基于SWRL推理的语义关联发现及其在本体映射与集成中的应用

构造本体的目的是为了知识共享和重用。然而，语义Web由多种信息源组成，每个信息源都以自身本体的形式表示，由于时间、地点、目的、知识以及构造者的不同，导致即使对同一问题，本体的构造也会有很大的差异。这必然造成本体之间的冲突，很难实现真正的共享和重用。为了解决该问题，人们提出了本体映射与集成技术。 本体映射与集成是语义网的两个关键技术，其中，发现本体概念之间的语义关联至关重要。目前，相似度计算是发现语义关联的重要手段，通过相似度计算对概念间的相似情况进行评价，推导出概念之间的相似与否，进而实现本体中概念的映射。然而，不论是根据概念实例计算相似度还是利用启发规则计算相似度，都不能有效地发现某些隐含的关联关系，甚至，某些关联根本无法从相似度计算中得到，需要人工干预，具有一定的局限性。 本文提出的基于SWRL推理的语义关联发现技术—SWRL Based Semantic Relevant Discovery(简称SSRD)是基于SWRL中的OWL语法，在推理过程中，将语义网规则语言SWRL和推理引擎JESS结合起来，通过建立规则和进行逻辑推理，能够有效发现本体之间隐含的语义关联。该研究对语义映射中相似度计算进行了很好的补充，是一种完善本体语义映射与集成方法的新尝试。 SSRD参考了Christine Golbreich关于家庭成员的关系模型，从中截取了模型中部分类和相关的部分属性，重新构建了一些核心概念、实例及其相关关系，建立了家庭本体模型FO，该模型包含了家庭成员的OWL本体和由SWRL定义的成员关系。SSRD以FO为实例，展示了通过使用SWRL和JESS，从语法、语义和判断推理上发现本体概念语义关联的过程，实现本体映射与集成，并完善集成后的本体成员逻辑关系。 论文共七章，内容如下： 第一章从语义Web的基本体系结构出发，剖析了在本体推理、映射和集成研究中存在的诸多问题，对该领域目前研究的总体现状进行了述评，介绍了论文的主要内容和研究意义，并对论文的主要创新进行了简单归纳。 第二章介绍了本体的定义和构成，以及SHOE、RDF、RDFS、DAML+OIL、OWL等本体表示语言，重点分析了SSRD系统所选用的基于描述逻辑OWL DL的语法与语义构成。在此基础上，本章使用Protégé构建了SSRD的本体模型FO，该模型包含了