知識表示方法研究與應用

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

關鍵詞：知識表示；專家系統；甘蔗收獲機；智能設計

中圖分類號：TP391文獻標志碼：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的主要特征之一。而造就它的關鍵技術在于知識的表示、獲取和應用。知識的表示方法是至關重要的，它不僅決定了知識應用的形式，而且也決定了知識處理的效率和實現的域空間規模的大小，其成功與否直接關系到智能設計專家系統的水平[1]。然而，在不同領域，專家經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。結合國家自然科學基金項目——“基于知識的甘蔗收獲機械智能設計系統關鍵技術的研究”，在充分分析了我國甘蔗收獲機械的研發、設計的知識特點基礎上，提出了幾種在甘蔗收獲機械智能設計領域中切實可行的知識表示形式。同時，也為其他領域智能設計專家系統的研發提供了有效的參考依據。

1傳統的知識表示方法

智能設計專家系統的工作過程是一個獲得并應用知識的過程，恰當的知識表示對于專家系統的構建具有重要意義。對于專家系統而言，一個好的知識表示方法應具備以下性質[2]：

（1）表達充分性。具備確切表達有關領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合，支持系統的控制策略。

（3）操作維護性。便于實現模塊化，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，目前普遍應用的傳統知識表示方法主要有一階謂詞邏輯表示法、產生式表示法、框架表示法、腳本表示法、語義網絡表示法等。

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性知識，推理方法在事實較多時易于出現組合爆炸，且推理過程冗長、效率低。

1．2產生式表示法

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

例如：if（動物為胎生哺乳喂養）then （該動物為哺乳動物）。

產生式表示法的局限在于它不能表達具有結構性的知識；且由于求解過程是一個匹配—沖突消解—執行反復進行的過程，工作效率不高；另外，在求解復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者明斯基（Minsky）首先提出的，它是描述對象屬性的一種數據結構。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系建立聯系，從而構成一個框架網絡，充分表達相關對象間的各種關系。它的突出特點是善于表示結構性知識；具有良好的繼承性，不僅減少框架網絡表示知識的冗余，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:{側面名11：側面名11值

〈約束：約束條件〉

側面名12:側面名12值

〈約束：約束條件〉

…

側面名1n:側面名1n值

〈約束：約束條件〉}

{槽名2:{側面名21：側面名21值

〈約束：約束條件〉

側面名22:側面名22值

〈約束：約束條件〉

…

側面名2n:側面名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構組成；每一個槽又可根據實際需要分為若干個側面。一個槽用于描述對象某一方面的屬性；一個側面用于描述相應屬性的一個方面，每一個方面又可以給出具有的約束條件。

例如：一個簡單描述學生基本情況的框架表示法：

框架名：〈學生〉

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。其結構類似于框架，用于描述固定的事件序列，如去醫院看病、到餐廳就餐、到影院看電影等。它與框架相比，區別在于: 框架是一種通用的結構；而腳本形式比框架形式應用范圍窄，對某些專門知識（如理解故事情節等）更為有效。

1．5語義網絡表示法

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

例如：獵狗與狗的語義網絡表示如圖2所示。

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

2知識表示方法的改進及發展

傳統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。隨著現代科學的不斷發展，專家系統的應用已經遍布各個科學領域。知識的類型多種多樣，包括分類知識、事實知識、關系知識、統計知識、判斷知識、經驗知識、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展，才能適應新科技的發展。

2．1傳統知識表示方法的改進

（1）產生式表示法的改進

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

這種增強型的產生式系統，不但具有普通系統的優點，而且每條推理規則都對應一條計算規則，函數FUNC與推理規則一起變化。當可信度r≠1時，即可實現靈活的模糊推理。同時，還可以引入規則樹理論。規則樹是產生式規則表示法中引入決策樹技術的一種知識表示結構。這樣就可以將前提和結論用一個二維表進行表示，便于計算機的存取，從而實現強大的計算和推理能力。

（2）混合知識表示方法

在知識表示的應用過程中，人們逐漸發現很難找到一種單一的表示方法能有效地解決領域內的所有知識表示。因此，混合知識表示方法將以往成熟的傳統知識表示方法有效結合起來進行運用，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、產生式規則和過程式的結合；產生式、框架和過程式的結合；語義網絡與框架的結合；語義網絡與產生式規則的結合等。這種方法有效地克服了單一表示方法的局限性，并可充分發揮各種方法的長處。

2．2面向對象的知識表示方法

近年來隨著面向對象技術的深入發展，面向對象的知識表示方法逐漸廣泛應用于專家系統中，具有封裝性、模塊性、繼承性、易于維護和可擴展性好等優點。廣義上，對象可以理解為客觀世界的任何事物。按照面向對象方法學的觀點，一個對象的形式可定義為四元組〈對象〉::=(ID，DS，MS，MI)。其中ID代表對象標志符、DS代表數據結構、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部狀態和靜態特征屬性進行封裝和隱藏，而知識的處理方法表示為對內部狀態和特征屬性的操作，并由消息接口與外界發生聯系。它既可以實現靈活的推理機制，又使知識的修改操作局限在對象的內部，容易實現知識庫的一致性和完備性。此外，由于對象屬性的獨有，就可以把整個系統抽象為類，每一個對象即為子類。其不但實現了多學科專業知識的層次劃分，還有效地降低了系統的開發難度。

2．3模糊技術的知識表示方法

在各種實際領域中，嚴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特征。因此，智能系統能力的提升更能體現在模糊理論的研究上。目前，常用的應用于知識表示的模糊理論主要有：基于概率論經典理論的知識表示，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上提出的，因其直觀、可信度的計算比較簡便，而得到廣泛應用；文獻[7]中所闡述的云模型理論已得到普遍應用，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、模糊關系矩陣等都取得了很好的應用。

2．4神經網絡知識表示方法

神經網絡是反映人腦結構及其功能的一種抽象數學模型。它是由大量神經元節點互連而成的復雜網絡，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網絡、GMDH網絡、RBF網絡、Hopfield反饋神經網絡以及雙向聯想記憶等。目前，神經網絡與模糊理論的結合發展很快。可以預見，隨著技術的深入發展，神經網絡與模糊理論融為一體，必將推動人工智能研究與應用進入新的發展時期。

3知識表示方法在甘蔗機械智能設計系統中的應用

3．1甘蔗收獲機械知識特點

甘蔗收獲機械屬于復雜的機械產品，除具有機械設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）設計知識的模糊性。它包括：系統應用環境狀態知識描述的模糊性，如甘蔗地的坡度、土壤的硬度等；系統狀態知識描述的模糊性，如砍蔗刀盤的厚薄、砍蔗效果的好壞等；設計數據和參數知識的模糊性，如關鍵部件材料的應力要求、砍蔗的破頭率要求、動力的分配等。

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

（3）設計知識的耦合性。機械零部件的裝配關系、動力分配、運動協調等之間的聯系，表現為設計變量之間的約束關系。

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

3．2基于面向對象的混合知識表示方法運用

要充分表達甘蔗收獲機械知識的特點，并排除創新性知識的差異性，滿足智能設計系統的能力要求。采用單一的知識表達方法很難實現，可以利用面向對象語言的特點，采用基于面向對象的混合知識表示方法。它將知識抽象為對象類和一個個子類，并在類與子類、子類之間利用產生式、框架、語意網絡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，將設計對象層次細分為各個子對象，抽取各個子對象的設計參數進行設計。參數值可以是直接提取參數庫的值，或是經方法庫內的某種方法計算的結果，或是規則庫內某個規則的前項或經推理機運作得出的規則后項。由于面向對象的方法將對象類、參數類、規則類等分別進行了封裝和隱藏并且各封裝類還可以根據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，如結構性的知識采用框架或是語意網絡、規則性知識采用產生式表示法、模糊性知識采用增強的產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，充分發揮了各自的優點，既提高了智能系統的工作效率，又方便了知識的管理和系統的維護。

3．3神經網絡知識表示方法運用

神經網絡具有優良的自組織、自學習和自適應能力等優點。將神經網絡嵌入到智能設計系統內可以很好地解決智能設計評價系統的決策和模糊推理的困難，同時又可以利用智能系統良好的解釋機能來彌補神經網絡中過程表達的缺陷。

由于神經網絡處理數字信息，而工程領域的知識形式豐富，有描述性知識、圖表知識、結構性知識等，神經網絡應用的困難主要表現為如何將工程領域的知識轉換成數字模式。針對這一要求，需要引入模式轉換模塊，完成邏輯信息向數字信息的轉換。圖4是一種簡單的神經網絡處理模型。

由于神經元處理信息的節點值取值域一般為[0，1]或[-1，1]，輸入轉換模塊必須同時將信息進行歸一化處理：對于數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換，具體量化標準根據專家的經驗取定。對于輸出轉換模塊則采用相應的逆變換。圖5為圖4模型在甘蔗收獲機砍蔗機構中知識處理的具體應用實例。

4結束語

知識表示是人工智能研究領域的重要問題之一，直接影響著智能系統的深入發展和應用，一直是智能領域的研究熱點。在甘蔗收獲機械智能設計系統的開發過程中，運用基于對象的混合知識表達方法和神經網絡知識表達方法對知識進行處理。經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.專家系統中多種知識表示方法的集中應用[J].微型電腦應用，2004，20(6):4－5.

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

[4]馮豪，何玉林，麻芳蘭，等.面向對象知識表示方法在摩托車設計中的應用[J].重慶大學學報：自然科學版，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.基于數據庫的一種推理算法[J].電腦與信息技術，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].計算機工程與應用，2004，40（2）:32－35.

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

[9]尹朝慶，尹皓.人工智能與專家系統[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計中數據庫及管理系統的研究[D].廣西：廣西大學，2005.

[11]李士勇.模糊控制、神經控制和智能控制論[M].哈爾濱：哈爾濱工業大學出版社，1996.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”