语义网络

语言学领域术语

0有用+1

语义网络（semantic network）是一种以网络格式表达人类知识构造的形式。是人工智能程序运用的表示方式之一。由奎林(J. R. Quillian)于1968年提出。开始是作为人类联想记忆的一个明显公理模型提出，随后在AI中用于自然语言理解，表示命题信息。在ES中语义网络由PROSPEUTOR实现，用于描述物体概念与状态及其间的关系。它是由结点和结点之间的弧组成，结点表示概念(事件、事物)，弧表示它们之间的关系。在数学上语义网络是一个有向图，与逻辑表示法对应。^[1]

中文名: 语义网络

外文名: semantic network

结构方式

播报

编辑

语义网络（semantic network）是一种用图来表示知识的结构化方式。在一个语义网络中，信息被表达为一组结点，结点通过一组带标记的有向直线彼此相连，用于表示结点间的关系。^[2]

在人工智能的程序中，谓词及其变元可以看作是语义网络中的结点；而格关系则相当于结点之间的连结形式。语义网络是一种面向语义的结构，它们一般使用一组推理规则，规则是为了正确处理出现在网络中的特种弧而专门设计的。^[2]

语义网络对表达典型的陈述句子的内容尤其有用。例如，语句John gave the book to Mary的语义网络表示如图1。^[2]

图1

重要特性

语义网络的一个重要特性是属性继承。凡用有向弧连结起来的两个结点有上位与下位关系。例如“兽”是“动物”的下位概念，又是“虎”的上位概念。所谓“属性继承”指的是凡上位概念具有的属性均可由下位概念继承。在属性继承的基础上可以方便地进行推理是语义网络的优点之一。^[2]

特点

语义网络的特点是：(1)可以深层次地表示知识，包括实体结构、层次及实体间的因果关系;(2)推理的非有规则，无推理规律可循;(3)知识表达的自然性直接从语言语句强化而来。^[1]

优点

它的优点是：(1)直接而明确地表达概念的语义关系，模拟人的语义记忆和联想方式;(2)可利用语义网络的结构关系检索和推理，效率高。但它不适用于定量、动态的知识;不便于表达过程性、控制性的知识。^[1]

对比

与逻辑推理相比，其特点是：语义网络能表示各种事实和规则，具有结构化的特点;逻辑术语把事实与规则当作独立的事实处理，语义网络则从整体上进行处理;逻辑系统有特定的演绎结构，而语义网络不具有特定的演绎结构;语义网络推理是知识的深层次推理，是知识的整体表示与推理。^[1]

区别

播报

编辑

语义网

“语义网(Semantic Web)是一个由万维网联盟的蒂姆·伯纳斯-李(Tim Berners-Lee)在1998年提出的一个概念，它的核心是：通过给万维网上的文档(如:HTML)添加能够被计算机所理解的语义“元数据”(Meta data)，从而使整个互联网成为一个通用的信息交换媒介。语义万维网通过使用标准、置标语言和相关的处理工具来扩展万维网的能力。不过语义网概念实际上是基于很多现有技术的(某些技术甚至可以追溯到20世纪60年代末期), 也依赖于后来和text-and-markup与知识表现的综合.”^[3]

新手上路

成长任务编辑入门编辑规则本人编辑

我有疑问

内容质疑在线客服官方贴吧意见反馈

投诉建议

举报不良信息未通过词条申诉投诉侵权信息封禁查询与解封

语义网络

目录

结构方式

重要特性

特点

优点

对比

区别