前言 1
第一章 知识表示 1
1 概述 1
1.1 什么是知识表示 1
1.2 知识的类型 3
1.3 知识的表示和利用 5
1.4 知识表示发展简史 9
2 知识表示方法 11
2.1 自然语言表示 11
2.2 数据处理和传统数据库系统 12
2.3 程序设计语言 17
2.4 逻辑表示 18
2.5 语义网络 19
2.6 框架表示 21
2.7 产生式系统 23
2.8 语义原语 26
2.9 过程表示法 28
2.10 直接表示法 30
2.11 知识表示语言 30
2.12. 知识表示系统 34
3 小结 40
第二章 推理 41
1 演绎推理与归纳推理 41
1.1 演绎推理 41
1.2 归纳推理 44
1.3 演绎推理与归纳推理的区别 46
2 精确推理与不精确推理 47
3 推理策略 48
3.1 正向推理 49
3.2 反向推理 53
3.3 混合推理 55
3.4 双向推理 56
3.5 元控制 57
第三章 推理模型 58
1 使用算法的推理技术 59
1.1 王浩算法 59
1.2 海伯伦定理 67
1.3 鲁滨逊消解原理 87
1.4 消解原理的改进 100
2 启发式推理技术 114
2.1 基本概念 115
2.2 基本搜索策略 122
2.3 启发式搜索 135
3 匹配 148
3.1 索引匹配 148
3.2 变量匹配 149
3.3 近似匹配 151
3.4 过滤匹配 152
4 并行推理 153
4.1 任务的分解与排序 153
4.2 OR并行 155
4.3 AND并行 156
4.4 协作组的组成 156
5.1 元推理 157
5 其它技术 157
5.2 非单调推理 161
第四章 不精确推理 174
1 概述 174
1.1 证据(断言)的不确定性 174
1.2 知识的不确定性 175
1.3 静态强度与动态强度 175
1.4 不精确推理中要做些什么 177
1.5 工程方法与控制方法 178
2 带可信度的不精确推理 178
2.1 静态强度与动态强度的表示 178
2.2 不确定性的传播算法 186
2.3 一个计算实例 189
3.1 主观Bayes方法下的知识表示 191
3 主观Bayes方法 191
3.2 不确定性的传播算法 193
3.3 一个计算实例 202
4 模糊集理论 208
5 证据理论 219
5.1 基本理论 219
5.2 一个具体模型 226
5.3 一个计算实例 231
6 发生率的计算 236
6.1 纯数值结构的限制 236
6.2 基本理论与方法 238
6.3 一种实现方案 240
6.4 维持一致性 242
7.1 知识表示模式 247
7 带重要性分层囿值 247
7.2 分层囿值 250
7.3 不精确性的传播算法 253
7.4 一个例子 255
第五章 知识表示与推理的结合 259
1 产生式表示法及其推理机的设计 259
1.1 一般形式 259
1.2 例子 262
1.3 推理机的设计 263
1.4 问题与讨论 288
2 语义网络表示法及其推理机设计 290
2.1 表示的一般形式 290
2.2 语义网络表示之例 291
2.3 语义网络的实现和推理 299
2.4 问题与讨论 306
3 框架及其推理 306
3.1 框架 307
3.2 例子 315
3.3 框架的推理 317
3.4 讨论 322
4 逻辑表示法及其推理机的设计 326
4.1 使用逻辑程序表示知识 326
4.2 用Prolog实现逻辑程序设计 332
4.3 使用非经典逻辑处理知识 340
4.4 小结 350
参考文献 352