论文部分内容阅读
随着语义网的发展，应用本体在智能推理中发挥越来越重要的作用。但应用本体开发是个复杂的过程，受人员素质、开发方法、描述逻辑自身复杂性等因素影响，既可能出现与本体逻辑基础不符的不可满足概念、不一致体等内部错误，也可能出现与背景知识、领域基本假定或需求不符的潜在语义错误，影响本体语义正确性及后续推理服务的质量。为消除这些语义错误、降低诊断难度，不同研究者先后提出多种不一致诊断方法，如反模式探测法、根辨解法和简洁辨解法等。这些方法虽然在性能上已不断改进，但就应用本体及其需求的不一致而言，仍存在各种局限与不足，如反模式法不能保证完备性、根辨解法不能排除冗余、简洁辨解法不能归并衍生性冲突，目前仍没有一套完整的、既解决内部不一致、也消除潜在语义错误，且能够最大限度保留原本体语义的、面向需求的本体不一致诊断流程或方法，这给实践造成很多不便。
为弥补空白，论文围绕本体不一致诊断要完成的两个核心任务展开研究。
在计算辨解任务中，针对现有不一致诊断方法过于依赖推理、只关注辨解某方面特性等问题，论文分别从启发式规则、辨解依赖关系、辨解简洁性三个角度出发，分析反模式探测法、根辨解法、简洁辨解法的原理、核心技术及局限，分析将三者组合的可行性。在此基础上，结合应用本体及其需求特点，提出通过反模式探测来减少调用推理机次数、通过结构转化和批量一致性检测来计算与需求不符的根本性冲突的思路和方法。
在筛选诊断任务中，针对返回最小诊断数量多、用户无法科学取舍的问题，论文分别从易出错公理与最小诊断间的整部关系、蕴含式与最小诊断间的依赖关系两个角度出发，分析公理可信度筛选诊断法、信息熵筛选诊断法的原理、核心技术及局限，分析将二者组合的可行性。在此基础上，优化诊断筛选策略，提出根据要处理最小诊断数量来动态选择筛选方法、综合损失信息量和预产生后果两方面信息识别目标诊断的思路与方法。
前者可以保证辨解的简洁性、完备性和面向多需求的独立性，并从一定程度上减少调用推理机的次数;后者可以确保目标诊断的最小影响性和在关键性推理任务上的准确性，二者共同为后续本体推理奠定良好基础。为提高计算结果的准确性，研究还尝试综合不一致度、删除代价、使用率与本体结构等多维度信息考察公理相对重要性，并结合应用本体特点调整其权重及计算方法。
为验证方法有效性，研究分别以相关论文中经常使用的实验本体和实际本体为例，在随机添加3-5个测试用例的前提下，计算简洁根辨解并筛选目标诊断。结果表明，这种综合性的、在整合现有方法基础上组建的面向需求的不一致诊断流程在整体上是可行的。