【正文】 常用的時間關(guān)系有： Before： 含義為“在前”，表示一個事件在另一個事件之前發(fā)生 After: 含義為“在后”，表示一個事件在另一個事件之后發(fā)生。 大腦 人體 Partof 語義網(wǎng)絡(luò)的基本概念 例如，“大腦是人體的一部分” 72 Department of Computer Science amp。常用的屬性關(guān)系有 ： Have： 含義為“有”，表示一個結(jié)點(diǎn)具有另一個結(jié)點(diǎn)所描述的屬性 Can： 含義為 “能”、“會”，表示一個結(jié)點(diǎn)能做另一個結(jié)點(diǎn)的事情 語義網(wǎng)絡(luò)的基本概念 Age: 含義為 “年齡” ，表示一個結(jié)點(diǎn)是另一個結(jié)點(diǎn)在年齡方面的屬性 鳥 翅膀 Have 例如：“鳥有翅膀” 張強(qiáng) 18 Age 例如：“張強(qiáng) 18歲” 71 Department of Computer Science amp。例 鳥 動物 AKO 張強(qiáng) 共青團(tuán)員 AMemberof 人 李剛 ISA 語義網(wǎng)絡(luò)的基本概念 70 Department of Computer Science amp。例 分類關(guān)系： AKO 亦稱泛化關(guān)系，體現(xiàn)的是“子類與超類”的概念，含義為“是一種”，表示一個事物是另一個事物的一種類型。 Technology, Nanjing University Artificial Intelligence Spring 語義網(wǎng)絡(luò)的簡單例子： 例 用于一網(wǎng)絡(luò)表示“鴕鳥是一種鳥” 事實(shí)的表示： 例：“雪的顏色是白的” 規(guī)則的表示： 例：規(guī)則 R的含義是“如果 A 則 B ” 鴕鳥 鳥 是一種 雪 白 顏色 A B R 語義網(wǎng)絡(luò)的基本概念 69 Department of Computer Science amp。 語義基元 語義網(wǎng)絡(luò)中最基本的語義單元稱為語義基元，可用三元組表示為： （結(jié)點(diǎn) 1，弧，結(jié)點(diǎn) 2） 基本網(wǎng)元 指一個語義基元對應(yīng)的有向圖 語義網(wǎng)絡(luò)的基本概念 67 Department of Computer Science amp。 語義網(wǎng)絡(luò)的基本概念 66 Department of Computer Science amp。 Technology, Nanjing University Artificial Intelligence Spring ?什么是語義網(wǎng)絡(luò) ?語義網(wǎng)絡(luò)是 1968年 Quillian提出來的，目的是用來描述人對事物的認(rèn)識，對人腦的功能的模擬。 1975年，亨德里克 ()又對全稱量詞的表示提出了語義網(wǎng)絡(luò)分區(qū)技術(shù)。隨后，奎廉又把它用作知識表示。 Technology, Nanjing University Artificial Intelligence Spring 第 2章 知識表示 ? 知識表示與知識表示的概念 ? 一階謂詞邏輯表示法 ? 產(chǎn)生式表示法 ? 語義網(wǎng)絡(luò)表示法 ? 框架表示法 ? 過程表示法 64 Department of Computer Science amp。 不便于表示結(jié)構(gòu)性知識：由于產(chǎn)生式表示中的知識具有一致格式，且規(guī)則之間不能相互調(diào)用，因此那種具有結(jié)構(gòu)關(guān)系或?qū)哟侮P(guān)系的知識則很難以自然的方式來表示。并且，其求解過程是一種反復(fù)進(jìn)行的“匹配 —沖突消解 —執(zhí)行”過程。 62 Department of Computer Science amp。 有效性：產(chǎn)生式知識表示法既可以表示確定性知識，又可以表示不確定性知識，既有利于表示啟發(fā)性知識，又有利于表示過程性知識。 Technology, Nanjing University Artificial Intelligence Spring 產(chǎn)生式系統(tǒng)的特點(diǎn) 主要優(yōu)點(diǎn)： 自然性：采用“如果 …… ，則 ……” 的形式，人類的判斷性知識基本一致。這種求解問題的方法，更符合人們的一般習(xí)慣。 Technology, Nanjing University Artificial Intelligence Spring 產(chǎn)生式系統(tǒng)的類型 ? 可恢復(fù)的產(chǎn)生式系統(tǒng) 是指那種采用回溯控制方式的產(chǎn)生式系統(tǒng) 其求解問題的方法是：當(dāng)執(zhí)行某條規(guī)則后，如果發(fā)現(xiàn)所得到的新的綜合數(shù)據(jù)庫不可能求出問題的解，就立即撤消由該規(guī)則所產(chǎn)生的結(jié)果，使綜合數(shù)據(jù)庫恢復(fù)到先前的狀態(tài)，然后再另選別的規(guī)則繼續(xù)求解。 例： 59 Department of Computer Science amp。 58 Department of Computer Science amp。 call′validate (E)′。 call procedure′generate′to generate new facts which are added to the database。 Technology, Nanjing University Artificial Intelligence Spring 問題求解的方法 ?3. 混合方法 procedure mixedmethod。 N能被 12整除 , N能被 20整除 Validate(N能被 5整除 ) S={R4} Validate(N能被 10整除 ) S’ ={R2} N能被 20整除 56 Department of Computer Science amp。 R3 :如果 X能被 6整除則 X能被 2整除 。 Technology, Nanjing University Artificial Intelligence Spring 問題求解的方法 R1 :如果 X能被 12整除則 X能被 6整除 。 validate:=result end。 C:=the condition part of R。 if S is empty then ask the user for some rules to add to S。 var result:boolean: begin result:=false。 N能被 12整除 , N能被 20整除 54 Department of Computer Science amp。 R3 :如果 X能被 6整除則 X能被 2整除 。 Technology, Nanjing University Artificial Intelligence Spring 問題求解的方法 第二路徑是 :R1,R2,R4 第三路徑是 :R1 ,R2 ,R3 ,R4 第四路徑是 :R2 ,R1 ,R3 ,R4 第五路徑是 :R2 ,R1 ,R4 第六路徑是 : R2 ,R4 R1 R2 R2 R3 R1 R4 S6 R3 R4 R2 R3 R4 R4 S2 R4 R4 S5 S1 S3 S4 圖 數(shù)據(jù)驅(qū)動方法的搜索樹 執(zhí)行 generate過程 : R1 :如果 X能被 12整除則 X能被 6整除 。 R4 :如果 X能被 10整除則 X能被 5整除 。 R2 :如果 X能被 20整除則 X能被 10整除 。 52 Department of Computer Science amp。 R4 :如果 X能被 10整除則 X能被 5整除 。 R2 :如果 X能被 20整除則 X能被 10整除 。 51 Department of Computer Science amp。 apply R。 begin identify the set S of applicable rules。 ? 雙向推理產(chǎn)生式系統(tǒng) 雙向推理是把正向推理和反向推理結(jié)合起來使用的一種推理方式 它需要把問題的初始狀態(tài)和目標(biāo)狀態(tài)合并到一起構(gòu)成綜合數(shù)據(jù)庫 產(chǎn)生式系統(tǒng)的控制策略 50 Department of Computer Science amp。 優(yōu)點(diǎn)：不使用與問題無關(guān)的規(guī)則 。 ? 逆向推理產(chǎn)生式系統(tǒng) 也稱目標(biāo)驅(qū)動方式 ， 它是從目標(biāo) （ 作為假設(shè) ） 狀態(tài)出發(fā) ， 朝著初始狀態(tài)前進(jìn)， 反向使用規(guī)則的一種推理方法 。 正向使用規(guī)則 ， 是指以問題的初始狀態(tài)作為初始綜合數(shù)據(jù)庫 ， 僅當(dāng)綜合數(shù)據(jù)庫中的事實(shí)滿足某條規(guī)則的前提時 ， 該規(guī)則才被使用 。 49 Department of Computer Science amp。由于它記錄了已試過的所有路徑，因此便于從中選取最優(yōu)路徑。 需要解決的主要問題：一是如何確定回溯條件，二是如何減少回溯次數(shù) 是一種完備而有效的策略，它容易實(shí)現(xiàn)且占內(nèi)存容量較小。 優(yōu)點(diǎn)是控制過程簡單，缺點(diǎn)是當(dāng)問題有多個解時不一定能找到最優(yōu)解 2. 試探性方式 又可分為以兩種下方式： 回溯方式： 是一種碰壁回頭的方式。 Technology, Nanjing University Artificial Intelligence Spring 產(chǎn)生式系統(tǒng)的控制策略 總體上可分為以下兩種方式： 1. 不可撤回方式 它即根據(jù)當(dāng)前已知的局部知識選取一條規(guī)則作用于當(dāng)前綜合數(shù)據(jù)庫，接著再根據(jù)新狀態(tài)繼續(xù)選取規(guī)則，如此進(jìn)行下去，不考慮撤回用過的規(guī)則。把執(zhí)行該規(guī)則后所得到的結(jié)論作為新的事實(shí)放入綜合數(shù)據(jù)庫；如果該規(guī)則的結(jié)論是一些操作，則執(zhí)行這些操作； ? (5) 檢查綜合數(shù)據(jù)庫中是否包含了該問題的解，若已包含，說明解已求出，問題求解過程結(jié)束；否則，轉(zhuǎn) (2)； ? (6) 當(dāng)規(guī)則庫中還有未使用規(guī)則，但均不能與綜合數(shù)據(jù)庫中的已有事實(shí)相匹配時，要求用戶進(jìn)一步提供關(guān)于該問題的已知事實(shí)，若能提供，則轉(zhuǎn) (2)；否則，執(zhí)行下一步； ? (7) 若知識庫中不再有未使用規(guī)則，也說明該問題無解，終止問題求解過程。 R4 :20 那么 ,啟發(fā)式數(shù)據(jù)驅(qū)動方法擴(kuò)展順序 ,如圖 : 47 Department of Computer Science amp。 R2 :10。 (2)廣度優(yōu)先搜索 46 Department of Computer Science amp。 Technology, Nanjing University Artificial Intelligence Spring 問題求解中的搜索策略 ?沖突消解策略 (1) 隨機(jī)選擇 (2) 在相繼階段中選不同的規(guī)則 (3) 選擇第一條可用規(guī)則 (4) 給每條規(guī)則賦予一權(quán)值，并用權(quán)值來決定選擇哪條規(guī)則。 Technology, Nanjing University Artificial Intelligence Spring 起源和功用 POST (1943年）提出，在 ES 領(lǐng)域中得到了廣泛的應(yīng)用。由于“長頸鹿”已是目標(biāo)集合中的一個結(jié)論，即已推出最終結(jié)果，故問題求解過程結(jié)束。此時，綜合數(shù)據(jù)庫的內(nèi)容變?yōu)椋? 動物有暗斑，有長脖子，有長腿，有奶，有蹄，是哺乳動物，是有蹄類動物 (3) 此后， r8， r9， r10均匹配失敗。此時，綜合數(shù)據(jù)庫的內(nèi)容變?yōu)椋? 動物有暗斑，有長脖子，有長腿，有奶，有蹄，是哺乳動物 (2) 再從規(guī)則庫中取 r3， r4， r5， r6進(jìn)行匹配，均失敗。 r1的前提是“有毛發(fā)”，但事實(shí)庫中無此事實(shí)，故匹配失敗。 Technology, Nanjing University Artificial Intelligence Spring ? 圖中最上層的結(jié)點(diǎn)稱為“假設(shè)”或“結(jié)論” ? 中間結(jié)點(diǎn)稱為“中間假設(shè)”； ? 終結(jié)點(diǎn)稱為“證據(jù)”或“事實(shí)”； ? 每個“結(jié)論”都是本問題的一個目標(biāo)，所有“假設(shè)”構(gòu)成了本問題的目標(biāo)集合 長頸鹿 斑馬 長脖子 長腿 暗斑點(diǎn) 有蹄類 黑條紋 有蹄 哺乳動物 嚼反芻動物 有毛 r2 r7 r8 r11 r12 有奶 r1 產(chǎn)生式表示的基本結(jié)構(gòu) 43 Department of Computer Science amp。 Technology, Nanjing University Artificial Intelligence Spring r10 IF 該動物是哺乳動物 AN