当前位置：首页 > news >正文

知识表示与处理1

news 2025/9/2 15:22:59

知识的特性

1.相对正确性不同框架不同理解，牛顿与爱因斯坦理论

“知识来源于人们对客观世界运动规律的正确认识，但虽然都是正确认知，在客观环境变化或不同条件下，知识的正确性就要接受检验，必要时需要对原有的知识加以修正或补充”

2.知识的确定与不确定性大概率的可能下午两点气温高

3.知识的发展性

可解释性？思维链

多视图学习？对同一组样本的不同特征描述方式。从文本内容、作者信息等不同视角

发展

1.语义网络

节点（可带有属性），边

LISP表示/图表示

LISP表示？一种以列表（list） 为核心数据结构的语言，程序和数据都用列表表示

1.三元组列表法
用 (关系主体客体) 形式表示知识。
例如：
(is-a 狗哺乳动物)
(has-property 狗四条腿)
(lives-in 狗人类家庭)

可将多个三元组组成知识库列表，适合存储事实和简单查询。

2.属性-值列表法
以对象为中心，用 ((属性 . 值) ...) 形式组织。
例如：
(setq 狗
'((is-a . 哺乳动物)
(has-property . (四条腿会叫))
(lives-in . 人类家庭)))

便于按对象访问属性，结构清晰。

3.帧式结构表示法
采用结构化方式，包含类、父类、槽、方法等。
例如：
(setq frame-狗
'(:class animal
:superclass 哺乳动物
:slots ((legs :value 4)
(sound :value "bark"))
:methods ((bark () (print "Woof!")))))

表达能力强，适合复杂知识建模和继承推理。

优点：表示自然，易于理解；结构化知识表示

2.产生式系统

if －then 结构基于规则的

匹配代价高

3.框架系统

框架－槽slot－侧面facet

数据仓库？典型架构：

数据源层：
- 来自各种系统：关系数据库、日志文件、API、Excel 等。
ETL 层（Extract, Transform, Load）：
- 抽取（Extract）：从源系统获取数据。
- 转换（Transform）：清洗、去重、格式统一、计算衍生字段。
- 加载（Load）：将处理后的数据存入数据仓库。
数据存储层：
- 核心数据仓库（如 Snowflake、Redshift、Greenplum）
- 可能包含：ODS（操作数据存储）、DW（数据仓库）、DM（数据集市）
数据服务层：
- 提供接口供 BI 工具（如 Tableau、Power BI）、报表系统、机器学习平台使用。