Redes Semánticas

• Son esquemas de representación en Red, compuesta por nodos donde cada nodo
representa un dato. Se relacionan entre sí por medio de enlaces (flechas en el
diagrama).

• Los nodos representan objetos del dominio del problema y los arcos (flechas) sus
relaciones o asociación.

Ejemplo

Pájaro Animal

Donde la saeta significa "es un"

Las redes semánticas son estructuras utilizadas para la representación de conocimiento en

Inteligencia Artificial.

Son especialmente útiles para representar conocimiento de taxonomías.

Los nodos corresponden a Constantes de relaciónes tales como clases, propiedades e

Instancias (elementos de una clase).

Las aristas en la red semántica representan asociaciones entre clases.

Ejemplo
Tenemos dos objetos, Piolín y Pedro. Intuitivamente podemos inferir que Piolín es un ave dado
que canario es una subclase de ave y Piolín es un canario, podemos inferir también que Piolín
tiene alas.

No hay un significado preciso para una red semántica cualquiera, este dependerá de la aplicación y
debe ser especificado por el diseñador de la red.

Redes Semánticas en PROLOG

Para modelar redes semánticas en PROLOG, necesitamos codificar el grafo que

la representa. En nuestro ejemplo podemos utilizar los predicados.

Instancia (Objeto, Clase)

Utilizado para decir que el argumento Objeto pertenece al argumento Clase. En

nuestro ejemplo tendremos los hechos

Instancia (piolín, canario).

Instancia (pedro, halcón).

Subclase (Clase1, Clase2)

para indicar que la clase Clase1 está contenida en, o forma parte de la clase
Clase2. En nuestro ejemplo tendremos:

Subclase(canario, ave).

Subclase (halcon,ave).

tiene p(Clase1,Propiedad, Clase2)

Representa una relación entre dos clases, indica que la clase Clase1 está
relacionada con la clase Clase2 mediante la caracteristica Propiedad.

• En nuestro ejemplo:

• tiene_p(canario,come,semillas).

• tiene_p(ave,tiene,alas).

• tiene_p(ave,tiene,plumas).

• tiene_p(halcon,tiene,deseos).
REDES Y BUSQUEDAS BASICAS

Estrategias de búsquedas

No Informadas ó a Ciegas: No se tiene información adicional acerca de los

estados. La única información es la que proporciona la formulación del problema.

Sólo generan sucesores y distinguen si han llegado al objetivo ó no.

Informadas ó Heurísticas: Se conoce cuando un estado no es objetivo, y si es mas

“prometedor” que otro.

Criterios para evaluar las estrategias.

Completitud
¿La estrategia garantiza encontrar una solución, si es que esta existe?
Complejidad en tiempo
¿Cuánto tiempo se necesitara para encontrar una solución?
Complejidad en espacio
¿Cuánta memoria se necesita para efectuar la búsqueda?
Optimización.

Medición de buen éxito en la solución del problema

costo de búsqueda = tiempo/memoria para encontrar la solución

costo total = costo de trayectoria + costo de búsqueda.

METODOS CIEGOS

Búsqueda en Profundidad

Búsqueda en Amplitud

Búsqueda no Determinística.

Búsqueda en Profundidad

Toma los hijos de cada nodo y avanza a partir de ese hijo.

Otras alternativas del mismo nivel se ignoran por completo, en tanto haya
posibilidades de alcanzar la meta mediante la selección original. Se busca en las
ramas de izquierda a derecha.
Búsqueda en Amplitud

Revisa todas las trayectorias de una longitud dada antes de avanzar a una
trayectoria más larga.

Búsqueda no Deterministica

Se puede tener tan poca información sobre un problema al grado de que no sea
posible descartar un factor de ramificación grande o trayectorias largas carentes
de utilidad.
La busqueda no deterministica consiste en buscar un termino medio entre la
búsqueda en profundidad y la búsqueda en amplitud.

Problema del Laberinto

En el siguiente laberinto, se puede pasar desde una casilla a otra de las posibles
adyacentes (arriba, abajo, izquierda, derecha), salvo si existe una barrera entre
ellas.