Knowledge Acquisition As Modeling (International Journal of Intelligent Systems, Vol. 8, No. 1, Janu pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:John Wiley & Sons Inc

作者:Kenneth M. Ford

出品人:

页数:0

译者:

出版时间:1993-03

价格:USD 55.00

装帧:Hardcover

isbn号码:9780471593683

丛书系列:

图书标签:

知识获取
建模
人工智能
智能系统
机器学习
知识工程
专家系统
知识表示
推理
1993年

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小哈图书下载中心

qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《知识获取作为建模》《知识获取作为建模》深入探讨了在人工智能和专家系统领域，将知识获取的过程视为一种建模活动的核心理念。本书并非简单罗列知识获取的技术或方法，而是着眼于其背后更深层次的认知过程和系统性构建。它提出了一个框架，将领域专家头脑中的隐性知识，通过系统性的建模过程，转化为可计算、可执行的显性知识。本书的核心论点在于，有效的知识获取不仅仅是信息的收集，而是一个复杂的设计和构建过程。这个过程需要对问题领域进行深入的理解，并将其抽象化，形成能够被计算机系统理解和操作的模型。作者们强调，任何知识获取的成功都依赖于对目标领域进行清晰、一致且有意义的建模。书中详细阐述了知识建模的多个维度。首先，它强调了概念模型的重要性，即如何识别和定义问题领域中的核心概念、实体、属性及其之间的关系。这部分内容深入分析了本体论（Ontology）在知识表示中的作用，以及如何利用本体来构建共享的、可理解的知识基础。读者将了解到，一个良好的概念模型是后续知识建模的基石，它决定了知识的丰富性、准确性和可扩展性。其次，本书详细介绍了结构模型的构建。这包括如何将概念模型转化为具体的知识表示形式，例如规则（Rules）、框架（Frames）、语义网络（Semantic Networks）或逻辑表达式（Logical Expressions）。作者们对比了不同知识表示方法的优缺点，并提供了选择和应用它们的指导。对于理解如何将抽象概念转化为可操作的知识结构，本书提供了丰富的案例和理论支持。第三，书中重点讨论了过程模型的开发。这涉及到如何捕捉领域专家的推理过程、决策策略和问题解决步骤。本书强调，知识获取的最终目标是将专家的“知道如何”（know-how）转化为系统能够执行的“知道”（know-that）。它探讨了不同类型的推理机制，如演绎推理（Deductive Reasoning）、归纳推理（Inductive Reasoning）和类比推理（Analogical Reasoning），以及如何将这些机制融入知识模型中。《知识获取作为建模》还深入探讨了交互式知识获取的重要性。它指出，知识获取并非一次性的静态过程，而是一个迭代的、需要与领域专家紧密协作的动态过程。本书介绍了各种人机交互技术和策略，以促进领域专家与知识工程师之间的有效沟通，确保获取的知识能够准确反映专家的思维模式和实际应用需求。此外，本书还触及了知识评估和验证的关键问题。如何在知识获取过程中确保知识的准确性、完整性、一致性和有效性，是保证专家系统性能的关键。书中探讨了各种评估技术，包括逻辑检查、案例测试、专家评审以及实际应用验证等。贯穿全书的是一种系统性方法论的倡导。作者们认为，将知识获取视为建模，需要一套严谨的开发流程和质量保证机制。这包括需求分析、模型设计、知识编码、系统集成以及后期维护等各个阶段。本书提供了一个结构化的视角，帮助读者理解如何系统地管理知识获取项目，提高项目成功率。《知识获取作为建模》的价值在于其理论的深度和实践的指导性。它不仅为人工智能研究者提供了理解知识获取本质的理论框架，也为从事专家系统开发、知识工程和相关领域的工程师们提供了宝贵的实践指导。本书鼓励读者以建模的思维来审视知识，从而构建更智能、更可靠的人工智能系统。它强调，成功的知识获取是构建智能系统的基石，而将这一过程视作精密的建模活动，是通往成功的关键路径。