教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载本指南围绕 AI-For-Beginners 课程「知识表示与专家系统」一课的课后作业 Build an Ontology 展开你将学习如何为一个人、地点或事物选定主题借助本课讲解的知识表示技术OAV 三元组、层次/框架表示、产生式规则、本体与语义网建立领域模型并最终用斯坦福大学的开源本体编辑器 Protégé 完成一个可推理、可查询的 Ontology。读完本文你将掌握从领域分析、概念建模、形式化编码到推理验证的完整作业路线并能参照仓库中的FamilyOntology、Animals等 Notebook 把作业成果直接升级为可运行的推理系统。一、先读懂作业本身到底要做什么原作业lessons/2-Symbolic/assignment.md的完整要求如下构建知识库的核心就是为某个主题的事实建立一个分类化的模型categorizing a model representing facts about a topic。请选择一个主题——例如一个人、一个地点或一件事物——然后为该主题建立一个模型。请使用本课中描述的一些技术和模型构建策略。例如可以创建一间客厅living room的 Ontology其中包含家具、灯具等等。客厅与厨房有什么不同与浴室呢你是如何知道这是一间客厅而不是餐厅的请使用 Protégé 来构建你的本体。拆解下来作业包含三个递进任务选定主题任选人person、地点place或事物thing中的一类作为你的问题域problem domain。构建模型运用本课讲过的知识表示技术把该领域的事实组织成结构化模型——既可以是简单的对象层次也可以是带规则、可推理的完整本体。辨析边界以客厅 vs 厨房 vs 浴室 vs 餐厅为例说明区分类别所需的区分性属性distinguishing properties并用 Protégé 落实为可推理的形式化定义。二、铺垫为什么本体能代表知识在动手建模前先要理解作业背后的理论依据。本课 README 的核心论点是符号 AI 的基石是知识表示Knowledge Representation与推理Reasoning。知识不同于数据与信息——书里存放的只是数据只有把信息整合进我们头脑中的世界模型才成为知识。在计算机中表示知识是一条光谱最左端是算法/程序最机械但最不灵活最右端是自然语言表达力最强却无法自动推理。**本体Ontology**就落在两者之间的形式化区间上——语义网技术栈用它做到既保留结构、又支持推理。本课列出了四大类知识表示方法它们正是作业可用的模型构建策略类别核心思想作业中的用途网络表示语义网用图表达概念间关系为客厅的家具-灯具关系建边层次表示框架/场景类层次 带槽位slot的框架定义客厅 ⊂ 房间及默认属性过程表示产生式规则IF-THEN 规则驱动结论用规则区分客厅与餐厅逻辑描述逻辑基于 OWL/DL 的形式化语义Protégé 底层的推理基础而在语义网语境下本体被定义为用某种形式化知识表示对一个问题域的明确规范说明explicit specification of a problem domain。最简单的本体可以只是对象层次更复杂的本体会包含可用于推理的规则——这正是本作业的价值所在用最少的词汇表达一个领域可推理的全部事实。三、建模起点OAV 三元组与客厅示例作业提示以客厅为例我们先用本课最基础的表示单位——**对象-属性-值三元组OAV triplets / attribute-value pairs**来试水。本课用编程语言举过一组示例Python | invented-by | Guido van Rossum等对客厅可以如法炮制对象属性值LivingRoomhas-partSofaLivingRoomhas-partFloorLampLivingRoomis-aRoomSofahas-typical-seats3-4FloorLampprovidesAmbientLighting每一个三元组就是图上的一条边而整个客厅模型就是一张语义网。对如何知道这是客厅而不是餐厅三元组也能给出答案餐厅应当有has-part DiningTable、has-part Chairs且通常没有Sofa与Television。区分性属性集合不同类别就不同——这是本作业要求你反复自问的核心方法论。四、进阶策略框架、规则与 AND-OR 树三元组适合描述实例但描述类时需要用**框架frame**表示每个类是一个带槽位的框架槽位可携带默认值、取值约束甚至存储过程。仿照本课为 Python 语言建立的框架表客厅类可建模为槽位值默认值取值范围Is-ARoomPurposeSocializing/EntertainmentTypical-FurnitureSofaSofa, Armchair, ...Light-SourcesCeilingLight≥ 1 个Area10–60 ㎡更强大的策略是产生式规则。本课用动物识别专家系统演示了 AND-OR 树与规则AND-OR 树图IF the animal eats meat OR (animal has sharp teeth AND animal has claws AND animal has forward-looking eyes ) THEN the animal is a carnivore规则左侧的条件与右侧结论本质都是 OAV 三元组规则引擎据此在工作记忆中迭代。你可以为客厅写类似规则IF room has Sofa AND room has Television AND room has no KitchenSink THEN room is LivingRoom这正好呼应作业的辨析题——用规则显式表达客厅 ≠ 厨房/浴室的判断依据。本课还指出专家系统的推理分前向推理从事实出发逐步得出目标与后向推理从目标出发反向求证作业若想让本体具备推理能力可以规划好哪种推理驱动你的模型。五、实战主工具用 Protégé 构建本体作业明确要求使用Protégé斯坦福大学开源的本体编辑器支持桌面版与 Web 版。本课 README 在介绍本体时专门推荐了它并配有 Protégé 打开Romanov 家族本体的界面截图推荐工作流如下新建本体并设置命名空间确定一个唯一的 IRI 前缀如http://www.example.com/livingroom.owl#对应语义网每个概念由全局 URI 标识的原则。定义类层次Classes建立顶层类Thing向下派生Room→LivingRoom / Kitchen / Bathroom / DiningRoom再建Furniture、LightSource等并列类。作业中的客厅-厨房-浴室区分正是靠这个层次表达的。定义对象属性Object Properties如has-part、located-in、provides并为每个属性声明定义域domain和值域range。定义个体Individuals放入实例如MySofa a Furniture、MyLivingRoom a LivingRoom。添加推理支持用等价类、属性链公理property chain axiom等描述逻辑构造让 Protégé 内置的推理器如 HermiT、Pellet能自动推导新结论。一致性检查运行推理器检查类是否冲突、个体是否违反约束——这是形式化相对于普通分类表的真正优势。六、仓库现成范例直接可学的本体与推理代码作业虽短仓库里却提供了三个与构建本体直接呼应的 Notebook可作为你作业的参照系与延伸目标1. FamilyOntology.ipynbGEDCOM 家谱 → 可推理 OWL 本体该示例translations/et/lessons/2-Symbolic/FamilyOntology.ipynb把罗曼诺夫王朝家谱的 GEDCOM 文件 data/tsars.ged 与预定义的家庭关系本体 data/onto.ttl 结合自动推导出全部亲属关系。关键代码链用python-gedcom解析家谱Parser().parse_file(data/tsars.ged)提取个体与家庭结构把解析结果转换成 OWL 三元组追加进onto.ttl用 RDFLib 读取图再用OWL-RLfrom owlrl import DeductiveClosure, OWLRL_Extension计算图的闭包Closure把所有可推导的三元组补全示例运行后三元组从初始数量增至 4246 条复杂关系用属性链公理定义例如姑姑 姐妹 父母fhkb:isAuntOf a owl:ObjectProperty ; rdfs:domain fhkb:Woman ; rdfs:range fhkb:Person ; owl:propertyChainAxiom ( fhkb:isSisterOf fhkb:isParentOf ) .对照 data/onto.ttl 可以看到完整的类与属性定义Man/Woman通过hasSex约束的等价类定义Person附带hasParent基数约束、hasMother/hasFather存在量词约束以及Male/Female的不相交声明。这些正是你在 Protégé 里编辑 OWL 时图形化操作的底层形式。作业延伸灵感给客厅本体定义一个需要照明设备的房间等价类或定义餐厅 ⊆ 房间 ∧ has-part 餐桌的推理规则体验从 0 到推理成功的完整闭环。2. Animals.ipynb自建专家系统外壳Animals.ipynb 用 Python 类作为知识表示语言实现了一个支持后向推理的迷你专家系统外壳Ask表示向用户提问、If包装规则、AND/OR表示树的分支知识库是一个把动作映射到条件的字典如mammal: If(OR([hair,gives milk]))。它演示了知识库与推理引擎分离的专家系统架构可作为作业用规则区分房间类型的运行时参考。3. MSConceptGraph.ipynb从文本挖掘 is-a 概念MSConceptGraph.ipynb 展示了另一条路线不手工建模而是从非结构化文本中挖掘is-a关系Microsoft Concept Graph把新闻自动归类。它说明本体既可精心手写也可自动挖掘能帮你思考客厅本体里那些is-a层次之外的候选知识来源。七、完成作业的自检清单提交作业前建议对照以下问题逐条自检它们也直接取自作业的辨析要求主题是否明确你的本体是对一个人、地点还是事物的形式化规范命名空间与目标用户是否清晰类层次是否完整是否能回答客厅是不是房间、浴室是不是房间这类is-a问题区分性属性是否到位你用什么属性和规则证明这是客厅而不是餐厅/厨房/浴室仅仅靠名字是不够的——需要可计算的属性差异如has-part Sofa与no KitchenSink。是否用上了本课策略至少使用三元组、框架或产生式规则中的一种能力允许时引入 OWL 约束与推理。是否在 Protégé 中通过推理器校验类一致性、个体约束是否无冲突能否解释推理路径本课强调知识库系统的核心价值是任何决策都可精确解释——你的本体每条结论都应能回溯到明确的三元组或规则。八、小结Build an Ontology 虽是一页纸的作业却串联起符号 AI 的核心闭环选定主题 → 抽取 OAV 三元组 → 组织层次/框架 → 编写产生式规则 → 用 OWL 在 Protégé 中形式化 → 用推理器验证并解释结论。参照本仓库的 家庭本体示例、动物推理示例 与 概念图挖掘示例你完全可以把这间客厅建成一个真正会推理、可查询、可解释的领域知识库——这正是当前机器学习方法难以替代显式推理能力的价值所在。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐AI-For-Beginners 实战作业用 Protégé 从零构建领域本体OntologyAI For Beginners 实战作业用 Protégé 从零构建领域本体Ontology 导读 本文围绕 AI For Beginners http教程人工智能机器学习深度学习AI-For-Beginners 符号人工智能作业实战如何用 Protégé 从零构建一个本体OntologyAI For Beginners 符号人工智能作业实战如何用 Protégé 从零构建一个本体Ontology 本指南围绕 AI For Beginner教程人工智能机器学习深度学习用 Protégé 构建领域本体AI-For-Beginners 符号 AI 第 2 课作业实战指南用 Protégé 构建领域本体AI For Beginners 符号 AI 第 2 课作业实战指南 在 AI For Beginners 课程第 2 课《知教程人工智能机器学习深度学习上一篇5分钟快速上手将任意API转换为AI智能助手可用的工具下一篇Hugo-PaperMod终极使用攻略10个隐藏功能深度解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考