《人工智能》知识表示与推理二.ppt

,主讲：夏幼明,《人工智能》示范课程,2,,① 知识表示概述 ② 命题逻辑的知识表示与推理 ③ 谓词逻辑的知识表示与推理 ④ 产生式系统知识表示与推理 ⑤ 语义网络知识表示与推理 ⑥ 框架知识表示与推理 ⑦ 脚本知识表示与推理 ⑧ 面向Agent的知识表示与推理,“知识表示与推理”核心内容,3,,① 产生式系统定义 ② 产生式系统的推理 ③ 产生式表示下的推理过程 ④ 产生式表示知识表示法的特点 ⑤ 产生式系统举例,产生式系统知识表示与推理,4,,产生式系统定义 1972年，纽厄尔和西蒙在研究人类的认知模型中开发了基于规则的产生式系统，目前，产生式表示法已经成了人工智能中应用最多的一种知识表示模式。可表示的知识种类：事实性、规则性知识以及它们的不确定度量。产生式表示法又称为产生式规则表示法。,产生式系统知识表示与推理,5,,产生式系统定义 产生式规则 它是指形如αβ或IFαTHENβ或其等价形式的一条规则，其中α称为产生式的左部或前件；β称为产生式的右部或后件。 ①如果α、β分别代表需要注释的一组条件及其成立时需要采取的行动，那么称为条件-行动型产生式； ②如果α、β分别代表前提及其相应的结论，那么称为前提-结论型产生式。,产生式系统知识表示与推理,6,,① 产生式系统定义 一个产生式系统由下列3部分组成： 一个总数据库(global database)，它含有与具体任务有关的信息。 一套规则，它对数据库进行操作运算。每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作。应用规则来改变数据库。 一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。,产生式系统知识表示与推理,7,,① 产生式系统定义 一个产生式系统由下列3部分组成： 综合数据库是产生式系统所用的主要数据结构，它主要用来表示问题的状态，即初始状态、中间状态和目标状态等，以及状态之间的关系。它不是固定不变的，在求解的过程中，它的内容将越来越多，状态之间的关系也越来越复杂。 规则的一般形式是： IF 条件 THEN 操作 ；即满足应用的先决条件后，就对数据库实行后面的操作。 控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作，什么条件下停止运行，它规定了问题的求解的搜索策略和路线。,产生式系统知识表示与推理,8,,② 产生式系统的推理 产生式是系统的单元程序，它与常规程序不同之处在于，产生式是否执行并不在事前硬性规定，各产生式之间也不能相互直接调用，而完全决定于该产生式的作用条件能否满足，即能否与全局数据库的数据条款匹配。 另一方面，产生式在执行之后工作环境即发生变化，因而必须对全局数据库的条款作相应修改，以反映新的环境条件。 全部工作是在控制程序作用下进行的。现代产生式系统的一个工作循环通常包含匹配、选优、行动三个阶段。,产生式系统知识表示与推理,9,,② 产生式系统的推理 推理方向：产生式系统的推理分为正向推理和逆向推理。 正向推理指的是从现有条件出发，自底向上地进行推理（条件的综合），直到预期目标实现。 逆向推理则从预期目标出发，自顶向下地进行推理（目标的分析），直到符合当前的条件。运用逆向推理时，后件而不是前件引导产生式的搜索工作，因此按推理方向可将产生式系统分为前件驱动和后件驱动两种类型。 条件－行动型产生式系统采用前件驱动的工作方式。 。,产生式系统知识表示与推理,10,,② 产生式系统的推理 推理方向：产生式系统的推理分为正向推理和逆向推理。 正向推理算法 步1 将初始事实/数据置入动态数据库； 步2 用动态数据库中的事实匹配目标条件，若目标条件满足，推理成功，结束。 步3 用规则库中各规则的前提匹配动态数据库中的事实，将匹配成功的规则组成待用规则集。 步4 若待用规则集为空，则运行失败，退出。 步5 将待用规则集中各规则的结论加入动态数据库，或者执行其动作，转步2。,产生式系统知识表示与推理,11,,② 产生式系统的推理 推理方向：产生式系统的推理分为正向推理和逆向推理。 反向推理算法 步1 将初始事实/数据置入动态数据库，将目标条件置入目标链； 步2 若目标链为空，则推理成功，结束。 步3 取出目标链中第一个目标，用动态数据库中的事实同其匹配，若匹配成功，转步2。 步4 用规则集中的各规则的结论同该目标匹配，若匹配成功，将第一个匹配成功且未用过的规则的前提作为新的目标，并取代原来的父目标加入目标链，转步3。 步5 若该目标是初始目标，则推理失败，退出。 步6 将该目标的父目标移回目标链，取代该目标及其兄弟目标，转步3。,产生式系统知识表示与推理,12,,③ 产生式系统的推理过程 给定一组事实之后可用匹配技术寻找可用产生式，其基本思想是将已知事实代入产生式的前件，若前件为真，则该产生式是可用的。 提高匹配效率的方法 索引匹配：为状态建立可用产生式索引表，减少可用产生式搜索范围。 分层匹配：将产生式分成若干层或组，按一定特征进行分层搜索。 过滤匹配：边匹配边 按某些附加特征或参数对可用产生式进行精选。,产生式系统知识表示与推理,13,,③ 产生式系统的推理过程 如果一组事实可以同时使几个产生式前提为真，常用以下方法进行选择（冲突消解策略）： 将所有产生式排序，选最早匹配成功的一个，不管其余的产生式； 在所有匹配成功的产生式中取最强的，即前提条件最多或情况元素最多者； 最近用过的产生式优先（或反之）； 给情况元素以不同的优先权； 使用估计函数f(x)排序； 利用上下文限制。,产生式系统知识表示与推理,14,,③ 产生式系统的推理过程 推理机一次运行过程,产生式系统知识表示与推理,15,,④ 产生式知识表示法的特点 产生式系统的优点是：①模块性，每一产生式可以相对独立地增加、删除和修改；②均匀性，每一产生式表示整体知识的一个片段，易于为用户或系统的其他部分理解；③自然性，能自然地表示直观知识。 它的缺点是执行效率低，此外每一条产生式都是一个独立的程序单元，一般相互之间不能直接调用也不彼此包含，控制不便，因而不宜用来求解理论性强的问题。,产生式系统知识表示与推理,16,,④ 产生式知识表示法的特点 清晰性：产生式表示格式固定，形式单一，规则（知识单位）间相互较为独立，没有直接关系，使知识库的建立较为容易，处理较为简单的问题是可取的。另外推理方式单纯，也没有复杂计算。 模块性：知识库与推理机是分离的，这种结构给知识的修改带来方便，无须修改程序，对系统的推理路径也容易作出解释。 自然性：直观自然，便于推理。既可表示确定性知识，也可表示不确定性知识。 实现：用visual prolog语言表示产生式规则，甚至不用写推理机程序。,产生式系统知识表示与推理,17,,④ 产生式知识表示法的特点 全局数据库的内容可以为所有规则所访问，没有任何部分是专为某一规则建立的，这种特性便于模仿智能行为中的强数据驱动。 规则本身不调用其他规则。规则之间的联系必须通过全部数据库联系。 全局数据库、规则和推理机之间相对独立，这种积木式结构便于整个系统增加和修改知识。,产生式系统知识表示与推理,18,,⑤ 产生式系统举例 r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物 其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P；“该动物是食肉动物”是产生式的结论Q。,产生式系统知识表示与推理,19,,⑤ 产生式系统举例 例：一条知识的原始形态是 R: ( (A  B) (C  D))  ((E  F)  G)=>S 引入中间结论S1，S2，形成一些小型的产生式: R1： A  B =>S1 R2： C  D =>S1 R3： E  F =>S2 R4： S1 G =>S R5: S1 S2 =>S,产生式系统知识表示与推理,20,,产生式系统举例 确定性规则知识的产生式表示：P→Q或 IF P THEN Q 不确定性规则知识的产生式表示：P→Q （可信度）或IF P THEN Q （可信度）。 r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物 其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提P；“该动物是食肉动物”是产生式的结论Q。,产生式系统知识表示与推理,21,,产生式系统举例 确定性事实知识的产生式表示（三元组） （对象，属性，值）或（关系，对象1，对象2） 例如：（雪，颜色，白色），（Li，AGE，40），(FRIENDS，Li，Zhang) 不确定性规则知识的产生式表示(四元组)： （对象，属性，值，可信度）或（关系，对象1，对象2，可信度） 例如：“老李年龄很可能是40岁（0.8）”，“老李和老张是朋友的可能性不大（0.1）”表示为 （Li，AGE，40，0.8） ，(FRIENDS，Li，Zhang，0.1),产生式系统知识表示与推理,22,,⑤ 产生式系统举例 与蕴涵式的主要区别： (1) 蕴涵式表示的知识只能是精确的，产生式表示的知识可以是不确定的。其原因是蕴涵式是一个逻辑表达式，其逻辑值只有真和假。 (2) 蕴含式的匹配一定要求是精确的，而产生式的匹配可以是不确定的。其原因是产生式的前提条件和结论都可以是不确定的，因此其匹配也可以是不确定的。,产生式系统知识表示与推理,23,,⑤ 产生式系统举例 与条件语句的主要区别： (1) 前件结构不同 ：产生式的前件可以是一个复杂的的结构，传统程序设计语言中的左部仅仅是一个布尔表达式。 (2) 控制流程不同：产生式系统中满足前提条件的规则被激活后，不一定被立即执行，能否执行将取决于冲突消解策略；传统程序设计语言中是严格地从一个条件语句向其下一个条件语句传递。,产生式系统知识表示与推理,24,,① 语义网络的概念 ② 语义网络中常用的语义联系 ③ 语义网络表示知识的方法 ④ 语义网络表示下的推理过程 ⑤ 语义网络表示法的特点,语义网络知识表示与推理,25,,语义网络的概念 语义网络(semantic network)是一种出现比较早的知识表达形式，在人工智能中得到了比较广泛的应用。语义网络最早是1968年奎廉(Quillian)在他的博士论文中作为人类联想记忆的一个显式心理学模型提出的。1972年，西蒙正式提出语义网络的概念，讨论了它和一阶谓词的关系，并将语义网络应用到了自然语言理解的研究中。 语义网络是一种采用网络形式表示人类知识的方法。,语义网络知识表示与推理,26,,语义网络的概念 一个语义网络是一个带标识的有向图。其中，带有标识的结点标识问题领域中的物体、概念、时间、动作或者态势。在语义网络知识表示中，结点一般划分为实例节点和类节点两种类型。结点之间带有标识的有向弧标识结点之间的语义联系，有向弧，即为边，表示这些概念间的语义关系，是语义网络组织知识的关键。 语义网络用来表达复杂的概念及其之间的相互关系，从而形成一个由节点和弧组成的语义网络描述图。,语义网络知识表示与推理,27,,② 语义网络中常用的语义联系 以个体为中心组织知识的语义联系    ISA联系的例子 （1）实体联系 　　用于表示类节点与所属实例节点之间的联系，通常标识为 ISA。例如，“张三是一名教师”可以表示为右图所示的语义网络。,语义网络知识表示与推理,28,,② 语义网络中常用的语义联系 （2）泛化联系    用于表示一种类节点与更抽象的类节点之间的联系，通常用AKO(a kind of)表示。 AKO联系的例子,语义网络知识表示与推理,29,,② 语义网络中常用的语义联系 （3）聚集联系    用于表示某一个个体与其组成成分之间的联系， 通常用part-of表示聚集联系基于概念的分解性，将高层概念分解为若干低层概念的集合。 聚集联系的例子,语义网络知识表示与推理,30,,② 语义网络中常用的语义联系 （4）属性联系    用于表示个体、属性及其取值之间的联系。通常用有向弧表示属性，用这些弧指向的结点表示各自的值。 属性联系的例子,语义网络知识表示与推理,31,,③ 语义网络表示知识的方法 相对于产生式规则主要用以描述因果知识，语义网络则能够用来表达更加复杂的概念及其之间的相互关系，形成一个由节点和弧组成的语义网络描述图。 对于表示关系的标签中有两个比较重要，其一是ISA关系，它表示A概念是B概念的一个实例，比如windows这个概念，我们这样表示：windows ISA Operate System，就能把它从一般的描述窗户的概念中区分出来，专指一种操作系统。,语义网络知识表示与推理,32,,③ 语义网络表示知识的方法 对于表示关系的标签中有两个比较重要，其二是AKO关系，它表示A概念是B概念的一个子类，人AKO动物，就表示人是动物中的一个子类。当然，在语义网络中还有其他的关系，比如have、located、can、need、study-in等等。 语义网络可以表示事实性知识，也可以表示事实性知识之间的联系。主要体现在下面几个方面：1、表示事实；2、表示有关事物间的联系；3、表示比较复杂的知识。,语义网络知识表示与推理,33,,③ 语义网络表示知识的方法 1) 用语义网络表示事实,语义网络知识表示与推理,34,,③ 语义网络表示知识的方法 1) 用语义网络表示事实,语义网络知识表示与推理,合取、析取关系语义网络示例,35,,③ 语义网络表示知识的方法 1) 用语义网络表示事实,语义网络知识表示与推理,动作作为节点的语义网络示例,36,,③ 语义网络表示知识的方法 1) 用语义网络表示事实,语义网络知识表示与推理,事件作为节点的语义网络示例,37,,③ 语义网络表示知识的方法 2) 用语义网络表示事实之间的关系,语义网络知识表示与推理,分类关系示例,38,,③ 语义网络表示知识的方法 2) 用语义网络表示事实之间的关系,语义网络知识表示与推理,聚集关系示例,39,,③ 语义网络表示知识的方法 2) 用语义网络表示事实之间的关系,语义网络知识表示与推理,推论关系示例,时间、位置关系示例,40,,③ 语义网络表示知识的方法 3) 常用的语义联系,语义网络知识表示与推理,41,,③ 语义网络表示知识的方法 4) 谓词联系： (变量取值)谓词的形为R(x1，x2，…，xn)，xi是谓词变元，取值为ai。如何转换为二元关系？ 增加一个谓词为： argi说明R与xi的关系，于是有： Arg1（R，x1），Arg2（R，x2），…，Argn（R，xn），用语义网络表示为：,语义网络知识表示与推理,42,,③ 语义网络表示知识的方法 5) 蕴含： 由“蕴含”结点说明分别由两条弧（ANTE、CONSE）指向的条件和结论结点之间的蕴含的关系。下例表示：如果车库起火，那么用CO2或沙来灭火 ：,语义网络知识表示与推理,43,,③ 语义网络表示知识的方法 6) 在语义网络中变元和量词的表示： 存在量词：通过用“is-a”弧表示各概念与具体特例关系，以此表示特例事实的存在。 A dog has bitten a postman：,语义网络知识表示与推理,44,,③ 语义网络表示知识的方法 6) 在语义网络中变元和量词的表示： 全称量词：通过分块技术，每个分块表示一个事实，成为FORM，增加G和GS结点，G是GS的成员，用is-a表示它们之间的联系。GS与分块之间是FORM关系，与要说明的概念之间是全称或存在的联系。 Every dog has bitten every postman,语义网络知识表示与推理,45,,③ 语义网络表示知识的方法 5) 语义网络系统中求解问题的基本过程 语义网络系统的组成 语义网络构成的知识库 用于求解问题的解释程序——语义网络推理机 求解问题的过程 根据待求解问题的要求构造一个网络片段，其中有些节点或弧的标识是空的，反映待求解的问题 依次网络片段到知识库中去寻找可匹配的网络，以找出需要的信息。主要解决不确定性匹配问题。 当问题的语义网络片段与知识库中的某语义网络片段匹配时，则与询问处匹配的事实就是问题的解。,语义网络知识表示与推理,46,,④ 语义网络表示下的推理过程 应用语义网络的主要推理方式是以关系弧作为索引，快速地在网络中搜索到所需的信息。支持搜索的最重要技术是层次分类和特性继承。 （1） 层次分类　　世界万物都遵从层次分类法则。 用前述关系弧Ako很容易建立起面向层次分类的语义网络。再通过关系弧Isa就可把个体事物关联到分布于层次分类网络中的各个概念节点（视类名为概念）。,语义网络知识表示与推理,47,,④ 语义网络表示下的推理过程 设置层次分类网络的显著优点是可以分别存储个体事物的共性，进而大幅度提高信息的存储效率。广义上，节点间关系弧指示事物的属性（特性）；可以把个体事物的公共属性值和典型属性值存放于个体事物所属的类或超类节点中，而个体事物节点本身只存放其特有的信息。,语义网络知识表示与推理,48,,④ 语义网络表示下的推理过程 （2） 特性继承 与建立层次分类网络紧密相关的是特性继承技术，可以说正是由于有特性继承技术的 支持，才使层次分类网络得以实用化。 特性继承原理可非形式地阐述如下：当取用不记载于个体事物节点的公共或典型特性值时，可以沿Isa和Ako关系弧（也称为链）追溯到存放这些特性值的类或超类节点。,语义网络知识表示与推理,49,,④ 语义网络表示下的推理过程 在语义网络知识表达方法中，没有形式语义，也就是说，和谓词逻辑不同，对所给定的表达结构表示什么语义没有统一的表示法。赋予网络结构的含义完全决定于管理这个网络的过程的特性。已经设计了很多种以网络为基础的系统，它们各自采用完全不同的推理过程。 语义网络中的推理过程主要有两种，一种是继承，另一种是匹配。,语义网络知识表示与推理,50,,④ 语义网络表示下的推理过程 继承 所谓的继承是把对事物的描述从概念节点或类节点传递到实例节点。 例如在图中BRICK是概念节点，BRICK12是一个实例节点。BRICK节点在SHAPE（外形）边，其中填入了RECTANGULAR（矩形），说明砖块的外形是矩形的。这个描述可以通过ISA链传递给实例节点BRICK12。因此，虽然BRICK12节点没有SHAPE边，但可以从这个语义网络推理出BRICK12的外形是矩形的。,语义网络知识表示与推理,51,,④ 语义网络表示下的推理过程 继承 所谓的继承是把对事物的描述从概念节点或类节点传递到实例节点。,语义网络知识表示与推理,52,,④ 语义网络表示下的推理过程 继承 这种推理过程，类似于人的思维过程。一旦知道了某种事物的身份以后，可以联想起很多关于这件事物的一般描述。 例如，我们通常认为鲸鱼很大，鸟比较小，城堡很古老，运动员很健壮。 这就像我们用每种事物的典型情况来描述各种事物那样：鲸鱼、鸟、城堡和运动员。   一共有3种继承过程：值继承、“如果需要”继承和“默认”继承。,语义网络知识表示与推理,53,,④ 语义网络表示下的推理过程 继承 （1）值继承   除了ISA链以外，另外还有一种AKO（是某种）链也可被用于语义网络中的描述或特性的继承。AKO是A－KIND－OF的缩写。   ISA和AKO链直接地表示类的成员关系以及子类和类之间的关系，提供了一种把知识从某一层传递到另一层的途径。   为了能利用语义网络的继承特性进行推理，还需要一个搜索程序用来在合适的节点寻找合适的边。,语义网络知识表示与推理,54,,④ 语义网络表示下的推理过程 继承 值继承程序   设F是给定的节点。S是给定的边。   ①建立一个由F以及所有和F以ISA链相连的类节点的表。在表中F节点排在第一个位置。   ②检查表中第一个元素的S边是否有值，直到表为空或找到一个值。   (a)如果表中第一个元素在S边中有值，就认为找到了一个值。   (b)否则，从表中删除第一个元素，并把以AKO链与此第一个元素相连的节点，加入到这个表的末尾。   (c)如果找到了一个值，那么就说这个值是F节点的S边的值；否则就宣布失败。  因为在上述算法中，新的类节点是放在节点表的末尾，所以这样的值继承过程所进行的是宽度优先搜索。又因为在一个边中可能有不止一个值，所以可能发现一个以上的值。这时，所有发现的值都要记录。,语义网络知识表示与推理,55,,④ 语义网络表示下的推理过程 继承 （2）“如果需要”继承   在某些情况下，当我们不知道边值时，可以利用已知信息来计算。例如，我们可以根据体积和物质的密度来计算积木的重量。进行上述计算的程序称为if-needed（如果需要）程序。   为了储存进行上述计算的程序，我们需要改进节点-边-值的结构，允许边有几种类型的值，而不只是一个类型。为此，每个边又可以有若干个侧面，以储存这些不同类型的值。这样，以前我们讨论的原始意义上的值就放在“值侧面”中，if-needed程序，存放在IF-NEEDED侧面中。,语义网络知识表示与推理,56,,④ 语义网络表示下的推理过程 继承 （2）“如果需要”继承   “如果需要”（if－need）继承程序   设F是给定的节点，S是给定的边。   ①建立一个由F以及所有和F以ISA链相连的类节点的表。在此表中，F节点排在第一个位置。 ②检查表中第一个元素的S边的IF-NEEDED侧面中是否存有一个过程，直到表为空或找到一个成功的if-needed过程为止。,语义网络知识表示与推理,57,,④ 语义网络表示下的推理过程 继承 （2）“如果需要”继承   “如果需要”（if－need）继承程序   设F是给定的节点，S是给定的边。   (a)如果侧面中存有一个过程，并且如果这个过程产生一个值，那么，就认为已找到一个值。 (b)否则，从表中删除这第一个元素，并把以AKO链和此第一个元素相连的节点，加入到这个表的末尾。   ③如果一个过程找到一个值，那么就说所找到的值是F节点的边值；否则，宣布失败。,语义网络知识表示与推理,58,,④ 语义网络表示下的推理过程 继承 （3）“缺省”继承  某些情况下，我们对事物所作的假设不是十分有把握时，最好对所作的假设加上“可能”这样的字眼。例如，我们可以认为法官可能是诚实的，但不一定是；或认为宝石可能是很昂贵的，但不一定是。我们把这种具有相当程度的真实性，但又不能十分肯定的值称为“缺省”值。这种类型的值被放入边的DEFAULT（缺省）侧面中。,语义网络知识表示与推理,59,,④ 语义网络表示下的推理过程 继承 （3）“缺省”继承  缺省(Default)继承程序：设F是给定的节点。S是给定的边。   ①建立一个由F以及所有和F以ISA链相连的类节点表。表中，F节点排在第一个位置。 ②检查表中第一个元素的S边的DEFAULT侧面中是否有值，直到表为空或找到一个 缺省值为止。    (a)如果表中第一个元素的S边的DEFAULT侧面中有值，就认为已找到了一个值。    (b)否则，从表中删除第一个元素，并把以AKO链和此第一个元素相连的节点加入到这个表的末尾。    (c)如果找到了一个值，那么就说所找到的值是F节点的S边的缺省值。,语义网络知识表示与推理,60,,⑤ 语义网络表示法的特点 （1）能把实体的结构、属性与实体间的因果关系显式地和简明地表达出来，与实体相关的事实、特征和关系可以通过相应的节点弧线推导出来。这样便以联想方式实现对系统的解释。 （2）由于与概念相关的属性和联系被组织在一个相应的节点中，因而使概念易于受访和学习。 （3）知识的表现问题更加直观，更易于理解，适于知识工程师与领域专家沟通。语义网络中的继承方式也符合人类的思维习惯。,语义网络知识表示与推理,61,,⑤ 语义网络表示法的特点 （4）语义网络结构的语义解释依赖于该结构的推理过程而没有结构的约定，因而得到的推理不能保证像谓词逻辑法那样有效。 （5）节点间的联系可能是线状、树状或网状的，甚至是递归状的结构，使相应的知识存储和检索可能需要比较复杂的过程。,语义网络知识表示与推理,62,,① 框架的定义及组成 ② 用框架的表示知识 ③ 框架系统举例 ④ 框架表示下的推理过程 框架表示法的特点 产生式—框架的知识表示法,框架知识表示与推理,63,,① 框架的定义及组成 框架表示法是一种关于事物内部结构化描述的表示法，最早由明斯基于1975年提出，作为理解视觉、自然语言和其它复杂行为的一种基础，现已发展为广泛应用的知识表示方法。框架表示法可以较好地反映人观察事物的思维方式，即人对自己熟悉的事物早在头脑中形成了抽象模型。,框架知识表示与推理,64,,① 框架的定义及组成 框架通常由描述事物各个方面的槽（slot）组成，每个槽有多个侧面（aspect）侧面又可有多个值，其中槽值和侧面值可以是数值、字符串、布尔值，也可以是一个动作或过程，甚至还可以是另一个框架的名字。用BNF定义框架的形式化表示如下： := (Frame {；}) := ( {：{}) 框架内部结构的丰富程度取决于事物描述本身的需要。一般来讲，表示概念（例如类概念）的框架结构复杂，而表示个体事物的框架就很简单。,框架知识表示与推理,65,,① 框架的定义及组成 事物的抽象模型可以通过表示概念的框架来加以定义。由于每个事物有多个属性（特性），而每个属性又需从多个侧面加以描述，所以表示概念的框架往往有复杂的表示结构。,框架知识表示与推理,66,,② 用框架的表示知识 应用领域问题的求解往往涉及到相互关联的许多框架，这些框架联合起来构成 框架系统。 框架的某些槽的侧面值可以是其它框架，从而能建立起节点是框架的网络。较常用的框架系统有以下二类：事物组成和分类体系。,框架知识表示与推理,67,,② 用框架的表示知识 (1) 事物组成 这类框架系统主要用于描述复杂事物的层次组成。 事物的组成是广泛存在的概念，例如人体就由头部、躯干和四肢组成，也可视为由皮、肉、骨、血等构成，餐馆则由餐厅、餐桌、服务员等组成；一个复杂的机械设备也可层次地分解为组件和部件。每个部件和组件以及整个设备均可用一个框架加以描述；另外关于设备和组件的概念中，还可表示组件间的约束和配合关系。,框架知识表示与推理,68,,② 用框架的表示知识 (2) 层次分类体系 和语义网络类似，应用框架系统也能描述事物的层次分类体系。而且，由于框架可以具有丰富的内部结构，能更有效地表示分类体系和支持结构化信息存取。例如，对于海上运输，为保证航运安全和货物完好无损，需对货物进行分类存储和处理。以框架系统来建立的分类体系，可以有效地支持海运专家系统的信息存取和推理工作。,框架知识表示与推理,69,,② 用框架的表示知识 (2) 层次分类体系 和语义网络类似，应用框架系统也能描述事物的层次分类体系。而且，由于框架可以具有丰富的内部结构，能更有效地表示分类体系和支持结构化信息存取。例如，对于海上运输，为保证航运安全和货物完好无损，需对货物进行分类存储和处理。以框架系统来建立的分类体系，可以有效地支持海运专家系统的信息存取和推理工作。,框架知识表示与推理,70,,② 用框架的表示知识 由框架的形式可以看出，框架适合表达结构性的知识。所以，概念、对象等知识最适于用框架表示。 框架的槽就是对象的属性或状态，槽值就是属性值或状态值。不仅如此，框架还可以表示行为（动作），所以，有些过程性事件或情节也可用框架网络来表示。,框架知识表示与推理,71,,③ 框架系统举例 关于房间的框架 框架名： 墙数x1：    缺省：x1=4    条件：x1＞0 窗数x2：    缺省：x2=2    条件：x2≥0 门数x3：    缺省：x3=1    条件：x3＞0 前墙：（墙框架（w1，d1）） 后墙：（墙框架（w2，d2））,左墙：（墙框架（w3，d3）） 右墙：（墙框架（w4，d4）） 天花板： 地板： 门： 窗： 条件：w1+w2+w3+w4=x2      d1+d2+d3+d4=x3 类型：（，，，，，，...）,框架知识表示与推理,72,,③ 框架系统举例 机器人纠纷问题的框架,框架知识表示与推理,73,,③ 框架系统举例 一个描述“教师”的框架： 框架名：  类属： 工作：范围：（教学，科研）       缺省：教学 性别：（男，女） 学历：（中师，高师） 类型：（，，） 其中， 、 、、,框架知识表示与推理,74,,③ 框架系统举例 一个描述“大学教师”的框架： 框架名： 类属： 学历：(学士，硕士，博士) 专业： 职称：(助教，讲师，副教授，教授) 外语：语种：范围：（英，法，日，俄，德，…）            缺省：英 水平：（优，良，中，差） 缺省：良,框架知识表示与推理,75,,③ 框架系统举例 描述一个具体教师的框架： 框架名： 类属： 姓名：李明 性别：男 年龄：25 职业：教师 职称：助教 专业：计算机应用 部门：计算机系软件教研室 工作：参加工作时间：1995年8月 工龄：当前年份-参加工作年份 工资：,框架知识表示与推理,76,,③ 框架系统举例 框架之间的关系 由于一个框架的槽值还可以是另一个框架的名，这就把有关框架横向联系了起来。而框架间的“父子”关系是框架间的一种纵向联系。于是，某一论域的全体框架便构成一个框架网络或框架系统。另外，我们还可看到框架的槽值一般是属性值或状态值，但也可以是规则或逻辑式、运算式甚至过程调用等。,框架知识表示与推理,77,,③ 框架系统举例 框架之间的关系 两个框架之间存在一种层次关系。一般称前者为上位框架（或父框架），后者为下位框架（或子框架）。 框架之间的这种层次关系对减少信息冗余有重要意义。因为上位框架与下位框架所表示的事物，在逻辑上为种属关系，即一般与特殊的关系。这样几上位框架所具有的属性，下位框架也一定具有。于是，下位框架就可以从上位框架那里“继承”某些槽值或侧面值。所以，“特性继承”也就是框架这种知识表示方法的一个重要特征。,框架知识表示与推理,78,,④ 框架表示下的推理过程 (1) 特性继承 由于框架的槽包含多个侧面，框架系统可以提供特性继承技术。在典型情况下特性继承可由描述事物类（概念）的框架中设置的三个侧面：Value、If-Needed和If-Added所提供的缺省推理功能来组合实现。这三个侧面的作用如下： Value--记载类的个体相应属性的公共值或典型值，作为缺省值； If-Needed--在不可能提供统一缺省值的情况下，提供计算函数或推理知识去产生相应属性的一个值，简称执行了If-Needed操作； If-Added--当给类的某个体的一个属性赋值或修改时，提供计算函数或推理知识去作必要的后继处理，包括对其它相关槽的赋值和修改处理，以及任何需要的附加处理；简称执行了If-Added操作。,框架知识表示与推理,79,,④ 框架表示下的推理过程 (1) 特性继承 特性继承的实现过程由对个体框架槽的操作来激活。 若查询一个体的某属性，且描述该个体的框架未提供属性值（槽值）时，就沿Isa和Ako链（Isa和Ako槽）追溯到具有同名槽（属性）的类或超类框架。在该槽提供Value侧面值的情况下，就继承该值（缺省值）作为查询结果返回；否则，该槽应提供If-Needed侧面供继承，可执行If-Needed操作去产生一个值作为查询结果。 若对一个体的某属性进行了赋值或修改工作，则系统自动沿Isa和Ako链追溯相应的类和超类，只要发现类或超类框架中的同名槽具有If-Added侧面，就可执行If-Added操作，作拟定的后继处理工作。,框架知识表示与推理,80,,④ 框架表示下的推理过程 (1) 特性继承 If-Needed操作和If-Added操作的区别在于它们激活的时机和操作目的不同。前者在系统试图查询个体框架中未记载的属性值时激活，并应查询需要，被动地即时产生所需属性值；后者则在系统对个体框架的属性作赋值和修改工作后激活，目的在于通过后继处理主动做好配套操作和消除可能的不良影响（如不一致问题）。,框架知识表示与推理,81,,④ 框架表示下的推理过程 (1) 特性继承 匹配就是问题框架同知识库中的框架的模式匹配。 所谓问题框架，就是要求解某个问题时，先把问题用一个框架表示出来，然后与知识库中的已有框架进行匹配。如果匹配成功，就可获得有关信息。 搜索就是沿着框架间的纵向和横向联系，在框架网络中进行查找。搜索的目的是为了获得有关信息。例如，当问题框架同某一框架匹配时，该框架的某一个槽空缺，那么，就可以再找它的父框架，通过特性继承获得所需信息。,框架知识表示与推理,82,,④ 框架表示下的推理过程 (1) 特性继承 例如，当我们需通过知识库，获得教师-1的外语水平情况，假如他的有关档案资料已以框架形式存入知识库。那么，我们可以构造如下的框架同知识库中的教师框架匹配： 框架名： 姓名：李明 性别：男 年龄：25 职称：助教 专业：计算机应用 部门：计算机系软件教研室 外语水平：,原框架“教师-1”中无“外语水平”槽，但它的父框架是“大学教师”，该框架的有“外语水平”槽，并且侧面“语种”（“范围”）缺省值是“英”，侧面“水平”的缺省值是“良”。于是通过继承，便知道了教师-1懂英语，且水平还良好。那么，这两个值也就可以填到教师-l的槽中。,框架知识表示与推理,83,,④ 框架表示下的推理过程 (2) 相容匹配 匹配是实现推理技术的重要环节，无论是规则演绎推理、或是产生式系统的推理，都涉及到对应表达式的匹配检查。框架系统可以给采用这些推理技术的问题求解系统提供需参照的结构化事实；特别是，可以就把框架系统作为结构化的综合数据库。 由于框架系统支持层次分类体系和特性继承，两个框架的匹配检查往往非严格意义上的相等比较，而是所谓的相容匹配。相容匹配的方法如下：,框架知识表示与推理,84,,④ 框架表示下的推理过程 (2) 相容匹配 检查这二个框架是否存在祖先-子孙关系，即若从一个框架出发，经由Isa和Ako链可以追溯到另一框架，则认为两者是相容匹配的。 分别将这二个框架各自直接记载的属性值和可继承到的缺省值都取到，把属性区分为关键和非关键二类，只有关键属性都匹配的二个框架才是相容的。 若一个框架能搜索到多个相容的框架，则可进一步依据非关键属性的匹配程度（个数）挑选出最相容的匹配框架。,框架知识表示与推理,85,,④ 框架表示下的推理过程 关于框架的推理方法，实际仅适于装载着概念和实体对象的框架，而对于装载着规则的框架，其推理就要用基于规则的演绎推理方法。,框架知识表示与推理,86,,⑤ 框架表示法的特点 1、结构性 框架表示法最突出的特点是它善于表达结构性的知识，能够把知识的内容结构关系及知识间的联系表示出来，因此它是一种经组织起来的结构化的知识表示方法。这一特点是产生式表示所不具备的，产生式系统中的知识单位是产生式规则，这种知识单位由于太小而难于处理复杂问题，也不能把知识间的结构关系显式地表示出来。框架表示法的知识单位是框架，而框架是由槽组成，槽又可分为若干侧面，这样就可把知识的内部结构显式地表示出来。,框架知识表示与推理,87,,⑤ 框架表示法的特点 2、继承性 框架表示法通过使槽值为另一个框架的名字实现框架间的联系，建立起表示复杂知识的框架网络。在框架网络中，下层框架可以继承上层框架的槽值，也可以进行补充和修改，这样不仅减少了知识的冗余，而且较好地保证了知识的一致性。 3、自然性 框架表示法体现了人们在观察事物时的思维活动，当遇到新事物时，通过从记忆中调用类似事物的框架，并将其中某些细节进行修改、补充，就形成了对新事物的认识，这与人们的认识活动是一致的。,