语义网络分析状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？

什么是知识？它有哪些特性？列举至少六种知识表示方法？

知识是符合文明方向的，人类对物质世界以及精神世界探索的结果总和。

知识，至今也没有一个统一而明确的界定。

但知识的价值判断标准在于实用性，以能否让人类创造新物质，得到力量和权力等等为考量。

有一个经典的定义来自于柏拉图：一条陈述能称得上是知识必须满足三个条件，它一定是被验证过的，正确的，而且是被人们相信的，这也是科学与非科学的区分标准。

由此看来，知识属于文化，而文化是感性与知识上的升华，这就是知识与文化之间的关系。

有关于知识的悖论是：知识如果不能改变行为，就没有用处；但是知识一旦改变了行为，知识本身就立刻失去意义——《未来简史》。

经过国内外学者的共同努力，目前已经有许多知识表示方法得到了深入的研究，目前使用较多的知识表示方法主要有以下几种知识表示方法。

（1）逻辑表示法 逻辑表示法以谓词形式来表示动作的主体、客体，是一种叙述性知识表示方法。

利用逻辑公式，人们能描述对象、性质、状况和关系。

它主要用于自动定理的证明。

逻辑表示法主要分为命题逻辑和谓词逻辑。

（2）产生式表示法 产生式表示，又称规则表示，有的时候被称为IF-THEN 表示，它表示一种条件-结果形式，是一种比较简单表示知识的方法。

IF 后面部分描述了规则的先决条件，而THEN 后面部分描述了规则的结论。

规则表示方法主要用于描述知识和陈述各种过程知识之间的控制，及其相互作用的机制。

（3）框架表示 框架(Frame)是把某一特殊事件或对象的所有知识储存在一起的一种复杂的数据结构。

其主体是固定的，表示某个固定的概念、对象或事件，其下层由一些槽(Slot)组成，表示主体每个方面的属性。

（4）面向对象的表示方法 面向对象的知识表示方法是按照面向对象的程序设计原则组成一种混合知识表示形式，就是以对象为中心，把对象的属性、动态行为、领域知识和处理方法等有关知识封装在表达对象的结构中。

（5）语义网表示法 语义网络是知识表示中最重要的方法之一，是一种表达能力强而且灵活的知识表示方法。

它通过概念及其语义关系来表达知识的一种网络图。

从图论的观点看，它是一个“带标识的有向图”。

语义网络利用节点和带标记的边构成的有向图描述事件、概念、状况、动作及客体之间的关系。

带标记的有向图能十分自然的描述客体之间的关系。

例：用语义网络表示下列知识：中南大学湘雅医学院是一所大学，位于长沙市，建立时间是1914 年。

（6）基于XML 的表示法 在XML(eXtensible Markup language，可扩展标记语言)中，数据对象使用元素描述，而数据对象的属性可以描述为元素的子元素或元素的属性。

XML 文档由若干个元素构成，数据间的关系通过父元素与子元素的嵌套形式体现。

在基于XML 的知识表示过程中，采用XML 的DTD(Document Type definitions，文档类型定义)来定义一个知识表示方法的语法系统。

扩展资料： 从一般意义上讲，知识表示就是为描述世界所做的一组约定，是知识的符号化、形式化或模型化；从计算机科学的角度来看，知识表示是研究计算机表示知识的可行性、有效性的一般方法，是把人类知识表示成机器能处理的数据结构和系统控制结构的策略。

一个完整知识表示过程是:首先是设计者针对各种类型的问题设计多种知识表示方法；然后表示方法的使用者选用合适的表示方法表示某类知识;最后知识的使用者使用或者学习经过表示方法处理后的知识。

所以，知识表示的客体就是知识；知识表示的主体包括3 类：表示方法的设计者、表示方法的使用者、知识的使用者。

具体来说，知识表示的主体主要指的是人(个人或集体)，有时也可能是计算机。

假设有这样一个知识需要表示：小潘是计科系的学生，但他不喜欢编程。

我们用一阶谓词逻辑来表示它就需要采用如下的步骤：首先，定义谓词。

Computer(x)：x是计科系的学生 Like(x，y)：x喜欢y 其次，用谓词公式表示之： Computer(xiaopan)∧¬Like(xiaopan，programing) 产生式规则：在条件、因果等类型的判断中所采用的一种对知识进行表示的方法。

其基本的形式是P→Q，或者是if P then Q。

这里这个产生式规则与刚才的谓词逻辑中的“蕴涵（→）式”表示还是有区别的，后者是一种精确的匹配，即如果x，则100%的会是y，而前者则可以表示 一种模糊匹配，有一定的置信度，即发生概率。

例如：if “咳嗽 and 发烧”，then “感冒”，置信度80%。

这里if部分表示条件部，then部分表示结论部，置信度表示当满足条件时得到结论的发生概率。

这整个部分就形成了一条规则，表示的就是这样一类因果知识：“如果病人发烧且咳嗽，则他很有可能是感冒了”。

因此，针对比较复杂的情况，我们都可以用这种产生式规则的知识表示方式形成一系列的规则。

参考资料：搜狗百科---知识表示 参考资料：搜狗百科---知识

大数据文本分析的应用场景有哪些

1.锤子新发布的功能“BigBang”分词功能。

也算是大数据文本分析的应用，通过大数据文本分析，才能实现对词义的准确分析，从而做到更准确的分词。

2.网络舆情监控。

这也当然是大数据文本分析的产物，提取网络文本的关键词，组成语义网络之后分析语义倾向，达到舆情监控的目的。

3.社交网络情绪监控。

相信大家都看到了很多网络上直播自杀、发自杀预报的这样的事情，和舆情监控相同，就是对个人社交网络的信息进行监控，通过文本分析和机器学习的技术，分析出此人的情绪状况，一旦出现极端的负面情绪，可以通过一定的措施避免极端行为的发生。

4.证券行业投资情报获取。

可以基于积累的大数据做进一步深层次的分析与挖掘，整合各社交网络、证券讨论社区群体信息提取加工成有价值的证券投资情报，对证券投资行为做辅助分析和预报。

名词解释 语义学阅读 接受美学 非线性网络思维

社会学阅读注重开掘文章的社会内容和思想意义，强调作品与文章作者、社会环境的关系。

其主要方法是体现时代性，强调政治性，注重社会性，挖掘思想性。

文化学阅读就是用文化学的观点和方法通过文字语言解读作品的文化内涵，通过习俗制度透视作品的思想原则，通过经济结构透视作品的价值观念，通过科学技术透视作品的哲学基础，通过文学艺术透视作品的审美趣味的阅读放法。

语义学阅读就是以文本为中心，通过语义分析把握作品的意义，重视语境对语义分析的影响，强调文本的内部组织结构。

其方法是：从字词句含义的解读入手，细致分析表达手法和修辞技巧，层层解剖内在的结构层次，全力开掘多侧面的主题内涵。

接受美学就是以读者为中心，注重意义空白或不确定性，重视作品价值的两极组合。

其主要方法是：建立自觉的期待视野，词语内涵的再理解，人物情节的形象化，主题意义的新创造，与隐含读者的结合。

非线性网络思维是由众多点相互连接起来的，非平面、立体化的，无中心、无边缘的网状结构。

它类似于人的大脑神经和血管组织的一种思维结构。

知识有什么特性

经过国内外学者的共同努力，目前已经有许多知识表示方法得到了深入的研究，目前使用较多的知识表示方法主要有：谓词逻辑表示法，产生式表示法、框架表示法、语义网络表示法、面向对象表示法、基于本体的知识表示法等。

本文将介绍这些知识表示方法的特征和优缺点，进行一些分析和比较。

（1）词逻辑表示法。

谓词逻辑表示法是指各种基于形式逻辑（ormalogic）知识表示方式，用逻辑公式描述对象、性质、状况和关系，例如“宇宙飞船在轨道上”可以描述成：（npaceshiporbit）它是人工智能领域中使用最早和最广泛的知识表示方法之一。

其根本目的在于把数学中的逻辑论证符号化，能够采用数学演绎的方式，证明一个新语句是从哪些已知正确的语句推导出来的，那么也就能够断定这个新语句也是正确的。

在这种方法中，识库可以看成一组逻辑公式的集合，识库的修改是增加或删除逻辑公式。

使用逻辑法表示知识，将以自然语言描述的知识通过引入谓词、函数来加以形式描述，得有关的逻辑公式，而以机器内部代码表示。

在逻辑法表示下可采用归结法或其它方法进行准确的推理。

谓词逻辑表示法建立在形式逻辑的基础上，有下列优点：①谓词逻辑表示法对如何由简单说明构造复杂事物的方法有明确、统一的规定，且有效地分离了知识和处理知识的程序，构清晰；②谓词逻辑与数据库，别是与关系数据库有密切的关系；一阶谓词逻辑具有完备的逻辑推理算法；逻辑推理可以保证知识库中新旧知识在逻辑上的一致性和演绎所得结论的正确性；逻辑推理作为一种形式推理方法，依赖于任何具体领域，具有较大的通用性。

但是，词逻辑表示法也存在着下列缺点：①难于表示过程和启发式知识；②由于缺乏组织原则，得知识库难于管理；③由于是弱证明过程，当事实的数目增大时，证明过程中可能产生组合爆炸；④表示的内容与推理过程的分离，理按形式逻辑进行，容所包含的大量信息被抛弃，样使得处理过程加长、工作效率低。

谓词逻辑适合表示事物的状态、属性、概念等事实性的知识，及事物间确定的因果关系，是不能表示不确定性的知识，及推理效率很低。

（2）生式规则表示法。

产生式知识表示法是常用的知识表示方式之一。

它是依据人类大脑记忆模式中的各种知识之间的大量存在的因果关系，以“IFHEN”的形式，产生式规则表示出来的。

这种形式的规则捕获了人类求解问题的行为特征，通过认识———行动的循环过程求解问题。

一个产生式系统由规则库、综合数据库和控制机构三个基本部分组成。

产生式规则表示法具有非常明显的优点:①自然性好，产生式表示法用“If-THEN”的形式表示知识，这种表示形式与人类的判断性知识基本一致，直观，自然，便于推理;②除了对系统的总体结构、各部分相互作用的方式及规则的表示形式有明确规定以外，对系统的其它实现细节都没有具体规定，这使设计者们在开发实用系统时具有较大灵活性，可以根据需要采用适当的实现技术，特别是可以把对求解问题有意义的各种启发式知识引入到系统中;③表示的格式固定，形式单一，规则间相互独立，整个过程只是前件匹配，后件动作。

匹配提供的信息只有成功与失败，匹配一般无递归，没有复杂的计算，所以系统容易建立;④由于规则库中的知识具有相同的格式，并且全局数据库可以被所有的规则访问，因此规则可以被统一处理;⑤模块性好，产生式规则是规则中最基本的知识单元，各规则之间只能通过全局数据库发生联系，不能互相调用，增加了规则的模块性，有利于对知识的增加、删除和修改;⑥产生式表示法既可以表示确定的知识单元，又可以表示不确定性知识;既有利于表示启发式知识，又可方便地表示过程性知识;既可表示领域知识，又可表示元知识。

但是，产生式规则表示法也存在着下列缺点:①推理效率低下:由于规则库中的知识都有统一格式，并且规则之间的联系必须以全局数据库为媒介，推理过程是一种反复进行的“匹配———冲突消除———执行”的过程。

而且在每个推理周期，都要不断地对全部规则的条件部分进行搜索和模式匹配，从原理上讲，这种做法必然会降低推理效率，而且随着规则数量的增加，效率低的缺点会越来越突出，甚至会出现组合爆炸问题。

②不直观:数据库中存放的是一条条相互独立的规则，相互之间的关系很难通过直观的方式查看;③缺乏灵活性:产生式表示的知识有一定的格式，规则之间不能直接调用，因此较难表示那些具有结构关系或层次关系的知识，也不能提供灵活的解释。

产生式方法是目前专家系统首选的知识表示方式。

用于化工工业测定分子结构的DENDRAL系统，用于诊断脑膜炎和血液病毒感染的MYCIN系统，以及用于估计矿藏的PROSPECTOR系统等，都是用这种方法进行知识表示和推理的例子。

（3）语义网络表示法。

语义网络是知识表示中最重要的方法之一，是一种表达能力强而且灵活的知识表示方法。

语义网络利用节点和带标记的边构成的有向图描述事件、概念、状况、动作及客体之间的关系。

带标记的有向图能十分自然的描述客体之间的关系。

语义网络由于其自然性而被广泛应用。

采用语义网络表示的知识库的特征是利用带标记的有向图描述可能事件。

结点表示客体、客体性质、概念、事件、状况和动作，带标记的边描述客体之间的关系。

知识库的修改是通过插入和删除客体及其相关的关系实现的。

采用网络表示法比较合适的领域大多数是根据非常复杂的分类进行推理的领域以及需要表示事件状况、性质以及动作之间的关系的领域。

语义网络表示法具有以下的优点:①把各节点之间的联系以明确、简洁的方式表示出来，是一种直观的知识表示方法;②着重强调事物间的语义联系，体现了人类思维的联想过程，符合人们表达事物间关系的习惯，因此把自然语言转换成语义网络较为容易;③具有广泛的表示范围和强大的表示能力，用其它形式的表示方法能表达的知识几乎都可以用语义网络来表示;④把事物的属性以及事物间的各种语义联系显式地表示出来，是一种结构化的知识表示法。

但是，语义网络表示法也存在着以下的缺点:①推理规则不十分明了，不能充分保证网络操作所得推论的严格性和有效性;②一旦节点个数太多，网络结构复杂，推理就难以进行;③不便于表达判断性知识与深层知识。

（4）框架表示法。

框架表示法是明斯基于1975年提出的，其最突出的特点是善于表示结构性知识，能够把知识的内部结构关系以及知识之间的特殊关系表示出来，并把与某个实体或实体集的相关特性都集中在一起。

框架是一种描述固定情况的数据结构，一般可以把框架看成是一个由节点和关系组成的网络。

框架的最高层次是固定的，并且它描述对于假定情况总是正确的事物，在框架的较低层次上有许多终端———被称为槽（Slots）。

在槽中填入具体值，就可以得到一个描述具体事物的框架，每一个槽都可以有一些附加说明———被称为侧面（Facet），其作用是指出槽的取值范围和求值方法等。

一个框架中可以包含各种信息:描述事物的信息，如何使用框架的信息，关于下一步将发生什么情况的期望及如果期望的事件没有发生应该怎么办的信息等等，这些信息包含在框架的各个槽或侧面中。

一个具体事物可由槽中己填入值的框架来描述，具有不同的槽值的框架可以反映某一类事物中的各个具体事物。

相关的框架链接在一起形成了一个框架系统，框架系统中由一个框架到另一个框架的转换可以表示状态的变化、推理或其它活动。

不同的框架可以共享同一个槽值，这种方法可以把不同角度搜集起来的信息较好地协调起来。

框架表示法具有以下优点:①框架系统的数据结构和问题求解过程与人类的思维和问题求解过程相似;②框架结构表达能力强，层次结构丰富，提供了有效的组织知识的手段，只要对其中某些细节作进一步描述，就可以将其扩充为另外一些框架;③可以利用过去获得的知识对未来的情况进行预测，而实际上这种预测非常接近人的认识规律，因此可以通过框架来认识某一类事物，也可以通过一系列实例来修正框架对某些事物的不完整描述（填充空的框架，修改默认值）。

框架表示法与语义网络表示法存在着相似的问题:①缺乏形式理论，没有明确的推理机制保证问题求解的可行性和推理过程的严密性;②由于许多实际情况与原型存在较大的差异，因此适应能力不强;③框架系统中各个子框架的数据结构如果不一致会影响整个系统的清晰性，造成推理的困难。

（5）面向对象的知识表示。

面向对象的知识表示方法基本出发点就是:客观世界是由一些实体组成的。

这些实体有自己的状态，可以执行一定的动作。

相似的实体抽象为较高层的实体，实体之间能以某种方式发生联系。

所谓对象就是对这些实体的映象。

对象中封装了数据成员（或者叫实例成员）和成员函数（方法）。

数据成员可以用来描述对象的各种属性，这些属性是对外隐蔽的。

外界可以且仅可以通过成员函数访问对象的私有成员，数据成员可以被初始化，可以通过成员函数被改变，因此对象可以动态地保存当前自己的状态。

由于对象中还包含了操作（成员函数），因此可以把求解机制封装于对象之中。

这样对象既是信息的存储单元，又是信息处理的独立单位，它具有一定的内部结构和处理能力。

各种类型的求解机制分布于各个对象，通过对象之间消息的传递完成整个问题求解过程。

用对象表示的知识与客观情况更为接近，这种表示方案比较自然，易于理解。

面向对象表示法具有如下优点:①“继承”带来了天然的层次性和结构性。

在高层次，对象能封装复杂的行为，使具体细节对该层知识使用保持透明，从而降低问题描述和计算推理的复杂度;通过继承可以减少知识表达上的冗余，知识库的修改、增加、删减以及使用和维护都十分方便;对一个知识单元进行修改不会影响其它单元，每一知识单元中所包含的知识规则有限，推理空间小，提高了推理效率;②对象本身的定义产生了良好的兼容性和灵活性，它可以是数据，也可以是方法;可以是事实，也可以是过程;可以是一个框架，也可以是一个语义子网络;③用几何语言来描述的话，面向对象的抽象机制实际上是将对象看成了客观世界及其映射系统的分形元，因而事物都可以由这些分形元堆垒而成。

分形的特征首先是不断的细分，这和知识结构的不断扩展是一致的。

其次是“比例自相似性”，使得我们有可能“从简单的原则衍生出复杂的系统”。

（6）基于本体的知识表示方法。

本体是对领域实体存在本质的抽象，它强调实体间的关联，并通过多种知识表示元素将这些关联表达和反映出来，这些知识表示元素也被称为元本体，主要包括:①概念———表示领域知识元，包括一般意义上的概念以及任务、功能、策略、行为、过程等等，在本体的实现中，概念通常用类（class）来定义，而且通常具有一定的分类层次关系;②属性———描述概念的性质，是一个概念区别于其他概念的特征，通常用槽（slot）或者类的属性（Properties）来定义;③关系———表示概念之间的关联，例如一些常用的关联:父关系、子关系、相等关系;④函数———表示一类特殊的关系，即由前n-1个要素来唯一决定第n个要素，如:长方形的长和宽唯一决定其面积;⑤公理———表示永真式，在本体论中，对于属性、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（facet）来定义;⑥实例———表示属于某个概念类的具体实体。

本体的每一个知识表示元素也可以被看作一个知识片，每一个知识片都包含名称、定义和文档说明。

什么语义网？

语义网的概念： 　　语义网是Semantic Web的中文名称。

　　语义网就是能够根据语义进行判断的网络。

　　简单地说，语义网是一种能理解人类语言的智能网络，它不但能够理解人类的语言，而且还可以使人与电脑之间的交流变得像人与人之间交流一样轻松。

　　语义网是对未来网络的一个设想,在这样的网络中,信息都被赋予了明确的含义,机器能够自动地处理和集成网上可用的信息.语义网使用XML来定义定制的标签格式以及用RDF的灵活性来表达数据,下一步需要的就是一种Ontology的网络语言(比如OWL)来描述网络文档中的术语的明确含义和它们之间的关系. 　　添加了更多的用于描述属性和类型的词汇,例如类型之间的不相交性(disjointness),基数(cardinality),等价性,属性的更丰富的类型,属性特征(例如对称性,symmetry),以及枚举类型(enumerated classes). 　　语义网的一些基本特征： 　　(1)语义网不同于现在WWW，它是现有WWW的扩展与延伸； 　　(2) 现有的WWW是面向文档而语义网则面向文档所表示的数据； 　　(3) 语义网将更利于计算机“理解与处理”，并将具有一定的判断、推理能力。

状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？

答：状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。

在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直到达到目标状态为止。

由于状态空间法需要扩展过多的节点，容易出现“组合爆炸”，因而只适用于表示比较简单的问题。

问题归约法从目标（要解决的问题）出发，逆向推理，通过一系列变换把初始问题变换为子问题集合和子子问题集合，直至最后归约为一个平凡的本原问题集合。

这些本原问题的解可以直接得到，从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。

谓词逻辑法采用谓词合适公式和一阶谓词演算把要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演来证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。

语义网络是知识的一种图解表示，它由节点和弧线或链线组成。

节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。

语义网络的解答是一个经过推理和匹配而得到的具有明确结果的新的语义网络。

语义网络可用于表示多元关系，扩展后可以表示更复杂问题