2.1.1知識的層次進度：

人們描述客觀世界的數據、信息、知識等具有如下的金字塔型層次結構。

知識處理中的數據不同于通常意義上的 “數”，它具有更廣泛的含義。例如，符号3 ，賦予不同的物質就可以代表不同的含義。無論3個人或者3棵樹，表達了相同的數量。另外， 顔色屬性、尺寸大小等等都可以作為數據進行記錄。這裡，數據可以定義為：“客觀事物的數量、屬性、位置及其相互關系等的抽象表示”。

信息是“數據所表示的含義”。如上述同一個數據“3 ”在不同的具體場合代表着不同的含義，可以是人、樹或是任何其他的物質，從而獲得不同的解釋，産生不同的信息。因此，可以這樣來表述數據和信息的關系：數據是信息的載體和表示，而信息是對數據的解釋。 一般地說，一個信息可用一組描述詞及其值來描述：〈描述詞1：值1；…；描述詞n：值n〉它描述一件事、—個物體或一種現象的有關屬性、狀态、地點、程度、方式等等。

Feigenbaunm認為知識是經過整理、加工、解釋和轉換的信息。Bernstein認為它是由特定領域的描述、關系和過程組成的。Hayes Roth則将知識用三維空間來描述，即知識=事實 信念 啟發式規則。而從知識庫的觀點看，知識則是某領域中所涉及的各有關方面、狀态的一種符号表示。

目前所認可的定義是：“知識是一個或多個信息的關聯”。就是說，知識是把有關信息關聯在一起所形成的信息結構。它反映了客觀世界中事物的關系，不同事物或者相同事物間的不同關系形成了不同的知識。

元知識是有關知識的知識，是知識庫中的高層知識。包括怎樣使用規則、解釋規則、校驗規則、解釋程序結構等知識。元知識存于知識庫中，指定可用的數據庫資源，并在一個域中确定最為适用的規則組。

真僞性

知識是客觀事物及客觀世界的反映，它具有真僞性，可以通過實踐檢驗其真僞，或用邏輯推理證明其真僞。

相對性

一般知識不存在絕對的真假，都是具有相對性的。在一定條件下或特定時刻為真的知識，當時間、條件或環境發生變化時可能變成假。

不完全性

知識往往是不完全的。這裡的不完全大緻分為條件不完全和結論不完全兩大類。

不确定性，即模糊性和不精确性。

現實中的知識的真與假，往往并不總是“非真即假”，可能處于某種中間狀态，即所謂具有真與假之間的某個“真度”，即模糊度和不精确度。例如“人老了就可能糊塗”，“老了”、“可能”和“糊塗”都是一些模糊概念。在知識處理中必須用模糊數學或統計方法等來處理模糊的或不精确的知識。

可表示性

知識作為人類經驗存在于人腦之中，雖然不是一種物質東西，但可以用各種方法表示出來。一般表示方式包括符号表示法、圖形表示法和物理表示法。

可存儲性、可傳遞性和可處理性。

既然知識可以表示出來，那麼就可以把它存儲起來；知識既可以通過書本來傳遞，也可以通過教師的講授來傳播，還可以通過計算機網絡等來傳輸，知識可以從一種表示形式轉換為另一種表示形式；知識一旦表示出來，就可以同數據一樣進行處理。

相容性

相容性是關于知識集合的一個屬性。即存在于一體（如專家系統的知識庫）的所有知識之間應該是相互不矛盾的，即從這些知識出發，不能推出相互矛盾的命題。

知識的分類進度

√ 确定性知識是可以給出其真值為“真”或“假”的知識。這些知識是可以精确表示的知識，即可以用經典邏輯命題來描述。不确定性知識是指具有“不确定”特性的知識。

√不确定性的概念包含不精确、不完備和模糊。若知識并非“非真即假”，可能處于某種中間狀态，這類知識往往要用模糊命題或模态命題來表達。

√事實是對客觀事物屬性的值的描述。一般這種知識中不含任何變量，可以用一個值為“真”的命題來表達。

√規則是可分解為前提和結論兩部分的用以表達因果關系的知識，一般形式為：“如果A則B”，其中A表示前提，B表示結論。規則還可進一步分為不帶變量的規則和帶變量的規則兩種。

√規律是事物之間的内在的必然聯系。

√事實性知識（亦稱為叙述性知識）是用來描述問題或事物的概念、屬性、狀态、環境及條件等情況的知識。事實性知識主要反映事物的靜态特征，一般采用直接表達形式。

√過程性知識一般由與所求解問題有關的規則、定律、定理及經驗來構成。其表示方法主要有産生式規則、語義網絡等。

√控制性知識（亦稱無知識或超知識）是關于如何運用已有知識進行問題求解的知識，因此，也稱為關于知識的知識。例如，問題求解中的推理策略（如正向推理、逆向推理）、搜索策略（如廣度優先、深度優先、啟發式）和不确定性的傳播策略等。

√常識性知識是指通用通識的知識。即人們普遍知道的、适應于所有領域的知識，包括領域問題求解有關的已被接受的定義、事實和各種理論方法。

√領域性知識是指面向某個具體專業的專業性知識，這些知識隻有該領域的專業人員才能夠掌握和運用它。

√靜态知識主要指對象性知識，是關于問題領域内事物的事實、關系等，它包括了事物的概念、事物的分類、事物的描述等。

√動态知識是關于問題求解的知識，它常常是一種過程，說明怎樣操作已有的數據和靜态知識以達到問題的求解，是反映動作過程的過程，如一個問題領域内關于推理路徑的方向、推理過程、可理解性等方面的知識、啟發性方法等。

√表層知識是指客觀事物的現象以及這些現象與結論之間關系的知識。例如，經驗性知識、感性知識等。表層知識形式簡潔、易表達、易理解，但它并不能反映事物的本質。

√深層知識描述客觀事物本質、内涵等的知識。例如:理論知識等。

√零級知識是常識性知識和原理性知識，是關于問題領域的事實、定理、方程、實驗對象和操作等等。

√一級知識是經驗性知識，這是由于零級知識對求解不良結構問題常常失靈，因而出現啟發性方法等，如單憑經驗的規則，含義模糊的建議，不确切的判斷标準等等。

√二級知識是運用上述兩級知識的知識。這種知識層次還可以繼續劃分下去，把零級知識和一級知識稱為領域(或目标)知識，把二級以上知識稱為元知識。高級知識對低級知識有指導意義。在專家系統設計中，領域知識是必不可少的。

知識表示的基本概念

一個智能系統的智能性很大程度上取決于知識的數量及其可利用的程度。系統中可利用的知識越多，其智能性就可能越高。知識表示就是研究和解決如何将所需要的知識用适當的形式表示出來并存放到計算機中，即将知識表示成為計算機可以接受的形式。

知識表示方法研究各種數據結構的設計，通過這種數據結構把問題領域的各種知識結合到計算機系統的程序設計過程。

一般來說，對于同一種知識可以采用不同的表示方法，反過來，一種知識表示方法可以表達多種不同的知識。然而，在求解某一問題時，不同的表示方法會産生完全不同的效果。

迄今為止，人們還沒有找到一種通用、完善的知識表示模式，知識表示還沒有完善的理論可循。

2.1.5知識表示方法的分類進度：

​對知識表示方法的研究離不開對知識的研究與認識。由于目前對人類知識的結構及其機制還沒有完全搞清楚，因此關于知識表示的理論及其規範尚未建立起來。盡管如此，人們對智能系統的研究及其建立過程中。還是結合具體研究提出了一些知識表示方法。

√符号表示法是用各種包含具體含義的符号，以各種不同的方式和次序組合起來表示知識的一類方法，它主要用來表示邏輯性知識。

√連接機制表示法是用神經網絡技術表示知識的一種方法，它把各種物理對象以不同的方式及次序連接起來，并在其間互相傳遞及加工各種包含具體意義的信息，以此來表示相關的概念及知識。相對于符号表示法而言，連接機制表示法是一種隐式的表示知識方法，它特别适用于表示各種形象性的知識。

√說明性表示法着重于對知識的靜态方面，如客體、事件、事實及其相互關系和狀态等，其控制性知識包含在控制系統中；

√ 過程性表示法強調的是對知識的利用，着重于知識的動态方面，其控制性知識全部嵌入于對知識的描述中，且将知識包含在若幹過程之中。

既然有諸多的知識表示方法，那麼怎樣的方法才是合理有效的呢？好的知識表示方法又應當具備怎樣的特性呢?下面對此做一讨論。

建立一種知識表示方法，要求有較強的表達能力和足夠的精細度。其次，相應于表示方法的推理要保證正确性和效率。從使用者觀點看，常常希望滿足可讀性好，模塊性好等要求。

完備性

要求具有表達領域問題所需的各種知識的能力，即要求所采用的知識表示方法具有語法完備性和語義完備性，并便于知識庫的檢查與調試。目前的大多數知識表示方法都很難滿足這一要求。由于專門知識、知識庫的特點及建庫方法所造成的原因，如果不選擇表示能力強的方法，就很難使知識庫具有某些有關的甚至是很重要的知識，嚴重影響專家系統的問題求解能力。

一緻性

要求知識庫中的知識必須具有一緻性，不能相互産生矛盾。幾乎所有的專家系統的研制者在開發自己的系統時，都在追求這個目标。由于專家的知識大多是啟發性知識，具有不完全性和不确定性。因此，所采用的知識表示必須便于系統進行一緻性檢查，以便在使用中完善知識庫，保證系統的求解質量。

正确性

知識表示必須能真實地反映知識的實際内涵，而不允許有偏差。隻有這樣，才能保證系統得出正确結論和合理建議。

靈活性

針對不同的專業領域，應當根據具體知識的特點及其自然結構的制約選用不同的知識表示方法。或是用單一方法，或是用混合方法，甚至設計研究新的表示方法，一定要具體問題具體分析，靈活掌握，切忌生搬硬套。

可擴充性

高性能知識庫應當不需要作硬件上或控制結構上的修改就能對知識庫進行擴充，即要求知識表示模式與運用知識的推理機制相互獨立，在專家系統中一般采用知識庫與推理機分離的手段來實現這一目的。另一方面，往往專家不能很快地把領域問題的所有知識定義為一個完整的知識庫，通常先定義一個子集，不斷增加、修改、删除來擴充和完善知識庫，這種方法主張将專家系統的知識作為一個開放集來處理，并盡可能地模塊化地存儲知識條目，便于知識庫的擴充。

可理解性

知識表示的可理解性指它表示的知識易于被人們理解的程度。易理解的表示模式的好處是顯而易見的，它符合人們的思維習慣，便于知識庫研制人員把專家的專門知識整理并形式化，也便于知識庫的設計、實現和改進。

可利用性

知識表示的目的在于知識的利用，具體地說就是知識的檢索和推理。知識的檢索與推理是一種控制知識，在專家系統中，一旦知識表示模式被選定，它們也就相應地被确定下來。因此，所選擇的知識表示方法應當便于對知識的利用，其數據結構應力求簡單，并保持清晰一緻。如果一種表示模式的數據結構過于複雜或者難于理解。使得推理不便于進行匹配、沖突消解以及不确定性的計算等處理，那麼就勢必影響智能系統的效率及其問題求解的能力。

可維護性

知識需要進行合理的組織，對于知識的組織是與其表示方法密切相關的，不同的表示方法對應于不同的組織方式。這就要求在設計和選擇知識表示方法時，充分考慮将要對知識進行的組織方式。此外，知識還需要适當地增補、修改和删除，以保證知識的一緻性和完整性，即需要進行知識的管理和維護。因此在選擇知識表示方法時還應當充分考慮到知識管理和維護的方便性。

例如，在建造具體專家系統時，應當以有效地表示問題領域的專門知識，便于知識的獲取，有利于運用知識進行推理的原則來選擇知識表示方法。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!