vtk与python实现的机械臂三维模型可视化详解——基于语义网络表示法

（4）语义网络表示法 1960年，认知科学家Allan M.Collins提出了语义网络（Semantic Network）的知识表示方法。语义网络是一种通过实体以及实体间语义关 系表达知识的有向图。在图中，节点表示事物、属性、概念、状态、事 件、情况、动作等含义，节点之间的弧表示它所连接的两个节点之间的语 义关系，根据表示的知识情况需要定义弧上的标识，一般该标识是谓词逻 辑中的谓词，常用的标识包括实例关系、分类关系、成员关系、属性关 系、包含关系、时间关系、位置关系等。语义网络由语义基元构成，语义 基元可通过三元组（节点1，弧，节点2）描述，语义网络由若干个语义基 元及其之间的语义关联关系组成。语义网络表示法具有广泛的表示范围和 强大的表示能力，表示形式简单直接、容易理解、符合自然。然而语义网 络存在节点与边的值没有标准，完全由用户自己定义，不便于知识的共享 问题、无法区分知识描述与知识实例等问题。 2、基于表示学习的知识表示方法 早期知识表示方法与语义网知识表示法通过符号显式地表示概念及其 关系。事实上，许多知识具有不易符号化、隐含性等特点，因此仅通过显 式表示的知识无法获得全面的知识特征。此外，语义计算是知识表示的重 要目标，基于符号的知识表示方法无法有效计算实体间的语义关系，如图 4.4和4.5所示。