知识表示

一种描述或约定知识的数据结构
image
知识表示（Knowledge Representation），是指将现实世界中的知识转换为机器能够识别和处理的形式化数据结构或符号系统的过程。知识表示的作用主要表现在突显问题的本质、支持知识获取、支持对知识库的高效搜索等几个方面。[5]一个良好的知识表示系统能够显著提升系统利用知识执行任务的能力，为智能化应用提供有力支撑。[2][1]
1943年，波斯特（E.Post）首次提出了产生式规则表示法，为后续的知识表示方法奠定了基础。随后，在1968年奎廉（Quillian）提出的心理学模型推动了语义网络表示法的兴起。1972年，纽厄尔（Newell）和西蒙（Simon）进一步发展了产生式规则表示法，用于研究人类知识模型，解决了不确定性知识表示的问题。到了1975年时，明斯基（Minsky）提出了框架表示法，使得知识之间具有嵌套式结构信息。然而，由于缺乏明确的推理机制，其不能表示过程性知识。1975年，夏克（Schank）从框架发展出了脚本表示法，用于描述事件及时间顺序，从而实现了过程性知识的表示。[9]1998年，语义网概念提出[9]，而2012年Google提出的知识图谱，成为知识表示领域的研究热点，以结构化形式描述实体间的关系[10]。随着深度学习技术的发展，知识表示开始与深度学习技术结合。[11]
知识表示原理可以分为局部表示、直接表示和分布表示三类，通过多样化的表示方法，如谓词逻辑、产生式和框架等，将知识转化为机器可理解的数据结构。[5][12]除了上述表示方法外，常见的知识表示语言还包括资源描述框架（RDF）[6]、描述逻辑（Description Logic）[7]以及网络本体语言（OWL）等。[8]在模型构建方面，基于因素空间的知识表示模型和基于神经网络的知识表示模型是两种常见的选择。[13]这些方法和模型在知识工程、自然语言处理、军事决策等领域得到了广泛的应用。[3][4]

概述

知识表示是将现实世界中纷繁复杂的知识转化为计算机能够识别、处理和应用的形式化描述和约定。[1]其研究的对象是知识，目标是使用某种形式将有关问题的知识存入计算机以便处理。[10]核心则是在于研究如何将各类知识以适合计算机处理的方式表示和存储，确保知识的有效捕捉和表示，同时促进知识系统的构建与知识的交流共享。[1]知识表示的方法按其特征可分为两类：叙述性（declarative）表示和过程性（procedural）表示。叙述性表示将知识与控制分离，专注于知识的描述，而将如何使用这些知识即控制逻辑交由计算机程序处理。过程性表示则强调知识与控制的紧密结合，因此通常具有较高的推理效率。[10]一个优秀的知识表示系统能够显著提升系统利用知识执行任务的能力，为智能化应用提供强有力的支撑。[2]