第十二章知识表示

第十二章知识表示思维导图，包含谓词逻辑、产生式规则、框架、树形知识表示、概率图模型、语义网络、知识图谱。

第十二章 知识表示2

• 符号知识表示
  • 谓词逻辑
  • 产生式规则
    • 定义
      • 形如"条件-动作"的规则，基本形式为：if <condition>, then <conclusion>，同时可能加入不确定性，或者实现某种动作
    • 优点
      • 一种自然的、清晰的、可扩展的知识表示，擅长表达具有因果关系的过程性知识
    • 缺点
      • 在实际应用中也会碰到，规则应用时的规则冲突、规则失配等难题
  • 框架
    • 定义
      • 以框架理论为基础发展起来的一种结构化的知识表示
    • 表示
  • 树性知识表示
    • 决策树
      • 是一种用于分类的树形结构，一棵决策树由根节点、若干中间节点和若干叶节点组成，从根节点到叶节点的每条路径，就代表了一种分类方案
    • 故障树
      • 一种树形的逻辑因果关系图，父节点是产生故障的结果，也称输出事件；子节点是产生故障的原因，也称输入事件；利用逻辑符号连接子节点和父节点
  • 概率图模型(PGM)
    • 定义
      • 贝叶斯网络，也称信念网络或者是有向无环图模型。基于随机变量之间的条件独立性对一组随机变量的联合分布的一种精简表示
      • 贝叶斯网络G所对应的联合概率分布
    • 学习和推理过程
      • 学习
        • 如何从数据中习得最优的贝叶斯网络
      • 推理
        • 给定贝叶斯网络和其中一些随机变量的取值设置，推断其他随机变量的分布
          • 给定因推断果
          • 给定果推断因
          • 给定某个结果推断不同原因之间的相关作用
        • 推理的问题模型
    • 优点
      • 能够准确表达决策过程中的不确定性
      • 能够有效地将专家地先验知识与数据驱动地学习方法进行融合
        • 专家知识
          • 依赖专家指定贝叶斯网络所表达地随机变量
        • 数据驱动
          • 利用数据驱动的方法学习网络的结构以及条件依赖的概率分布值
    • 应用
      • 广泛应用于表达领域的决策过程
  • 语义网络
    • 表示形式
      • 每个要表达的事实用一个节点表示，而事实间的关系用弧线表示。即，有向图表示的三元组，(节点1，弧，节点2)连接而成
    • 关系
      • 类属关系
        • 定义
          • 类属关系是指具体有共同属性的不同事物间的分类关系、成员关系、或实例关系。它体现的是具体与抽象、个体与集体的概念。类属关系的额一个最主要特征是属性的继承性，处在具体层的节点可以继承抽象层节点的所有属性
        • 常用属性
          • A-Kind-of
            • 表示一个事物是另一个事物的一种类型
          • A-Member-of
            • 表示一个事物是另一个事物的成员
          • Is-a
            • 表示一个事物是另一个事物的实例
      • 包含关系
        • 定义
          • 也称为聚类关系，是指具有组织或结构特征的"部分与整体"之间的关系。它和类属关系的最主要的区别就是包含关系一般不具有属性的继承性
        • 常用的包含关系
          • Part-of
            • 表示一个事物是另一个事物的一部分
      • 属性关系
        • 定义
          • 指事物和其属性之间的关系
        • 常用属性
          • Have
            • 表示一个节点具有另一个节点所描述的性质
          • Can
            • 表示一个节点能做另一个节点的事情
  • 知识图谱
    • 定义
      • 知识图谱是本质上是一种大规模的语义网络，富含实体、概念及其之间的各种语义关系。作为一种语义网络，是大数据时代知识表示的重要方式之一
    • 基于三元组的知识图谱表示
      • RDF是用于描述现实中资源的W3C标准。现实中任何实体都可以表示成RDF模型中的资源，这些资源是对现实世界中的概念、实体和事件的抽象
      • 三元组包括三个元素：主体、属性及客体，也被称为主体、属性及属性值