一种基于因果的知识表示方法
1.技术领域
2.本发明属于计算机人工智能技术领域，具体地说，涉及一种基于因果的知识表示方法。
3.
背景技术：
4.当前人工智能正处在一个新的发展热潮当中，人们对其技术的发展曾寄于很高的期望，但是很快就察觉到引起这次热潮的深度学习属于专用人工智能，并且有不可解释性等等一些缺陷存在，它很难满足人们对未来人工智能美好前景的期待。大家非常期盼知识驱动型人工智能的出现。
5.人工智能要做到知识驱动，首先要有非常简捷好用的知识表示方法才行。虽然先驱们已经提出了很多种知识表示方法，但都不太尽人意，特别是在对应的机器学习实现上情况更严重。所以要想实现知识驱动型人工智能，知识表示方法必须有所突破。
6.自然语言本质上是满足人们“口头”交流的产物（文字服从于口头发音），自然语言的语义是“口头”交流用的特殊信息，它专用性很强所以存在很大的制约性。比如，人类很多知识就无法用自然语言来表达。所以，新的知识表示方法不能太像自然语言，否则它的应用范围会变得很狭窄。知识表示方法基础性一点会更有利于各种智能的实现。但像这样又简捷、又好用、又方便实现机器学习，还比较基础性的知识表示方法似乎还没有出现。
7.
技术实现要素：
8.有鉴于此，本发明所要解决的技术问题是提供了一种基于因果的知识表示方法，用于避免以往机器学习知识繁琐，复杂，低效的麻烦。
9.为了解决上述技术问题，本发明公开了一种基于因果的知识表示方法，其包括：步骤a.构建因果知识结构，因果知识包括知识的主体和知识的参数，知识的主体包括表示前提条件的数据a、表示原因的数据b、及表示结果的数据c；知识的参数包括至少一个表示参数的数据d；并形成如下的基本式：a*b=c
→ꢀ
d；步骤b.利用代入法、合并法、混合法形成所需要的其他样式知识的主体；步骤c.通过上述因果知识结构，提供知识的部分数据，提取知识，以此进行知识的调用；步骤d.知识调用之后的参数可作必要的修改，以保存使用记录。
10.根据本发明一实施方式，其中上述数据d包括用于记录本知识的价值大小、可信度，使用次数、建立日期。
11.根据本发明一实施方式，其中上述代入法为把复杂信息代入到知识的主体各部分
中去的方法。
12.根据本发明一实施方式，其中上述合并法为把若干个知识的主体放在一起而合用一组参数的方法。
13.根据本发明一实施方式，其中上述混合法为代入法与合并法混合使用而形成的方法。
14.根据本发明一实施方式，其中上述因果知识在存放空间中知识的存放位置可以随机，不同类型的知识可以存放于不同的空间。
15.根据本发明一实施方式，其中上述步骤c中进行知识调用时，查询方式可以采用精确查询，也可以对相关数量信息进行范围查询。
16.根据本发明一实施方式，其中上述因果表示法能够提供机器学习方法运用到智能系统的设计中，并方便实现机器学习。
17.与现有技术相比，本发明可以获得包括以下技术效果：通过因果表示法把要表示的知识表示出来，并按提供的方法进行知识的调用，同时也能把提供的机器学习方法运用到智能系统的设计中，它简捷好用，并方便实现机器学习。
18.当然，实施本发明的任一产品必不一定需要同时达到以上所述的所有技术效果。
19.具体实施方式
20.以下将配合实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
21.本发明公开了一种基于因果的知识表示方法，其包括：步骤a.构建因果知识结构，因果知识包括知识的主体和知识的参数，知识的主体包括表示前提条件的数据a、表示原因的数据b、及表示结果的数据c；知识的参数包括至少一个表示参数的数据d；并形成如下的基本形式：a*b=c
→ꢀ
d；步骤b.利用代入法、合并法、混合法形成所需要的其他样式知识的主体；步骤c.通过上述因果知识结构，提供知识的部分数据，提取知识，以此进行知识的调用；步骤d.知识调用之后的参数可作必要的修改，以保存使用记录。
22.本发明的因果表示法表示出来的知识表现出一种活动过程或逻辑过程，只要智能系统中有这些过程就可以把相应的信息记录为知识，并配置好相应的参数，这样总体上就可以实现机器学习了。
23.在本发明一实施方式中，数据d包括用于记录本知识的价值大小、可信度，使用次数、建立日期等等信息，本发明不以此为限。
24.以下为详细的知识的表示方法的实施例：这个知识表示方法也称因果表示法。因果表示法有一个基本的表示形式，在基本形式上可以衍生出一系列的其它表示形式。先讲它的基本表示形式，如下：a*b=c
→ꢀ
d、e、f、
……
其中:a表示前提条件b表示原因c表示结果d、e、f、
……
表示知识的各个参数*、=、
→
为各部分的连接符号以上基本表示形式中“a*b=c”是主体部分，“d、e、f、
……”
是参数部分。主体部分的意思是在前提a的情况下，由于原因b的作用，产生了结果c。很明显它是表现出了一种因果关系，所以很自然的称它为因果表示法。参数的个数按实际需要来定可多可少。这里的参数可以用于记录本知识的价值大小、可信度，使用次数、建立日期等等信息。
25.在基本表示形式基础上衍生出来的知识表示形式总体上通过这三种方法产生：代入法、合并法、混合法。
26.代入法即在把复杂信息代入到知识主体a*b=c的a、b、c中去的方法。举例如下：例1：a=k1 k2（k1、k2都为信息，它们组成信息a）a*b=c
→
d、e、f、
……
（基本表示形式）（k1 k2）*b=c
→
d、e、f、
……
（代入所得到的知识表示形式）例2：b=m1 m2 m3（m1、m2、m3都为信息，它们组成信息b）a*b=c
→
d、e、f、
……
（基本表示形式）a*（m1 m2 m3）=c
→
d、e、f、
……
（代入所得到的知识表示形式）例3：g*h=a（第一个知识的主体部分）a*b=c（第二个知识的主体部分）(g*h)*b=c（前一个知识主体代入后一个形成的表示形式）g*h*b=c（前一个知识主体代入后一个形成的另一种表示形式）这个例子合成的知识参数需要按实际情况定，所以此处暂时忽略。
27.代入法不限于以上三种形式，由于情况很多这里就不一一列举了。
28.合并法即把若干个知识的主体放在一起而合用一组参数的方法。通常放在一起的知识都会有某种联系。举例如下：例4：{a*b=c，c*d=e，e*f=g}
→
h、i、j本知识中前一个知识主体的结果是后一个知识主体的前提。实际上它显示了出了一个连续的过程，这个很重要；例5：{a*b=c，d*e=b}
→
h、i、j本知识中后一个知识主体可以代入前一个知识主体中，由于要保留信息b所以没有把后面的代进前面的主体中；合并法不限于以上两种形式，由于可能的情况很多这里就不一一列举了。
29.混合法即代入法与合并法混合使用而形成的更为复杂的形式。
30.因果表示法可以表示很多基本的知识。举例如下：例6运动发力知识的表示如果机械臂各关节有自锁功能，各自由度的动力装置停止发力它就会停止运动。它的发力知识可以这样表示：a*b=c
→
d、e、f、
……
其中：
a是机械臂的姿态数据，可以用相关自由度的角度表示；b是发力，发力是一种笼统的说法，它可以指扭矩在时间上的积分。也可以用其他需要的形式来表示发力。这里的b包括了所有相关自由度的发力c是发力后机械臂的姿态数据。
31.d、e、f等参数按需要配置。
32.a*b=c 表示机械臂在姿态为a的情况下由于发力b让姿态变为了c。
33.例7 识别知识的表示识别知识如下：a*b=c
→ꢀ
d、e、f、
……
其中a是被识别信息；b是采用识别的硬件或软件的名称；c即识别结果；d、e、f等参数按需要配置；a*b=c 表示 信息a在b的识别下得到了结果c；例8 表示事实性知识如果表示“小明15岁”，知识表示如下：小明*年龄=15岁
→ꢀ
d、e、f、
……
其中“年龄”可以认为是一个认定过程的名称。
34.d、e、f等参数按需要配置例9 表示事物大小关系的知识如果表示“2大于1”，知识表示如下：2*大于=1
→ꢀ
d、e、f、
……
其中“大于”可以认为是一个认定过程的名称d、e、f等参数按需要配置因果表示法的应用不限于以上四个方面。从广义的因果角度来看它可以表示事物间所有的关系知识。万事万物之间都存在关系，这样的关系各种各样，但关系被认知都需要一定的方式认定，这种认定方式可以认为是把两个事物放在一起或记录在一起的原因。所以可以统一的讲：事物a在b认定的作用下指向了事物c（简写为：a*b=c）。因果表示法还应该有更广泛的应用，这里就不一一列举了。
35.需要了解的是，这里的知识的应用实际分为知识的查询和应用两方面。查询即通过在知识库内查询符合指定要求的知识，应用即把通过查询得到的知识提取出来做参考或者使用它包含的信息。不同类型的知识可以放入不同的知识库。如运动知识放在运动知识库中，识别知识放在识别知识库中。需要使用这些知识时可以在对应的知识库中进行查询。查询的条件可以是主体中的前提、原因或结果信息，也可以是参数部分的一个或多个参数信息。查询的方式可以是精确查询也可以用范围来查询。精确查询即知识的相关信息与查询条件要完全符合，对于数量信息可以用范围来查询。在很多情况下找到完全符合数量信
息的知识并不现实，需要有一个偏移量存在，在一定偏移量范围内的知识也是有参照价值的。系统通过查询已有的知识就可以知道在当前情况下，下一步需要怎么做了。因为知识是在过去的实践中学习到的，这就相当于已有的知识是过去的经历或经验，参照已有的知识就是参过过去的经历或经验行事。知识的应用还起到检验知识可靠性、实用性等等的作用。这方面知识参数提供了较为方便的条件。比如：用了某个知识效果很好就在参数“成功次数”中加1，效果不好可以在参数“失败次数”中加1，这样使用久了系统就可以通过参数知道这个知识是不是可靠。
36.因果知识在存储空间中的存放位置可以随机，不同类型的知识可以存放于不同的空间，以此利于知识的查询。
37.步骤c中进行知识调用时，查询方式可以采用精确查询，也可以对相关数量信息进行范围查询，查询到符合要求的知识就可以对它进行使用了。
38.综上所述，本发明通过因果表示法把要表示的知识表示出来，并按提供的方法进行知识的调用，同时也能把提供的机器学习方法运用到智能系统的设计中，它简捷好用，并方便实现机器学习。
39.上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
1.技术领域
2.本发明属于计算机人工智能技术领域，具体地说，涉及一种基于因果的知识表示方法。
3.
背景技术：
4.当前人工智能正处在一个新的发展热潮当中，人们对其技术的发展曾寄于很高的期望，但是很快就察觉到引起这次热潮的深度学习属于专用人工智能，并且有不可解释性等等一些缺陷存在，它很难满足人们对未来人工智能美好前景的期待。大家非常期盼知识驱动型人工智能的出现。
5.人工智能要做到知识驱动，首先要有非常简捷好用的知识表示方法才行。虽然先驱们已经提出了很多种知识表示方法，但都不太尽人意，特别是在对应的机器学习实现上情况更严重。所以要想实现知识驱动型人工智能，知识表示方法必须有所突破。
6.自然语言本质上是满足人们“口头”交流的产物（文字服从于口头发音），自然语言的语义是“口头”交流用的特殊信息，它专用性很强所以存在很大的制约性。比如，人类很多知识就无法用自然语言来表达。所以，新的知识表示方法不能太像自然语言，否则它的应用范围会变得很狭窄。知识表示方法基础性一点会更有利于各种智能的实现。但像这样又简捷、又好用、又方便实现机器学习，还比较基础性的知识表示方法似乎还没有出现。
7.
技术实现要素：
8.有鉴于此，本发明所要解决的技术问题是提供了一种基于因果的知识表示方法，用于避免以往机器学习知识繁琐，复杂，低效的麻烦。
9.为了解决上述技术问题，本发明公开了一种基于因果的知识表示方法，其包括：步骤a.构建因果知识结构，因果知识包括知识的主体和知识的参数，知识的主体包括表示前提条件的数据a、表示原因的数据b、及表示结果的数据c；知识的参数包括至少一个表示参数的数据d；并形成如下的基本式：a*b=c
→ꢀ
d；步骤b.利用代入法、合并法、混合法形成所需要的其他样式知识的主体；步骤c.通过上述因果知识结构，提供知识的部分数据，提取知识，以此进行知识的调用；步骤d.知识调用之后的参数可作必要的修改，以保存使用记录。
10.根据本发明一实施方式，其中上述数据d包括用于记录本知识的价值大小、可信度，使用次数、建立日期。
11.根据本发明一实施方式，其中上述代入法为把复杂信息代入到知识的主体各部分
中去的方法。
12.根据本发明一实施方式，其中上述合并法为把若干个知识的主体放在一起而合用一组参数的方法。
13.根据本发明一实施方式，其中上述混合法为代入法与合并法混合使用而形成的方法。
14.根据本发明一实施方式，其中上述因果知识在存放空间中知识的存放位置可以随机，不同类型的知识可以存放于不同的空间。
15.根据本发明一实施方式，其中上述步骤c中进行知识调用时，查询方式可以采用精确查询，也可以对相关数量信息进行范围查询。
16.根据本发明一实施方式，其中上述因果表示法能够提供机器学习方法运用到智能系统的设计中，并方便实现机器学习。
17.与现有技术相比，本发明可以获得包括以下技术效果：通过因果表示法把要表示的知识表示出来，并按提供的方法进行知识的调用，同时也能把提供的机器学习方法运用到智能系统的设计中，它简捷好用，并方便实现机器学习。
18.当然，实施本发明的任一产品必不一定需要同时达到以上所述的所有技术效果。
19.具体实施方式
20.以下将配合实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
21.本发明公开了一种基于因果的知识表示方法，其包括：步骤a.构建因果知识结构，因果知识包括知识的主体和知识的参数，知识的主体包括表示前提条件的数据a、表示原因的数据b、及表示结果的数据c；知识的参数包括至少一个表示参数的数据d；并形成如下的基本形式：a*b=c
→ꢀ
d；步骤b.利用代入法、合并法、混合法形成所需要的其他样式知识的主体；步骤c.通过上述因果知识结构，提供知识的部分数据，提取知识，以此进行知识的调用；步骤d.知识调用之后的参数可作必要的修改，以保存使用记录。
22.本发明的因果表示法表示出来的知识表现出一种活动过程或逻辑过程，只要智能系统中有这些过程就可以把相应的信息记录为知识，并配置好相应的参数，这样总体上就可以实现机器学习了。
23.在本发明一实施方式中，数据d包括用于记录本知识的价值大小、可信度，使用次数、建立日期等等信息，本发明不以此为限。
24.以下为详细的知识的表示方法的实施例：这个知识表示方法也称因果表示法。因果表示法有一个基本的表示形式，在基本形式上可以衍生出一系列的其它表示形式。先讲它的基本表示形式，如下：a*b=c
→ꢀ
d、e、f、
……
其中:a表示前提条件b表示原因c表示结果d、e、f、
……
表示知识的各个参数*、=、
→
为各部分的连接符号以上基本表示形式中“a*b=c”是主体部分，“d、e、f、
……”
是参数部分。主体部分的意思是在前提a的情况下，由于原因b的作用，产生了结果c。很明显它是表现出了一种因果关系，所以很自然的称它为因果表示法。参数的个数按实际需要来定可多可少。这里的参数可以用于记录本知识的价值大小、可信度，使用次数、建立日期等等信息。
25.在基本表示形式基础上衍生出来的知识表示形式总体上通过这三种方法产生：代入法、合并法、混合法。
26.代入法即在把复杂信息代入到知识主体a*b=c的a、b、c中去的方法。举例如下：例1：a=k1 k2（k1、k2都为信息，它们组成信息a）a*b=c
→
d、e、f、
……
（基本表示形式）（k1 k2）*b=c
→
d、e、f、
……
（代入所得到的知识表示形式）例2：b=m1 m2 m3（m1、m2、m3都为信息，它们组成信息b）a*b=c
→
d、e、f、
……
（基本表示形式）a*（m1 m2 m3）=c
→
d、e、f、
……
（代入所得到的知识表示形式）例3：g*h=a（第一个知识的主体部分）a*b=c（第二个知识的主体部分）(g*h)*b=c（前一个知识主体代入后一个形成的表示形式）g*h*b=c（前一个知识主体代入后一个形成的另一种表示形式）这个例子合成的知识参数需要按实际情况定，所以此处暂时忽略。
27.代入法不限于以上三种形式，由于情况很多这里就不一一列举了。
28.合并法即把若干个知识的主体放在一起而合用一组参数的方法。通常放在一起的知识都会有某种联系。举例如下：例4：{a*b=c，c*d=e，e*f=g}
→
h、i、j本知识中前一个知识主体的结果是后一个知识主体的前提。实际上它显示了出了一个连续的过程，这个很重要；例5：{a*b=c，d*e=b}
→
h、i、j本知识中后一个知识主体可以代入前一个知识主体中，由于要保留信息b所以没有把后面的代进前面的主体中；合并法不限于以上两种形式，由于可能的情况很多这里就不一一列举了。
29.混合法即代入法与合并法混合使用而形成的更为复杂的形式。
30.因果表示法可以表示很多基本的知识。举例如下：例6运动发力知识的表示如果机械臂各关节有自锁功能，各自由度的动力装置停止发力它就会停止运动。它的发力知识可以这样表示：a*b=c
→
d、e、f、
……
其中：
a是机械臂的姿态数据，可以用相关自由度的角度表示；b是发力，发力是一种笼统的说法，它可以指扭矩在时间上的积分。也可以用其他需要的形式来表示发力。这里的b包括了所有相关自由度的发力c是发力后机械臂的姿态数据。
31.d、e、f等参数按需要配置。
32.a*b=c 表示机械臂在姿态为a的情况下由于发力b让姿态变为了c。
33.例7 识别知识的表示识别知识如下：a*b=c
→ꢀ
d、e、f、
……
其中a是被识别信息；b是采用识别的硬件或软件的名称；c即识别结果；d、e、f等参数按需要配置；a*b=c 表示 信息a在b的识别下得到了结果c；例8 表示事实性知识如果表示“小明15岁”，知识表示如下：小明*年龄=15岁
→ꢀ
d、e、f、
……
其中“年龄”可以认为是一个认定过程的名称。
34.d、e、f等参数按需要配置例9 表示事物大小关系的知识如果表示“2大于1”，知识表示如下：2*大于=1
→ꢀ
d、e、f、
……
其中“大于”可以认为是一个认定过程的名称d、e、f等参数按需要配置因果表示法的应用不限于以上四个方面。从广义的因果角度来看它可以表示事物间所有的关系知识。万事万物之间都存在关系，这样的关系各种各样，但关系被认知都需要一定的方式认定，这种认定方式可以认为是把两个事物放在一起或记录在一起的原因。所以可以统一的讲：事物a在b认定的作用下指向了事物c（简写为：a*b=c）。因果表示法还应该有更广泛的应用，这里就不一一列举了。
35.需要了解的是，这里的知识的应用实际分为知识的查询和应用两方面。查询即通过在知识库内查询符合指定要求的知识，应用即把通过查询得到的知识提取出来做参考或者使用它包含的信息。不同类型的知识可以放入不同的知识库。如运动知识放在运动知识库中，识别知识放在识别知识库中。需要使用这些知识时可以在对应的知识库中进行查询。查询的条件可以是主体中的前提、原因或结果信息，也可以是参数部分的一个或多个参数信息。查询的方式可以是精确查询也可以用范围来查询。精确查询即知识的相关信息与查询条件要完全符合，对于数量信息可以用范围来查询。在很多情况下找到完全符合数量信
息的知识并不现实，需要有一个偏移量存在，在一定偏移量范围内的知识也是有参照价值的。系统通过查询已有的知识就可以知道在当前情况下，下一步需要怎么做了。因为知识是在过去的实践中学习到的，这就相当于已有的知识是过去的经历或经验，参照已有的知识就是参过过去的经历或经验行事。知识的应用还起到检验知识可靠性、实用性等等的作用。这方面知识参数提供了较为方便的条件。比如：用了某个知识效果很好就在参数“成功次数”中加1，效果不好可以在参数“失败次数”中加1，这样使用久了系统就可以通过参数知道这个知识是不是可靠。
36.因果知识在存储空间中的存放位置可以随机，不同类型的知识可以存放于不同的空间，以此利于知识的查询。
37.步骤c中进行知识调用时，查询方式可以采用精确查询，也可以对相关数量信息进行范围查询，查询到符合要求的知识就可以对它进行使用了。
38.综上所述，本发明通过因果表示法把要表示的知识表示出来，并按提供的方法进行知识的调用，同时也能把提供的机器学习方法运用到智能系统的设计中，它简捷好用，并方便实现机器学习。
39.上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
