现在,针对本体的推理,越来越多地集中在了几种标准的本体语言上,如OWL、 DAML、RDFS/RDF等,这样,研究者给出效率更高的,针对这些具体应用的推理机。象RACER、FaCT、Pellet等就是这类具体有强烈针对性的推理机。它们的优点是:效率很高,使用上也非常方便;缺点是:不是通用推理机,将推理能力限定在几种具体的本体语言上,而且用户很难对它进行扩展。 值得强调的是,RACER、FaCT、Pellet采用描述逻辑作为理论基础,算法采用Tableau 算法。这些系统都做了大量的优化工作。
Jena是面向语义Web的应用开发包,包含的内容比较全面,推理机只是其中一部分。 Jena提供的推理机也和RACER、FaCT、Pellet等一样,是针对本体的推理机,但Jena本身并不是‘推理机设计专家’,它自身包含的推理机基本上就是一种CLISP配合本体领域产生式规则的前向推理系统。因此,它的运行效率不是很高。好在现在有DIG接口, DIG有点象数据库中的ODBC,允许前端挂接到后台不同的推理引擎上。这样,在Jean中,也可以使用RACER、FaCT、Pellet这样更‘专业 ’些的推理机。
综上所述,可做如下区分: 1. Jena中的推理引擎和RACER都是针对具体本体语言的推理机,针对性强,效率高。 2. Jess是层面更低的,通用的CLISP推理机。
这就可以解释:为什么当用户使用owl表示本体时,Protege会用Jena或RACER等推理,而当用户使用class/slot表示本体时,Protege仅能使用Jess。 其实,从能力上,Jess 也可以完成owl推理(需要输入相应的产生式规则库),只是效率低。
[@more@]来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22951005/viewspace-1030439/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/22951005/viewspace-1030439/