基于描述逻辑的语义Web本体推理技术研究与实现

摘要

自1989年万维网诞生以来，它得到了迅速的发展，现已成为人们获取信息的主要渠道之一，深刻影响到人类社会生活的各个方面，改变了人们彼此交流的方式和商业运作的方式，使社会发展正向知识经济和知识社会转型。目前的万维网是面向人而不是面向机器的，人可以理解万维网上Web页面的内容，但机器却只能是对Web页面进行简单的显示，而不能真正理解Web页面内容的含义，也就不可能对其进行自动处理。为了使计算机能够理解和处理网页内容，迅速准确地从海量网页中查找出所需要的内容，万维网的创始人Tim Berners—Lee提出了语义网(Semantic web)的概念。语义Web是对现有Web增加语义支持，是现有万维网的变革和延伸，其目标是使网络中的信息都具有语义，并帮助计算机在一定程度上理解信息的含义，使得高效的信息共享和机器智能协同成为可能。因而语义Web研究的重点就是如何把信息表示成计算机能够理解和处理的形式，使信息带有语义。为实现对信息的分类以及信息之间相互关系的语义表达，人们引入了“本体”的概念。本体通过对概念的严格定义和概念之间的关系来确定概念的精确含义，从而反映事物或现象的抽象本质，并建立抽象模型。利用本体所具有的知识表示和描述的能力，人们可以用统一标准实现资源的表示，从而产生机器智能理解和处理的语义信息。本体作为语义载体在语义Web中起着核心的作用，是语义Web中基于语义的互操作得以实现的关键因素，是解决语义层次上Web信息共享和交换的基础。因此，本体技术成为语义Web研究的热点之一。描述逻辑(Description Logic)是一种基于逻辑的知识表示、知识推理的形式化语言，具有良好的知识表达能力和完备的推理机制，采用合理的描述逻辑对本体进行表述并对信息推理技术进行优化，提高查询效率，已经成为本体研究的重要内容。
　　 本文对现有的本体推理中的相关技术进行了研究，并对各种推理之间的转换关系进行了分析。围绕本体推理的核心算法Tableau算法，重点介绍了概念包含关系检测(概念分类)和ABox的一致性检测以及它们的相关优化算法。在概念分类算法以及ABox推理算法的优化技术的基础上，利用重构、显示定义、基于个体的包含关系检测及近似化计算等优化技术，提出了一个改进的分类算法，进一步缩减了概念之间包含关系的检测次数，从而提高了概念包含测试的效率。最后，在目前已有的推理机的基础上，结合优化算法初步设计实现了一个基于描述逻辑的本体推理查询系统。采用了基于ALC的简单本体对该系统进行测试，并对结果进行了相应分析。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景

1.2 研究意义

1.3 论文研究的主要工作

1.4 论文组织

第2章 描述逻辑基础

2.1 描述逻辑的概述和发展过程

2.2 描述逻辑的语言表示

2.3 总结

第3章 本体介绍

3.1 本体概念的定义

3.2 本体在知识系统中的作用

3.3 本体的建模原语

3.4 本体的分类

3.5 本体的构建原则

3.6 本体的描述语言

3.7 本体的应用和研究意义

3.8 总结

第4章 本体推理算法研究

4.1 本体推理的主要任务

4.2 概念分类优化算法

4.3 基于ABox一致性检查的推理算法优化

4.4 概念间关系标识扩展优化

4.5 改进的分类优化算法(全关系扩展分类优化算法)

4.6 总结

第5章 本体推理近似化研究

5.1 近似计算基本思想

5.2 个体获取的语义计算

5.3 个体获取的近似求解算法

5.4总结

第6章 基于描述逻辑的本体查询推理系模型设计

6.1 推理系统设计

6.2 推理系统功能模块的实现

6.3 推理系统功能用例测试

6.4 总结

第7章 总结和展望

7.1 论文的主要工作概述

7.2 未来工作展望

参考文献

致谢