目录
一、知识与知识表示
1、知识
2、知识表示
3、知识表示方法
二、谓词逻辑表示法
1、命题逻辑
2、谓词逻辑
三、产生式表达法
1、知识的表示方法
2、产生式系统组成
3、推理方式
4、产生式表示法特点
四、语义网络
1、概念及结构
2、语义网络的基本语义联系
3、推理过程
4、语义网络表示法特点
五、框架表示法
1、框架结构
2、推理方法
3、框架表示法特点
六、脚本表示法
1、脚本的定义
一、知识与知识表示
1、知识
知识按其作用可以分为三类：
（1）描述性知识——对象及概念的特征及其相互关系的知识，以及问题求解状况的知识。
（2）判断性知识——与领域有关的问题求解知识。
（3）过程性知识——问题求解的控制策略，如何用判断性知识进行推理的知识。
按作用的层次，可分为两类：
（1）对象级知识——直接描述有关领域对象的知识，也称为领域相关知识。
（2）元级知识——描述对象级知识的知识，如关于领域知识的内容、特征、应用范围、可信程度的知识，也称为关于知识的知识。
2、知识表示
知识表示：人类的知识翻译成计算机所能接受的形式，翻译的过程就是符号化的过程。
知识表示有如下要求：
（1）表示能力，能将问题求解所需的知识正确有效地表达出来
（2）可理解性，所表达的知识简单、明了、易于理解
（3）可访问性，能有效利用所表达的知识
（4）可扩充性，能方便、灵活地对知识进行扩充
3、知识表示方法
（1）谓词逻辑表示法：采用一阶谓词逻辑表示知识，是一种叙述性的知识表示方法，他的推理机制是采用归结原理，主要用于自动定理证明
（2）状态空间表示法：把求解的问题表示成问题状态、操作、约束、初始状态和目标状态。问题的求解过程可以看成是问题状态在状态空间的移动过程。
（3）产生式规则：把知识表示成“模式-动作”对，表示方式自然、简洁，推理机制以演绎推理为基础，目前已经是专家系统中最广泛地一种表示方式，称为基于规则的系统。
（4）语义网络：由结点和结点之间的弧组成，结点表示概念，弧表示他们之间的关系，目前语义网络已经广泛用于基于知识的系统。在专家系统中，常与产生式规则一起共同表示知识。
（5）框架：把知识表示成高度模块化的结构，框架把关于一个对象或概念的所有信息和知识都存储在一起的一种数据结构。框架的层次结构可以表示对象之间的相互关系，用框架表示知识的系统称为基于框架的系统，在专家系统中，框架常常与产生式规则一期共同表示知识。
（6）概念从属：表示自然语言语义的一种理论，特点是便于根据语句进行推理，而且与语句本身所用的语言无关，概念从属表示的单元并不对应于语句中的单词，而是能组合成词义的概念单元。
（7）脚本：脚本用于描述固定的事件序列，强调事件之间的因果关系/因果链，与框架类似，但框架是一种通用的结构而脚本对于某些专门的知识更有效。
（8）Petri网：能很好地模拟异步并行操作，所以在并行处理和分布式计算机领域中应用较多，主要作为模拟用的教学工具、
（9）面向对象
二、谓词逻辑表示法
谓词逻辑表示法：一种重要的知识表示方法，是目前为止能够表示人类思维活动规律的一种最精确的形式语言，是知识的形式化表示，定理自动证明等研究的基础。谓词逻辑基于命题逻辑，包含了整个命题逻辑的概念。
1、命题逻辑
命题：具有真假意义的陈述句。
命题类型：
（1）原子命题——不能分解成更简单的陈述语句
（2）复合命题——由连接词、标点符号和原子命题等符合构成的命题
命题逻辑词：通常用大写字母P、Q、R、S等来表示命题，如P——今天下雪，P就是命题的名，也叫命题标识符。
命题常量：如果一个命题标识符表示确定的命题，称为命题常量。
命题变元：如果命题标识符只表示任意命题的位置标志，称为命题变元。
连接词：┐、∧、∨、 →、 ↔ （离散数学中相同）
2、谓词逻辑
谓词逻辑是一种形式语言，更接近自然语言，又方便存入计算机处理。
谓词逻辑：根据对象和对象上的谓词（即对象的属性和对象之间的关系），通过使用连接词和量词（带有任意∃、∀）来表示世界。
谓词逻辑的形式：，
是个体。
把某个事物，人，概念放到括号里，P是谓词名。
谓词：用来刻画个体的性质，状态和个体间的关系。
谓词有多个未知数，就是多个变元，也称谓词是多元谓词。
谓词里面嵌套谓词就是二阶谓词。
永真和可满足
永真：P在非空个体域上为真，则P永真。
个体域上永真：P对个体域D上任何一个解释都为真，则P在个体域上永真。
可满足的：若存在一个解释，使得P在此解释下为真，则P可满足的。
三、产生式表达法
1、知识的表示方法
产生式表达法由珀斯特在1943年提出，用于对符号串做替换运算。
确定性规则知识产生式：
产生式通常用于表示具有因果关系的知识，其基本形式是：P→Q，或者 IF P THEN Q
P是产生式的前提，用于指出该产生式是否是可用的条件，Q是一组结论或操作，用于指出前提P所指示的条件被满足时，应该得出的结论或应该执行的操作。
不确定性规则知识的产生式：
P→Q（可信度）或 IF P THEN Q（可信度）
P是产生式的前提，用于指出前提P所指示的条件被满足时，应得到的结论或应执行的操作，当已知事实与前提条件不能精确匹配时，只要“可信度”的需求达到一定的相似度，就认为已知事实与前提条件相匹配。
确定性事实性知识的产生式：
（对象，属性，值）或（关系，对象1，对象2）
不确定性事实性知识的产生式：
（对象，属性，值，可信度值）或（关系，对象1，对象2，可信度值）
2、产生式系统组成
产生式系统组成：一般由规则库、综合数据库和推理机组成。
规则库：
（1）用于描述某领域内的知识的产生式集合
（2）规则库中包含着将问题从初始状态转换成目标状态（或解状态）的那些变换规则
（3）规则库是专家系统的核心
（4）对产生式系统的性能和运行效率产生直接的影响
综合数据库：
（1）又称为事实库，用于存放输入的事实、从外部数据库输入的事实以及中间结果（事实）和最后结果的工作区
（2）当规则库中的某条产生式的前提可与综合数据库中某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放入综合数据库中，作为后面推理的已知事实。
（3）综合数据库的内容是不断变化的，是动态的。
推理机：
（1）推理机是一个或一组程序，用来控制和协调规则库与综合数据库的运行，包含了推理方式和控制策略。
（2）控制策略的作用就是确定选用什么规则或如何应用规则。
3、推理方式
正向推理：从已知事实出发，通过规则库求得结论，正向推理方式也称为数据驱动方式或自底向上的方式。
反向推理：从目标（假设）出发，反向使用规则，求得已知事实。反向推理方式也称为目标驱动方式或自顶向下方式。
双向推理：推理从两个方向同时进行，直至某个中间界面上两个方向结果相符便成功结束。双向推理相较于上面两种推理形成的推理网络更小，从而推理效率更高。
4、产生式表示法特点
清晰性：产生式表示格式固定、形式简单，规则间相互较为独立，使知识库建立较为容易，处理较为简单。
模块性：知识库与推理库是分离的，无需修改程序，对系统的推理路径也容易做出解释。
自然性：产生式表示法用的是“如果...，则...”的形式表达因果关系表示形式，直观自然，便于推理。
四、语义网络
语义网络：1968年Quillian博士在研究人类联想记忆时提出的一种心理学模型，认为记忆时由概念间的联系实现。
1、概念及结构
语义网络是通过概念和语义关系来表示知识的方法。用有向图，节点和带有标注的弧表示。其中有向图的各节点用来表示各种事物、概念、情况、属性、状态、事件和动作等，节点上的标注用来区分各节点所表示的不同对象。
每个节点可以有多个属性，来表征所代表的的对象的特性，节点也可以是一个语义子网络。
弧是有方向的、有标注，方向表示节点间主次关系且方向不能随意调换。标注用来表示各种语义连接，指明所连接节点间的语义关系。
2、语义网络的基本语义联系
类属关系：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，具有继承性。AKO（A-Kind-of）表示某一事物是另一事物的一种类型。AMO（A-Member-of）表示某一事物是另一事物的成员。ISA（Is-a）表示某一事物是另一事物的实例。
包含关系：表示部分与整体，不具有继承性。Part-of，Member-of表示一个事物是另一个事物的一部分。
属性关系：事物和其属性之间的关系，常用的属性关系：Have，表示某一节点具有另一个节点所描述的属性，Can表示某一节点能做另一节点的事
时间关系：不同事件在其发生时间方面的先后关系，不具有继承性。Before之前，After之后。
位置关系：不同事物在位置方面的关系，不具有继承性。Located-on，某一节点在另一节点之上。
相近关系：不同事物在形状、内容间相近。Similar-to，表示某一事物与另一事物相近，Near-to，某一事物与另一事物接近。
因果关系：某一事件的发生导致另一事件发生，If-then，如果那么。
组成关系：某一事物由另一些事物组成，Composed-of。
3、推理过程
继承推理：把对事物的描述从抽象节点传递到具体节点，通过继承可以得到所需节点的一些属性值，通常沿着ISA、AKO、AMO等继承弧进行。
匹配推理：语义网络问题的求解一般通过匹配来实现的，所谓匹配是在知识库的语义网络中寻找与待求问题相符的语义网络模式。
4、语义网络表示法特点
（1）结构性：语义网络把事物的属性以及事物间的各种语义联系显式的表现出来，是一种结构化的知识表示法
（2）联想性：着重强调事物间的语义联系，体现人类思维联想过程。
（3）自索引性：各节点之间联系明确、简洁，连接的弧容易找到相关信息而不用查找知识库。
（4）自然性：符合人们表达事物间关系的习惯。
（5）非严格性：没有公认的形式表示体系，不能保证推理结果正确性。
五、框架表示法
1、框架结构
框架：表示某一类情景的结构化的一种数据结构，由一堆槽组成，槽由一堆侧面组成。一个槽用于描述所讨论对象的某一方面的属性，一个侧面用于描述相应属性的一个方面，槽和侧面所对应的值为槽值和侧面值。
ISA槽：指出对象间的抽象概念上的类属关系，直观意义“是一个”，“是一种”，有继承性。
AKO槽：用于具体地指出对象间的类属关系，直观意义“是一种类型”，有继承性。
Instance槽：表示AKO槽的逆关系，有继承性。
Part-of槽：表示部分与全体的关系，不具有继承性。
2、推理方法
默认推理：在框架网络中，各框架通过ISA槽构成半序的继承关系。在填槽过程中，没有特别说明，子框架继承父框架对应槽值。
匹配：由框架所构成的知识库，利用它进行推理、形成概念和作出决策、判断时，根据已知信息，通过知识库中预先存储的框架进行匹配，找到预选框架后形成初步假设，并根据假设框架引导收集信息，根据评价原则对预选框架进行评价，以决定接受或放弃预选框架。
3、框架表示法特点
（1）继承性：下层框架继承上层框架的某些属性和值。
（2）结构化：可以把知识的内部结构和知识的联系表示出来。
（3）自然性：根据人类思维和理解来进行修改补充框架。
（4）推理灵活多变：对带求解问题灵活采取推理方法。
（5）不善于过程性知识：通常与产生式表示法结合使用。
六、脚本表示法
1、脚本的定义
人类的日常行为表示为一个叙事体，叙事体由若干语句组成，将语句中的行为用原语行为集表示，每一个原语包含动词意义概念。将各个原语间的相互依赖关系，和原语集中的概念表示出来就是脚本。
主要的11种原语:INCEST，PROPEL，CRASP，EXPEL，PTRANS，MOVE，ATRANS，MTRANS，MBUILD，SPEAK，ATTEND
脚本的推理方法一般是基于匹配的推理方法。
参考视频：【人工智能教程】2.1 - 知识表示概述_哔哩哔哩_bilibili
参考书籍：《人工智能原理》丁世飞
