（计算机软件与理论专业论文）基于本体和swrl的空间关系推理的设计与实现.pdf

摘要 基于本体和s w r l 的空间关系推理的设计与实现 摘要形式化的空间关系推理是空间推理的一个核心部分，是实现任何空间数 据处理方法的一个前提，是空间专家系统和地理信息系统的一个必要组成部分， 是空间数据挖掘中的一个重要的辅助工具。其在设施选址、路径查找、地图标记 和疾病分布等有关决策支持的活动中有着重要的应用。 本体原本是西方分析哲学中研究实体存在和存在本质的理论。后来，本体作 为一种知识表示工具被引入到了计算机科学领域。目前，本体作为处理知识共享 的工具，在人工智能领域，计算机语言学，地理信息科学，数据库理论以及语义 w e b 等领域中获得了广泛的研究和应用。 在空间关系推理方面，构建空间关系推理中的本体知识表示不仅有利于实现 空白j 关系知识的共享和重用，而且有利于推理的实现。尤其是利用基于描述逻辑 的本体形式化模型来表示本体知识还可以弥补现有知识表示的不足。但由于目前 关于基于本体的空问关系推理大都集中于对空间关系推理中的本体知识表示的研 究，而对如何形式化本体知识，以及基于本体的空间关系的形式化自动推理方法 却研究较少，基于本体的空间关系推理方法比较缺乏。因此，本文在分析现有空 间关系推理理论和本体及其相关技术的基础上，针对空间关系的本体表示，主要 研究基于本体的空间关系推理方法。研究内容如下： 地理信息系统是空间关系推理的一个重要应用领域，为使空间关系推理中 的通用核心本体s r c o n t o l o g y ( 空间关系表示核心本体) 也能在地理信息系统中 使用，本文对其进行了扩展与改进，以便能将该本体及基于该本体构建的空间关 系推理用于实际的地理信息系统中，实现从已有的地理空间信息中获取空间关系 信息。 设计基于本体和s w r l 的空间关系推理的总体方案，该推理方案主要包括两 个部分的推理，一个是本体的推理，一个是基于s w r l 的推理。其中本体推理的主 要目的是使我们建立的本体有更好的层次结构，同时确保由本体产生的定义和概 念相互问没有冲突；而基于s w r l 的推理主要用于实现本体知识同推理规则知识相 结合产生的推理。 以改进和扩展后的s r c - o n t o l o g y 为基础，利用o w l d l 席体语言建立空间关 系推理中的本体知识库，使用基于描述逻辑的r a c e r 推理系统对建立的本体知识库 进行一致性检测和冲突检测，确保所建立的本体库的一致性和正确性。o w ld l 摘要 是w 3 c 推荐的本体描述语言标准o w l 语言的子语言，是一种基于描述逻辑的本体 描述语言。利用o w l d l 描述的本体知识不仅能很好的实现知识的共享和重用，而 且能很好的使用描述逻辑的推理机制，进行本体推理。 基于对s w r l 语言在规则表示方面的研究，本文提出利用p r o t 6 9 提供的j a v a a p i s 将空间关系推理中使用的基本算法以用户自定义的b u i l t l n 方式添) j n 至i j s w r l 语言中，对s w r l i 拄行扩展，以便建立基于本体的空间关系推理规则的s w r l 表达。 鉴于目前的推理系统都不能直接处理0 w l 表示的知识和s w r l 定义的规 则，本文通过s w r l l e s s t a b 对本体知识和s w r l 规则进行格式转换，将o w l * 体 知识和s w r l 觑则分别转化为j e s s 格式的知识和规则，以便利用j e s s 规则引擎来进 行推理。 最后，基于前面提出的方法，本文以西安市旅游数据为试验数据，实现基于 本体和s w r l 的空间关系推理的原型系统。实验表明，基于本体和s w r l 的空间关 系推理方法作为一种基于本体的空帕j 关系推理方法，不仅能实现空间关系知识的 共享和重用，解决现有空白j 关系推理方法中知识表示的不足，而且能实现推理规 则知识的共享和重用，大大减小空间关系推理系统的构造复杂性。 关键字空问关系；空间关系推理：s w r l ：本体；o w l ；描述逻辑。 a b $ t l r a d t h ed e s i g na n dr e a l i z a t i o no fs p a t i a lr e l a t i o nr e a s o n i n g b a s e do no n t o l o g ya n ds w r l a b s t r a c tt h ef o r m a l i z a t i o no f s p a t i a lr e l a t i o nr e a s o n i n g i sac o r ep a r to fs p a t i a l r e a s o n i n g , ap r e c o n d i t i o no fp r o c e s s i n ga n ys p a t i a ld a t a ，a l la b s o l u t e l yn e c e s s a r yp a r to f s p a t i a le x p e r ts y s t e m sa n dg e o g r a p h i ci n f o r m a t i o ns y s t e m s ( g i s ) a n d a l la s s i s t a n tt o o l f o rs p a t i a ld a t am i n i n g i th a sb e e nw i d e l yu s e di ns i t es e l e c t i o n ，w a yf i n d i n g , m a p m a r k i n g , d i s e a s e sd i s t r i b u t i o na n do t h e ra c t i v i t i e st h a tr e l a t e dt od e c i s i o ns u p p o r t o r i g i n a l l y ，o n t o l o g yi sat h e o r yt h a tr e s e a r c h e so ne n t i t ye x i s t e n c ea n dt h e e s s e n c eo fe x i s t e n c ei nw e s t e r na n a l y t i cp h i l o s o p h y a f t e r w a r d s ，o n t o l o g yw a s i n t r o d u c e di n t oc o m p u t e rs c i e n c ed o m a i na sak n o w l e d g er e p r e s e n t a t i o nt 0 0 1 a tp r e s e n t ， a sat o o lf o rp r o c e s s i n gk n o w l e d g es h a r i n g , o n t o l o g yi sw i d e l yr e s e a r c h e da n du s e di n a i ，c o m p u t a t i o n a ll i n g n i s t i e s ，g 1 s ，d a t a b a s et h e o r y ，s e m a n t i cw e b a n ds oo i l ，、 a sr e s p e c tt os p a t i a lr e l a t i o nr e a s o n i n g , r e p r e s e n t i n gk n o w l e d g ei ns p a t i a lr e l a t i o n r e a s o n i n g a so n t o l o g yi sn o to n l yf a v o r a b l et ot h es h a r i n ga n dr e u s i n go fs p a t i a lr e l a t i o n k n o w l e d g e ，b u ta l s oi nf a v o ro ft h er e a s o n i n g e s p e c i a l l y ，u s i n go n t o l o g yf o r m a l i z a t i o n m o d e l w h i c hi sb a s e do nd e s c r i p t i o nl o g i cc a nf i l lu pt h ed e f i c i e n c yi ne x i s t i n g k n o w l e d g er e p r e s e n t a t i o n s b u tb e c a u s ep r e s e n tr e s e a r c h e sw h i c ha r cr e l a t e dt os p a t i a l r e l a t i o nr e a s o n i n gb a s e do no n t o l o g ya r cm o s t l yf o c u s e do nt h er e p r e s e n t a t i o no f o n t o l o g yi ns p a t i a lr e l a t i o nr e a s o n i n g , d i d n tp a ys om u c ha t t e n t i o nt ot h er e s e a r c ho f t h ef o r m a l i z a t i o no fo n t o l o g ya n dt h es p a t i a lr e l a t i o nr e a s o n i n ga u t o m a t i o nb a s e do n o n t o l o g y ，s ot h e r ei s n ts om a n ys p a t i a lr e l a t i o nr e a s o n i n gm e t h o db a s e do no n t o l o g y a sar e s u l t ，c o n c e r n i n gs p a t i a lr e l a t i o n so n t o l o g yr e p r e s e n t a t i o n ，t h i sp a p e rf o c u s e do n s p a t i a lr e l a t i o nr e a s o n i n gm e t h o dr e s e a r c ho nt h eb a s i so fa n a l y z i n gs p a t i a lr e l a t i o n r e a s o n i n gt h e o r y ，o n t o l o g ya n d r e l a t e dt e c h n i q u e s t h ec o t er e s e a r c hc o n t e n ti n c l u d e s ： g i si sam a i np r a c t i c a la p p l i c a t i o nd o m a i no fs p a t i a lr e l a t i o nr e a s o n i n g i no r d e r t om a k es r c - o n t o l o g ) 1 h eg e n e r i cc o r eo n t o l o g yi ns p a t i a lr e l a t i o nr e a s o n i n g u s a b l ei ng i s ，t h i sp a p e re x p a n d sa n d i m p r o v e ss r c o n t o l o g y ，s ot h a tw e c a nu s et h i s o n t o l o g ya n dt h es p a t i a lr e l a t i o nr e a s o n i n gb a s e do nt h i so n t o l o g yi na c t u a lg i st og e t s p a t i a lr e l a t i o ni n f o r m a t i o nf r o mo r i g i n a lg e o g r a p h i ci n f o r m a t i o n d e s i g nt h eo v e r a l ls o l u t i o nf o rs p a t i a lr e l a t i o nr e a s o n i n gb a s e do no n t o l o g ya n d s w r l , t h i sd e s i g nh a st w op a r t s ，o n ei so n t o l o g yr e a s o n i n g , a n o t h e ri st h er e a s o n i n g b a s e do ns w r l t h eo n t o l o g yr e a s o n i n gi sa i m e da tm a k i n gs u r et h ee s t a b l i s h e d o n t o l o g yw i l lh a v eb e t t e rs t r u c t u r a ll e v e l s a n ds i m u l t a n e o u s l ye n s u r e st h e r ei s n ta n y l a b s t r a c l c o n t r a d i c t o r i e si nt h ed e f i n i t i o n sa n dc o n c e p t i o n sw h i c ha r eg e n e r a t e df r o mt h e o n t o l o g y ；t h er e a s o n i n gb a s e do ns w r l i sm a i n l yu s e dt or e a l i z et h er e a s o n i n gw h i c hi s b a s e do nt h ec o m b i n a t i o no fo n t o l o g yk n o w l e d g ea n dr e a s o n i n gr u l e s b a s e do nt h ee x p a n d e da n di m p r o v e ds r c o n t o l o g y ，u s eo w l d lt ob u i l d o n t o l o g yk n o w l e d g eb a s ei ns p a t i a lr e l a t i o nr e a s o n i n g ，a d o p tr a c e rr e a s o n i n gs y s t e m ， w h i c hi sb a s e do nd e s c r i p t i o nl o g i c ，a st h eo n t o l o g yk n o w l e d g e sc o n t r a d i c t o r i e sa n d c o n s i s t e n c ed e t e c t i o nt o o lt om a k es u r et h ec o n s i s t e n c ea n ds o u n d n e s so ft h eo n t o l o g y k n o w l e d g e o w ld l i st h es u b l a n g u a g eo fo w lw h i c hi st h er e c o m m e n d e ds t a n d a r d o n t o l o g yl a n g u a g eo fw 3 c ，i ti sb a s e do nd e s c r i p t i o nl o g i c t h eo n t o l o g yw h i c hi s d e s c r i b e di no w ld lc a nn o to n l yb r i n ga b o u tt h es h a r i n ga n dr e u s i n go fk n o w l e d g e ， b u ta l s oc a l lu s et h er e a s o n i n gm e c h a n i s mo fd e s c r i p t i o nl o g i ct oc a r r yo u to n t o l o g y r e a s o n i n gf a i r l yw e l l o nt h eb a s i so fr e s e a r c ho nh o wt ou s es w r l t or e p r e s e n tr u l e s ，t h i sp a p e r p r o p o s e st h em e t h o do fa d d i n gb a s i ca r i t h m e t i ci ns p a t i a lr e l a t i o nr e a s o n i n gt ot h e s w r l l a n g u a g ea su s e r - d e f i n e db u i l t l n sb yu s i n gt h ej a v aa p i sw h i c hi sp r o v i d e db y p r o t 6 9 6 t h i sm e t h o de x t e n d ss w r ll a n g u a g e ，a n dt h e nw e c a nu s es w r lt od e s c r i b e r e a s o n i n gr u l e si ns p a t i a lr e l a t i o nr e a s o n i n g i nc o n s i d e r a t i o no ft h es i t u a t i o nt h a tp r e s e n tr e a s o n i n gs y s t e m sc a n tp r o c e s s o w l k n o w l e d g e a n ds w r lr u l e sd i r e c t l y t h i sp a p e rp r o p o s e st ou s es w r l j e s s t a b t ot r a n s f o r mo w l k n o w l e d g ea n ds w r l r u l e si n t oj e s sf o r m a t ，s ot h a tw ec a nu s ej e s s i n f e r e n c ee n g i n et oc a r r yo u ts p a t i a lr e l a t i o nr e a s o n i n g a tl a s t ，b a s e do nm e t h o d sp r o p o s e da b o v e ，u s i n gx i a n st o u r i s md a t aa st h e e x p e r i m e n t a ld a t a ，t h i sp a p e rr e a l i z e sas p a t i a lr e l a t i o nr e a s o n i n gp r o t o t y p es y s t e m b a s e do no n t o l o g ya n ds w r lt h ee x p e r i m e n ti n d i c a t e dt h a ta sas p a t i a lr e l a t i o n r e a s o n i n gm e t h o d ，t h es p a t i a lr e l a t i o nr e a s o n i n gb a s e do no n t o l o g ya n ds w r l c a nn o t o n l yr e a l i z ek n o w l e d g es h a r i n ga n dr e u s i n g , f j u pt h ed e f i c i e n c yi np r e s e n tk n o w l e d g e r e p r e s e n t a t i o n s ，b u ta l s oc a n r e a l i z er u l e ss h a r i n ga n dr e u s i n g , a n dd e c r e a s es p a t i a l r e l a t i o nr e a s o n i n gs y s t e m sc o m p l e x i t yg r e a t l y k e yw o r d sp a t i a lr e l a t i o n ；s p a t i a lr e l a t i o nr e a s o n i n g ；o n t o l o g y ；s w r l ；o w l d e s c r i p t i o nl o g i c i v 学位论文独创性声明 本人声明所呈交的学位论文是我在导师的指导下进行的研究工作及取得的研 究成果。尽我所知，除文中已经注明引用的内容外，论文中不包含其他个人已经 发表或撰写过的研究成果，也不包含为获得陕西师范大学或其它教育机构的学位 或证书而使用过的材料对本文的研究做出重要贡献的个人和集体，均已在文中 作了明确说明并表示谢意。 作者签名：丝眺盈巡 学位论文使用授权声明 本人同意研究生在校攻读学位期问论文工作的知识产权单位属陕西师范大 学。本人保证毕业离校后，发表本论文或使用本论文成果时署名单位仍为陕西师 范大学。学校有权保留学位论文并向国家主管部门或其它指定机构送交论文的电 子版和纸质版；有权将学位论文用于非赢利目的的少量复制并允许论文进入学校 图书馆、院系资料室被查阅；有权将学位论文的内容编入有关数据库进行检索； 有权将学位论文的标题和摘要汇编出版。 作者签名：銎圣经吼砬! ：呈 第一章绪论 第一章绪论 1 1 研究背景及研究意义 空间关系指空间对象之间存在的一些具有空间特性的关系，它反映了空间对 象内部或对象与对象之间的空间存在关系。般而言，空白j 关系主要指空自j 对象 之白j 的各种几何关系i l i ，主要包括：拓扑关系、方向关系和距离关系。空间关系及 其理论对地理信息系统的发展至关重要，是地理信息系统的重要理论问题之一， 在空问数据建模、空间查询、空间分析、制图综合、地图理解等过程中起着重要 的作用。 尽管空间关系在空间查询、空间分析、空间数据建模等中有着重要的应用， 但由于存储空自j 的限制和空间关系的复杂性，空间数据库还不可能显式地表达所 有空问目标的空间关系。因此，必须建立一种有效的空问关系推理机制并构造相 应的操作即空日j 关系推理，以便从底层空间数据结构来获取空间关系信息。空间 关系推理指利用人工智能的方法从已知的空间事实( 如：空问对象的位置，几何 特征等) 中推理空间对象间存在的空问关系的过程。它包括两个层次的研究，第 一层是根据目标的空间位置，基于某种给定的空间关系表示模型对空间关系的划 分，推断目标之自】的空间关系。如2 d s t r i n g 模型，根据目标在每个坐标轴上投影 的起始点和终止点的位置关系推断目标之日j 的空间关系；4 交集、9 交集模型，根 据组成目标的点集的边界、内部和补的位置关系( 是否相交) 推断空间关系。第 二层是根据己知目标之问的基本空间关系，推断目标间未知的空间关系，如已知 空i 日j 目标a 和空间目标b 问的空间关系，以及空间目标a 和c 的空间关系，来推理b 和c 日j 的空间关系i 。 形式化的空间关系推理是空间推理的一个必要和核心部分，是实现任何空间 数据处理方法的一个前提，是空间专家系统和地理信息系统的一个必要组成部分 l ，是空问数据挖掘中的一个重要的辅助工具m 。其在设施选址、路径查找、地 图标记和疾病分布等有关决策支持的活动中也有着重要的应用。 空问关系推理是一种基于知识的推理。所谓基于知识的推理，是指以知识表 示为必要前提，利用知识进行问题求解的推理过程。在具有通用性的推理系统一 一专家系统中，知识的表示方法主要有谓词逻辑的知识表示、基于代数的知识表 第一章绪论 示、基于框架的知识表示、基于规则的知识表示、基于语义网络的知识表示、基 于模型的知识表示、人工神经网络知识表示。其中，代数知识表示、谓词逻辑知 识表示，语义网络知识表示和规则的知识表示是比较适合用于空间关系推理系统 中的知识表示，也是目前空间关系推理中用的较多的知识表示形式。在空间关系 推理系统中，这些知识表示方法各有其优点，但也存在很多缺点和不足。传统知 识表示的不足主要体现在以下三方面：( 1 ) 知识缺乏层次关系表现，如：逻辑的 方式( 通常是一阶逻辑的方式) 无法将类别和实例分开，推理时无法单独从类别 出发去推导一些公理性的知识，使推理的效率难以提高；规则表现知识通常很难 表现知识的层次关系，存在知识表现不紧凑的问题。( 2 ) 不能充分表现类别关系， 如框架表示知识无法表现交集、合集等概念；语义网络表现的知识由于表现方式 不是结构化的给运算带来了许多不便；( 3 ) 最重要的是由于传统的知识表示缺乏 本体的概念，所表达的知识只能应用于特定的应用环境中，很难做到被其它系统 重复利用，造成了资源的巨大浪费。 近年来，本体及其相关技术迅速发展并得到了广泛的应用。本体原本是西方 分析哲学中研究实体存在和存在本质的理论。在哲学中，本体的含义是：客观存 在的一个系统得解释和说明，客观现实的一个抽象本质i s , 9 1 。后来，本体作为一种 知识表示工具被引入到了人工智能领域，在人工智能领域中，本体的定义有很多 种，其中最被广泛接受和认可的的定义是由g r u b e r 给出的，即：“本体是概念模型 明确的形式化说明规范1 1 0 l ”。本体通过确定领域内共同认可的词汇，并从不同层 次的形式化模型上给出这些词汇和词汇间相互关系的明确定义，来获取相关领域 的知识，提供对领域知识的共同理解。目前，本体作为处理知识共享的工具，在 人工智能领域，计算机语言学，地理信息科学，数据库理论以及语义w e b 等领域中 获得了广泛的研究和应用。在空间关系推理方面，构建空自j 关系推理中的本体知 识表示不仅有利于实现空间关系知识的共享和重用，而且有利于空间关系推理的 实现。 在空问关系推理中，形式化的表示本体是进行空间关系推理的前提。目i j f 本 体的形式化模型主要有基于一阶谓词逻辑、基于语义网络、基于框架的本体表示一 以及从后两种方法发展而来的基于描述逻辑的本体表示。其中由于描述逻辑是一 阶谓词逻辑的可判定子集，其推理复杂性是已知的，更适合用于推理功能的应用。 而且由于描述逻辑的语法容易转换成x m l r d f 形式，基于描述逻辑的本体表示 能很好的实现w e b 环境下的概念建模与知识共享。此外，基于描述逻辑的本体知识 表示作为一种用来描述概念和概念层次关系的知识表示不仅能很好的描述类和类 的层次关系，通过将知识分为y b o x 和, a b o x 的方式可以使我们在推理时实现概念推 2 第一章绪论 理和实例推理的分离，弥补了现有知识表示方式的不足。 本文主要研究基于描述逻辑的本体及其相关技术在空间关系推理中的应用， 提出基于本体和s w r l ( 语义网规则语言，s e m e n t i cw e br u l e sl a n g u a g e ) 的空间 关系推理方法，其中s w r l 是一种融合了o w l ( w e b 本体语言) 和r u l e m l ( 规则标 记语言1 的规则描述语言，它很好的把规则与o w l 的本体库结合了起来，使用它来 描述空间关系的推理规则不仅能实现规则知识与o w l 描述的本体知识之间的交 互，还能最大化的实现o w l 系统中规则知识之间的重用性与互操作性。因此，基 于本体和s w r l 的空间关系推理方法不仅能实现空间关系知识的共享和重用，解决 现有空间关系推理方法中知识表示的不足，而且能实现推理规则知识的共享和重 用，大大减小空间关系推理系统的构造复杂性。 1 2 研究内容 论文作者参与了国家自然科学基金项目“基于本体的空间关系知识表示与推 理”。为建立基于本体的空间关系推理方法，本文作者在研究本体及其相关技术 的基础上提出了基于本体和s w r l 的空间关系推理方法。主要研究内容如下： ( 1 ) 对现有的空间关系推理的研究成果进行分析和研究。 ( 2 ) 对空间关系推理中的通用核心本体s r c o n t o l o g y ( 空间关系表示核心本 体) 进行扩展与改进，以便能将该本体及基于该本体构建的空间关系推理用于实 际的地理信息系统中，实现从已有的地理空间信息中获取空间关系信息。 ( 3 ) 设计基于本体和s w r l 的空间关系推理的总体方案，该推理方案主要包 括两个部分的推理，一个是本体的推理，一个是基于s w r l 的推理。其中本体推理 的主要目的是使我们建立的本体有更好的层次结构，同时确保由本体产生的定义 和概念相互间没有冲突：而基于s w r l 的推理主要用于实现本体知识同推理规则知 识相结合产生的推理。 ( 4 ) 由于s w r l 是一种通用的规则语言，它缺乏空间关系推理中需要的基本 算法实现，本文探讨了对s w r l 语言进行扩展的方法，以便利用s w r l 语言形式化 的表达基于s r c o n t o l o g y 的空间关系推理规则； ( 5 ) 研究如何利用知识处理平台p r o t 6 酌中的s w r l j e s s t a b 提供的j a v a a p i s ， 将建立的o w i 席体知识和s w r l 规则转换为j e s s 推理引擎知识的格式，调用j e s s 推 理引擎实现空间关系的自动推理。 3 第一章绪论 1 3 研究现状 有关空问关系推理的研究由来已久，空间关系推理在研究内容上主要包括空 间关系表示和空日j 关系推理方法的研究。下面我们将分别从空间关系表示和空间 关系推理方法两方面来简述空间关系推理的研究现状。 1 3 1 空间关系表示 目前对空间关系表示的研究主要包括拓扑、方向和度量关系表示，其中本文 主要对拓扑关系和方向关系进行了研究。 ( 1 ) 拓扑关系表示 在现有的拓扑关系表示方法中，比较有影响力的主要有基于点集拓扑的n 交集 拓扑关系表示和基于区域的r c c 表示法。其中n 交集拓扑关系表示是目前用的最多 的拓扑关系表示法。 r c c 表示法 1 9 9 2 年，r a n d c u 等1 1 8 , 1 9 l 在c l a r k 的空间演算逻辑公理的基础上，提出了r c c ( r e g i o nc o n n e c t i o nc a l c u l u s ，区域连接计算) 理论。r c c 模型以区域为基元，在 定义空间谓词区域连接算子c ( x ，y ) 的基础上，通过对c ( x ，y ) 进行逻辑演算定义出了5 种和8 种拓扑关系，分别称为r c c 5 和r c c 8 。此后，许多学者对r c c 表示法进行了 研究，如c o h n l 5 7 1 等以区域的凸为基元得到了r c c 2 3 和r c c l 5 ，并对不确定性区域 问的拓扑关系进行了描述。 n 交集拓扑关系表示 在点集拓扑理论的基础上，e g e n h o f e r 通过考虑确定性区蝴的内潮嘲边界刎 的交集是否为空，建立4 交集模型来描述拓扑关系。该模型可以描述出8 种面，面空 间关系、1 6 种线线空问关系、1 3 种线面空间关系、3 种点线关系，3 种点面关系 和2 种点点关系1 4 l ae g e n h o f e r 利用空问目标的外部空间( 即“补”) 扩展4 交集模 型，得到了9 交集模型。9 交集与4 交集相比增强了部分拓扑关系表示的唯一性。但 其识别的拓扑关系数目与4 交集相比并无明显的优势。 在基本的4 交集表示和9 交集表示的基础上，许多学者针对4 交集表示和9 交集 表示的不足对其进行不同方面的改进。其中有代表性的是基于n 交集表示的维扩展 表示和基于v o r o n o i 图的9 交集表示，其中基于n 交集表示的维扩展表示是用非空交 集的维数来对n 交集表示中的非空交集做进一步的区分1 1 6 1 ，空集的维数为1 ，点的 4 第一章绪论 维数为o ，线的维数为1 ，面的维数为2 。把维数引入9 交集模型，可以区分0 d m e e t 、 1 d m e e t 、0 d c o v e r 、1 d c o v e r 、0 d o v e r l a p 、1 d - o v e r l a p 等拓扑关系。基于v o r o n o i 图的9 交集表示是用空间对象的v o r o n o i 势力范围来代替9 交集模型中的外部i l ”，形 成v 9 i 模型。扩展后的v 9 1 模型能够把9 交集模型中的相离拓扑关系进一步区分为相 离和相邻，把含有空洞的包含、包含于和相离关系区分开。 在国内，拓扑空间关系的描述一直是研究的重点和热点，中科院、国家基础 地理信息中心、浙江大学、武汉测绘科技大学等单位都作过大量的研究，如郭薇、 陈军提出的基于点集拓扑学的三维拓扑空间关系形式化描述f 捌，潘云鹤等人提出 的基于v o r o n o i 图的维扩展法来描述空白j 拓扑关系等1 2 l j 。 ( 2 ) 方向关系表示 方向关系是相对的，并且需要一定的参考系。r e t z s c h m i d i l 2 2 】给出的方向关系 参考框架一直沿用至今，是使用最广泛的空间方向关系参考框架。r e t z s c h m i d t 将 参考框架分为内部参考框架、直接参考框架和外部参考框架3 类。闰浩文1 2 3 1 从空间 认知的角度将方向区分为3 类( 两个对象是拓扑包含或同位、两个对象是拓扑相离或 相邻、两个对象是相交或相互穿越) 。这种分类法将方向关系与拓扑关系联系起来， 具有排它性和完备性。 相关的研究成果主要有： 锥形模型 锥形模型以参考对象的质心为参考点，用两条相互垂直的直线将平面划分为4 个无界的锥形区域，并为每一个区域指定一个主方向( 如，东、南、西、北) ， 目标对象所落在区域的主方向即是目标对象相对于参考对象的方向。锥形模型的 可以根据需要，通过参考对象的质心作多条直线，由此形成多个主方向。 投影模型 基本的投影模型是将空间对象分别向x 与v 坐标轴投影，根据空问对象在坐标 轴上投影的关系来判定方向关系。以空间对象的最小边界矩形( m b r ，m i n i m u m b o u n d a r yr e c t a n g l e ) 来近似空间对象，并用m b r 问的方向关系来代替空间对象间 的方位关系，称为基于m b r 的投影模型，简称投影模型。 基于m b r 的投影模型所给出的方向关系与人类的认知常识相符合，是一种常 用的方向关系模型，相关的研究成果有p a p a d i a s i 冽等提出的9 方向模型和1 6 9 方向模 型。 9 交方向关系矩阵表示模型 为反映目标的形状对方向关系的影响，g o y a l 和e g e n h o f e r l 2 8 】提出了基于投影的 9 交方向关系矩阵表示模型。该方法将围绕参照目标的空间区域划分为9 个区域 5 第一章绪论 ( 东、南、西、北、东南、东北、西南、西北和同一) ，用9 交方向关系矩阵表示 目的目标与参照目标之间的方向关系。 除前述方向关系表示方法以外，还有一些其它的方法。如，四半无限区域 ( f s i a ，f o u rs e m i i n f i n i t ea r e a ) 模型，方位v o r o n o i 匿 模型等。 1 3 2 空间关系推理 根据空间关系知识表示方法的不同，现有的空间关系推理方法主要包括： ( 1 ) 基于谓词逻辑的方法 基于谓词逻辑的方法大都是以逻辑学或部分学为基础，选择一组基本的关系 和谓词，建立空间的概念，空问关系的公理和推理规则。例如基于r c c 区域连接 演算的逻辑推理法。尽管谓词逻辑在知识的陈述性，表达性，模块性以及演绎性 方面有很大优势，但由于谓词逻辑( 一般指一阶谓词逻辑) 无法将类别和实例分 开，基于谓词逻辑的推理无法单独从类别出发去推导一些公理性的知识，推理效 率难以提高。在推理方面，由于谓词演算属于不完全决策，基于谓词逻辑的空间 关系推理存在难以掌握和单调性的缺点1 2 9 3 0 l 。 ( 2 ) 基于产生式的推理 在产生式架构下，知识被组织成树状结构，推理是一连锁的“i f - t h e n ”规则。 产生式表示的优点在于产生式规则的表示方法是同常规则的自然表示，与人们的 思维方式比较接近，易于理解；知识的模块化组织，便于修改、扩充和删除：以 及具有约束的语法和较强的推理控制。其缺点在于因约束语法而带来的知识表示 缺乏层次关系，知识表示不紧凑，以及耗时的竞争解法。 ( 3 ) 基于代数的推理 空间关系推理的代数方法是a l l e n 基于区自j 的时态逻辑理论1 8 卅而提出来的。基 于代数的推理方法是把空间关系作为项来处理，采用代数符号运算进行的推理， 推理规则用多项式等式或不等式表示。该方法是目前空间关系推理普遍采用的一 种方法，它由于没有选言判断和量词构造，使推理变得简单，但代数系统的表示 能力常常受到限制。 ( 4 ) 语义网络推理 语义网络将知识组织成有层次的相互关联的点弧结构，其结构类似于人类对 知识的存储及联想，利用语义网络可以很容易得把各种事物有机地联系起来，很 适合关系型知识的表示。但由于该方法缺乏统一的本体概念，对于点和弧没有标 6 第一章绪论 准的定义，知识表示缺乏结构化，不能做逻辑的表达，不便于进行推理计算，此 外，基于语义网络的推理过程容易遇到组合爆炸问题。 ( 5 ) 框架推理 框架可以被看作是具有内在结构的复杂语义网络，与语义网络不同的是它将 知识组织成层状结构，空问知识可以用此方法有效地表示。框架推理对知识表示 自然，知识易编辑，有利于默认推理。但它同语义网络一样由于缺乏本体概念， 推理不能独立于领域知识。对不完备知识的表示有局限性。 ( 6 ) 组合表推理 组合表推理是一种从两个已知关系事实r 伍b ) 和r ( b ，c ) 演绎出有关a 和c 的关 系事实t o ，c ) 的重要方法，是空间关系事实的一种演绎推理。在空问关系推理中， 利用组合表推理的方法，可以直接从事前记录的组合表中查询所需要的推理结果。 该方法是空间关系推理第二层次使用的一种重要技术。 组合表方法简单直观，非常适合处理包括一个固定关系集的关系信息，许多 学者对拓扑关系，方向关系等的组合表进行了研究。但由于需要事前记录关系对 的组合结果，利用组合表的推理方法，必须保证由第一层次的空问关系推理得到 的空日j 关系是完备的，空间关系的数目是有限的，否则会产生组合爆炸问题。此 外，对利用计算机进行组合表来讲，组合表的自动生成仍是一个问题。 ( 7 ) 混合推理方法 除上述基本方法外，还可利用他们作混合知识表示体系，取长补短。如：曹 菡研究了基于代数，产生式和组合表的混合空间关系推理方法，沙宗尧等探讨了 面向对象的知识表示与规则知识相结合的混合推理方法；夏立民等探讨了语义网 络和规则知识相结合的混合推理方法等。 此外，赵波等人还研究了基于人工神经元网络的空间知识表示与推理方法1 3 2 j ， 廖士中等人认为不应严格地区分定性空间推理与定量空间推理，应建立定性空间 推理与定量空问推理的统一框架1 3 3 l 。 不同的推理方法有着不同的优点和不足，但上述方法一个共同的不足是在进 行空间知识表示时，缺乏本体的概念，不利于空间知识的共享和重用。近年来， 随着地理信息系统应用的普及，i n t e r n e t 的发展，人们对空间信息的需求越来越大， 构建空间关系推理中的本体知识表示，实现空间关系知识的共享和重用成为了空 间关系推理研究的迫切要求。因此，研究空间关系推理中的本体知识表示和基于 本体的空间关系推理方法将成为空间关系推理的重要研究方向。 7 第一章绪论 1 3 3 基于本体的空间关系推理 近年来，随着本体及其相关技术在人工智能、语义w e b 等领域的发展，许多学 者对基于本体的空间关系推理进行了研究。取得的研究成果主要有： ( 1 ) 空问关系推理中的核心本体，文献【3 5 1 和 3 6 1 提出了空| 日j 关系推理 中的核心本体的概念，他认为空间关系推理中的核心本体是i ：1 ：1 s p a c e ，o b j e c t s 和 r e l a t i o n s 构成的一个三元组，在文献【3 5 】中用形式化的方法对核心本体中的s p a c e ， o b j e c t s 和r e l a t i o n s 分别做了定义，并对如何利用该核心本体实现a l l e n 的基于时间 区问的时态关系的推理和基于九交集模型的拓扑关系推理进行了研究。 ( 2 ) 曹菡老师在上述核心本体的基础上构造了通用空间关系表示核心本体 s r