描述逻辑ALCN和ALCQ的扩展研究

摘要

本体词汇处于语义Web体系结构中的关键层，用于对信息的概念和语义进行抽象描述，而OWL建立在描述逻辑的基础之上。作为一阶逻辑的子集，描述逻辑具有可判定的计算性能，广泛地应用于各领域。论文对ALCN和ALCQ这两种基础的描述逻辑语言进行了研究，目的在于扩展表达能力，解决推理和可判定性问题。
　　首先介绍了课题的研究背景，总结了对于描述逻辑表达能力扩展和推理的研究现状。
　　然后研究了ALCN Abox的一致性检测问题。利用图的思想，分析了对ABox直接应用ALCN概念表算法不会终止的必要条件，接着根据必要条件去掉其中部分角色断言，然后提出扩展规则将剩下的断言集合扩展为一个完全森林，证明了算法的终止性、正确性、完备性和可判定性，最后提出迹规则对算法进行了优化，使得在确保推理复杂度不会升高的条件下，算法的不确定性降到最低。
　　接下来讨论了ALCNK的认知查询问题。在ALCN中加入认知算子K得到描述逻辑ALCNK，给出了其语法和语义，然后在Tbox为空集和Abox中无认知算子的情况下，设计了ALCNK概念的认知查询表算法，证明了算法的正确性、完备性和可判定性，最后分析了计算复杂度。
　　最后对ALCQ进行了可判定扩展。通过限定复杂角色中由交并构子连接的角色链具有相同的长度，得到了ALCQ((°)，∪，∩)的子语言ALCQs((°)，∪，∩)，然后给出了ALCQs((°)，∪，∩)可满足性问题的表算法，证明了算法的终止性、正确性、完备性和可判定性，最后根据ALCQs((°)，∪，∩)概念的性质分析了计算复杂度，得到了一个不紧密的上界。

目录

声明

摘要

1 绪论

1．1 语义Web和本体

1．2 描述逻辑

1．2．1 基本概念

1．2．2 表达能力扩展

1．2．3 表算法概述

1．3 研究现状

1．4 研究内容

1．5 描述逻辑的应用

1．6 组织结构

1．7 小结

2 描述逻辑ALCN基于Abox的推理

2．1 断言知识库

2．2 描述逻辑ALCN

2．3 一致性检测

2．3．1 变换处理

2．3．2 方法改进

2．3．3 表算法

2．4 复杂度分析

2．5 性能分析

2．6 小结

3 描述逻辑ALCN的认知扩展

3．1 闭世界与认知算子

3．2 描述逻辑ALCNK

3．3 查询表算法

3．3．1 可判定性证明

3．4 小结

4 描述逻辑ALCQ的一类可判定扩展

4．1 描述逻辑ALCQ

4．1．1 描述逻辑ALCQs(°，∪，∩)

4．2 表算法

4．3 复杂度分析

4．4 小结

5 总结和展望

5．1 内容总结

5．2 未来工作

参考文献

攻读学位期间主要研究成果

致谢