四种知识建模方式：严格结构化符号表示，松散结构化/自由形式 符号表示，数值化表示，数值与符号融合表示。

表示方法的衡量：表达能力、推理能力、计算能力、可读性。

目前的语义网革命并不是在科学上有革命性的突破，而大部分是工程上的挑战，其中标准化、规模化、系统开发与集成、用户交互等都是语义网技术面临的挑战。

课程复习使用。

一. 经典知识表示理论

1.1 产生式规则

  • 产生式规则：用于表示事物之间的因果关系。

  • 确定性规则：P->Q。

  • 不确定性规则：P->Q(置信度)。当事实与前提条件不能精确匹配时，按照置信度的要求模糊匹配，并按特定算法将不确定性传递到结论。

  • 产生式系统：由数据库、规则库和推理机三部分组成。

数据库：用来存放问题的初始状态、已知事实、推理的中间结果和最终结论等。

规则库：用来存放与求解问题有关的所有规则。

推理机：用来控制整个系统的运行，决定问题求解的线路，包括匹配、冲突消解、路径解释等。

正向推理：类似于命题逻辑（查看知识计算）中的前向链接，从事实出发，通过规则获取结论。

反向推理：类似于命题逻辑中的反向链接，从目标出发，反向使用规则，求得已知事实

图1

1.2 语义网络

  • 语义网络：一种将相关概念联系起来的 有向图表示的 知识系统。

  • 语义基元：语义网络中最基本的语义单元，用三元组形式表示，<节点1，关系，节点2>。

  • 语义网络系统：由知识库和推理机组成。

  • 优点：使用直观的图结构来描述知识，表达自然，而且方便于计算机的存储和检索，有较为成熟的应用。

  • 缺点：由于缺少形式化的语义定义，不同的语义网络之间难以互相操作，表示不完善。推理过程复杂。

1.3 框架

框架是一种描述所论对象属性的数据结构。

  • 框架名：用来指代某一类或某一个对象。
  • 槽：用来表示对象的某个方面的属性，语义网络中的三元组也可看作槽结构。
  • 侧面：从不同侧面描述某个属性。
  • 值：槽/侧面的取值。
  • 类型：类框架，实例框架。
  • 层次结构：子类-subclass of->父类，示例-instance of->类。
  • 推理：继承推理（下层框架继承上层框架的信息），匹配推理（安装条件进行推理）。

图2
图3

1.4 脚本

脚本与框架类似，由一组槽组成，用来表示特定领域内一些事件的发生序列。但脚本表示的知识有明确的时间或因果顺序，因此它描述的是一个过程而非静态知识。

脚本的结构化表示包括：进入条件，角色，道具，场景，结果。

1.5 一阶谓词逻辑

由于语义网络、框架、脚本缺少形式化定义，不同网络之间难以相互操作，且推理过程复杂。因此引入了一阶谓词逻辑。参看知识计算。

图4

1.6 描述逻辑

通过概念类别来描述物理世界，没有一阶谓词逻辑中变量和谓词的概念，但具有形式化定义。描述逻辑有概念描述、属性、个体三个基础部分组成。

  • 概念描述：表示一类事物。
  • 概念构造器：用两个概念描述构造出一个新的概念，有交集构造器、并集构造器、否定构造器。
  • 属性：作用于概念，必须搭配全称量词 $\forall$，或存在量词 $\exists$使用。
  • 个体：概念示例。
  • 知识库：包括术语（TBox，描述概念定义、公理），断言（ABox，描述个体知识）两部分。

图5
图6

二.语义网的知识描述体系

  • 本质：以Web数据的内容（即语义）为核心，用机器能够理解和处理的方式链接起来的海量分布式数据库。
  • 特征：Web上的事物拥有唯一的URI（通用资源标识符），事物之间存在显示链接，事物链接又具有不同的语义类型。

图7
图8

  • XML：由起始标签、元素内容和结尾标签构成，并且元素具有嵌套结构，同时没有约束嵌套的深度。
  • RDF：Resource Description Framework。由于XML只定义了文档结构和数据类型，没有定义数据的语义，机器仍然无法理解文档的内容。为了让应用程序理解数据的语义，定义了RDF。RDF利用Web标识符（URI）来标识事物，并通过指定的属性和相应的值描述资源的性质或资源之间的关系。

图9

注意：RDF并不是一种语言，只是一种书写规范。

  • RDFs
    图10

  • OWL: Web Ontology Language，相比于RDFS，添加了更多用于描述类和属性的建模原语，支持更加丰富的语义表达并支持推理。

  • RIF: Rule Interchange Format，一种不同的规则语言和推理引擎之间的交换格式。

三. 参考资料

中国科学院大学陈玉博老师 知识工程 课程课件