关于本体的只言片语3

Racer的推理功能包括本体满足性测试、实例检查、概念检索等。

Racer提供三个应用接口，即文件接口、TCP套接字接口和HTTP接口（即DIG接口）、后两种接口可以用网络的形式对Racer服务器进行在线的本体输入、本体设置和本体推理查询等活动。并且使得Racer可以与其他的本体工具相结合，如Jena。

Jena是用于创建语义网应用系统的Java框架结构，它为RDF、RDFS、OWL提供了一个程序开发环境。推理功能是Jena的一个子系统，它把推理机制和推理器引入到Jena中。

所有应用都是通过使用Model Factory访问的推理机制，并为相关联的Reasoner建立一个新的Model。查询这个新的Model不但会返回对原来数据的描述信息，还会返回通过Reasoner中的规则执行后的附加描述信息，从而实现语义层面上的信息检索。

Jena1采用RDQL实现了对RDF的数据表达、解析、查询和简单推理的支持，Jena2旨在实现对DAML、RDFS和OWL本体的应用程序接口。

RDFNode接口： 为任何能够作为RDF三元组中的元素提供了公共的基础。被Resource接口和Literal接口所继承。

Literal接口： 将字面值转换为Java中的数据类型，例如string、int、double等。
Resource接口： 将RDF数据模型当作一个具有属性的资源的集合来处理。

任意知识库中的知识可以明确的划分为内涵知识和外延知识。内涵知识指的是关于问题领域的一般性知识，通常不太会改变，在一定程度上“永恒”的。外延知识指的是面向特定知识，通常是暂时的，或依赖特定环境的，即容易产生变动。

目前，比较流行的基于描述逻辑ALC的推理算法是由Schmidt-Schaub和Smolka提出的Tableau算法，它可以证明一个给出的概念集是可满足的，它以一系列的规则为前提来扩展、细化这一概念集，如果概念集中的概念完全扩展后，仍无矛盾之处，则该概念集可以被证明是可满足的。

如果用户需要查询的一个关键词是一个实例，比如“bus958”（958路公交车），那么推理机将结合本体，找出与关键词“bus958”具有sameAs关系的所有其他词，例如“ShenminLine”（申闵线），然后将推理结果传递给查询组件。另一方面，如果用户给出的关键词是一个类名，例如“bus”，则推理机将找出这个类及其子类的全部实例，例如“bus958”、“ShenminLine”和“bus729”等等。值得注意的是根据父类、子类间关系的远近，这些实例是带有不同权值的。最后同样将语义扩展结果及其带有的权值传递给查询组件。

查询组件主要用来实现数据查询。查询组件从推理组件得到语义扩展后的主题词及其各自的权重，从而利用这些主题词来检索元数据库，并将结构返回给用户界面。需要指出的是，返回给用户的查询结果是根据权重的高低排好序的。也就是说用户看到的查询结果是按照语义相关度从高到低排列的。

万维网最初原型系统构架在三个基本的简单协议基础之上即URL、HTTP和HTML。URL用来对全球范围的每一个信息对象或地址以字符串的形式进行编码；HTTP定义了通信双方进行对话的方式；HTML定义了信息表现方式。

传统的信息检索机制存在三个深层次的问题：忠实表达 表达差异 词汇孤岛

传统的信息检索技术缺乏知识处理能力和理解能力

语义检索是把信息检索与人工智能技术、自然语言技术相结合的检索，核心是用形式化本体描述背景知识，并明确化文档的语义，以便综合利用本体的表达能力和推理机制。

OWL语言有望称为未来语义Web上标准的本体表示语言。

本体描述语言研究

本体构建方法研究

本体构建工具研究

本体获取研究

本体评价研究

本体具有丰富的语义和广泛的关系，因而将从根本上解决目前Web信息格式的异构性、信息语义多重性以及信息关系的匮乏和非统一性。

本体依赖所采用的语言，按照表示和描述的形式化程度不同，可以分为完全非形式化的、半形式化的和严格形式化。本体形式化程度越高，越有利于计算机进行自动处理。

本体是共享概念模型的明确的形式化规范说明。

语义网络使用带标签的弧连接的节点集合来表示信息，节点表示对象、概念或事件；弧表示节点之间的关系。

从一般领域应用的角度来理解，本体主要有一下作用：
1 对于领域知识进行分析、明确，并使其形式化
2 在人、机器（表现为软件代理）以及人与机器之间共享
3 实现一定程度的领域知识的重用
4 本体可以明确领域假设，使领域公理得到明确描述从而达到共知