INTELIGENCIA ARTIFICIAL

REDES
SEMANTICAS Y
BUSQUEDAS

Ing. Jaime Polo Rome 1

 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).

Ing. Jaime Polo Rome 2

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

Ing. Jaime Polo Rome 3

• Ejemplo

Pájaro Animal

donde la saeta significa "es un"

Ing. Jaime Polo Rome 4

•Las redes semánticas son
estructuras utilizadas para la
representación de conocimiento
en Inteligencia Artificial.
•Son especialmente útiles para
representar conocimiento de
taxonomías.
Ing. Jaime Polo Rome 5
• 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.

Ing. Jaime Polo Rome 6

Ejemplo

Ing. Jaime Polo Rome 7

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.
Ing. Jaime Polo Rome 8
 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(piolin,canario).
instancia(pedro,halcon).

Ing. Jaime Polo Rome 9

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).

Ing. Jaime Polo Rome 10

• 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).
Ing. Jaime Polo Rome 11
Como se ve en este ejemplo, un grafo
cualquiera puede ser codificado con un
pequeño programa en PROLOG en el que los
nodos, y los arcos (junto con sus etiquetas)
son modelados como conjuntos de hechos.
Los ejemplos de árboles genealógicos que
hemos visto son una clase particular de red
semántica en donde la mayoría de los nodos
son instancias que están relacionadas por
propiedades como ser hijo de.

Ing. Jaime Polo Rome 12

REDES Y BUSQUEDAS
BASICAS

Ing. Jaime Polo Rome 13

 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.

Ing. Jaime Polo Rome 14

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
¿Con esta estrategia se encontrará una
Solución Óptima?
Ing. Jaime Polo Rome 15
 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

Ing. Jaime Polo Rome 16

 Nodo Raíz
S

El nodo raíz denota la trayectoria

que comienza y termina en el nodo
A inicial S.
El hijo del nodo raíz con etiqueta A
Representa la trayectoria S-A.
Las trayectorias como S-A, que no
B D
alcanzan las metas se conocen
como trayectorias Parciales. Las
trayectorias que alcanzan la meta
E se llaman trayectorias completas, y
C E
el nodo correspondiente es un
nodo meta.
D F Nodo Hoja

Ing. Jaime Polo Rome 17

 METODOS CIEGOS

Búsqueda en Profundidad
Búsqueda en Amplitud
Búsqueda no Deterministica

Ing. Jaime Polo Rome 18

 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.

Ing. Jaime Polo Rome 19

 Búsqueda en Profundidad
1

2 8 13

3 7 9 12 14 16

4 10 11 15 17 18

goal
5 6

Ing. Jaime Polo Rome 20

 Búsqueda en Amplitud

Revisa todas las trayectorias de una

longitud dada antes de avanzar a una
trayectoria más larga.

Ing. Jaime Polo Rome 21

 Búsqueda en Amplitud
1

2 3 4

5 6 7 8 9 10

11 12 13 14

goal

Ing. Jaime Polo Rome 22

 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.
Ing. Jaime Polo Rome 23
 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

Ing. Jaime Polo Rome 24

Objetivo: ir de I a F

Ing. Jaime Polo Rome 25

Busqueda en Profundidad

Ing. Jaime Polo Rome 26