国家知识基础设施中的数学知识表示

数学知识表示是知识表示中的一个重要方面,是数学知识检索、自动定理机器证明、智能教学系统等的基础.根据在设计NKI(national knowledge infrastructure)的数学知识表示语言中遇到的问题,并在讨论了数学对象的本体论假设的基础上提出了两种数学知识的表示方法:一种是以一个逻辑语言上的公式为属性值域的描述逻辑;另一种是以描述逻辑描述的本体为逻辑语言的一部分的一阶逻辑.在前者的表示中,如果对公式不作任何限制,那么得到的知识库中的推理不是可算法化的;在后者的表示中,以描述逻辑描述的本体中的推理是可算法化的,而以本体为逻辑语言的一部分的一阶逻辑所表示的数学知识中的推理一般是不可算法化的.因此,在表示数学知识时,需要区分概念性的知识(本体中的知识)和非概念性的知识(用本体作为语言表示的知识).框架或者描述逻辑可以表示和有效地推理概念性知识,但如果将非概念性知识加入到框架或知识库中,就可能使得原来可以有效推理的框架所表示的知识库不存在有效的推理算法,甚至不存在推理算法.为此,建议在表示数学知识时,用框架或描述逻辑来表示概念性知识;然后,用这样表示的知识库作为逻辑语言的一部分,以表示非概念性知识.     

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SHOIN（D）的UML类图形式化方法

UML模型一致性自动检测的主要任务是解决形式化问题。描述逻辑是一阶谓词逻辑的可判定子集,具备强大的知识表示和推理功能。针对UML模型形式化问题,提出基于描述逻辑的形式化方法,分析UML类图各模型元素与描述逻辑SHOIN（D）的对应关系,提出UML类图的SHOIN（D）形式化方法,给出UML类图转换为SHOIN（D）知识库的正确性证明。     

基于描述逻辑的电机故障诊断知识表示与推理

针对传统电机故障诊断专家系统中知识表示方法的不足,提出一种基于描述逻辑的电机故障诊断领域知识描述方法,并在此基础上对所构建的电机故障知识库进行了逻辑检错推理.通过对电机故障诊断领域知识进行表示和推理,可以有效地表示电机故障知识之间的关系,检测知识逻辑体系错误.在实验过程中,利用本体编辑工具Protégé采用OWL语言对其进行了实现,并通过TABLEAU算法实现了逻辑检错推理.     

基于描述逻辑的概念图推理

分析了概念图在知识表示领域的重要性及其存在的问题,提出了一种基于描述逻辑的具有自动推理功能的扩展概念图.针对概念图的特点和需求,给出了将概念图的一个子集转化为描述逻辑知识库的方法,并证明了该方法的正确性.同时给出了其知识库的一致性、包含关系的自动判断方法,也证明了这些判断方法的正确性.     

面向对象的故障诊断专家系统深层知识模型

在诊断型化工专家系统中应用深层知识的研究报导已有许多。这些专家系统一般是基于产生式规则的、其缺点是通用性较差,因为深层知识模型会淹没在规则库中,因此、不仅要重视深层知识模型的建立,还应当重视专家系统知识表示在实现该模型中的重要性。本文首先提出了一个新的深层知识模型。该模型把一个复杂的过程分解为一组功能独立的子系统。每个子系统的知识定义为功能描述和行为描述。功能和行为描述用一组约束方程表示。这些约束方程的失衡则表示故障症状。故障被分为两类,即本质故障和原始故障。文中提出了一个模糊集合包含模型用于双症状找出最可能的本质故障。而双本质故障找出原始故障,则采用因果搜索方法。本文接下来讨论了该深层知识模型与面向对象知识表示是相吻合的。从1个复杂系统中抽象出来的子系统在面向对象知识库中被表达为一个知识对象。当这个子系统出现在一个新的化工过程中时,其相应的知识对象也可以用于这个新过程的专家系统知识库中。此外,由于面向对象的方法可以定义为与过程程序语言的接口,因而可以实现定性的基于模型的推理与定量的基于模型的推理的偶合。本文提出的方法已用于一个炼油蒸馏装置离线故障诊断原型专家系统中。     

基于模糊描述逻辑的模糊XML模型的表示与推理

通过分析描述逻辑与XML之间的关系,该文进一步研究了基于模糊描述逻辑的模糊XML模型的表示与推理.首先提出了模糊XML模型(包括模糊XML文档和模糊DTD)的形式化定义.然后针对模糊XML模型的特点和推理需求,提出了一种新的模糊描述逻辑f一ALCQwf-reg,给出了它的语法、语义、知识库以及推理算法.在此基础上,研究...     

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。     

从经典逻辑知识构建ASP知识库的新方法

回答集程序设计(ASP)是一种主流的非单调知识表示工具。为了能够在利用ASP求解问题过程中使用现有的以经典逻辑表示的知识,给出了一种把以谓词逻辑公式表示的约束型知识和定义型知识转化为ASP程序或知识库的新方法,并以实例说明了其有效性。该方法满足转化后ASP程序的回答集与原公式集的模型具有一一对应关系。在实际应用中,该方法提供了一项从现存的以谓词逻辑为表示语言的知识库,构建以ASP为知识表示语言的非单调知识库的技术。     

f-SHOIQN:一种模糊非单调描述逻辑

针对描述逻辑无法表示语义网中模糊和非单调知识的问题,在模糊描述逻辑f-SHOIQ基础上增加弱否定构造算子,提出模糊非单调的描述逻辑f-SHOIQ_N。使用弱否定标记模糊非单调原子概念,进而表示模糊非单调规则。将模糊非单调规则引入模糊描述逻辑f-SHOIQ,用来表示模糊和非单调知识。构建f-SHOIQ_N的知识库,给出该知识库中模糊非单调知识和模糊单调知识处理方式。为处理模糊非单调知识库中规则的竞争并满足描述逻辑中概念包含、相等的问题,提出f-SHOIQ_N中竞争规则的优先级判定算法。分析f-SHOIQ_N具有的性质,并给出相关证明。     

模糊描述逻辑FALNUI的tableaux推理

分析了模糊描述逻辑FALNUI与模糊ER模型的关系,即模糊ER模型可以转化为FALNUI的知识库,并且模糊ER模型的可满足性、冗余性和包含关系等推理问题可以转化为FALNUI的包含推理问题,但FALNUI缺乏相应的推理算法.提出了一种基于描述逻辑tableaux的FALNUI的可满足性推理算法,证明了该推理算法的正确性,以及提出了FALNUI的Tbox扩展和去除方法,证明了FALNUI的包含推理问题可以转化为可满足性推理问题,并给出了FALNUI的包含推理算法.FALNUI的tableaux推理算法为模糊ER模型的可满足性、冗余性和包含关系等自动推理的实现提供了理论基础.     

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.     

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．     

描述逻辑系统εLN中概念最小公共包含推理研究

描述逻辑的非标准推理是上世纪末本世纪初研究者们提出来的一种新的推理机制,它主要包括最具体概念、最小公共包含、匹配问题以及概念的重写等等。非标准推理的提出主要是为了解决人们在知识库的构建、管理、维护等方面遇到的问题,它能为自下而上的知识库构建方式提供必要的支持,这些是传统的标准推理无法提供的。随着描述逻辑的运用越来越广泛,知识库的构建、管理、维护是人们无法回避的问题,因此描述逻辑的非标准推理的研究成为近年来描述逻辑研究者们所关注的热点问题。本文分析了描述逻辑中概念最小公共包含(LCS)推理机制的研究现状和存在的问题,针对目前LCS推理在同时处理存在限制和数量限制的不足,研究了描述逻辑系统εLN的LCS推理算法。首先定义了εLN中的概念描述树及其同态关系,利用描述树之间同态关系给出了概念间包含关系算法。然后通过定义描述树的笛卡尔积给出了εLN中的LCS推理算法,并指出该算法是多项式时间复杂的。