知识表示方法综述
本文中的知识表示问题是人工智能领域中的一个十分重要的问题，因此知识表示的各种方法的应用研究是人工智能领域的热点。

人们总是希望用一种既高效又具有代表性知识方法来解决大部分问题。

但是知识的表示方法多种多样因此对于同一问题存在有多种不同的表示方法，但这些表示方法可能分别具有不同的表示空间，可能适用于不同类型问题。

因此运用不同的知识表示方法对问题表示有优有劣，其对求解效率甚至求解结果影响很大。

所以选用合适的知识表示方法对问题的处理与解决有比较重要的作用。

本文着重介绍了四种知识表示方法，分析了其优势和劣势，并结合人工智能对知识表示方法做出了比较系统的论述。

标签：知识表示;人工智能
1引言
知识表示就是用所给定的知识结构，按照一定的原则和组织，将知识符号化，数字化后将其输入计算机让计算机能够理解知识的过程和方法[1] 。

通俗来讲，知识表示是用于求解一个问题中对所需要的知识进行结构化的一种操作。

同一种知识可以用不同的表示方法来表示，同样，一种知识表示模式可以表达更多不同的知识。

问题不同，不同表示方法效果不同。

它是认知科学和人工智能两个领域共同存在的问题。

在认知科学方面，它关系到人类如何记忆和处理知识。

在人工智能方面，其主要目标为知识记忆，处理知识解决问题，从而可以达到人类的智能[2] 。

2知识表示的要求
知识是信息接受者通过对信息的学习提炼进而应用推理而获得的结论，对于人类来说是人对自然、社会以及思维方式与运动规律的认识与掌握，是通过人的大脑进行思维组合和系统化的信息集合。

对于一个智能程序来说，其进行高速度的计算，高水平的运行是需要有相关的事实知识、规则知识、控制知识和元知识来填充智能大脑的。

因此对于知识表示有如下要求。

（1）表示能力：能够正确地、有效地表示粗问题求解所需的各种知识
（2）推理效率：能够有效地利用知识库中的知识完成推理。

（3）正确性：表示方法应该具备良好定义的语义并保证推理的正确性。

（4）结构性：表示方法应该具备良好地模块化结构，以便于知识库的维护[3] 。

3知识表示方法
3.1谓词逻辑表示法
谓词逻辑根据对象和对象上的谓词，通过使用连接词和量词来表示。

任何东西都是由对象组成的，可以用标识符和属性来区分它们。

其只能表示出精确知识，对不确定的知识不能有效的表示，这种表示方式符合自然语言，比较符合人类认知，但是不能体现知识的内在联系，表示和处理过程分离效率有所降低。

3.2产生式表示法
产生式由数据库和推理/控制系统组成，大多数较简单的专家系统通过生产来表达知识，称为生产系统。

生产系统由知识库和推理机组成，知识库由规则库和数据库组成[4] 。

规则在生产中表示，规则集包括将问题从原来的国家转换为解决方案的转换规则。

其规则是模式匹配，即从事实出发查找匹配的产生式规则。

规则前提为真，规则激活，推出新的事实。

产生式规则便于理解，操作方便且应用领域广泛，但是同样推理效率较低。

3.3语义网络表示
语义网络是作为一个心理学模型而提出的，其用来表示人类联想记忆的一种模型，语义网络是一个有向图，其由结点和边组成。

由此来表示结点之间的语义联系，语义网络可以表示多元之間的关系，通过扩展范围后可以表示更为复杂的问题。

语义网络表示本题直观生动，适合专业领域沟通，符合人类思维，但是只是存取比较复杂。

3.4框架表示
框架是以后只能怪存储经验信息和知识的一种数据结构，是由若干结点和关系构成的网络。

是语义网络一般化形式化的一种结构。

在框架表示法中，框架被认为是知识表示的最基本单元[5] 。

框架结构中可以用以往的经验来分析和解释新的知识。

其对描述复杂的对象有效，知识表示结构清晰直观，但知识存储量相对较小。

4总结
知识表示是人工智能应用中一项非常重要的操作步骤，在一个智能系统中，对一些问题的求解都需要该系统对问题进行分析，然后在解答中进行搜索，最后达到解决问题的目的。

但是在搜索开始之前，问题应该如何表示才能让系统更能容易理解是重中之重。

把问题表示出来就是对知识表示方法的应用。

同一个问题有许多不同的表示，但对于某些具体问题，某些表达式更有效。

我们需要使用最有效的表示方法甚至混合使用不同的方法。

以此我们可以知道知识表示在人工智能领域十分重要。

参考文献：
[1] Thomas Roth-Berghofer.A review of the textbook Graph-based Knowledge Representation[J].Artificial Intelligence，2010，174（2）.
[2] Balkanyi Laszlo，Cornet Ronald.The Interplay of Knowledge Representation with Various Fields of Artificial Intelligence in Medicine.[J].Yearbook of medical informatics，，28（1）.
[3] Ariane Rodrigues Pereira，Jo?o JoséPinto Ferreira，Alexandra Lopes.A knowledge representation of the beginning of the innovation process：The Front End of Innovation Integrative Ontology（FEI2O）[J].Data & Knowledge Engineering，.
[4] Gasser Brad，Arbib Michael.A dyadic brain model of ape gestural learning production and representation.[J].Animal cognition，，22（4）.
[5] 胡潜，陶红，邹德清，孙婧妍，冉玉鑫.基于用户认知框架的商品知识融合实证研究[J/OL].情报理论与实践：1-13[-11-28].。