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。
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。
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。
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。
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。
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。
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。
“
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.”