人工智能基础——知识的表示方法，语义网络表示方法
语义网络以个体为中心的组织知识的语义联系实例联系泛化联系聚集联系属性联系以谓词或关系为中心组织知识的语义联系以关系（谓词）为中心组织知识的语义联系连接词在语义网络中的表示方法合取析取否定蕴含变元和量词在语义网络中的表示方法以个体为中心的组织知识的语义联系实例联系泛化联系聚集联系属性联系以谓词或关系为中心组织知识的语义联系以关系（谓词）为中心组织知识的语义联系连接词在语义网络中的表示方法合取析取否定蕴含变元和量词在语义网络中的表示方法语义网络：采用网络形式表示人类知识的方法，一个带有标识的有向图，图中的结点表示物体，事件或者是属性值。(AKO与此时所说的无关，直接忽略）
结点一般分为实例结点和类结点（模板，相当于编程中的类）两种类型。结点之间的有向弧（有的还带有标识，包括直线）表示结点之间的联系。
基本命题的语义网络表示：1.以个体为中心组织知识的语义联系。实例联系：用于表示类结点数所属实例结点之间的联系。标识符为：ISA例如“张三是一名老师”可以表示为如图2.3所示的语义网络。值得注意的是：实例结点与类结点是多对多的关系，一个实例可以属于多个类结点，因为这个实例可以包含多个类的属性，同样的，一个类是可以拥有多个实例的。泛化联系：用于表示一种类结点（如鸟）与更抽象的类结点（如动物）之间的联系，通常用AKO(akindof)表示。聚集联系：用于表示某一个体与其组成成分之间的联系，通常用（part-of)表示。聚集联系基于概念的分解性，将高层概念分解为若干低层概念的集合。这里，可以把低层概念看作是高层概念的属性，例如，“两只手是人体的一部分”表示为如下图所示的语义网络：
属性联系：表示个体、属性及属性值之间的联系。通常用有向弧表示属性，用这些弧指向的结点表示各自的值。例如：“John的性别是男性，年龄为30岁，身高180cm，职业是程序员。”可以表示为：
以谓词或关系为中心组织知识的语义联系
以关系（谓词）为中心组织知识的语义联系：除了把对象当作结点之外，如果还把关系R也作为语义的结点，其对应的关系语义便可以用语义网络表示。例如：小李和小王是朋友，可以用关系Friend(Li，Wang)（其实就是一个谓词）来表示。语义网络如图所示：连接词在语义网络中的表示方法：合取：在语义网络中，合取通过引入合取结点来表示。合取关系网络其实就是由与结点引出的弧构成的网络。
析取：通过引入或结点表示：否定：引入非结点。对于基本联系的否定，可以直接采用非ISA，非AKO,以及非part-of的有向弧来标注。对于一般结点，则需要通过引进非结点来表示。
蕴含：引入关系结点蕴含，从关系结点出发，一条弧指向命题的前提条件，记为ANTE，另一条弧指向该规则的结论，记为CONSE。变元和量词在语义网络中的表示方法：
存在零次在语义网络中直接用ISA弧表示，而全称量词就需要用分块来表示。
对于量词的表示方法，首先用谓词公式表示出来，然后根据谓词公式画出语义网络。
GS:表示全称量化的一般事例，可以说是所有全称量化实例的集合G:某个具体的全程量化实例，这里是全称量化狗FROM:可以理解为是辖域，其实应该是G这个断言本身（G有两个部分，一个刚才已经说到，另一个就是代表全称量词的特殊弧（任意符号），S1是一个特定的分割，表示Adoghasbittenapostman.