知识表示是AI系统的"认知地基"——知识需要用适当的模式表示出来才能存储到计算机中。本笔记梳理四种经典知识表示方法：一阶谓词逻辑、产生式、框架和知识图谱，以及它们的特点与适用场景。

知识与知识表示的概念

知识的概念

把有关信息关联在一起所形成的信息结构称为知识。人工智能中的知识分类：

• 事实："雪是白色的"——反映"雪"与"白色"的关系
• 规则："如果头痛且流涕，则有可能患了感冒"——用"若…则…"关联形成的知识

知识的特性

1. 相对正确性
2. 不确定性
3. 可表示性与可利用性

一阶谓词逻辑表示法

基本概念

• 命题：一个非真即假的陈述句
• 谓词：一般形式 P(x1, x2, …, xn)，P是谓词名（刻画个体的性质、状态或关系），xi 是个体
• 谓词公式：通过连接词（∧ 且、∨ 或、→ 蕴涵、↔ 等价、¬ 非）组合
• 一阶谓词：所有个体都是个体常量、变元或函数

特点

优点	局限性
自然性	不能表示不确定的知识
精确性	组合爆炸
严密性	效率低
容易实现	-

产生式表示法

产生式的四种形式

1. 确定性规则知识：IF P THEN Q 或 P→Q
2. 不确定性规则知识：P→Q（带置信度）
3. 确定性事实性知识：(对象, 属性, 值) 或 (关系, 对象1, 对象2)
4. 不确定性事实性知识：(对象, 属性, 值, 置信度)

产生式与蕴含式的区别

1. 产生式还包括操作、规则、变换、算子、函数等（"如果炉温超过上限，则立即关闭风门"是产生式但不是蕴含式）
2. 蕴含式只能表示精确知识，产生式还可以表示不精确知识

产生式系统的三要素

组成	作用
规则库	描述领域内知识的产生式集合
综合数据库	存放问题求解过程中各种当前信息的数据结构
控制系统（推理机）	负责整个产生式系统的运行

特点

• 优点：自然性、模块性、有效性、清晰性
• 缺点：效率不高、不能表达结构性知识
• 适合：经验性及不确定性知识、相对独立的操作序列

框架表示法

1975年明斯基提出框架理论：人们对现实世界事物的认识以类似框架的结构存储在记忆中。

框架结构

<框架名>
槽名1： 侧面名11 侧面值111，…
槽名2： 侧面名21 侧面值211，…
约束： 约束条件

• 框架：描述对象属性的数据结构
• 槽（slot）：描述对象某一方面的属性
• 侧面（facet）：描述属性的一个方面
• 槽值/侧面值：对应的属性值

特点

结构性、继承性、自然性

知识图谱

基本概念

• 谷歌2012年首先发布，用于增强语义搜索
• 一种互联网环境下的知识表示方法，实现机器认知智能的知识库
• 本质：大规模语义网络，实现"理解"和"解释"两个核心能力

核心：三元组

知识图谱的基本单位是 "实体-关系-实体" 三元组。大多数知识图谱用资源描述框架（RDF）表示实体与实体的关系，关系分两类：属性关系、外部关系。

构建四步骤

1. 数据获取（结构化、半结构化、非结构化）
2. 信息抽取：提取成"实体-关系-实体"三元组
3. 知识融合
4. 知识加工

一句话总结

四种知识表示的记忆锚点：谓词逻辑精确但不能表示不确定知识；产生式是 IF-THEN（可带置信度）；框架靠槽与侧面；知识图谱的基本单位是"实体-关系-实体"三元组。

相关概念

• 人工智能导论-绪论与发展史
• 人工智能导论-搜索求解策略
• 人工智能导论-专家系统与强化学习