© Prof. Dr. H. Gläser, Künstliche Intelligenz Wissensrepräsentationsmethoden natürlich sprachliche Beschreibung logisch formale Darstellung KI Wissensrepräsentation,

© Prof. Dr. H. Gläser, Künstliche Intelligenz

Wissensrepräsentationsmethoden


natürlich sprachlicheBeschreibung

logisch formaleDarstellung

KI

Wissensrepräsentation,Wissensdarstellung,Datenmodelle

Wissensverarbeitung


objektorientierte WRM


Wissensrepräsentationsmethoden (WRM)

deklarative WRMhybride WRM

prozedurale WRM

Datenbanken

relational entityrelationshipModell

regelorientierte WRM

lexikalische WRM

Thesauri Lexika

Logik orientierte WRM

grammatikalische WRM

Produktionsregelsysteme

semantische Netze Frame - Repräsentationen

strukturierte Vererbungsnetze



Kognitive Modellierung

Begriff:

Wortetikett (bezeichnet Begriff und vertritt ihnin der Kommunikation)

alle Beziehungen zu anderen Begriffen

komplexes Muster perzeptuellen (meist visuellen)Ursprungs



semantisches Netz:

Darstellung von Begriffen und deren Beziehung

Graph: Knoten = Begriffe, Kanten = Beziehungen, (Relationen)



Kognitives semantisches Netz:

Knoten sind Begriffe

Kanten sind jeweils Klassen von ähnlichen Beziehungenzwischen Begriffen = „semantische Tiefenbeziehung“

Beispiel:

Tisch - TischplatteSchiff - BugHaus - WohnungAuto - Kotflügel...

} semantisch TiefenbeziehungRelation PARSAbstraktionsklasse aller physischenTeil-Ganzes Beziehungen

Sorten:

Die Begriffe können in Sorten eingeteilt werden



vertikal gilt z.B. k ent, horizontal sind die Sorten disjunkt

Entitäten [ent]

Spezifikatoren [sp] Abstrakta [a]

Eigen-schaften [p]

Merk-male [me]

relationaleAbstrakta [ra]

Sachverhalte [sv]

Sub-stanzen [s]

Diskreta [d]

Kollektiva [co]

Zeiten [t]

Konkreta [k] Situations-deskriptoren [sd]

formaleEntitäten [fe]

operationaleMerkmale [op]

nicht operationaleMerkmale [nop]

Vorgänge [v]

Zustände [z]

handlungsfähigeDiskreta [ag]

Artefakte[ar]

Zahlen [n]

Quantitäten [q]

...

Lokationen [l]

...



Beispiele {leer, rot, ... } {Charme, Feigheit, ... }{regnen, integrieren, laufen,... }

p nop

v{Milch, Eisen, Sauerstoff,... } s{Haus, Flugzeug, Zaun,... } ar{gestern, Mittelalter, Winter,... } t{drei, hunderte,... } n{Höhe, Masse, Frequenz,... } op{Äquivalenz, Analogie, ... } ra{wohnen, ruhen, krank sein, ... } z{Mann, Firma, Tiger, ... } ag{Gebirge, Wald, Gemeinde, ... } co{<in der Schule>, <auf dem Hof>, ... } l{3 km, 5 kg, ... } q



Relationen

SUB: k x k

SUB x y <=> Begriff x ist Begriff y untergeordnet

• Was ist ein x ?• Welche y gibt es ?

Beispiel:

Eiffelturm

Turm

Bauwerk

SUB SUB



SUBA: v x v

SUBA x y <=> Vorgang x ist abstrahierten (generischen)Vorgang y untergeordnet

• Was tut <N.N.> ?• Was {geschieht / wird getan} ?

Beispiel:

<Wegeners letzte Grönlandfahrt>

fahren

bewegen

SUBA SUBA



PARS: k x k

PARS x y <=> x ist Teil von y

• Woraus besteht y ? Wovon ist x ein Teil ? Wozu gehört x?

POSS: ag x k

POSS x y <=> Besitzer x besitzt materiellen Besitz y

• Wem gehört y ? Wer {besitzt/hat}y ? Was besitzt x?

PROP: k x p

PROP x y <=> Zuordnung von Eigenschaft y zu Objekt x

• Welche Eigenschaft hat x? Welche x sind y ?



Beispiel:

kaputt

Schiebedach

POSS

SUB

Peter PROPPARS

AutoSUB

„Peter besitzt ein kaputtes Auto mit Schiebedach“



Tiefenkasusrelationen

Innerhalb eines Vorgangs nehmen Entitäten Rollen ein

Vorgang = KnotenTiefenkasusrelationen = Kanten

In natürlichen Sprachen werden Tiefenkasusrelationendurch Fälle oder Präpositionen ausgedrückt („mit Hilfe von“)



AGT: v x ag

AGT x y <=> Handlung x wird aktiv von handlungsfähigemObjekt y ausgeführt• Wer hat x {getan/ausgeführt} ? Von wem wird x durchgeführt ?

DAT: v x k

DAT x y <=> Vorgang x wendet sich Objekt y zu

• An wen wendet sich x ? Wem wendet sich x zu ?

OBJ: v x kOBJ x y <=> Objekt y ist passiv am Vorgang x beteiligt (wirdnicht verändert).• {Wen/Was} <transitive Handlung> man ? <transitive Handlung> {„sieht“, „trifft“, „beschreibt“,...}



INSTR: v x ag

INSTR x y <=> Beziehung zwischen Vorgang (Handlung) x und Instrument y, mit dem die Handlung ausgeführt wird• Womit wird x ausgeführt ?

THM: v x {a k}

THM x y <=> Beziehung zwischen Vorgang und thematischem Inhalt, wenn Vorgang geistiger Prozeß• {Worüber/Wovon <inf-handlg> ? <inf-handlg> {„schreiben“, „berichten“, „nachdenken“,...}

INIT / RSLT: v x {z k} INIT x y bzw RSLT x y <=> Anfangs- bzw End-Zustand (Ergebnis) einer Handlung x.• Was ist der Anfangszustand / Ergebnis von x ?



Beispiel:

Bericht Praktikum

SUB

Peter AGT

SUBA schreiben

SUB

„Peter schreibt mit der Schreibmaschine einen Berichtüber das Praktikum“

Schreibmaschine

INSTR

SUB

OBJ

THM



Attribut-Wert Beziehungen

DATTR: {a k} x {a k} DATTR x y <=> x wird durch definierendes Attribut ycharakterisiert• Welches {Merkmal/Attribut} besitzt x ? Wodurch ist x charakterisiert ?

VALR: {a k}x {a k fe}

VALR x y <=> Wertebereich für Merkmal x

• Welche {Werte/Ausprägungen} kommen für das Merkmal y prinzipiell in Frage ?

VAL: {a k}x {a k fe} VAL x y <=> y ist die konkrete Wertausprägung von Merkmal x• Welchen Wert {besitzt/hat} x ? Welche(n) <Merkmalsname> hat dasObjekt ? <Merkmalsname> {Höhe, Dichte, Farbe, ...}


SUB: k x kSUB x y <=> Begriff x ist Begriff y untergeordnet

SUBA: v x vSUBA x y <=> Vorgang x ist abstrahierten (generischen)Vorgang y untergeordnet

PARS: k x kPARS x y <=> x ist Teil von y

POSS: ag x kPOSS x y <=> Besitzer x besitzt materiellen Besitz y

PROP: k x pPROP x y <=> Zuordnung von Eigenschaft y zu Objekt x

AGT: v x agAGT x y <=> Handlung x wird aktiv von handlungsfähigemObjekt y ausgeführt

DAT: v x kDAT x y <=> Vorgang x wendet sich Objekt y zu

OBJ: v x k

OBJ x y <=> Objekt y ist passiv am Vorgang x beteiligt (wirdnicht verändert).

INSTR: v x agINSTR x y <=> Beziehung zwischen Vorgang (Handlung) x und Instrument y, mit dem die Handlung ausgeführt wird

THM: v x {a k}THM x y <=> Beziehung zwischen Vorgang und thematischem Inhalt, wenn Vorgang geistiger Prozeß

INIT / RSLT: v x {z k} INIT x y bzw RSLT x y <=> Anfangs- bzw End-Zustand (Ergebnis) einer Handlung x.

DATTR: {a k} x {a k}

DATTR x y <=> x wird durch definierendes Attribut ycharakterisiert

VALR: {a k}x {a k fe}

VALR x y <=> Wertebereich für Merkmal xVAL: {a k}x {a k fe}

VAL x y <=> y ist die konkrete Wertausprägung von Merkmal x



Beispiel:

PeterPOSS

SUB

„ Ein Auto hat einen Preis, der zwischen 2500 € und 75000 € liegt. Peters Auto kostet 22500 €“

Auto

DATTR

Preis

DATTR

SUB

VALR

VAL

[2500 € , 75000 € ]

22500 €

SUBAutopreis

<Preis von Peters Auto>

Oberbegriff

Instanz

Slotname

Filler



Temporale und lokale Restriktionen

Gehören aus logischer Sicht anderer Ebene an als die bisherigenRelationen

Schränken Gültigkeitsbereich von Aussagen ein (Operatorenüber Aussagen) - bisherige Relationen machen Aussagen



TEMP: sv x t

TEMP x y <=> Einschränkung der Gültigkeit von Sachverhalt x aufdas Zeitintervall y• {Wann/Zu welcher Zeit} {galt x/fand x statt}?

LOK: sv x l

LOLK x y <=> Einschränkung der Gültikeit des Sachverhalts x aufdie Lokation y

• {Wo / an welchem Ort} {gilt/findet statt/ereignet sich} x ?



Beispiel: „ Im Mittelalter trugen Ritter in Europa eine Eisenrüstung“

tragen

OBJ

SUBA

LOK

Mittelalter

SUB

Eisenrüstung

Europa

Ritter

SUB

AGT

TEMP

Kapsel (propositionaler Kern)

g

Allg Bhptg.

aFOR

ME

L



Schichten:

Einführung einer Unterscheidung zwischenIndividualbegriffen (Peter I., Beethoven, Rembrandt)und (generische Begriffe) (Zar, Komponist, Maler)

=> Einführung zweier Schichten

Beispiel:individuell generisch

<gestern Nacht> nachts

<Peters Krankheit> Krankheit

Besonderheit:Unterscheidung zwischen individuell und generischbei nicht Konkreta



„der“, „dieser“, „ein“, ...

„alle“, „jeder“, ...

Determinatoren

Quantoren

Referenz auf Extension

Mengen

„drei Schüler“, „mehr als hundert Teile“,Aufzählungen„die einen ... die anderen“,„einige davon“,„außer“....

=> 2 zusätzliche Schichten: intesionale Ebene präextensionale Ebene



Der Hund beißt den Postboten

AGT

beißen

SUB

Hund Postbote

b p

SUB

h

SUBA

OBJ



Jeder Hund beißt einen Postboten

AGT

beißen

SUB

Hund Postbote

b p

SUB

h

SUBA

OBJ

x [ Hund(x) (y Postbote(y) beißt(x,y)) ]

SUB

a

Allg. Bhptg.

FORMEL

SA

S1

automatisch mit quantifiziert



Jeder Hund beißt jeden Postboten

AGT

beißen

SUB

Hund Postbote

b p

SUB

h

SUBA

OBJ

x y [ (Hund(x) Postbote(y)) beißt(x,y) ]

SUB

a

Allg. Bhptg.

FORMEL

SA

S1

Sonderschicht,um bei Abfragen wie„Wer wird gebissen“ nichtp geliefert zu bekommen(p ist Variable)



Jeder Hund in der Stadt beißt den Wachtmeister

AGT

beißen

SUB

Stadthund Wachtmeister

b w

SUB

h

SUBA

OBJ

x [ Stadthund(x) beißt(x,Wachtmeister) ]

SUB

a

Allg. Bhptg.

FORMEL

SA

S1

HundSUB

nicht mit quantifiziert


Semantische Netze: Fragebeantwortung

„Das ALGOL Programm QUADI6 berechnet das bestimmte Integral einer Funktion mit Hilfe der Simpson Regel. Die Funktion ist vom Nutzer durch ihre Werte in äquidistanten Schnittstellen vorzugeben. Die Anzahl dieser Stützstellen muß gerade sein. Die Funktionswerte werden mit Hilfe des REX-Systems von einem externen Speicher übernommen.“


Fragetypen


Fragebeantwortung

Frage: „Gibt es ein Programm, das ein bestimmtes Integral mitHilfe der Simpson-Regel berechnet ?“

(FRAGETYP Entex REFTEIL NIL FOKUS X SPEZIFIKATION ((SUB X Programm) (AGT Y X) (SUBA Y berechnen)(OBJ Y Z)(INSTR Y Simpson-Regel)(SUB Z Integral) (PROP Z bestimmt)))

Fragebeantwortung = Suche nach gleichen Teilstrukturen in der Frage und im semantischen Netz


Erzeugung eines Suchbaums

Frageknoten: Konstanten in der Frage (Programm, berechnen, ..)Fragezentren: Knoten, die in mehreren verschiedenen Suchpfaden auftreten

Fragebeantwortung



informierte Suche:Bewertungskriterien

durch Fragemuster geleitet

(R K1 K2)

KanteRelation

} Kante des SN == Tripel der Frage--> Tripel „verifiziert“ // hohe Bewertung

Jeder Knoten des Suchbaums enthält - noch zu verifiierendes Fragemuster, - Liste der Variablenersetzungen die schon gemacht wurden


Was, wenn zwei Pfade sich in einem Knoten des SN(semantisches Netz) kreuzen ?

--> Fragzentrum. Gibt zwei Knoten im Suchbaum (da unterschiedliches noch zu verifizierendes Fragemuster)Fragezentern haben hohe Bewertung.



<der neueLehrer>

<alle Lehrer>

<ein neuer Lehrer>

<der Bär>

<alle Braunbären>

<alle Bären>

parametrisiertes Individuum

Prototyp

<Menge aller Bären>MengenKardinalitätenMengenrelationen

präextensional

intensional



Das Referenzproblem

Peter sah gestern den neuen Lehrer

einzigartiges Objekt der Realität

Peter kaufte sich ein neues Fahrrad

logische Variable, deren Belegung offen ist(parametrisiertes Individuum)

Peter hat noch nie einen Yeti gesehen

auch die Existenz eines entsprechenden Objektsbleibt offen


Wissensrepräsentationsmethoden > Frames

Frame

bestimmte Entität (Objekt, Sachverhalt, Ereignis) oderKlasse von Entitäten beschrieben durchMerkmals-Wert Paare

Slots Filler

Frames können in Hierarchien angeordnet werden

untergeordnete Frames erben von übergeordneten Frames (sog. MEMBER-) Slots und Werte. OWN Slots werden nicht vererbt



Frame

KEE: Knowledge Engineering Environement

Programm von Intellicorp alsWissensrepräsentationsmethode



Vererbung Speicher sparenZeit sparenRedundanz vermeiden

V

S1 S2 S3

S31

p: wp Merkmalu,w Werte

p: wSAME

p: {u,w}UNION

p: u

p: uOVERRIDE p: u

p: u


Wissensrepräsentationsmethoden > SVN

Strukturierte Vererbungsnetze

Repräsentierung von Wissen in Form von

Begriffen (Konzepte)

Beziehungen zwischen den Begriffen

Klassifikation der Begriffe

Erklärung

Unterschied zu Kognitiven Semantischen Netzen ?



generische Konzepte

individuelle Konzepte

Klassen

Individuum, Instanz

Mann

Peter

Unterbegriff - Oberbegriff - Klassenhierarchien



Objekt

Lebewesen Gegenstand

Gebäude

Hörsaal Bibliothek

FH-Gebäude

Mensch

Frau Mann Angestellter

Mitarbeiterin Mitarbeiter

...

Wer fällt aus der Reihe ?



Rollen = 2 stellige Relationen

Rollen sind gekennzeichnet durch :

Wertebereich: eigentlich eher Typ

Raum

v/r

Konzept:

Ausbildungsort

Rolle:Lehr-

veranstaltung

v/r value restriction

„Der Raum nimmt gegenüber der Lehrveranstaltung (RichtungPfeil!) die Rolle eines ‚Ausbildungsorts‘ an

Der Wertebereich ist die Menge aller Räume.



Kardinalität:

Anzahl der Rollen, mit gleichem Wertebereich und Namen(n1,n2) : n1 Minimum, n2 Maximum der Anzahl der Rollen



Lehr-veranstaltung

Raum

Hörsaal

Seminar-raum

Seminar Assistent

ProfessorVorlesung

Person

LehrstoffAusbildungsort v/r

v/r

v/r

v/r

v/rv/r

v/r

v/r

Inhalt

Lehrender

Lernender

(1,NIL)

(1,3)

(1,1)

(1,1)

(1,1)

(1,NIL)

(1,NIL)



Beziehungen zwischen Rollen

Subsumption zwischen Konzepten Unterordnung zwischen Rollen

Ein subsumptiertes Konzept spiele eine Rolle:

Diese Rolle ist eine Restriktion der Rolle des oberen Konzepts• wenn sie gleich heißt und • wenn sie die Wertebeschränkung des oberen Konzepts sowie die Kardinalitätsbeschränkungen erfüllt.




Beispiel:

Lehr-veranstaltung

Raum

Hörsaal Vorlesung

Ausbildungsort

v/r

v/r

(1,1)

(1,NIL)

restricts




Differenzierung

LehrstoffLehr-

veranstaltung

kombinierteLehrveranstaltung

Inhalt

v/r

(2,nil)

(1,NIL)

restricts

Kernthema

Übung

(1,nil)

(1,nil)

diffs

diffs

Man beachte:(2,nil) bei restrict Inhaltaber (1,nil) bei differenziertenRollen



Individuelle Konzepte sowas wie „Instanzen“ der generischen Konzepte(Objekte der Klassen)

neue Rollentypen zwischen individuellen Konzepten

I - Rolle (individuelle Rolle)• verknüpft eine Instanz mit einer weiteren Instanz • werden von generischer Rolle abgeleitet (satisfies)• keine Werteinschränkung sondern konkreter Wert

P - Rolle (bestimmter Rollensatz)• verknüpft eine Instanz mit der Menge der aktuellen Instanzen, die die Rolle erfüllen (NICHT potentiell möglich Instanzen, wie bei generischen Rollen)• werden von generischer Rolle abgeleitet (partic.)



Beispiel:

PersonLehr-

veranstaltung

VorlesungKI

Lehrender

v/r

satisfies

Prof. Meierval

TeilnehmerVorlesung KI

v/r

(1,1)

(1,NIL)

partic.

v/r



Sachverhaltsbeschreibungen (A-Box) ausgelassen(KE 5 S. 48)



Klassifizierung

Wie fügt man eine neues Konzept in das Netz ein ??

= Finden des speziellsten übergeordneten Konzepts



Lehr-veranstaltung mit 80

Teilnehmern und1 Professor

PersonLehr-

veranstaltung

Vorlesung

Lehrender

v/r

restricts

Professorv/r

(1,1)

(1,NIL)

v/rTeilnehmer

(1,NIL)

restricts

(80,80)

(1,1) v/r

restricts

falsch klassifiziertLehrveranstaltung ist nicht das speziellste übergeordnete Konzept



Lehr-veranstaltung mit 80

Teilnehmern und1 Professor

PersonLehr-

veranstaltung

Vorlesung

Lehrender

v/r

restricts

Professorv/r

(1,1)

(1,NIL)

v/rTeilnehmer

(1,NIL)

restricts

(80,80)

(1,1) v/r



Algorithmus zum Einfügen eines definierten Konzepts X+unter das speziellste Oberkonzepts SOK

primitive Konzepte = Konzepte, die nicht vollständig spezifiziert (Baum, Zitrone,...)definierte Konzepte = Konzepte werden unter Bezugnahme auf primitive Konzepte definiert (Jungeselle = unverheirateter, erwachsener Mann) durch + gekennzeichnet



Man benötigt eine Funktion SOK(X+, W) die eine Menge Cs

liefert, die in dem Netzteilbaum mit Wurzel W die SOK zu X+bilden

d.h. für alle C aus Cs gilt:

• C subsumiert X+• es gibt kein definiertes Konzept C‘ mit C subsumiert C‘ und C‘ subsumiert X+



1. Schritt•1.1 Setze Cs

= leere Menge•1.2 Ermittle spezifischstes primitives Konzept W in der Definition von X+ mit W subsumiert X+•1.3 Setze Cs = Cs vereinigt mit SOK(W, X+)•1.4 Falls W keine übergeordneten Knoten hat: fertig•1.5 Setze W := spezifischstes primitives Konzept, das W strikt subsumiert („Hochsteigen im Netz zu anderen Netzteilen“)• Weiter bei 1.3

2. Schrittvon X+ zu jedem C aus Cs

eine Subsumptionsbeziehung einschließlich Rollenrestriktionen eintragen

Documents

© Prof. Dr. H. Gläser, Künstliche Intelligenz Wissensrepräsentationsmethoden natürlich sprachliche Beschreibung logisch formale Darstellung KI Wissensrepräsentation,