语义网模糊粗糙本体推理机研究

语义网的深入发展伴随着大量不确定的信息出现,现有本体并不能对其进行完全的表达,都只是研究不确定信息的某一方面。模糊性和粗糙性并不是相互对立的两个方面,而是呈现相辅相成的关系。本文将模糊性和粗糙性这两个方面相结合,引入到本体的概念中,从而形成模糊粗糙本体,完善知识的表达能力。推理在语义网的发展进程中起着重要作用,如何针对这些不确定信息进行表达和推理,就需要一种能够处理模糊粗糙信息的本体推理机。 目前已有的推理机大多是独自基于描述逻辑和基于规则的推理,而且针对它们的对象都是精确的本体,不能满足于现实世界中的不确定知识的推理。随着智能技术的不断发展,对于推理的要求及推理范围不断扩大,现阶段的推理机还不适合于模糊粗糙本体的推理。为此,本文提出了语义网模糊粗糙本体模型,针对该模糊粗糙本体模型,研究了模糊粗糙描述逻辑,为基于模糊粗糙描述逻辑的推理打下基础。 本文设计的推理机是为了满足用户的实际需求,自动地选择相应的推理方式实现不同的推理任务。本文的推理方式有基于描述逻辑的推理方式和基于规则的推理方式。若用户为了检测逻辑错误,则可以选择进行基于描述逻辑的推理,在基于描述逻辑的推理方面,有Pellet和FuzzyDL两种推理方式；若用户为了挖掘隐含信息,则可以选择基于规则的推理。在有必要的情况下,用户可以有顺序地将两种推理进行结合。这样的推理方式更多的是从用户自己的需求出发,减少推理时间,提高推理效率。最终实现了模糊粗糙本体的推理功能,解决了不确定知识的推理问题。 根据以上方法,本文设计并实现了模糊粗糙本体推理机系统FRODR(Fuzzy Rough Ontology Driven Reasoner)。为了验证该系统的合理性和有效性,本文对系统通过测试进行实验验证,实验结果表明,本文设计的原型系统FRODR能够迅速、准确地推理模糊粗糙知识,并且,该推理机能够推理出输入事实的蕴含信息,检测逻辑错误,为实现智能信息服务打下良好的基础。