Skip to main content

Part of the book series: Leitfäden und Monographien der Informatik ((LMI))

  • 80 Accesses

Zusammenfassung

Die grundlegende Idee bei der Verwendung des in Kapitel 2 behandelten Prädikatenkalküls 1. Ordnung zur Wissensrepräsentation und Inferenz liegt in der Darstellung von Fakten und Regeln eines Problembereichs durch logische Formeln und der Anwendung eines Systems von Inferenzregeln, z.B. der Resolutionsregel, zur Ableitung von Schlussfolgerungen. Die atomaren Einheiten bilden hierbei Objekte, dargestellt durch Variablen oder Konstanten unter eventueller Zuhilfenahme von Funktionen, sowie Relationen zwischen diesen. Bei der Verwendung von semantischen Netzen für die Wissensrepräsentation spielt ebenfalls die Darstellung von Objekten und Relationen eine fundamentale Rolle. Der Aspekt der expliziten Darstellung von Regeln zur Ableitung von Schlussfolgerungen tritt hier jedoch in den Hintergrund zugunsten der Modellierung des Aufbaus komplexer Objekte und Sachverhalte aus vielen Einzelkomponenten sowie der Darstellung von Objekthierarchien. Semantische Netze sollen nicht nur die Speicherung einzelner Wissenseinheiten erlauben, sondern auch den Zugriff auf „benachbartes“ Wissen ermöglichen. Man spricht deshalb anstelle von semantischen Netzen manchmal auch von „assoziativen“ Netzen oder Netzwerken. Semantische Netze gelten ähnlich dem Prädikatenkalkül 1. Ordnung als „klassische“ Methode der Wissensrepräsentation in der künstlichen Intelligenz. Sie treten heute in vielen syntaktischen Variationen auf. Im vorliegenden Kapitel werden — weitgehend unabhängig von den verschiedenen konkreten äusseren Darstellungsformen — die grundlegenden Eigenschaften semantischer Netze behandelt. Ausgangspunkt und Basis hierfür bilden Graphen und Relationalstrukturen, denen Abschnitt 3.1 gewidmet ist.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 69.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Bibliografischer Rückblick

  1. Ballard, D.H., Brown, C.M.: Computer Vision. Prentice Hall, Englewood Cliffs, New Jersey, 1982

    Google Scholar 

  2. Bobrow, D.G., Stefik, M.: The LOOPS Manual. Xerox Corp., Palo Alto, Ca., 1983

    Google Scholar 

  3. Bobrow, D.G., Winograd, T.: An Overview of KRL, a Knowledge Representation Language. Cognitive Science 1 (1977) 3–46

    Article  Google Scholar 

  4. Brachman, R.J., Schmolze, J.G.: An Overview of the KL-ONE Knowledge Representation System. Cognitive Science 9 (1985) 171–216

    Article  Google Scholar 

  5. Findler, N.V. (ed.): Associative Networks. Academic Press, Orlando etc., 1979

    MATH  Google Scholar 

  6. Goldberg, A., Robson, D.: SMALLTALK-80 The Language and its Implementation. Addison-Wesley, Reading, Ma., 1983

    MATH  Google Scholar 

  7. Hanson, A.R., Riseman, E.M.: VISIONS: A Computer System for Interpreting Scenes. In Hanson, A.R., Riseman, E.M. (eds.): Computer Vision Systems. Academic Press, New York (1978), 303–333

    Google Scholar 

  8. Hayes, P.H.: The Logic of Frames. In Metzing, D. (ed.): Frame Conceptions and Text Understanding. Walter de Gruyter, Berlin (1979), 46–61

    Google Scholar 

  9. Kunz, J.C., Kehler, T.P., Williams, M.D.: Applications Development Using a Hybrid AI Development System. The AI Magazine 5 (1984) 41–54

    Google Scholar 

  10. Minsky, M.: A Framework for Representing Knowledge. In Winston, P.H. (ed.): The Psychology of Computer Vision. Mac Graw Hill, New York (1975), 211–277

    Google Scholar 

  11. Mylopoulos, J., Shibahara, T., Tsotsos, J.K.: Building Knowledge Based Systems: The PSN Experience. IEEE Computer Magazine (1983) 83–89

    Google Scholar 

  12. Nilsson, N.J.: Principles of Artificial Intelligence. Springer, Berlin, Heidelberg, New York, 1983

    Google Scholar 

  13. Schubert, L.K.: Extending the Expressive Power of Semantic Networks. Artificial Intelligence 7 (1976) 163–198

    Article  MathSciNet  Google Scholar 

  14. Tsotsos, J.K., Mylopoulos, J., Covvey, H.D., Zucker, S.W.: A Framework for Visual Motion Understanding. IEEE Trans. PAMI-2 (1980) 563–573

    Google Scholar 

  15. Walker, D.E.: SRI Research on Speech Understanding. In Lea, W.(ed.): Trends in Speech Recognition. Prentice-Hall, Englewood Cliffs, New Jersey (1980), 294–315

    Google Scholar 

  16. Winston, P.H., Horn, B.K.P.: LISP. Addison-Wesley, Reading, Ma., 1981

    MATH  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 1987 B. G. Teubner Stuttgart

About this chapter

Cite this chapter

Niemann, H., Bunke, H. (1987). Relationalstrukturen und semantische Netze. In: Künstliche Intelligenz in Bild- und Sprachanalyse. Leitfäden und Monographien der Informatik. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-96664-3_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-96664-3_3

  • Publisher Name: Vieweg+Teubner Verlag, Wiesbaden

  • Print ISBN: 978-3-519-02261-9

  • Online ISBN: 978-3-322-96664-3

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics