DL-Lite本體的不一致處理方法研究.pdf

1、隨著當前Web上信息量的不斷增長，人們迫切要求Web上的內(nèi)容是計算機可以理解的，并可以由計算機自動來做有意義的處理。1998年，Web的創(chuàng)始人TimBurners-Lee首次提出了“語義Web”(Semantic Web)。語義Web是當前萬維網(wǎng)的一個擴充，網(wǎng)頁上的內(nèi)容不僅僅是通過自然語言來描述，而且增加了一種計算機可以理解的語義，從而使計算機也可以參與進來，幫助人們獲取有用的資源。由于語義Web要實現(xiàn)的是信息在知識上的共享和語義上的互

2、操作性，從而便于機器處理和交互，所以語義Web中的信息應(yīng)采用共享的詞匯描述，并賦予嚴格的語義。
　　 本體作為共享概念模型的明確的規(guī)范說明，可以描述某個領(lǐng)域甚至更廣范圍內(nèi)的概念以及概念之間的關(guān)系，使得這些概念和關(guān)系在共享的范圍內(nèi)具有大家共同認可的、明確的、唯一的定義，是人機之間以及機器之間進行交流的知識基礎(chǔ)。本體在語義Web中扮演著重要的角色，所以創(chuàng)建、管理和維護一個高質(zhì)量的本體是非常重要的。
　　 然而，在現(xiàn)實生活中，

3、本體的構(gòu)建過程有可能是分布性的、多作者的或者是由不同的數(shù)據(jù)源得來的，容易導(dǎo)致前后出現(xiàn)不一致的情況。而且本體的擴展、重用或合并也有可能導(dǎo)致本體不一致。當一個本體知識庫出現(xiàn)不一致時，在經(jīng)典邏輯的語義下，本體知識庫可以平凡地演繹出任何結(jié)論，這意味著針對這樣的本體知識庫的推理是毫無意義的，因此，如何處理本體的不一致是語義Web中的重要問題。
　　 目前存在的方法一般都是基于強表達能力的描述邏輯(Expressive Descriptio

4、nLogic)，不適用具有大規(guī)?，F(xiàn)實數(shù)據(jù)的本體，因為這些描述邏輯本體推理時最差情況下復(fù)雜度是指數(shù)級的。作為一種易處理描述邏輯(Tractable Description Logic)，DL-Lite可以保證在大型數(shù)據(jù)上仍然具有多項式級時間的推理。本文基于易處理描述邏輯DL-Lite討論了語義Web上不一致本體的處理，分別在診斷不一致本體、超一致查詢問答及度量不一致性三個方面提出了解決方法，具體貢獻如下：
　　 (1)診斷不一致本

5、體通過分析DL-Lite本體中不可滿足概念或角色所具有的特點，提出了一種有效地計算DL-Lite本體中不可滿足概念或角色的所有最小不可滿足保持子集(MUPS)的算法，并將此算法與當前最有代表性的算法進行了比較，實驗表明所提出的算法對于DL-Lite本體來說是有效的，優(yōu)于其它的算法。
　　 (2)超一致查詢問答提出了對不一致的DL-Lite本體進行超一致合取查詢問答，將經(jīng)典語義下查詢問答框架擴充到多值語義下，并給出了對DL-Lit

6、e本體進行一致合取查詢問答的算法，證明此算法的復(fù)雜度是基于ABox大小LOGSPACE的。
　　 (3)度量本體不一致度提出了一個度量DL-Lite本體不一致的方法。對于一個DL-Lite本體，我們證明了在三值語義下可以直接基于TBox的否定包含閉包集、ABox及本體中的所有個體常量來度量不一致。給出了一個計算DL-Lite本體的不一致度的精確算法，證明了此算法的復(fù)雜度是基于本體的大小多項式級的。不同于其它文獻中用一個序列值來度

7、量知識庫不一致，我們僅用一個直觀的、更易理解的值來度量DL-Lite本體的不一致。
　　 (4)度量原子斷言不一致度本體的不一致度是度量整個知識庫中所具有的可能的矛盾，并不能反映出本體中每個公理斷言的不一致性。為了找出導(dǎo)致本體不一致的根源，提出了對DL-Lite本體中原子斷言進行不一致度量，并給出原子斷言不一致度的定義。一個原子斷言的不一致度越高，說明它最有可能導(dǎo)致本體不一致。同時我們給出了度量DL-Lite本體中原子斷言的不一