2023-12-26发表2023-12-27更新期末考试19 分钟读完 (大约2842个字)

知识表示与处理期末考试复习

题型

十个大题

什么是知识？知识的基本特征？一个好的知识表示方法？

什么是知识：知识是对信息的提炼和推理得到的正确结论，是人对自然世界、人类社会及思维方式和运动规律的认识与掌握，是人的大脑通过思维重新组合和系统化的信息集合。
知识的基本特征：➊相对正确性，任何知识都是在一定的条件及环境下产生的，在这种条件及环境下才是正确的。例如在二进制中1+1=10而在十进制中1+1=2。➋不确定性，包括随机性引起的不确定性(头痛且流鼻涕不等于感冒，这只是其中的一种可能而已)；模糊性引起的不确定性(张三长得高究竟是多高)；经验引起的不确定性；不完全性引起的不确定性等等。➌可表示性与可利用性。知识的可表示性指用适当的形式表示知识(如语言文字图像视频神经网络等)；知识的可利用性指知识可以被利用(根据作用范围可以被利用，可分为常识性知识和领域性知识)。
一个好的知识表示方法：➊适用于计算机处理并且尽可能广泛地表示知识的范围。➋知识的表示方法应该自然灵活，能对知识和元知识采用统一的形式化表示方式，并且能够在同一层次及不同层次上实现模块化。➌知识表示方法应利于加入启发信息，具有高效的求解算法并适合推理。

知识处理的基本流程

知识处理是实现人工智能的核心，包括知识抽取、知识表示、知识存储、知识融合、知识推理、知识可视化、知识应用、知识更新等环节
➊ 知识抽取即从不同来源、不同结构的数据中进行知识提取，提取出实体、属性及实体间的相互关系，并在此基础上形成本土化的知识表达，以便存入知识库中。知识抽取的子任务包括命名实体识别、术语抽取、关系抽取、事件抽取、公指消解等。
➋ 知识表示是研究用机器表示知识的可行性、有效性的一般方法，以便于把人类知识表示称机器能处理的数据结构。
➌ 知识存储，即将获得的三元组和schema等知识结构存储在计算机中。
❹ 知识融合即合并两个或多个知识图谱，核心问题是研究怎样将多个来源的关于同一个实体或概念的描述信息融合统一起来。知识融合的实现具体包括实体链接和知识合并两个部分。
❺ 知识推理就是通过各种方法获取新的满足语义关系的知识或结论。具体任务包括对可满足性、分类、实例化等的推理。
❻ 知识可视化是指用来构建、传达和表示复杂知识的图形图像方法。
❼ 知识应用已广泛出现在智能搜索、智能问答、个性化推荐、内容分发、决策支持等众多领域。
❽ 知识更新包括概念层的更新和数据层的更新。概念层的更新指新增数据后获得了新的概念，需要自动将新的概念添加到知识库的概念层中。数据层的更新主要指新增或更新实体、关系、属性值。

知识与人工智能的关系

知识表示是人工智能的重要领域，人工智能的核心是研究如何用计算机易于处理的方法表示各种各样的知识，并对知识进行自动化的推理和应用，以便更好地发挥知识的作用与价值。因此需要研究人类智能在计算机上的表达方式，这样才能更好地实现人工智能。
知识是人工智能的基石。知识使人类不断地进步，不短的凝练、传承知识，是推动人类不断进步的重要基础。知识对于人工智能的价值在于让机器具备了认知能力。
知识是智能的基础，知识表示使机器可以理解、获得并利用知识，从而促进了人工智能的发展与完善。有了知识的人工智能会变得更强大，可以做更多的事情。而更强大的人工智能也可以帮助人类更好地从客观世界挖掘、获取和沉淀知识，这些知识和人工智能系统形成正循环，两者共同进步。

逻辑联结词命题符号化和谓词逻辑命题逻辑化

每个人都只有唯一的母亲

$P(x)$：$x$是一个人。
$M(x, y)$：$x$是$y$的母亲。

命题可以符号化为：

$\forall x , \exists ! y , (P(x) \rightarrow M(y, x))$

自然数不是奇数就是偶数

让我们使用以下符号来表示给定的命题：

$N(x)$：$x$是自然数。
$O(x)$：$x$是奇数。
$E(x)$：$x$是偶数。

命题可以符号化为：

$\forall x , (N(x) \rightarrow (O(x) \lor E(x)))$

根据真值表判断哪些式子永真永假和可满足的

$P\wedge Q$ 一假则假
$P\vee Q$ 一真则真
P->Q P为假则真仅P真Q假的时候为假，其他时候为真
P<->Q P与Q真假相同的时候为真，其他时候为假

对于$\left (P\to Q \right ) \vee \left ( R\to Q \right ) $，可以分别先列出$P\to Q$ 和$R\to Q$的真值，然后再判断整个命题公式的真值会更简单。

主析取范式证明等价式

➊ 消去箭头
➋ 内移否定符号
➌ 化为若干析取式的合取的形式
❹ 利用公式$\left ( A\vee P \right ) \wedge \left ( A\vee \neg P \right ) \Leftrightarrow A$补充缺少的命题单元
❺ 主合取范式相等，所以这两个式子是相等的

前束范式

专家系统的特征、专家系统的基本组成

知识库（Knowledge Base，KB）：
▪ 知识库是专家系统中存储和管理领域知识的核心组成部分。它包含了领域专家的知识，以规则、事实、规范、案例等形式存储。这些知识用于问题求解和决策。
推理引擎（Inference Engine）：
▪ 推理引擎是专家系统的执行部分，负责根据知识库中的信息进行推理和决策。它使用推理机制来推断、推导和生成结论，以解决问题或回答用户的查询。推理引擎根据规则、推理策略和用户输入来操纵知识库中的知识。
用户接口（User Interface）：
▪ 用户接口是专家系统与用户交互的方式，通常包括文本界面、图形界面或自然语言接口。它允许用户提供问题描述、查询和接收系统生成的解决方案或答案。用户接口可以是专家系统与外部环境之间的桥梁。
解释器（Explanation System）：
▪ 解释器是专家系统的一个重要组件，它能够解释和解释系统的工作原理、推理过程和决策依据。这对于用户理解系统的输出和决策是非常有帮助的。
知识工程工具（Knowledge Engineering Tools）：
▪ 知识工程工具用于帮助专家系统的知识工程师（knowledge engineer）捕获、建模、组织和维护领域专家的知识。这些工具包括知识表示语言、规则编辑器、知识库管理系统等。
知识库编辑器和维护工具（Knowledge Base Editor and Maintenance Tools）：
▪ 这些工具用于创建、编辑和维护专家系统的知识库内容，以确保知识的实时性和准确性。

语义网络片段表示法

匹配与冲突消解

匹配的概念：匹配是用已知数据与知识库种所有知识进行逐一比较的过程。
推理过程中，系统要不断地用当前已知的事实与知识库中的知识进行匹配。匹配的结果有三种情况：
➊ 已知事实不能与知识库中的任何知识成功匹配
➋ 已知事实恰好只与知识库中的一个知识成功匹配
➌ 已知事实可与知识库中的多个知识成功匹配；或者有多个已知事实都可与知识库中的某一个知识成功匹配；或者有多个已知事实可与知识库中

什么情况需要进行冲突消解策略：

➊ 当第一种情况发生时，由于找不到可与当前已知事实成功匹配的知识，因此推理无法继续进行下去，这或者是由于知识库种缺少某些必要的知识，或者是由于欲求解的问题超出了系统的功能范围等，此时根据当时的实际情况做相应的处理。
➋ 第二种情况，由于匹配的知识只有一个，因为它就是可用的知识，可直接把它用于当前的推理。
➌ 当不仅有知识匹配成功且有多个知识匹配成功，称这种情况为发生了冲突，此时需要按一定的策略解决冲突。