知识表示方法分类及应用场景分析

知识表示(knowledge representation)是将人类知识形式化或者模型化。实际上就是对知识的一种描述,或者说是一组约定,一种计算机可以接受的用于描述知识的数据结构,包含两层含义:用给定的知识结构,按一定的原则、组织表示知识;解释所表示知识的含义。

知识表示方法种类繁多,而且分类的标准也不完全相同,通常的有产生式规则表示法、框架表示法、语义网络表示法,见表2-4。

表2-4　知识表示方法

1.产生式规则表示法

20世纪40年代,数学家埃米尔·波斯特(Emil Post)提出产生式规则表示法。它根据串代替规则提出了一种称为波斯特机的计算模型,模型中的每条规则称为产生式。根据知识之间具有因果关联关系的逻辑,形成了IF-THEN的知识表示方法,是早期专家系统常用的知识表示方法之一。目前它已成为人工智能中应用最广的一种知识表示模型,许多成功的专家系统都用它来表示知识。例如,费根鲍姆等人研制的化学分子结构专家系统DENDRAL、肖特利夫等人研制的诊断感染性疾病的专家系统MYCIN等。

(1)产生式

产生式通常用于表示事实、规则及它们的不确定性度量,适用于表示事实性知识和规则性知识,具体见表2-5。

表2-5　产生式表示方法

在表2-5中,P是产生式的前提或条件,用于指出该产生式是否可用的条件。Q是一组结论或动作,是该产生式的前提条件P被满足时,应该得出的结论或应该执行的操作,含义是如果前提P被满足,则结论是Q或者Q所规定的操作。P和Q都可以是一个或一组数学表达式或自然语言。置信度是该事实为真的可信程度,用一个0～1的数来表示。

(2)产生式系统

产生式系统是指一组产生式相互配合、协同作用,以求得问题的解。产生式系统一般由3个基本部分组成,分别为:由IF-THEN规则组成的规则库;用来存放当前与求解问题有关的各种信息的综合数据库;用来控制和协调规则库与事实库运行的一组程序,即控制系统,也称为推理机,如图2-19所示。

我们通过一个简单的汽车专家产生式系统来说明系统各部分是如何协同工作得到结论的。该系统的规则库包括4条规则:

r1:IF汽车不能发动THEN检查电池。

r2:IF汽车不能发动THEN检查油箱。

r3:IF检查电池AND电池坏了THEN换电池。

r4:IF检查油箱AND汽油没了THEN检查电池。

在推理前,需要明确事实库中已有的事实,这里假设事实为“汽车不能发动,电池坏了”。推理开始后,首先从规则库中取出规则r1,检查到其前件与事实库中已有的事实匹配,则执行该产生式,产生“检查电池”的新事实,并向事实库中添加新事实。再次检测规则库,得到r3的前件与已知事实“检查电池”和“电池坏了”的前件匹配,则执行该产生式,得到结论“换电池”。

整个推理过程是由推理机完成的,可以发现产生式系统求解问题的过程和人类求解问题的思维过程很相似,因而可用来模拟任一可计算过程。同时,产生式规则之间没有相互的直接作用,只能通过事实库发生间接联系,这种模块化结构能够让每条规则自由增删和修改。

2.框架表示法

框架表示法是20世纪70年代初由人工智能专家明斯基提出的一种用于表示知识的框架理论,来源于人们对客观世界中各种事物的认识都是以一种类似框架的架构存储在记忆中的思想。

框架(frame)是一种描述对象(一个事物、事件或概念)属性的数据结构。框架结构一般由“框架名-槽名-侧面-值”4部分组成,即一个框架由若干个槽组成,其中,槽用于描述事物某一方面的属性;一个槽由若干个侧面组成,侧面用于描述相应属性的一个方面;每个侧面拥有若干值,槽和侧面所具有的属性值分别被称为槽值和侧面值。

框架的一般表示形式如图2-20所示。

图2-19　产生式系统

图2-20　框架一般形式

例如,通过框架表示法来表示“教师”,它共有9个属性,也就是9个槽,包括“姓名”“年龄”等,框架表示法示意图如图2-21所示。

图2-21　“教师”框架

当把具体的信息填入槽或侧面后,就得到了相应框架的一个事例框架,如图2-22所示。

图2-22　事例框架

3.语义网络表示法

1968年,奎廉(Quillian)在博士论文中首次提出语义网络,1972年,西蒙正式提出语义网络概念。语义网络由语义基元构成,其由若干个语义基元及其之间的语义关联关系组成,是一种通过实体及实体间语义关系表达知识的有向图,如图2-23所示。节点表示事务、属性、概念、状态、事件、情况、动作等,它还可以是一个语义子网络;节点之间的弧表示它所连接的两个节点之间的语义关系,根据表示的知识情况需要定义弧上的标识。

图2-23　语义基本结构

一个最简单的语义基元可用一个三元组表示:(节点1,弧,节点2)。

若用A、B分别表示三元组中的节点1、节点2,用R表示A与B之间的语义联系,那么它所对应的基本网元的结构如图2-23所示。当把多个语义基元用相应的语义联系关联到一起时,就形成了语义网络。语义网络中弧的方向是有意义的,不能随意调换。

下面列举一些常用的基本语义关系,如图2-24～图2-29所示。

(1)实例关系

即一个事物是另一个事物的具体例子。例如“我是一个人”。弧上的语义标记为“ISA”,即为“is a”,含义为“是一个”,如图2-24所示。

(2)分类关系(泛化关系)(www.xing528.com)

表示一个事物是另一个事物的一个成员,体现的是子类与父类的关系,弧的语义标记为“AKO”,即为“a kind of”,如图2-25所示。

图2-24　实例关系

图2-25　分类关系

(3)成员关系

体现个体与集体的关系,表示一个事物是另一个事物的成员型。弧的语义标志为“A Member-of”,如图2-26所示。

(4)属性关系

是指事物与其行为、能力、状态、特征等属性之间的关系,因此属性关系可以有许多种,例如:

Have,含义为“有”,例如“我有手”。

Can,含义为“可以、会”,例如“狗会跑”。

如图2-27所示。

图2-26　成员关系

图2-27　属性关系

(5)包含关系(聚类关系)

是指具有组织或结构特征的“部分与整体”之间的关系。弧的语义标志为“Part-of”。跟分类关系最主要的区别是包含关系一般不具备属性的继承性,如图2-28所示。

(6)位置关系

是指不同的事物在位置方面的关系,常用的有:

Located-on:表示某一物体在另一物体上面。

Located-at:表示某一物体所处的位置。

Located-under:表示某一物体在另一物体下方。

Located-inside:表示某一物体在另一物体内。

Located-outside:表示某一物体在另一物体外。

例如,“书在桌上”,如图2-29所示。

图2-28　包含关系

图2-29　位置关系

通过一个简单的实例来说明如何使用语义网络表示知识。

例如,用语义网络表示如下命题:

①猪和羊都是动物。

②猪和羊都是哺乳动物。

③野猪是猪,但生长在森林中。

④绵羊是羊,能生产羊毛。

分析该例子:

对象有猪、羊、动物、哺乳动物、野猪、绵羊、森林、羊毛。

语义关系有分类成员关系,如动物和哺乳动物、哺乳动物和猪、哺乳动物和羊、羊和绵羊、野猪和猪。

语义关系有属性关系,如绵羊和羊毛。

语义关系有位置关系,如野猪和森林。

经过分析,该命题用语义网络表示如图2-30所示。

图2-30　猪和羊的语义网络