基于SWRL本体推理研究

随着语义Web的兴起,本体技术已成为计算机学科中的一个研究热点。在分析本体、Web本体语言OWL和语义网规则描述语言SWRL的概念和特点的基础上,利用MPEG-7标准中的视觉描述子来描述图像的特征,采用本体建立图像的语义特征,将SWRL引入图像情感识别领域,利用SWRL构建推理规则。通过建立图像的本体信息和推理规则,并用规则推理出本体中隐含的信息,实现图像情感识别,使计算机具有一定的情感推理能力。     

基于本体增强语义规则的复杂配电网安全作业控制研究与实现

提出一种基于网络本体语言(OWL)和语义网规则语言(SWRL)的复杂配电网安全作业控制方法。系统基于网络本体语言建立一个可共享、可重用、可扩展的配网安全作业领域本体;将配电网安全防误规则转换成由语义网规则语言表达的推理规则;整合SWRL推理规则与Racer推理机进行推理。系统将电力安全防误规则转换成SWRL形成面向电力的语义网规则语言e-SWRL。实验验证了基于OWL和SWRL的电力安全防误推理方法的有效性与正确性。     

基于SWRL规则与本体相似度的语义检索模型研究

在综合分析信息检索系统现状的基础上,探讨目前信息检索系统存在的问题,深入研究基于本体的信息检索系统的关键技术,包括领域本体的建设方法、SWRL（Semantic Web Rule Language）推理规则、基于本体的查询预处理以及语义处理,并从本体概念相似度和相关度的角度论述了基于本体的语义处理技术。通过这些研究,提出了使用OWL构建领域本体,结合查询预处理以及推理扩展规则SWRL的信息检索模型。     

基于推理的语义网检索模型及关键技术研究

为解决语义网检索过程中缺少推理导致语义检索性能不高的问题,提出一个基于推理的语义网检索模型,并介绍了该模型实现的关键技术.针对构建的领域本体,使用SWRL规则语言进行本体完善把本体中的隐性知识表示出来;在信息抽取过程中,对于识别出的实体,利用推理规则,获得更加丰富的实例知识库;对于用户输入的查询条件,利用完善的本体知识库及规则得到更多的相似概念实现查询扩展;进行语义匹配,获得更为精准的检索结果.实验结果表明,该模型能提高信息检索的语义性,得到较满意的信息检索结果.     

装配公差综合领域本体知识库的构建

为了减少机械产品设计过程中的不确定性,解决装配公差信息在异构CAX系统中共享性差和传递不畅的问题,利用本体丰富的语义知识和语法结构,通过分析装配公差综合领域相关知识,采用网络本体语言OWL定义其中的概念和关系,并采用语义网规则语言SWRL定义其中的约束条件和分配经验。将基于OWL的结构化知识转换成事实、基于SWRL的约束化知识转换成规则,并在推理引擎的基础上构建装配公差综合领域本体知识库。同时开发了基于本体的装配公差综合原型系统,实现了装配公差类型和装配公差值的自动生成。     

基于本体的夹具设计知识表达

针对计算机辅助夹具设计领域存在的设计知识重用困难问题,提出了基于本体的知识表达方法,遵循CommonKADS构建知识模型的结构化方法,采用OWL来构建夹具设计知识本体,定义了该领域的基本概念,如装夹特征、元件、关系与约束等.在本体基础上,用SWRL来描述夹具设计规则,建立一个语义清晰的夹具设计知识库,分离了事实和推理.该本体采用了层次结构,便于扩充和修改,具有较强的推理能力.最后通过实例说明了该本体的应用.     

Web本体语言的逻辑语义分析的研究

分析了OWL的3个子语言,特别是OWL DL的DL逻辑语义.OWL DL和OWL Lite分别与系的和对应.通过定义本体的传递概念匹配模式,给出了基于该模式的降水量管理知识模型作为DL推理示例.该示例表明深入分析研究OWL的DL语义对增强基于OWL推理能力的应用具有现实意义.     

装备保障仿真概念模型的语义验证方法研究

概念模型验证是保证概念模型正确、可信的重要手段。针对现有概念模型形式化验证方法复杂、繁琐,非形式化验证方法的主观性较强、可信性不高等问题,采用本体理论和语义网技术,提出了一种基于本体与规则推理的装备保障仿真概念模型语义验证方法。该方法的思路是:首先将UML描述的概念模型转化为本体描述语言OWL描述的概念模型;然后根据领域知识构建验证规则,并运用语义网规则描述语言SWRL描述验证规则;最后将模型和规则转换为Jess规则引擎识别的数据格式,输入到Jess规则引擎中进行模型与规则的语义推理,检查概念模型是否符合验证规则。实例表明,该方法使用验证规则和语义推理机替代领域专家在计算机上自动对概念模型的语义内容进行验证,提高了验证效率,减少了专家验证的主观性和不确定性,降低了形式化验证方法的复杂性。     

SWRL推理规则在平面几何证明中的应用

OWL由于其具有较强的知识表示能力目前已成为语义Web知识建模的主要语言,尽管如此,它在知识推理方面存在着许多不足。语义网规则语言（SWRL）是为了弥补OWL的不足发展起来的,它是以OWL的子语言OWL DL以及其它规则标记语言为基础的规则描述语言,将SWRL推理规则引入OWL DL可以大大改善OWL DL的推理能力。运用SWRL推理规则和Jess推理机对平面几何证明题进行了推理和证明,结果验证了SWRL推理规则的有效性和正确性,在实践中同时也发现了SWRL存在的一些问题,有待今后进一步研究。     

本体推理在智能照片管理系统中的应用

现有的照片管理系统缺乏自动语义推理和扩展功能。为此,提出一种基于本体的智能照片管理系统。该系统以FamilyAlbum本体模型为知识框架,对照片进行多源信息的语义标注,并利用SWRL规则对系统中现有的语义标注进行自动推理,从而扩展出新的语义信息,为照片的智能管理提供有效支持。通过OntoAlbum原型系统的实现,验证了该方法的有效性。     

基于语义Web的受控自然语言系统推理模型

虽然相关研究组织提供了语义Web的一些简化工具,但是对不具备相关背景知识的领域专家来说,语义Web的可用性较低。提出了基于语义Web的受控自然语言系统推理模型,以解决这个问题。首先给出受控自然语言系统推理模型框架;然后分析受控自然语言的语言处理部分,提出基于WordNct的受控自然语言系统的本体词库模型和基于本体词库的受控自然语言解释器,把受控自然语言转换成中间表达语言篇章表述结构;最后通过推理部分把篇章表述结构转换成语义Web的本体和规则,通过模板工具映射成Jess的事实和规则,根据预定义的语义Web的公理和定理对受控自然语言进行推理。试验证明此模型大大提高了知识表示建模的效率,也基本满足简单推理任务,具有实用价值。     

基于OWL本体和SWRL规则的导弹智能故障诊断研究

针对复杂航空装备诊断知识缺乏、诊断效率低和知识共享性差等问题,以某型红外弹为例,提出一种基于OWL本体和SWRL规则的导弹智能故障诊断方法。首先以导弹FMECA结果作为知识源,通过基于ATML语法的OWL逻辑描述语言建立导弹本体模型,完成故障模式和故障原因本体之间的映射;其次采用语义网络规则语言SWRL描述知识库规则,建立本体知识单元之间类、属性和实例的对应关系,最后通过Racer推理机对导弹知识库进行故障诊断推理,获取故障诊断优先级顺序。推理结果表明,该方法能够解决复杂航空装备专家诊断系统中的知识表示困难、缺乏自动语义推理、重用共享性差等问题,获得最优的故障诊断路径的同时减少了故障排查步骤,从而实现了故障原因的快速定位,提高了复杂航空装备专家诊断系统的诊断效率和可靠性。     

Identification and resolution of conflicts during ontological integration using rules

Abstract: Integration of ontologies of information sources and consumers is an important phase in achieving web‐based interoperability. The present work describes an approach for identifying certain semantic conflicts while integrating ontologies of heterogeneous information sources. This paper is focused on the identification of homonymy and synonymy between elements in ontologies. In the present work the concepts of homonymy and synonymy are synonymous to naming conflicts and entity identifier conflicts, respectively, and partial synonymy is synonymous to schema isomorphism conflicts. The concept of the mask of interoperability is introduced for the identification of synonymy. The mask of interoperability is expressed in a declarative way as a set of rules, which can then be used for resolution of conflicts during integration of ontologies. As proof of concept, ontologies are implemented using the XML‐based ontology language Ontology Web Language (OWL), and the rules are implemented using the emerging rule language Semantic Web Rule Language (SWRL). This representation in OWL and SWRL allows the ontology to be executable, flexibly extendable and platform‐independent. The OWL facts and SWRL rules are used by the Jess and Bossam reasoning engine to identify semantic homonymy and synonymy.     

OWL rules: A proposal and prototype implementation

Although the OWL Web Ontology Language adds considerable expressive power to the Semantic Web it does have expressive limitations, particularly with respect to what can be said about properties. We present the Semantic Web Rule Language (SWRL), a Horn clause rules extension to OWL that overcomes many of these limitations. SWRL extends OWL in a syntactically and semantically coherent manner: the basic syntax for SWRL rules is an extension of the abstract syntax for OWL DL and OWL Lite; SWRL rules are given formal meaning via an extension of the OWL DL model-theoretic semantics; SWRL rules are given an XML syntax based on the OWL XML presentation syntax; and a mapping from SWRL rules to RDF graphs is given based on the OWL RDF/XML exchange syntax. We discuss the expressive power of SWRL, showing that the ontology consistency problem is undecidable, provide several examples of SWRL usage, and discuss a prototype implementation of reasoning support for SWRL.     

Salient object detection using biogeography-based optimization to combine features

In recent studies, ontology related concepts have been introduced into FIPA ACL content language to convey information for agent communication. However, these works have only applied ontology-based knowledge representation in communication message and then demonstrated the advantage of this association. In fact, although ontology can represent semantic implications needed for decidable reasoning support, it has no mechanism for defining complex rule-based representation to support inference. The motivation of this study is to address this issue by developing a semantic-based infrastructure to integrate Semantic Web technologies into ACL message contents. This semantic-based infrastructure defines two different semantic frameworks: the three-tier knowledge representation framework for message content and the Multi-layer Ontology Architecture for content language. The former is developed based on Semantic Web stack to support ontology-based reasoning and rule-based inference. The latter is adopted to develop a Lightweight Ontology-based Content Language (LOCL) to describe agent communication messages in an unambiguous and computer-interpretable way Jena reasoner is used in an application scenario that exploits agent communication with LOCL as content language, OWL as ontology language, and SWRL as rule language to demonstrate the feasibility of the proposed infrastructure.     

大规模定制下基于本体的服务产品配置研究*

为了研究服务产品大规模定制的实现,探讨了服务产品大规模定制的实现机理和关键技术,指出模块化设计对服务产品族及服务产品平台的重要性。在服务产品模块化设计的基础上,为了提高服务产品配置知识的共享性和重用性,提出了一般服务产品配置的模型和概念,结构化了服务产品配置的构件和模块,建立了服务产品配置本体。采用网络本体语言OWL形式化服务产品配置的结构知识,采用语义网规则语言SWRL编码服务产品配置的约束知识,并分别映射到JESS推理系统的知识库和规则库中,使用JESS推理机执行推理过程,产生配置结果。为说明该方法的     

OWL DL的形式化基础研究

W3C正在制定的OWL DL是一种面向语义Web的知识表示标记语言，具有较强的知识表达能力并适合大规模应用的推理效率，是语义Web领域对适合语义Web应用的知识表示标记语言进行研究的最新综合．在知识表示领域，为了对知识表达能力和推理效率做合适的折衷，进行了大量关于描述逻辑的研究，本文以描述逻辑作为OWL DL的形式化基础，详细分析了OWL DL和描述逻辑间的对应关系，用描述逻辑的语义解释了OWL DL的各个基本元素，从而可以将描述逻辑领域研究的大量成果应用到OWL DL上来，为进一步研究OWL DL的知识表示、推理等问题奠定了基础．     

电子目录的SWRL规则研究

随着电子商务网站和在线商品数量不断增加,电子目录技术变得越来越重要。现有电子目录及标准只是产品分级概念和属性的结合,不能进行基于规则推理的智能化服务,使用SWRL编写电子目录本体的产品关联规则,可以更好地提供基于规则推理的电子目录服务。主要在电子目录标准、本体论和语义Web研究基础上,利用SWRL语言的逻辑表达能力,来构造与研究电子目录本体的SWRL规则,并对产品配置规则,规则推理做出探讨。     

故障树领域本体及SWRL规则的构建方法研究

故障树(Fault Tree,FT)被广泛应用于系统故障的快速定位,但其因缺乏精确的语义信息而存在重复构建问题。将本体引入到故障树领域中,并对如何构建故障树本体及相应的SWRL规则进行了研究:首先采用本体描述语言 (Web Ontology Language,OWL)对故障树中的概念及概念之间的关系进行知识表示,构建了一个可共享、可重用、可扩展的故障树领域本体;然后将故障树中事件之间的逻辑关系转化成语义 Web 规则语言 (Semantic Web Rule Language,SWRL);最后将构建的故障树领域本体和SWRL规则放入JESS推理机中进行推理,产生新的知识,用于系统故障的快速定位。实验证明,使用所提出的方法能在解决故障树重复构建问题的同时,不对系统故障的快速定位产生影响。