語義網路

用於表示知識和建立認知模型的一種帶標號的有向圖。語義網路中每一條有向弧及其連接的兩個節點在表達力上相當於一個二元謂詞公式。例如，圖1a相當於ON（c,a）（c直接在a上），圖1b相當於EQUAL(OWNER（BOOK），STUDENT)（書的擁有者是學生）。因此語義網路可用來對知識作出陳述性表示。它比邏輯表示直觀，在用於常識推理時，有時也較為方便。

特性繼承技術 在人工智慧中，所謂特性繼承是在承認上位節點（代表屬概念或整體）的所有特性都被下位節點（代表種概念或局部）所繼承的前提下，沿著特性繼承鏈所進行的一種網路推理技術。例如，圖2a是種概念繼承屬概念特性；圖2b是局部繼承整體的特性。儘管網路上沒有顯式表明，“張是一位藝術家”、“瀋陽是中國的一部分”，但是這些結論可以運用特性繼承技術推斷出來。可以運用特性繼承技術進行推理，是語義網路在知識表示中得到廣泛應用的一個重要原因。但是這種推理必須沿著特性繼承鏈 (如ISA，IS-PART-OF等)進行，否則就可能產生錯誤。例如，在圖3中若就此作出一組博物學家正在研究熊貓的結論，便是不正確的，造成推理錯誤的原因是,STUDIED-BY不是特性繼承鏈。更深刻的原因是網路中沒有將一事物同一類事物加以明確區分。因此精確規定網路結構含義和深入研究特性繼承策略是重要的課題。

格框架 在複雜的問題中往往要對事件進行全面細緻的描述（例如要考慮事件的執行人、涉及對象、時間、地點等多方面的因素），但是語義網路兩個節點之間的有向弧只能反映一個二元關係。解決這個困難的關鍵是除了一般的代表對象的節點外，還需要引入代表事態、行為、動作等的節點，以這類節點為中心，向外射出一組有向弧。每一條有向弧代表一種稱之為格（語法中格的概念的推廣）的二元關係，這組有向弧稱為相對於弧線射出節點的格框架。例如，圖4的語義網路利用(OWN-1)格框架的4條有向弧線清楚地表示了“張從春天開始到秋天為止擁有一輛汽車”這一事件（見框架型表示方式、格語法）。格框架已成為構造語義網路的常用手段，是語義網路得到廣泛應用的另一重要原因。

網路匹配和推理 語義網路缺乏完整的理論，它的總體意義不象邏輯表示那樣具有嚴格規定性，其意義主要由運用網路（即運用知識）的程序來決定。大部分語義網路採用網路匹配技術。以問答系統為例，將詢問用網路段表示，並同語義網路匹配，使網路段的節點變元取得相應結合值，即可對所提詢問作出回答。

從R.奎連於1968年提出語義網路作為聯想記憶的心理模型以來（見認知模型），語義網路在智能信息檢索系統、自然語言處理系統、智能化計算機輔助教學系統和專家系統等方面均獲得較廣泛的應用。

參考書目

M.Minsky,ed.，Semantic Information Processing,MIT Press, Cambridge, Mass.,1968.

N.V.Findler，ed.， Associative　Networks：The Representation and Use of Knowledge by Computers, Academic Press, New York,1979.