人工智能第四章讲义111.pptx
《人工智能第四章讲义111.pptx》由会员分享，可在线阅读，更多相关《人工智能第四章讲义111.pptx（111页珍藏版）》请在冰点文库上搜索。
第四章知识表示,4.1概述4.2产生式表示4.3语义网络表示4.4框架表示4.5其他表示方法,4.1概述,人工智能研究中最基本的问题之一,如何表示知识？
知识的定义,Feigenbaum：
知识是经过消减、塑造、解释和转换的信息。
Bernstein：
知识是由特定领域的描述、关系和过程组成的。
Hayes-roth（斯坦福大学教授）：
知识是事实、信念和启发式规则。
知识库的观点：
知识是某领域中所涉及的各有关方面的一种符号表示。
NEXT,爱德华费根鲍姆（EdwardA.Feigenbaum）,知识工程的提出者大型人工智能系统的开拓者,返回,费根鲍姆-知识工程的创始人,年，费根鲍姆教授提出了知识工程的概念，成为知识可操作化的一个里程碑。
多年来，知识工程的研究有了很大发展。
知识工程的处理对象已从规范化的、相对好处理的知识进一步深入到非规范化的、相对难处理的知识。
它的处理规模和方式从封闭式扩大为开放式，从小手工作坊式的知识工程扩大为能进行海量知识处理的大规模工程。
返回,知识的种类,事实性知识：
采用直接表示的形式。
如：
凡是猴子都有尾巴过程性知识：
描述做某件事的过程。
如：
红烧肉做法行为性知识：
不直接给出事实本身，只给出它在某方面的行为。
如：
微分方程、（事物的内涵）.,NEXT,猴子,返回,红烧肉做法,返回,红烧肉做法,1、主料：
五花腩，五层三花的肚腩肉。
2、配料：
八角茴、大蒜子。
大蒜去皮，至少要2头3、开始做红烧肉先就植物油烧热后。
放入一小勺白糖，（上色用）这时火要开小一点，待糖熔化变成酱油色，倒入五花肉、八角茴翻炒炒到肉开始转色。
4、开始焖：
放入足够的热水，要盖过肉多一点，烧开后改小火，加盖小火焖1个小时左右。
5、等水份烧干开始出油时，加入大蒜、盐、味精。
6、再焖几分钟，将肉和大蒜拌匀，再放一点开水焖几分钟就行了。
返回,.实例性知识：
只给出一些实例，知识藏在实例中。
类比性知识:
即不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处。
如：
比喻、谜语元知识：
有关知识的知识。
最重要的元知识是如何使用知识的知识，如何从知识库中找到想要的知识。
知识的种类,知识的要素,事实：
事物的分类、属性、事物间关系、科学事实、客观事实等。
（最低层的知识）规则：
事物的行动、动作和联系的因果关系知识。
（启发式规则）。
控制：
当有多个动作同时被激活时，选择哪一个动作来执行的知识。
（技巧性）元知识：
高层知识。
怎样使用规则、解释规则、校验规则、解释程序结构等知识。
知识表示研究用机器表示知识的可行性、有效性的一般方法。
知识表示是理智推理的部分理论。
知识表示是有效计算的载体。
知识表示是交流的媒介。
知识表示的定义,选取知识表示的因素,表示范围是否广泛是否适于推理是否适于计算机处理是否有高效的算法能否表示不精确知识能否模块化总之,知识和元知识能否用统一的形式表示是否加入启发信息过程性表示还是说明性表示表示方法是否自然,选取知识表示的因素,.总之，人工智能问题的求解是以知识表示为基础的。
如何将已获得的有关知识以计算机内部代码形式加以合理地描述、存储、有效地利用便是知识表示应解决的问题。
知识表示的研究内容,表示观的研究表示方法的研究,知识表示观,知识表示与推理机分离注重常识知识的表示，忽略启发式方法的研究知识表示与推理为一体认为推理是表示中不可缺少的部分,表示方法分类,表示方法,直接表示,局部表示,分布表示,陈述性表示,过程性表示,语义网络表示,产生式表示,逻辑表示,框架表示,脚本表示,替代表示,知识表示研究的特点,智能行为特有的灵活性。
“常识问题”不能概括为一类简洁的理论，是大量小理论的集合。
AI的任务受到计算装置的约束。
这导致了所采用的“表示”必须同时满足“刻画智能现象”与“计算装置可以接受”，这两个有时是矛盾的条件。
表示方法,产生式规则表示法语义网络表示法框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,4.2产生式表示方法,美国数学家Post，1943年提出了一种计算形式体系里所使用的术语。
到了60年代，产生式系统成为认知心理学研究人类心理活动中信息加工过程的基础，用它来建立人类认知模型。
到目前为止，产生式系统已发展成为人工智能系统中最典型最普遍的一种结构。
产生式表示方法是专家系统的第一选择的知识表达方式。
1.事实的表示：
可看成是断言一个语言变量的值或是多个语言变量之间关系的陈述句，语言变量的值或语言变量间的关系可以是一个词，不一定是数字。
例1：
香蕉是黄色的。
语言变量香蕉，值黄色的例2：
小李喜欢小莉。
语言变量小李、小莉，关系值喜欢,4.2.1事实与规则的表示,一般用三元组（对象，属性，值）或（关系，对象1，对象2）例：
（Li,Age,25）,（Friend,Li,Chang）,4.2.1事实与规则的表示,2.规则的表示：
规则用于表示事物间的因果关系，来表达求解问题所需要的知识。
产生式规则的一般形式:
条件-行动或前提-结论即表示成：
ifthen例1：
如果天下雪，我就不骑车上班。
if天下雪then不骑车上班,4.2.1事实与规则的表示,产生式系统结构图,4.2.2产生式系统结构,4.2.2产生式系统结构,1数据库是一个数据的集合，用于存放在推理过程中的已知条件、推导出的中间结果和最终结论等。
往往是事实或断言。
这里的数据是广义的常量、变量、多元组、谓词、表、图像等。
存放的数据是构成产生式的基本元素，又是产生式作用的对象。
2规则集相当于系统的知识库，它采用“IFTHEN”的形式，来表达求解问题所需要的知识。
4.2.2产生式系统结构,客观规律知识,求解策略知识,规则,每条规则分为左右两个部分。
左部表示激活该规则的条件，右部表示调用该规则后所作的动作。
可触发规则：
当一个规则的前件被综合数据库中的数据满足时，该规则称为可触发规则。
被触发规则：
从可触发规则中选择一个规则来执行，被执行的规则称为被触发规则。
4.2.2产生式系统结构,3推理机（规则解释程序）匹配器：
判断规则条件是否成立。
冲突消解器：
选择可调用的规则。
解释器：
执行规则的动作，并在满足结束条件时终止产生式系统运行。
4.2.2产生式系统结构,产生式系统举例-字符转换问题,字符转换问题规则如下：
ABCACDBCGBEFDE已知：
A，B求：
F,产生式系统举例-字符转换问题,1.综合数据库综合数据库用集合x表示，其中x为字符。
2.规则集用“IFTHEN”的形式表示如下：
（1）IFABTHENC
（2）IFACTHEND（3）IFBCTHENG（4）IFBETHENF（5）IFDTHENE,产生式系统举例-字符转换问题,3.控制策略就是选择规则的方法，可采用按照规则的自然顺序选择规则的方法，这种策略称为顺序排队。
4.初始状态A，B，A、B是已知条件。
5.结束条件Fx，当目标F在综合数据库中出现时，则F被求得。
正向推理方法反向双向,4.2.3产生式系统的推理,基于与或树的推理,与或树,1、正向推理方法：
从已知数据出发，一步步应用规则，一直到推出结论。
又称自低向上推理方式或数据驱动方式,4.2.3产生式系统的推理,正向推理过程：
（1）用工作存储器中的数据与产生式规则的前提条件进行匹配。
（2）按冲突消解策略从匹配的规则中选择一条规则。
（3）执行选中规则的动作（依次）。
修改工作存储器。
（4）用更新后的工作存储器，重复上述工作，直到得出结论或工作存储器不再发生变化为止。
举例：
字符转换问题,4.2.3产生式系统的推理,2.反向推理方法：
从结论出发，一步步反向使用规则，最后看是否所有的前提条件都成立。
又称自顶向下推理方式或目标驱动方式,4.2.3产生式系统的推理,反向推理过程：
（1）首先假定结论正确，然后反向使用规则，看在哪些条件下该结论才能够成立。
（2）检查这些条件是否是已知条件。
如果全部是已知条件，则结论得证。
如果部分或者全部条件都是非已知的，则将这些条件看成是新的要求解的结论，用同样的逆向方法推断它们是否正确。
（3）依次类推，直到所有的条件都是已知的，就推导出了最初的结论。
4.2.3产生式系统的推理,3双向推理方法即自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。
该方法较正向或反向推理所形成的推理网络小，从而推理效果更高。
4.2.3产生式系统的推理,推理方法的选择推理方法的选择取决于推理的目标和搜索空间的形状。
如果目标是从一组给定事实出发，找出所有可能的结论，通常使用正向推理。
如果目标是证实或否定某一特定结论，通常使用反向推理。
4.2.3产生式系统的推理,与人类求解问题时的思维很相像，可用于模拟人类求解问题的思维过程。
可以把产生式系统作为人工智能系统的基本结构单元或基本模型看待，就像积木世界中的积木块一样。
4.2.4产生式表示的特点,优点模块性。
规则与规则之间相互独立灵活性。
知识库易于增加、修改、删除自然性。
方便地表示专家的启发性知识与经验透明性。
易于保留动作所产生的变化、轨迹,4.2.4产生式表示的特点,缺点：
效率低。
不能表示结构性的知识。
由于规则彼此之间不能调用。
4.2.4产生式表示的特点,应用实例：
用于化工工业测定分子结构的DENDRAL用于诊断脑膜炎和血液病毒感染的MYCIN估计矿藏的PROSPECTOR,4.2.4产生式表示的特点,4.3语义网络表示,产生式表示方法常用于表示有关领域中各个不同状态间的关系，但不适合表示事物间的分类关系。
槽和填槽表示方法便于表示这种分类知识。
这种表示方法包括语义网络、框架、概念从属和脚本。
1968年Quillian的博士论文建议用一种语义网络来描述人对事物的认知，实际上是对人脑功能的模拟。
语义网络多用于自然语言处理。
通过实体及其语义关系来表达知识语义网络由一些基本的语义单元组成语义单元（语义基元）：
每一个要表达的事实用一个“结点”表示，而事实之间的关系用“弧线”表示。
即，有向图表示的三元组，（结点1，弧，结点2）连接而成。
4.3.1语义网络的结构,某学校,小学生,属于,属于,动作目的,动作方式,多个语义基元通过相应的语义联系关联起来,语义网络,4.3.1语义网络的结构,例如：
小学生坐车去春游。
一、类属关系指具体有共同属性的不同事物间的分类关系、成员关系或实例关系。
体现“具体与抽象”、“个体与集体”的概念。
类属关系的一个最主要特征是属性的继承性，处在具体层的结点可以继承抽象层结点的所有属性。
4.3.2基本语义关系,类属关系常用属性：
A-Kind-of:
表示一个事物是另一个事物的一种类型A-Member-of:
表示一个事物是另一个事物的成员Is-a:
表示一个事物是另一个事物的实例,4.3.2基本语义关系,注：
在类属关系中，具体层的结点除了具有抽象层结点的所有属性外，还可以增加一些自己的个性。
A-Kind-of,A-Member-of,Is-a,类属关系实例,二、包含关系也称聚类关系，指具有组织或结构特征的“部分与整体”之间的关系。
注：
与类属关系的最主要区别是包含关系一般不具备属性的继承性。
常用的包含关系有：
Part-of:
表示一个事物是另一个事物的一部分,4.3.2基本语义关系,PartOf,PartOf,三、属性关系指事物和其属性之间的关系。
常用的属性关系：
Have：
表示一个结点具有另一个结点所描述的属性Can：
表示一个结点能做另一个结点的事情例：
鸟有翅膀。
4.3.2基本语义关系,属性关系实例,have,四、位置关系指不同事物在位置方面的关系。
常用的位置关系：
Located-on:
一物在另一物之上Located-at:
一物在何位置Located-under:
一物在另一物之下Located-inside:
一物在另一物之中Located-outside:
一物在另一物之外,4.3.2基本语义关系,五、相近关系指不同事物在形状、内容等方面相似和接近。
常用的相近关系：
Similar-to:
相似Near-to:
接近,4.3.2基本语义关系,六、时间关系指不同事件在其发生时间方面的先后关系。
常用的时间关系：
Before：
表示一个事件在一个事件之前发生。
After：
表示一个事件在一个事件之后发生。
例如：
香港回归之后，澳门也会回归了。
4.3.2基本语义关系,七、多元逻辑关系例如：
AC米兰队和国际米兰队在一场足球比赛中的成绩为0：
1，可以通过加入附加结点的办法将多元关系表示成二元关系的组合或合取。
本例通过加入附加结点G22。
4.3.2基本语义关系,七、多元逻辑关系,4.3.2基本语义关系,Host,Guest,score,Is-a,多元逻辑关系语义网络实例,从图中看出，原来的多元关系都变成了G22结点属性。
4.3.2基本语义关系,除表示事物间关系的语义网络外，还有表示事件的语义网络。
事件的语义网络结构：
Event：
事件Agent：
施动者Object：
受动者,例,MichealisanemployeeandJackishisboss.SomedayMichealkickedhisboss.,网络匹配：
结构上的匹配，包括结点和弧的匹配。
继承推理：
利用成员联系、集合联系、特征联系、相互作用联系等具有继承性质的语义联系建立一些并不一定显示存在于网络知识库中的网络结构。
4.3.3语义网络的推理方法,继承的一般规则：
IFX（AKO）YandY（AKO）ZthenX（AKO）ZIFX（ISA）YandY（AKO）ZthenX（ISA）ZIFX（AKO）YandY（属性）ZthenX（属性）ZIFX（ISA）YandY（属性）ZthenX（属性）ZIFX（属性）YandY（AKO）ZthenX（属性）ZIFX（属性）YandY（ISA）ZthenX（属性）Z,4.3.3语义网络的推理方法,IFX（AKO）YandY（AKO）ZthenX（AKO）Z例：
如果喜鹊是一种鸟，同时，鸟是一种动物，则，喜鹊是一种动物。
4.3.3语义网络的推理方法,推理特点推理机制不十分明了，有继承规则。
可以用关系如：
成员联系、特征联系、相互作用联系、集合联系、合成联系、因果联系、活动方式联式、活动目标联系、蕴含联系等。
还可以将语义网络引入逻辑含义。
表示，关系。
4.3.3语义网络的推理方法,1、优点：
结构性好，表达直观、清晰。
2、缺点：
推理规则不十分明了。
表达范围有限，若结点数量过多将导致网络结构复杂，难以推理。
4.3.4语义网络表示法的特点,1975年Minsky在论文中提出了框架理论。
他从心理学的证据出发，认为人的知识以框架结构记存在人脑中。
当人们面临新的情况，或对问题的看法有重要变化时，总是从自己的记忆中找出一个合适的框架，然后根据细节加以修改补充，从而形成对新观察到的事物的认识。
4.4框架表示,人类对于一件事的了解，表现在对于这件实物的诸方面，即属性的了解。
掌握了事物的属性，也就有了关于事物的知识，知识表示是从属性描述开始的。
4.4框架表示,定义框架采用结点、槽和值表示结构，是一种结构化的表示方法。
表示形式：
由框架名、槽名、侧面、值组成,4.4.1框架结构,4.4.1框架结构,简单框架的例子：
MichealGender：
manProfession:
singerHeight:
185cmWeight:
79kgAge:
27,4.4.1框架结构,框架之间的关系框架也分为类框架和实例框架。
通过引入类-超类（AKO）及实例-类（ISA）关系来表示框架之间的包含关系和属于关系。
框架理论将知识看成相互关系的成块组织。
4.4.1框架结构,框架名：
类属：
类型：
范围：
（综合性大学，专科性大学）专业：
默认值：
综合学院数：
教学楼：
教工人数：
职工人数：
学生人数：
位置：
（省（直辖市）,市）面积：
单位（平方米）,框架名：
类属：
类型：
范围：
（大学，中学，小学）位置：
（省（直辖市），市）面积：
单位（平方米）教工人数：
学生人数：
框架名：
类属：
姓名：
中华医学大学专业：
医学学院数：
13教学楼：
20办公楼：
40学生宿舍：
20教工宿舍：
60教工人数：
4000职工人数：
5000学生人数：
20000位置：
北京市面积：
10000（平方米）创建时间：
2002年4月,框架系统结构,匹配：
同语义网络一样遵循匹配原理。
槽计算：
继承（属性值、属性、限制）查询：
使用推理的中间结果或者用户输入的数据附加过程：
即附加在数据结构上，启动时计算槽值。
4.4.2框架表示下的推理,例如，要确定一个人的性别，已匹配的知识库中的框架为：
【槽名GenderNILIfneededASKIfaddedCHECK】启动过程如下：
1）如果没有默认值，ifneeded条件满足2）启动ASK，向用户查询并等待输入3）若有输入（ifadded），执行CHECK，检查输入的合法性。
若有默认值而无输入，则不执行CHECK,4.4.2框架表示下的推理,1、优点：
结构性好适应性强推理方式灵活2、缺点推理机制不明确框架系统各子框架数据结构不一致将导致系统不清晰，推理困难。
4.4.3框架表示法的特点,混合型知识表示法,上述的知识表示虽各有特点，而且适用的领域也不同。
产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。
语义网络方法表达的知识面比较窄。
框架方法表示的知识横向关系不太明确。
（纵向从属继承关系很明确）对于复杂的、深层次的知识，就很难用一种知识表示来解决问题。
表示方法,产生式规则表示法语义网络表示法框架表示法逻辑表示脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法脚本表示法,脚本方式是采用一个专用的框架，用来表示特定领域的知识。
脚本通过一些元语作为槽名来表代要表示的对象的基本行为。
有些象电影剧本。
开场条件1病人有病。
2病人的病需要找医生诊治。
3病人有钱。
4病人能够去医院。
角色病人、医生、护士。
道具医院、挂号室、椅子、桌子、药方、药房、钱、药。
场景场景1进入医院
（1）人走进医院
（2）病人挂号（3）病人在椅子上坐下等待看病场景2看病
（1）病人进入医生的办公室
（2）病人向医生所说病状（3）医生向病人解释病情（4）医生给病人开药方场景3交费
（1）病人到交费处
（2）病人递交药方（3）病人交钱（4）病人取回药方及收据场景4取药
（1）病人到药房
（2）病人递交药方（3）病人取药场景5离开
（1）病人离开医院,结果1病人看病了，明白了自己的病是怎么回事。
2病人花了钱，买了药。
3医生付出了劳动。
4医院的药品少了.,表示方法脚本表示法（推理）,脚本表使得知识有强烈的因果结构，系统对事件的处理必须是一个动作完成后才能完成另一个。
整个过程的启动取决于开场条件，满足脚本的开场条件，脚本中的事件才有可能发生。
而脚本的结果就是动作完成后的系统结果。
由于脚本是以非常固定的形式描述的，在预言一些没有直接提到的事件方面特别有用。
如已知某一脚本适用于所给定的情形，一旦脚本被起用，则可以应用它按照事件发生的顺序推理。
如果其中的某一个情景的描述发生了跳跃，可以根据脚本的故事情节推断出整个事件正常进行时所得出的结论。
但是如果事件被强行中断，也就是给定的情节中的某个时间与脚本中的事件不能对应时，则脚本便不能预测被中断以后的事件。
如，上例中，如果医生说病人没病，病人就回家了。
那么，对于病人所发生的变化；医院的药所发生的变化都不能作出推断。
表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法过程表示法,前面的几种知识表示方法均是知识和事实的一种静止的表示方法。
我们称这类知识表示方式为陈述式表达。
它所强调的是事物所涉及的对象是什么，是对事物有关知识的静态描述，是知识的一种显式、说明性知识表达形式。
说明性表示知识给出事物本身的属性及事物之间的相互关系。
对问题的解答就隐含在这些知识之中。
而过程性知识则给出解决一个问题的具体过程。
表示方法过程表示法,说明性知识和过程性知识相比：
说明性知识比较简要、清晰、可靠、便于修改。
但往往效率低。
过程性知识比较直截了当，效率高。
但由于详细地给出了解决过程，使这种知识表示显得复杂、不直观、容易出错、不便于修改。
实际上，说明性表示和过程性表示实际上没有绝对的分界线。
因此，任何说明性知识如果要被实际使用，必须有一个相应的过程去解释执行它。
对于一个以使用说明性表示为主的系统来说，这种过程往往是隐含在系统之中，而不是面向用户。
表示方法过程表示法,知识过程性的两个含义：
含义1：
把解决一个问题的过程描述出来。
可以称它为解题知识的过程表示。
含义2：
把客观事物的发展过程用某种方式表示出来。
在某些情况下，这两种含义是很难决然分开的。
如，任何一个解题系统的基本构成都是一个数据集，一组运算符和一个解释程序。
过程性知识使用状态来表示，在状态空间运作。
表示方法过程表示法,过程式表示定义：
过程式表示就是将有关某一问题领域的知识连同如何使用这些知识的方法均隐式地表达为一个求解过程。
它所给出的是事物的一些客观规律，表达的是如何求解问题，知识的描述形式就是程序。
所有信息均隐含在程序中效率高、没有固定形式。
如何描述知识完全取决定于具体的问题。
实际上的系统都是陈述与过程观点的结合。
陈述之中多少包含了过程方法。
表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法混合型知识表示法,上述的知识表示虽各有特点，而且适用的领域也不同。
如：
谓词逻辑方法只适用于确定性、陈述性、静态性知识，而对动态的、变化性、模糊性知识则很难表示。
产生式规则方法推理方法太单一，如果前提条件太多，或规则条数太多，则推理的速度将慢得惊人。
语义网络方法表达的知识面比较窄。
框架方法表示的知识横向关系不太明确。
（纵向从属继承关系很明确）对于复杂的、深层次的知识，就很难用一种知识表示来解决问题。
表示方法混合型知识表示法,根据需要表示的知识的特征来决定用二、三种方式联合表示。
逻辑与框架：
框架里的槽值可以对应与谓词项。
语义网络与框架：
结点对应与框架，结点的参数就是框架的槽值。
产生式与框架：
框架的槽值对应于一条产生式规则。
逻辑、产生式和过程式：
产生式两端以谓词形式出现“活动”是个过程。
与神经网络结合,表示方法混合型知识表示法,框架与产生式在产生式系统中，随着产生是规则数量的增加，系统设计着难以理解规则之间的相互作用。
原因是每条规则的自含性使得知识表示的粒度过于细致。
因此，需要对规则的适当划分，将其组织易于管理的功能模块。
框架系统具有组织成块知识的良好特性。
两者的有机结合，有利于系统的开发、调试和管理。
框架的表示机制可以用作产生式语言和推理机制设计的一个重要构件。
框架可以直接用于表示规则（每个规则作为一个框架，一组规则组成一类）例：
P186人工智能与专家系统吴泉源，国防科大,表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法,概述直接表示逻辑表示产生式规则表示法语义网络表示法,框架表示法脚本方法过程表示混合型知识表示方法面向对象的表示方法,表示方法面向对象的知识表示法,面向对象表示法中的对象指物体，消息指物体间的联系，通过发送消息使对象间相互作用来求得所需的结果。
任何事物都是对象，对象按照“类”、“子类“进行分类。
特点：
有属性继承、特征描述结构化等优点。
表示方法news,C
升级会员 