前两章分别以谓词逻辑和产生式规则为核心，解决了"如何用形式化语言精确表达知识"以及"如何用规则高效驱动推理"的问题；然而，现实世界的知识具有结构性、层次性、过程性与关联性等多重特征，单一表示方法难以胜任。本章正是对这一需求的回应——在本科"智能系统"课程中，知识表示是连接"推理算法"与"领域应用"的关键枢纽，直接决定了系统能否准确捕获并有效利用人类专家经验。
本章的学习内容围绕"知识如何被结构化组织"展开，涵盖框架表示法、脚本表示法、语义网络及面向对象表示四大核心方法。框架表示以"槽-值"结构刻画对象的静态属性，通过ISA、AKO等继承机制实现概念的层次复用；脚本表示作为框架的特化形式，以固定的事件序列描述典型场景（如餐厅就餐），擅长表达过程性知识；语义网络则以节点与有向边构建概念关联图，通过ISA、Part-of、Have等关系直观呈现知识的联想结构；面向对象表示将封装与继承引入知识工程，使表示方法与软件实现自然衔接。此外，本章还涉及替代表示与直接表示、局部表示与分布表示等分类视角，为理解神经网络等现代表示方法提供历史参照。
这些表示方法与前两章的推理技术形成紧密的支撑与互补关系。谓词逻辑提供最底层的形式化语义，框架与语义网络中的ISA、AKO关系本质上都是谓词逻辑中类属关系的图形化或结构化表达；产生式系统的规则匹配在框架网络中表现为沿继承链的属性查找，在语义网络中则体现为子图同构的模式匹配。更重要的是，不同表示方法之间存在明确的能力互补：谓词逻辑长于精确演绎但缺乏结构性，产生式规则擅长因果推理但难以表达层次，框架与语义网络则以牺牲部分形式化严格性为代价，换取了对人类认知结构的贴近。理解这种"表示—推理—应用"的三角关系，有助于把握智能系统设计的核心权衡，也为后续学习知识图谱、本体工程及大语言模型的知识嵌入等前沿方向，奠定完整的认知地图。
