Semantische Netze sind eine Methode zur Wissensrepräsentation in der symbolischen Künstlichen Intelligenz. Sie stellen Wissen in graphischer Form dar und bestehen aus Knoten (Konzepte, Objekte) und Kanten (Beziehungen zwischen den Konzepten).
Ein Semantisches Netz setzt sich aus folgenden Elementen zusammen:
Angenommen, wir wollen Wissen über Tiere darstellen:
Lebewesen
│
┌────────┴────────┐
│ │
Tier Pflanze
│
┌────┴─────┐
│ │
Säugetier Vogel
│ │
Hund Spatz
Hier können wir bestimmte Beziehungen definieren:
ist-ein(Hund, Säugetier): Ein Hund ist ein
Säugetier.hat(Hund, Fell): Ein Hund hat Fell.ist-ein(Säugetier, Tier): Ein Säugetier ist ein
Tier.✅ Anschaulichkeit: Wissen wird in einer intuitiven,
graphischen Form dargestellt.
✅ Vererbung: Gemeinsame Eigenschaften können von
übergeordneten Knoten übernommen werden.
✅ Einfache Erweiterbarkeit: Neue Knoten und
Beziehungen können hinzugefügt werden.
❌ Mehrdeutigkeiten: Manche Konzepte lassen sich
nicht eindeutig hierarchisch einordnen.
❌ Unflexibilität bei komplexen Relationen: Netze
müssen mit zusätzlichen Regeln ergänzt werden.
❌ Skalierungsprobleme: Große Wissensnetze werden
schnell unübersichtlich.
Frames sind eine weiterentwickelte Form der Wissensrepräsentation und basieren auf strukturierten Datenobjekten. Sie wurden entwickelt, um Wissen über Objekte, deren Eigenschaften und Beziehungen kompakter zu organisieren.
Ein Frame besteht aus Slots (Attribute, Eigenschaften) und Werten (Daten, Fakten).
Frame: Hund
Fell: jaBeine: 4Laut: Bellenist-ein: Säugetierbesitzt: Schwanzkann: Laufen, Bellen✅ Strukturierte Darstellung: Klare Trennung von
Objekten und Eigenschaften.
✅ Flexibilität: Kann mit
Default-Werten (z. B. „Hunde haben Fell“) und
Ausnahmen umgehen.
✅ Modularität: Frames können hierarchisch organisiert
werden und ermöglichen Vererbung.
❌ Eingeschränkte Inferenzmöglichkeiten: Frames
allein können keine komplexen Schlussfolgerungen ziehen.
❌ Manuelle Modellierung: Die Erstellung von
Frame-Systemen erfordert detailliertes Domänenwissen.
❌ Unzureichend für unscharfe Konzepte: Unscharfes oder
probabilistisches Wissen kann schwer modelliert werden.
| Merkmal | Semantische Netze | Frames |
|---|---|---|
| Repräsentationsform | Graphenstruktur | Objektbasierte Struktur |
| Hauptanwendungsgebiet | Hierarchien, Beziehungen zwischen Objekten | Strukturierte Wissensrepräsentation |
| Vererbung | Ja (von Knoten zu Knoten) | Ja (von übergeordneten Frames) |
| Flexibilität | Gut für einfache Relationen | Gut für komplexe Objektmodelle |
| Eignung für große Wissensbasen | Begrenzt durch Skalierungsprobleme | Bessere Skalierbarkeit durch Modularität |
📌 Natürliche Sprachverarbeitung (NLP):
Begriffsnetze zur semantischen Analyse von Texten.
📌 Expertensysteme: Nutzung von Frames zur Darstellung
medizinischer Diagnosen.
📌 Wissensgraphen (z. B. Google Knowledge Graph):
Kombination aus Semantischen Netzen und Frames zur Repräsentation von
Fakten.
📌 Robotik und autonome Systeme: Wissensrepräsentation
über Objekte und deren Eigenschaften in der Umgebung.