2.4--语义网络表示法

人工智能2014-3-3人工智能丁世飞2.4语义网络表示法第2章知识表示2.1概述2.2谓词逻辑表示法2.3产生式表示法人工智能2014-3-3人工智能丁世飞2.4语义网络表示法语义网络是J.R.Quillian1968年在研究人类联想记忆时提出的一种心理学模型，他认为记忆是由概念间的联系实现的。随后在他设计的可教式语言理解器（TeachableLanguageComprehendent）中又把它用作为知识表示方法。1972年，西蒙(Simon)在他的自然语言理解系统中也采用了语义网络知识表示法。1975年，亨德里克(G.G.Hendrix)又对全称量词的表示提出了语义网络分区技术。目前，语义网络已经成为人工智能中应用较多的一种知识表示方法，尤其是在自然语言处理方面的应用。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法语义网络是一种通过概念及其语义联系（或语义关系）来表示知识的有向图，节点和弧必须带有标注。其中有向图的各节点用来表示各种事物、概念、情况、属性、状态、事件和动作等，节点上的标注用来区分各节点所表示的不同对象，每个各节点可以带有多个属性，以表征其所代表的对象的特性。在语义网络中，节点还可以是一个语义子网络；弧是有方向的、有标注的，方向表示节点间的主次关系且方向不能随意调换。标注用来表示各种语义联系，指明它所连接的节点间的某种语义关系。2.4.1语义网络的概念及结构人工智能2014-3-3人工智能丁世飞2.4语义网络表示法当把多个语义基元用相应的语义联系关联在一起的时候，就形成了一个语义网络。如图2.4所示。ABR图2.3语义基元结构ABCDR3R1R2R4R5图2.4语义网络结构可用如图2.3所示的有向图来表示。其中A和B分别代表节点，而R则表示A和B之间的某种语义联系。从结构上来看，语义网络一般由一些最基本的语义单元组成。这些最基本的语义单元被称为语义基元，可用如下三元组来表示为（节点1，弧，节点2）人工智能2014-3-3人工智能丁世飞2.4语义网络表示法语义网络除了可以描述事物本身之外，还可以描述事物之间的错综复杂的关系。基本语义联系是构成复杂语义联系的基本单元，也是语义网络表示知识的基础，因此从一些基本的语义联系组合成任意复杂的语义联系是可以实现的。这里只给出一些经常使用的最基本语义关系。2.4.2语义网络的基本语义联系人工智能2014-3-3人工智能丁世飞2.4语义网络表示法类属关系是指具体有共同属性的不同事物间的分类关系、成员关系或实例关系，它体现的是“具体与抽象”、“个体与集体”的层次分类。其直观意义是“是一个”，“是一种”，“是一只”……。在类属关系中，其一个最主要特征是属性的继承性，处在具体层的结点可以继承抽象层结点的所有属性。常用的类属关系有：AKO(A-Kind-of):表示一个事物是另一个事物的一种类型。AMO(A-Member-of):表示一个事物是另一个事物的成员。ISA(Is-a):表示一个事物是另一个事物的实例。1.类属关系人工智能2014-3-3人工智能丁世飞2.4语义网络表示法包含关系也称为聚集关系，是指具有组织或结构特征的“部分与整体”之间的关系，它和类属关系的最主要的区别就是包含关系一般不具备属性的继承性。常用的包含关系的有：Part-of,Member-of,含义为一部分,表示一个事物是另一个事物的一部分，或说是部分与整体的关系。用它连接的上下层节点的属性很可能是很不相同的，即Part_of联系不具备属性的继承性。例如，“轮胎是汽车的一部分”其语义网络表示如图2.7所示。图2.7包含关系实例汽车轮胎Part_of2.包含关系人工智能2014-3-3人工智能丁世飞2.4语义网络表示法属性关系是指事物和其属性之间的关系。常用的属性关系有:Have：表示一个结点具有另一个结点所描述的属性。Can：表示一个结点能做另一个结点的事情。例如，“鸟有翅膀”，“电视机可以放电视节目”。其对应的语义网络表示如图2.8所示。图2.8属性关系实例翅膀鸟Have电视节目电视机Can3.属性关系人工智能2014-3-3人工智能丁世飞2.4语义网络表示法时间关系是指不同事件在其发生时间方面的先后关系，节点间的不具备属性继承性。常用的时间关系有：Before：表示一个事件在一个事件之前发生。After：表示一个事件在一个事件之后发生。例如，“香港回归之后，澳门也会回归了”，“王芳在黎明之前毕业”。其对应的语义网络表示如图2.9所示王芳毕业图2.9时间关系实例黎明毕业Before香港回归澳门回归After4.时间关系人工智能2014-3-3人工智能丁世飞2.4语义网络表示法5.位置关系位置关系是指不同事物在位置方面的关系。节点间的不具备属性继承性。常用的位置关系有：Located-on:表示一物体在另一物体之上。Located-at:表示一物体在某一位置。Located-under:表示一物体在另一物体之下。Located-inside:表示一物体在另一物体之中。Located-outside:表示一物体在另一物体之外。例如，“华中师范大学坐落于桂子山上”，其对应的语义网络表示如图2.10所示。图2.10位置关系实例桂子山华中师范大学Located-at人工智能2014-3-3人工智能丁世飞2.4语义网络表示法6.相近关系相近关系,又称相似关系,是指不同事物在形状、内容等方面相似和接近。常用的相近关系有：Similar-to:表示一事物与另一事物相似。Near-to:表示一事物与另一事物接近。例如，“狗长得像狼”其对应的语义网络表示如图2.11所示。图2.11相近关系实例狼狗Similar-to人工智能2014-3-3人工智能丁世飞2.4语义网络表示法7.因果关系因果关系是指由于某一事件的发生而导致另一事物的发生，适合表示规则性知识。通常用If-then联系表示两个节点之间的因果关系，其含义是“如果……，那么……”。例如，“如果天晴，小明骑自行车上班”，其对应的语义网络如图2.12所示。图2.12因果关系实例小明骑自行车上班天晴If-then人工智能2014-3-3人工智能丁世飞2.4语义网络表示法8.组成关系组成关系一种一对多的联系，用于表示某一事物由其它一些事物构成，通常用Compsoed-of联系表示。Compsoed-of联系所连接的节点间不具备属性继承性。例如，“整数由正整数、负整数和零组成”可用图2.13表示。整数与正整数零负整数Compsoed-of图2.13组成关系实例人工智能2014-3-3人工智能丁世飞2.4语义网络表示法2.4.3语义网络表示知识的方法及步骤1．事实性知识的表示对于一些简单的事实，例如“鸟有翅膀”，“轮胎是汽车的一部分”，这里要描述这些事实需要两个节点，用前面给出的基本语义联系或自定义的基本语义联系就可以表示了。对于稍微复杂一点的事实，比如在一个事实中涉及到多个事物时，如果语义网络只被用来表示一个特定的事物或概念，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了。通常把有关一个事物或一组相关事物的知识用一个语义网络来表示。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法例如，用一个语义网络来表示事实“苹果树是一种果树，果树又是树的一种，树有根、有叶而且树是一种植物”。这一事实涉及“苹果树”、“果树”和“树”这3个对象，树两个属性“有根”、“有叶”。首先建立“苹果树”节点，为了进一步说明苹果树是一种果树，增加一个“果树”节点，并用AKO联系连接着两个节点。为了说明果树是树的一种，增加一个“树”节点，并用AKO联系连接着两个节点。为了进一步描述树“有根”、“有叶”的属性，引入两个“根”节点和“叶”节点，并分别用HAVE联系与“树”节点连接。这个事实可用如图2.14所示的语义网络表示。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法苹果树果树树根叶AKOAKOHAVEHAVE图2.14有关苹果树的语义网络例如，用一个语义网络来表示事实“苹果树是一种果树，果树又是树的一种，树有根、有叶而且树是一种植物”。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法2.情况、动作和事件的表示为了描述那些复杂的知识，在语义网络的知识表示法中，通常采用引进附加节点的方法来解决。西蒙（Simon）在提出的表示方法中增加了情况节点、动作节点和事件节点，允许用一个节点来表示情况、动作和事件。（1）情况的表示在用语义网络表示那些不及物动词表示的语句或没有间接宾语的及物动词表示的语句时，如果该语句的动作表示了一些其它情况，如动作作用的时间等，则需要增加一个情况节点用于指出各种不同的情况。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法例如，用语义网络表示知识“请在2006年6月前归还图书”。这条知识只涉及到一个对象就是“图书”，它表示了在2006年6月前“归还”图书这一种情况。为了表示归还的时间，可以增加一个“归还”节点和一个情况节点，这样不仅说明了归还的对象是图书，而且很好地表示了归还图书的时间。其语义网络表示如图2.15所示。归还图书情况2006年6月AKO,Object,Before,图2.15为带有情况节点的语义网络:归还图书情况2006年6月AKOObjectBefore图2.15带有情况节点的语义网络人工智能人工智能丁世飞2.4语义网络表示法（2）动作的表示有些表示知识的语句既有发出动作的主体，又有接受动作的客体。在用语义网络表示这样的知识时，可以增加一个动作节点用于指出动作的主体和客体。例如：用语义网络表示知识“校长送给李老师一本书”。这条知识只涉及到两个对象就是“书”和“校长”，为了表示这个事实，增加一个“送给”节点。其语义网络表示如图2.16所示。送给书校长李老师主体客体2客体1图2.16带有动作节点的语义网络人工智能人工智能丁世飞2.4语义网络表示法（3）事件的表示如果要表示的知识可以看成是发生的一个事件，那么可以增加一个事件节点来描述这条知识。例如：用语义网络表示知识“中国队与日本队两国的国家足球队在中国进行一场比赛，结局的比分是3:2”。其语义网络表示如图2.17所示。足球赛体育比赛中国国家足球队3：2主队AKO结局图2.17带有事件节点的语义网络日本国家足球队客队人工智能人工智能丁世飞2.4语义网络表示法3．连词和量词的表示在稍微复杂一点的知识中，经常用到象“并且”、“或者”、“所有的”、“有一些”等这样的联结词或量词，在谓词逻辑表示法中，很容易就可以表示这类知识。而谓词逻辑中的连词和量词可以用语义网络来表示。因此，语义网络也能表示这类知识。人工智能人工智能丁世飞2.4语义网络表示法（1）合取与析取的表示当用语义网络来表示知识时，为了能表示知识中体现出来的“合取与析取”的语义联系，可通过增加合取节点与析取节点来表示。只是在使用时要注意其语义，不应出现不合理的组合情况。例如：对事实“参观者有男有女，有年老的，有年轻的”。可用图2.18所示的语义网络表示。其中，A、B、C、D分别代表4种情况的参观者。人工智能2014-3-3人工智能丁世飞2.4语义网络表示法参观者人ISA部分部分部分部分与或或男女年老年轻ABCD状态状态状态状态图2.18具有合取与析取关系的语义网络人工智能2014-3-3人工智能丁世飞2.4语义网络表示法在用语义网络表示知识时，对存在量词可以直接用“是一种”、“是一个”等语义关系来表示。对全称量词可以采用亨德里克(G.G.Hendrix)提出的语义网络分区技术来表示，也称为分块语义网络(PartitionedSemanticNet)，以解决量词的表示问题。该技术的基本思想是：把一个复杂的命题划分成若干个子命题，每一个子命题用一个简单的语义网络来表示，称为一个子空间，多个子空间构成一个大空间。每个子空间看作是大空间中的一个节点，称为超节点。空间可以逐层嵌套，子空间之间用弧相互连接。（2）存在量词与全称量词的表示人工智能2014-3-3人工智能丁世飞2.4语义网络表示法例如，对事实“