知識庫系統(tǒng)原理

1  知識庫系統(tǒng)概述                  
 1. 1  引言                  
 1. 2  知識及其特性                  
 1. 2. 1  數(shù)據(jù)和信息                  
 1. 2. 2  知識的定義                  
 1. 2. 3  知識的層次                  
 1. 2. 4  知識的類型                  
 1. 3  知識表示                  
 1. 3. 1  自然語言                  
 1. 3. 2  知識的形式化表示                  
 1. 3. 3  不確定性知識的表示                  
 1. 4  知識的運用                  
 1. 4. 1  知識的搜索技術(shù)                  
 1. 4. 2  知識的推理方法                  
 1. 5  知識庫和知識庫系統(tǒng)                  
 1. 5. 1  定義                  
 1. 5. 2  知識庫的推理和維護                  
 1. 6  知識庫系統(tǒng)構(gòu)造技術(shù)                  
 目錄                  
 1  知識庫系統(tǒng)概述                  
 1. 1  引言                  
 1. 2  知識及其特性                  
 1. 2. 1  數(shù)據(jù)和信息                  
 1. 2. 2  知識的定義                  
 1. 2. 3  知識的層次                  
 1. 2. 4  知識的類型                  
 1. 3  知識表示                  
 1. 3. 1  自然語言                  
 1. 3. 2  知識的形式化表示                  
 1. 3. 3  不確定性知識的表示                  
 1. 4  知識的運用                  
 1. 4. 1  知識的搜索技術(shù)                  
 1. 4. 2  知識的推理方法                  
 1. 5  知識庫和知識庫系統(tǒng)                  
 1. 5. 1  定義                  
 1. 5. 2  知識庫的推理和維護                  
 1. 6  知識庫系統(tǒng)構(gòu)造技術(shù)                  
 1. 6. 1  知識表示模式                  
 1. 6. 2  問題求解方法                  
 1. 6. 3  知識獲取                  
 1. 7  小結(jié)                  
 2  知識的邏輯表達                  
 2. 1  關(guān)于推理的簡要討論                  
 2. 1. 1  命題和斷言                  
 2. 1. 2  一致性檢查                  
 2. 1. 3  演繹                  
 2. 1. 4  形式化方法                  
 2. 2  一階謂詞邏輯                  
 2. 2. 1  引言                  
 2. 2. 2  一階謂詞邏輯語言的句法                  
 2. 2. 3  一階謂詞邏輯語言的語義                  
 2. 2. 4  命題邏輯中的歸結(jié)推理方法                  
 2. 3  非經(jīng)典邏輯在知識處理中的應(yīng)用                  
 2. 3. 1  引言                  
 2. 3. 2多分類邏輯                  
 2. 3. 3  模態(tài)邏輯                  
 2. 3. 4  非單調(diào)邏輯                  
 2. 3. 5  時序邏輯                  
 2. 3. 6  模糊邏輯                  
 2. 4  小結(jié)                  
 3  基于關(guān)系的知識表示                  
 3. 1  知識的關(guān)系表示                  
 3. 1. 1  關(guān)系結(jié)構(gòu)                  
 3. 1. 2  關(guān)系                  
 3. 1. 3  關(guān)系模型                  
 3. 1. 4  關(guān)系代數(shù)                  
 3. 1. 5  關(guān)系計算                  
 3. 2  二元關(guān)系知識庫                  
 3, 2. 1  系統(tǒng)的描述                  
 3. 2. 2  語義一致性檢查                  
 3. 2. 3  存在的問題                  
 4  面向?qū)ο蟮闹R表示                  
 4. 1  對象類及其特性                  
 4. 1. 1  對象類的定義                  
 4. 1. 2  繼承性                  
 4. 1. 3  封裝性                  
 4. 1. 4  動態(tài)聯(lián)編                  
 4. 1. 5  消息發(fā)送                  
 4. 1. 6  對象類和例示的關(guān)系                  
 4. 2  基于框架的知識表示                  
 4. 2. 1  基本概念                  
 4. 2. 2  基于框架的推理                  
 4. 3  基于案例的推理--CBR                  
 4. 3. 1  CBR循環(huán)                  
 4. 3. 2  案例的檢索                  
 4. 3. 3  案例的修改                  
 4. 3. 4  錯誤結(jié)論的處理                  
 4. 3. 5  基于案例的推理和學(xué)習(xí)系統(tǒng)--CREEK                  
 4. 4  小結(jié)                  
 5  基于規(guī)則的知識表示                  
 5. 1  產(chǎn)生式和產(chǎn)生式系統(tǒng)                  
 5. 2  基于規(guī)則的知識表示                  
 5. 2. 1  基于規(guī)則的系統(tǒng)                  
 5. 2. 2  基于規(guī)則系統(tǒng)的結(jié)構(gòu)                  
 5. 2. 3  基于規(guī)則系統(tǒng)的特點                  
 5. 2. 4  基于規(guī)則系統(tǒng)的實例                  
 5. 3  規(guī)則和知識庫                  
 5. 3. 1  一致性維護                  
 5. 3. 2  封閉性世界假定                  
 5. 3. 3  在規(guī)則中使用變量                  
 5. 4  數(shù)據(jù)驅(qū)動和目標(biāo)驅(qū)動求解方法                  
 5. 4. 1  數(shù)據(jù)驅(qū)動方法                  
 5. 4. 2  規(guī)則中變量的例示                  
 5. 4. 3  Rete算法                  
 5. 4. 4  目標(biāo)驅(qū)動求解方法                  
 5. 4. 5  混合方法                  
 5. 5  搜索策略                  
 5. 5. 1  沖突解決方案                  
 5. 5. 2  深度優(yōu)先和寬度優(yōu)先搜索                  
 5. 5. 3  啟發(fā)式搜索                  
 5. 5. 4  規(guī)則關(guān)系網(wǎng)絡(luò)                  
 5. 6  解釋機制                  
 5. 7  小結(jié)                  
 6  基于模型的知識表示                  
 6. 1  深層模型和淺層模型                  
 6. 1. 1  淺層知識模型                  
 6. 1. 2  深層知識模型                  
 6. 1. 3  混合知識模型                  
 6. 2  基于模型的知識表示                  
 6. 2. 1  規(guī)則的局限性                  
 6. 2. 2  功能. 結(jié)構(gòu)和狀態(tài)建模                  
 6. 2. 3  模型的使用                  
 6. 2. 4  監(jiān)控                  
 6. 2. 5  試探性診斷                  
 6. 2. 6  故障模擬                  
 6. 2. 7  使用問題樹                  
 6. 3  小結(jié)                  
 7  不確定知識的表示與推理                  
 7. 1  引言                  
 7. 2  概率論                  
 7. 2. 1  基本概念                  
 7. 2. 2  貝葉斯(Bayes)規(guī)則                  
 7. 2. 3  貝葉斯規(guī)則的另一種表示方法                  
 7. 2. 4  一個實例                  
 7. 2. 5  概率論處理不確定性的缺陷                  
 7. 3  置信度理論                  
 7. 3. 1  引言                  
 7. 3. 2  條件部分置信度值小于1. 0的規(guī)則                  
 7. 3. 3  復(fù)合條件                  
 7. 3. 4  實例                  
 7. 3. 5  置信度理論和概率論的相互關(guān)系                  
 7. 3. 6  置信度理論的優(yōu)點                  
 7. 4  證據(jù)理論                  
 7. 4. 1  命題和集合                  
 7. 4. 2  基本概率賦值函數(shù)                  
 7. 4. 3  信任函數(shù)                  
 7. 4, 4  似然函數(shù)和信任區(qū)間                  
 7. 4. 5  組合概率賦值函數(shù)和信任函數(shù)                  
 7. 4. 6  應(yīng)用實例                  
 7. 5  可能性理論                  
 7. 6  發(fā)生率計算                  
 7. 6. 1  純數(shù)值機制的限制                  
 7. 6. 2  事件                  
 7. 6. 3  發(fā)生率計算                  
 7. 6. 4  加權(quán)概率                  
 7. 6. 5  事件的表示                  
 7. 6. 6  事件的使用                  
 7. 7  1  INFERNO                  
 7. 7. 1  引言                  
 7. 7. 2  INFERNO中的不確定性的傳播                  
 8  知識獲取                  
 8. 1  知識獲取及其過程                  
 8. 2  知識分析                  
 8. 3  知識獲取中的模型                  
 8. 4  自動知識獲取                  
 8. 4. 1  歸納法符號學(xué)習(xí)                  
 8. 4. 2  優(yōu)化算法                  
 8. 4. 3  人工神經(jīng)網(wǎng)絡(luò)                  
 8. 5  基于數(shù)據(jù)庫的知識發(fā)現(xiàn)-KDD                  
 8. 5. 1  引言                  
 8. 5. 2  用數(shù)據(jù)庫作為知識源                  
 8. 5. 3  知識發(fā)現(xiàn)的過程                  
 8. 5. 4  知識發(fā)現(xiàn)的方法                  
 8. 5. 5  AKS原理及總體結(jié)構(gòu)                  
 8. 6  小結(jié)                  
 9  高性能知識庫系統(tǒng)--HPKB                  
 9. 1  HPKB概述                  
 9. 1. 1  開發(fā)HPKB的目的                  
 9. 1. 2  HPKB的關(guān)鍵技術(shù)                  
 9. 1. 3  HPKB的任務(wù)和功能模塊                  
 9. 2  本體知識庫                  
 9. 2. 1  什么是本體                  
 9. 2. 2  本體知識表示語言MELD                  
 9. 2. 3HPKB本體知識庫的層次結(jié)構(gòu)                  
 9. 2. 4  本體知識庫推理機制                  
 9. 3  HPKB的知識獲取                  
 9. 3. 1  知識獲取工具HAWK                  
 9. 3. 2  從領(lǐng)域本體中生成獲取知識的工具                  
 9. 4  小結(jié)