《數(shù)據(jù)與知識工程》由會(huì)員分享，可在線閱讀，更多相關(guān)《數(shù)據(jù)與知識工程（45頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、教師：常亮 E-mail: 辦公室電話: 2291071 手機(jī): 13481395869,數(shù)據(jù)與知識工程,,歡迎參加,本課程的開設(shè)背景,智能： 智能行為依賴于知識 知識： 是構(gòu)成智能的基礎(chǔ) 把有關(guān)信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu) 由信息提煉出來的產(chǎn)物，反映了一些基本的規(guī)律 信息： 計(jì)算學(xué)科：對描述和變換信息的算法過程進(jìn)行的系統(tǒng)研究。 收信人事先不知道的報(bào)道 (辭海) 信息就是信息，不是物質(zhì)，也不是能量 (Norbert Wiener) 數(shù)據(jù)的語義 數(shù)據(jù)： 信息的載體和表示 對于計(jì)算機(jī)而言，信息處理就是數(shù)據(jù)處理,本課程的開設(shè)背景,智能： 智能行為依賴于知識 知識： 把有關(guān)信息關(guān)聯(lián)在一起形成的信息

2、結(jié)構(gòu) 由信息提煉出來的產(chǎn)物，反映了一些基本的規(guī)律 是構(gòu)成智能的基礎(chǔ) 信息： 數(shù)據(jù)的語義 收信人事先不知道的報(bào)道 (辭海) 信息就是信息，不是物質(zhì)，也不是能量 (Norbert Wiener) 計(jì)算學(xué)科：對描述和變換信息的算法過程進(jìn)行的系統(tǒng)研究。 數(shù)據(jù)： 信息的載體和表示 對于計(jì)算機(jī)而言，信息處理就是數(shù)據(jù)處理,,,本課程的開設(shè)背景,信息時(shí)代/知識時(shí)代 農(nóng)業(yè)社會(huì) 工業(yè)/機(jī)械社會(huì)：由機(jī)械化、電氣化和自動(dòng)化帶來的人類體力擴(kuò)展的結(jié)果。 機(jī)械社會(huì) 信息/知識社會(huì)：由信息化、網(wǎng)絡(luò)化和智能化帶來的人類智力擴(kuò)展的結(jié)果。 一個(gè)標(biāo)志：萬維網(wǎng)(Web)的普及 信息化和網(wǎng)絡(luò)化帶來的形形色色的海量信息和內(nèi)容理解問題，向計(jì)

3、算機(jī)科學(xué)和人工智能提出了艱巨的挑戰(zhàn)。 語義Web Web技術(shù) 語義(本體/邏輯),知識表示與知識推理,數(shù)據(jù)挖掘 & 知識發(fā)現(xiàn),本課程的目的,了解人工智能領(lǐng)域關(guān)于知識表示、知識推理、知識發(fā)現(xiàn)的研究歷史； 掌握典型的知識表示方法（尤其是基于一階謂詞邏輯和基于描述邏輯的知識表示方法）； 掌握典型的知識推理方法（尤其是基于消解原理的推理方法和基于Tableau的推理方法）； 掌握典型的知識發(fā)現(xiàn)方法； 了解語義Web的基本思想、技術(shù)現(xiàn)狀和發(fā)展趨勢； 了解Web知識表示模型和語言（主要包括RDF、OWL、RIF和SPARQL）； 了解語義Web背景下關(guān)于知識表示、知識推理、和知識發(fā)現(xiàn)的研究現(xiàn)狀。,本課程的

4、內(nèi)容 ,基于一階謂詞邏輯(FOL)的知識表示和推理 基于FOL的知識表示 基于消解法的知識推理 基于tableau算法的知識推理 Horn邏輯與產(chǎn)生式系統(tǒng) Horn邏輯 邏輯程序設(shè)計(jì) 產(chǎn)生式系統(tǒng) 基于描述邏輯(DL)的知識表示和推理 基于DL的知識表示 基于tableau算法的知識推理 非單調(diào)知識表示和推理 CWA；限制邏輯；默認(rèn)邏輯；自認(rèn)知邏輯 對動(dòng)作的表示、推理以及規(guī)劃 STRIPS系統(tǒng)；情景演算；流演算；PDL,知識表示能力 vs. 推理能力 tradeoff,本課程的內(nèi)容 ,數(shù)據(jù)挖掘與知識發(fā)現(xiàn) 基于證據(jù)理論的數(shù)據(jù)挖掘方法 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法 基于遺傳算法的數(shù)據(jù)挖掘方法 基于粗

5、糙集的數(shù)據(jù)挖掘方法 其他數(shù)據(jù)挖掘方法 KDD的挖掘模式 關(guān)聯(lián)模式 分類模式 聚類模式 回歸模式 序列模式,本課程的內(nèi)容 ,語義Web的研究路線 資源描述框架RDF Web本體語言O(shè)WL Web規(guī)則標(biāo)記語言RIF Web查詢語言SPARQL 典型應(yīng)用 Web服務(wù) 軟件配置/產(chǎn)品協(xié)同制造 信息系統(tǒng) 知識共享/協(xié)同工作 語義Web背景下知識表示、知識推理和知識發(fā)現(xiàn), 教材 Brachman R, Levesque H. Knowledge Representation and Reasoning. Morgan Kaufmann Press, 2004. Antoniou G, Harmelen F

6、. A Semantic Web Primer. Second Edition. Cambridge, Mass.: MIT Press, 2008. (Antoniou G, Harmelen F.著, 陳小平等譯. 語義網(wǎng)基礎(chǔ)教程(第1版). 機(jī)械工業(yè)出版社, 2008.) 胡運(yùn)發(fā). 數(shù)據(jù)與知識工程導(dǎo)論. 清華大學(xué)出版社, 2003. 參考書 1. Baader F, Calvanese D, McGuinness D, Nardi D, and Patel-Schneider P. F.. The Description Logic Handbook: Theory, Impl

7、ementation and Applications. Cambridge University Press, 2003. 2. Bell J. L., Machover M. A Course in Mathematical Logic. North-Holland Publishing Company, 1977. 3. Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techinques. Second Edition. 機(jī)械工業(yè)出版社, 2007.,教材及參考書,作者介紹,Ron Brachman Ph.D, 1977

8、Harvard ACM Fellow President of AAAI (2003) 雅虎全球研究運(yùn)營副總裁 Hector Levesque Ph.D 1981, University of Toronto Conference Chair of IJCAI (2001) founder farthers of DL Franz Baader Chair for Automata Theory of the Institute for Theoretical Computer Science Faculty of Computer Science at TU Dresden,課程要求,按時(shí)到

9、課，重視課堂學(xué)習(xí)； 對布置的思考題和討論題進(jìn)行認(rèn)真準(zhǔn)備； 按進(jìn)度完成平時(shí)作業(yè)。 評分方式： 總評成績 = 平時(shí)成績20 期末考試成績80 平時(shí)成績 = 課堂主題報(bào)告 課堂討論 重視課堂討論 使自己的疑問得到及時(shí)解答 可以幫助有相似疑問的同學(xué) 可以使教師及時(shí)了解教學(xué)效果 在討論中產(chǎn)生有價(jià)值的學(xué)術(shù)火花 多動(dòng)筆；到證明的第一現(xiàn)場去,第1部分 概述,主要內(nèi)容： 人工智能及其三個(gè)學(xué)派 符號主義 本領(lǐng)域的杰出人物 本領(lǐng)域的頂級國際會(huì)議 知識表示與知識推理 數(shù)據(jù)挖掘與知識發(fā)現(xiàn),圖靈和圖靈測試,阿蘭麥席森圖靈(Alan Mathison Turing) 1912.6.23-1954.6.7 英國數(shù)學(xué)家、邏輯學(xué)

10、家 1936年： On Computable Numbers, with an Application to the Entscheidungs problem (論可計(jì)算數(shù)及其在判定問題上的應(yīng)用) 圖靈機(jī) (Turing Machine) 停機(jī)問題 vs. FOL的不可判定問題 1950年： Computing Machinery and Intelligence (計(jì)算機(jī)器與智能) 圖靈測試 (Turing Test) 人工智能之父,人工智能的誕生,Dartmouth會(huì)議： 1956年，美國的Dartmouth College，一個(gè)長達(dá)2個(gè)月的暑期研討班。 與會(huì)者有包括C.Shannon在

11、內(nèi)的數(shù)學(xué)家、邏輯學(xué)家、認(rèn)知學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計(jì)算機(jī)科學(xué)家等10人。 Marvin Minsky的神經(jīng)網(wǎng)絡(luò)模擬器、John McCarthy的搜索法、以及Herbert Simon和Allen Newell的“邏輯理論家”成為會(huì)上的3個(gè)亮點(diǎn)，分別討論如何穿過迷宮、如何搜索推理、以及如何證明數(shù)學(xué)定理。 在會(huì)議上，John McCarthy正式提出“人工智能” (Artificial Intelligence)這一術(shù)語。 人工智能是相對人的自然智能而言，即用人工的方法和技術(shù),模仿、延伸和擴(kuò)展人的智能，研制具有感知、推理、學(xué)習(xí)、聯(lián)想、決策等思維活動(dòng)的計(jì)算系統(tǒng)，解決需要人類專家才能處理的復(fù)雜

12、問題。,人工智能的發(fā)展,1958年，Newell和Simon的四個(gè)預(yù)測 十年內(nèi)，計(jì)算機(jī)將成為世界象棋冠軍 十年內(nèi)，計(jì)算機(jī)將發(fā)現(xiàn)或證明有意義的數(shù)學(xué)定理 十年內(nèi)，計(jì)算機(jī)將能譜寫優(yōu)美的樂曲 十年內(nèi)，計(jì)算機(jī)將能實(shí)現(xiàn)大多數(shù)的心理學(xué)理論 1959年，MIT AI Lab正式成立（Minsky和McCarthy） 在專家系統(tǒng)、機(jī)器人、自然語言處理、知識工程等領(lǐng)域取得了長足的發(fā)展。 1981年，日本政府宣布日本五代機(jī)（first-generation computer）計(jì)劃（即智能計(jì)算機(jī)）。 1992年，日本政府宣布五代機(jī)計(jì)劃失敗。人工智能進(jìn)入一個(gè)低谷。 隨著信息/知識社會(huì)的到來，人工智能領(lǐng)域再次興旺起來。,

13、Gartner 技術(shù)成熟度曲線,,“深藍(lán)”與卡斯帕羅夫之戰(zhàn),1997年5月初，IBM公司研制的并行計(jì)算機(jī)“深藍(lán)”與國際象棋冠軍卡斯帕羅夫交戰(zhàn)，以兩勝一負(fù)三平獲勝。 “深藍(lán)”：由256個(gè)專為國際象棋比賽設(shè)計(jì)的微處理器組成，每秒可計(jì)算2億步棋。,另一場人機(jī)大戰(zhàn),1997年，“深藍(lán)”在棋盤上擊敗國際象棋大師卡斯帕羅夫，本質(zhì)是使用窮舉戰(zhàn)略： 每秒計(jì)算2億次可能的“招數(shù)”， 在相同的時(shí)間內(nèi)，卡斯帕羅夫只能粗略地計(jì)劃兩步。 在其后的10年里，計(jì)算能力猛增：到2007年，那臺1.4噸的巨型計(jì)算機(jī)的處理能力已經(jīng)可以放進(jìn)一個(gè)大拇指蓋大小的“細(xì)胞（Cell）”微處理器中。 在這十年內(nèi)，晶體管數(shù)量已經(jīng)從英特爾奔騰上

14、的750萬個(gè)跳躍到“細(xì)胞”上的2.34億個(gè)。 但是要讓計(jì)算機(jī)理解人類語言、像人類一樣思考比下棋難多了。 更高級別的挑戰(zhàn)？,“沃森”參戰(zhàn)“危險(xiǎn)邊緣(Jeopardy!)”,“危險(xiǎn)邊緣(Jeopardy!)”：美國家喻戶曉的電視智力競賽節(jié)目。1964年創(chuàng)立，競賽問題涉及地理、政治、歷史、體育、娛樂等。 2011年2月1416日，IBM 沃森參加了“危險(xiǎn)邊緣”電視節(jié)目的競賽，戰(zhàn)勝了該節(jié)目有史以來最優(yōu)秀的兩位人類冠軍Ken Jennings和Brad Rutter。,IBM“沃森”系統(tǒng),以IBM創(chuàng)始人托馬斯J沃森的名字命名。 2006年開始設(shè)計(jì)。 是由90臺IBM 750服務(wù)器組成的群集系統(tǒng)，每臺服務(wù)

15、器采用Power 7處理器（8核芯片，每核4個(gè)線程），相當(dāng)于有2880個(gè)核在運(yùn)行。 內(nèi)存是16TB的RAM。 采用的軟件有SUSE Linux Enterprise Server 11操作系統(tǒng)、IBM DeepQA軟件、Apache UIMA（ 非結(jié)構(gòu)化信息管理體系結(jié)構(gòu)） 框架等。,IBM“沃森”系統(tǒng),使用了上百種的技術(shù)來分析自然語言、識別資源、尋找并產(chǎn)生假設(shè)、尋找證據(jù)并評分、對假設(shè)進(jìn)行聚集和分級，因此它是專門設(shè)計(jì)的、具有學(xué)習(xí)能力的機(jī)器。 能儲存大量信息，相當(dāng)于100萬本書籍和2億頁資料。 還可以從經(jīng)驗(yàn)中學(xué)習(xí)如何提高性能； 能使用自然語言回答問題。 世界各地的研究人員歷時(shí)四年共同完成了這個(gè)系統(tǒng)

16、。 應(yīng)用前景廣泛，可以高速分析大量數(shù)據(jù)，用來幫助政府部門解答公眾疑問，幫助醫(yī)生評估藥物療效。 核心技術(shù)：自然語言處理、機(jī)器學(xué)習(xí),Leslie Gabriel Valiant (1949-),2010年圖靈獎(jiǎng)獲得者 英國皇家學(xué)會(huì)會(huì)員/美國科學(xué)院院士 哈佛大學(xué)教授 主要貢獻(xiàn)： 機(jī)器學(xué)習(xí)領(lǐng)域：提出PAC模型 使20世紀(jì)50年代誕生的機(jī)器學(xué)習(xí)領(lǐng)域第一次有了堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)，從而清除了學(xué)科發(fā)展的障礙， 這不僅對人工智能學(xué)科領(lǐng)域產(chǎn)生了巨大影響，而且促使IBM公司制造出沃森（Watson）這樣智能而神奇的機(jī)器。 計(jì)算復(fù)雜性領(lǐng)域：表明即使可滿足賦值數(shù)很小，SAT這個(gè)NP完備問題仍然是很難的問題。 計(jì)算神經(jīng)學(xué)領(lǐng)域

17、：為大腦設(shè)計(jì)了一個(gè)數(shù)學(xué)模型，并將它與復(fù)雜的認(rèn)知功能建立了關(guān)聯(lián)。,人工智能的不同學(xué)派,符號主義 連接主義 行為主義,符號主義（symbolism）,又稱為邏輯主義、心理學(xué)派、計(jì)算機(jī)學(xué)派 以Newell和 Simon提出的物理符號系統(tǒng)假說（physical symbol system hypothesis）為基礎(chǔ)。 符號主義認(rèn)為： 人的認(rèn)知基元是符號，認(rèn)知過程就是符號操作過程； 人是一個(gè)物理符號系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號系統(tǒng)，因此就能夠用計(jì)算機(jī)來模擬人的智能行為，即用計(jì)算機(jī)的符號操作來模擬人的認(rèn)知過程。 知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)；人工智能的核心問題是知識表示、知識推理和知識運(yùn)用。知

18、識可以用符號表示，也可以用符號進(jìn)行推理，因而可能建立起基于知識的人類智能和機(jī)器智能的統(tǒng)一理論體系。 符號主義曾長期一支獨(dú)秀，為人工智能的發(fā)展作出了重要貢獻(xiàn)。在其他學(xué)派出現(xiàn)之后，符號主義仍然是人工智能的主流學(xué)派。,連接主義/聯(lián)結(jié)主義(connectionism),又稱為仿生學(xué)派、生理學(xué)派 其原理主要是神經(jīng)網(wǎng)絡(luò)以及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制和學(xué)習(xí)算法。 連接主義認(rèn)為：人工智能源于仿生學(xué)，特別是人腦模型的研究。認(rèn)為思維的基元是神經(jīng)元；把智能理解為相互聯(lián)結(jié)的神經(jīng)元競爭與協(xié)作的結(jié)果。 連接主義研究非程序的、適應(yīng)性的、大腦風(fēng)格的信息處理的本質(zhì)和能力。人們也稱它為神經(jīng)計(jì)算。 20世紀(jì)60-70年代，以感知機(jī)為代表

19、的腦模型的研究。 1986年，Rumelhart等提出多層網(wǎng)絡(luò)中的反向傳播算法（BP算法）；此后，連接主義勢頭大振。 近年來迅速發(fā)展；大量的神經(jīng)網(wǎng)絡(luò)的機(jī)理、模型、 算法不斷地涌現(xiàn)出來。,行為主義(actionism),又稱為進(jìn)化主義、控制論學(xué)派 其原理為控制論以及感知-動(dòng)作型控制模型。 行為主義強(qiáng)調(diào)智能系統(tǒng)與環(huán)境的交互，從運(yùn)行的環(huán)境中獲取信息（感知），通過自己的動(dòng)作對環(huán)境施加影響。 行為主義認(rèn)為：智能只能在與環(huán)境的交互作用中表現(xiàn)出來。認(rèn)為智能不需要知識、不需要表示、不需要推理。,弱AI vs.強(qiáng)AI,美國哲學(xué)家約翰西爾勒（J.R.Searle）根據(jù)人們在研究人工智能模擬人類認(rèn)知能力方面的不同觀

20、點(diǎn)，將有關(guān)人工智能的研究劃分為強(qiáng)人工智能（Strong Artificial Intelligence，簡稱強(qiáng)AI）和弱人工智能（Soft Artificial Intelligence，簡稱弱AI）兩個(gè)派別。 人工草皮 & 人工調(diào)料 在研究意識方面， 弱AI認(rèn)為計(jì)算機(jī)的主要價(jià)值在于它為我們提供了一個(gè)強(qiáng)大的工具； 強(qiáng)AI的觀點(diǎn)則是，計(jì)算機(jī)不僅是一個(gè)工具，形式化的計(jì)算機(jī)是具有意識的。 1980年，西爾勒設(shè)計(jì)了一個(gè)“中文屋子(Chinese Room)”的假想試驗(yàn)來反駁強(qiáng)AI的觀點(diǎn)。,智能科學(xué): 腦科學(xué)+認(rèn)知科學(xué)+人工智能+,人腦是巨系統(tǒng) 神經(jīng)元: 胞體、突起(樹突,軸突),智能科學(xué): 腦科學(xué)+認(rèn)

21、知科學(xué)+人工智能+,人腦是巨系統(tǒng) 神經(jīng)元: 胞體、突起(樹突,軸突) 整個(gè)人腦神經(jīng)元的數(shù)量約為1011 (千億) 一只成年老鼠的腦由2100萬個(gè)稱為神經(jīng)元 在大腦皮層的一個(gè)神經(jīng)元上, 突觸的數(shù)目可達(dá)3萬以上。整個(gè)腦內(nèi)突觸的數(shù)目約在1014-1015(百萬億千萬億)之間。,智能科學(xué): 腦科學(xué)+認(rèn)知科學(xué)+人工智能+,2011年8月18日，美國IBM公司，可以模擬人腦處理信息方式的認(rèn)知計(jì)算機(jī)芯片。 已研發(fā)出兩個(gè)芯片； 沒有任何生物成分，完全由硅電路組成； 每個(gè)都含有256個(gè)“神經(jīng)元”， 其中一塊有超過26萬個(gè)可控制的“神經(jīng)突觸”，另一塊有6萬多個(gè)學(xué)習(xí)型“神經(jīng)突觸”。 在這兩塊芯片的基礎(chǔ)上，研究人員成

22、功讓計(jì)算機(jī)實(shí)現(xiàn)導(dǎo)航、機(jī)器視覺、模式識別、聯(lián)系記憶及分類等功能。 研究人員的長期目標(biāo)是建立一個(gè)有100億個(gè)“神經(jīng)元”和100萬億個(gè)“神經(jīng)突觸”的芯片系統(tǒng)，容量不超過兩升，每小時(shí)耗電只有1度。 最終建立在這種芯片上的計(jì)算機(jī)，將可以從經(jīng)驗(yàn)中學(xué)習(xí)，找到聯(lián)系，建立假設(shè)，模擬人腦的結(jié)構(gòu)及彈性功能。,本領(lǐng)域的杰出人物,目前為止共56名圖靈獎(jiǎng)獲得者(1966-1999:40名,2000-2009:16名) Marvin Minsky（1969年） 框架理論的創(chuàng)立者 世界上最早的能模擬人的活動(dòng)的機(jī)器人Robot C John Mccarthy（1971年） Lisp語言 限制邏輯 情景演算,本領(lǐng)域的杰出人物,H

23、erbert Simon和Allen Newell（1975年） 符號主義學(xué)派的創(chuàng)始人 (物理符號系統(tǒng)假說) 開發(fā)了世界上最早的啟發(fā)式程序“邏輯理論家”，應(yīng)用其證明了數(shù)學(xué)名著數(shù)學(xué)原理一書第二章52個(gè)定理中的38個(gè)定理 開發(fā)了最早的下棋程序之一MATER (Simon)發(fā)展和完善了語義網(wǎng)絡(luò) Edward Feigenbaum和Raj Reddy（1994年） 大規(guī)模人工智能系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)的先驅(qū) 合力開發(fā)了第一個(gè)專家系統(tǒng)DENDRAL (Feigenbaum)專家系統(tǒng)之父 (1977年) (Raj Reddy) John McCarthy指導(dǎo)的 第一個(gè)博士；李開復(fù)的博士生導(dǎo)師(CMU),本領(lǐng)域的

24、傳奇人物,Herbert Simon 1975年圖靈獎(jiǎng)獲得者 符號主義學(xué)派的創(chuàng)始人 建立了機(jī)器證明數(shù)學(xué)定理的啟發(fā)式搜索法 提出有限理論對經(jīng)濟(jì)決策活動(dòng)的影響 1978年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者 1943年在匹茲堡大學(xué)獲得政治學(xué)博士學(xué)位 1969年由于在心理學(xué)上的貢獻(xiàn)而獲得美國心理學(xué)會(huì)的“杰出科學(xué)貢獻(xiàn)獎(jiǎng)” 1986年因?yàn)樵谛袨榭茖W(xué)上的出色貢獻(xiàn)而榮獲美國全國科學(xué)獎(jiǎng)?wù)?本領(lǐng)域杰出的中國學(xué)者,吳文俊 幾何定理自動(dòng)證明領(lǐng)域的突破 “吳方法”在國際機(jī)器證明領(lǐng)域產(chǎn)生了巨大影響，當(dāng)前國際流行的主要符號計(jì)算軟件都實(shí)現(xiàn)了吳文俊教授的算法 獲得首屆國家自然科學(xué)一等獎(jiǎng)(1956) Herbrand自動(dòng)推理杰出成就獎(jiǎng)(199

25、7) 首屆國家最高科學(xué)技術(shù)獎(jiǎng)(2000) 吳文俊之路,本領(lǐng)域的頂級會(huì)議,IJCAI International Joint Conference on Artificial Intelligence 1969年召開第一屆；每兩年開一次 AAAI AAAI Conference on Artificial Intelligence AAAI: American Association for Artificial Intelligence(1979年成立)， 2007年改名為Association for the Advancement of Artificial Intelligence 19

26、80年召開第一屆；每年開一次 KR International Conference on Principles and Knowledge Representation and Reasoning 1989年召開第一屆；每兩年開一次,本領(lǐng)域的頂級會(huì)議,WWW International Conference on World Wide Web 1994年召開第一屆；每年開一次 ISWC International Semantic Web Conference 2002年召開第一屆；每年開一次,本領(lǐng)域的頂級會(huì)議,SIGMOD ACM SIGMOD Conference on Manageme

27、nt of Data SIGKDD ACM SIGKDD Conference on Knowledge Discovery and Data Mining ICDE IEEE International Conference on Data Engineering ICDM IEEE International Conference on Data Mining,本領(lǐng)域的頂級會(huì)議,SIGKDD ACM SIGKDD Conference on Knowledge Discovery and Data Mining 1995年召開第一屆；每年開一次 ICDM IEEE Internationa

28、l Conference on Data Mining 2001年召開第一屆；每年開一次,CCF推薦的國際學(xué)術(shù)會(huì)議和期刊目錄, 計(jì)算機(jī)體系結(jié)構(gòu)與高性能計(jì)算、計(jì)算機(jī)網(wǎng)絡(luò)、網(wǎng)絡(luò)與信息安全、計(jì)算機(jī)科學(xué)理論、軟件工程/系統(tǒng)軟件/程序設(shè)計(jì)語言、數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索、計(jì)算機(jī)圖形學(xué)與多媒體、人工智能與模式識別、交叉學(xué)科、綜合類。 分為A、B、C三檔。 A類：國際上極少數(shù)的頂級刊物和會(huì)議，鼓勵(lì)我國學(xué)者去突破； B類：國際上著名和非常重要的會(huì)議、刊物，代表該領(lǐng)域的較高水平，鼓勵(lì)國內(nèi)同行投稿； C類：國際上重要的、為國際學(xué)術(shù)界所認(rèn)可的會(huì)議和刊物。,知識表示和推理,“知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)；人

29、工智能的核心問題是知識表示、知識推理和知識運(yùn)用。” 智能行為的基礎(chǔ)是知識。 人類的智能行為對于知識的依賴主要表現(xiàn)在對于知識的利用，即利用已經(jīng)具有的知識進(jìn)行分析、猜測、判斷、預(yù)測等等。人類利用知識可以預(yù)測未來，由已知的情況推測未知的情況、由發(fā)生的事件預(yù)測還未發(fā)生的事件等等。 當(dāng)人們希望計(jì)算機(jī)具有智能行為時(shí)，除了告訴計(jì)算機(jī)如何像人一樣地利用知識以外（對于知識進(jìn)行推理），一個(gè)更為基礎(chǔ)和先行的工作是如何使計(jì)算機(jī)具有知識（對于知識進(jìn)行表示），即在計(jì)算機(jī)上如何表達(dá)人類的知識。,常用的知識表示方法,基于邏輯的形式系統(tǒng) 基于命題邏輯 基于一階謂詞邏輯 基于模態(tài)邏輯 基于時(shí)序邏輯 基于動(dòng)態(tài)邏輯 基于模糊邏輯 基

30、于描述邏輯 等等 非邏輯的表示系統(tǒng) 狀態(tài)空間表示法 語義網(wǎng)絡(luò) 框架 腳本 ,涉及到知識表示和推理的研究領(lǐng)域,智能搜索引擎 專家系統(tǒng) 機(jī)器翻譯和自然語言理解 數(shù)據(jù)挖掘和知識發(fā)現(xiàn) 智能控制 計(jì)算機(jī)視覺和圖像處理 虛擬人 / 仿生感知 / 人工生命 智能主體 智能診斷 自動(dòng)規(guī)劃 ,數(shù)據(jù)挖掘與知識發(fā)現(xiàn),目的：從海量數(shù)據(jù)中找出有用的知識。 大體上看，數(shù)據(jù)挖掘可以視為機(jī)器學(xué)習(xí)和數(shù)據(jù)庫的交叉； 利用機(jī)器學(xué)習(xí)界提供的技術(shù)來分析海量數(shù)據(jù)， 利用數(shù)據(jù)庫界提供的技術(shù)來管理海量數(shù)據(jù)。,Thanks！,Question!,下回預(yù)告,基于一階謂詞邏輯的知識表示和推理 命題邏輯：語法、語義 FOL：語法、語義 （Ch2） 基于FOL的知識表示 （Ch3） 基于消解法的推理（包括命題邏輯推理和FOL推理） （Ch4） 基于tableau的命題邏輯推理 基于tableau的FOL推理,