基于2型模糊描述逻辑的知识描述与推理及其在信任管理系统中的应用

描述逻辑由于其强大的描述能力与成熟的推理算法而被广泛应用。然而，经典描述逻辑局限于处理确定的概念和关系，从而导致描述逻辑很难处理类似语义网等大型本体系统中的模糊知识。虽然1型模糊集可以一定程度上减轻不确定性带来的影响，但是其采用确定的隶属度值来决定模糊度的方法是不够精准的。与之相比，基于2型模糊集的系统能够利用隶属度区间更加精确地描述模糊信息。本文给出描述逻辑ALC的2型模糊扩展形式，并且给出并分析了2型模糊ALC的描述和推理方法。最后使用2型模糊ALC建立了一个基于模糊本体的信任管理系统FOntoTM。     

本体复用方法语义导入的研究与设计

在OWL(web ontology language)中,本体复用主要采用owl:imports.然而,这种复制 粘贴的方式会出现若干问题.基于此,提出一种新的导入原型:语义导入.在本体空间中支持TBox推理机推理和语义导入,以促进本体复用.提出一种基于ALC本体语义导入的TBox推理分布式算法,解决了简单本体空间中Tableaux算法的逻辑推理问题.     

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。     

基于本体的图像情感语义识别及推理模型

提出一种基于本体的图像情感语义识别系统,使情感识别过程易于理解.针对人类在图像情感语义理解过程中存在的个性化和群体化现象,系统使用多层次的情感推理模型.在阐述系统的设计思想和各模块的工作机理的同时,着重介绍了通过语义网规则语言表示的多层次情感推理模型的组织结构和表示方法以及推理机的工作原理.仿真实验结果表明了在图像情感语义识别及推理过程中引入本体概念的可行性.     

基于语义网规则语言的推理机制框架设计

分析了本体描述语言OWL DL在表达能力上局限于描述逻辑的缺陷以及语义网规则语言(semantic web rule language,SWRL)的特点,在已有时本体和规则结合推理的研究基础上,提出了一个基于SWRL的推理机制框架.该框架在OWL本体中引入了规则的表示,弥补了OWLDL在推理机制上的不足,经该框架推导出的新本体在原本体的基础上增加了概念间的语义关联,将隐性知识显示化,完善了本体知识库的内容.在语义Web领域,该框架的应用能够提高本体知识的利用率.     

面向语义信息查询的模糊本体模型

针对领域知识建模时的模糊性、不确定性与信息查询时的局限性,提出一种基于模糊控制规则的模糊本体模型。利用基于模糊聚类的本体机器学习方法构建模糊控制规则库,通过计算模糊相似矩阵得到模糊概念的语义关联,对词汇相关概念进行语义分析与扩展获取模糊概念间的本质语义关系,实现基于模糊概念属性值的信息查询与语义共用。实验结果表明,该模型在语义查询上有更完善的推理机制,能有效获取语义信息。     

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.     

N-SHOQ(D):描述逻辑SHOQ(D)的一个非单调扩展

描述逻辑SHOQ(D)给出了Web本体语言DAML OIL的语义,但SHOQ(D)只能处理严格成立的完备知识,不能处理在实际情况中经常出现的不完备知识．对描述逻辑SHOQ(D)进行扩展,提出了能够处理不完备知识的非单调描述逻辑N—SHOQ(D)．给出了N—SHOQ(D)的语法和语义,定义了N—SHOQ(D)中的蕴涵推理关系,研究了N—SHOQ(D)所具有的性质．N—SHOQ(D)为扩展DAML OIL语言到能够处理不完备知识的情形提供了语义支持．     

从ALC到SHOQ（D）：描述逻辑及其Tableau算法

描述逻辑是一类知识表示的形式系统，并成为语义Web的逻辑基础。Tableau是描述逻辑的基本证明论，基于Tableau的算法提供7描述逻辑的推理机。本文系统地阐述了对应于语义Web语言从基本的ALC到SHOQ(D)描述逻辑基础及其相应的Tableau算法。     

Concept-based search and questionnaire systems

World Wide Web search engines including Google, Yahoo and MSN have become the most heavily-used online services (including the targeted advertising), with millions of searches performed each day on unstructured sites. In this presentation, we would like to go beyond the traditional web search engines that are based on keyword search and the Semantic Web which provides a common framework that allows data to be shared and reused across application. For this reason, our view is that “Before one can use the power of web search the relevant information has to be mined through the concept-based search mechanism and logical reasoning with capability to Q&A representation rather than simple keyword search”. In this paper, we will first present the state of the search engines. Then we will focus on development of a framework for reasoning and deduction in the web. A new web search model will be presented. One of the main core ideas that we will use to extend our technique is to change terms-documents-concepts (TDC) matrix into a rule-based and graph-based representation. This will allow us to evolve the traditional search engine (keyword-based search) into a concept-based search and then into Q&A model. Given TDC, we will transform each document into a rule-based model including it’s equivalent graph model. Once the TDC matrix has been transformed into maximally compact concept based on graph representation and rules based on possibilistic relational universal fuzzy-type II (pertaining to composition), one can use Z(n)-compact algorithm and transform the TDC into a decision-tree and hierarchical graph that will represents a Q&A model. Finally, the concept of semantic equivalence and semantic entailment based on possibilistic relational universal fuzzy will be used as a basis for question-answering (Q&A) and inference from fuzzy premises. This will provide a foundation for approximate reasoning, language for representation of imprecise knowledge, a meaning representation language for natural languages, precisiation of fuzzy propositions expressed in a natural language, and as a tool for Precisiated Natural Language (PNL) and precisation of meaning. The maximally compact documents based on Z(n)-compact algorithm and possibilistic relational universal fuzzy-type II will be used to cluster the documents based on concept-based query-based search criteria. This Paper is dedicated to Prof. Lotfi A. Zadeh, father of Fuzzy Logic “Zadeh Logic”.     

扩展AL log挖掘日志本体的ILP方法*

为发现Web使用记录中所蕴涵的用户访问模式,在深入分析日志本体中事件间的抽象关系后,提出适用于原子事件和复合事件间整分关系推理的ALC传播规则扩展已有的推理模式,并在此基础上提出一种挖掘日志本体的ILP方法。该方法结合描述逻辑和Horn规则在知识表示和推理过程中互补的特点,采用ALlog混合系统构建知识库,利用约束SLD反驳消解和扩展ALC传播规则从日志本体中学习用户访问模式,达到站点商业智能和个性化的目的。最后给出验证该方法的实例,实验结果表明了该方法的可行性和有效性。     

Implementing situation-aware and user-adaptive music recommendation service in semantic web and real-time multimedia computing environment

With the advent of the ubiquitous era, many studies have been devoted to various situation-aware services in the semantic web environment. One of the most challenging studies involves implementing a situation-aware personalized music recommendation service which considers the user’s situation and preferences. Situation-aware music recommendation requires multidisciplinary efforts including low-level feature extraction and analysis, music mood classification and human emotion prediction. In this paper, we propose a new scheme for a situation-aware/user-adaptive music recommendation service in the semantic web environment. To do this, we first discuss utilizing knowledge for analyzing and retrieving music contents semantically, and a user adaptive music recommendation scheme based on semantic web technologies that facilitates the development of domain knowledge and a rule set. Based on this discussion, we describe our Context-based Music Recommendation (COMUS) ontology for modeling the user’s musical preferences and contexts, and supporting reasoning about the user’s desired emotions and preferences. Basically, COMUS defines an upper music ontology that captures concepts on the general properties of music such as titles, artists and genres. In addition, it provides functionality for adding domain-specific ontologies, such as music features, moods and situations, in a hierarchical manner, for extensibility. Using this context ontology, we believe that logical reasoning rules can be inferred based on high-level (implicit) knowledge such as situations from low-level (explicit) knowledge. As an innovation, our ontology can express detailed and complicated relations among music clips, moods and situations, which enables users to find appropriate music. We present some of the experiments we performed as a case-study for music recommendation.     

粗糙本体支持的知识推理框架

基于精确本体的推理机不能够直接应用到粗糙本体的知识推理中,因此目前还没有适合粗糙本体的推理机。根据粗糙本体的特点,将其中的粗糙集、粗糙描述逻辑、粗糙包含和知识推理作为研究对象,在此基础上将基于描述逻辑的推理方法与基于规则的推理方法相结合,提出一种粗糙本体支持的知识推理框架,实现了粗糙本体的推理功能,解决了针对不确定信息的知识推理问题。     

基于知识元本体的知识统一表示

分析描述逻辑和本体论语义,提出知识元本体论点,并用Web本体语言OWL详细地构建了知识元本体的初步版本.提出基于知识元本体的知识表示方法.从而为构建具有更小知识单元共享粒度和知识语义推理的知识库系统提供统一的知识元本体定义.