知识表示方法

2.1　知识表示方法

在人工智能中，知识表示就是要把问题求解中所需要的对象、前提条件、算法等知识构造为计算机可处理的数据结构以及解释这种结构的某些过程。这种数据结构与解释过程的结合，将导致智能的行为。智能活动主要是一个获得并应用知识的过程，而知识必须有适当的表示方法才便于在计算机中有效地存储、检索、使用和修改。

在人工智能领域里已经发展了许多种知识表示方法，常用的有:产生式规则、谓词逻辑、语义网络和框架。从其表示特性来考察可归纳为两类:说明型(declarative)表示和过程型(procedural)表示。

1.说明型表示

说明型表示中，知识是一些已知的客观事实，实现知识表示时，把与事实相关的知识与利用这些知识的过程明确区分开来，并重点表示与事实相关的知识。例如，谓词逻辑，将知识表示成一个静态的事实集合，这些事实是关于专业领域的元素或实体的知识，如问题的概念及定义，系统的状态、环境和条件。它们具有很有限的如何使用知识的动态信息。这种方法的优点是:具有透明性，知识以显示的准确的方法存储，容易修改;实现有效存储，每个事实只存储一次，可以不同方法使用多次;具有灵活性，这是指知识表示方法可以独立于推理方法;这种表示允许显式的、直接的、类似于数学方式的推理。

2.过程型表示

过程型表示中，知识是客观存在的一些规律和方法，实现知识表示时，对事实型知识和利用这些知识的方法不作区分，使二者融为一体，例如产生式规则方法。该类方法常用于表示关于系统状态变化、问题求解过程的操作、演算和行为的知识。这种方法的好处是:能自然地表达如何处理问题的过程;易于表达不适合用说明型方法表达的知识，例如有关缺省推理和概率推理的知识;容易表达有效处理问题的启发式知识;知识与控制相结合，使得知识的相互作用性较好。

目前普遍接受的观点是，在大多数领域中既需要状态方面的知识(如有关事物、事件的事实，它们之间的关系，以及周围事物的状态)，也需要知道如何应用这些知识。所以实际上，大多数知识系统综合运用两类知识表示方法。

一个好的知识表示方法应满足以下几点要求:

●具有良好定义的语法和语义;

●有充分的表达能力，能清晰地表达有关领域的各种知识;

●便于有效地推理和检索，具有较强的问题求解能力，适合于应用问题的要求，提高推理和检索的效率;

●便于知识共享和知识获取;

●容易管理，易于维护知识库的完整性和一致性。