知識表示方法研究與應(yīng)用

摘要：詳細(xì)闡述了各種知識表示方法的運用形式，并分析了各自的優(yōu)點和局限。針對甘蔗收獲機械智能設(shè)計系統(tǒng)的知識特點，提出了混合知識表示和神經(jīng)網(wǎng)路知識表示兩種運用于該系統(tǒng)的切實可行的知識表示方法。

關(guān)鍵詞：知識表示；專家系統(tǒng)；甘蔗收獲機；智能設(shè)計

中圖分類號：TP391文獻標(biāo)志碼：A

文章編號：1001－3695(2007)05－0234－03

智能活動主要是獲得知識并運用知識的過程。因此，知識性是人工智能專家系統(tǒng)的主要特征之一。而造就它的關(guān)鍵技術(shù)在于知識的表示、獲取和應(yīng)用。知識的表示方法是至關(guān)重要的，它不僅決定了知識應(yīng)用的形式，而且也決定了知識處理的效率和實現(xiàn)的域空間規(guī)模的大小，其成功與否直接關(guān)系到智能設(shè)計專家系統(tǒng)的水平[1]。然而，在不同領(lǐng)域，專家經(jīng)驗知識又具有各自不同的特點。因此，知識表示方法的研究歷來是建立專家系統(tǒng)首要解決的問題。本文對目前常用的各種知識表示方法的特點進行了研究和比較。結(jié)合國家自然科學(xué)基金項目——“基于知識的甘蔗收獲機械智能設(shè)計系統(tǒng)關(guān)鍵技術(shù)的研究”，在充分分析了我國甘蔗收獲機械的研發(fā)、設(shè)計的知識特點基礎(chǔ)上，提出了幾種在甘蔗收獲機械智能設(shè)計領(lǐng)域中切實可行的知識表示形式。同時，也為其他領(lǐng)域智能設(shè)計專家系統(tǒng)的研發(fā)提供了有效的參考依據(jù)。

1傳統(tǒng)的知識表示方法

智能設(shè)計專家系統(tǒng)的工作過程是一個獲得并應(yīng)用知識的過程，恰當(dāng)?shù)闹R表示對于專家系統(tǒng)的構(gòu)建具有重要意義。對于專家系統(tǒng)而言，一個好的知識表示方法應(yīng)具備以下性質(zhì)[2]：

（1）表達充分性。具備確切表達有關(guān)領(lǐng)域中各種知識的能力。

（2）推理有效性。能夠與高效率的推理機制密切結(jié)合，支持系統(tǒng)的控制策略。

（3）操作維護性。便于實現(xiàn)模塊化，并檢測出矛盾的及冗余的知識；便于知識更新和知識庫的維護。

（4）理解透明性。知識表示便于人類理解，易讀、易懂，便于知識的獲取。

基于以上知識表示方法具備的性質(zhì)，目前普遍應(yīng)用的傳統(tǒng)知識表示方法主要有一階謂詞邏輯表示法、產(chǎn)生式表示法、框架表示法、腳本表示法、語義網(wǎng)絡(luò)表示法等。

1．1一階謂詞邏輯表示法

一階謂詞邏輯表示法的局限性在于它難以表達不確定性知識和啟發(fā)性知識，推理方法在事實較多時易于出現(xiàn)組合爆炸，且推理過程冗長、效率低。

1．2產(chǎn)生式表示法

產(chǎn)生式表示法又稱為產(chǎn)生式規(guī)則表示法。“產(chǎn)生式”這一術(shù)語是由美國數(shù)學(xué)家波斯特（E.Post）在1943年首先提出來的。它具有自然、靈活、清楚、模塊性好、通用性強等優(yōu)點，目前已成為人工智能中應(yīng)用最多的一種知識表示模式。產(chǎn)生式的基本形式為[3]：if (前提1) (前提2) … then (結(jié)論1) (結(jié)論2) …。其中，前提亦稱前件、條件；結(jié)論也可以為要執(zhí)行的操作。整個產(chǎn)生式的含義是：如果前提被滿足，則可推出結(jié)論或執(zhí)行所規(guī)定的操作。

例如：if（動物為胎生哺乳喂養(yǎng)）then （該動物為哺乳動物）。

產(chǎn)生式表示法的局限在于它不能表達具有結(jié)構(gòu)性的知識；且由于求解過程是一個匹配—沖突消解—執(zhí)行反復(fù)進行的過程，工作效率不高；另外，在求解復(fù)雜問題時容易引起組合爆炸。

1．3框架表示法

框架（Frame）理論是在1975年由美國著名人工智能學(xué)者明斯基（Minsky）首先提出的，它是描述對象屬性的一種數(shù)據(jù)結(jié)構(gòu)。在框架表示法中，框架被看成是知識表示的基本單元。不同的框架之間可以通過屬性之間的關(guān)系建立聯(lián)系，從而構(gòu)成一個框架網(wǎng)絡(luò)，充分表達相關(guān)對象間的各種關(guān)系。它的突出特點是善于表示結(jié)構(gòu)性知識；具有良好的繼承性，不僅減少框架網(wǎng)絡(luò)表示知識的冗余，而且較好地保證了知識的一致性。

框架的一般形式[4]如下：

框架名：〈框架名的值〉

〈槽名1:{側(cè)面名11：側(cè)面名11值

〈約束：約束條件〉

側(cè)面名12:側(cè)面名12值

〈約束：約束條件〉

…

側(cè)面名1n:側(cè)面名1n值

〈約束：約束條件〉}

{槽名2:{側(cè)面名21：側(cè)面名21值

〈約束：約束條件〉

側(cè)面名22:側(cè)面名22值

〈約束：約束條件〉

…

側(cè)面名2n:側(cè)面名2n值

〈約束：約束條件〉}

…

槽名n:{…}}

一個框架由若干個被稱為槽的結(jié)構(gòu)組成；每一個槽又可根據(jù)實際需要分為若干個側(cè)面。一個槽用于描述對象某一方面的屬性；一個側(cè)面用于描述相應(yīng)屬性的一個方面，每一個方面又可以給出具有的約束條件。

例如：一個簡單描述學(xué)生基本情況的框架表示法：

框架名：〈學(xué)生〉

姓名：單位（姓，名）

年齡：單位（歲）

性別：范圍（男，女）

缺省條件：男

健康狀況：范圍（健康，一般，差）

缺省條件：一般

框架表示法的主要不足之處是不善于表示過程性的知識，通常要與其他表示方法相結(jié)合使用。

1．4腳本表示法

腳本（Script）表示法是由Roger C.Schank在文獻[5]中提出的。其結(jié)構(gòu)類似于框架，用于描述固定的事件序列，如去醫(yī)院看病、到餐廳就餐、到影院看電影等。它與框架相比，區(qū)別在于: 框架是一種通用的結(jié)構(gòu)；而腳本形式比框架形式應(yīng)用范圍窄，對某些專門知識（如理解故事情節(jié)等）更為有效。

1．5語義網(wǎng)絡(luò)表示法

語義網(wǎng)絡(luò)是奎廉（J.R.Quillian）于1986年最先提出的。它是一種通過概念及其語義關(guān)系來表示知識的一種網(wǎng)絡(luò)圖。一個語義網(wǎng)絡(luò)就是一個帶有標(biāo)志的有向圖。其中，有向圖的節(jié)點表示各種事物、概念、屬性、動作、狀態(tài)等；有向弧表示它所連接的節(jié)點間的某種語義聯(lián)系，每個節(jié)點可以帶有若干屬性。它具有靈活、自然、易于實現(xiàn)、善于表示結(jié)構(gòu)性知識等優(yōu)點。一個最簡單的語義網(wǎng)絡(luò)形式是一個三元組：（節(jié)點1，弧，節(jié)點2）。圖1即是它的一個有向圖表示，通常稱為一個基本網(wǎng)元。

例如：獵狗與狗的語義網(wǎng)絡(luò)表示如圖2所示。

語義網(wǎng)絡(luò)表示法的局限性主要表現(xiàn)在它對知識表示的非嚴(yán)格性，不能保證不存在二義性；以及由于其自身的靈活性和非嚴(yán)格性所帶來的知識處理的復(fù)雜性。

2知識表示方法的改進及發(fā)展

傳統(tǒng)的知識表示方法在運用上盡管比較成功，但每種表示法均存在著一定的局限性，不能完全滿足知識所具備的四項性質(zhì)。隨著現(xiàn)代科學(xué)的不斷發(fā)展，專家系統(tǒng)的應(yīng)用已經(jīng)遍布各個科學(xué)領(lǐng)域。知識的類型多種多樣，包括分類知識、事實知識、關(guān)系知識、統(tǒng)計知識、判斷知識、經(jīng)驗知識、模糊知識和控制知識等。因此，知識表示方法必須進行改進和發(fā)展，才能適應(yīng)新科技的發(fā)展。

2．1傳統(tǒng)知識表示方法的改進

（1）產(chǎn)生式表示法的改進

從產(chǎn)生式表示法的基本形式上分析，可以將產(chǎn)生式變換成推理規(guī)則+計算規(guī)則[6]。同時，為了解決模糊知識的處理，還可以在計算規(guī)則中引入可信度因子r。

這種增強型的產(chǎn)生式系統(tǒng)，不但具有普通系統(tǒng)的優(yōu)點，而且每條推理規(guī)則都對應(yīng)一條計算規(guī)則，函數(shù)FUNC與推理規(guī)則一起變化。當(dāng)可信度r≠1時，即可實現(xiàn)靈活的模糊推理。同時，還可以引入規(guī)則樹理論。規(guī)則樹是產(chǎn)生式規(guī)則表示法中引入決策樹技術(shù)的一種知識表示結(jié)構(gòu)。這樣就可以將前提和結(jié)論用一個二維表進行表示，便于計算機的存取，從而實現(xiàn)強大的計算和推理能力。

（2）混合知識表示方法

在知識表示的應(yīng)用過程中，人們逐漸發(fā)現(xiàn)很難找到一種單一的表示方法能有效地解決領(lǐng)域內(nèi)的所有知識表示。因此，混合知識表示方法將以往成熟的傳統(tǒng)知識表示方法有效結(jié)合起來進行運用，成為了許多專家探討的課題。目前，比較成熟的混合知識表示方法有[1]：謂詞邏輯、產(chǎn)生式規(guī)則和過程式的結(jié)合；產(chǎn)生式、框架和過程式的結(jié)合；語義網(wǎng)絡(luò)與框架的結(jié)合；語義網(wǎng)絡(luò)與產(chǎn)生式規(guī)則的結(jié)合等。這種方法有效地克服了單一表示方法的局限性，并可充分發(fā)揮各種方法的長處。

2．2面向?qū)ο蟮闹R表示方法

近年來隨著面向?qū)ο蠹夹g(shù)的深入發(fā)展，面向?qū)ο蟮闹R表示方法逐漸廣泛應(yīng)用于專家系統(tǒng)中，具有封裝性、模塊性、繼承性、易于維護和可擴展性好等優(yōu)點。廣義上，對象可以理解為客觀世界的任何事物。按照面向?qū)ο蠓椒▽W(xué)的觀點，一個對象的形式可定義為四元組〈對象〉::=(ID，DS，MS，MI)。其中ID代表對象標(biāo)志符、DS代表數(shù)據(jù)結(jié)構(gòu)、MS代表方法集合、MI代表消息接口。這種方法可以將知識抽象為對象的內(nèi)部狀態(tài)和靜態(tài)特征屬性進行封裝和隱藏，而知識的處理方法表示為對內(nèi)部狀態(tài)和特征屬性的操作，并由消息接口與外界發(fā)生聯(lián)系。它既可以實現(xiàn)靈活的推理機制，又使知識的修改操作局限在對象的內(nèi)部，容易實現(xiàn)知識庫的一致性和完備性。此外，由于對象屬性的獨有，就可以把整個系統(tǒng)抽象為類，每一個對象即為子類。其不但實現(xiàn)了多學(xué)科專業(yè)知識的層次劃分，還有效地降低了系統(tǒng)的開發(fā)難度。

2．3模糊技術(shù)的知識表示方法

在各種實際領(lǐng)域中，嚴(yán)格精確與確定的知識并不多見，大量知識帶有一定的模糊性和不確定性。可以說，不確定性是智能問題的本質(zhì)特征。因此，智能系統(tǒng)能力的提升更能體現(xiàn)在模糊理論的研究上。目前，常用的應(yīng)用于知識表示的模糊理論主要有：基于概率論經(jīng)典理論的知識表示，但它要求直接給出知識的概率，因此其應(yīng)用受到限制；基于可信度的不確定理論是肖特里菲（E.H.Shortliffe）等人在確定性理論基礎(chǔ)上提出的，因其直觀、可信度的計算比較簡便，而得到廣泛應(yīng)用；文獻[7]中所闡述的云模型理論已得到普遍應(yīng)用，云模型是用語言值表示的定性概念與其定量表示之間的不確定性轉(zhuǎn)換模型；基于扎德（Zadeh）提出的模糊集合論、模糊邏輯和可能性推理的模糊元圖、模糊關(guān)系矩陣等都取得了很好的應(yīng)用。

2．4神經(jīng)網(wǎng)絡(luò)知識表示方法

神經(jīng)網(wǎng)絡(luò)是反映人腦結(jié)構(gòu)及其功能的一種抽象數(shù)學(xué)模型。它是由大量神經(jīng)元節(jié)點互連而成的復(fù)雜網(wǎng)絡(luò)，用以模擬人類進行知識表示、儲存和推理的行為。具有代表性的模型主要有感知器、多層影射BP網(wǎng)絡(luò)、GMDH網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、Hopfield反饋神經(jīng)網(wǎng)絡(luò)以及雙向聯(lián)想記憶等。目前，神經(jīng)網(wǎng)絡(luò)與模糊理論的結(jié)合發(fā)展很快。可以預(yù)見，隨著技術(shù)的深入發(fā)展，神經(jīng)網(wǎng)絡(luò)與模糊理論融為一體，必將推動人工智能研究與應(yīng)用進入新的發(fā)展時期。

3知識表示方法在甘蔗機械智能設(shè)計系統(tǒng)中的應(yīng)用

3．1甘蔗收獲機械知識特點

甘蔗收獲機械屬于復(fù)雜的機械產(chǎn)品，除具有機械設(shè)計知識的一般特點外，還具有自身的特點。主要包括以下幾個方面：

（1）設(shè)計知識的模糊性。它包括：系統(tǒng)應(yīng)用環(huán)境狀態(tài)知識描述的模糊性，如甘蔗地的坡度、土壤的硬度等；系統(tǒng)狀態(tài)知識描述的模糊性，如砍蔗刀盤的厚薄、砍蔗效果的好壞等；設(shè)計數(shù)據(jù)和參數(shù)知識的模糊性，如關(guān)鍵部件材料的應(yīng)力要求、砍蔗的破頭率要求、動力的分配等。

（2）設(shè)計知識的層次性。主要體現(xiàn)在整機與部件、部件與零件以及相似零部件的關(guān)系上。

（3）設(shè)計知識的耦合性。機械零部件的裝配關(guān)系、動力分配、運動協(xié)調(diào)等之間的聯(lián)系，表現(xiàn)為設(shè)計變量之間的約束關(guān)系。

（4）創(chuàng)新性知識的復(fù)雜性。這部分知識主要來源于基于不同應(yīng)用環(huán)境所進行的虛擬樣機設(shè)計得到的知識。由于仿真約束前提的多樣性，導(dǎo)致得到知識的差異性和復(fù)雜性。

3．2基于面向?qū)ο蟮幕旌现R表示方法運用

要充分表達甘蔗收獲機械知識的特點，并排除創(chuàng)新性知識的差異性，滿足智能設(shè)計系統(tǒng)的能力要求。采用單一的知識表達方法很難實現(xiàn)，可以利用面向?qū)ο笳Z言的特點，采用基于面向?qū)ο蟮幕旌现R表示方法。它將知識抽象為對象類和一個個子類，并在類與子類、子類之間利用產(chǎn)生式、框架、語意網(wǎng)絡(luò)和過程體等來表達不同特征的知識，混合知識的表達模型如圖3所示。 

通過圖3的知識表達模型，將設(shè)計對象層次細(xì)分為各個子對象，抽取各個子對象的設(shè)計參數(shù)進行設(shè)計。參數(shù)值可以是直接提取參數(shù)庫的值，或是經(jīng)方法庫內(nèi)的某種方法計算的結(jié)果，或是規(guī)則庫內(nèi)某個規(guī)則的前項或經(jīng)推理機運作得出的規(guī)則后項。由于面向?qū)ο蟮姆椒▽ο箢悺?shù)類、規(guī)則類等分別進行了封裝和隱藏并且各封裝類還可以根據(jù)知識的特點進行子類的劃分和封裝。不同的子類采用不同的知識表示方法，如結(jié)構(gòu)性的知識采用框架或是語意網(wǎng)絡(luò)、規(guī)則性知識采用產(chǎn)生式表示法、模糊性知識采用增強的產(chǎn)生式表示或是基于模糊理論的知識表示等。通過這種形式可以將各種知識表示方法混合運用，充分發(fā)揮了各自的優(yōu)點，既提高了智能系統(tǒng)的工作效率，又方便了知識的管理和系統(tǒng)的維護。

3．3神經(jīng)網(wǎng)絡(luò)知識表示方法運用

神經(jīng)網(wǎng)絡(luò)具有優(yōu)良的自組織、自學(xué)習(xí)和自適應(yīng)能力等優(yōu)點。將神經(jīng)網(wǎng)絡(luò)嵌入到智能設(shè)計系統(tǒng)內(nèi)可以很好地解決智能設(shè)計評價系統(tǒng)的決策和模糊推理的困難，同時又可以利用智能系統(tǒng)良好的解釋機能來彌補神經(jīng)網(wǎng)絡(luò)中過程表達的缺陷。

由于神經(jīng)網(wǎng)絡(luò)處理數(shù)字信息，而工程領(lǐng)域的知識形式豐富，有描述性知識、圖表知識、結(jié)構(gòu)性知識等，神經(jīng)網(wǎng)絡(luò)應(yīng)用的困難主要表現(xiàn)為如何將工程領(lǐng)域的知識轉(zhuǎn)換成數(shù)字模式。針對這一要求，需要引入模式轉(zhuǎn)換模塊，完成邏輯信息向數(shù)字信息的轉(zhuǎn)換。圖4是一種簡單的神經(jīng)網(wǎng)絡(luò)處理模型。

由于神經(jīng)元處理信息的節(jié)點值取值域一般為[0，1]或[-1，1]，輸入轉(zhuǎn)換模塊必須同時將信息進行歸一化處理：對于數(shù)值變化方式可采用線性插值；其他模式信息可以進行定量轉(zhuǎn)換，具體量化標(biāo)準(zhǔn)根據(jù)專家的經(jīng)驗取定。對于輸出轉(zhuǎn)換模塊則采用相應(yīng)的逆變換。圖5為圖4模型在甘蔗收獲機砍蔗機構(gòu)中知識處理的具體應(yīng)用實例。

4結(jié)束語

知識表示是人工智能研究領(lǐng)域的重要問題之一，直接影響著智能系統(tǒng)的深入發(fā)展和應(yīng)用，一直是智能領(lǐng)域的研究熱點。在甘蔗收獲機械智能設(shè)計系統(tǒng)的開發(fā)過程中，運用基于對象的混合知識表達方法和神經(jīng)網(wǎng)絡(luò)知識表達方法對知識進行處理。經(jīng)實踐證明該方法是可行的、有效的。

參考文獻：

［1］羅燕琪，陳雷霆.專家系統(tǒng)中知識表示方法研究[J].電子計算機，2001（4）:28－31.

[2]張攀，王波，卿曉霞.專家系統(tǒng)中多種知識表示方法的集中應(yīng)用[J].微型電腦應(yīng)用，2004，20(6):4－5.

[3]李太福，黃茂林，趙明富.旋轉(zhuǎn)機械故障診斷的框架知識表示[J].遼寧工程技術(shù)大學(xué)學(xué)報，2002，21(5):633－636.

[4]馮豪，何玉林，麻芳蘭，等.面向?qū)ο笾R表示方法在摩托車設(shè)計中的應(yīng)用[J].重慶大學(xué)學(xué)報：自然科學(xué)版，2005，28(1):1－4.

[5]RENATO D M. Computer models of speech using fuzzy algorithms[M].New York:Plenum Press，1983.

[6]譚建龍.基于數(shù)據(jù)庫的一種推理算法[J].電腦與信息技術(shù)，1999，7(6):16－18，51.

[7]劉常昱，李德毅，潘莉莉.基于云模型的不確定性知識表示[J].計算機工程與應(yīng)用，2004，40（2）:32－35.

[8]馬小娟.甘蔗收獲機智能設(shè)計知識表達及知識庫系統(tǒng)開發(fā)[J].中國農(nóng)機化，2006（1）：50－53.

[9]尹朝慶，尹皓.人工智能與專家系統(tǒng)[M].北京：中國水利水電出版社，2002:13－55.

[10]喬桂玲.甘蔗收獲機械智能設(shè)計中數(shù)據(jù)庫及管理系統(tǒng)的研究[D].廣西：廣西大學(xué)，2005.

[11]李士勇.模糊控制、神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1996.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”