（计算机应用技术专业论文）基于本体论的知识库系统应用研究.pdf

摘。要 摘要 2 0 世纪9 0 年代，本体成为人工智能研究领域的热门课题。本体的定义是共享概念模 型的明确的形式化规范说明。一个本体主要包括概念、关系、实例、规则和方法。根据 本体的定义，在知识工程领域存在多种形式化模型可以用于表示本体，其中描述逻辑近 些年来受到人们的特别关注，主要原因有：它有清晰的模型论语义，很适合通过概念分 类来表示应用领域，而且提供了可判定的推理服务。 经典描述逻辑d l ( d e s c r i p t i o nl o g i c ) 只能定义确定的概念和属性，并且由此进行 的确定推理只能返回t r u e 和f a l s e 这样的推理结果，显然无法解决现实世界本体系统中 的模糊问题。s t r a c c i a 扩展描述逻辑a l c ( a t t r i b u t i v ec o n c e p td e s c r i p t i o nl a n g u a g ew i t h c o m p l e m e n t s ) 提出模糊描述逻辑f a l c ( f u z z ya l c ) ，该逻辑结合模糊逻辑和描述逻 辑的特性。模糊描述逻辑作为知识表示的形式化基础，已经具有很强的知识表示和推 理能力，但是一般的模糊描述逻辑在处理非单调的、不完备的知识时，却无能为力。 基于上述情况，本文对模糊描述逻辑f a l c 进行扩展，在模糊描述逻辑的基础上添 加缺省规则集和约束集，提出了一种既能够处理非单调、不完备知以又能处理模糊性知 识的描述逻辑非单调模糊描述逻辑n f a l c ( n o n m o n o t o n i cf a l c ) ，给出了n f a l c 的语法和语义解释，研究了n f a l c 的性质，给出n f a l c 与o w l 的对应关系，同时 给出基于n f a l c 的推理算法t a b l e a u x n 算法。 基于本体对知识库进行建模，给出了基于本体的查询系统体系结构，然后将此本体 知识库系统应用于智能教学平台中。 关键词：知识库；本体；描述逻辑；t a b l e a u x 算法 人近交通人。i 顾f “f 节沦支 a b s t r a c t i nt h e19 9 0 s ，o n t o l o g yb e c a m eah o tt o p i co fa r t i f i c i a l i n t e l l i g e n c er e s e a r c ha r e a s o n t o l o g yi sd e f i n e da sac l e a rf o r m a ls p e c i f i c a t i o nw h i c hs h a r i n gc o n c e p t u a lm o d e l o n t o l o g y i n c l u d e sc o n c e p t s ，r e l a t i o n s ，e x a m p l e s ，r u l e sa n dm e t h o d s a c c o r d i n gt ot h ed e f i n i t i o no f o n t o l o g y ，t h e r ea r em a n yk i n d so ff o r m a lm o d e li nt h ef i e l do fk n o w l e d g ee n g i n e e r i n gt h a t c a nb eu s e dt or e p r e s e n to n t o l o g y i nr e c e n t y e a r s ，d e s c r i p t i o nl o g i cr e c e i v e sp e o p l e s p a r t i c u l a rc o n c e r n ，t h em a i nr e a s o n si n c l u d e s ：i th a sac l e a rs e m a n t i co fm o d e l ，i ti s a p p r o p r i a t et or e p r e s e n ta p p l i c a t i o na r e a st h r o u g hc o n c e p tc l a s s i f i c a t i o n ，a n da l s op r o v i d e sa r e a s o n i n gs e r v i c et h a tc a nb ej u d g e d t h ec l a s s i c a ld e s c r i p t i o nl o g i cc a no n l yd e f i n et h ed e f i n i t ec o n c e p t sa n da t t r i b u t e s ，a n di t c a no n l yr e t u md e f i n i t er e s u l t sf r o mt h i sd e f i n i t er e a s o n i n g ，o b v i o u s l yi su n a b l et os o l v ef u z z y q u e s t i o no ft h eo n t o l o g ys y s t e mi nt h er e a lw o r l d s t r a c c i ae x t e n d e dd e s c r i p t i o nl o g i ca l c ( a t t r i b u t i v ec o n c e p td e s c r i p t i o nl a n g u a g ew i t hc o m p l e m e n t s ) t of u z z yd e s c r i p t i o nl o g i c f a l c ( f u z z ya l c ) ，t h i sl o g i cc o m b i n e st h ec h a r a c t e r so ff u z z yl o g i ca n dd e s c r i p t i o nl o g i c t h ef u z z yd e s c r i p t i o nl o g i ca saf o r m a lb a s i so ft h ek n o w l e d g er e p r e s e n t a t i o n ，h a sas t r o n g k n o w l e d g er e p r e s e n t a t i o na n dr e a s o n i n ga b i l i t y ，b u tc a n td e a lw i t hn o n - m o n o t o n i c ， i n c o m p l e t ek n o w l e d g e b a s e do nt h ea b o v e ，t h i sa r t i c l ee x p a n d sf u z z yd e s c r i p t i o nl o g i cf a l c ，w h i c ha d d d e f a u l tr u l e sa n dc o n s t r a i n ts e t i t p u t s f o r w a r dak i n do fn e wd e s c r i p t i o nl o g i c n o n m o n o t o n i cf u z z yd e s c r i p t i o nl o g i cn f a l c ( n o n m o n o t o n i cf a l c ) ，w h i c hn o to n l yc a n d e a lw i t hn o n - m o n o t o n i c ，i n c o m p l e t ek n o w l e d g eb u ta l s oc a nd e a lw i t hf u z z yk n o w l e d g e t h i sa r t i c l ep r e s e n t sn f a l cs y n t a xa n ds e m a n t i ce x p l a i n ，s t u d y st h ep r o p e r t i e so fn f a l c ， g i v e st h ec o r r e s p o n d i n gr e l a t i o n s h i p sb e t w e e nn f a l ca n do w l a tt h es a m et i m eg i v e st h e r e a s o n i n ga l g o r i t h mb a s eo nn f a l c t a b l e a u x - na l g o r i t h m t h i sa r t i c l eb u i l d sk n o w l e d g eb a s em o d e lb a s e do no n t o l o g ya n dg i v e so n t o l o g y - b a s e d q u e r ys y s t e ma r c h i t e c t u r e ，a n dt h e n a p p l y s t h i sk n o w l e d g eb a s e s y s t e m o n i n t e l l i g e n t t u t o r i n gs y s t e m k e yw o r d s ：k n o w l e d g eb a s e ；o n t o l o g y ；d e s c r i p t i o nl o g i c ；t a b l e a u xa l g o r i t h m 绪论 绪论 一课题研究的背景及意义 随着知识时代的来临，知识呈现爆炸式增长趋势，而知识库正是在这种背景下产生 的。知识库是人工智能和数据库结合的产物，是一门正在形成和发展的新兴学科。知识 库是在人工智能的基础上发展起来的。知识库系统是基于知识对实际问题进行求解的系 统，它的核心部件是知识库。知识库系统的性能取决于知识库中的知识质量( 结构、完 备性、有效性、一致性) 以及使用知识的方式( 推理) 。从以搜索为主的人工智能发展到 以知识为主的人工智能可以看作是人工智能发展中的一大突破性进展。知识库技术会使 计算机应用系统具有更多的智能，所以成为计算机智能化研究的前沿。知识库是第五代 计算机的核心部分，同时又是智能控制系统、智能机器人、智能决策支持系统、专家系 统等现代计算机技术系统关键部件和基础。 近些年来，研究人员将本体( o n t o l o g y ) 1 1 2 】概念引入到知识工程中，基于o n t o l o g y 对知识库1 3 1 进行建模。本体建模方法属于基于知识系统( k n o w l e d g e b a s e ds y s t e m ，k b s ) 的开发，基于o n t o l o g y 建模，是为了人类、计算机对知识的共享、重用和互操作，相对 稳定、独立于具体应用。本体建模的起点是详细说明模型中涵盖的概念、实例、关系和 公理等实体，至少是初步认定这些实体的绝大多数词汇。 针对某个领域抽象或概括出组概念及概念问的关系，构造出该领域的本体，会使 计算机对该领域的知识处理大为方便，也便于人们在此基础上丌发应用系统。本体论j 下 成为知识库系统建模、知识获取及表示、数据库框架集成等研究领域共同关心的一个核 心。 从本体研究的前景来看，在1 9 9 8 q z 6 月召丌了关于奉体的第。届国际会议“信息系 统中的形式化奉体国际会议”。这些都标志着这一研究领域证在走向繁荣，该领域中的 研究者们对“本体”的研究主题已经有了广泛的共识，本体的研究将成为今后一个更加 活跃的研究领域。 描述逻辑是本体的逻辑琏础，是阶谓词逻辑的一个可判定子集。它允许用一套约 束的一阶公式说明继承性，与一阶谓词逻辑不同的是，描述逻辑能提供, f f 笋s j 定的推理服 务，但推导功能限制在分类和包含。它被认为是以对象为中心的表示语言最为重要的归 形式。描述逻辑被用来描述对象之f u j 的关系，它的表达能力很强，讣常适合应用领域 内的知识表达的构建，适用j ：表达结构化和半结构化数据之1 1 l jt t f j 。层次、多重继承、聚 合以及组合的情况，被广泛应用于知识建模、软件工程、自然语吉理解以及基于w e b 的 信息系统等领域。 人造交通人。zl ：7 ：硕t - ：。何论文 由于描述逻辑在很多不同应用领域都有较好的应用，这使得描述逻辑的结果变得越 来越重要。描述逻辑在许多领域被做为知识表示的工具，许多相应的应用领域通常需要 它的整体能力。描述逻辑首先定义领域内的相关概念，然后用这些概念来描述领域内出 现的各对象的属性，由此构成知识库。不仅如此基于描述逻辑的系统还提供逻辑推导， 获得隐含的知识，主要有可满足、一致性、包含、实例关系等。 描述逻辑的重要特征是很强的表达能力和可判定性，它能保证推理算法总能停止， 并返回正确的结果。在众多知识表示的形式化方法中，描述逻辑具有清晰的模型一理论 机制，很适合通过概念分类学来表示应用领域，并提供了很有用的推理服务，在这些年 来受到人们的特别关注。 然而，经典描述逻辑只能定义确定的概念和属性，并且由此进行的确定推理只能返 回t r u e 和f a l s e 这样的推理结果，显然无法解决现实世界里本体系统中的模糊问题。现 实应用中常常需要处理不确定的模糊知识，但描述逻辑仅支持精确知识的描述和推理， 不适于处理模糊知识。为此，s t r a c c i a 扩展描述逻辑a l c ( a t t m u t i v ec o n c e p td e s c r i p t i o n l a n g u a g ew i t hc o m p l e m e n t s ) 提出模糊描述逻辑f a l c ( f u z z ya l e ) h 5 】，该逻辑结合模 糊逻辑和描述逻辑的特性。在此基础上，s a n c h e z 等人扩展模糊天系的数量约束1 6 j ， s t o i l o s 等人给出支持模糊关系的传递、蕴涵、逆和非限定数量约束的模糊描述逻辑的推 理算法1 7 】，李言辉将模糊概念和模糊关系的截集引入到描述逻辑中，提出了一种支持数 量约束的扩展模糊描述逻辑e f a l c n i8 。h a j e k 将连续t 范式的概念引入到模糊描述逻 辑中，提出一种基于模糊i 山词逻辑b l 的模糊捕述逻辑f d l b l l 9 1 ，康达周在扩展模糊描 述逻辑中引入传递模糊关系得到e f a l c r + ，定义受限t b o x 描述术语公理，并给出受 限t b o x 约束下的e f a l c r + 推理算法i l u l 。 i ：述的逻辑都足巾调的( m o n o t o n i c ) ，即由已知事实所推出的结沦不凶增加已知事实 而造成结论的丧失。般我们认为，在一个公理系统t 中增加北断言后可得到一个新 的公理系统t ，则此种逻辑称为单调逻辑。而非单调逻辑是指公理系统t 中为真的语句 数f 1 并：准随时1 1 j jf f w i j 、f 格增加，新加入的断言可能引起原彳丁语句或定理变成尤效。事实卜， 在现实呲界中，有许多逻辑系统彳满足单调性，许多时候原有的结沦随着新信息的增加 不再成市。现在，非瞥凋推理已成为人工智能和信息科学中活跃的研究领域之一，它在 数掂挖掘，智能控制，机器学习，专家系统，人工神经网络，数掘库知识发现，财政与 市场分析等领域有广泛的应用。在现实世界中，信息往往存在不完备性，如何在缺失信 息或信息4 弋夕 知识库推理机i 图1 2 知识库系统的体系结构 f i g 1 2t h ea r c h i t e c t u r eo fk n o w l e d g e b a s e ds y s t e m 在知识库系统中，硬件指的是计算机系统，包括大容量存贮器和其他外围设备。人 包括分以i 在不向地点的直接用户、领域专家和知识工程师等。软件包括系统软件以及知 识库系统开发的应用软件，还有知识库管理系统应用程序。知谚 库系统是一个完整的系 统，它的组织和结构保证知识库和处理机的相对独立性，不会因为问题求解模式的变化 而影响知识库的内部结构。 1 4 知识库系统实现的相关问题 知识获取、知谚 表示和知识推理是知识库系统实现的三个关键技术问题。 1 4 1 知识获取 知谚 获取是指知 叭1 1 从外部知识源到知识系统的转换过程1 1 4 i 。知谚 库中的知识有两个 来源，一个是原始知谚 ，出外界直接进入知识库；另一个是冉，t - 失1 1 谚 ，是f l 推理机生成 追加l ：! l f l 入知i ： 库。 知谚 获取足建立知让 库的关键坏1 了之一，是知谚 库系统的“瓶颈”l u j 题。f r l 前，在 研究的解决该难题的各种方法时，利j j 计算机学习来实行自动或半自动的知识获取足最 理想的方法。 知识获取的途径很多，按知识的来源和入机交互的方式，基奉町分为如下三类： ( 1 ) 领域号家和知识工程师进行交流，提供领域的知识，知识二i ：祀帅将领域知识概 念化、形式化，将结果和领域专家的经验进行比较，经过多次反复逐步完善知识库。 ( 2 ) 领域专家利用知识获取工具，在知谚 工程师的协助卜，直接和计算机交互，实 8 第章知i ! ! 库系统的彬f 究 现知识的获取。 ( 3 ) 机器学习。机器学习是用机器来模拟人类学习活动，获取新的知识，机器通过 学习而不断提高智能。 图1 3 机器学习的系统模型 f i g 1 3t h es y s t e mm o d e lo fm a c h i n el e a r n i n g 机器学习的系统模型如图1 3 所示。其中，“知识源”指外部信息的来源：“学习” 是系统的学习机构，将从外界获得的信息分析、综合而得到知识，并将这些知识存入知 识库；“知识库 存储由学习得到的知识；“执行和评价”由“执行”和“评价”两环 节组成，执行环节将学习得剑的知识应用于问题求解，评价环节用于验证、评价执行环 节的效果，并且将执行效果返回“学习”部分，以完善知识库中的知识。 1 4 2 知识表示 知识表示是知识库系统中最重要的问题之一，同时也是人工智能和专家系统中最重 要的问题之一。所谓知识表示，实际上就是对知识的一种描述或约定i l 引。知识表示是利 用计算机能够接受的符号和方式来表示人类改造客观世界中所获得的知识。对知识进行 表示的过程，就是变换、编码成为数据结构的过程。知识表示可视为数据结构及其处理 机制的综合： 知识表示= 数掘结构+ 处理机制 一个智能系统的知识表示方法选取的合适与否不仅关系剑知 叭1 1 的有效存贮，而且也 直接影响荷系统的知识推理效率和对新知谚 的获取能力。现在已有多种知识表示方法， 如甚于规则的产生式表示、框架表示、逻辑表示、语义网络表示、神经网络表示等。 在实际当中如何束选取合适的知谚 表示方法? 这就要根据知识库系统的规模和复 杂程度等诸多冈素进行考虑，对很多大而复杂的基于知识库的应用系统，常常包含多 种不同的问题求解活动，不同的活动往往需要采取不同方式表示的知识。在这样的知识 库系统中，使用彳i 同的知谚 表示方法处理效率较高，但是知识难以获墩，知谚 库难以维 9 人迕交通人学l ：。z 颂t ：学何论文 护。对于小型的基于知识库的应用系统，使用统一的知识表示方法在知识获取和知识库 维护上具有简易性。综合来看，选取合适的知识表示方法可从以下几个方面考虑。 ( 1 ) 表示能力。确定一个知识表示模式时，要求能够有效地将问题求解所需要的各 类知识进行表示。 ( 2 ) 便于推理。为了使知识库系统能够有效地求解领域内的各种问题，除了必须具 有足够的知识外，还必须使其表现形式便于对知识的推理。如果一种表现模式的数据结 构过于复杂或者难理解，使推理不便进行匹配、冲突消解等处理，那么势必影响系统的 推理效率，从而降低系统去求解问题的能力。因此，知识的表示要有利于从已有的知识 中推出需要的答案和结论。 ( 3 ) 可理解性。一种知识表示模式应是人们容易理解的，这就要求它们符合人们的 思维习惯。 ( 4 ) 可组织性。知识的组织方式与知识的表示形式是密切相关的，不同的表示形式 会对应不同的组织方式。因此，在选择知识表式形式时还需要考虑知识的组织方式。 ( 5 ) 可维护性。知谚 维护是指在保证知识的一致性与完整性的前提下对知谚 所进行 的增加、删除、修改等操作。事实上，任何一个知识库系统在其建立过程中或建成之后， 都不可避免地需要对知识进行维护。因此，在选择知识表示形式时也需要考虑知识的易 维护性。 1 4 3 知识推理 在人工智能领域，推理是指按照一定的策略根据已有知彭 推出新知谚 的过程。在关 系理论中，推理是对一不完备的关系结构进行扩展以提高关系结构的完备性的过程。知 识摊理所涉及的问题柯：知识库的搜索、模式匹配方法、控制策略和冲突消解策略等。 在知谚 库系统l f l ，知谚3 推理足通过推理机实现的。推理机是一组用柬控制计算机实 王见推理的程序，它是矢l j 谚 库系统的思维机构，其丰要功能是从知谚 席中选择、理解和解 释棚火知识，产生出新的知i i 。除此以外，推理机还必须具有解决冲突和处邢推理过程 i i j 现的错误的功能。 推理机主要包括推理方法、推理策略和冲突消解策略等部分。 日日i 常用的推理方法足基于规则的推理。基于规则的推理是基于产生式规则知识表 示方法基础i ：的一种推理策略，是一个不断地从规则库巾选墩1 1 丁用的规则与综合数据库 中的已知j 拜实进行匹配的过程，此种推理方法具有模块性强、清晰性好、易于理解、易 二卜表达等优点。另外，值得注意的是，近些年基于事例推理引起了学术界的广泛关注， 已成为知识库领域的一个研究热点，它是一种类比推理方法，使用过去成功的事例来解 1 0 第市矢l i i j l 席系统的f 究 决当的问题，具有良好的学习功能。 推理策略用于确定推理的驱动方式，分为正向推理、反向推理、混合推理和双向推 理。 ( 1 ) 正向推理。正向推理是以已知事实作为出发点，逐步向着所要解决问题的最终 目标前进的一种推理方式，即是从前提到结论的推理。一步正向推理所得出的结论又可 能成为另一规则的前提，从而又可接着推出另一新结论。正向推理比较直观，容易实现。 ( 2 ) 逆向推理。逆向推理与正向推理方式刚好相反，它是以某个假设目标作为出发 点，然后去寻找证据，验证这些假设的真实性，直至找到假设成立的所有证据或事实。 逆向推理目标明确，但实现起来有一定困难。 ( 3 ) 混合推理。正向推理具有盲目、效率低等缺点，逆向推理中，若提出的假设目 标不符合实际，也会降低系统的效率。为解决这些问题，可将正向推理和逆向推理结合 起来，像这样既有j 下向又有逆向的推理称为混合推理。混合推理同时具有两者的优点， 是未来推理机所采用的主要控制策略。 ( 4 ) 双向推理。所谓双向推理足指正向推理和逆向推理同时进行，且在推理过程中 某一点上“碰头”的一种推理。双向推理的困难在于“碰头”的判断。 冲突消解策略解决如何在多条可用规则中合理地选择一条规则的问题。在推理过程 中，系统要不断地用当前已知的事实和知识库中的知谚 进行匹配，如果已知事实和知识 库中的多条知识匹配成功，或者多条已知事实和知识库中的一条知识匹配成功，或者多 条己知事实和知识库中的多条知谚 匹配成功，这时就发生了冲突，需要按某种策略解决 冲突，以便从中挑出一条规则用于当前的推理过程，这一过程称为冲突消解。目前已有 多种冲突消解策略，其基本思想鄙是埘知谚 进行排序，常用的方法有：按匹配度排序、 按已知事实的新鲜度排序、按针对性强度排序、按，几余限制排序等。 1 5 知识库系统维护 知谚：库的l i 确j 否火系到系统是俞能l f 常：【作，关系到系统工作的可靠性。因此知 识库的维护是系统的一个重要环节。为保证知谚 库系统的安全可靠的运行，从建库之同 起，就必须进行知识的安全性和保密性维护、知识库的重组、知识库的一致性维护等。 知识库的一致性维护通常采用一组约束规则实现。约束规则可分为浅层知识规贝a d u 深层知识舰则两人类。一致性维护是一相当复杂的过程，它必须参照整个知识库检查每 一条相关的约束。 人迮交通人学l ：。7 ：硕f j f 节论文 本章小结 本章首先介绍了知识的基本概念和知识的分层及类型，接下来介绍了知识库和知识 库管理系统的相关概念，然后对知识库系统的概念和结构、知识库系统实现的相关问题 进行了阐述，最后介绍了知识库系统维护。 笕二章本体婵沦n 勺研究 第二章本体理论的研究 目前，在信息系统领域，本体论方法的研究、开发和应用正在广泛开展。其主要应 用包括知识工程、数据库设计与集成、信息系统互操作、仿真、信息检索与抽取、语义 网、知识管理、智能信息处理等多个领域。本章第一节介绍语义网，接下来介绍本体的 基本概念、分类及其组成，最后对本体的逻辑基础描述逻辑进行阐述。 2 1 语义网简介 万维网的产生和发展，使全人类的信息交流更加动态和丌放，毋庸质疑，万维网已 经成为人类最大的信息资源库，但它存在明显的缺陷，就是网络信息呈指数级增长，使 得用户对信息的查找、访问、表示以及维护变得越来越困难。这主要是因为网页上的内 容是设计成专供人类阅读而非机器自动理解处理的，所以计算机只能从格式上处理和验 证网页信息，而不能处理知识级别的信息，另外，语言文字本身存在的语义模糊性和歧 义性也增加了机器分析的难度。所以，就需要一种不但能读取数据，还能理解和区分数 据的语义网络，以实现w e b 信息语义层次上的互操作，从而使得用户能够迅速准确地 定位和处理有效信息。基于以上原因，下一代的力- 维网语义网被提出了。 2 1 1 语义网的定义 w w w 的创始人t i mb e m e r s l e e 在2 0 0 1 年f 式提出语义网( s e m a n t i cw e b ) i 】这个 术语，他给出了如下的定义：“语义网是一个网，它包含了文档或文档的一部分，捕述了 事物问的明显关系，且包含语义信息，以利于机器的自动处理”。 语义网由元数据( m e t a d a t a ) 、资源描述框架( r d f ，r e s o u r c ed e s c r i p t i o nf r a m e w o r k ) 和本体( o n t o l o g y ) _ 三个基木部分组成。元数抓足关。j - 数据的数据。r d f 则描述嘲络资源 的信息，它是存放元数扼的通用格式或语法结构。本体定义关系，还能定义属性的知识 范畴。 2 1 2 语义网体系结构 语义网体系结构由七层组成，如图2 1 所示。 人迕交通人学i ：一? 硕lj ? f 口论文 信任层 i 毒m1 7 1 i i l 规则i 验证层 i 粜f r 七比i i 隽x 啪l 逻辑层 数字 数据 签名 f 白洙i 本体层 l 口地l 文档l r d f + r d fs c h e m a x m l 种、i s + x m ls c h e m a u n i c o d eu 图2 1 语义网体系结构 f i g 2 1t h ea r c h i t e c t u r eo fs e m a n t i cw e b 第一层：u n i c o d e ( 国际码) 和u r i ( 统一资源标识) 。这一层是整个语义网的基础，它 着眼于解决力维网上资源的定位和跨地区字符编码的标准格式的问题。其中u n i c o d e 是 一个字符的编码方案，负责处理资源的编码。u r i 用来标识资源及其属性，它使信息、 情报精确检索成为可能。 笫二层：x m l ( 可扩展标记语言) + n s 洲a m e s p a c e ，命名窄问) + x m ls c h e m a ( 可扩 展标记语言大纲) 。这一层是x m l 及相关技术层，它负责从语法上表示数据的内容和结 构。x m l 允许用户自己定义一些有意义的标签，x m l 利用这螳标签对数掘进行标记， 并使用x m ls c h e m a 来约束这些标签的结构。同时，w 3 c 采 j 了n s 机串0 ，避免标签同 名引起的冲突。 第三层：r d f ( 资源描述框架) + r d fs c h e m a ( 资源描述框架大纲) 。这一层是x m l 层 上的数掘1 ：操作层，它负责提供语义模型来描述w e b 上的信息内容和结构。r d f 是一 种描述w e bj i ：放的元数掂框架，该框架能允分利用各种c 数抓，进行琏j w e b 的数据 交换和利用。r d fs c h e m a 则使用机器可理解的表述体系定义描述资源的训汇，提供了 r d f 模型巾使用的一个基本类璎系统。从描述逻辑的角度水看，r d f s 相当于t b o x ， r d f 相当于a b o x 。 第 j l 层：本体层，也称本体洲汇集( o n t o l o g yv o c a b u l a r y ) 。这一层负责定义共享的知 泌，描述各种资源之间的联系。 1 4 第：章本体理论的0 t 究 第五层：逻辑层( l o g i c ) 。这一层负责提供公理和逻辑推理规则。描述逻辑标记语言 ( d e s c r i p t i o nl o g i cm a r k u pl a n g u a g e ，d l m l ) 就是这样一种方法，它可将基于描述逻辑的 形式化的知识嵌入到被描述的文档中。对语义网上的多种不同类型的应用，逻辑层可采 用多种逻辑语言为智i i i t 务提供基础。 第六层：验证层( p r o o o 。这一层为智能代理间互相验证交换数据的签名提供支持。 第七层：信任层( t r u s t ) 。这一层提供信任保证。 第六层和第七层这部分内容在概念上还没有一个权威的说法，但是万维网的研究者 们普遍认为验证层和信任层是下一代网络的重要概念。 2 2 本体的基本知识 目前，对语义网第一层到第三层的研究已经开展较长时间，研究成果较多，而且推 出了一系列标准，可以说其研究已经日趋成熟。而本体层和逻辑层正在引起研究者们的 更多关注，已成为研究热点。 2 2 1 本体的定义 在哲学中o n t o l o g y 是一种存在的系统化解释，用于描述事务的本质。而在计算机领 域，本体的概念和方法被引入，用于知识表示、知识共享和重用。1 9 9 3 年，格鲁 f l ( g r u b e r ) 给本体的定义指出：“本体是概念化的一个显式的规范说明或表示”。1 9 9 5 年，格罩诺 ( g u a r i n a ) 币l 贾雷塔( g r a r e t t a ) 为了澄清在知识工程领域对本体的认识，钊对本体的七种不 同本体概念解释进行深入的分析，给出了如下定义：“本体足概念化某些方面的一个显 式规范说明或表示1 1 7 j ，。在国内，陆汝钤等从实用角度出发，对本体做出的如下定义： “本体足关于某个主题的形式化和说明性表示，包括它的论域、论域中诸对象的名称、 定义及相互关系”。 日 j 订，被多数人所认h 的定义是1 9 9 8 年s t u d e r 等人提出的：“本体是共享概念模 型的明确的形式化规范说明”。这罩包含4 层意思：“概念模型”指通过抽缘i j j 客观1 l j = 界l j 一北现象的栩关概念而得到的模型；“明确”指使用的概念及，l 约束都仃明确的定 义；“形式化”指知识本体是计算机可读的；“共享”指本体中反映的是相关领域中公 认的概念集，体现的是共同认可的知谚! 。 虽然，不同研究者对本体有不l 刊的定义，但是从本质上来看，他们对本体的认识是 一致的，都足将本体当作某个领域内不同t 体之i 日j 进行信息交流的一种语义基础，即由 本体提供明确定义的词汇表，描述概念和概念之问的关系，作为j t 体之f h j 达成的j 乓识。 人迕交通人学l ：。了：硕卜? 何论文 2 2 2 本体的应用 本体的应用，主要是以特定领域或通用本体为基础的应用。 对特定领域本体的应用目f i 已经涉及了许多领域，包括企业本体、医学概念本体、 电子商务本体等。 企业本体是大型企业建模基础设旌的一个重要组成部分，它覆盖了企业建模的所有 核心概念。比较著名的企业本体项目包括爱丁堡大学企业项目和多伦多大学的企业项 目。 c y c 项目是通用本体最著名的研究项目，经过二十年的丌发，该项目已经建立了 一个巨大的知识库。通用本体研究的另一分支是关于问题求解方法本体的研究。主要研 究可共享问题的求解方法，和领域无关的推理方法。 本体的应用还包括知识表示的研究，s t a n f o r d 大学知识库系统实验室从事的关于知 识本身本体的研究是典型的知识表示系统的研究，该项工作研究的重点是语言对知识的 描述能力。 2 3 本体的分类 本体的分类方法很多，从不同的角度出发，存在多种对本体的分类标准。根据本体 的主题，当前常见的本体可以分为如下5 种类型： ( 1 ) 知识表示本体。 知识表示本体提供了用于描述事物的实体。典型的关于知识表示系统的研究工作是 斯坦福大学知识系统实验室从事的关于知识本体的研究，包括研究知识的本质特征和基 本属性。 ( 2 ) 领域小体。 领域小体包含特定领域的相关知谚 ，领域本体在一个特定的领域1 1 1 可重用，它们提 供咳特定领域的概念定义和概念之间的关系，提供该领域中发生的活动以及该领域的主 要理论和牲本原理等。h 前已针财许多特定领域丌发了相应的领域本体。这些领域本体 包括命业本体、电子商务供应链本体等。 ( 3 ) 通用本体。 通用本体要覆盖多个领域，通常也被称为核心本体。其研究包括著名的c y c ，中国 科学院数学所目前l f 在! 承j ：i 的幽家自然科学基会重点项目“常谚 知谚 的实用研究”的知 泱席也属_ 丁通用知识本体的研究范畴。 ( 4 ) 语言学本体。 1 6 第一：夺奉体理论的彬f 究 语言学本体是指关于语言、词汇等的本体。典型的实例为w o r d n e t ，它是一个联机 英语词汇检索系统，其核心是它的词汇源文件。 ( 5 ) 任务本体。 任务本体主要涉及动态知识，而不是静态知识。任务本体主要研究可共享的问题求 解方法，其实质是从推理和问题求解的角度刻画领域知识。任务本体有助于解决领域知 识不能以与其使用方式无关的形式表示问题，对知识库系统的重用和组件化的开发十分 重要。 根据本体的形式化程度不同，可以将本体分为高度非形式化本体、结构非形式化本 体、半形式化本体和严格形式化本体。 根据本体的描述对象不同，可以将本体分为特殊领域本体、一般世界知识本体、问 题求解本体和知识表示语言本体等。 根据本体作用范围的不同，可以将本体分为领域本体和理论本体。领域本体是描述 某个领域的术语集，例如：医疗领域本体，计算机维护本体。理论本体是从某个角度表 示世界的一个概念集，例如：时问、空问、因果关系、计划等。理论本体往往比较抽象， 而且相埘领域本体来 兑较小。本体理论的研究主要集中在领域本体上，但是也有一些研 究人员对理论本体做了一定的研究。 综上所述，学术界目前对于本体的分类有很多不同看法，绝对的分类是不合适的。 但是某些常用的概念对本体的分类还是具有指导作用的，也会有助于建造本体。 2 4 本体的组成 在知识工程领域，本体是由用于描述某种确定现实情况的特定术语集，加上一组关 于术语内涵意义的显式假定集合构成。在最简巾的情况下，本体只描述概念的分类层次 结构：在复杂的情况卜，本体町以在概念分类层次的基础上，加入一组合适的天系、公 理、规则来表示概念之问的其他关系，约束概念的内涵解释。 。个完整的本体应i j 概念、天系、函数、公理和实例等血类耀本元素构成。 奉体中的概念是广义上的概念，除了般意义上的概念外，也可以是仟务、功能、 行为、策略、推理过程等。 本体中的火系表示概念之问的一种关联。典型的二元关联如继承关系形成概念的层 次结构。 本体中的函数足一种特殊的关系。 本体中的公理用。r 描述一些永真式。更具体地说，公理是领域中在任何条件下都成 立的断言。 1 7 人迩交通人学r 硕f ：。z 何论文 本体中的实例是指属于某个概念的具体实例。 2 5 描述逻辑综述 本体的定义是共享概念模型的明确的形式化规范说明。根据本体的定义，在知识工 程领域存在有多种形式化模型可以用于表示本体。在这其中，比较重要的有一阶谓词逻 辑、语义网络、基于框架的表示以及从后两种方法发展而来的描述逻辑。描述逻辑在近 些年来受到人们的特别关注，主要原因有：它有清晰的模型论语义，很适合于通过概念 分类来表示应用领域，而且提供了可判定的推理服务。 2 5 1 描述逻辑的概念 描述逻辑( d e s c r i p t i o nl o g i c ，d l ) 是一个用于表述以及推理概念知识的逻辑公式集合 体。描述逻辑又称术语逻辑或概念表示语言，是基于对象的形式化知识表示的方法，它 是一阶谓词逻辑的可判定子集。 一个描述逻辑系统包括四个基本的组成部分1 1 8 】：表示概念和关系的构造集、t b o x 断言集、a b o x 断言集、t b o x 和a b o x 上的推理机制。如图2 2 所示。 知识库( k n o w l e d g eb a s e ) 匹圆 图2 2 推 卜 理接 i 系 口 统 描述逻辑的体系结构 f i g 2 2t h ea r c h i t e c t u r eo fd e s c r i p t i o nl o g i c 2 5 2 描述逻辑的发展过程 描述逻辑起源于知识表示领域的研究。7 0 年代知识表示领域的研究t 叮以分为两个大 的方面，基于逻辑的表示方法和= f 基于逻辑的表示方法。前者如经典的命题逻辑，具有 严格的语义，但具有较岛的计算复杂性；后者如语义网络和皋_ 】：框架的表示，这些知识 表示方法便于对知识进行获墩和推理，但却缺乏严格的语义。 描述逻辑i f 是针对 ：述问题发展出来的，在不f r d 阶段随着研究重点和理解方法的不 同使用的名称也f 同。描述逻辑的研究经历了以下几个发展过程1 1 9 - 2 i 1 ： 1 8 第一：章奉体理论的研究 第一阶段：( 1 9 8 0 1 9 9 0 ) 术语系统( t e r m i n o l o g i c a ls y s t e m ) 。强调表示语言能表达对所 建模领域使用的基本术语，第一个实现的术语系统是k l o n e 系统1 2 2 , 2 3 j 。在这一阶段， 对d l 的推理复杂性的形式调查表明大多数d l 没有多项式级推理时间复杂度。 第二阶段：( 1 9 9 0 1 9 9 5 ) d l 系统推理复杂度分析阶段。这一阶段引入新的算法到 d l 中，此算法被称为t a b l e a u b a s e d a l g o r i t h m l 2 4 1 。为了判断知识库的一致性，算法 t a b l e a u b a s e da l g o r i t h m 通过分解知识库中的概念来构建一个模型，然后推导模型中元素 上新的限制。因为少数d l 系统中的s u b s u m p t i o n 和s a t i s f i a b i l i t y 降低了一致性，所以要 用一致性检测算法来解决推理出现的问题。首次应用算法的系统c r a c k1 2 5 j 证明这些算 法的优化可以得到系统可接受的结果，但不好的是时间复杂度不再是多项式级。 第三阶段：( 1 9 9 5 2 0 0 0 ) 这一阶段被描述为有表达能力的d l 推理的发展阶段，在 基于t a b l e a u a p p r o c h 或者基于模型逻辑的转换下发展。在这一阶段，逻辑模型之间的关 系和一阶逻辑的可判定部分的关系得到了详细的研究。 第四阶段：2 0 0 0 至今，借用有表达能力的d l 来加强d l 系统，继续完善t a b l e a u - b a s e d a l g o r i t h m ，将描述逻辑应用到语义w e b ，知识表示和集成生物信息中。 2 5 3 基本描述逻辑a l c 描述逻辑的基本成分是概念和关系，概念是具有共同性质的对象组成的一个类，关 系足对象之间的二元关系。描述逻辑依据提供的构造器，在简单的概念和关系上构造出 复杂的概念和关系，通常描述逻辑至少包含以下构造器：交( 几) 、并( u ) 、非( 一) 、存在 量词( j ) 和全称量词( v ) 。这种最基本的描述逻辑称之为a l c 。在a l c 的慕础上再添 加不同的构造器，则构成不同表达能力的描述逻辑。a l c 的语法和语义1 2 6 ，2 7 j 如表2 1 所 不： 表2 1a l c 的语法和语义 t a b l e2 1s e m a n t i cg r a m m a ro fa l c 构造器 诳法语义 原子概念 aa lca i 原f 角色 rr ica 1x a l 合取c n d c 1nd 析取c d c 1ud 否定 一ci c _ 存以：约来 三ir c x i y ( ( x ，y ) r ay e c l ) 全局约束 vr c x i v y ( ( x ，y ) r 1jy c 1 ) ) 1 9 人连交通人学i ：学硕i ：7 何论文 设n c 为一个概念名的集合，n r 为一个关系名的集合，则a l c 中概念是满足如下 条件的最小集合： ( 1 ) 原子概念ce