描述逻辑FL0的包含推理及其保守扩充

本体作为知识库表示知识已经成为计算机理论与应用的研究热点.在描述逻辑中,将本体看作一个逻辑理论,一个本体被形式化为给定的描述逻辑系统的一个Tbox.本体是动态的实体,为了适应新领域的发展,需要对原始本体进行扩充.但是扩充后的本体与原始本体是否保持逻辑一致性是目前研究者们所关注的焦点.在Lutz等人研究的基础上探究FL0的保守扩充问题.首先构建了FL0的典范模型,将包含推理问题转换为典范模型的模拟问题;其次由典范模型之间的最大模拟是多项式时间复杂的,证明了FL0的包含推理是多项式时间复杂的;最后给出描述逻辑FL0的保守扩充及其判定算法,证明了FL0的保守扩充的判定算法是指数时间复杂的.     

描述逻辑εL循环术语集的保守扩充

在计算机科学中,本体是动态的实体。为了适应新领域的发展,需要对原始本体增加新的公理或者与另一个本体融合。在本体的开发过程中,用户根据不同的需求和应用领域选择合适的本体导入另一个本体,从而实现对已建本体的扩充。判定扩充后的本体是否是扩充前本体的保守扩充是非常重要的。如果扩充后的本体不是扩充前本体的保守扩充,那么用户使用扩充后的本体将产生不可预知的影响。Lutz 等研究了描述逻辑εL的保守扩充问题,并且论证了εL的保守扩充是指数时间完全的。在Lutz等人的研究基础上研究了描述逻辑循环术语集的保守扩充问题。首先,给出了循环术语集在最大不动点语义下的保守扩充的充分条件是两个TBox 具有相同的原始概念,并论证了该算法是多项式时间复杂的。其次,给出最大不动点模型来处理循环术语集的保守扩充,并论证了该算法是指数时间复杂的。     

描述逻辑εL的二阶线性推理机制

基于描述逻辑的本体的保守扩充理论、模块抽取理论、通用模块构建理论及其相关算法是本体工程中本体构建、本体融合及重构的核心理论与工具.国际上该领域已有Lutz等人使用形式构模方法证明了ALC的保守扩充判定算法复杂度是二阶时间指数的,而轻量级的系统εL的算法复杂度是一阶时间指数的.但当前文献中的形式构模方法思路复杂,难以把握,几乎不能在实用的工程层面上实现.提出一种面向轻量级的描述逻辑系统家族（DL-Lite family）的统一的二阶线性推理机制,并给出该推理机制的完备性证明.该方法直观,思路清晰,从而在工程中容易实现.同时,该方法对εL,FL₀,FL_ε,vL等DL-Lite家族的所有系统都有效.在该线序推理系统下,可以根据“空间换时间”的原则,设计和实现关于保守扩充判定的图推理机制,其复杂性（相对于空间的大小）是多项式的.     

缺省逻辑的e扩充和me扩充

缺省逻辑的扩充概念有二个弊端：１、无法描述缺省规则田固有的逻辑关系；２．无法描述结论与验证式之间的逻辑依赖关系。Ｗ．Ｌｕｋａｓｚｅｗｉｃａ提出的ｍ扩充概念解决了问题２但没有解决问题１；本文首先提出了ｅ扩充的概念，它解决了问题但没有解决问题２。最后我们提出了ｍｅ扩充的概念，解决了缺省逻辑遇到的两个问题，避免了相当一类的反常性，一个重要的结论是，每一封闭的缺省理论都有ｍｅ扩充。     

模糊逻辑的再扩充

R C.T.Lee和C.L.Chang首先讨论了真值集为单位区间的模糊逻辑,特别是证明了一阶谓词公式在二值逻辑中的不可满足性与在这种模糊逻辑中的不可满足性是等价的,从而原始的归结原理在这种模糊逻辑中是完备的。1980年,刘叙华将[1,2]的结果推广到有分界元素的有余完全分配格值逻辑,并称这种逻辑为广义模糊逻辑,容易知道,真值格有分界元素这个条件是比较苛刻的,甚至连二值逻辑的真值集B_2(二元Boole     

描述逻辑综述

描述逻辑是一种知识表示的形式化语言,是一阶逻辑的可判定子集。作为一种知识表示的有效机制,描述逻辑被广泛地应用到计算机科学的许多领域中。本文对目前描述逻辑的研究与应用现状进行了综述性的介绍,并且从描述逻辑的定义、描述逻辑的基本语法及语义、体系结构以及描述逻辑在语义Web中的地位等方面做了系统阐述。     

基于描述逻辑的本体进化框架

以描述逻辑作为本体标准语言的理论基础,研究本体进化的概念和目的,提出一种本体进化框架,并在此基础上探讨本体进化过程和本体进化实现技术,包括本体变化操作语法与语义以及本体变化执行算法。通过图书本体实验平台验证了本体进化框架以及本体变化执行算法的可行性。     

基于描述逻辑的OntoUML模型的推理研究

作为语义网的逻辑基础,描述逻辑在知识表示与知识推理方面发挥着重要作用。基于描述逻辑的推理系统保证了其推理的合理性和有效性。本文概要介绍基于UFO本体的OntoUML,并探讨OntoUML模型到描述逻辑的形式化表示及推理方法。     

基于描述逻辑的OntoUML模型的形式化表示

将形式本体理论应用于UML语言的改进是UML的形式化研究的主要方法之一,其中On-toUML是一个概念上完整、语义上清晰和更具本体意义的UML版本。虽然OntoUML基于本体对UML进行了扩充,提供了更为丰富,更能表达现实世界语义的建模原语,但其表达方式不利于在信息系统的设计与开发中应用。本文基于描述逻辑对OntoUML中的关键建模原语及其关系给出了SHIQ形式化表示方法,并进行了实例研究。该方法表达精练、语义清晰,不仅能够表达逻辑清晰的模型,而且保证模型能够正确反映领域事实。这种形式化方法为信息系统概念建模方法提供了理论和应用支撑,在一定程度上推动了OntoUML更为广泛的应用。     

基于保守扩充理论的模块化本体重用

分析了本体重用的研究现状和目前重用方法只适用于单个独立本体的不足,以ε-Connections语言构建的模块化本体库为研究对象,基于保守扩充理论提出了本体模块知识完整性概念,并证明了知识完整性的相关性质.在此基础上,给出了一种针对模块化本体库的保守扩充重用算法ERMMO（extracting reused modules from modularontologies）,讨论了该算法的两种子算法EMMO_IK和EMO_IK的特点及适用条件.分析并验证了ERMMO算法的可行性和正确性.ERMMO算法是当前保守扩充重用算法的一般化扩充,对模块化思想应用于本体重用问题有所启示.     

基于描述逻辑的模糊ER模型

分析了描述逻辑ALNUI与ER模型的关系,特别是如何将ER模型转化为ALNUI的知识库,从而利用ALNUI的推理机制对ER模型进行自动推理的有效性,在此基础上,进一步研究了基于描述逻辑的模糊ER模型.针对模糊ER模型的特点和需求,在描述逻辑ALNUI的基础上,对描述逻辑ALNUI进行了模糊化推广,提出了一种新的描述逻辑,即模糊描述逻辑FALNUI.研究了基于FALNUI的模糊ER模型,即研究了如何将模糊ER模型转化为FALNUI的知识库,并利用FALNUI的推理机制研究了模糊ER模型的可满足性、冗余性和包含关系等自动推理问题,证明了这些推理问题的正确性.     

描述逻辑εL循环术语集的混合推理

循环术语集是描述逻辑长期以来的研究难点, 它最基本的问题即语义及推理问题没有得到合理的解决. 分析了描述逻辑循环术语集的研究现状和存在的问题, 在Baader和Brandt的基础上进一步研究了描述逻辑εL循环术语集的混合推理问题. 给出了εL的混合循环知识库的语法和语义(包括不动点语义和描述语义). 针对εL循环术语集混合推理的需要, 提出了TBox-完全的概念, 并重新定义了描述图(包括语法描述图和语义描述图).使用描述图之间的模拟关系和TBox-完全概念给出了最大不动点语义和描述语义下εL混合循环知识库的实例检测推理算法, 证明了推理算法的正确性, 并给出了推理算法的复杂性定理.     

累积缺省逻辑的扩充

针对缺省理论的一大热点问题—缺省扩充,将Grigoris Antonion的语义算子理论算法及V.W.Marek和M.Frusz-cyuski的语构算法用于计算累积缺省逻辑(CDL)的扩充,系统地讨论了CDL及其新变种CADL与QDL的理论的扩充问题,从而使得具有累积性的缺省逻辑扩充的计算问题系统化,同时指出这两种方法可用于其他类型的缺省理论扩充的计算。     

基于描述逻辑的模糊ER模型的表示与推理

重点分析了将ER模型分别转化为描述逻辑ALNUI知识库和DLR知识库的不同之处.在深入研究了描述逻辑DLR的基础之上,对DLR进行了模糊化扩展,提出了一种新的模糊描述逻辑FDLR(fuzzyDLR).定义了FDLR的语法结构、语义解释以及知识库的形式,研究了如何将模糊ER模型转化为FDLR的知识库.通过一个转化实例例证了FDLR能够很好地对模糊ER模型进行表示,并利用FDLR的推理机制研究了模糊ER模型的自动推理问题,同时给出了上述转化和推理问题的正确性证明.     

基于描述逻辑的本体导航

计算机支持的协同学习系统经常采用知识导航模块,该模块的核心是本体库。许多本体库采用框架表示法,但框架表示语义不精确。该文提出了本体的描述逻辑表示和框架表示相结合,给出了描述逻辑表示的本体转化为框架本体表示的算法。     

基于动态描述逻辑的作物系统模拟框架本体研究

作物系统模拟框架是构建作物生长模型和设计可重用的作物模拟软件的基础框架。作物系统模拟是一个动态过程,传统的本体表示方法无法准确描述。本文对作物系统模拟框架进行形式化的表示,通过分析不同作物模拟过程的作物、子模型和算法之间的关系,给出了动态描述逻辑的逻辑表示,有利于模型之间交流、互操作和重用。     

基于描述逻辑的上下文知识获取与推理方法

针对上下文感知计算中缺乏清晰统一的模型与自动推理支持的问题,提出一种基于描述逻辑的上下文知识获取与推理方法。该方法首先提出了一种本体引导的上下文模型框架,根据抽象层次的不同将上下文模型分为元模型与领域特定模型两层结构;然后采用描述逻辑表示语言SHOIN(D)形式化描述该上下文模型,设计上下文模型向描述逻辑知识库的转换算法。最后以一个实际案例说明该方法的可行性。     

基于动态描述逻辑的UCON授权模型

使用控制(UCON)是下一代访问控制模型,其核心模型包括授权模型、义务模型和条件模型。该文的目的是使用动态描述逻辑DDL对UCON授权模型进行逻辑表述,对授权过程中的各个决定要素进行逻辑描述并提供可判定性推理,提出UCON授权模型的逻辑模型,并提供了一个完整的授权实例,为模型的实际应用奠定一个较好的逻辑基础。     

基于描述逻辑的特征模型

由于特征模型缺乏严格语义基础,难以对模型进行一致性推理,无法保证模型的一致性,进而影响最终软件产品的质量。本文讨论了如何使用描述逻辑对特征模型进行形式化,给出了将特征模型转化为描述逻辑ALCQI知识库的算法,通过验证转化后的知识库的一致性得到所对应特征模型的一致性。并利用描述逻辑的推理机RACER对转换得到的知识库进行推理,自动完成特征模型的一致性检查,为特征模型的一致性检验提供一种方法,实践证明这种方法具有可靠性和高效性。     

语义web中以描述逻辑为本体语言的推理

语义Web是worldwideweb的发展方向,它的实现能有效地提高互联网的智能化程度,进而提高其使用效率。描述逻辑作为语义Web的一个逻辑基础,成为其研究和开发的重要内容。该文讨论了语义Web中以描述逻辑为本体语言的推理方法,并对其应用作了简要的分析。