概念词汇表：K¶

本页整理拼音首字母为 K 的中文概念词条。词条正文由单词源文件 include 生成。

k-NN，k 近邻¶

• 含义：k-NN 会找到与新输入最接近的 k 个已存案例，并用这些邻居的多数投票或平均值进行预测。它不是先学习复杂的全局公式，而是直接利用相近案例。
• 为什么重要：k-NN 提供了非常直接的案例比较直觉。它说明距离、特征尺度和邻居数量 k 会怎样强烈影响模型行为。
• 相关概念：最近邻，距离，尺度
• 中心 Section：P4-12.1
• 出现 Section：P4-12.2

键¶

• 含义：键是在字典等映射结构中查找值所用的名称或标识符。列表索引指向位置，而键更像带有意义的名称标签。
• 为什么重要：配置、JSON 和元数据通常必须把键和值一起读才有意义。同一个值连接到不同键时，含义可能完全不同。
• 相关概念：字典，映射，值
• 中心 Section：P2-8.3
• 出现 Section：P2-8.4, P2-9.4

知识获取¶

• 含义：知识获取是把专家判断和领域知识转成系统可使用的规则或结构的过程。它把人的经验知识转换成机器可处理的形式。
• 为什么重要：规则系统的困难不只是实现，还包括提取、检查、编码并持续维护高质量知识。
• 相关概念：专家系统，知识库，知识表示
• 中心 Section：P1-3.1

知识库¶

• 含义：知识库是系统可查询的规则、事实、关系和领域信息的结构化存储。它把知识材料和应用这些材料的过程分开。
• 为什么重要：这个概念帮助读者看到规则系统不只是很长的条件语句。知识库存放材料，推理过程负责使用这些材料。
• 相关概念：规则系统，知识表示，推理引擎
• 中心 Section：P1-3.1
• 出现 Section：P1-2.1, P1-3.3

知识表示¶

• 含义：知识表示是把事实、关系、规则和约束整理成计算机可以查看、比较和推理的形式。
• 为什么重要：符号 AI 不只关心有哪些知识，也关心这些知识如何写下来。表格、规则、图和逻辑形式会支持不同的问题和推理过程。
• 相关概念：符号 AI，规则系统
• 中心 Section：P1-2.1
• 出现 Section：P1-2.2

KV 缓存¶

• 含义：KV 缓存会保存先前 token 已经计算出的 key/value 表示，使后续生成 token 时可以复用，而不必从头重新计算。
• 为什么重要：长上下文生成如果每一步都重新计算全部过去上下文，速度会明显变慢。KV 缓存把生成速度和成本连接到系统如何复用先前计算。
• 相关概念：查询-键-值，上下文窗口，长上下文
• 中心 Section：P6-4.3
• 出现 Section：P5-14.2