《知识表示与推理》

前言1

第一章 知识表示1

1 概述1

1.1 什么是知识表示1

1.2 知识的类型3

1.3 知识的表示和利用5

1.4 知识表示发展简史9

2 知识表示方法11

2.1 自然语言表示11

2.2 数据处理和传统数据库系统12

2.3 程序设计语言17

2.4 逻辑表示18

2.5 语义网络19

2.6 框架表示21

2.7 产生式系统23

2.8 语义原语26

2.9 过程表示法28

2.10 直接表示法30

2.11 知识表示语言30

2.12. 知识表示系统34

3 小结40

第二章 推理41

1 演绎推理与归纳推理41

1.1 演绎推理41

1.2 归纳推理44

1.3 演绎推理与归纳推理的区别46

2 精确推理与不精确推理47

3 推理策略48

3.1 正向推理49

3.2 反向推理53

3.3 混合推理55

3.4 双向推理56

3.5 元控制57

第三章 推理模型58

1 使用算法的推理技术59

1.1 王浩算法59

1.2 海伯伦定理67

1.3 鲁滨逊消解原理87

1.4 消解原理的改进100

2 启发式推理技术114

2.1 基本概念115

2.2 基本搜索策略122

2.3 启发式搜索135

3 匹配148

3.1 索引匹配148

3.2 变量匹配149

3.3 近似匹配151

3.4 过滤匹配152

4 并行推理153

4.1 任务的分解与排序153

4.2 OR并行155

4.3 AND并行156

4.4 协作组的组成156

5.1 元推理157

5 其它技术157

5.2 非单调推理161

第四章 不精确推理174

1 概述174

1.1 证据(断言)的不确定性174

1.2 知识的不确定性175

1.3 静态强度与动态强度175

1.4 不精确推理中要做些什么177

1.5 工程方法与控制方法178

2 带可信度的不精确推理178

2.1 静态强度与动态强度的表示178

2.2不确定性的传播算法186

2.3 一个计算实例189

3.1 主观Bayes方法下的知识表示191

3 主观Bayes方法191

3.2 不确定性的传播算法193

3.3 一个计算实例202

4 模糊集理论208

5 证据理论219

5.1 基本理论219

5.2 一个具体模型226

5.3 一个计算实例231

6 发生率的计算236

6.1 纯数值结构的限制236

6.2 基本理论与方法238

6.3 一种实现方案240

6.4 维持一致性242

7.1 知识表示模式247

7 带重要性分层囿值247

7.2 分层囿值250

7.3 不精确性的传播算法253

7.4 一个例子255

第五章 知识表示与推理的结合259

1 产生式表示法及其推理机的设计259

1.1 一般形式259

1.2 例子262

1.3 推理机的设计263

1.4 问题与讨论288

2 语义网络表示法及其推理机设计290

2.1 表示的一般形式290

2.2 语义网络表示之例291

2.3 语义网络的实现和推理299

2.4 问题与讨论306

3 框架及其推理306

3.1 框架307

3.2 例子315

3.3 框架的推理317

3.4 讨论322

4 逻辑表示法及其推理机的设计326

4.1 使用逻辑程序表示知识326

4.2 用Prolog实现逻辑程序设计332

4.3 使用非经典逻辑处理知识340

4.4 小结350

参考文献352