Artificial intelligence ai l7-bieu dien-tri_thuc

Trí Tuệ Nhân Tạo
(Artificial Intelligence)
Viện Công nghệ thông tin và Truyền thông
Trường Đại học Bách Khoa Hà Nội
Năm 2016
Thân Quang Khoát
khoattq@soict.hust.edu.vn

Nội dung môn học:
n  Giới thiệu về Trí tuệ nhân tạo
n  Tác tử
n  Giải quyết vấn đề: Tìm kiếm, Thỏa mãn ràng buộc
n  Logic và suy diễn
n  Biểu diễn tri thức
q  Luật sản xuất
q  Khung
q  Mạng ngữ nghĩa
q  Ontology
n  Biểu diễn tri thức không chắc chắn
n  Học máy
2

Dữ liệu, Thông tin, Tri thức (1)
n  Dữ liệu (data) thường được định nghĩa là các sự kiện
(facts) hoặc các ký hiệu (symbols)
n  Thông tin (information) thường được định nghĩa là dữ
liệu đã được xử lý hoặc chuyển đổi thành những dạng
hoặc cấu trúc phù hợp cho việc sử dụng của con người
n  Thông tin có được sau (chứ không xuất hiện trước) dữ
liệu
n  Tri thức (knowledge) thường được định nghĩa là sự
hiểu biết (nhận thức) về thông tin
3

n  Dữ liệu
q  Nhiệt độ ngoài trời là 5 độ C
n  Thông tin
q  Ngoài trời thời tiết lạnh
n  Tri thức
q  Nếu ngoài trời thời tiết lạnh thì bạn nên mặc áo choàng ấm (khi đi
ra ngoài)
→ Giá trị (sử dụng) của dữ liệu tăng lên khi nó được
“chuyển đổi” thành tri thức
→ Sử dụng tri thức sẽ cho phép đưa ra các quyết định phù
hợp và hiệu quả
4

5
(Adapted from “Knowledge Engineering course (CM3016), by K. Hui 2008-2009”)
Meta-
Knowledge
Knowledge
Information
Data
Large volume. Low
value. Usually no
meaning/ context
Lower volume. Higher
value. With context and
associated meanings
Understanding of a
domain. Can be applied to
solve problems
Knowledge on knowledge
(e.g., how/when to apply)
Management
information
systems
Knowledge-
based
systems
Databases,
transaction
systems

Biểu diễn tri thức
n  Biểu diễn tri thức (Knowlegde representation) là một lĩnh
vực nghiên cứu quan trọng của Trí tuệ nhân tạo
q  Nhằm phát triển các phương pháp, cách thức biểu diễn tri thức
và các công cụ hỗ trợ việc biểu diễn tri thức
n  Tồn tại nhiều phương pháp biểu diễn tri thức
q  Luật sản xuất (Production rules)
q  Khung (Frames)
q  Mạng ngữ nghĩa (Semantic networks)
q  Ontology
q  Các mô hình xác suất
q  …
6

Biểu diễn tri thức: vấn đề
n  Tính hoàn chỉnh (Completeness)
q  Phương pháp biểu diễn có hỗ trợ việc thu thập và thể hiện mọi
khía cạnh của tri thức (của một lĩnh vực cụ thể)?
n  Tính ngắn gọn (Conciseness)
q  Phương pháp biểu diễn có cho phép việc thu thập tri thức một
cách hiệu quả?
q  Phương pháp biểu diễn có cho phép việc lưu trữ và truy nhập dễ
dàng tri thức không?
n  Tính hiệu quả về tính toán (Computational efficiency)
n  Tính rõ ràng, dễ hiểu (Transparency)
q  Phương pháp biểu diễn có cho phép diễn giải (để người dùng
hiểu) về các hoạt động và các kết luận của hệ thống?
7

Biểu diễn tri thức: bằng luật (1)
n  Biểu diễn tri thức bằng các luật (rules) là cách biểu diễn phổ
biến nhất trong các hệ cơ sở tri thức
q  Một luật chứa đựng (biểu diễn) tri thức về việc giải quyết một vấn đề nào
đó
q  Các luật được tạo nên khá dễ dàng, và dễ hiểu
n  Một luật được biểu diễn ở dạng:
IF A1 AND A2 AND … AND An THEN B
n  Ai
q  Là các điều kiện (conditions, antecedents, premises)
n  B
q  Là kết luận (conclusion, consequence, action)
8

Biểu diễn tri thức: bằng luật (2)
n  Mệnh đề điều kiện của một luật
q  Không cần sử dụng toán tử logic OR
q  Một luật với toán tử logic OR trong mệnh đề điều kiện, thì sẽ
được chuyển thành một tập các luật tương ứng không chứa OR
q  Ví dụ: Luật (IF A1∨A2 THEN B) được chuyển thành 2 luật (IF
A1 THEN B) và (IF A2 THEN B)
n  Mệnh đề kết luận của một luật
q  Không cần sử dụng toán tử logic AND
q  Một luật với toán tử logic AND trong mệnh đề kết luận, thì sẽ
được chuyển thành một tập các luật tương ứng không chứa AND
q  Ví dụ: Luật (IF … THEN B1∧B2) được chuyển thành 2 luật (IF
… THEN B1) and (IF … THEN B2)
q  Không cho phép sử dụng toán tử OR!
9

Các kiểu luật
n  Các kiểu luật khác nhau để biểu diễn các kiểu tri thức
khác nhau
n  Quan hệ liên kết
q  IF addressAt(x, Hospital) THEN heathIs(x, Bad)
n  Quan hệ nguyên nhân (kết quả)
q  IF diseaseType(x, Infection) THEN tempIs(x,
High)
n  Tình huống và hành động (gợi ý)
q  IF diseaseType(x, Infection) THEN
takeMedicine(x, Antibiotic)
n  Quan hệ logic
q  IF tempGreater(x, 37) THEN isFever(x)
10

Đồ thị AND/OR (1)
11
n  IF (Shape=long) AND (Color=(green OR yellow)) THEN (Fruit=banana)
n  IF (Shape=(round OR oblong)) AND (Diam > 4) THEN (Fruitclass=vine)
n  IF (Fruitclass=vine) AND (Color=green) THEN (Fruit=watermelon)
Shape=long
Shape=round
Shape=oblong
Diam > 4
Color=green
Color=yellow
Fruitclass = vine
Fruit = banana
Fruit = watermelon
OR
AND

Đồ thị AND/OR (2)
n  Luật IF (Shape=long) AND (Color=(green OR yellow))
THEN (Fruit=banana) được tạo nên bởi các luật:
q  IF (Shape=long) AND (Color=green) THEN (Fruit=banana)
q  IF (Shape=long) AND (Color=yellow) THEN (Fruit=banana)
n  Luật IF (Shape=(round OR oblong)) AND (Diam > 4)
THEN (Fruitclass=vine) được tạo nên bởi các luật:
q  IF (Shape=round) AND (Diam > 4) THEN (Fruitclass=vine)
q  IF (Shape=oblong) AND (Diam > 4) THEN (Fruitclass=vine)
12

Các vấn đề với biểu diễn luật
n  Các luật có chứa các vòng lặp
q  IF A THEN A
q  {IF A THEN B, IF B THEN C, IF C THEN A}
n  Các luật có chứa mâu thuẫn
q  {IF A THEN B, IF B THEN C, IF A AND D THEN ¬C}
n  Các kết luận không thể suy ra được (từ các luật hiện có)
n  Khó khăn trong việc thay đổi (cập nhật) cơ sở tri thức
q  Cơ sở tri thức cũ: {IF A1 THEN B1, IF A2 THEN B2, …, IF An
THEN Bn}
q  Cần bổ sung thêm điều kiện C vào tất cả các luật
q  Cơ sở tri thức mới: {IF A1 AND C THEN B1, IF A2 AND C THEN
B2, …, IF An AND C THEN Bn}
13

Sử dụng các luật trong suy diễn
n  So khớp mẫu (Pattern matching)
q  Để kiểm tra một luật có thể được sử dụng (áp dụng) hay không
q  Ví dụ: Nếu cơ sở tri thức chứa đựng tập các luật {IF A1 THEN
B1, IF A1 AND A2 THEN B2, IF A2 AND A3 THEN B3} và các
sự kiện (được lưu trong bộ nhớ làm việc) bao gồm A1 và A2, thì 2
luật đầu tiên có thể được sử dụng
n  Chuỗi suy diễn (chuỗi áp dụng các luật)
q  Xác định trật tự áp dụng các luật trong quá trình suy diễn
q  Với một tập các luật và một tập các sự kiện (các giả thiết), các
luật nào nên được sử dụng, và theo trật tự nào, để đạt tới (suy ra)
một kết luật cần chứng minh?
q  2 chiến lược suy diễn: tiến (forward) vs. lùi (backward)
q  2 chiến lược suy diễn này đã được trình bày trong bài trước!
14

Giải quyết xung đột
n  Một xung đột (conflict) xảy ra khi có nhiều hơn một luật
có thể áp dụng được (phù hợp với các sự kiện trong bộ
nhớ làm việc)
q  Lưu ý, một xung đột không phải là một mâu thuẫn của tập luật
n  Trong trường hợp xảy ra xung đột, cần một chiến lược
giải quyết xung đột (conflict resolution strategy - CRS) để
quyết định luật nào được (ưu tiên) áp dụng
n  Sự lựa chọn thích hợp một chiến lược giải quyết xung
đột có thể mang lại những cải thiện đáng kể đối với quá
trình suy diễn của hệ thống
15

Chiến lược giải quyết xung đột
n  Áp dụng luật xuất hiện đầu tiên (theo thứ tự) trong cơ sở
tri thức
n  Không áp dụng các luật sinh ra các kết quả (sự kiện) đã
có trong bộ nhớ làm việc
n  Áp dụng luật cụ thể nhất (luật có nhiều điều kiện nhất)
n  Áp dụng các luật phù hợp với các sự kiện được đưa vào
trong bộ nhớ làm việc gần thời điểm hiện tại nhất
n  Không áp dụng lại một luật, nếu nó vẫn sinh ra cùng một
tập các sự kiện (giống như lần áp dụng trước của nó)
n  Áp dụng luật có độ tin cậy (chắc chắn) cao nhất
n  …
n  Kết hợp của các chiến lược trên
16

Hệ thống suy diễn dựa trên luật (1)
17
Kiến trúc điển hình của một hệ thống suy diễn dựa trên luật (Rule-
based system – RBS)
Rule
memory
Interpreter
Working
memory
Dữ liệu quan sát được
Áp dụng
Cập nhậtLựa chọn
Kết quả
(http://www.cwa.mdx.ac.uk/bis2040/johnlect.html)

Hệ thống suy diễn dựa trên luật (2)
n  Bộ nhớ làm việc (Working memory)
q  Lưu giữ các sự kiện (các giả thiết đúng, đã được chứng minh)
q  Các sự kiện này sẽ quyết định những luật nào được áp dụng (bởi
thành phần Interpreter)
n  Bộ nhớ các luật (Rule memory)
q  Chính là cơ sở tri thức của hệ thống
q  Lưu giữ các luật có thể áp dụng
n  Bộ diễn dịch (Interpreter)
q  Hệ thống bắt đầu bằng việc đưa một sự kiện (dữ liệu) phù hợp
vào bộ nhớ làm việc
q  Khi sự kiện (dữ liệu) trong bộ nhớ làm việc phù hợp với các điều
kiện của một luật trong bộ nhớ các luật, thì luật đó sẽ được áp
dụng
18
Rule
memory Interpreter
Working
memory

RBS: Ưu điểm (1)
n  Cách biểu diễn (diễn đạt) phù hợp
q  Rất gần với cách diễn đạt trong ngôn ngữ tự nhiên
q  Rất dễ dàng để diễn đạt nhiều tri thức bởi các luật
n  Dễ hiểu
q  Các luật dạng IF-THEN rất dễ hiểu đối với người sử dụng
q  Trong một lĩnh vực (bài toán) cụ thể, cách biểu diễn bằng luật
giúp các chuyên gia trong lĩnh vực này có thể đánh giá và cải tiến
các luật
19

RBS: Ưu điểm (2)
n  Một cách biểu diễn tri thức theo kiểu khai báo
(declarative)
q  Kỹ sư tri thức thu thập các tri thức (ở dạng các luật IF-THEN) về
một lĩnh vực cụ thể, và đưa chúng vào trong một cơ sở các luật
(rule base)
q  Kỹ sư tri thức (có thể) không cần phải quan tâm đến khi nào, làm
thế nào, và theo trật tự nào mà các luật được sử dụng – Hệ thống
sẽ tự động đảm nhận các nhiệm vụ này
n  Dễ dàng mở rộng cơ sở tri thức
q  Chỉ việc bổ sung thêm các luật mới (các tri thức mới) vào cuối
của cơ sở các luật
20

RBS: Nhược điểm
n  Khả năng biểu diễn (diễn đạt) bị giới hạn
q  Trong nhiều lĩnh vực bài toán thực tế, tri thức của lĩnh vực bài
toán đó không phù hợp với cách biểu diễn dạng (IF-THEN)
n  Sự tương tác giữa các luật và trật tự của các luật trong
cơ sở luật có thể gây ra các hiệu ứng không mong muốn
q  Trong quá trình thiết kế (design) và bảo trì (maintenance) một cơ
sở luật, mỗi luật mới được đưa vào cần phải được cân nhắc
(kiểm tra) với các luật đã có từ trước
q  Rất khó khăn và chi phí tốn kém để xem xét tất cả các tương tác
(interactions) có thể giữa các luật
n  Quá tốn kém chi phí: thời gian, công sức, tiền bạc
21

Biểu diễn tri thức: bằng khung (1)
n  Làm thế nào để biểu diễn tri thức “Xe buýt màu vàng”?
n  Giải pháp thứ 1. Yellow(bus)
q  Câu hỏi “Cái gì là màu vàng?” có thể trả lời được
q  Nhưng câu hỏi “Màu của xe buýt là gì?” thì không thể trả lời
được
n  Giải pháp thứ 2. Color(bus, yellow)
q  Câu hỏi “Cái gì là màu vàng?” có thể trả lời được
q  Câu hỏi “Màu của xe buýt là gì?” có thể trả lời được
q  Nhưng câu hỏi “Thuộc tính nào của xe buýt có giá trị là màu
vàng?” thì không thể trả lời được
n  Giải pháp thứ 3. Prop(bus, color, yellow)
q  Tất cả 3 câu hỏi trên đều có thể trả lời được
22

Biểu diễn tri thức: bằng khung (2)
23
n  Một đối tượng được biểu diễn bởi:
(Object, Property, Value)
q  Được gọi là cách biểu diễn bằng bộ ba
đối tượng-thuộc tính-giá trị (object-property-value)
n  Nếu chúng ta gộp nhiều thuộc tính của cùng một
kiểu đối tượng thành một cấu trúc, thì chúng ta
có cách biểu diễn hướng đối tượng (object-
centered representation)
Prop(Object, Property1, Value1)
Prop(Object, Property2, Value2)
…
Prop(Object, Propertyn, Valuen)
Property1
Property2
. . .
Propertyn
Object

Biểu diễn hướng đối tượng
n  Cách biểu diễn bằng bộ ba object-property-value là một
cách tự nhiên để biểu diễn các đối tượng
n  Các đối tượng cụ thể (Physical objects)
q  Ví dụ: Một cái bàn có các thuộc tính chất liệu bề mặt, số ngăn
kéo, độ rộng, độ dài, độ cao, màu sắc, ...
n  Các tình huống (Situations)
q  Ví dụ: Một lớp học có các thuộc tính mã số phòng học, danh
sách sinh viên tham dự, giáo viên, ngày học, thời gian học, ...
q  Ví dụ: Một chuyến đi nghỉ mát có các thuộc tính nơi khởi hành,
nơi đến, phương tiện di chuyển, phòng nghỉ, …
24

Khung (Frame)
n  Có 2 kiểu khung: cụ thể (individual) và tổng quát
(generic)
n  Khung cụ thể (Individual frames). Để biểu diễn một đối
tượng cụ thể, chẳng hạn như một người cụ thể, một
chuyến đi nghỉ mát cụ thể, ...
n  Khung tổng quát (Generic frames). Để biểu diễn một
lớp (loại) các đối tượng, chẳng hạn như các sinh viên,
các chuyến đi nghỉ mát, ...
n  Ví dụ
q  Khung tổng quát: Europian_City
q  Khung cụ thể: City_Paris
25

Biểu diễn của một khung
n  Một khung được biểu diễn bằng một danh sách định
danh các thuộc tính được gọi là các slots
n  Giá trị gán cho một thuộc tính được gọi là filler of the
slot
(frame-name
<slot-name1 filler1>
<slot-name2 filler2>
…)
26
Tên của khung
Slots
fillers
(Khía cạnh)

Khung đơn
n  Một khung đơn (individual frame) có một thuộc tính đặc
biệt có tên là INSTANCE-OF, và giá trị của thuộc tính
đặc biệt này là tên của một khung tổng quát (generic
frame)
n  Ví dụ
(toronto % sử dụng chữ thường cho các khung đơn
<:INSTANCE-OF CanadianCity>
<:Province ontario>
<:Population 4.5M>
…)
27

Khung tổng quát
n  Một khung tổng quát (generic frames) có thể có một
thuộc tính đặc biệt là IS-A mà giá trị của thuộc tính đặc
biệt này là tên của một khung tổng quát khác
n  Ví dụ
(CanadianCity % sử dụng tên bắt đầu chữ hoa cho khung tổng quát
<:IS-A City>
<:Province CanadianProvince>
<:Country canada>
…)
28
instance of
Canadian
=>

Suy diễn với khung (1)
n  Các thuộc tính (slots) trong các khung tổng quát có thể
được gắn (liên kết) với các thủ tục để thực hiện và điều
khiển việc suy diễn
n  Có 2 kiểu thủ tục: IF-NEEDED và IF-ADDED
n  Thủ tục IF-NEEDED
q  Được thực hiện khi không có giá trị cần thiết được gán cho một
thuộc tính (no slot filler)
q  Ví dụ: (Table
<:Clearance [IF-NEEDED computeClearance]>
…)
computeClearance là một thủ tục để tính toán (xác định) mức độ
sạch sẽ của cái bàn
29

Suy diễn với khung (2)
n  Thủ tục IF-ADDED
q  Được thực hiện khi một thuộc tính được gán giá trị, để cho phép
lan truyền ảnh hưởng của việc gán giá trị của thuộc tính đó đối
với các khung khác (ví dụ, để đảm bảo các ràng buộc trong bài
toán)
q  Ví dụ: (Lecture
<:DayOfWeek WeekDay>
<:Date [IF-ADDED computeDayOfWeek]>
…)
Giá trị của thuộc tính :DayOfWeek sẽ được tính toán (lại) khi thuộc
tính :Date được gán giá trị
30

Khung: Giá trị mặc định (1)
n  Hãy xét khung tổng quát (generic frame) sau đây
(CanadianCity
<:IS-A City>
<:Province CanadianProvince>
<:Country canada>
…)
n  Hãy xét khung cụ thể (individual frame) sau đây
(city134
…)
n  Đối với khung city134, giá trị (mặc định) cho thuộc
tính :Country là canada
31

Khung: Giá trị mặc định (2)
n  Hãy xét khung cụ thể (individual frame) sau đây
(city135
<:Country holland>
…)
n  Đối với khung city135, thì giá trị cho thuộc
tính :Country là holland (chứ không phải là giá trị mặc
định canada)
32

Khung: Tính kế thừa (1)
n  Các thủ tục và các giá trị thuộc tính của một khung tổng
quát hơn sẽ được áp dụng (kế thừa) bởi một khung cụ
thể hơn, thông qua cơ chế kế thừa
n  Ví dụ
(CoffeeTable
<:IS-A Table>
...)
(MahoganyCoffeeTable
<:IS-A CoffeeTable>
...)
33

Khung: Tính kế thừa (2)
n  Ví dụ
(Elephant
<:IS-A Mammal>
<:Colour gray>
...)
(RoyalElephant
<:IS-A Elephant>
<:Colour white>
…)
(clyde
<:INSTANCE-OF RoyalElephant>
…)
34
extens Elephant

Khung: Suy diễn
n  Quá trình suy diễn trong phương pháp biểu diễn bằng khung
sẽ diễn ra như sau
1. Người dùng khởi tạo một khung (tương đương với việc khai báo
sự tồn tại của một đối tượng hay một tình huống)
2. Các giá trị của các thuộc tính sẽ được kế thừa (từ các khung
tổng quát hơn)
3. Các thủ tục IF-ADDED sẽ được thực hiện. Việc này có thể sẽ
dẫn đến việc khởi tạo của các khung khác, và việc gán giá trị
của các thuộc tính
n  Nếu người dùng hoặc một thủ tục yêu cầu việc gán giá trị cho
một thuộc tính, thì:
q  Nếu có giá trị cho thuộc tính, thì giá trị đó sẽ được gán
q  Nếu không, thủ tục IF-NEEDED sẽ được thực hiện
35
like create an object
like create fields
like create methods

Biểu diễn bằng khung: Ưu điểm
n  Kết hợp được cả tri thức khai báo (declarative knowledge) và tri thức
thủ tục (procedural knowledge) trong cùng một phương pháp biểu
diễn
n  Các khung được tổ chức có cấu trúc phân cấp, cho phép dễ dàng
phân loại (phân lớp) tri thức
n  Cấu trúc phân cấp các khung cho phép giảm bớt sự phức tạp (và chi
phí) trong quá trình xây dựng cơ sở tri thức
n  Cho phép thiết lập các ràng buộc đối với các giá trị được gán cho
các thuộc tính (ví dụ: ràng buộc giá trị nhập vào phải nằm trong một
khoảng giá trị cụ thể)
n  Cho phép lưu giữ các giá trị mặc định (sử dụng thuộc tính đặc biệt
IS-A, các giá trị của các thuộc tính của một khung tổng quát hơn
được sử dụng để gán cho các thuộc tính của một khung cụ thể hơn)
36

Biểu diễn bằng khung: Nhược điểm
n  Trong quá trình thiết kế cấu trúc phân cấp của các
khung, cần rất để ý đến sự hợp lý của việc phân loại (các
khung)
n  Có thể gặp vấn đề chi phí cao cho việc thiết kế các thủ
tục (IF-ADDED và IF-NEEDED) – Quá nhiều công sức
dành cho việc thiết kế các thủ tục phù hợp, thay vì tập
trung vào việc kiểm tra cấu trúc và nội dung của các
khung
n  Quá trình khai thác các khung có thể không hiệu quả, vì
không có phương pháp hiệu quả để lưu trữ dữ liệu (của
các khung) trong máy tính
37

Mạng ngữ nghĩa (1)
n  Mạng ngữ nghĩa (Semantic Network) được đề cử bởi Quillian vào
năm 1966 như là một mô hình biểu diễn bộ nhớ của con người
n  Các động cơ thúc đẩy sự phát triển của mạng ngữ nghĩa
q  Để hiểu về cấu trúc của bộ nhớ con người, và việc sử dụng cấu trúc bộ
nhớ này trong xử lý (hiểu) ngôn ngữ
q  Kiểu biểu diễn nào cho phép lưu giữ các ý nghĩa (meanings) của các từ
để có thể sử dụng lại các ngữ nghĩa này (như trong bộ nhớ con người)?
q  Các chứng minh về tâm lý học đã chỉ ra rằng bộ nhớ của con người sử
dụng các liên kết trong việc xử lý (hiểu) các từ
n  Yêu cầu: cần biểu diễn định nghĩa từ điển của các từ, để
q  So sánh và phân biệt ý nghĩa của 2 từ
q  Sinh ra các câu “tựa” (gần giống) tiếng Anh để mô tả sự so sánh này
38

Mạng ngữ nghĩa (2)
n  Mạng ngữ nghĩa (Semantic Network) là phương pháp biểu
diễn ngữ nghĩa dựa trên đồ thị (graph-based representation)
n  Một mạng ngữ nghĩa bao gồm một tập các nút (nodes) và
các liên kết (links)
q  Các nút biểu diễn các khái niệm
q  Các liên kết biểu diễn các mối quan hệ giữa các khái niệm
n  Quá trình suy diễn (reasoning/inference):
được thực hiện thông qua cơ chế
lan truyền
q  Tác động (Activation)
q  Kế thừa (Inheritance)
39
Mammoth
Elephant
Animal
Food
Living Thing
Plant

Mạng ngữ nghĩa: Cú pháp
n  Các nút (nodes) biểu diễn các khái niệm (concepts), hành
động (actions) hoặc đối tượng (objects) trong lĩnh vực bài toán
đang xét
n  Các liên kết (links) là các quan hệ được gán nhãn và có chiều
(directional and labeled) giữa các nút
n  Hai kiểu liên kết: kế thừa và cụ thể
n  Liên kết kế thừa (Inheritance-oriented link) biểu diễn:
q  Nút A là một lớp (loại) con của nút B (vd: liên kết IS-A)
q  Nút A là một ví dụ (instance) của nút B (vd: liên kết INSTANCE-OF)
n  Liên kết cụ thể (Domain-specific link) biểu diễn:
q  Nút A liên quan tới (có quan hệ với) nút B
q  Ví dụ: HAS, CAN, HAS-PART, CAUSES, HAS-COLOR, …
40

Mạng ngữ nghĩa: Ví dụ (1)
41
(B. L. Vrusias, course AI-CS289)
plum: lông vũ
chim đà điểu

Mạng ngữ nghĩa: Ví dụ (2)
42
a n im a l
s k in
f is h
s w i m m i n g
b ir d
f ly in g
f e a t h e r s
p e n g u in c a n a r y r o b ino s t r ic h
w a lk in g
O p u s
T w e e t y
y e llo w
r e d
w h it e
c o v e r e d _ b y
t r a v e l s _ b y
i s ai s a
i s a i s a i s a i s a
c o v e r e d _ b y
t r a v e l s _ b y
t r a v e l s _ b y
t r a v e l s _ b y
i n s t a n c e _ o f
i n s t a n c e _ o f
c o l o u r
c o l o u r
c o l o u r
(http://www.cwa.mdx.ac.uk/bis2040/johnlect.html)

SN: Lan truyền tác động
n  Đối với 2 khái niệm, việc lan
truyền tác động (spreading
activation) sẽ kích hoạt tác
động từ khái niệm này tới
khái niệm kia, hoặc theo cả 2
hướng
n  Cho phép xác định các khái
niệm “nằm giữa” liên quan
đến cả 2 khái niệm đó
q  Ví dụ: Xét việc lan truyền tác
động giữa 2 khái niệm
“Elephant” và “Plant”
43
Mammoth
Elephant
Animal
Food
Living Thing
Plant
is-a
is-a
is-a
eats
is-a
is-a

SN: Tính kế thừa
n  Các thuộc tính (properties) của lớp
(loại) cha được kế thừa cho các lớp
(loại) con
n  Kế thừa toàn bộ (Universal
inheritance): Tất cả các quan hệ được
kế thừa
n  Kế thừa mặc định (Default
inheritance): Các quan hệ được kế
thừa, trừ khi có các thông tin mâu
thuẫn (với nút cha) ở một nút con
44
Clyde
Elephant
Mammal
Grey
Legs
White
is-a
is-a
has-part
has-color
has-color

SN: Ngữ nghĩa (1)
n  Biểu diễn bằng mạng ngữ nghĩa rất trực quan, và gần
với nhận thức (cách biểu diễn) của con người
n  Nhưng: Đối với cùng một đồ thị (mạng) ngữ nghĩa, các
hệ thống khác nhau có thể có các cách diễn giải
(interpretations) khác nhau
n  Ngữ nghĩa (sematics) của các mạng ngữ nghĩa?
q  ”Since the semantics of any given language is dependent of the
interpretation of the primitive elements....., the well-definedness of
a network language rests heavily on the set of node and link types
that it provides” (Brachman, p204, Readings in KR)
45

n  Ý nghĩa của mạng ngữ nghĩa sau
là gì?
q  Thể hiện định nghĩa của một cái
ô-tô màu đen (Thông tin định
nghĩa)
q  Thể hiện rằng tồn tại một ô-tô
màu đen (Thông tin xác nhận)
q  Thể hiện rằng một cái ô-tô cụ thể
(Car#3) là màu đen (Xác nhận
sự tồn tại)
46
Car#3
Car
Black
is-a
has-color

n  Các liên kết có thể là
q  Liên kết xác nhận (Assertional links)
n  Lưu giữ các thông tin về không gian bài toán đang xét
n  Có thể thay đổi khi không gian bài toán thay đổi
n  Ví dụ: “John hit Mary” (một sự kiện cụ thể đã xảy ra)
q  Liên kết định nghĩa (Definitional links)
n  Lưu giữ các ý nghĩa của các khái niệm
n  Không thay đổi khi không gian bài toán thay đổi
n  Ví dụ: “apple is-a fruit”, “apple has-color red”
47

SN: Chuyển đổi sang logic (1)
n  Một giải pháp có thể đối với vấn đề xác định ngữ nghĩa của
các mạng ngữ nghĩa: Chuyển đổi (transform) các mạng ngữ
nghĩa sang logic
n  Ý tưởng: Ngữ nghĩa của logic đã được định nghĩa chuẩn –
Chuyển đổi ngữ nghĩa sang logic sẽ cho phép biểu diễn chính
xác ngữ nghĩa của các mạng ngữ nghĩa
n  Việc chuyển đổi chỉ đơn giản là biểu diễn các nút là các hằng
(constants) và các liên kết là các vị từ hai ngôi (binary
predicates)?
q  Không quá đơn giản như vậy
q  Tuy nhiên, cú pháp của các mạng ngữ nghĩa có thể được viết lại
trong logic
48

SN: Chuyển đổi sang logic (2)
n  Đối với các liên kết is-a
q  ∀x: elephant(x) → mammal(x)
n  Đối với các liên kết (thuộc tính) của
một ví dụ (instance)
q  hasColor(clyde, white)
n  Đối với các liên kết (thuộc tính) của
một lớp (class)
q  ∀x: elephant(x) → hasColor(x, grey)
49
Elephant Mammal
is-a
Clyde White
has-color
Elephant Grey
has-color

Mạng ngữ nghĩa: Ưu điểm
n  Rõ ràng (trực quan) trong hiển thị, dễ hiểu đối với người dùng
q  SNs thường được sử dụng như là một công cụ trao đổi (làm việc)
giữa các kỹ sư tri thức (knowledge engineers) và các chuyên gia
(experts) trong giai đoạn thu thập tri thức
n  SNs là rất phù hợp đối với các bài toán biểu diễn tri thức ở
dạng phân cấp các khái niệm
q  Tri thức được phân loại (phân lớp) thành một cấu trúc phân cấp
n  Cơ chế biểu diễn phân cấp của SNs hỗ trợ quá trình suy diễn
nhanh chóng
n  Tập trung vào các thành phần chính của tri thức và liên kết
giữa chúng
50

Mạng ngữ nghĩa: Nhược điểm
n  Không tồn tại cách diễn dịch (interpretation) chung
(chuẩn) – Ngữ nghĩa của các mạng ngữ nghĩa không
được định nghĩa một cách chuẩn tắc
n  Gặp vấn đề trong việc biểu diễn các thông tin phủ định
(negation) và tuyển (disjunction)
q  Vd: “John does not go fishing”, “John eats pizza or
fish and chips”
n  Khó khăn trong việc chọn các thành phần cơ bản
(primitives) phù hợp
n  Khả năng suy diễn hạn chế
51

Sự kế thừa: Phân loại phân cấp
n  Phân loại một cách phân cấp (Hierarchical taxonomy) là
một cách tự nhiên trong việc biểu diễn
q  Được sử dụng trong cả 2 cách biểu diễn tri thức: Khung (frames)
và Mạng ngữ nghĩa (semantic networks)
n  Sự quan trọng của việc khái quát hóa (abstraction)
trong việc nhớ và suy diễn
q  Nhóm các đối tượng có cùng chung các thuộc tính
q  Không phải lặp lại các biểu diễn cho từng đối tượng riêng lẻ
n  Sự kế thừa (Inheritance) là kết quả của việc suy diễn
theo các hướng (paths) trong một cấu trúc phân cấp
q  “A có kế thừa từ B không?” tương đương với “B có quan hệ
bắc cầu kiểu is-a (subsumption) với A không?”
52

Biểu diễn của sự kế thừa
n  Các quan hệ IS
q  Clyde is an Elephant, Elephant is Gray
n  Suy diễn (reasoning) với các hướng
(paths) và các kết luận (conclusions)
mà các hướng đó biểu diễn
q  Các quan hệ bắc cầu
n  Tính bắc cầu của các quan hệ
q  Clyde is Elephant
q  Elephant is Gray
q  Clyde is Gray
53
Elephant
Gray
Clyde

Mạng kế thừa (1)
n  Cấu trúc cây (tree structure) biểu diễn các quan hệ
kế thừa
q  Các kết luận được đưa ra, bằng cách áp dụng bắc cầu các
quan hệ kế thừa đối với tất cả các hướng
q  Xét đến tất cả các nút có liên kết trong mạng
54

n  Cấu trúc lưới
(Lattice structure)
biểu diễn các quan
hệ kế thừa
q  Một nút con có thể
có nhiều nút cha
(nhiều kế thừa)
n  Giống như cấu trúc
cây: Tất cả các kết
luận được đưa ra
theo tất cả các hướng
55
Employee
Tax-payer
Ernest
Student
Illiterate Salaried
Academic
(Represents
“is-not”)

n  Kế thừa có thể bị hủy bỏ
(Defeasible inheritance)
q  Giống như đối với cách biểu diễn
tri thức bằng khung (frame-based
representation)
q  Các thuộc tính không phải luôn
luôn được kế thừa – chúng có
thể bị hủy bỏ (defeated)
q  Các kết luận được xác định bằng
cách duyệt từ nút hiện thời và
chọn phiên bản đầu tiên của
thuộc tính (first version of
property) cần kết luận
56
Elephant
Gray
Clyde

n  Tính nhập nhằng trong kế
thừa (Ambiguity in
inheritance)
n  Hãy xét ví dụ sau đây:
q  Nixon là người yêu hòa
bình (pacifist) hay không?
57
Republican
Pacifist
Nixon
Quaker

n  Kế thừa có thể bị hủy bỏ
(Defeasible inheritance)
q  Các liên kết có cực (dương
hoặc âm)
q  Sử dụng quy tắc đường đi
ngắn nhấn để xác định cực
q  Vì vậy, không phải tất cả các
hướng đều sinh ra kết luận –
Một số hướng (path) sẽ bị
ngăn chặn (pre-empted),
nhưng một số hướng được
chấp nhận (admissible)
q  Các hướng (paths) được xem
như là các lý lẽ (arguments)
đối với các kết luận
58
Mammal
Aquatic creature
White whale
Whale
Baby Beluga
Elephant
Gray
Fat royal elephant
Royal elephant
Clyde

Phân cấp kế thừa: Định nghĩa (1)
n  Một phân cấp kế thừa (inheritance hierarchy) G=<V,E>
là một đồ thị có hướng và không chứa vòng lặp (directed
and acyclic graph - DAG) với các cạnh dương và âm để
biểu diễn tương ứng các quan hệ “is-a” và “is-not-a”
q  Các cạnh dương được biểu diễn là: a • x
q  Các cạnh âm được biểu diễn là: a • ¬x
n  Một hướng (path) là một chuỗi các cạnh
q  Một hướng dương (positive path) là một chuỗi của một hoặc
nhiều cạnh dương: a • … • x
q  Một hướng âm (negative path) là một chuỗi của các cạnh dương
và kết thúc bởi (chỉ) một cạnh âm: a • … • v • ¬x
59

Phân cấp kế thừa: Định nghĩa (2)
n  Không tồn tại bất kỳ hướng (path) nào có nhiều hơn một
cạnh âm
n  Một hướng (path) có thể chẳng có cạnh dương nào
n  Mỗi hướng biểu diễn một lý lẽ (argument) đối với một kết
luận (được đưa ra theo hướng đó)
q  Hướng a • … • x biểu diễn kết luận “a is an x”
q  Hướng a • … • v • ¬x biểu diễn kết luận “a is not an x”
n  Một kết luận có thể được xác nhận bằng nhiều lý lẽ (đạt
được bằng nhiều hướng)
n  Tuy nhiên, không phải tất cả các lý lẽ (tất cả các hướng)
đều có cùng mức độ tin cậy
60

Sự xác nhận và sự chấp nhận (1)
n  Phân cấp kế thừa G xác nhận (supports) một hướng
a • s1 • … • sn • x nếu tập các cạnh tương ứng {a•s1 ,
s1•s2 , … , sn-1•sn , sn•x} thuộc vào E, và hướng đó là
chấp nhận được (admissible path)
q  Định nghĩa tương tự, đối với một hướng âm a • s1 • … • sn • ¬x
n  Phân cấp kế thừa G xác nhận một kết luận “a is x”
nếu G xác nhận một hướng nào đó để đạt được kết luận
q  Định nghĩa tương tự, đối với G xác nhận một kết luận “a is not
x”
n  Một hướng là chấp nhận được (admissible path) nếu
tất cả các cạnh của hướng đó đều là chấp nhận được
(admissible edge)
61

Sự xác nhận và sự chấp nhận (2)
n  Một cạnh dương v • x là chấp nhận được trong G
đối với một nút a nếu tồn tại một hướng dương a • s1 •
… • sn • v (n ≥ 0) trong E và:
1.  (Định nghĩa truy hồi) Mỗi cạnh trong hướng a • s1 • … • sn • v
đều là chấp nhận được trong G đối với nút a;
2.  Không có cạnh nào trong hướng a • s1 • … • sn • v là dư thừa
(redundant) trong G đối với nút a (Định nghĩa về “dư thừa”
sẽ được giải thích ở slide sau);
3.  Không có nút trung gian trong hướng a, s1, …, sn là một nút
ngăn chặn (pre-emptor) của cạnh v • x đối với nút a (Định
nghĩa “nút ngăn chặn” sẽ được giải thích ở slide sau)
n  Định nghĩa tương tự, đối với một cạnh âm v • ¬x là
chấp nhận được
62

Sự dư thừa
n  Một cạnh dương b • w là dư thừa
(redundant) trong G đối với nút a
nếu tồn tại một hướng dương (b • t1 •
… • tm • w) ∈ E (m ≥ 1), sao cho:
1.  Mỗi cạnh của hướng b • t1 • … • tm là
chấp nhận được trong G đối với nút a;
2.  Không tồn tại c và ti sao cho c • ¬ti là
chấp nhận được trong G đối với nút a;
3.  Không tồn tại c sao cho c • ¬w là
chấp nhận được trong G đối với nút a
n  Định nghĩa tương tự, đối với một cạnh
âm b • ¬w là dư thừa
63
Mammal (w)
Aquatic creature
Blue whale (b)
Whale (t1)
b • w

Nút ngăn chặn
n  Một nút y trong hướng a • ... • y
• ... • v được gọi là nút ngăn
chặn (pre-emptor) của cạnh
dương v • x đối với nút a nếu
(y • ¬x) ∈ E
n  Một nút y trong hướng a • ... • y
• ... • v được gọi là nút ngăn
chặn (pre-emptor) của cạnh
âm v • ¬x đối với nút a nếu
(y • x) ∈ E
q  Xem ví dụ bên!
64
Mammal (v)
Aquatic creature (x)
Blue whale
Whale (y)
y • x

Sự mở rộng
n  Phân cấp kế thừa G được gọi là a-connected nếu và chỉ nếu
với mọi nút x trong G luôn tồn tại một hướng từ a đến x, và
đối với mọi cạnh dương (hoặc âm) v • x (hoặc v • ¬x ) trong
G luôn tồn tại một hướng dương từ a tới v
n  Nói cách khác, mọi nút và mọi cạnh đều có thể đạt tới
(reachable) từ a
n  G được gọi là (có thể) nhập nhằng (ambiguous) đối với nút
a nếu tồn tại một nút x ∈ V sao cho cả 2 hướng (a • s1 • … •
sn • x) và (a • t1 • … • tm • ¬x) đều thuộc G
n  Một sự mở rộng (extension) của G đối với nút a là một cấu
trúc con của G, sao cho cấu trúc con đó là a-connected và
chứa tối thiểu (ít hơn) các nhập nhằng
65

Sự mở rộng – Ví dụ
66
Extension 1
Mammal
Milk-
producer
Platypus
Furry
Animal
Egg-
layer
Mammal
Platypus
Furry
Animal
Egg-
layer
Mammal
Milk-
producer
Platypus
Furry
Animal
Egg-
layer
Extension 2

Sự mở rộng được ưu tiên
n  Định nghĩa về sự mở rộng (extensions) không tính đến
các khía cạnh về sự chấp nhận được (admissibility) hay
sự ngăn chặn (pre-emption)
n  Giả sử X và Y là các mở rộng của G đối với nút a. X
được gọi là ưu tiên (preferred) so với Y nếu và chỉ
nếu tồn tại các nút v và x sao cho:
q  X và Y là như nhau (về các kết luận) đối với tất cả các cạnh kết
thúc ở nút trước v,
q  Tồn tại một cạnh dương v • x (hoặc cạnh âm v • ¬x) là không
chấp nhận được (inadmissible) trong G,
q  Cạnh không chấp nhận được này có trong Y, nhưng không có
trong X
67

Sự mở rộng được ưu tiên – Ví dụ
68
Mammal (v)
Whale (a)
Mammal (v)
Whale (a)
Mammal (v)
Whale (a)
Preferred

Ontology
n  Một ontology là một đặc tả (biểu diễn) hình thức và rõ
ràng về các khái niệm
n  Một ontology là một từ vựng dùng chung, được dùng để
biểu diễn (mô hình) một lĩnh vực cụ thể
q  Các đối tượng và/hoặc
các khái niệm
q  Các thuộc tính và các
quan hệ của chúng
69
Source: http://nemo.nic.uoregon.edu/wiki/Data_Annotation

Ontology (2)
n  Một ontology có thể được xem như là một cơ sở tri thức
n  Một ontology có thể phục vụ các mục đích khác nhau
q  Ví dụ: Mô hình cơ sở dữ liệu (database schema) là một ontology
n  Cơ sở tri thức chứa đựng các tri thức cụ thể cần thiết
cho việc giải quyết vấn đề của một lĩnh vực
70

Ontology: Các động cơ thúc đẩy
n  Các động cơ thúc đẩy về mặt công nghệ
q  Rất nhiều các hệ thống dựa trên tri thức sử dụng một ontology
mô tả các tri thức của lĩnh vực liên quan
q  Việc xây dựng ontology là một nhiệm vụ rất tốn kém (về thời gian
và công sức) trong quá trình phát triển một hệ thống dựa trên tri
thức
q  Tại sao không giảm chi phí bằng cách chia sẻ các ontology?
n  Ví dụ: Các ontology “cơ bản” mô tả không gian, thời gian, số
lượng, …
n  Động cơ thúc đẩy về mặt khoa học
q  Để hiểu được các vấn đề nền tảng trong quá trình khái niệm hóa
(nhận thức các khái niệm) của con người
71

Các khía cạnh của một ontology (1)
n  Nội dung của ontology
q  Các kiểu đối tượng, các kiểu quan hệ
q  Ví dụ: Bài toán sắp xếp các khối (blocks)
n  Các lớp đối tượng: Blocks, Robot Hands
n  Các thuộc tính: shapes of blocks, color of blocks
n  Các quan hệ: On, Above, Below, Grasp
n  Các quá trình: thiết kế hoặc xây nên một tòa tháp
n  Kiểu của ontology
q  Các quan hệ phân loại cơ bản (vd: instance-of, subclass) là gì?
q  Các định nghĩa của các khái niệm (và các ràng buộc đối với chúng)?
q  Khả năng diễn đạt của ngôn ngữ định nghĩa các khái niệm?
q  Hướng quá trình (process-centric) hay hướng đối tượng (object-
centric)?
72

Các khía cạnh của một ontology (2)
n  Mục đích sử dụng của ontology
q  Chia sẻ tri thức
n  Ví dụ: Giữa những người sử dụng, giữa các hệ thống, …
q  Sử dụng lại tri thức
n  Ví dụ: Sử dụng lại (một phần) tri thức khi các mô hình hoặc hệ thống
thay đổi
n  Việc xây dựng ontology
q  Ontology sẽ được thu thập hay xây dựng?
q  Nếu được thu thập, thì cần kiểm tra:
n  Chất lượng của tri thức?
n  Sự khác biệt về nội dung?
n  Sự tin cậy của tri thức?
n  Các khả năng sử dụng trong tương lai?
73

Ontology
74
Source: http://www.emiliosanfilippo.it/?page_id=1172

Xây dựng ontology: các vấn đề
n  Xác định giới hạn (phạm vi) và mục đích sử dụng
n  Cân nhắc việc sử dụng lại các ontology đã có và liên
quan đến lĩnh vực đang xét
n  Liệt kê các khái niệm
n  Định nghĩa sự phân loại
n  Định nghĩa các thuộc tính
n  Định nghĩa các khía cạnh (các ràng buộc)
n  Xác định các ví dụ cụ thể (instances)
n  Kiểm tra các bất thường (anomalies)
75

Phạm vi và mục đích sử dụng
n  Không tồn tại một ontology “chuẩn” cho một lĩnh vực cụ thể
q  Một ontology là một sự khái quát hóa về một lĩnh vực cụ thể, và
luôn tồn tại nhiều ontologies phù hợp
n  Việc khái quát hóa này nên tính đến:
q  Việc sử dụng trong tương lai của ontology (mục đích sử dụng)
q  Các khả năng mở rộng (của ontology) có thể dự đoán trước
n  Các câu hỏi cần phải được trả lời ở giai đoạn này:
q  Ontology này được dùng cho lĩnh vực nào?
q  Ontology này sẽ được dùng để làm gì?
q  Những kiểu câu hỏi nào mà ontology này có thể đưa ra câu trả
lời?
q  Ai sẽ dùng và bảo trì ontology này?
76

Cân nhắc sử dụng lại các ontology
n  Với sự phát triển rất nhanh chóng của Internet và của
lĩnh vực Semantic Web, sẽ tồn tại (có) rất nhiều
ontologies có thể khai thác
n  Ít khi chúng ta phải bắt đầu việc xây dựng một ontology
từ đầu (từ chỗ chưa có gì cả)
q  Gần như luôn tồn tại một số ontology có thể khai thác, hoặc là để
sử dụng luôn, hoặc là để bắt đầu cho việc xây dựng ontology
mong muốn
77

Liệt kê các khái niệm
n  Xác định (theo một danh sách) tất cả các khái niệm liên
quan sẽ xuất hiện trong ontology
q  Các danh từ (nouns) thường là cơ sở để xác định các tên lớp
(class names)
q  Các động từ (verbs) hoặc cụm động từ (verb phrases) thường là
cơ sở để xác định các tên thuộc tính (property names)
n  Nên sử dụng các công cụ xây dựng tri thức, để thu được
q  Tập các khái niệm
q  Cấu trúc (phân cấp) ban đầu của các khái niệm này
78

Định nghĩa sự phân loại
n  Các khái niệm liên quan cần được tổ chức lại với nhau
thành một cấu trúc phân cấp phân loại (a taxonomic
hierarchy)
q  Hai chiến lược thường được dùng: top-down vs. bottom-up
q  Cần cân nhắc đến hai yếu tố: sự tin cậy (chính xác) và hiệu quả
(suy diễn)
n  Đảm bảo rằng phân cấp thu được thực sự là một phân
loại khái niệm
q  Nếu A là một lớp con của B, thì mọi ví dụ của A cũng phải là ví dụ
của B
79

Định nghĩa các thuộc tính
n  Thường được thực hiện kết hợp với bước trước (định
nghĩa sự phân loại)
n  Yêu cầu: Nếu A là một lớp con của B, thì mọi thuộc tính
của B đều phải được áp dụng cho A
q  Nên gắn các thuộc tính với lớp cao nhất (phù hợp) trong cấu trúc
phân cấp
n  Khi xác định một thuộc tính cho một lớp, cần ngay lập
tức xác định các thông tin về miền (data type) và giá trị
(value domain) của thuộc tính đó
80

Định nghĩa các ràng buộc
n  Các ràng buộc về số chiều (số phần tử của một tập hợp)
n  Các giá trị có thể được gán cho
n  Các đặc điểm của quan hệ
q  Tính đối xứng, bắc cầu, đảo, …
81
(protege.stanford.edu/amia2003/AMIA2003Tutorial.ppt)

Xác định các ví dụ
n  Bổ sung vào ontology các ví dụ (instances) cụ thể
n  Số lượng các ví dụ thường lớn hơn (nhiều) số lượng các
lớp (classes)
n  Việc bổ sung các ví dụ vào một ontology thường được
làm thủ công (manually)
q  Lấy từ các nguồn dữ liệu sẵn có (vd: từ các cơ sở dữ liệu)
q  Trích tự động từ một tập các dữ liệu văn bản
82

Kiểm tra các bất thường
n  Để kiểm tra các mâu thuẫn có thể có trong một ontology,
(hoặc có trong một ontology đi kèm với các ví dụ)
n  Các ví dụ của các mâu thuẫn
q  Không tương thích về miền, về giá trị, về các đặc tính bắc cầu,
đối xứng, đảo,...
q  Không tương thích với ràng buộc về số chiều của một thuộc tính
83

Các ví dụ về ontology
n  CYC (dùng chung, tổng quát)
q  105 kiểu khái niệm, 106 tiên đề
n  SENSUS (mở rộng của WordNet, dùng cho xử lý văn bản)
q  70.000 khái niệm
n  SUMO (tổng quát)
q  1000 khái niệm, 4200 đánh giá
n  UMLS (lĩnh vực y-sinh)
q  135 kiểu ngữ nghĩa, 54 quan hệ ngữ nghĩa, 975.354 khái niệm
n  WordNet (từ vựng)
q  152.059 dạng từ, 115,424 cụm từ
84

UMLS ontology
85
(Figure by MIT OCW)
n  For bio-medicine

CYC ontology
86
n  Encode all of human common sense knowledge

Artificial intelligence ai l7-bieu dien-tri_thuc

More Related Content

What's hot (20)

Viewers also liked (14)

Similar to Artificial intelligence ai l7-bieu dien-tri_thuc (20)

More from Tráng Hà Viết (15)

Recently uploaded (20)

Artificial intelligence ai l7-bieu dien-tri_thuc