Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 1 روشهاي بازنمايي دانش

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 2 دانش زياد کم درجه انتزاع کيفيتکيفيت دانش اطلاعات داده ها

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 3 منابع دانش مستندات ( کتاب،راهنماها،...) غير مستندات ( در ذهن مردم،از ماشين ها،...) کسب دانش از پايگاه داده هاي موجود کسب دانش از اينترنت

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 4 سطوح دانش دانش سطحي (Shallow Knowledge) دانش عمقي (Deep Knowledge) برخي روش هاي ارائه دانش از قبيل شبکه هاي معنايي و فريمها امکان پياده سازي استدلال در سطح عميق(انتزاع و قياس) را ميسر مي کنند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 5 انواع دانش دانش اعلاني (Descriptive knowledge) دانش رويه اي (Procedural Knowledge) فرا دانش (Meta Knowledge)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 6 دانش اعلاني يک ارائه توصيفي از دانش است که : در اظهارات علمي بيان مي شود سطحي است با اهميت است دانش توصيفي در ارتباط با يک شئ خاص است مرحله ابتدايي در يادگيري دانش مي باشد

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 7 دانش رويه اي دانش رويه اي به رويه هايي که در فرايند حل مسئله به کار گرفته شده اند مرتبط است ترتيب قدم به قدم و چگونگي انجام را شامل مي شود ممکن است شامل توضيحات باشد پاسخ هاي خودکار را شامل مي شود ممکن است چگونگي استفاده از دانش سطحي و چگونگي استنباط کردن را بگويد

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 8 فرا دانش دانشي در رابطه با ساختار، جايگاه و مشخصات دانش موجود

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 9 باز نمايي دانش دانش اکتساب شده جهت محاسباتي شدن سازمان دهي مجدد ميگردد. هدف از بازنمايي دانش، تغيير syntax با کامل نمودن معني است. يک باز نمايي خوب، دانش را به صورت طبيعي در دامنه مسئله ارائه مي دهد.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 10 بازنمايي منطقي (Logical Representation)- در مرتبه اول به جبر، prolog و دانش اعلاني اطلاق مي شود باز نمايي رويه اي (Procedural Representation)- يک مجموعه از دستورالعمل ها براي حل يک مسئله مثل يک سيستم فروش بازنمايي شبکه اي (network Representation)- دانش در يک ساختار گرافي قرار دارد مثل وابستگي مفهومي و گراف هاي مفهومي که آنها را در اين فصل مطالعه مي کنيم باز نمايي ساختاري (structural Representation)- يک بسط از شبکه مثل اسکريپت ها و فريم ها که در اين فصل آنها را مطالعه خواهيم کرد

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 11 باز نمايي منطقي فرم کلي از هر پردازش منطقي ورودي ها فرض هاي منطقي فرضيات منطقي براي توليد خروجي و نتيجه گيري به وسيله پردازش منطقي استفاده شده اند ( استنباط ) حقايق مي توانند براي مشخص کردن حقايق جديد که صحيح اند استفاده شوند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 12 منطق نمادين سيستم قوانين و رويه ها که استنباط از فرضيات منطقي را اجازه مي دهد. فرم هاي اساسي منطق محاسباتي : - منطق گزاره اي (Propositional Logic) - منطق گزاره نما (Predicate Knowledge)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 13 منطق گزاره اي گزاره عبارتي است که صحيح يا غلط است. قوانيني براي مشخص کردن صحيح يا غلط بودن يک گزاره جديد استفاده مي شوند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 14 جبر گزاره نما گزاره نما يک عبارت را به قسمت هاي جزئي مي شکند جبر گزاره نما از متغير ها و توابع متغير در يک عبارت نمادين منطقي استفاده مي کند. جبر گزاره نما پايه prolog است ( برنامه نويسي در منطق ). مثال هاي عبارات prolog : Likes(jay,chocolate)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 15 ليست ها مجموعه اي از عناصر مرتبط به صورت طبيعي براي ارائه سلسله مراتبي دانش استفاده مي شوند. اشياء بر اساس درجه يا ارتباط گروه بندي يا مدرج مي شوند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 16 درخت هاي تصميم گيري به درخت هاي تصميم گيري در تئوري تصميم گيري شبيه هستند ميتوانند فرايند يادگيري دانش را ساده کنند. ارايه دانش به صورت دياگرام

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 17 سه تايي O-A-V اشياء،صفات و مقادير. اشياء مي توانند فيزيکي يا مفهومي باشند. صفات مشخصه اشياءاند. مقادير اندازه خاص صفات اند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 18 نمايش آيتم هاي O-A-V

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 19 شبکه هاي معنايي شبکه هاي معنايي به وسيله Quilian در قبل از 1960 براي ارائه دانش به عنوان يک شبکه از تخصيصات ارائه شده اند. به وسيله link هاي زير سوالات ساده مي تواند پاسخ داد شود.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 20 شبکه هاي معنايي نما يش گرافيکي از دانش. گره ها و لينک ها ارتباطات سلسله مراتبي بين اشياء را نشان مي دهند. گره ها : اشياء. لينک ها : ارتباطات Is-a Has-a

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 21 شبکه هاي معنايي مي توانند وراثت را نشان دهند. شبکه هاي معنايي – ارائه بصري از ارتباطات. مي توانند با ساير روش هاي نمايش ترکيب شوند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 22 مثالي از شبکه هاي معنايي Joe Boy Kay Woman Food Human Being School Has a child Needs Goes to Is a

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 23 گراف هاي مفهومي (Conceptual Graphs) - ساختار گراف - لينکها برچسب ندارند. - گره ها ارتباطي مفهومي بين مفاهيم ارائه شده اند. - در ترسيم، مفاهيم در جعبه ها و ارتباطات مفهومي در بيضي ها نمايش داده مي شوند. - مفاهيم ممکن است حقيقي باشند ( بچه،سگ،...) يا مجازي ( عشق،زيبايي،...).

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 24 انواع ارتباطات مثالي از ارتباطات يک،دو و سه تايي

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 25 گراف يک جمله در يک وابستگي مفهومي فعل يک نقش مرکزي در ساختار را نمايش مي دهد. فعل “give” دراين جمله يک عامل، يک شئ و يک گيرنده دارد.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 26 تمرين گراف مفهومي زير چه دانشي را نمايش مي دهد :

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 27 انواع و انحصارات فردي در مورد اول نوع سگ است و انحصار فردي آن emma. يک سگ مشخص شده اما بدون نام، با يک شماره نمايشي از يک سگ مشخص شده به وسيله # و اضافه کردن يک ارتباط مفهومي براي نام

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 28 نام هاي درخت نامش McGill بود و خودش را Lil صدا مي زد اما همه او را با Nancy مي شناختند. هنرمند کي بود؟ نام آواز چه بود؟

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 29

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 30 عموميت و تخصيص (Generalization and Specialization)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 31 اتصال مفاهيم اگر دو گراف شامل يک نود يکسان باشند مي توانند به هم متصل شوند. در زماني که گراف برآيند ازگراف اصلي خاص تر است اتصال به هم نوعي محدوديت است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 32 ساده سازي اتصال دو گراف ممکن است منتج به نتايج تکراري شود. عملگر ساده سازي باعث حذف اطلاعات تکراري مي شود. براي رفع ابهام مورد استفاده قرار مي گيرد.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 33 وراثت وراثت يک فرم از عموميت دادن است. عموميت دادن تضمين نمي کند که گراف برآيند صحيح است حتي اگر گراف هاي اصلي صحيح باشند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 34 گره هاي گزارهاي فعل “believes” يک گره گزاره اي مي گيرد همانطور که يک شئ است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 35 تمرين گراف مفهومي زير چه چيزي را نشان مي دهد.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 36 گراف هاي مفهومي و منطق گراف هاي مفهومي در قابيلت نمايش دانش با جبر گزاره نما معادلند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 37 الگوريتمي براي تبديل يک گراف مفهومي به جبر گزاره نما : 1 ) هر متغيير يکتا ي x1,x2,…,xn به هر يک از n مفهوم عمومي در g نسبت دهيد. 2 ) يک ثابت يکتا به هر مفهوم فردي در g نسبت دهيداين مفهوم ممکن است به سادگي نام يا علامت دهنده اي که براي نمايش استنباط مفهومي استفاده شده است باشد. 3 ) هر نود مفهومي را به وسيله يک گزاره نماي يکتا با همين نام نشان دهيد به عنوان نوعي که آرگومان متغيير يا ثابت نسبت داده شده به آن نود. 4 ) هر ارتباط مفهومي n تايي در g را به عنوان يک گزاره نماي n تايي که نام آن نام همين ارتباط است را نشان دهيد. هر آرگومان گزاره نما که متغيير يا ثابت نسبت داده شده به نود مفهومي مطابقت داده شده باشد که به آن ارتباط متصل است را قرار دهيد. 5 ) اتصال همه جملات اتمي که تحت 3 و 4 تشکيل شده اند را برقرار کنيد. اين بدنه عبارت جبر گزاره نمايي است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 38 قوانين جفت هاي شرط – عمل - اگر اين شرايط اتفاق بيافتد سپس بعضي از اعمال اتفاق خواهد افتاد يا بايد بيافتد. - اگر چراغ توقف قرمز باشد و شما ايستاده باشيد آنگاه گردش به راست صحيح است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 39 شکل قوانين If condition then conclusion conclusion,if premise

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 40 قوانين دانش و استنتاج انواع متداول قوانين : قوانين دانش يا قوانين اعلاني همه وقايع وارتباطات درباره يک مسئله را شرح مي دهد. قوانين استنتاج يا قوانين رويه اي که چگونگي حل يک مسئله را توصيه مي کنند قوانيني درباره قوانين (meta rules). قوانين دانش در پايگاه دانش ذخيره شده اند. قوانين استنتاج قسمتي از موتور استنتاج مي شوند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 41 مزاياي قوانين فهم ساده اي دارند ( فرم طبيعي دانش ). استنتاج و توضيح آن ها ساده است. تغيير و حفظ آنها ساده است. ترکيب آن ها با چيز ها ي نامعلوم ساده است. قوانين غالبا مستقل اند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 42 محدوديت هاي قوانين دانش پيچيده نيازمند قوانين زيادي است. سازندگان قوانين را دوست دارند. (hammer syndrome) محدوديت هاي جستجو در سيستم هاي با قوانين زياد.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 43 مشخصه ارائه قوانين

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 44 فريم ها تعريف و ديد کلي فريم : ساختمان داده اي است که کليه دانشها درباره يک شئ خاص را شامل مي شود. دانش در يک ساختار سلسله مراتبي سازمان يافته است. قالبي براي برنامه نويسي شئ گرا

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 45 اصطلاحات فريم

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 46 اجزاء يک فريم اطلاعاتي که فريم مشخص مي کند. ارتباط اين فريم با ساير فريم ها. توصيف کننده نيازمنديها براي هماهنگي فريم: به عنوان مثال يک صندلي ارتفاعي بين 20 تا 40 سانتي متر از کف دارد،پشت آن از 60 سانتي متر بلندتر است و... اطلاعات رويه اي: فريم ها توانايي اتصال کد رويه اي به Slot را دارند. اطلاعات پيش فرض فريم اطلاعات نمونه جديد: Slot هاي فريم ممکن است به صورت نامشخص جا گذاشته شوند تا وقتي که مقاديري براي يک نمونه خاص داده شوند يا تا آنها براي بعضي جنبه هاي حل مسئله لازم باشند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 47

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 48 قابليت هاي فريم توانايي آشکار کردن اطلاعات مستند درباره يک مدل دامنه اي. به عنوان يک مثال قطعات ماشين و صفات تخصيصي آنها. توانايي محدود کردن مقادير مجاز که يک صفت مي تواند بگيرد. پيمانه اي بودن اطلاعات،تسهيل اجازه توسعه و نگهداري سيستم. مکانيزمي که امکان محدود کردن حقايق در طول زنجيره رو به عقب يا رو به جلو را ميسر مي کند. دستيابي به مکانيزمي که وراثت اطلاعات را در يک سلسله مراتب کلاس پشتيباني مي کند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 49 وراثت

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 50 وراثت (2)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 51 وراثت (3) يک کلاس جديد براي حل مجدد ابهام.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 52 انتقال پذيري زير کلاس ها يک مسئله : - پنگوئن ها پرواز نمي کنند. - يک کلاس از پرنده اي که پرواز نمي کند توليد مي شود. نتايج در ساير زير مسئله ها : - اگر زير کلاس ها انتقال پذير باشند ما استنباط مي کنيم که يک پنگوئن يک پرنده است. - يک لينک اضافي مسائلي باوراثت چند گانه را توليد مي کند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 53 خلاصه اي از فريم ها فريم ها دانش را در داخل ساختار هايي سازمان مي دهند. رويه ها مي توانند به فريم ها متصل شوند فريم ها وراثت کلاس را پشتيباني مي کنند. فريم ها مي توانند دانش پيش فرض را اعمال کنند. در اصل فريم ها شبکه هاي معنايي را به وسيله مهيا کردن سازمان و ساختار توسعه مي دهند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 54 اسکريپت ها عناصر : - شرايط ورود : اين شرايط بايد قبل از حوادثي که در اسکريپت مي تواند اتفاق بيافتد برآورده شده باشد. - وسائل صحنه نمايش : نمايش اشياء اسلات ها که شامل حوادث مي باشند. - نقش ها : اشخاصي که در حوادث هستند. - دنبال کردن : تغيير در اسکريپت. - صحنه نمايش : ترتيبي از حوادث که ممکن است اتفاق بيافتد. حوادث در فريم هاي وابستگي مفهومي ارائه شده اند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 55 اسکريپت رستوران

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 56 اسکريپت دزدي

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 57 مزايا و معايب مزايا : - توانايي پيشگويي حوادث. معايب : - عموميت نسبت به فريم ها کمتري دارند. - ممکن است براي ارائه همه انواع دانش ها مناسب نباشند.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 58 ارتباطات اساسي وابستگي مفهومي

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 59 نکات اضافي  : مسير وابستگي را نشان مي دهد. : ارتباط فعل عامل را نشان مي دهد. P : زمان گذشته را نشان مي دهد. INGEST : يک عمل اوليه از تئوري است. O : ارتباط اشياء. D : مسير اشياء در فعاليت را نشان مي دهد. F : آينده. T : گذر. K : در حال ادامه دادن. Ts : شروع گذر. ؟ : پرسشي. Tf : اتمام گذر. C : شرطي. /: منفي. Nil : حاضر. Delta? : نداشتن زمان.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 60 اعمال اوليه ATRANS : گذر يک ارتباط.(give) PTRANS : گذر محل فيزيکي از يک شي.(go) PROPEL : اعمال نيروي فيزيکي به يک شئ.(push) MOVE : حرکت قسمتي از بدن به وسيله خودش.(kick) GRASP : گرفتن يک شئ به وسيله يک اکتور.(grasp) INGEST : قورت دادن يک شئ به وسيله يک حيوان.(eat) EXPEL : بيرون انداختن از بدن يک حيوان.(cry) MTRANS : گذر اطلاعات ذهني.(tell) MBUILD : به صورت ذهني ساخت اطلاعات جديد.(decide) CONC : به صورت مفهوم درآوردن يا فکر کردن درباره يک نظر.(think) SPEAK : توليد صدا.(say) ATTEND : تمرکز دادن عضو حسي.(listen)

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 61 مثال

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 62 تمرين ديا گرام جمله زير را ترسيم کنيد : - John يک طرح براي new york گرفته است. ديا گرام جمله زير را ترسيم کنيد : - John تعجب کرد که چه کسي پنير را خورده است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 63 مثال هاي بيشتر

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 64 ملاحظات براي ارزيابي يک بازنمايي دانش طبيعي بودن ،يکنواخت بودن و قابليت فهم. درجه گذاري براي اينکه کدام دانش صريح تر است يا اينکه در کدام رويه جا سازي شده است. پيمانه اي بودن و ثابت بودن يک پايگاه دانش. راندمان بازيابي دانش و قدرت اکتشافي رويه استنتاج کننده.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 65 هيچ روش باز نمايي دانش به تنهايي براي همه کارها مورد استفاده قرار نمي گيرد. بازنمايي دانش چند گانه : هر چيزي براي يک زير وظيفه متفاوت مناسب است.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 66 بازنمايي دانش چند گانه قوانين + فريم ها. ساير. بازنمايي دانش بايد موارد زير را پشتيباني کند : - کسب دانش. - بازيابي دانش. - استنتاج.

Amirkabir University of Technology, Computer Engineering Faculty, Intelligent Systems Laboratory, NLP Course, Dr. Ahmad Abdollahzadeh 67 سيستم Cyc تلاش براي ارائه يک دانش حسي. فرضيات محکم : هوشمندي يک مقدار وسيع از دانش را نياز دارد. نيازمند يک پايگاه دانش بزرگ است. Cyc در همه اوقات به عنوان يک پايگاه از يک واقعيت که مورد قبول عام است توسعه مي يابد. دانش پس زمينه به وسيله يک آمريکايي به دست آمد. بعضي کاربردهاي اقتصادي که بر اساس بخشي از Cyc پايه ريزي شده اند وجود دارد.