包包的雲端語意小說

全球資訊網的創始人Berners-Lee 博士於1999年提出了語意網（Semantic Web）的概念，主張將網路上的文件有意義的結構化，藉由共享的、通用的知識本體之建置，使得網路上的資源及服務更易取得和分享，以建立起一個資訊充分分享可重複使用的網際空間。

語意網是在現有的網路架構上的延伸，並非是用來取代現有的網路架構，其主要的概念是在於提供新的資料描述型態，藉由語意網，當機器要查詢某資料時，可以透過定義完整的資料描述型態，推論出使用者真正想查詢的資料實際含意，再透過超連結找到目標文件。此新架構讓電腦像似懂得人類語言，瞭解人類的意思，因此可過濾不相關的資訊，提高準確度的搜尋。

此外語意網將會促進自動化網路服務（Automated Web Services）的發展，例如智慧型代理人。透過智慧型代理人，網路上的資源、線上服務、行動裝置，甚至於家電用品都能夠自動的透過網路來得到新的資訊並自動處理這些資訊。而軟體能夠利用這些具有語意的資訊來進行資料的搜尋與過濾，以提供更符合使用者需求的資訊來輔助使用者。簡單來說，語意網的建構概念是，可讓代理人在瀏覽網路時，當他看到不懂的字時，他可以馬上去”查字典”查出這個字代表的意義，這個字與其他字的關連和用法。

在專家系統的知識表達，可利用本體論(Ontology)具有推理能力的知識呈現方式來進行推論系統的建置。透過具有分類(taxonomy)和類別(class)關係描述的知識表現方式，可以將過去難以描述的知識呈現出來，透過較佳的知識基礎可以提供更豐富的推論能力。目前法則系統所使用的法則判定，對於法則的用字多缺乏規範，在編寫時需要在配合現存的事實庫作對造，才能建立符合事實用字的法則，若法則和事實的用字缺乏一致性，則推論結果將不符合預期，並且以規則語法(CLIPLS、Jess)所撰寫的法則其攜帶性較差，因此會有RuleML(Rule Markup Language)、SRML(Simple Rule Markup Language)等XML based 的法則語言出現，希望能將規則以不同的面貌產生符合不同的情境，在真正要運算規則時在將規則轉為推論引擎可以接受的格式。

專家系統中運作的兩塊核心是法則和事實。在知識呈現方式缺乏關係的描述，不只需要概念性的分類也需要描述概念之間的關係，在法則方面則是缺乏與知識庫結合。在專家系統中主要可分為推論引擎與知識庫兩部分，知識庫紀錄事實提供推論的基礎，法則結合事實透過推論引擎進行推論。

目前運作上尚存在的缺點：

1. 缺乏呈現類別關係的能力

以框架(frames)和語意網路(semantic net)方式呈現的知識，只能呈現包含(part-of)或是實例(is-a)的關係，對於較複雜的限制式無法呈現，例如交集、聯集、或是基數(cardinality，限制該屬性的individual 的個數)，這些限制透過這兩種表示法都難已呈現。

2. 缺乏階層的方式呈現

以法則(rule)表示法雖然可以清楚這些類別的關係，但是缺乏呈現整體知識的能力，整體呈現的知識架構較破碎且不完整。因為法則不具有階層(hierarchy)的概念，只能一條一條呈述事實，若是較複雜的知識或是具有龐大的階層架構，採用逐條描述的方式將十分沒有效率，且難以發現其中所隱含的知識。

3. 知識分享和再利用的問題

在專家系統中將知識和推論引擎分離，因為知識若由專家系統中分離可以將知識運用在其他不同的環境或系統，但是目前的知識表現方式並不是XML based，不同的系統有不同呈現方式，對於知識的分享和再利用產生一定的門檻。

4. 法則無法與知識呈現方式結合

目前法則與知識呈現缺乏結合，在知識呈現方面所制訂的詞彙和屬性不能在法則中再利用，缺乏將知識庫的內容直接對映到法則中，在法則中直接採用知識庫的內容進行法則運算。並且和知識庫的架構問題一樣，若以XML based 呈現方式的法則，具有更高的跨平台和分享、再利用等特性。

專家系統是依據其知識庫(Knowledge base)的資料來進行推論，知識庫可以比喻成用來儲存特定內容資料的傳統資料庫。但是知識的意義不只是資料的收集，知識這個名詞意味著結構與理解的理念。如何達到賦予專家系統上述結構與理解的能力，則是關係到知識如何表示。

最常用的知識表示法為：
法則式(Rule-based)、邏輯式(Logical-based)、語意網路(Semantic network)、框架式(Frame-based)，分別如下所述：

1. 法則式知識表示法(Rule-based)

法則式知識表示法是種淺層知識表示法，關於問題領域的知識表示成事實的方式，而法則用來處理事實。一般法則的形式有兩種：

IF 前提(antecedent) THEN 結論(consequent)

IF 狀態(situation) THEN 動作(action)

兩者意義皆可解釋為：若描述於前提項的狀態成立，則執行結論項所指定的動作。因此稱為IF-THEN 法則或生產法則。此知識表示法的優點是容易擴充及修改知識庫，缺點則是每條法則只能表示片段知識，不易表達較複雜或完整的知識。

2. 邏輯式知識表示法(Logical-based)

使用邏輯式知識表示法於專家系統在學理上是屬於最嚴謹的方式。1972年以述詞邏輯(predicate logic)為理論基礎的prolog 邏輯程式語言發明後更使得應用邏輯程式作人工智慧理論研究更加普遍及重要。邏輯可定義為研究推論規則的科學，其目的在從一些敘述的真偽來推論其他敘述之真偽。邏輯又可分成命題邏輯(propositional logic)、述詞邏輯(predicate logic)及模糊邏輯(fuzzy logic)，常用於智慧型系統的則為前兩者。

3. 框架式知識表示法(Frame-based)

框架式結構為Minsky 於1975 年首先提出用來表示固定形式思考模型的一種資料結構(Minsky,1975)。框架可視為語意網路知識表達方式中的一種特殊資料結構，允許將各事物之間的關係，以階層化的資訊結構存入知識庫中，其方式乃是根據人類的思維模式，利用分門別類的特性，將知識分類形成一種層次化的知識庫。關於一個物件或事件的知識被儲存於同一個記憶單位，當遭遇一個新的狀態時，則選擇一個合適的框架並推論出該狀態下的結果。框架為一般性的資料記錄結構，係由一個框架名、若干組槽及槽值所組合而成。這些槽可以為任何值或型態，每個槽包含槽名(slot name)、刻面(facet)和值(value)。框架具備繼承的特性且經常被組織成階層式架構，較上層的框架為較具一般性的類別，而較下層的框架則為這些類別的特殊化。框架是屬於靜態的資料結構且因其被動的性質，而缺乏靈活性。

4. 語意網路知識表示法(Semantic network)

語意網路早期是用來描述人類記憶內部結構的心理學模型，也用在表達英文語義方面，以網路結構來表達人類知識構造。Hendrix提出語意網路包含兩個基本的單元：節點(node)和弧(arc)，節點代表一般理念、指定物件、一般或是特定事件，弧用來描述節點之間的關係。一個用來表示棒球員理念的簡單的語意網路表示於圖2-3，藍色的部分是節點紅色的部分是弧。圖中一般的弧是用以代表階層關係(hierarchy)，分別表示”is-a”及”has-part”關係，也可以自行定義其他關係，而這些關係則建立了如同框架為基系統的同類性質繼承之階層架構。

但關係的描述詞可以任意建立，這會使系統無法判定這些關係所表達的意義，在節點方面也無法確定該節點表示的是類別或是實體，因為兩者都會出現在圖中。語意網路可任意擴增節點與弧，因而具有彈性的優點，但也因此在處理複雜的事物時，顯現結構化不足，容易變得龐大而不易管理。語意網路雖然於實際問題顯得不適用，但對於其他的知識表示法如框架式提供了基本的理論與架構，圖形化的表現方式也較容易使人瞭解。

知識庫(Knowledge Base)的表現方式，傳統的語意網路(semantic nets)以圖形化的表示方式較難表現為機器可讀的形式，且缺乏繼承的概念，在目前語意網(semantic web)的架構中，採用xml based 的方式，因此相關的標準例如RDF、DAML、OWL 均具有XML 的特性，並且透過規範可建立更豐富的資源關係，傳統最基本的關係只包含基本的階層關係，例如is-a、has-part、instance，若要呈現較複雜的關係例如遞移、交集…等關係就難以表示，在其他幾種的表示法也具有同樣的問題，或是這些方式表達的知識較難以分享和再利用，語意網路的關係描述詞非常豐富，但這些都是任意制訂，除了is-a 和part-of 外較難被機器運算，並且類別的實體和概念是表現在一起，一個事物可能同時扮演類別和實例兩個角色，在階層化的部分可以樹狀的表示知識，較容易發現階層性的關係。框架在關係的描述能力上十分缺乏，但具有將類別和實例分開的呈現方式，也階層化的呈現知識。法則最大的缺點在於無法呈現完整的知識，只能用單一的法則描述片段的知識。邏輯具有強大的描述能力和階層架構，但除了敘述邏輯外無法將類別和實體分開，以上這四種也無法用XML 的形式呈現。