OWL本体语言
简介
- 知识图谱中最规范,最严谨,表达能力最强的语言。
- 基于RDF语法
- 促进了统一词汇表的使用
- 允许逻辑推理
语法:RDF语法,三元组
逻辑基础:描述逻辑—基于独享的知识表示的形式化。
描述逻辑系统
组成:
- 基本元素:概念、关系和个体
- TBox术语集
- ABox断言集
- TBox和ABox上的推理机制
概念---一个领域的子集,例如:学生{x|student(x)}
关系---该领域上的二元关系(笛卡尔积),例如:朋友{<x,y>|friend(x,y)}
个体---一个领域内的实例。例如:小明{xiaoming}
TBox--- 泛化的知识:公理,格结构,与具体事实无关
定义:引入概念以及关系的名称
包含:申明包含关系的公理
ABox--- 具体个人信息:断言,描述领域中的特定个体。
概念断言:表示一个对象是否属于某个概念
关系断言:表示两个对象是满足特定关系
任务
- 可满足性
- 分类
- 实例化
可满足性
本体可满足性:检查本体是否有模型
概念可满足性:见哈是否具有模型使得该概念的解释不是空集
分类
针对Tbox的推理,计算新的概念包含关系
例子:
实例化
计算属于某个概念或关系的所有实例的集合
方法和工具
基于Tableaux运算的方法
方法简介
适用场合:
检查本体的可满足性,实例检测
基本思想:
构建Abox,检测可满足性,检测某一实例是否存在于某概念。
(类似于一界逻辑的归结反驳)
运算规则:
举例:
如果给定Woman(allen)?
相关工具简介
- 牛津大学开发的本体推理机
- 基于hypertableau运算
- 支持OWL2规则
本体推理的局限性:
- 仅支持预定义的本体公理上的推理
- 用户无法定义自己的推理过程
基于逻辑编程改写的方法
方法简介
规则推理:
- 可以根据特定场景定制规则
- Datalog语言结合本体推理和规则推理
Datalog语言:
- 表达能力与OWL相当,支持递归
- 便于撰写规则
Datalog语法:
原子:P(t1,t2…,tn)
规则:H:-B1,B2,B3…,Bm
事实:F(c1, c2, …, Cn): 一
Datalog程序是规则的集合:
举例:
相关工具简介
- OWL推理机、本体管理API
• 基于一阶消解屎理TBox axioms
• 针对大规模ABox 进行优化
• 由牛津大学开发的可扩展、 跨平台、 基于内存的 RDF三元组存储东统
• 支持并行Datalog推理、 SPARQL查询
基于一阶查询重写的方法
方法简介
目的:
- 高效地结合不同数据格式的数据源
- 重写方法关联起了不同的查询语言
流程:
相关工具简介
Ontop
- 最先进的OBDA系统
- 兼容RDFS、OWL 2 QL、R2RML、SPARQL标准
- 支持主流关系数据库:Oracle、MySQL、SQL Server、Postgres
- 开源 (Apache License 2.0)
基于产生式规则的方法
方法简介
产生式系统
- 一种前向推理系统,可以按照一定机制执行规则从而达到某些目标,与一阶逻辑类似,也有区别
- 应用:自动规划,专家系统
产生式系统的组成
- 事实集合 (Working Memory)
- 产生式/规则集合
- 推理引擎
事实 (Working Memory Element, WME)
描述对象:
- 形如(type attr 1 : val 1 attr 2 : val 2 ... attr n : val n ),其中type, attr i , val i 均为原子 (常量)类比类和对象
- 例如: (student name: Alice age: 24)
描述关系 (Refication)
- 例如:(basicFact relation: olderThan firstArg: John secondArg: Alice)简记为(olderThan John Alice)
产生式
- IF conditions THEN actions
- conditions是由条件组成的集合,又称为LHS
- actions是由动作组成的序列,又称为RHS
推理引擎:控制系统的执行
- 模式匹配:用规则的条件部分匹配事实集中的事实,整个LHS都被满足的规则被触发,并被加入议程(agenda)
- 解决冲突:按一定的策略从被触发的多条规则中选择一条
- 执行动作:执行被选择出来的规则的RHS,从而对WM进行一定的操作
产生式系统=事实集+产生式集合+推理引擎
相关工具简介
参考资料:王昊奋知识图谱教程