基于人工智能中知识表示方法

摘 要：知识处理是人工智能这一科学领域的关键问题。本文对知识处理的核心问题之——识的表示进行了全面的综述,目前流行的知识表达方式不下十种，在此只介绍一阶谓词逻辑、产生式、语义网络、框架、混合等目前最常用的知识表示方法。并对其进行了优缺点分析及简单对比。最后对知识表示的发展趋向作出了展望。

关键词：知识 人工智能（AI）  知识表达式  一阶谓词逻辑  产生式  语义网络  框架

一、知识和知识的表示

1、 知识的概念

知识是人类世界特有的概念，他是人类对客观世界的一种比较准确、全面的认识和理解的结晶。

(1) 知识只有相对正确的特性。

常言道：实践出真理。只是源于人们生活、学习与工作的实践，知识是人们在信息社会中各种实践经验的汇集、智慧的概括与积累。

只是爱源于人们对客观世界运动规律的正确认识，是从感知认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，只是无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就接受检验，必要时就要对原来的认识加以修改和补充，一至全部更新而取而代之。

例如知道1543年哥白尼学说问世之前，人们一直都以为地球是宇宙的核心；再有：人们都知道一个关于“瞎子摸象”的故事，它通俗地说明了完整的只是形式是一个复杂的智能过程。

通常人们获取知识的重要手段是：利用信息，把各种信息提炼、概括并关联在一起，就形成了知识。而利用信息关联构成知识的形式有多种多样。

(2) 知识的确定与不确定性

如前说述，知识有若干信息关联的结构组成，但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定与不确定的特征。

例如，在我国中南地区，根据天上出现彩虹的方向及其位置，可以预示天气的变化。有谚语曰：“东边日（晴天），西边雨。”但是，这只是一种常识性经验，并不能完全肯定或否定。

再如：家有一头秀发，一时两鬓如霜。我们则认为家一定是年轻人，乙就是老年人嘛？不能完全肯定，因为相反的事例是很多的。比如，当年的白毛女就不是老人，而现在六十多岁的演员有一头黑发也不足为奇。

2、 知识表达及其映像原理

智能机器系统如同智能生物一样，在运用知识进行信息交流或只能问题求解时，都需要预先进行知识表示。进而实现知识调用，达到利用知识求解问题的目的。因而只是表示是知识信息处理系统必不可少的关键环节。

对智能机器系统而言,只是表示，实际上就是对知识的一种描述或约定。其本质，就是采用某种技术模式，八所要求解决的问题的相关知识，映射为一种便于找到该问题解的数据结构。

对知识进行表示的过程，实质上就是把相关只是映射（或称为变换：Transformation；或称为映像：Mapping；或称为编码：Coded）为该数据结构的过程。如图1。

图1 只是表达及其映射原理

如图，其目标是要对复杂的智能性问题实现机器求解，但机器直接对原始问题求解难度很大，可采用知识表达的映射原理，把原始问题映射为它的一种同构或同态问题，然后在对同构或同态问题求出它的解答，则相对容易而方便。

顺便指出：同构解答与原始问题有相同的形式解，然而对于同态问题，如果得到原始解，只需对同台解答再施行反运算即可。在自然科学实际应用研究中，利用映射（称之为变换）原理迂回求解的思想，是一种非常有效而广为使用的重要手段。

目前比较常见的知识表达方法主要有：常用的知识表示方法：一阶谓词逻辑表示法，产生式表示法，框架表示法，语义网络表示法，脚本表示法，过程表示法，面向对象表示法，神经网络表示法。如图2

图2 只是表达法的基本框架

二、常用知识表示法：

2.1一阶谓词逻辑表示法：

一阶谓词逻辑表示法是目前应用最广的方法之一，在AI系统上已经得到了应用。它是通过分析命题内容和谓词逻辑，尽可能正确地表述它的各种意境的过程。知识的谓词逻辑表示符合人的思维习惯，可读性好，逻辑关系表达简便。使用谓词逻辑既便于表达概念、状态、属性等事实性知识，又能方便地采用谓词公式的表达形式，进行各种智能行为的过程性描述与演绎推理。

一阶谓词的一般形式为P(x1，x2，…，xn) 其中P是谓词名，xi为个体常量、变元，或函数。

例如：STUDENT(zhangsan)：zhangsan是学生STUDENT(x)：x是学生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父亲是教师。

在一阶谓词表示法中连接词是非常重要的其中：

 连接词：¬、∨、∧、→、↔

量词：∀、∃

(∀x)P(x)为真、为假的定义

(∃x)P(x)为真、为假的定义

结合具体事例可以看到一阶谓词逻辑在知识表示法中的优越性：

定义谓词：

LIKE(liming，programming)COMPUTER(liming) ∧

谓词逻辑是一种传统经典也是最基本的形式化方法。谓词逻辑知识表示:规范性严，逻辑性强，自然性好，推理过程严密，易于实现。这些优良特性使得谓词逻辑最早用于人工智能机器定理证明，并获得了成功。但是必须看到，谓词逻辑属于标准的二值（T与F）逻辑，难以直接进行不确定性问题的处理。对于复杂系统的求解问题，容易陷入冗长演绎推理中，常常不可避免地带来求解效率低,甚至产生“组合爆炸”问题。因此，针对谓词逻辑，尚待人们不断加以改进，以便寻求自然性好而效率更高的技术方法。

2.2产生式表示法

目前，产生式表示方法是专家系统的第一选择的知识表达方式。是美国数学家Post在1943年提出了一种计算形式体系里所使用的术语。产生式表示的基本形式为：

（1）确定性知识的表示：

产生式形式： P→Q或者IF P THEN Q  它的含义：如果前提P满足，则可以推出结论Q或执行Q操作。例如：

IF CLEAR(B) AND HANDEMPTYTHEN Pickup(B)

如果积木B上是空的，且机械手空，则机械手从桌面上抓起积木B。

（2）不确定知识的表示：

产生式形式：P→Q （置信度）或者IF P THEN Q（置信度）

在不确定推理中，当已知事实与前提P不能精确匹配时，只要按照“置信度”的要求达到一定的相似度，就认为已知事实与前提条件相匹配，再按照一定的算法将这种可能性（不确定性）传递到结论Q。

产生式表示法其优点在于模块性。规则与规则之间相互独立灵活性。知识库易于增加、修改、删除自然性。方便地表示专家的启发性知识与经验透明性。易于保留动作所产生的变化、轨迹，但仍有不少缺点：知识库维护难。效率低。为了模块一致性理解难。由于规则一致性彼此之间不能调用。

2.3 语义网络表达式

语义网络是人工智能常用的知识表示法之一。是一种使用概念及其语义关系来表达知识的有向图。它作为人类联想记忆的一个显示心理学模型，是由J.R.Quillian于1968年在他的博士论文中首先提出，并用于自然语言处理。语义网络结构共使用了三种图形符号：框、带箭头及文字标识的线条和文字标识线。分别称为:

（1）节(结)点;  弧(又叫做边或支路); 指针。

（2）节点(Node)：也称为结点。用圆形、椭圆、菱形或长方形的框图来表示，用来表示事物的名称、概念、属性、情况、动作、状态等。

（3）弧(Arc)：这是一种有向弧，又称之为支路（Branch）。节点之间用带箭头及文字标识的有向线条来联结，用以表示事物之间的结构，即语义关系。

（4）指针(Pointer)：也叫指示器。是在节点或者弧线的旁边，另外附加必要的线条及文字标识，用来对节点、弧线和语义关系作出相宜的补充、解释与说明。

语义网络是一种结构化知识表示方法，具有表达直观，方法灵活，容易掌握和理解的特点。概括起来，主要优点在于采用语义关系的有向图来连接，语义、语法、词语应用兼顾，具有描述生动，表达自然，易于理解等。

虽然语义网络知识表示和推理具有较大的灵活性和多样性，但是没有公认严密的形式表达体系，却不可避免地带来了非一致性和程序设计与处理上的复杂性，这也是语义网络知识表示尚待深入研究解决的一个课题。

2.4．框架表式式

框架表示法诞生于1975年，这也是一种结构化的知识表示方法，并已在多种系统中得到成功的应用。框架理论是由人工智能科学创始人之一，美国著名的人工智能学者M.L.Minsky(明斯基)提出来的。

自然界各种事物都可用框架(Frame)组织构成。每个被定义的框架对象分别代表着不同的特殊知识结构，从而可在大脑或计算机中表示、存储并予以认识、理解和处理。框架是一种被用来描述某个对象（诸如一个事物、一个事件或一个概念）属性知识的数据结构。下面是一个关于“大学教师”的框架设计模式。

n      框架名：〈大学教师〉

n      姓名：单位（姓，名）

n      年龄：单位（岁）

n      性别：范围(（男，女）缺省：男)

n      学历：范围（学士，硕士，博士）

n      职称：范围(（教授，副教授，讲师，助教）缺省：讲师)

n      部门：范围（学院（或系、处））

n      住址：〈住址框架〉

n      工资：〈工资框架〉

n      参加工作时间：单位（年，月）

n      健康状况：范围（健康，一般，较差）

n      其它：范围（〈个人家庭框架〉，〈个人经济状况框架〉）

上述框架共有十一个槽，分别描述了关于“大学教师”的十一个方面的知识及其属性。在每个槽里都指定了一些说明性的信息，表明了相关槽的值的填写要有某些限制。框架表示法支持上层框架概念抽象和下层框架信息继承共享的思想，不仅减少了框架信息和属性知识表达的冗余，而且保证了上、下层框架知识表达的一致性。

主要缺点：框架表示法过于死板，难以描述诸如机器人纠纷等类问题的动态交互过程生动性。

三、各知识表达式的比较与展望

以上若知识表达方法，绝大多数在应用中得到了很好的应用。但实际工作中，如果要建立一个人工智能系统、专家系统时，还是要根据具体情况,提出一个混合性的知识表达方式。每一种知识表示方法各有特点，而且适用的领域也不同：

（1）谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。

（2）产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。

（3）语义网络方法表达的知识面比较窄。

（4）框架方法表示的知识横向关系不太明确。（纵向从属继承关系很明确）

因此，对于复杂的、深层次的知识，应根据需要表示知识的特征，来决定用二种或三种方法联合表示，例如：

（1）逻辑与框架：框架里的槽值可以对应于谓词项。

（2）语义网络与框架：结点对应与框架，结点的参数就是框架的槽值。

（3）产生式与框架：框架的槽值对应于一条产生式规则。与神经网络结合。

参考文献：

[1] .蔡之华；模糊Petri网及知识表示 [J];计算机应用与软件；1994年03期

[2] .张科杰,袁国华,彭颖红；知识表示及其在机械工程设计中的应用探讨[J];机械设计；2004年06期。

[3] .刘晓霞。新的知识表示方法——概念图［Ｊ］。航空计算技术。1997（4）。

[4] .王永庆 人工智能原理与方法［Ｍ］。西安交通大学出版社。1998。

人工智能论文