知识卡片
知识表示四代与RDF收敛
知识表示要同时满足两件互相拉扯的事:人能读懂、机器能算。谱系大致是这样演进的。一阶谓词逻辑形式严格、可推理,但推理复杂度高,且无法表示不确定性、难以表示启发性知识。Horn 逻辑是它的子集,规则写成 H :- B1, B2(如 has_child(X,Y)),表达简单、复杂度低,代价是表达能力被削减。产生式规则 IF P THEN Q 附带置信度 CF,第一次把“多大概率成立”塞进规则。框架用“槽—侧面”组织一个对象的属性,适合描述个体,不擅长推理。
语义网络(节点是概念、弧是关系)联想性强、结构直观,但没有公认的形式语义,处理起来复杂——这是它后来被形式化语言取代的原因。工程上最终收敛到两层:RDF 负责事实,把复杂语义拆成三元组 <主语,谓词,宾语>,如 <钱三强,国籍,中国>;它是数据模型而不是序列化模型,且允许分布式定义后合并。RDF 表达力不够时用 OWL 补:类、子类、定义域/值域、属性的传递性与函数性都能声明,它是表达能力最强也最严谨的一层,代价是推理更重。实践取舍是:能用 RDF 说清的别上升为 OWL 公理,公理越多,导入与一致性校验越慢。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 知识图谱相关理论 · 查看原书依据
语义网络有优点也有缺点,优点是结构性强,联想性好,能突显系统的自然性。缺点是与一阶谓词逻辑相比,语义网络没有公认的形式来表示体系,并且处理起来比较复杂。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第3章 知识图谱相关理论(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0042.html)
- 结论依据:原文对语义网络的优缺点判断,正好说明表示方法在“直观可联想”和“可形式化计算”之间此消彼长,这是整条谱系的取舍主线。
- 原始内容:语义网络有优点也有缺点,优点是结构性强,联想性好,能突显系统的自然性。缺点是与一阶谓词逻辑相比,语义网络没有公认的形式来表示体系,并且处理起来比较复杂。