知识表示（Knowledge Representation）是长期以来人工智能研究中的一个重要问题。在智能信息系统研究中，知识表示则是其核心部分之一。本章介绍六种常用的知识表示方法及其在信息系统中的应用。

2.1  知识表示方法

    在人工智能中，知识表示就是要把问题求解中所需要的对象、前提条件、算法等知识构造为计算机可处理的数据结构以及解释这种结构的某些过程。这种数据结构与解释过程的结合，将导致智能的行为。智能活动主要是一个获得并应用知识的过程，而知识必须有适当的表示方法才便于在计算机中有效地存储、检索、使用和修改。

    在人工智能领域里已经发展了许多种知识表示方法，常用的有：产生式规则、谓词逻辑、语义网络和框架。从其表示特性来考察可归纳为两类：说明型（declarative）表示和过程型（procedural）表示。

    （1）说明型表示

    说明型表示中，知识是一些已知的客观事实，实现知识表示时，把与事实相关的知识与利用这些知识的过程明确区分开来，并重点表示与事实相关的知识。例如，谓词逻辑，将知识表示成一个静态的事实集合，这些事实是关于专业领域的元素或实体的知识，如问题的概念及定义，系统的状态、环境和条件。它们具有很有限的如何使用知识的动态信息。这种方法的优点是：具有透明性，知识以显示的准确的方法存储，容易修改；实现有效存储，每个事实只存储一次，可以不同方法使用多次；具有灵活性，这是指知识表示方法可以独立于推理方法；这种表示容许显式的、直接的、类似于数学方式的推理。

    （2）过程型表示

    过程型表示中，知识是客观存在的一些规律和方法，实现知识表示时，对事实型知识和利用这些知识的方法不作区分，使二者融为一体，例如产生式规则方法。该类方法常用于表示关于系统状态变化、问题求解过程的操作、演算和行为的知识。这种方法的好处是：能自然地表达如何处理问题的过程；易于表达不适合用说明型方法表达的知识，例如有关缺省推理和概率推理的知识；容易表达有效处理问题的启发式知识；知识与控制相结全，使得知识的相互作用性较好。

    目前普遍接受的观点是，在大多数领域中既需要状态方面的知识，如有关事物、事件的事实，它们之间的关系，以及周围事物的状态，也需要知道如何应用这些知识。所以实际上，大多数知识系统综合运用两类知识表示方法。

    一个好的知识表示方法应满足以下几点要求：

（1）具有良好定义的语法和语义；

（2）有充分的表达能力，能清晰的表达有关领域的各种知识；

（3）便于有效的推理和检索，具有较强的问题求解能力，适合于应用问题的要求，提高推理和检索的效率；

    （4）便于知识共享和知识获取；

（5）容易管理，易于维护知识库的完整性和一致性。

 

2.2  产生式规则表示法

产生式规则（Production Rules）是逻辑蕴含、操作、推理规则以及各种关系（包括经验性联想）的一种逻辑抽象。这种表示法是以操作（即过程）为中心的方法。它很适于描述建议、指示及策略等有关知识，尤其专家的启发式知识。

依据逻辑推理的需要，产生式规则有不同的表达形式。依据推理的方向，产生式规则分为正向规则（forward rule）和逆向规则（backward rule）；依据逻辑的确定性，规则可分为确定规则和不确定规则；依据规则对知识内容的概括程度，又可分为特殊和一般性规则；依据使用功能还有元规则。

（1）正向规则和逆向规则

    正向规则的一般形式是： 

    如果 <前提> 则 <结论>（if premise then conclusion）

或

    如果<情况>则<行为>（if case then action）

前提可由一个或多个条件组成，可使用逻辑运算符and及or连接起来。结论中仅包含一个条件。一条规则表示，结论要在逻辑上或行为方式上符合于前提条件。在调用一条规则时，系统首先检查一下前部分的值是否为真。若前提为假，系统就停止处理该规则；若前提为真，则结论的值也为真，或执行结论中有关行为。

例如

    如果  用户无系统经验    则    需提供辅助。

    逆向规则的一般形式是：

                 <结论> 如果（if）<前提>

    在这种格式中，前提和结论的顺序被逆转。人们称它为逆向规则（backward rule）。在Prolog语言中，if用“︰—”代替。例如，

    约翰应该乘坐飞机 如果   

约翰计划旅行的距离在600公里以上。

这两种格式都是常用的表示形式。

    （2）确定和不确定规则   

    以上的格式描述了确定规则。事实上，一些规则可能是真的，但不全都是真的，它们可能是不确定的或不精确的。可以在规则中加入确定性因子来表达不确定知识。规则的确定性因子表示了规则为真的程度。例如，

    如果  短期利率的变化趋势未知

    并且  联帮储备制无膨涨倾向

    则    有80％的把握：下六个月的利率会上浮。

其中确定性因子80％表示了结论的确定性。

    （3）特殊和一般性规则

    规则可表达为不同的概括级别，规则表达的越一般，则应用越广泛。考虑以下两条规则：

    规则1：

    如果  一个电钻有一根受损的电线圈

    则    电钻将会产生震动事故； 

    规则2：

    如果  一个烙铁有一根受损电线圈

    则    烙铁将会产生震动事故。

我们可将这两条特殊规则表达为一条较一般的规则：

    规则3：   

    如果 “设备”有一根受损的电线圈

    则    “设备”将会产生震动事故。

    将规则表达为较一般形式的优点是可将规则用于一般情况。如上面规则3就可用于所有具有电线圈的设备，当增加新的同类设备，不需增设新的规则。因此，应用一般性规则，可以从相当少的规则推导出许多结论。很自然地，与规则的对象类或知识结构相同的所有规则都将为真。规则3中的“设备”起一个变量的作用，它可匹配许多不同的具体设备。因此，在规则中使用变量，可使规则较一般化。然而，应用一般性规则时必须小心，因为规则越一般，越有可能存在例外。有时仅用一般性规则，不能区分具体事物之间的差异，可能会产生模糊知识。因此，有时需要设置一些较特殊的规则来识别差异，消除模糊性。

（4）元规则（metarules）

    目前，存在许多使用规则的方法。有一种规则用于控制其它规则的行为，这种规则称为元规则。当知识库中的规则逐渐增多时，就必须开发元规则来组织和管理知识库中规则的活动。例如，

    如果  顾客的年龄大于65岁

    且    规则集合1的前提中包含热衷于股票的信息

    且    规则集合2的前提中包含冒风险的信息

    则    优先应用规则集合1，后用规则集合2。

    建立这种元知识是困难的，因为元规则是更一般性的规则，常存在例外。在上例中，也许存在一些老年人，他们有可靠的收入，可能喜欢冒风险。

2.3谓词逻辑表示法

    谓词逻辑（Predicate Calculus）表示法是一种形式表达法。本节介绍基于一阶谓词逻辑（First Order Predicate Calculus）的子句形式的表示方法。它能用谓词演算来表示各种自然语言的事实，并提供一种从旧知识直接求得新知识的有效方法—一数学演绎。这种演绎方法被广泛用作求解问题的方法，并较容易实现。

2.3.1  谓词逻辑

人们曾用命题逻辑表达知识，很快发现它有很多局限性。例如，

李先生是个工人  表示为  LI WORKER

    王先生是个工人  表示为  WANG WORKER

这是一些完全独立的格式，一个命题描述一条事实，我们无法从中得出有关李和王相似性的结论。因此，命题逻辑不适于描述包含若干对象的事例。如果我们把这些事实表示为如下形式：

WORKER（LI）

WORKER（WANG）

这就要好得多，因为这种表达结构反映出知识本身的结构。这种表示方法就是谓词逻辑表示法。

    谓词逻辑是命题逻辑的扩充和发展，它允许逻辑描述包含变量和量词（仅用于变量）。谓词逻辑使用以下几个基本元素。

    （1）常量

    常量表示事物或概念等特指对象，例如书、椅子等。 

    （2）变量

    变量表示泛指的对象，常用一些符号表示，例如X、Y、Z等。

    （3）函数

    函数主要用来限制对象的范围，表示对象到对象的映射，用f（t₁，t₂，……，t_n）表示，f是函数，t_i（i=1，2，……，n）是参量。

    （4）谓词（Predicate）

    谓词表示对象的属性和对象之间的关系，用P（t₁，t₂，…，t_n）表示一个n元谓词，P是谓词符号，t_i（i=1，2，…，n）是谓词的参量，它可以是常量或变量。例如，“史密斯喜欢足球。”这个自然语言语句可表示为Likes（Smith，football），Likes是谓词，Smith和football是参量。

    （5）逻辑运算符

    ∧（conjunction）：合取（与）

    ∨（disjunction）：析取（或）

    ～（not）：否定（非）

    →（implication）：蕴含（如果．．．，则．．．）

    （6）量词

    '（universal quantifier）：全称量词（对于所有的）

    $（existential quantifier）：存在量词（存在某个）

    （7）分隔符 

为了明确量词的限定范围，使用“（）”，“[]”，“{}”等分隔符。

    使用以上基本元素，就可以定义以下谓词逻辑的构成元素。

（1）项（Term）

    常数、变量或函数称为项，它可作为谓词的参数。

（2）原子式（Atom）

    命题或谓词称为原子式。

（3）文字（Literal）

    原子式或原子式的否定称为文字。

    （4）范式（Well-Formed Formula）

    A.原子公式是范式。

    B.如果A和B是范式，则～A，A∧B，A ∨B，A→B是范式。

    C.若A是范式，X是任何变量，那么（'X）A和（$X）A是范式。  

D.有限次运用A—C所产生的公式均为范式。

    （5）子句（Clause）

    子句是用析取符号∨连接文字组成的逻辑式。

    定理：任何一个范式公式都可以等价地变换成一个子句集合，集合中各子句之间用合取符号∧连接。

    若P1，P2，Q1，Q2…，Qn为原子式，则

        P1∨P2∨～Q1∨…∨~Qn

为子句，根据逻辑的等价性，上式与下式等价：

            Q1∧…∧Qn→PI∨P2

    （6）Horn子句

最多由一个正文字（非否定的原子公式）组成的子句称为Horn子句。或者说，最多包含一个结论的子句称为Horn子句。这是由逻辑学家Alfred Horn提出的。 Horn子句有两种形式：

    A．有头Horn子句

           P∨～Q 1∨…∨~Qn

它等价于：Q1∧…∧Qn→P。

    B．无头Horn子句

           ～Q1∨…∨～Qn

它等价于：Q1∧…∧Qn→。

2.3.2  知识表示实例

在谓词逻辑中，表示知识的元素是谓词、子句和规则（在Prolog语言中，所有谓词都是Horn子句）。若一个子句中的项全是常量，则该子句称为事实。从这种观点出发，每个子句模式可以包含若干实例或事实。为了便于推理，可将逻辑蕴含关系表示为规则。

谓词逻辑应用归结原理（归结反演）来求解问题，为证明一个语句成立，转化为归结证明其非，导出一个与已知语句（公理）矛盾的结果（为空子集），说明该语句的非不成立，则该语句成立。在归结证明过程中，要使用谓词匹配操作，即证明两个谓词表达式恒等。谓词匹配的规则如下：

   ①两个谓词符相同，否则不匹配

   ②参量个数相等，否则不匹配

   ③对应参量匹配：

     a．两者均为常量，两者应相等

     b．一个为常量，另一个为变量，将常量赋给变量

     c．两者均为变量，作变量代换

       d．一变量能匹配一函数/谓词表达式，必须这个表达式不包含该变量的任一例示。

    现用一个Prolog程序例子说明知识的表示及演绎检索（Deductive Retrieval）处理。

    （1）事实

    事实用于描述对象之间的关系。事实的一般格式为：

    关系（对象，对象，…，对象），

其中，“关系”是谓词，对象是谓词的参量。

    例如，文献信息可用文献谓词描述，谓词参量包括：文献号、篇名、著者、出处、出版日期、主题，即

    文献（文献号，篇名，著者，出处，出版日期，主题）。

    主题知识可用主题谓词表示：

    主题（主概念，子概念）。

其中，“主概念”可代表单个概念，“子概念”是一个词表，标志着数据库中这个主题组面，它们直接从属于主概念。所有主题谓词集中在一起，可以形成一个主题词索引。

    用户信息可使用用户谓词表示：

    用户（用户名，主题）。

其中的“主题”描述用户感兴趣的主题领域。

（2）规则

规则是一个有头Horn子句，它的一般格式为：

关系（对象，对象，…，对象）︰—

关系（对象，对象，…，对象）and

……

              关系（对象，对象，…，对象）。

其中，“︰一”表示if（如果），其左边为“结论”，是总目标，其右边为前提，是子目标。该规则是逆向规则。

    例如，检索操作可用一个规则表示：

    检索（用户名，文献号）︰—用户（用户名，X）and

                            文献（文献号，X）。

    它的含义是：如果某个用户对项目X感兴趣，并且某篇文献中包含项目X，那么这个用户对该篇文献感兴趣。

    用户的提问可用无头Horn子句表示：

    ?︰—E，F  或者

    ?    E，F  

  它的意思是，查找X使得E、F均为真。

  事实和规则的集合就构成了知识库，现给出知识库的例子如下：

  文献（00001，情报系统管理，严怡民，科学技术文献出版社，1988，情报系统）；

  文献（00002，科技文献检索，陈光祚，武汉大学出版社，1984，情报检索）；

  文献（00003，情报检索自动化基础，王永成，知识出版社，1984，情报检索）；

    用户（王刚，情报检索）；

    用户（李强，情报系统）；

    检索（用户名，文献号）︰—用户（用户名，X）  and 

                         文献（文献号，X）。

基于以上知识库就可以执行检索操作。Prolog查找机制解决用户提问，是利用定理证明技术叫做归结（resolution）。检索例子如下：

    ?文献（情报系统管理，严怡民）

    系统用提问谓词“文献”与知识库中的事实进行匹配成功，回答为“true”。

    ?文献（科技文献检索，1983）

    回答：false

    ?文献（情报检索目动化基础，出版日期）

    回答：出版日期=1984

其中，“出版日期”是变量

 ?文献（著者，情报检索）

    对于该提问，系统查找使提问为真的所有变量值，结果为：著者=“陈光祚”和著者=“王永成”。

    ?检索（王刚，X）

    其检索处理如下：

    （1）自上而下搜索知识库，查找与提问目标匹配的事实，失败。于是用目标匹配规则的结论部分，变量“用户名”的值约束为“王刚”，然后执行演绎推理求得答案。变量“用户名”的值传递给规则前提的所有子目标。

    （2）系统证明前提部分中第一个子目标“用户（王刚，X）”，在知识库里寻找与其匹配的事实，匹配成功，变量X的值约束为“情报检索”。

（3）第二个子目标为“文献（文献号，情报检索）”。同理，搜索知识库，子目标匹配两条文献事实，文献号的值为00002与00003，王刚检索到两篇文献。

 

2.3.3  谓词逻辑表示的特点和问题

基于一阶谓词逻辑的知识表示具有如下优点：                               

（1）逻辑表示是说明型表示，和其它知识表示形式相比，它是一种接近于自然语言的形式语言，使得句子很容易被人们理解。

    （2）谓词逻辑能很准确地表示知识。

    （3）它拥有通用的逻辑演算方法和推理规则，并保证推理过程的完全性。

    （4）模块性能较好，谓词逻辑表示方法可以把知识分成小单元，用模块的形式来储存。

另一方面，这种表示方法所能表示的事物过于简单，不能很方便地描述有关领域中的复杂结构。此外，使用这种方法的效率低，逻辑推理过程往往太冗长，当用于大型知识库时，可能会发生“组合爆炸”。

 

2.4  语义网络表示法

    知识常常是一种很复杂的结构化的信息集合。产生式规则和谓词逻辑虽是重要的知识表示方法，但对较复杂结构的知识来说，就显得很不够用。语义网络和框架方法是结构表示法，可以表示任何复杂的知识结构。

语义网络（Semantic Networks）是由Quillian作为人类联想记忆的一个显式心理学模型提出的。1970年，simmon将语义网络用在自然语言理解的研究中，正式提出了语义网络的概念。

2.4.1  图形表示

    语义网络是知识的图解表示，它的逻辑结构是一种二元关系有向图。它可以直接地表示实体或概念之间的结构关系。语义网络由结点和弧（有向线段）组成。结点表示事物、概念、事件等，弧表示结点之间的关系。结点和弧均可带有权值，以表示其有关的重要程度。

    弧的定义有多种方法，依赖于所表示的知识类型。弧所表示的各种关系可以归纳为以下五类。这些关系有时均用ISA符号表示，有时用不同符号分别加以表示。

    （1）类属关系

    类属关系（a KIND-OF）是指具有共同性质的不同事物间的分类关系、成员关系或实例关系。例如，专业图书馆是图书馆的一种类型。

    （2）包含关系

    包含关系（a SUBSet-OF）表示子集合与集合之间的关系。例如，公共汽车集合是汽车集合的子集。

    （3）整部关系 

整部关系（a PART-OF）表示整体与其组成部分之间的关系。例如，人体系统与器官之间的关系。

（4）属性关系

属性关系是指事物和其属性之间的关系，；例如：

        Have：含义为“有”，表示一个结点具有另一个属性。

        Can：含义是“能”、“会”，表示一个事物能做另一件事情。

（5）时序关系  （多媒体信息知识）

   时序关系是指不同事件在其发生时间方面的先后次序关系，如：

        Before：表示一个事件在另一个事件之前发生。

        After：表示一个事件在另一个事件之后发生。

        At：表示某一事件发生的时间。

（6）其它语义相关关系

  相关关系是指不同事物在形状、内容等方面相似、接近、相关等。

语义网络的一般结构如图2-1所示。

 

结点2

结点1

 

 

                        弧1                 弧2                         弧3

结点3

结点4

 

 

                                       弧5                                弧7

                         弧4                                       弧6

结点7

结点6

结点5

                                           

 

 

图2-1语义网络的结构

2.4.2  性质继承及语义网络的推理

    弧所表示的属种关系、实例关系及包含关系描述了对象或概念之间的等级关系，它们构成了对象（或概念）的分类层次结构（Taxonomical Hierarchy）。在这种结构中，低层概念沿着等级关系继承上层概念的所有性质，这一特性称为性质继承（Property Inheritence）。这种性质继承可分为三类：

（1）直接继承，子结点直接把父结点的性质继承过来。如图2-2示例中油船可以继承船的所有性质。

 

 

船

             KIND-OF                              PART-OF

                                        

                   KIND-OF                       PART-OF

海洋班轮

外壳

发动机

油船

              

 

                INST-OF

东方红一号

 

 

图2-2语义网络实例

    （2）附加继承，子结点把父结点的性质与自身的性质综合起来，只要不发生矛盾，就可推出新的性质。例如，可从上例的船和海洋班轮中推出海洋班轮具有为航海事业服务的性质。

    （3）排斥继承，是对例外情况的处理，当子结点性质与父结点性质不相容时，则取子结点的性质，抑制父结点性质的传递。例如，鸟会飞，企鹅是鸟类的一种，但它不会飞。当要判断某只企鹅是否会飞时，则需从企鹅继承不会飞的特性。

在语义网络中，从高层结点继承性质的过程，称为继承推理。继承推理的主要内容是检查从高层结点传递下来的性质是否合理。当我们提出问题时，要求用语义网络中的知识验证某个断言或回答某个查询。系统首先访问语义网络中与提问有关的结点，如果不能回答，则沿着弧搜索，直至找到可以回答问题的结点。

   例如，对于图2-2的语义网络，当提出“东方红一号轮的结构中包括发动机吗？”这一问题，系统首先访问语义网络中的“东方红一号”结点，它不包含结构描述，因此沿INST—OF弧访问它的父点，仍不回答问题，再向上访问“船”结点，它的结构中包含“发动机”，这一性质可由“东方红一号”结点继承。于是得到解答“东方红一号轮的结构中包含发动机”。

2.4.3语义网络应用实例^[1]

语义网络可以表达任何复杂的知识结构，广泛应用于各种分布式知识资源的组织。将语义网络应用于互联网信息资源的知识组织，即语义Web（Semantic Web）是新一代的知识网络。

如果在语义网络中为知识结点间的联系赋予权值，则可以用于表示一些特殊的附加知识，如：知识元素间的相关程度、知识联系的重要性、知识的置信度等。图2-3显示了应用语义网络表达图书情报学领域专业知识的模型图。

图2-3 图书情报学的专业知识模型图

图中的主要知识结点是图书情报学领域的重要概念，扩展结点是该领域有代表性且与概念相链接的知识文件。结点联系上的数值表示了概念间的关联强度。这种模型不但可以用于描述静态的专业知识结构，还可以用于分析专业中知识单元间关联的变化趋势。

2.4.4  语义网络的特点和问题

    语义网络的主要优点是：可表示复杂的知识结构，侧重于表示语义关系知识，体现了联想思维过程，提供了很自然的构架；基于联想记忆模型，可执行语义搜索，相关事实可以从其直接相连的结点中推导出来，而不必遍历整个庞大的知识库，从而避免了组合爆炸；利用等级关系可以建立分类层次结构实现继承推理；利用继承特性，可实现信息共享，将结点的公共性质存放于较高层结点中，可被子孙结点继承。兼于这些优点；语义网络很适合表示专业领域知识，如叙词表。  

    语义网络的主要缺点是：网络还缺乏标准的术语和约定，语义解释取决于操作网络的程序；网络结构复杂，建立和维护知识库较困难；网络搜索、调控的执行效率是难题，需要强有力的原则。

在语义网络表示中，没有形式语义，没有统一的结构模型，根据不同的需要可以构成不同类型的语义网络（如重视联想的、重视推理的、表示词语的等）。在应用过程中，一部分网络用说明型方法表示知识，从演绎推理的角度来研究，发展成为另一类实用的知识表示方法，如框架表示法。

 

2.5框架表示法

框架（Frames）表示方法是一种层次的、组合式的知识表示方法。它可以在同一的知识表示环境中综合使用说明型和过程型描述的方法。它具有面向对象和性质继承等特点，已发展成为一种通用的表示方法。

框架方法采用与语义网络相同的图形表示，由一组框架结点及其相互关系组成一个结构化的整体，称为框架系统。框架系统可被组织为严格的层次结构（树结构）或层次的网结构，适合于表示等级结构的知识。

框架系统中的框架结点（简称框架或结点），它是表示知识的单位，可以描述定型的事实、对象和概念。

2.5.1  框架的基本结构

    一个框架表示一个由属性集合组成的对象或概念。框架的基本结构中包含五种知识成份：

    名字：框架具有唯一的名字，它提供一个标志，可为任何常量。

描述：这部分是框架的主体，由任意有限数目的槽组成。这些槽是数据和过程的组合模块，用于描述对象的性质（属性）或连接不同的其它框架。每个槽包含槽的名字和槽的值。一个框架中的每个槽具有唯一的名字，它局限于框架。因而不同的框架可以包含相同的槽名，例如年龄表示为槽，可被用于表示不同人的框架中，而不会发生概念的冲突。每个槽有一个值侧面（存放属性值），它可具有一个或多个值，也可以是默认值。默认值是在缺乏更具体的知识时被假定的一个值。例如，法官可能是诚实的，但不一定是，根据一般的情况，我们可以假定法官是诚实的。有些情况，根据对象的类型可知它必须具有某种特征，但不知道该特征的具体值，又不能设默认值。例如，一个人必定具有年龄而不知道具体值，可以认为表示年龄的默认值是“无”。

约束：每个槽可包含一组有关约束条件，如约束槽值的类型、数量等。这些约束

可用若干侧面表示。一种侧面表示槽值的最少和最多个数；一种侧面描述槽值的类型和取值范围；例如一个人的年龄必须是整型数字。另一种侧面是附加过程：如果加入过程（if—added）、如果删除过程（if—deleted）、如果需要过程（if—needed），它们描述对象的行为特征，用于控制槽值的存储和检索。

关系：关系表达框架对象之间的知识关联，包括：等级关系、语义相似关系、语义相关关系等静态关联，还有框架之间的互操作等动态关联。每个框架可以有一个或多个父辈结点，通过父—子链表达等级关系。框架中槽的值也可以是连接其它框架的链值。因此，框架可以通过槽的值相互关联，还可以使用规则相互动态连接。当一个系统中的各个不同框架共享同一个槽时，这个槽可以把从不同角度收集来的信息相互协调起来。

    一个框架的基本结构由框架名、关系、槽、槽值及槽的约束条件与附加过程所组成。框架的一般描述形式如下：

   《框架名》

   《关系》

   《槽名1》《值1》《约束1》《过程l》

   《槽名2》《值2》《约束2》《过程2》

     ……

   《槽名n》《值n》《约束n》《过程n》。

例如：一个描述“大学教师”的框架：

框架名——大学教师

槽名——职业：<教师>

槽名——学位：（学士，硕士，博士）

槽名——专业：<学科专业>

槽名——职称：（助教，讲师，副教授，教授）

槽名——外语：

       侧面名——语种：（英，法，日，俄）    

                    默认值：英

       侧面名——水平：（优，良，中，差）

                    默认值：良

说明：

（1）框架中槽的约束条件

槽条件用于约束待填充槽所允许的取值范围，例如上例中关于大学教师职称的取值范围。槽条件还可以通过调用其他槽的值来获得。例如，某公司的雇员允许的年龄值可能依赖于这个雇员的性别，因为对于性别不同的人，他们的退休年龄也不一样。

（2）框架中槽的默认值（缺省值）：

默认值是通常情况下假定使用的值，通常代表大部分实体具有的特性。例如，大部分大学教师会英语，因此上例中外语语种的默认值为英语。默认值有正确和不正确之分。

一个框架可以表达一个类对象，称为类结点（或原型框架）。它还可表达一个具体实体对象，称为实例结点（或实例框架）。只有在框架中填入具体的值，才能表示一个特定的实体，这个过程叫作框架的实例化。我们用KIND—OF表示类之间的类属关系，用INST—OF表示实例与类之间的关系。

  

2.5.2  附加过程

    在框架表示法中，允许每个框架附加一些信息。这些信息包括怎样使用框架的指示，下一步做什么，以及当期望值不确定时怎么办等。这些信息用于描述领域的决策规则和有关的活动，以建立对象和专知的行为模式。框架系统使用附加过程来表达行为信息。

三种附加过程是：（1）if-added如果加入过程，用于存储和修改槽的值，当新的信息加入槽内时执行该过程，且首先检查给定的项目是否是某槽的合法值；（2）if-deleted如果删除过程，从槽中删除信息时执行：（3）if-needed如果需要过程，用于控制槽值的检索，当需要某槽之值而该槽为空时，用某种方法产生槽的值。常用的方法有：继承一个值；参考一个期望值的表；向用户询问值；执行一个函数计算求值或运行一个演绎规则的集合获得一个值。如果需要过程可辅助提高检索的灵活性。

    附加过程可用于检查、控制槽值的存储和检索，维护知识的正确性和完整性。例如，增加附加过程的职工框架表示如下，其中职工框架表示类对象，李华框架是职工的实例框架，将if-needed过程加入类框架的工资槽，可定义一个口令过程限制框架中部分数据的存取。附加过程可被下层框架继承使用。

 框架名： 职工

    双亲：人

    槽名：职工号  值：

槽名：工资    值：

    If-needed：检查口令A11

    If-added： 检查口令B22。

    框架名：李华  

    双亲：职工

    槽名：职工号    值：10003

    槽名：工资      值：2500

    规则R：检查口令‘X’

          如果   显示‘键入口’

          并且   读入‘Y’   

          并且  ‘X’=‘Y’

    当检索李华的工资时，if-needed过程被李华框架继承，它作为一个目标被证明，执行规则R，X中的内容是All，当用户键入的口令值读入Y中，如果X=Y，说明检查成功，则执行检索李华工资的操作；若检测失败，则不执行检索操作。

    同理，人们也可用“检查口令”作为一个if-added过程来保护工资槽的值，避免没有口令的非法修改。例如，若要将李华的工资值改变为3000，则if-added过程将作为一个目标被证明。此外if-added过程还可通过检查数据的语义或范围等，来监护存储信息的正确性，检查知识的有效性，以及保护框架内的永久知识。  

附加过程还用于知识信息的动态管理，可以基于其它信息直接计算槽的值，或动态地决定槽值的可容许范围，在推理过程中，附加过程提供的自动触发规则的功能，可用于修改框架的基本结构，如增加槽，增加或删除框架等。 

框架方法具有的存储、检索及动态知识管理的功能，提供了实现智能数据库的好方法。许多智能系统必须依赖于智能的数据管理。

2.5.3  框架系统中的知识组织

框架中，知识组织的基本原理是将对象或概念组织为分类层次结构。知识结构中，概念的安排是从一般到特殊。一般的概念由较高层次的框架来描述，而特殊的概念存储在较低层的框架中。层次组织法是描述智能行为的重要方法。它具有继承性，使得存储在高层的概念信息也适用于低层中的实例。从这种意义出发，人们称它为继承结构。在实际应用中，人们可以将对象或概念组织为各种层次结构。

在框架的层次结构中，层次关系链针（父—子链针）表示了对象或概念之间的等级关系，如上所述的子类与类之间的属种关系、实例与类之间的实例关系和集合包含关系。这种层次关系提供了一种把知识从某一层传递到另一层的途径，从而构成了一种继承树或继承网络。

框架系统必须有一个最高层框架或根结点，其它框架都是它的后裔。这个根结点没有父辈，也可认为它的父辈是某事物。

框架系统中，每个框架必须至少有一个父辈结点（根点除外），也可以有多个父辈结点。一个框架可以继承它的所有父辈框架的性质。

每个框架包含若干槽，继承特性允许人们对框架中的槽只定义一次，但可被它的所有子孙共享。因此，每个框架可能继承它的所有祖先框架包含的槽、槽的值及附加过程。例如，一个表示职工信息的框架系统由图2-4所示。

在这个例子中，职工框架是最高层框架，包含年龄、性别两个槽。表示职工的共同特征的信息可存储在职工框架中，供其所有子孙框架共享。男职工的共同特征“性别”信息存放在男职工框架中，可被所有男职工共享。例如张勇框架中没有明显定义性别槽，但由它的父辈框架隐含提供。

当一个框架有多个父辈时，意思是一个框架可从多个父辈那儿继承信息，这被认为是多重继承。实现多重继承，要求系统设计者应保证检索的信息与当前系统内的信息一致。

在日常活动中，人们常假设事件具有常规情况和缺省情况。常规事件常包括一些例外。缺省和例外在知识表示中是非常有用的。框架系统必须处理这些例外情况。框架表示法对例外的处理方法是重新定义继承槽的值。

 

 

 

 

 

 

框架名：职工

双亲：无

槽名：年龄  值：

槽名：性别  值：

 

 

 

 

 

 

 

                  KIND-OF                                 KIND-OF

框架名：男职工

双亲：职工

槽名：性别

值：男

框架名：女职工

双亲：职工

槽名：性别 

值：女

 

 

 

 

 

                 INST-OF

框架名：张勇

双亲：男职工

槽名：年龄  值：20

 

 

 

 

 

图2-4职工的框架系统

 

2.5.4  框架系统的推理机制

    框架系统中使用的推理方法可分为如下三种类型：

    （1） 面向检索的继承推理

    这是一种以框架间层次关系的性质继承及利用缺省值为主的推理策略。它的意思是低层框架可以继承较高层框架的性质。当检索某槽的值时，而该槽为空（缺省值），可从该框架的父辈框架或其祖先框架中继承有关槽值、限制条件或附加过程。

    （2）面向过程的推理

框架表示法能把描述型知识与过程型知识的表示组合到同一数据结构中。因此，可利用槽中的附加过程（或子程序）实现控制。这个程序体放在另外的地方，以供多个框架共同使用。

    （3）面向规则的推理

    这是在综合运用框架方法和产生式规则表示法的机制中使用的推理方式。框架与规则的连接有两种方式：将规则连入框架和将框架连入规则。

    ①将规则连入框架，也就是在框架中包含规则，即用附加过程调用规则集合，来控制信息的存储、检索和推理。但事实上，应用框架中的附加过程执行所有的推理，将起副作用。这种缠结结构产生的后果是，不仅理解和维护是困难的，且效率也低。

    ②将框架连入规则，这种方式将规则中的前提和结论表示为框架。在推理中，应用规则控制推理，而用框架组织智能数据库来维护推理所需要的知识。

    组合规则和框架方法，可以建立一种知识表示与推理相结合的综合系统。区别哪种知识在框架中描述、哪种知识在规则中描述及规则与框架的连接方法是关键问题。

 

2.5.5  框架表示法的评价

现在我们从四个方面评估框架表示法：基本知识结构的质量、存储机制的质量、检索机制的质量和知识环境的质量。

   （l）知识结构的质量

   知识结构具有面向对象的特点：等级结构具有继承性、抽象性、封装、可重用性。框架的层次结构允许用户根据需要以尽量详细的层次充分表达知识。这种结构还有助于确保信息存储在正确的位置，以及检查知识的完整性。它的性质继承特性可使相同结构元素集合中的信息共享，共享信息存储在尽可能高的层次中，从而简化事物的表达。框架方法对应着人类思考的方法，如框架与人类记忆中的信息模式密切相关。因此，人们可很容易地理解知识结构。

    （2）存储机制的质量 

    框架结点的静态与动态组合结构，提供自动的槽和槽值的维护功能，是一种主动存储机制，框架的组合结构将概念的性质和过程组合在一起，使得知识的组织、修改和检索容易实现。框架的层次结构便于根据已存知识执行解释和存储新知识。附加过程和规则相结合，可用于动态控制信息的存储和检索，并可修改框架的基本结构，如增加新的槽，改变槽的值，删除框架及建立新框架等，它能自动维护知识的完整性，以及知识库和层次结构的一致性，还可区分永久的和暂时的知识。

    （3）检索机制的质量

框架系统提供继承推理、语义推理和规则推理，可以实现多种检索途径：分类检索（对象）、继承检索（属性）、缺省检索、规则推理检索。框架表示的分类等级结构给用户提供较多的检索入口点，并可按分类原理检索对象。这种等级结构还可简化检索过程，如人们仅通过高层中的信息就可获得整个类的概念。组合结构可以辅助用户用不同的方法推理，引导用户利用目标的特定的重要信息实现检索。

    （4）知识表示环境的质量

框架表示法可以处理知识库所需的大小。附加过程可用于修改和扩展框架系统。由于存储信息的共享，知识的表示无冗长和重复，使得合理地使用存储空间并具有较高的执行速度。框架系统可应用虚拟的框架管理系统、动态索引及超高速缓冲存储器（caching）有效地工作在微型计算机上。

    框架表示法的缺点是结构关系较复杂，维护知识库的层次结构有一定的困难，必须设计一个好的控制机制。

总之，框架表示法基于认知科学理论来考察问题，应用人类的框架式知识模式去组织人类对真实事物的基本理解。因此，框架方法能捕获领域专家的思考方法，应用专家使用的专门技术充分表达对象和对象之间的关系，并实现概念和术语的简明定义。框架表示法是表示专业领域知识的理想方法。此外，框架表示机制的结构和分类特征提供了知识系统的推理能力，它将关于人类记忆和推理机制的各种研究在某种意义上系统化了。若正确综合使用框架和规则的方法，表示机制将具有更强的功能和灵活性。今后的知识库系统的研究与框架方法密切相关，该方法可能会成为未来的智能与推理模式。

 

2.6  本体表示法

本体方法是目前知识工程领域的研究热点。它由人工智能中的语义网络演化而来，是一种概念化的、结构化的表示方法，可以作为知识组织和知识处理的基础。它能够描述语言文本中隐含的深层语义，使应用软件能够更加有效的处理复杂的、多样化的知识。

 

2.6.1本体的基本概念

本体论（Ontology）这一概念源自于哲学，原意是指关于存在的客观世界及其本质和规律的学说。本体（ontology）是表述哲学理论的术语，是物质存在的一个系统的解释，这个解释不依赖于任何特定的语言。本体已广泛应用于企业的知识分类、知识组织等知识管理中。近年来，本体的概念被越来越多的应用于计算机知识工程、自然语言处理、知识表示、知识获取等领域，用于对客观世界的存在现实进行系统化描述，方便知识的集成、共享、重用和交互。

人们已经从不同的角度和方面为本体的概念进行了定义，其中比较著名的有“本体是概念模型的一个显示的规格说明”和“本体是共享概念的一个形式化的规格说明”，其中，“概念模型（Conceptualization）”是指通过对某个客观现象的相关概念进行辨析和提取而获得的关于该现象的抽象模型；“显示（explicit）”是指对所使用的概念的类型，以及这些概念在应用上的约束都给予明确的说明；“形式化（formal）”表示本体以高度抽象和规范化的计算机可读的形式存在；“共享（share）”表示本体中反映的是共同认可的知识。

1994年Tom Gruber在SRKB（Shared Reusable Knowledge Bases）的E-mail列表中提出的关于本体的定义获得了大部分研究者的公认。他认为：“本体是关于共享概念的协议。共享概念包括对领域知识建模的概念框架、可互操作的系统通信协议和特定领域理论的表示协议。在知识共享环境中，本体以定义表达词汇的形式来获得描述。”

从本质上说，本体反映了一个应用领域的通用知识和模式,是该领域中的概念以及这些概念间关系的集合，关系反映了概念间的约束和联系，也可以将它看成一种特殊的概念，关系之间还可以存在新的关系。

本体与现有的知识表示手段如知识库、语义网络等有类似之处，都可以用于对领域知识的定义、标示和组织，但是它们之间也存在本质上的差别。本体与知识库相比，知识库是知识系统的知识存储模块，既可以包含描述性知识也可以包含过程性知识，一般具有较强的应用针对性，而本体则侧重于领域概念层次上的术语及术语关系的表达，是该领域知识的通用观点，可作为知识共享的基础。知识系统开发者通过组装本体中的可重用部件，可以避免从头开始建立知识库。本体与语义网络相比，语义网络的描述范围较广，但对象间的关系简单，主要用于语言层次的知识描述，而本体则可以通过多种手段严格深入地刻画对象和对象间的关系，实现对知识模型的精确控制。

 

2.6.2本体的类型和组成元素 

目前关于本体的研究非常广泛，尤其是在国外，许多研究组织和机构都研究建立了各种各具特色的本体。根据其应用主题，可将本体划分为四种类型^[2]：

（1）通用或常识本体，用于描述通用的知识，如：语言、常识等知识；

（2）领域知识本体，用于描述特定应用领域中的概念和概念间关系；

（3）任务本体，用于描述特定任务中的概念和概念间关系；

（4）元数据本体，用于描述信息资源元数据的本体。

不同的本体除了具有不同的应用主题外，其表示形式也各不相同。最简单的表示形式可能只是一些简单概念词的分组，被定义的概念间关系只有一种——分类关系，这种分类关系具有“组成关系”、“相似关系”等多种内涵，没有固定一致的意义。与简单表示形式相反，有些本体具有严格而详细地的表示形式和公理定义。

本体是对领域实体存在本质的抽象，而实体之间存在许多关联，实体本身也在不断变化，实体具有许多静态和动态的特性。本体就是对实体及其关联和实体的运动规律的本质特征的抽象描述。

形式地说，一个本体可由概念、关系、函数、公理和实例等5种元素组成^[3]。

（1）概念——表示广义上的概念，是从不同层次对领域知识的抽象描述，它可以是一般意义上的概念，也可以是任务、功能、策略、行为、过程等的概括。概念具有各种静态和动态的性质。依据概念的语义，概念之间具有各种语义关系；

（2）关系——表示概念之间的关联，例如一些常用的关联：等级关系、等同关系、相似关系等语义关系；其中的等级关系，描述概念之间的本质关系，因此在本体的描述中，概念通常用类（Class）来定义，从而构成分类层次结构；

（3）函数——是一类特殊的关系，即由前n-1个要素来唯一决定第n个要素，如数学函数：长方形的长和宽唯一决定其面积；

（4）公理——表示永真式，本体中，属性、关系和函数都具有一定的关联和约束，这些约束就是公理，公理一般用槽的侧面来定义；

（5）实例——表示属于某个概念类的具体实体元素。

在实际知识表示过程中,不一定要严格地按照上述5类基本元素来构造本体，概念之间的关系可以根据领域的具体情况而定。本体方法正是通过这些知识表示元素,来组织现实世界的知识。

 

2.6.3本体的知识表示

知识的表示必须向概念的深度延伸。这是因为概念是人类认识、表达客观事物的基本单元，判断和推理是在概念的基础上进行的。本体的描述语言要能将领域模型表达成清晰的、形式化的概念描述，其形式化的程度越高越有利于机器的自动处理。

本体的表示方式主要有4类：（1）完全非形式化方式。用自然语言进行表示，结构非常松散，典型的如术语列表；（2）半非形式化方式。用受限的或结构化的自然语言进行表示，能有效提高本体的清晰度，减少模糊性。如：Enterprise Ontology的文本版本；（3）半形式化方式。用人工定义的形式化语言进行表示，目前已有许多研究机构开发制定了这类形式化本体表示语言；（4）完全形式化方式。具有详细的概念项定义、语义关系的形式化定义以及稳固和完整的公理和证明。在实际应用中，这几种表示方式各有所长。如果本体的应用目的是为了加强人与人之间的交流，则非形式化的本体将更为适用；如果对本体的处理需要由机器自动完成，则其形式化程度越高越好，在有些情况下，需要将非形式化和形式化两种方式组合起来使用。

目前本体知识表示方法很多，从它们的支撑理论基础来看，可分为：

（1）自然语言，以自然语言处理为基础，从语法层次深入到语义和语用层次，揭示概念及其关联的语义知识；

（2）一阶谓词逻辑，以形式逻辑为基础，应用知识概念的逻辑理论来描述知识模型；

（3）框架和语义网络，以人类的认知模型和认知理论为基础，使本体的表示符合人类的认知规律。

在实际应用中，这些方法相互结合、相互促进、共同发展。

本节以框架方法为主，介绍领域本体知识的表示。本体知识的表示包括概念类、关系、函数、公理和实例等5种元素的描述。概念类的描述包括：定义类和类之间的等级关系、类的属性（槽）、槽的侧面、类的公理集合以及类的实例。

（一）定义类和类的等级关系

定义类和类的等级关系的基本方法是：从概念集合中选取具有独立存在性的对象概念（而不是描述这些对象性质的概念），作为概念类的后选对象。通过判断某个类的实例是否也是另一类的实例来确定两个类之间的等级关系。等级关系是组织概念模型的主要关联元素。

（二）定义类的属性——槽

本体中的类层次结构虽然提供了领域知识的整体框架结构，但还不足以提供所需要的全部知识信息。因此，一旦在定义了类之后，就必须进一步描述这些概念类的内部结构，即定义类的属性——槽。

在领域知识的概念集合中，除去作为类的概念，剩下的大部分是用于描述实体性质的概念，例如在酒和食物的概念集合，描述实体性质的概念包括描述酒的颜色、品质、味道、糖份、酿酒厂的地址等内容的概念。

对于概念集合中每一个描述性的概念，必须首先确定它属于哪一个概念类，然后将其定义为该类的槽。一般来说，有下列几种类型的属性可以作为槽：

（1）固有属性（内部属性）。如：酒的味道；

（2）外部属性。如：酒的名称、出产地；

（3）组成部分。这种组成部分可能是实际意义的也可能是抽象意义的，例如：晚餐的进程；

（4）该类与其他类间的关系属性。如：“酒的制造者”作为“酒”类的槽，实质上反映了“酒”和“酿酒厂”之间的关系。

所有的子类都将继承其父类的槽，但也可以同时定义自己的新槽。为了使本体的结构更加简练，应该尽量在其泛化程度最高的类中定义属性的槽，这样它的所有继承者都可以具有同样的属性而不需要额外的定义。

另外，在定义本体中的槽时还需要注意两类特殊的情况：

（1）互逆槽

一个槽的值也许需要依赖于其他的槽值来决定。例如，如果一种酒是某酿酒厂生产的，则酿酒厂制造了这种酒。这两种关系“生产者”和“制造”，被称为互逆关系。同时保存这两个方向上的关系信息将产生系统冗余，因此在知道了酒和酿酒厂之间的“生产者”关系后，可以在需要时由知识系统自行推导出其互逆关系的值。

（2）默认槽

许多基于框架的系统允许为槽定义默认值。如果对于大部分实例来说，某个槽的值是若干不确定的值，可选用一个大多数情况下存在的值，则将这个值定义为该槽的默认值。这样，当为该槽所属类创建新的实例时，系统将自动在实例中填入默认槽值。

举例来说，如果大部分酒都是满瓶装的酒，则可以将“满瓶”作为酒的“瓶装量”属性的默认值。这样，在不做任何改变的情况下所有加入的酒的都将是满瓶装的。

在这里需要注意默认值和槽值的区别，默认值是预定值，可以改变，而槽值是不能改变的。例如，一旦为“甜酒”类的“糖份”属性定义槽值“甜”，则其所有继承者的该属性值都是“甜”，任何子类和实例都不能改变它。

（三）定义槽的侧面

本体中每个描述属性的槽都可以具有一个或多个侧面，各个侧面从各个不同的方面来描述槽的特性，比如描述槽值的类型、槽可以允许的值、槽值的个数等。每个侧面又有一个或多个侧面值。

在本体中常用的槽侧面包括以下几种：

（1）槽的基数

槽的基数定义一个槽可以拥有的值的个数，在某些知识系统中槽的基数的值只有“单值”和“多值”两种，例如“酒”的“名称”槽就是一个单值槽，而“酿酒厂”的“产品”槽是一个多值槽。还有一些系统允许指明槽的基数的最大值和最小值，最小基数N表示槽至少要具有N个值，而最大基数M表示槽最多不能超过M个值。有时可以将槽的基数的最大值设置为零，表明任何子类或实例的该槽都不具有值。

（2）槽值类型

值类型侧面描述可填充槽的值的类型。一些常用的类型包括字符串、数值、布尔值、枚举值、实例（这种类型的槽值一般用来定义类和类之间的关系）。例如描述“酒”的“名称”属性的槽值是字符串类型的，而“酿酒厂”的“产品”槽的值类型则为“酒”类的实例。

（3）槽的领域和范围

如果槽值的类型为实例，则需要同时指明这些实例所属的类的列表，这个类列表也被称为槽的范围。有些系统要求在定义槽时就指明其限制和范围。

拥有某个属性的类，被称为该属性槽的领域，例如：“酿酒厂”类是“产品”槽的领域。在建立本体时，拥有某个属性槽的类的集合组成立该槽的领域集合。

决定一个槽的领域和范围时要注意的原则是：领域和范围中的类不能太过细化，也不能太过泛化。也就是说，槽的领域内的所有类都应该拥有该槽所反映的属性，槽的范围内的所有类的实例都应该可以作为槽的填充值。更具体的说：

（a）如果在一个槽的范围或领域中同时包含了某个类A和它的子类，则删除子类，因为子类隐式地继承了A的所有槽，同时包含两者不会提供更多的有用信息。

（b）如果在一个槽的范围或领域中包含了某个类A的所有子类，但却没有包含A，则应该将A加入，而删除其所有的子类。

（c）如果在一个槽的范围或领域中包含了某个类A的大部分子类，则需要考虑是否需要将A作为该槽的更合适的范围定义。

由于将一个槽赋予一个类的操作与将该类加入该槽的领域的操作是等价的，因此，上述规则在为类添加属性槽时同样适用。即一方面要尽量泛化，另一方面要确保加入的每一个类都确实具有该槽所描述的性质。

（四）定义类的实例

定义本体的最后一个步骤是为类的层次结构创建个体实例，这一过程包括三个步骤：

（1）选择一个类；

（2）创建类的一个实例；

（3）填充实例中各个槽的值。

例如定义“长城葡萄酒”类的一个实例，其各个槽的值为：

    名称：          长城葡萄酒A

    瓶装量：        满瓶

    丹宁酸程度：    低

糖分：          干

    葡萄类型：      烟台蓬莱葡萄

    生产者：        时代长城葡萄酒有限公司（“酿酒厂”类的一个实例）

    地域：          山东烟台蓬莱（“出产地”类的一个实例）

（五）类的公理集合

类的公理集合包含概念类之间、属性之间的各种逻辑关系以及运动规律，如操作函数、控制函数等，为便于执行语义推理和规则推理，可以使用一阶谓词逻辑方法描述。

本体知识表示的详细实例参见第9章。

 

2.7 过程知识表示法

    前面所讨论过的语义网络、框架等知识表示方法，均是对静态知识的表达方法，称为陈述式知识表达。它们共同的特点是强调事物所涉及知识的静态描述，是知识的一种显示表达形式。对于这些知识的使用和推理，则是通过控制策略或推理机制来决定。

 另一类关于建议、指示、任务等行为知识称为过程知识，尤其系统控制知识和专家经验知识是影响智能信息系统性能的关键因素。过程知识表示就是将有关某一问题领域的知识，连同如何使用这些知识的方法，隐式地表达为一个求解问题的过程。它所给出的是事物的一些客观规律，表达的是如何求解问题。

 过程知识的描述常用规则表示法（见本章2.2节），还可采用本体方法（见第9章9.2.2.2节）。另一种过程知识的描述形式就是程序，所有的信息均隐含在程序中。因而从程序求解问题效率上来说，过程表达比陈述式表达要高得多，但缺点是过程表示难以添加新知识和扩充新的功能，它适合于知识表示与问题求解结合非常紧密的这一类问题。例如八数码问题^[4]，利用空格、棋子和棋盘的状态图描述求解该问题的过程,按照这样一种过程编写计算机程序，会具有非常高的求解效率。

 

参考文献

[1] 邓三鸿，金莹，杨建林．学科知识地图的构建——以图书、情报学为例．情报学报，2006，25（1）：3-8

[2] 陆汝铃. 世纪之交的知识工程与知识科学. 北京：清华大学出版社,2001

[3] 同2

[4] 朱福喜，朱三元，伍春香．人工智能基础教程. 北京：清华大学出版社,2006

[5] 周宁，张玉峰，张李义．信息可视化与知识检索. 北京：科学出版社，2005

[6] 张玉峰．智能情报系统．武汉：武汉大学出版社，1991

[7] John F. Sowa. Knowledge Representation: Logical, Philosophical, and Computational Foundations, Brooks/Cole Publishing Co., Pacific Grove, CA, 2000.

[8] John F. Sowa. A Dynamic Theory of Ontology in B. Bennett & C. Fellbaum, eds., Formal Ontology in Information Systems, IOS Press, Amsterdam, 2006, pp. 204-213.

[9] http://www.chinaai.org/Soft_Show.asp?SoftID=47