本体建模与语义Web知识发现 8：基于本体的知识推理

    以本体作为信息组织形式，通过推理可以获得本体中特定形式的知识集合以及运用本体中的知识来辅助解决涉及语义的应用。

    使用OWL本体作为信息检索的载体，用户能够方便地在概念上描述信息需求，构造复杂的语义查询。SPARQL语言查询显示定义的知识，还需要推理引擎，将本体中具有隐含语义关联的数据提取出来，获得所有相关联的数据作为SPARQL查询的数据源。

     本体的知识推理从根本上说就是把隐含在显示定义和声明中的知识通过一种处理机制提取出来。对本体的开发人员来说，可以用于检测本体定义中存在的冲突，消除不一致性，优化本体表达和实现本体融合；而对于知识管理、语义检索、自然语言理解等诸多领域的本体使用者来说，本体的推理可以获得本体中特定形式的知识集合并用于解决实际问题。

8.1 本体推理机系统构成

      本体推理机是实现语义检索和知识推理的关键技术之一。

     本体解析器：负责读取和解析本体文件，它决定了推理机能够支持的本体文件格式。解析性能的好坏决定了推理机是否支持对大本体文件的解析。

     查询解析器：负责解析用户的查询命令

     推理引擎：是本体推理机的核心部件，负责接受解析后的本体文件和查询命令，并执行推理流程，推理引擎决定本体推理机的推理能力。目前大部分推理引擎是基于描述逻辑的。

     结构展现模块：

     API模块：主要面向开发用户，一般有三部分，OWL-API，DIG接口以及编程语言开发接口。

8.2 本体推理技术和推理算法

    主要技术有以下四种：

    1）基于传统描述逻辑的推理方法：典型代表有Pellet、Racer和FaCT++，它们都是基于传统Tableaux算法设计实现的本体推理机。

    2）基于规则的方法：典型代表有Jess和Jena

    3）利用逻辑编程方法：F-OWL

    4）基于一阶谓词证明器的方法：Hoolet本体推理机就是利用了Vampire一阶谓词证明器俩实现本体推理。

    用于语义推理的推理算法很多，其中最为常用的算法包括Tableau算法和Rete算法。目前各种流行的推理机所使用的算法多为这种算法的优化算法，均以Tableau算法和Rete算法为基础。

8.3 本体推理机分类

   根据推理机实现的技术不同而分成基于描述逻辑、基于规则等不同类别，这里是按照本体推理机是否针对某些具体本体描述语言而实现把本体推理机划分为专用和通用两大类：

   1）专用本体推理机：效率高，使用方便，只是它将推理能力限定在几种具体的本体语言上，较难进行扩展。

   2）通用本体推理机。典型的有Jess，它是开放的，用户只需要提供不同领域的推理规则Jess就可以对不同领域进行推理。

8.4 典型的本体推理机系统

8.5 粗逻辑在本体推理中的应用

   本节的目的在于应用粗糙集理论来处理不确定集合，从而使得相应的本体能够有效地处理不确定信息，将粗逻辑引入描述逻辑的知识表示和推理机制。

   描述逻辑：基本构件是概念、角色和个体，简单的概念和角色可以通过复合方式表示复杂的概念和角色。概念描述了一个个体集合的共同属性，并且可将概念解释为对象集的一元谓词，将关系解释为对象之间的二元关系。 DLS将推理作为中心服务，即从知识库以显示包含的知识推导出隐含表示的致死。

   描述逻辑推理机的作用是为知识库提供推理服务，使其能够发现在表面信息内部的隐含信息，对于知识发现、维护和系统改进是十分有利的。

   粗糙集：基本思想是通过案例库分类归纳出来的概念和规则。它的基本概念是上近似和下近似，使其对于不能用已有概念表示的新概念给出一个近似的表示。

8.6 基本Jena的本体推理机

    https://github.com/apache/jena

    https://github.com/castagna/jena-examples