python实现网络通信,Python 网络

　　先说我在《信息工程》上发表的一篇论文的前言。

　　知识图的概念是Google在2012年正式提出的，旨在实现更智能的搜索引擎。自2013年开始在学术界和业界推广，在智能问答、情报分析、反欺诈等应用中发挥了重要作用。知识地图本质上是一种称为语义网络的知识库，即具有有向图结构的知识库，其中图的节点表示实体或概念，图的边表示实体/概念之间的各种语义关系，例如两个实体之间的相似性。语义网络[1]于20世纪50年代末60年代初提出，代表人物是M. Ross Quillian和Robert F. Simmons。语义网络可以看作是一种存储知识的数据结构，即基于图的数据结构，其中图可以是有向图，也可以是无向图。利用语义网络，可以方便地将自然语言句子用图形表示和存储，用于机器翻译[2]、问答系统[3]和自然语言理解[4]。这里有一个例子。例如，要表达句子John gave a book to dydxss，可以用如下语义网络来表达：

　　这句话的核心是一个事件，触发词是give(过去式give)，事件的主语(施事)是John，宾语是object，宾语是book，宾语(受益人)是dydxss。这种表示法沿用至今。语义网络提出时，有研究者评论说，语义网络并不比自然语言更适合表达人类的知识。其实这就引发了一个关于人类自然语言什么样的表达才是合理的讨论。是直接用我们自然语言的句子表达，还是用谓词逻辑(https://www.cs.cmu.edu/~ FP/courses/15317-F00/manuals/linear . pdf)线性表达，还是用图形(即语义网络)表示，还是用向量(即最近流行的单词嵌入)表示？约翰索瓦指出，早在公元3世纪希腊哲学家和逻辑学家波尔菲里就提出了亚里士多德用图的分类法(波尔菲里树——维基百科):

　　这棵树其实就是一个TBox(术语箱)，是术语逻辑的早期作品。与自然语言文本的表示相比，语义网络的图结构能更好地表示自然语言的结构，从而更好地提取自然语言的语义。

　　接下来的问题是，语义网络的表达能力是否足够？自然语言的所有知识都适合用语义网络来表示吗？为了回答这个问题，自20世纪70年代以来，人们做了大量的工作来研究语义网络和一阶谓词逻辑之间的关系。例如，参考文献[5]提供了将一个语义网络转换成谓词逻辑形式的算法，而参考文献[6]展示了如何在一阶谓词逻辑中使用语义网络来表达连接词和量词。这说明语义网络具有和一阶谓词逻辑一样的表达能力。但是既然语义网和一阶逻辑的表达能力相当，为什么不直接用一阶逻辑呢？要回答这个问题，我们需要知道知识表示和推理方法的评价标准是什么。评价一种知识表示和推理方法后，不仅要看这种方法是否足以表示知识，还要看这种方法是否支持高效推理。众所周知，一阶谓词逻辑的推理是不可判定的(不可判定逻辑系统_百度百科)，一阶逻辑的线性表示使得并行推理变得困难。相比较而言，由于语义网络是用图来表示的，所以可以使用一些并行计算框架，比如Pregel来进行推理，这样就可以构建一个高效的并行推理机。

　　20世纪80年代，人工智能研究的主流成为知识工程和专家系统，尤其是基于规则的专家系统成为研究的热点。在这一时期，语义网理论日趋完善，尤其是基于语义网的推理出现了大量的工作(例如[7]中的工作)，语义网的研究开始转向具有严格逻辑语义的表示和推理。从20世纪80年代末到90年代，语义网络的工作集中在对概念之间的关系进行建模，并提出术语逻辑和描述逻辑。这一时期的代表作是Brachman等人提出的经典语言[8]和Horrock实现的事实推理机[9]。21世纪，语义网有了新的应用场景，即语义网。语义网是由Web的创始人Berners-Lee及其合作者提出的[10]。通过W3C1的一些标准，实现了对Web的扩展，使得数据可以在不同的应用中共享和重用。语义Web与传统Web的一个很大的区别是，用户可以上传各种图结构的数据(采用W3C标准RDF)，数据被链接起来形成链接数据[11]。链接数据项目汇集了很多高质量的知识库，如Freebase、DBpedia、Yago等，这些知识库都来自于维基百科这个由人类编辑的大型知识库。这些高质量知识库的发布，为谷歌知识图谱项目的成功奠定了坚实的基础。

　　参考

　　[1]约翰f索瓦：语义原则

　　网络：知识表征的探索，摩根考夫曼

　　加利福尼亚州圣马特奥出版社，1991年。

　　[2]罗伯特f西蒙斯

　　机器翻译[J] //未来一代Comp。系统。2(2): 83-94 (1986)

　　[3]罗伯特f西蒙斯：自然语言

　　问答系统：1969 [J] //Commun。ACM 13(1): 15-30 (1970年)

　　[4]俞永浩，罗伯特西蒙斯：真正的平行

　　对正文的理解[C] //AAAI 1990: 996-1001

　　[5]罗伯特西蒙斯，伯特伦布鲁斯。一些

　　谓词演算与语义网表示的关系

　　话语[C] //IJCAI 1971: 524-530

　　[6]伦哈特k舒伯特。扩展

　　语义网络的表达能力[C] //IJCAI 1975: 158-164

　　[7]斯科特法赫曼，戴维图尔茨基，

　　沃尔特范罗根：平行语义网络中的取消。1981年国际法学家委员会：

　　257-263

　　[8]罗纳德j布拉奇曼，德博拉l

　　麦克吉尼斯，彼得帕特尔-施耐德，亚历山大博尔吉达：“减少”

　　经典到实践：知识表征理论遇见现实[J] //

　　阿提夫。智能。114(1-2): 203-237 (1999)

　　9伊恩霍罗克斯。事实系统[C] //

　　场景1998: 307-312

　　[10]粗糙的酒窝伯纳斯-李，詹姆斯亨德勒，奥拉

　　莱西拉。语义网[C] //科学美国人杂志，2001。

　　[11]克里斯蒂安比泽尔，汤姆希斯，《粗糙的酒窝》。

　　Berners-Lee:关联数据-迄今为止的故事[J]//Int。语义网Inf。

　　系统。5(3): 1-22 (2009)

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。