Wissensrepräsentation

Für viele Computeranwendungen sind geeignete Konzepte der Wissensrepräsentation erforderlich. Die Frage ist dabei, wie man Wissen in einem Informationssystem (Wissensbasis) formal speichern kann, und mit welchen Mechanismen man darauf zugreift und das Wissen nutzen kann, um Schlussfolgerungen zu ziehen.

Angewendet werden die Verfahren der Wissensrepräsentation beim Bau von Expertensystemen, maschinellen Übersetzungsprogrammen, Systemen für computerunterstützte Wartung und Datenbankabfrageprogrammen.

Verschiedene Notationen und (künstliche) formale Sprachen sind vorgeschlagen worden, um Wissen zu repräsentieren: Mit DATR, zum Beispiel, wird lexikalisches Wissen repräsentiert.

Kriterien für die Repräsentationsgüte

Wichtige Kriterien für die Wahl eines Wissensrepräsentations-Systems sind:

Korrektheit: Wie wird korrekte Syntax und korrekte Semantik sichergestellt?
Adäquatheit/Expressivität/Mächtigkeit: repräsentiert die Sprache die benötigten Ontologiebestandteile eindeutig und flexibel genug?
Effizienz: wie effizient kann geschlussfolgert werden?
Komplexität: wie steil ist die Lernkurve zur Wissensabbildung und der Wissensabfrage
Übersetzbarkeit in andere Syntaxformate bzw. Sprachen

Arten von Repräsentationssystemen

Es existieren verschiedene Systeme zur Wissensordnung und -repräsentation. Grob aufsteigend geordnet nach dem Grad ihrer Mächtigkeit sind dies:

Katalog, Glossar, Taxonomie (einfache Kontrollierte Vokabularien)
Klassifikation, Thesaurus (begrenzte Zahl von Relationen i.d.R. ohne Vererbungsrelation)
Semantisches Netz, Ontologie, Frames
Axiomensystem, Prädikatenlogik

Die jeweils höheren Systeme schließen in ihrer Aussagekraft die niedrigeren Systeme mit ein. Allerdings sind einfachere Systeme auch einfacher zu handhaben und reichen für viele Zwecke aus.

Im Gegensatz zur Wissensrepräsentation liegt der Schwerpunkt bei der Wissensorganisation mehr auf der Ordnung bestehender Wissensbestände, die nicht selbst dargestellt werden sollen, sondern auf die mittels Metadaten verwiesen wird.

Literatur

R. J. Brachman, H. J. Levesque: Readings in Knowledge Representation. Morgan Kaufmann, Los Altos, 1985