模糊數據庫支持的模糊描述邏輯與本體知識庫抽取和存儲關鍵技術的研究.pdf

1、語義Web是當前Web的延伸，它賦予Web資源機器可理解的語義，從而使計算機能夠更好地與人協同工作。為了讓機器能夠理解Web資源并實現對資源的推理，如何表示和推理領域知識成為語義Web的重要研究課題之一。作為語義Web知識表示模型的本體以及知識推理基礎的描述邏輯在語義Web中發(fā)揮著重要的作用，引起了人們的廣泛關注并已被應用于許多領域的知識表示和推理中。
　　本體和描述邏輯是語義Web知識表示和推理的關鍵技術，語義Web的實現很大程

2、度上依賴于本體和描述邏輯知識庫的構建與存儲。從構建的角度來看，當前許多應用領域包含有大量有價值的信息資源，為了使語義Web應用程序能夠訪問和處理領域信息并實現已有系統(tǒng)中信息的重用和共享，如何從已有的領域數據資源中抽取本體和描述邏輯知識庫已經成為語義Web領域中的一個研究熱點。從存儲的角度來看，隨著語義Web的發(fā)展，應用領域出現了越來越多規(guī)模龐大的本體和描述邏輯知識庫，如何有效地存儲進而使用這些知識庫已變得越來越重要。數據庫是當今許多應用

3、領域存儲和管理數據資源的主要形式，因此利用數據庫技術支持描述邏輯與本體知識庫的抽取及其存儲也就成為語義Web領域一個重要的研究內容。
　　應當指出的是，在現實世界應用中存在著大量的不精確和不確定信息，模糊數據庫的提出與深入研究已經為不精確和不確定數據的表示和處理提供了理論上的解決方案。另一方面，為了表示與推理語義Web應用中廣泛存在的模糊知識、使語義Web具有處理模糊知識的能力，當前已有大量的研究工作致力于描述邏輯和本體的模糊擴展

4、。隨著語義Web模糊知識表示與推理問題的提出以及相關研究工作的不斷深化，模糊描述邏輯和模糊本體知識庫的抽取和存儲已經成為語義Web實現模糊知識表示與推理亟待解決的問題。模糊數據庫是現實世界中模糊信息表示與處理的主要形式，模糊數據庫技術經過近三十年的研究與發(fā)展在模糊數據表示與處理方面已經取得了豐碩的成果，這就為利用模糊數據庫實現模糊描述邏輯和模糊本體知識庫的抽取及存儲提供了理論基礎。然而，目前有關基于模糊數據庫的模糊描述邏輯和模糊本體知識

5、庫抽取與存儲的研究還很少。
　　為此，本文系統(tǒng)地研究了模糊數據庫支持的模糊描述邏輯與本體知識庫的抽取和存儲問題，主要包括兩方面內容:(i)選取兩種模糊概念數據模型（模糊ER模型和模糊UML數據模型）、兩種模糊邏輯數據庫模型（模糊關系數據庫模型和模糊面向對象數據庫模型）和模糊XML數據模型作為典型模糊數據庫模型，研究如何以這五種模糊數據庫模型為數據源來抽取模糊描述邏輯知識庫和模糊本體，并利用抽取后的知識表示形式實現對模糊數據庫模型的

6、推理;(ii)研究如何將語義Web中存在的大量模糊描述邏輯知識庫和模糊本體存儲在模糊關系數據庫中。具體的創(chuàng)新性研究成果包括以下幾個方面:
　　(1)提出了五種典型模糊數據庫模型各自的形式化定義以及形式化語義解釋方法，為模糊數據庫模型與模糊描述邏輯和本體之間形式化對應關系的建立奠定了理論基礎。首先，在已有研究工作的基礎之上，進一步研究了五種典型模糊數據庫模型，詳細討論了每種模型的相關概念和基本結構;在此基礎上，提出了每種模糊數據庫模

7、型的形式化表示形式以及語義解釋方法，并給出了相應的實例說明。
　　(2)針對五種典型模糊數據庫模型各自的特點，提出了適合表示每種模糊數據庫模型的相應模糊描述邏輯，并給出模糊本體的一種完整形式化定義，為基于模糊數據庫模型的模糊描述邏輯與本體知識庫的抽取提供了知識表示所需的模型支持。通過深入分析五種典型模糊數據庫模型各自的特點，分別提出了用于表示兩種模糊概念數據模型（模糊ER模型和模糊UML數據模型）的模糊描述邏輯FDLR、用于表示兩

8、種模糊邏輯數據庫模型（模糊關系數據庫模型和模糊面向對象數據庫模型）的模糊描述邏輯-ALCIQ(D)以及用于表示模糊XML數據模型的f-ALCQwf-reg，在闡述了引入上述三種模糊描述邏輯來分別表示五種典型模糊數據庫模型的原因之后，給出了每種模糊描述邏輯相應的語法、語義、知識庫以及推理算法。此外，為了形式化表示由五種典型模糊數據庫模型抽取得到的模糊本體，本文還提出了模糊本體一種較為完整的形式化定義。
　　(3)提出了從五種典型模糊

9、數據庫模型抽取模糊描述邏輯知識庫各自的形式化方法，設計實現了相應的抽取工具;并基于已抽取的模糊描述邏輯知識庫，利用模糊描述邏輯有效的推理機制實現了對五種典型模糊數據庫模型的推理。首先，基于上述五種典型模糊數據庫模型的形式化定義以及相應的模糊描述邏輯，提出了從五種模糊數據庫模型抽取模糊描述邏輯知識庫各自的形式化方法，并給出每種方法的正確性證明和相應的例子說明;之后，基于所提出的抽取方法，實現了每種模糊數據庫模型到相應模糊描述邏輯知識庫的自

10、動抽取工具;最后，基于已抽取的模糊描述邏輯知識庫，利用模糊描述邏輯有效的推理機制，通過將模糊數據庫模型的推理問題轉化為模糊描述邏輯知識庫的推理問題實現了對模糊數據庫模型的推理。
　　(4)提出了從五種典型模糊數據庫模型抽取模糊本體各自的形式化方法，用以實現基于模糊數據庫模型的模糊本體的自動構建。首先，基于上述五種模糊數據庫模型和模糊本體的形式化定義，提出了從每種模糊數據庫模型抽取模糊本體的形式化方法;之后，給出了每種方法的正確性證

11、明，并結合實例說明了抽取方法的具體應用?？紤]到模糊本體和模糊描述邏輯知識庫在抽取工具實現思路和技術方法等方面具有相似性，本文這里沒有再設計實現模糊本體的抽取工具。此外，由于模糊本體是基于模糊描述邏輯實現其推理任務，因此本文這里不再討論基于模糊本體的模糊數據庫模型的推理問題。
　　(5)提出了模糊知識庫(包括模糊OWL本體和模糊描述邏輯f-SHOIN(D)及其子語言知識庫）在模糊關系數據庫中的存儲方法，設計了相應的存儲工具，用以實現