[拼音]：guocheng biaoshi
[外文]：procedural representation
知识的过程性表示的一种主要形式。知识表示方式有两大基本类型：陈述性表示和过程性表示。陈述性表示方式强调知识的静态，即描述事物的属性及其相互关系；过程性表示方式则强调知识的动态，即表示推理和搜索相关事实等运用知识的过程。
过程表示及其特点以字母顺序的机器处理为例，用陈述性表示方式将“A在B之前、B在C之前…”等顺序关系显式地表示出来是很方便的，但并没有给出究竟怎样排序的方法，因此要另行设置执行程序（如产生式系统、定理证明程序、解释程序等）来完成具体的排序任务。采用陈述性方式表示知识的系统，知识的表示和知识的运用一般是分开的。上例如用过程性表示方式则可对每个字母指定一个正整数，将判定两字母的先后顺序变换为比较两正整数的大小。过程性表示方式与陈述性表示方式的最大区别是知识的表示和运用不分开，表示就寓于运用之中。过程性表示方式便于执行，但可理解性较差。在上例中，人们很难从两个正整数的大小比较中领会其实质上是字母排序。在这种表示方式中，要修改现有知识而又不影响其他知识的完整性也比较困难。用过程性表示的系统，各知识之间交互作用强而模块性差，而用陈述性知识表示的系统则恰好相反。例如，在研制关于特定航线班机的问答系统中就可运用知识的过程表示技术。当客户提出“从北京到东京的中国民航班机有哪些”时，系统先将问题变换为以下格式的询问语言：FOR-EVERY X1/FLIGHT；EQUAL (OWNER(X1)，CAAC-AIRLINES) AND ConNECT(X1,PEKING,TOKYO)；LIST(X1)。这段语言的意思是：对于每一班机(X1)，如果该班机为中国民航所有，而且该班机自北京飞往东京，那么就将所有这样的班机(X1)列成一张表。其中FOR-EVERY(对每一)和CONNECT（连接）都是表示专门知识的过程名。通过对数据库的检索，系统将问题的答案以表的形式打印出来。
用过程性知识指引搜索和推理方向例如，GOAL A(TRY-USING THEOREM 1 THEOREM 2)的意思是:如果要证明目标 A不妨试用定理1和定理2。这就是用过程形式表示的启发式知识，此处目的在于避免盲目搜索、加快推理进程。但是这类过程性知识主要是根据人在特定问题领域的经验，而不保证一定成功（见搜索）。因此这种方法同以严格的理论解析方法为依据的归结法或自然演译比较(见机器定理证明)有本质上的差异。用自动推理还是用过程性知识指引推理，在学者中尚存在一些争论。
用过程性知识处理画面问题例如原来位于1室的机器人拿了一把钥匙走到2室并打开了一个保险箱。初始状态可用数据库中一组断言表示：
（1）IN(ROOM-1,ROBOT),②IN(ROOM-1,KEY)，③IN(ROOM-2,SAFE)。它的意思是：机器人在1室，钥匙在1室,保险箱在2室（相当于原始画面）。机器人完成既定动作后，描述局面的原来一组断言中，①和②失效而③仍成立(相当于后继画面)。确定状态描述中哪些要素随过程的进行而变化，哪些要素保持不变的问题称为画面问题(frame problems)，它同作为知识表示结构的框架 (frame)毫无关系。如果将行动或操作的知识用过程来表示，那末随着过程执行的每一步骤，相应地修改或保留数据库中有关条款，画面问题是比较容易处理的。
完备性和一致性以经验性知识为依据而进行的常识推理通常采用过程表示方式。此时对严格的逻辑推理中所必须保证的完备性和一致性可以有不同的考虑。实际问题往往要求在合理的时间内得到一个令人满意的解，而不一定需要求出在给定前提条件下能够求出的一切解（即所谓完备性）。对一致性的要求（即任何情况下前提和结论间逻辑的不矛盾性）也可以从新的角度来考虑，即在信息不完全的情况下,如果出现暂时的不一致性,可以继续获取新的信息并对原来作出的结论进行调整和修正，以便在新的基础上达到一致性。事实上人正是通过实践不断修正片面和错误的思想，逐步提高自己认识水平的。理论的逻辑推理和经验的常识推理，是人工智能研究中相互补充的两种基本推理形式。
参考书目D.G.Bobrow and A.Collins，eds， Repersentation and Understanding: Studies in Cognitive Seience, Academic Press, New York, 1975.