知识表示系统中有两种推理技术，程序性推理和描述性推理。大部分系统把这两种方法在某种程度上结合起来，这些做法从完全的描述性表示逐步过渡到完全的程序性表示，从而具有连续统一性。这种连续统一的描述性一端是基于逻辑的定理证明器。在这一推理方法中，知识库是一个公理的集合，而推理过程通过演绎性的定理证明算法来实现。在一个严格的描述性推理系统中，重点是给知识表示中的表达式赋予某种形式的语义，而这些表达式是独立于推理模块的。
另一方面，程序性推理系统强调的是表示的推理方面，在极端情况下，知识库中的表达式没有被赋予任何其他意义，完全独立于程序是操作这些表达式的方式。基于程序性的表示系统的一个例子可以是这样的系统：没有任何关于数学知识的外在表示(如Peano算术公理）的情况下，利用计算机内嵌的算术函数来计算算术表达式的值。实际上，程序性系统在定义完备的领域的特定推理任务中是非常有效的。但更多的情况是，由于形式化的缺乏，导致很难对其进行分析。
考虑这样的例子。这一推理过程可以是程序性的或描述性的。一个完全的描述性推理方法中，将关于子类型和角色的事实刻画为公理，通过标准的演绎推理得到继承的属性。比如，给定图1中的简单网络，下面的一阶谓词演算公理可以表示这一信息：
1. ∀ x. ACTION(x) ⊃ 彐a. AGENT(x, a) & ANIMATE(a)
2. ∀ a 彐 x. ACTION(x) & AGENT(x, a) ⊃ ANIMATE(a)
3. ∀ x. OBJ/ACTION(x) ⊃ACTION(x)
4. ∀ x. OBJ/ACTION(x) ⊃ 彐o. THEME(x, o) & PHYSOBJ(o)
5. ∀ o 彐 x. OBJ/ACTION(x) & THEME(x, o) ⊃ PHYSOBJ(o)
利用这些公理，可以证明类OBJ/ACTION继承了AGENT的角色。换言之，对于任何对象A，如果OBJ/ACTION（A）为真，则可以证明A具有agent的功能；即根据公理1和公理3可以得到：
彐 a. AGENT(A, a) & ANIMATE(a)
上面例子的一个程序性版本是这样一个程序：从指定的节点OBJ/ACTION开始，寻找该节点的所有角色，然后顺着S边到达父类ACTION，再找到附属于它的角色。这一过程得到的所有角色的集合就是答案。这样，任何OBJ/ACTION都具有AGENT角色，此功能是从类ACTION继承来的。
图1 简单继承的例子
虽然这两种技术得到相同的结果，但是前者利用的是演绎技术，而后者利用的是遍历整幅图的方法。前者具有较严格的定义，而后者可能执行效率更高。类似于这个例子，在可以证明这两种技术能够得到相同结果的情况下，可以采用这两种方法的长处，即严格定义的语义和高效的推理过程。
责任编辑：admin
上一篇：机器处理量词的方式
下一篇：背景知识的表示及处理
微信公众号搜索“译员”关注我们，每天为您推送翻译理论和技巧，外语学习及翻译招聘信息。