Wissensrepräsentationsmethoden

1. Wissensrepräsentationsmethoden Wissensrepräsentationsmethoden KI natürlich sprachliche Beschreibung logisch formale Darstellung Wissensrepräsentation, Wissensdarstellung, Datenmodelle Wissensverarbeitung

2. Wissensrepräsentationsmethoden Wissensrepräsentationsmethoden (WRM) hybride WRM deklarative WRM prozedurale WRM regelorientierte WRM objektorientierte WRM Datenbanken lexikalische WRM Logik orientierte WRM relational entity relationship Modell grammatikalische WRM Thesauri Lexika Produktionsregelsysteme semantische Netze Frame - Repräsentationen strukturierte Vererbungsnetze

3. Wissensrepräsentationsmethoden Kognitive Modellierung Begriff: Wortetikett (bezeichnet Begriff und vertritt ihn in der Kommunikation) alle Beziehungen zu anderen Begriffen komplexes Muster perzeptuellen (meist visuellen) Ursprungs

4. Wissensrepräsentationsmethoden semantisches Netz: Darstellung von Begriffen und deren Beziehung Graph: Knoten = Begriffe, Kanten = Beziehungen, (Relationen)

5. Wissensrepräsentationsmethoden Kognitives semantisches Netz: Knoten sind Begriffe Kanten sind jeweils Klassen von ähnlichen Beziehungen zwischen Begriffen = „semantische Tiefenbeziehung“ Beispiel: } Tisch - Tischplatte Schiff - Bug Haus - Wohnung Auto - Kotflügel ... semantisch Tiefenbeziehung Relation PARS Abstraktionsklasse aller physischen Teil-Ganzes Beziehungen Sorten: Die Begriffe können in Sorten eingeteilt werden

6. Wissensrepräsentationsmethoden Entitäten [ent] Situations- deskriptoren [sd] formale Entitäten [fe] Spezifikatoren [sp] Abstrakta [a] Konkreta [k] ... Eigen- schaften [p] Merk- male [me] relationale Abstrakta [ra] Sachverhalte [sv] Sub-stanzen [s] Diskreta [d] Kollektiva [co] Zeiten [t] Lokationen [l] Zahlen [n] Quantitäten [q] ... operationale Merkmale [op] nicht operationale Merkmale [nop] Vorgänge [v] Zustände [z] handlungsfähige Diskreta [ag] Artefakte [ar] vertikal gilt z.B. k  ent, horizontal sind die Sorten disjunkt

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

8. Wissensrepräsentationsmethoden Relationen SUB: k x k SUB x y <=> Begriff x ist Begriff y untergeordnet • Was ist ein x ? • Welche y gibt es ? SUB Beispiel: SUB Turm Eiffelturm Bauwerk

9. Wissensrepräsentationsmethoden SUBA: v x v SUBA x y <=> Vorgang x ist abstrahierten (generischen) Vorgang y untergeordnet • Was tut <N.N.> ? • Was {geschieht / wird getan} ? Beispiel: SUBA SUBA fahren bewegen <Wegeners letzte Grönlandfahrt>

10. Wissensrepräsentationsmethoden 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 ?

11. Wissensrepräsentationsmethoden Beispiel: „Peter besitzt ein kaputtes Auto mit Schiebedach“ SUB Auto POSS PARS PROP Peter kaputt SUB Schiebedach

12. Wissensrepräsentationsmethoden Tiefenkasusrelationen Innerhalb eines Vorgangs nehmen Entitäten Rollen ein Vorgang = Knoten Tiefenkasusrelationen = Kanten In natürlichen Sprachen werden Tiefenkasusrelationen durch Fälle oder Präpositionen ausgedrückt („mit Hilfe von“)

13. Wissensrepräsentationsmethoden AGT: v x ag AGT x y <=> Handlung x wird aktiv von handlungsfähigem Objekt 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 k OBJ x y <=> Objekt y ist passiv am Vorgang x beteiligt (wird nicht verändert). • {Wen/Was} <transitive Handlung> man ? <transitive Handlung> {„sieht“, „trifft“, „beschreibt“,...}

14. Wissensrepräsentationsmethoden 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 ?

15. Wissensrepräsentationsmethoden Beispiel: „Peter schreibt mit der Schreibmaschine einen Bericht über das Praktikum“ SUBA schreiben Schreibmaschine INSTR SUB THM Peter OBJ AGT SUB SUB Praktikum Bericht

16. Wissensrepräsentationsmethoden Attribut-Wert Beziehungen DATTR: {a  k} x {a  k} DATTR x y <=> x wird durch definierendes Attribut y charakterisiert • 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, ...}

17. THM: v x {a  k} SUB: k x k THM x y <=> Beziehung zwischen Vorgang und thematischem Inhalt, wenn Vorgang geistiger Prozeß SUB x y <=> Begriff x ist Begriff y untergeordnet SUBA: v x v INIT / RSLT: v x {z  k} SUBA x y <=> Vorgang x ist abstrahierten (generischen) Vorgang y untergeordnet INIT x y bzw RSLT x y <=> Anfangs- bzw End-Zustand (Ergebnis) einer Handlung x. PARS: k x k PARS x y <=> x ist Teil von y DATTR: {a  k} x {a  k} POSS: ag x k DATTR x y <=> x wird durch definierendes Attribut y charakterisiert POSS x y <=> Besitzer x besitzt materiellen Besitz y PROP: k x p VALR: {a  k}x {a  k fe} PROP x y <=> Zuordnung von Eigenschaft y zu Objekt x VALR x y <=> Wertebereich für Merkmal x AGT: v x ag VAL: {a  k}x {a  k fe} AGT x y <=> Handlung x wird aktiv von handlungsfähigem Objekt y ausgeführt VAL x y <=> y ist die konkrete Wertausprägung von Merkmal x DAT: v x k DAT x y <=> Vorgang x wendet sich Objekt y zu OBJ: v x k OBJ x y <=> Objekt y ist passiv am Vorgang x beteiligt (wird nicht verändert). INSTR: v x ag INSTR x y <=> Beziehung zwischen Vorgang (Handlung) x und Instrument y, mit dem die Handlung ausgeführt wird

18. Wissensrepräsentationsmethoden Beispiel: „ Ein Auto hat einen Preis, der zwischen 2500 € und 75000 € liegt. Peters Auto kostet 22500 €“ Preis Slotname SUB Auto Oberbegriff Autopreis [2500 € , 75000 € ] DATTR VALR SUB SUB Peter <Preis von Peters Auto> 22500 € POSS Instanz VAL DATTR Filler

19. Wissensrepräsentationsmethoden Temporale und lokale Restriktionen Gehören aus logischer Sicht anderer Ebene an als die bisherigen Relationen Schränken Gültigkeitsbereich von Aussagen ein (Operatoren über Aussagen) - bisherige Relationen machen Aussagen

20. Wissensrepräsentationsmethoden TEMP: sv x t TEMP x y <=> Einschränkung der Gültigkeit von Sachverhalt x auf das Zeitintervall y • {Wann/Zu welcher Zeit} {galt x/fand x statt}? LOK: sv x l LOLK x y <=> Einschränkung der Gültikeit des Sachverhalts x auf die Lokation y • {Wo / an welchem Ort} {gilt/findet statt/ereignet sich} x ?

21. Wissensrepräsentationsmethoden Beispiel: „ Im Mittelalter trugen Ritter in Europa eine Eisenrüstung“ tragen Mittelalter SUBA TEMP SUB Eisenrüstung OBJ g LOK SUB AGT Ritter FORMEL a Europa  Kapsel (propositionaler Kern) Allg Bhptg.

22. Besonderheit: Unterscheidung zwischen individuell und generisch bei nicht Konkreta Wissensrepräsentationsmethoden Schichten: Einführung einer Unterscheidung zwischen Individualbegriffen (Peter I., Beethoven, Rembrandt) und (generische Begriffe) (Zar, Komponist, Maler) => Einführung zweier Schichten Beispiel: generisch individuell nachts <gestern Nacht> <Peters Krankheit> Krankheit

23. Wissensrepräsentationsmethoden „der“, „dieser“, „ein“, ... Referenz auf Extension Determinatoren „alle“, „jeder“, ... Quantoren Mengen „drei Schüler“, „mehr als hundert Teile“, Aufzählungen „die einen ... die anderen“, „einige davon“, „außer“ .... => 2 zusätzliche Schichten: intesionale Ebene präextensionale Ebene

24. Hund beißen Postbote SUBA SUB SUB h b p OBJ AGT Wissensrepräsentationsmethoden Der Hund beißt den Postboten

25. automatisch mit  quantifiziert Wissensrepräsentationsmethoden Jeder Hund beißt einen Postboten x [ Hund(x)  (y Postbote(y)  beißt(x,y)) ] Allg. Bhptg. Hund beißen Postbote SA SUBA SUB SUB SUB FORMEL h b p OBJ S1 AGT a 

26. Wissensrepräsentationsmethoden Jeder Hund beißt jeden Postboten x y [ (Hund(x)  Postbote(y))  beißt(x,y) ] Sonderschicht, um bei Abfragen wie „Wer wird gebissen“ nicht p geliefert zu bekommen (p ist Variable) Hund beißen Postbote SA SUBA SUB SUB h b p OBJ S1 AGT Allg. Bhptg. SUB  FORMEL  a

27. nicht mit  quantifiziert Wissensrepräsentationsmethoden Jeder Hund in der Stadt beißt den Wachtmeister x [ Stadthund(x)  beißt(x,Wachtmeister) ] SUB Hund beißen Wachtmeister Stadthund SA SUBA SUB SUB S1 h b w OBJ AGT Allg. Bhptg. SUB  FORMEL a

28. 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.“

29. Fragetypen

30. Fragebeantwortung Frage: „Gibt es ein Programm, das ein bestimmtes Integral mit Hilfe 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

31. Fragebeantwortung Erzeugung eines Suchbaums Frageknoten: Konstanten in der Frage (Programm, berechnen, ..) Fragezentren: Knoten, die in mehreren verschiedenen Suchpfaden auftreten

33. informierte Suche: Bewertungskriterien durch Fragemuster geleitet (R K1 K2) } Kante des SN == Tripel der Frage --> Tripel „verifiziert“ // hohe Bewertung Relation Kante Jeder Knoten des Suchbaums enthält - noch zu verifiierendes Fragemuster, - Liste der Variablenersetzungen die schon gemacht wurden

34. 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.

35. Wissensrepräsentationsmethoden intensional <der Bär> <alle Lehrer> <alle Braunbären> <ein neuer Lehrer> <der neue Lehrer> <alle Bären> präextensional Prototyp Mengen Kardinalitäten Mengenrelationen parametrisiertes Individuum <Menge aller Bären>

36. Wissensrepräsentationsmethoden 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 Objekts bleibt offen

37. Wissensrepräsentationsmethoden > Frames Frame bestimmte Entität (Objekt, Sachverhalt, Ereignis) oder Klasse von Entitäten beschrieben durch Merkmals-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

38. Wissensrepräsentationsmethoden > Frames Frame KEE: Knowledge Engineering Environement Programm von Intellicorp als Wissensrepräsentationsmethode

39. Wissensrepräsentationsmethoden > Frames Vererbung Speicher sparen Zeit sparen Redundanz vermeiden p Merkmal u,w Werte V p: w S1 S2 S3 p: u p: u S31 p: w SAME p: {u,w} UNION p: u OVERRIDE p: u

40. Wissensrepräsentationsmethoden > SVN Strukturierte Vererbungsnetze Repräsentierung von Wissen in Form von Begriffen (Konzepte) Erklärung Klassifikation der Begriffe Beziehungen zwischen den Begriffen Unterschied zu Kognitiven Semantischen Netzen ?

41. Wissensrepräsentationsmethoden > SVN generische Konzepte Mann Klassen individuelle Konzepte Peter Individuum, Instanz Unterbegriff - Oberbegriff - Klassenhierarchien

42. Wissensrepräsentationsmethoden > SVN Objekt ... Lebewesen Gegenstand Mensch Gebäude Frau Mann Angestellter Hörsaal Bibliothek FH-Gebäude Mitarbeiterin Mitarbeiter Wer fällt aus der Reihe ?

43. Wissensrepräsentationsmethoden > SVN Rollen = 2 stellige Relationen Rollen sind gekennzeichnet durch : Wertebereich: eigentlich eher Typ Rolle: Konzept: Lehr- veranstaltung v/r Raum Ausbildungsort v/r value restriction „Der Raum nimmt gegenüber der Lehrveranstaltung (Richtung Pfeil!) die Rolle eines ‚Ausbildungsorts‘ an Der Wertebereich ist die Menge aller Räume.

44. Wissensrepräsentationsmethoden > SVN Kardinalität: Anzahl der Rollen, mit gleichem Wertebereich und Namen (n1,n2) : n1 Minimum, n2 Maximum der Anzahl der Rollen

45. Wissensrepräsentationsmethoden > SVN Inhalt Lehrstoff Ausbildungsort v/r (1,NIL) Raum Lehr- veranstaltung Lehrender (1,NIL) v/r v/r (1,3) Person Lernender v/r (1,NIL) Hörsaal v/r Vorlesung Professor v/r (1,1) (1,1) Seminar- raum v/r Seminar v/r Assistent (1,1)

46. Wissensrepräsentationsmethoden > SVN 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.

47. Wissensrepräsentationsmethoden > SVN Beziehungen zwischen Rollen Beispiel: Ausbildungsort Raum Lehr- veranstaltung v/r (1,NIL) restricts Hörsaal v/r Vorlesung (1,1)

48. Wissensrepräsentationsmethoden > SVN Beziehungen zwischen Rollen Differenzierung Inhalt Lehr- veranstaltung Lehrstoff v/r (1,NIL) Man beachte: (2,nil) bei restrict Inhalt aber (1,nil) bei differenzierten Rollen restricts (2,nil) diffs kombinierte Lehrveranstaltung (1,nil) diffs Übung (1,nil) Kernthema

49. Wissensrepräsentationsmethoden > SVN 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.)

50. Wissensrepräsentationsmethoden > SVN Beispiel: Lehrender Lehr- veranstaltung Person v/r v/r (1,NIL) satisfies val Vorlesung KI Prof. Meier (1,1) partic. v/r Teilnehmer Vorlesung KI