|
●逻语义网络是知识的一种图解表示，它由节点和弧线或链线组成。节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。本节分为： 2.7.0 语义网络的组成和特点 2.7.1二元语义网络的表示 2.7.2 多元语义网络的表示 2.7.3 连接词和量化的表示 2.7.4 语义网络的推理过程 工具:☆ Prolog Z 1.0☆ Amzi! Prolog 6.1☆ Prolog 2.0☆ Visual Prolog 5.2 ☆Clips 6.0☆Lisp works 4.1☆ 写字版☆ 绘图板☆ DOS状态 2.7.0语义网络的组成和特点↓ ●语义网络表示由下列4个相关部分组成： （1）词法部分 决定表示词汇表中允许有哪些符号，它涉及各个节点和弧线。 （2）结构部分 叙述符号排列的约束条件，指定各弧线连接的节点对。 （3）过程部分 说明访问过程，这些过程能用来建立和修正描述，以及回答相关问题。 （4）语义部分 确定与描述相关的（联想）意义的方法即确定有关节点的排列及其占有物和对应弧线。 图2.16 苹果的语义网络 语义网络具有下列特点： （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）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。 （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。 2.7.1二元语义网络的表示↑ ↓ 首先让我们用语义网络来表示一些简单的事实。例如，所有的燕子（swallow）都是鸟 （bird）。建立两个节点，SWALLOW和 BIRD，分别表示燕子和鸟。两节点以“是一个”（ISA）链相连，如图2.17(a)所示。再如，我们希望表示小燕（xiaoyan）是一只燕子。那么，只需要在语义网络上增加一个节点（XIAOYAN）和一根ISA链，如图图2.17(b)所示。除了按分类学对物体进行分类以外，人们通常需要表示有关物体性质的知识。例如，要用语义网络表示鸟有翘膀的事实，我们可按图2.17(c)来建立语义网络。 假设我们希望表示小燕有一个巢（nest）这个事实，那以，可用所有权链OWNS连到表示是小燕的巢的节点巢-1（NEST－1），如图2.18所示。巢-1是巢中的一个，即 NEST节点表示物体的种类，而NEST－1表示这种物体中的一个例子。如果我们希望把小燕从春天到秋天占有一个巢的信息加到语义网络中去，但是现有的语义网络不能实现这一点。因为占有关系在语义网络中表示为一根链，它只能表示二元关系。如果用谓词运算来表示所讨论的例子，则要用一个四元的谓词演算。现在所需要的是一个和这样的四元谓词演算等价的，能够表示占有关系的起始时间、终止时间、占有者和所有物的语义网络。 图2.17 语义网络示例一 图2.18 语义网络示例二 由西蒙斯（Simmons）和斯洛克姆 （Slocum）提出来的方法允许节点既可以表示一个物体或一组物体，也可以表示情况和动作。每一情况节点可以有一组向外的弧（事例弧），称为事例框，用以说明与该事例有关的各种变量。例如，应用具有事例弧的情况节点表示 “小燕从春天到秋天占有一个巢”这个事实的语义网络就如图2.18(b)所示。图中设立了“占有权-1”（OWN-1）节点，表示小燕有自己的巢。当然，小燕还可以有其它东西。所以，占有权-1只是占有权（ownership）的一个实例。而占有权又只是一种特定的“情况”（situation）。小燕是占有权-1的一个特定的“物主”（owner），而巢-1是占有权-1的一个特定的“占有物”（ownee）。小燕占有“占有权-1”的时间从春天（spring）到秋天（fall）”,“春天”和“秋天”又被定为“时间”（time）的实例。 在选择节点时，首先要弄清节点是用于表示基本的物体或概念的，或是用于多种目的的。否则，如果语义网络只被用来表示一个特定的物体或概念用那么当有更多的实例时就需要更多的语义网络。这样就使问题复杂化。例如，如果把“我的汽车是棕黄色的”这一事实表示为一个如图2.19(a)所示的语义网络。那么如果要表示“李华的汽车是绿色的”这一事实，就需要另外建立一个网络。如果，我们把汽车作为一个通用的概念，而把我的汽车作为汽车的一个实例，并表示我的汽车是棕黄色的。这时，语义网络就如图2.19(b)所 示。如果要进一步表示“李华的汽车是绿色的”，只需扩展这个网络即可。如果要表示更多的汽车颜色，可以进一步扩展这个网络，这样做的优点是当寻找有关汽车的信息时,全讯网2，只要首先找到汽车这个节点就可以了。在图2.19中，象CAR这样的节点被称为概念节点；象MYCAR这样的节点被称为实例节点。 图2.19 概念节点与实例节点 通常把有关一个物体或概念，或一组有关的物体或概念的知识用一个语义网络表示出来。不然的话，会造成过多的网络，使问题复杂化。与此相关的是寻找基本概念和某些基本弧的问题。这被称之为“选择语义基元”问题。选择语义基元就是试图用一组基元来表示知识。这些基元描述基本知识，并以图解表示的形式相互联系。用这种方式，我们可以用简单的知识来表达更复杂的知识。例如，我们希望定义一个语义网络来表示椅子的概念。为说明这个牌 子是我的，我们迎上“我的椅子”（MYCNAIR）节点。为进一步说明我的椅子是咖啡色的，增加一个“咖啡色”（BROWN）节点，并且用“颜色”（COLOR）链与我的椅子节点相连。为说明我的椅子是皮面的，引入了“皮革”（LEATHER）节点，并和“包套”（COVERING）链相连。要说明椅子是一种家具，则引入“家具”（FURNITURE）节点；要说明椅子是座位的一部分，加入“座位”（SEAT）节点。为表示椅子所有者的身份，设立了X节点，并以“所有者”（OWNER）链相连。然后，用“个人”（PERSON）节点表示椅子所有者的身份。这样建立的关于椅子的语义网络就如图2.20所示。 图2.20 椅子的语义网络 2.7.2 多元语义网络的表示↑ ↓ 语义网络是一种网络结构。节点之间以链相连。从本质上讲，接点之间的连接是二元关系。如果所要表示的知识是一元关系，例如，要表示李明是一个人，这在谓词逻辑中可表示为为MAN（LIMING）。用语义网络，这就可以表示为 。和这样的表示法相等效的关系在谓词逻辑中表示为 ISA（LIMING，MAN）。这说明语义网络可以毫无困难地表示一元关系。 如果我们所要表示的事实是多元关系的，例如，要表达北京大学（BEIJING University，简称BU）和清华大学（TSINGHUA University，简称TU）两校篮球队在北大进行的一场比赛的比分是85比89。若用谓词逻辑可表示为SCORE（BU，TU，（85—89））。这个表示式中包含3项，而语义网络从本质上来说，只能表示二元关系。解决这个矛盾的一种方法是把这个多元关系转化成一组二元关系的组合，或二元关系的合取。具体来说，多元关系R（X1，X2，… ，Xn）总可以转换成 R（X11，X12）∧R2（X2l，X22）∧…∧Rn（Xn1，Xn2） 例如，三根线a，b，c组成一个三角形。这可 表示成TRIANGLE（a,b,c）。这个三元关系可转换成一组二元关系的合取，即 CAT（a,b）∧CAT（b,c）∧CAT（c，a） 其中，CAT表示串行连接。 要在语义网络中进行这种转换需要引入附加节点。对于上述球赛，我们可以建立一个G25节点来表示这场特定的球赛。然后，把有关球赛的信息和这场球赛联系起来。这样的过程如图2.21所示。 图2.21 多元关系的语义网络 2.7.3 连接词和量化的表示↑ ↓ 在这里，将要研究如何用语义网络表示谓词逻辑法中的各种连词及量化。 2.7.3.1 合取 前已述及,风云足球，多元关系可以被转换成一组二元关系的合取，从而可以用语义网络的形式表示出来。例如： John gave Mary the book 这个事实，可用谓词逻辑表示为 GIVE（JOHN，MARY，BOOK） 其中包括3项。若用语义网络表示这个事实，就如图2.22所示。其中引入了一个附加的节点G1，表示一个特定的给某人东西的事件。B23表示一件给人的东西。与节点G1相连的链GIVER、OBJECT以及RECIEPIENT之间是合取关系。因此，在语义网络中，如 不加标志，就意味着连接之间的关系是合取。 图2.22 合取的语义网络表示 2.7.3.2 析取 在语义网络中，为与合取关系相区别，在析取关系的连接上加注析取界限，并标记DIS。 例如要表示 ISA（A，B）∨ PART-OF（B，C） 这时语义网络就如图2.23所示。如果没有加注析取界限，则这个网络就会被解释为 ISA（A，B）∧ PART-OF（B，C） 图2.23析取的语义网络表示 当合取关系嵌套在析取关系之内，如果合取关系不被标注就会引起误解。例如，要表示： John is a programmer or Mary is a lawyer 存在两个特定的职业事件OC1和OC2， 它们之间是析取关系。因此可以表示成图2.24(a)的形式。如进一步把John is a programmer以及Mary is a lawyer的知识表示到网络中去，则如图2.24(b)所示。因为和OC1节点以及OC2节点相连的几个链ISA、WORKER以及PROFESSION之间，从局部关系来说应是合取，但它们又被嵌套在DIS界限之内。 这时就产生了混乱。为了避免混乱，这时就需要同时标注合取界限CONJ和析取界限DIS，如图2.24(c)所示。反之，如果析取关 系是嵌套在合取关系之内，则合取关系不加标注也不会引起混乱。 图2.24合取与析取相嵌的语义网络表示 2.7.3.2 否定 为表示否定关系，我们可以采用～ISA和～PART-OF关系或标注NEG界限，如图2.25 所示，其中(a)和(b)分别表示～（A isa B）和～（B part of C）。 如果我们要用语义网络表示 ～[ISA(A,b)∧PART-OF(B，C)] 一种方法可以利用狄·摩根定理使否定关系只作用于ISA和PART-OF关系,全讯直播。这时，仍可利用～ISA和～PART-OF来表示这个事实。如果，不希望改变这个表达式的形式，那么可以利用NEG界限，如图2.25(c)所示 图2.25否定在语义网络中的表示 2.7.3.4 蕴涵 在语义网络中可用标注ANTE和CONSE界限来表示蕴涵关系。ANTE和CONSE界限分别用来把与先决条件（antecedent）及与结果（consequence）相关的链联系在一起。例如，我们可用图2.26的网络来表示 Everyone who lives at 37 Maple Street is a programmer 图2.26蕴涵的语义网络表示 在先决条件这边，我们建立Y节点，表示一个特定的地址事件。这一事件涉及到住在胜利街37号的人们。因此用LOC链与37-VICTORY节点相连。用PERSON链和X节点相连， X表示与此事件有关的人们，是一个变量。在结果这边，我们建立O（X，Y）节点代表一个特定的职业事件。这事件是以X和Y的Skolem函数的形式来表示的。因为一个特定的职业事件决定于X和Y，每给定一个X和Y，就有一个特定职业事件与之相对应。我们用ANTE和CONSE界限来分别标注出和先决条件及结果有关的链，然后用一条虚线把这二个界限连接起来，以表示这两者是一对构成蕴涵关系的先决条件和结果。这样，在存在多于一对蕴涵关系时，也不会引起混淆。 2.7.3.5 量化 存在量化在语义网络中可直接用ISA链来表示。而全称量化就要用分割方法来表示。例如：要表示 The dog bit the postman 这句话意味着所涉及的是存在量化。图2.171所示为相应的语义网络。网络中D节点表示一特定的狗；P表示一特定的邮递员；B表示一特定的咬人事件。咬人事件B包括两部分，一部分是攻击者，另一部分是受害者。节点D、B和P都是用ISA链与概念节点DOG、BITE以及POSTMAN相连，因此表示的是存在量化。如果我们进而要表示 Every dog has bitten a postman 这个事实，用谓词逻辑可表示为 (øX)DOG(X)Þ(Üy)[POSTMAN(y)∧BITE(x,y)] 上述谓词公式中包含有全称量词。用语义网络来表达知识的主要困难之一是如何处理全称量词。解决这个问题的方法之一是把语义网络分割成空间分层集合。每一个空间相应于一个或几个变量的范围。图2.27(b)是上述事实的语义网络，其中空间S1是一个特定的分割，它表示一个断言： A dog has bitten a postman 因为这里所指的狗应是每一条狗，所以我们把这个特定的断言认作是断言G。断言G有两部分：第一部分是断言本身，它说明所断定的关系，叫做格式（FORM）；第二部分是代表全称量词的特殊链ø，一根ø链可表示一个全称量化的变量。GS节点是一个概念节点，它表示具有全称化的一般事件，G是GS的一个实例。在这个例子中，只有一个全称量化的变量D，这 个变量可代表DOGS这类物体中的每一个成员，而其它两个变量B和P仍被理解为存在量化的变量。换句话说，这样的语义网络表示对每一条狗D存在一个咬人事件B和一个邮递员P，使得D是B中的攻击者，而P是受害者。 图2.27 量化在语义网络中的表示 为进一步说明分割如何表示量化变量，可考虑如何表示下述事实： Every dog has bitten every postman 我们只需对图2.27(b)作简单的修改，唯一要做的是用ø链与节点P相连。这样做的含义是每条狗咬了每个邮递员，如图2.27(c)所示。 (责任编辑：admin) |