本體不一致問題研究.pdf

1、近年來，語義Web技術(shù)不斷發(fā)展，本體作為一種清晰表達(dá)語義和知識共享的方式，成為了語義Web的核心，其相關(guān)研究也得到了很大的進(jìn)步。然而，在實(shí)際應(yīng)用中，很難構(gòu)建沒有錯誤的本體，引起本體不一致的原因有很多。本體構(gòu)建者對知識認(rèn)識的不足或錯誤可能導(dǎo)致不一致，本體描述或者分類上的含混、語義上的沖突可能引起前后不一致，本體遷移或本體合并、集成等操作也很容易使本體產(chǎn)生不一致。在經(jīng)典推理下，不一致本體可以演繹出任何結(jié)論，針對這樣的本體進(jìn)行推理是毫無意義的

2、。因此不一致處理成為本體研究的關(guān)鍵問題，得到學(xué)術(shù)界的高度關(guān)注。
　　本文在全面分析本體不一致問題研究現(xiàn)狀的基礎(chǔ)上，重點(diǎn)對本體不一致性的度量方法、不一致本體的診斷和修復(fù)方法、不一致本體的推理方法等若干關(guān)鍵問題進(jìn)行了深入探討，最后利用自行構(gòu)建的林業(yè)領(lǐng)域本體，對研究成果進(jìn)行了實(shí)證分析。主要貢獻(xiàn)包括:
　　(1)本體不一致性的度量方法的研究。首先提出一種基于證據(jù)理論的本體不一致性度量ETOIM方法，并通過實(shí)例驗(yàn)證了該方法的有效性。然

3、后在ETOIM方法基礎(chǔ)上，利用語法相關(guān)性，提出了另外一種更加有效的基于選擇函數(shù)的證據(jù)理論本體不一致性度量SETOIM方法，SETOIM方法的實(shí)驗(yàn)結(jié)果比ETOIM方法的實(shí)驗(yàn)結(jié)果更接近“事實(shí)”。同時將這兩種方法與當(dāng)前具有代表性的類似算法進(jìn)行了比較，結(jié)果表明我們提出的算法是有效的。
　　(2)不一致本體的診斷和修復(fù)方法的研究。提出一種比傳統(tǒng)的局部診斷方法效率更高的不一致本體的診斷修復(fù)方法，即證據(jù)驗(yàn)證診斷方法。該方法能夠利用系統(tǒng)提供的新證

4、據(jù)首先可將“無罪者”（“無辜者”）元素排除，縮小了診斷范圍;然后再次利用新證據(jù)可將“定罪者”元素“挖”出，進(jìn)一步縮小了診斷范圍;最后對剩余部分進(jìn)行診斷修復(fù)。這種證據(jù)驗(yàn)證診斷方法因診斷范圍的兩次縮小提高了診斷效率，另外，這種做法在“挖”出“定罪者”元素之后，便可以避免因?yàn)檫@些“定罪者”元素而“殃及無辜”的問題，進(jìn)一步提高了診斷修復(fù)的準(zhǔn)確率。
　　(3)不一致本體的推理方法的研究。在研究基于線性遞增策略的不一致本體推理方法的基礎(chǔ)上，提

5、出一種新的基于線性遞減策略的不一致本體推理方法。線性遞增的不一致推理適用于一致性程度高的本體，線性遞減的不一致推理適用于一致性程度低的本體。但這類單純依賴于語法相關(guān)選擇函數(shù)的不一致推理，在兩次線性變換之間的推理空間相差較大，容易漏失有意義的答案。我們將這兩種單純依賴于語法相關(guān)選擇函數(shù)的不一致推理統(tǒng)稱為“粗粒度”不一致推理。進(jìn)而，作為“粗粒度”不一致推理的補(bǔ)充和完善，我們將不一致性的度量結(jié)果用于推理，給出一種“細(xì)粒度”推理策略，這種推理方