆括号、方括号以及逗点隔开的谓词符号集、 变量符号集、函数符号集、常量符号集，谓词符号用来表示论域中的一种关系， 例如，要表示“机器人( r o b o t ) 在1 号房间( r o o m l ) 内”，可以用如下简 单的原子公式来表示： i n r o o m ( r o b o t ，r 1 ) 在这个原子公式中：r o b o t 和r 1 为常量符号，i n r o o m 为谓词符号。一 般，原子公式由若干谓词符号和项组成。常量符号是最简单的项，用来表示论 域内的物体或实体，它可以是实际的物体和人，也可以是概念或具有名字的任 何事情。变量符号也是项，并且允许我们不必明确涉及是哪一个试题。例如， 1 n r o o m ( x ，v ) ，这里所用的变量符号x ，y 等将在量化问题时进一步阐明。 函数符号表示论域内的函数。例如，函数符号m o t h e r 可以用来表示某人与他的 母亲之间的一个映射。我们用下列原子公式表示“李( u ) 的母亲与他的父亲结 婚”这个关系： m a r r i e d f a t h e r ( l i ) ，m o t h e r ( m ) 】 在谓词演算中，一个合适公式可以通过规定语言的各元素在论域中的关系、 实体和函数之间的对应关系来给出解释。对于每个谓词符号，必须规定定义域 内的一个相应关系；对每个常量符号必须规定定义域内的一个相应实体；对每 个函数符号则必须规定定义域内相应的一个函数。这些规定确定了谓词演算语 基于肋f 的知识表示机制的研究 言的语义。在应用中，我们用谓词演算明确表示有关论域内的确定语句。对于 已定义了的某个解释的一个原子公式，只有当其对应的语句在定义域内为真时， 才句有值t ( 真) ；而当其对应的语句在定义域内为假时，该原子公式才具有值 f ( 假) 。因此，i n r o o m ( r o b o t ，r 1 ) 具有值t ，而i n r o o m ( r o b o t ，r 2 ) 则具有值f 。 当一个原子公式含有变量符号时，对定义域内实体的变量可能有几个设定。 对某几个设定的变量，原子公式取值t ；而对另外几个设定的变量，原子公式则 取值f 。 1 3 1 3 连接词 原子公式是谓词演算的基本积木块，应用连接词八( 与) 、v ( 或) ，s ( 等 价) ，一( 蕴涵) 等，我们能够组合多个原子公式以构成比较复杂的合适公式。 l 、连接词八 连接词八用来表示复合句子。例如，“我喜爱音乐和绘画”可写成： l i k e ( i ，m u s i c ) 八l i k e ( i ，p a i n t i n g ) 此外，某些较简单的句子也可写成复合形式。例如“李住在一幢黄色的房子 里”，即可用 l i v e s ( l i ，h o u s e 一1 ) 八c o l o r ( h o u s e - 1 ，y e l l o w ) 来表示，其中谓词l i v e s 表示人和物体( 房子) 间的关系，而谓词c o l o r 则表 示物体与其颜色之间的关系。用连接词人把几个公式连接起来而构成的公式叫 做合取，而此合取式的每个组成部分叫做合取项。一些合适公式的任一合取也 是一个合适公式。 合取的真值由其组成部分的真值决定。如果每个合取项均取值t ，则其合取 值为t ，否则为f 。 2 、连接词v 连接词v 用来表示可兼有的“或”。例如，“李明打篮球或踢足球”可写成： p l a y s ( l i ，b a s k e t b a l l ) v p l a y s ( l i ，f o o t b a l l ) 用连接词v 把几个公式连接起来而构成的公式叫做析取，而此析取式的每 个组成部分叫做析取项。一些合适公式的任一析取也是一个合适公式。 9 基于r d f 的知识表示机制的研究 析取的真值由其组成部分的真值决定。如果析取项中至少有一个取t 值， 则其析取值为t ，否则为f 。 3 、连接词一 连接词一用来表示“如果一那么”的词句。例如，“如果该书是李明的，那 么它是篮色( 封面) 的”可写成： o w n s ( l i m i n g ，b o o k - 1 ) 一c o l o r ( b o o k - 1 ，b l u e ) 又如，句子“如果李明跑得最快，那么他取得冠军”可写成： r u n s ( l i m i n g ，f a s t e s t ) 一w i n s ( l i m i n g ，c h a m p i o n ) 用连接词一连接两个所构成的公式叫做蕴涵。蕴涵的左式叫做前项，右式 叫做后项。如果前项和后项都是合适公式，那么蕴涵也是合适公式。如果后项 取值为t ( 不管前项的值为何) ，或者前项取值f ( 不管后项的值为何) ，则蕴涵 取值t ：否则，蕴涵取值为f 。 4 、符号 符号用来否定一个公式的真值，也就是说，把一个合适公式的真值从f 变为t ，或从t 变为f 。例如，句子“机器人不在2 号房间内”可写成： i n i ：o o m ( r o b o t ，r 2 ) 前面具有符号的公式叫做否定。一个合适公式的否定也是合适公式。 如果我们把句子限制为上述造句法所能表示的那些句子，而不使用变量项， 那么我们可以把这个谓词演算的子集叫做命题演算。命题演算对于许多简化了 的定义域来说，是一种有效的表示，但它缺乏用有效的方法来表达多个命题( 如 “所有机器人都是灰色的”) 的能力。要扩大命题演算的能力，我们需要使公式 中的命题带有变量。 1 3 1 4 量化 有时，一个原子公式，如p ( x ) ，对于所有可能的变量x 都具有值t 。这个特 性可由在p ( x ) 的前面加上全称量词( a x ) 来表示。如果至少有一个x 值可使p ( x ) 具有值t ，那么这一特性可由在以x ) 前面加上存在量词( x ) 来表示。例如，句 子“所有机器人都是灰色的”可表示为 ( x ) r o b o t ( x ) - - c o l o r ( x ，g r a y ) 】 1 0 基于r o f 的知识表示机制的研究 这里，x 是被量化了的变量，我们说x 是经过量化的。量化个合适公式中 的某个变量所得到的表达式也是合适公式。如果一个合适公式中某个变量是经 过量化的，我们就把这个变量叫做约束变量，否则就叫做自由变量。在合适公 式中，我们感兴趣是所有变量都是受约束的，这样的合适公式叫做句子。 一阶谓词演算不允许对谓词符号或函数符号进行量化。 1 3 1 5 合适公式的性质 1 、谓词公式的定义 用p ( x l ，x 2 ，x n ) 表示一个n 元谓词公式，其中p 为n 元谓词， x 1 ，x 2 ，x n 为客体变量或变元。通常把p ( x l ，x 2 ，x n ) 叫做谓词演算的 原子公式，或原子谓词公式。可以用连词把原子谓词公式组合成复合谓词公 式，并把它们叫做分子谓词公式。为此，用归纳法给出谓词公式的定义。在 谓词演算中合适公式的递归定义如下： 原子谓词公式是合适公式。 若a 为合适公式，则a 也是一个合适公式。 若a 和b 都是合适公式，则( a 八b ) ，( a v b ) ，( a b ) 也都是合适公 式。 若a 是合适公式，x 为a 中的自由变元，则( x ) a 和( x ) a 都是合 适公式。 只有按照上述规则求得的那些公式，才是合适公式。 2 、合适公式的性质 如果p 和q 是两个合适公式，则由这两个合适公式所组成的复合表达 式可由下列真值表给出： 表1 - 1 真值表 p qp v qp 八qp q p tttttf fttftt tftfff fffftt 如果两个合适公式，无论如何解释，其真值表都是相同的，那么我们就称 基于r d f 的知识表示机制的研究 两合适公式是等价的。应用上述真值表，有如下等价关系： 否定之否定( p ) 等价于p p v q等价于p q 德摩根定律( p v q ) 等价于p v q ( p 八q ) 等价于p 八q 分配律p a ( q v r ) 等价于( p 八q ) v ( p 八r ) p v ( o 八r ) 等价于( p v q ) 八( p v r ) 交换律p a 、q 等价于q 八p p v q 等价于q v p 结合律( p 八q ) 八r 等价于p a ( q 八r ) 逆否律 ( p v q ) v r 等价于( p v q ) v r p q 等价于q 一p 总之，一阶谓词逻辑最大的特点是形式规整、严密，知识表示的范围规定为 合式逻辑式，并具有推理方法的完整性。形式规整、严密适合于知识管理和知 识获取等。 1 3 2 语义网络表示 语义网络是知识的种图解形表示，它由节点和弧线或链线组成。节点由 于表示实体、概念和情况等，弧线用于表示节点间的关系。 1 、语义网络表示由下列4 个相关部分组成： ( 1 ) 词法部分：决定表示词汇表中允许有那些符号，它涉及各个节点 和弧线。 ( 2 ) 结构部分：叙述符号排列的约束条件，指定各弧线连接的节点对。 ( 3 ) 过程部分：说明访问过程，这些过程能用来建立和修正描述，以 及回答相关问题。 ( 4 ) 语义部分：确定与描述相关的( 联想) 意义的方法即确定有关节 点的排列及其占有物和对应弧线。 2 、语义网络具有下列特点： ( 】) 能把实体的结构、属性与实体问的因果关系显式地和简明地表达 出来，与实体相关的事实、特征和关系可以通过响应的节点弧线推导出来。 这样便以联想方式实现对系统的解释。 基于r d f 的知识表示机制的研究 ( 2 ) 由于与概念相关的属性和联系被组织在一个相应的节点中，因而 使概念易于受访和学习。 ( 3 ) 表现问题更加直观，更易于理解，适于知识工程师与领域专家的 沟通。语义网络中的继承方式也符合人类的思维习惯。 ( 4 ) 语义网络结构的语义解释依赖于该结构的推理过程而没有结构的 约定，因而得到的推理不能保证象谓词逻辑法那样有效。 ( 5 ) 节点间的联系可能是线状、树状或网状的，甚至是递归壮的结构， 使相应的知识存储和检索可能需要比较复杂的过程。 1 3 2 1 语义网络的定义 语义是指语言学的符号和表达式同它所描述的对象之间的关系，而语义网 络则是一种以网络格式表示人类知识构造的一种形式。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表达知识的一种格式。 表现人类知识的任何格式都必须具有两种功能，一是表达事实性的知识，二 是表达这些事实之间的联系，即能够从一些事实找到另一些事实的信息。这两 种功能可以用两种不同机制来实现，例如，用一系列的谓词演算来表达事实， 然后再用一定形式的索引和分类来表达事实之间的联系，而语义网络的特点是 用单一的机制来表达这两种内容。 语义网络是一种表达能力很强而且可以灵活运用的知识表示方法。它和图论 的表示方法相似，也是“一个带标识的有向图”，有向图的节点表示各种事物、 概念、属性及知识实体等。有向图的有向边表示各种语义联系，指明其所连接 的节点之间的某种关系。有向图的节点和边都必须有标识，以便区分各种不同 的对象和对象间各种不同的语义联系。一般来说，语义网络中的节点还可以再 是一个更细致的语义子网络，因此，可把它一层一层细化下去，直到最基本的 原子对象为止。语义网络上的节点往往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表示各元组的各个属性值，例如，关于生物学的一 部分知识可以用下列语义网络来表示，如图1 1 所示。 基于r d f 的知识表示机制的研究 生命+ ， 图l - 1语义网络示意图 在图1 1 中，下一层的节点属性能继承、修改或补充上一层节点的属性值，例如， 乌鸦虽然在本节点处只标了“黑色”和“吃腐肉”两个属性值，但从图上可推 出它还有“有翼”、“能飞”和“有生命”。再如企鹅的直接属性“不能飞”修正 了鸟“能飞”的一般属性值。因此，语义网络能较好地表示对象之间的继承和 变异等概念。此外，它还很适合用来表示推理、联想、归纳等逻辑概念，从而 也就可根据语义网络所表示的知识来回答各种问题，验证各种事实( 定理) ，乃 至模拟人脑的逻辑思维、演绎或归纳出没有直接表示在网络中的“新知识”。 1 3 2 2 语义舟络的形式描述 一个语义网络s n 可形式地描述为： s n = n ，e ) 其中，n 是一个以元组或框架标识的节点的有限集；e 是连接n 中节点的带 标识的有向边的集合。节点上的元组或框架描述了该节点的各种属性值，有向 边上的标识描述了该有向边所代表的语义联系。 语义网络的语法结构可用b n f 描述如下： ：= l ：；= ： ：= ( ，) 1 4 基于r d f 的知识表示机制的研究 ：= ：= l m e r g e ( ，) 其中m e r g e ( ) 是一个“合并过程”，它把作为参数出现的所有 中凡相同的节点都合并为一个，从而把那些 合并，成为一个语义网 络。例如，假设要合并的三个基本网元( 见图1 - 2 ) 为： 鳓嗍 图l - 2 基本网元 合并以后的语义网络( 见图1 3 ) 为： 图1 3 基本网元的语义网络 由于不同基本网元中的语义联系允许是相同的，所以通过m e r g e 可以形成1 对多和多对1 乃至多对多的各种复杂联系方式。 在语义网络中节点间的语义联系可以采用系统预定义好的，也可由用户自 定义。下面介绍为描述客观事物及其知识经常使用的一些语义联系，这些语义 联系往往都是由系统预先定义好的。 1 3 3 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 e t 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 种类似框架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，总是从自己的记忆中找出一个合适的框架，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 基于r d f 的知识表示机制的研究 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。知识的这种组织 化，使人们面临新的情况时能从旧经验中进行预测，引起对有关事物的注意、 回忆和推理，因此它是一理想的知识结构化表示方法。同时，框架也是一种表 示定型状态的数据结构，它的顶层是固定的，表示某个固定的概念、对象或事 件，其下层由一些称为槽( s l o t ) 的结构组成。每个槽可以按实际情况被一定类 型的实例或数据所填充( 或称赋值) ，所填写的内容称为槽值。每个槽值一般都 预先规定赋值的条件，比如，规定其值是人物、符合一定条件的事物、指向某 类子框架的指针等。还可规定不同槽的槽值之间应满足的条件。所以，框架是 一种层次的数据结构，框架下层的槽可以看成是一种子框架，子框架本身还可 以进一步分层次。 相互关联的框架连接起来组成框架系统，或称框架网络。不同的框架网又可 通过信息检索网络组成更大的系统，代表一块完整的知识模块。这里要注意的 是，框架理论把知识看作是相互关联的成块组织，但它与把知识表示为独立的 简单模块差别很大。 1 3 3 1 框架理论的运用 一般认为，以框架结构为基础的记忆系统，其思维过程由两个互补的过程 构成：一是未填满的框架需要填入新的项目；二是新出现的项目要求填入框架。 具体内容分以下几项： l 、匹配：已知项目【a , b ，c ，z l ，要求寻找一个槽值与给定项目一致的框 架，这相当于在给定条件下寻找与之相关的知识块，称这个过程为广义匹配。 如果不能找到已知的框架满足所有条件的要求，或者找一个其槽值与给定的项 目尽可能一致的旧框架，或者建立一个具有【a ，b ，c ，z 】特性的新框架。 2 、让步：当所选用的候选框架不能与给定的项目完全匹配时，一个办法就 是放弃它，重新找一个框架。实际上，框架所描述的往往是理想或典型的状况， 在不能完全匹配的情况下，有时需要作出某些让步。比如，典型的椅子应该有 四条腿，如果只有三条腿，于是不能同已知的椅子框架完全匹配，不过考虑到 各种具体原因：“另一条腿被挡住”或“由于缺损”等，可作出让步，从而采用 了椅子的框架。考虑到实际问题的复杂性，为了识别各类椅子，有时只建立外 形的特征还不够，还需要有功能的模型。如有的椅子可能只有一条腿，但从其 功能看，同样可以实现椅子的作用，即使从外形看与典型的椅子不同，但仍可 1 6 基于r d f 的知识表示机制的研究 把它作为椅子来看待。 框架是一种固定的，典型的知识表示形式，而客观事物是多种多样的，这 就要求我们在选择框架的过程中( 即匹配) 表现出一定的灵活性。 3 、相似网络：当选择的框架未能同已给的项目匹配时，如何利用已有的结 果去寻找其它可供选择的框架，这也是关系到匹配效率的重要因素，为此，在 记忆系统中建立一种框架的相似网络，各框架之间以它们的不同点作为标志， 用指针相互连接。这样，当某一框架匹配失败后，根据其间的差异沿着指针的 指向找到下一个候选框架，如此继续下去，直至找到合适的框架为止。 1 3 3 2 框架的形式描述及语义 为了严格和形式的描述框架的结构，下面给出框架的b n f 表示： ：= i ( ，) ：= ：= f ：静态描述 l 1 1 j ：= f | | ：；= i ，i ：= ： ， ：= 约束 ，卜 ：一框架名 ：； 【 】 其中框架名和约束都是关键保留字。 下面说明几点语义： 1 、框架名的值允许带参数。当在槽值中要调用它时，需要提供相映的实在 参数。 2 、槽值允许是一个动作或一个过程。过程可以是一个明确表示的 串， 基于r d f 的知识表示机制的研究 也可以是对主语言的过程的一个调用，些过程知识也可借此表示出来。 3 、槽值允许是谓词。其真值根据当时谓词的变元取值决定。 4 、槽值允许是 。以此可以建立框架之间的各种联系，乃至形 成一个框架网络或框架树。对i s a 、a k o 与i n s t a n c e 等一类联系，予框架对父 框架的槽值及约束条件有继承权和更改权( 用在子框架中列出相同槽名及新槽 值的方法进行更改) 。 5 、槽值允许是 。表示该值当时尚不能确定，等到以后来填入。 6 、可用框架表示一个谓词表达式。通过其中的i n f e r 槽还可建立由两个框架 表示的谓词表达式之间的逻辑推理关系。 7 、约束部分可以空缺，表示没有约束。 1 3 4 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。后来几经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。 1 3 4 1 产生式的定义 一个产生式系统的一般形式为 p 卜q 其右部一般表示一组前提或状态，左部表示若干个结论或动作，其含义是“如 果前提q 满足则可推出结论p ( 或应该执行动作p ) ”。 在产生式系统中一般利用一个解释程序以匹配一执行的方式来运用这种知 识，即当其右部q 能与个以证过的结论集合( 最初它由用户或西提供的全部 事实构成) 中的某元素匹配( 包括可能需要的变量替换后才能匹配) 时，就可 运用该产生式，或推出结论p 并把它放入已证过的结论集，或执行p 所代表的 动作等。如此循环往复地运用由一组产生式表示的知识，以求得最终的结论， 或解答问题或求证定理。 基于r d f 的知识表示机制的研究 1 3 4 2 产生式规则的与或树表示 一组产生式规则还可形象地用一棵( 或多棵) 所谓“与或树”表示，如图 1 4 所示。 图1 4“与或树”示意图 图1 4 的“与，或树”表示了产生式规则组： a 一b 1 ，b 2a b 3 ，b 4 ，b 5