第-02-章--知识表示-人工智能课件.ppt

知识表达法,基本知识表达法：谓词逻辑、规则等。结构化知识表达法：语义网、框架、脚本等。,2.1.2用谓词逻辑表示知识,例：用谓词公式表示下列句子：Aformulawhosemainconnectiveisa“”isequivalenttosomeformulawhosemainconnectiveisa“”.,解：,首先引入下列谓词：F(x):xisaformulaMC(x,y):themainconnectiveofxisyEQ(x,y):xisequivalenttoy,解：,Aformulawhosemainconnectiveisa“”isequivalenttosomeformulawhosemainconnectiveisa“”.(x)F(x)MC(x,imp)(y)F(y)MC(y,or)EQ(x,y),2.2产生式表示法,2.2.1产生式与产生式系统产生式if前提条件then结论或if前提条件then操作产生式又称为规则（rule）。前提条件、结论、规则均可附加一个可信度。,例：,(1)如果：炉温超过上限,则：立即关闭风门。(2)如果：胶卷感光度为200,光线条件为晴天,目标距离不超过5米,则：快门速度取250,光圈大小取f16。,注：,便于描述人处理问题的局部过程。人处理问题的整体过程可用一个规则序列表示。,系统组成,系统组成,DB：状态数据库，描述当前求解状态（初始事实、推出的结论）RB：状态转换规则库IE：推理机（InferenceEngine）按一定策略从RB中选择规则，作用于DB，直到DB变为目标状态（如推出特定结论）。,控制策略,如何找出可用于当前状态的规则（匹配）如何选出最佳规则（消除冲突）,1.匹配,将规则的前提条件逐个与DB比较，如果每个条件都成立，则该规则可用于当前状态。例：DB=（b,d,g,f,h）Ri：if(eorf)andhthenc,例：,DB=（b,d,g,f,h）Ri：if(eorf)andhthenc检验(eorf)是否成立:检验h是否成立:将结论c加入DB得：DB=（b，d，g，f，h，c）,注：,当规则含有变量时，首先进行变量代换。参：第三章3.1.3模式匹配与变量代换对于不精确规则，需要计算前提和结论的可信度参：第六章,2.消除冲突（优先序）,处理专门、特殊情况的规则，优先于处理一般情况者。如：R1：ifaandbtheneR2：ifaandbandcthenf,消除冲突,首先匹配者优先静态有序。给各前提赋予不同的优先级，含高优先级条件者优先执行（质优先）。前提条件多的优先（量优先）。隐含各前提的优先级相同。,推理方向,1.正向推理（Forward）F规则事实结论,例：,DB=（f1，f2，f3，f4，f5）R1：c1f4c2R2：f1f2f3c1R3：f3f5c3R4：f2f3f5c4R5：f1c3c5,解：,假设采用“首先匹配者优先”策略，则推理过程如下：（1）使用R2：f1f2f3c1推出c1（2）使用R1：c1f4c2推出c2（3）使用R3：f3f5c3推出c3（4）使用R5：f5c3c5推出c5,2.逆向推理（backward）,B规则事实目标（结论）,例：,已知：DB=（f1，f2，f3，f10，f11）R1：c2f5p2cgR2：f1c1c2R3：f2f3f4c1R4：p1f6p2R5：c4f11cgR6：f7c3f10c4R7：f8f9c3其中：ci表示推出的中间结论，pi表示在本例中不成立的前提。,逆向推理图示：,3.混合推理,正向推理不足：可能推出大量无关结论。逆向推理不足：可能尝试大量无关假设。混合推理的方式：用启发式规则进行粗略的正向推理，提出一个假设的可能目标，再用较详细的规则进行详细的逆向推理，以便验证假设。在逆向推理的基础上，用正向推理推出更多的相关结论。,4.双向推理。,当前事实集：初始事实、正向推理推出的中间结论。当前目标集：原目标、为证明原目标而归约、分解出的子目标交替使用正向推理和逆向推理，直到当前目标集与当前事实集匹配。,小结,产生式系统是AI最基本的结构形式。特点：便于模拟人的知识积累过程便于实现datadriven处理方式：新数据输入行为改变便于增删规则集各规则之间相对独立。,2.3框架（frame）,同类事物或过程重现,特定模式,框架的使用,识别激活问题特征模式引用参考处理方案,框架的引入,为表达上述模式化知识，引入框架表示法：框架认知模式框架系统：包括框架、子框架。通常组织成层次结构或网状结构。可以借助类层次描述。,框架的表示方法,特性值：可为另一个知识表示子结构。如谓词逻辑、子框架、规则集等。可为特殊处理过程。（注视特定条件的守护程序）如：ifneededifaddedifdeniediffail可实现微观控制机制，数据驱动，随机应变。,框架的基本形式：,框架名称侧面11值11槽1侧面1m值1m槽2侧面21值21侧面22值2m,一种具体框架模式,框架名称槽1value真实值default缺省值if_needed推断值的过程槽2,2.3.2框架的推理方法,回溯激活确认当前状态侯选框架可用框架应用联想处理当前情况,框架推理,1、选择候选框架利用各框架的关键特征与当前状态进行初步特征匹配。2、确认候选框架进一步利用其余特征进行详细的匹配（逆向），需要采用启发式经验进行灵活匹配。,框架推理,3、重选候选框架当无法确认时：利用相似框架联想规则。利用框架系统的分类层次结构向上移动，找出一个能够概括当前情况的一般框架，再沿另一条路径向下找出一个候选框架。,框架推理,4、应用确认框架引用现成结论（what）如诊断型问题。构造当前状态的具体解释即给出例示框架：无结构信息有结构信息（例示框架）,框架推理,4、应用确认框架引用相应处理方案或推理知识（how）。引导注意力：不匹配的部分，可能对应特殊情况：）实际存在而未发现：进一步寻找。）故障。（损毁）确实不存在：修正框架模式。,2.4语义网络（Semanticnetwork）,最初：表达人类记忆模型及理解自然语言。事物之间存在自然的关系，在人脑中形成自然的联想网络（associativenet）。自然关系联想网络主要用于表示不含变量的命题信息，又称为命题网（Propositionalnet）。,2.4.1语义网络表示方法：,1.基本表示法实体：概念、实例（抽象或具体）关系（特性）：分类：AKO，ISA，组成：ISPART，HASPART，EL，结构：SUPPORTEDBY，性质：COLOR，OWNER，,语义网络基本表示法,多元关系表示法,例：“a队与b队比赛，比分为13”用谓词表示为：game（a，b，13）用语义网表示如下：,多元关系表示法,实现语义网,具体实现一个语义网：利用实体特性特性值对象属性值三元组(OAV：Objectattributevalue),例：,用PROLOG子句（谓词）也可以方便地表示语义网：ISA（氧气，单质）.化学性质（氧气，RA_1）.化学性质（氧气，RA_2）.,例：,a_kind_of(苹果，水果).taste(苹果，甜).a_kind_of(富士，苹果).intro_from(富士，日本).is_a(日本，亚洲国家).,量词的表示,存在量词的表示可直接用ISA链表示全称量词的表示例：下面语句“Everydoghadbittenapostman”可表示如下：,量词的表示,S1：Form，whichstatestherelationthatisbeingasserted.Form中的其它变量B，P为存在变量。,2.4.2语义网络推理方法,语义网表示法无统一的形式语义，具体网络结构的含义由具体的应用决定，相应的推理方法，或使用网络的方法各异。常用推理过程：搜索、匹配（PROLOG）、继承，可信度传播（PROSPECTOR）。,匹配：,（1）构造一个含有未知结点或未知关系的问题网络片段；（2）在语义网络知识库中搜寻可与问题网络片段匹配的网络片段；（3）从匹配的网络片段中提取对应的结点或关系值。,匹配：,例：已知一个学生信息语义网络，需要查询赵明的专业。解：首先构造一个语义网络片段：当该片段与主网络匹配时，将得到y值。,匹配：,注：该语义网络片段对应如下Prolog目标：GOALISA(x,教育)，Recipient(x,赵明)，Major(x,y),继承：,假设希望通过继承来确定F结点的S特性的值：inherit（