语义Web中典型不确定知识的本体表示和融合的理论与方法研究

Widespread representative uncertainty knowledge can not be dealt with by existing Semantic Web technologies such as fuzzy knowledge,random knowledge and incomplete knowlege. For soloving the critical theoretical and technical issues of the representative uncertain knowledge representation,and laying the foundation for information retrieval of representative uncertainty knowledge,the topics of the study will focus on the following basic theories and algorithms:(1)study of ontology representation modle of representative uncertain knowledge.Firstly these theories of cloud modle,rough sets and probability will be used to represent uncertain knowledge, and description logic SHOIN(D) and OWL DL language will be extended to construct uncertainty ontology model; then,tableau algorithm of the uncertainty SHOIN(D) and the algorithm of uncertain SHOIN(D) being turned to classical SHOIN(D) will be researched to construct the reasoning algorithm of uncertain ontology; (2) study of uncertain ontology integration. Firstly similarity algorithm between ontology elements based on fuzziness, randomicity and uncompleteness should be studied to construct ontology mapping algorithm based on classification or weight value calculation, and secondly according to the results of mapping,integration algorithm of uncertainty ontology elements and rules of structural and semantic conflict management will be researched to build the integration model;(3)On the basis of above studies, uncertain semantic Web prototype system will be able to be structured. The subject will solve the problems about representation and application of uncertain knowledge in Semantic Web, and it will bring the significance for all-dimensional knowledge retrieval in Semantic Web.

模糊知识、随机知识、不完全知识等典型不确定知识普遍存在，现有语义网技术不具备处理这些知识的能力。课题将解决语义网中典型不确定知识表示的关键理论和技术问题，为典型不确定知识的信息检索奠定基础，研究内容包括：(1)典型不确定知识的本体表示模型研究。首先研究使用云模型、粗糙集和概率论等理论表示典型不确定知识的方法，扩展描述逻辑SHOIN(D)和OWL DL语言构建不确定本体模型，然后研究不确定SHOIN(D)的Tableau算法和其转换为经典SHOIN(D)的算法，进而构建不确定本体推理算法；(2)不确定本体融合模型研究。首先研究具有典型不确定知识特征的本体元素相似度算法，进而构建基于分类或权值计算的映射算法，然后依据映射结果，研究不确定本体元素融合算法、本体结构和语义冲突处理规则，进而构建不确定本体融合算法；(3)搭建不确定语义网原型系统。课题的研究将对语义网中进行全方位知识检索具有重要意义。

模糊知识、随机知识、不完全知识等典型不确定知识普遍存在，现有语义网技术不具备处理这些知识的能力。课题研究了语义网中典型不确定知识的本体表示和融合的关键理论和技术问题，为典型不确定知识的信息检索奠定了基础。.不确定知识的本体表示模型包括不确定知识的本体表示方法和推理。不确定知识的本体表示方法是本课题研究的基础。课题分析了模糊知识、随机知识、不完全知识等典型不确定知识的常见表现形式，研究了其完整合理的不确定知识表示方法，给出了不确定本体的形式化定义；根据不确定本体的形式化定义，研究并给出了不确定描述逻辑C-SHOIN(D)的语法语义；根据C-SHOIN(D)的语法语义研究并给出了不确定本体表示语言C-OWL DL的语法。.不确定本体的推理算法是对不确定本体的逻辑合理性进行验证、对不确定知识进行检索、推理的基础，因此本项目研究并给出了C-SHOIN(D)的推理算法。.语义web中检索到的知识，来自于多个不同的本体，只有融合这些本体才能检索到完整的答案，因此需要进行不确定本体融合模型研究。不确定本体融合模型包括不确定本体映射算法和融合算法两个部分，项目根据不确定本体元素的语法、语义和结构，结合不确定本体的特点，给出了不确定本体映射算法。并根据不确定本体映射算法的结果，给出了不确定本体融合算法。.本课题的成果解决了不确定知识在本体中的表示、推理、映射和融合的关键技术问题，对语义网络的推广应用具有重要学术和应用价值。.课题圆满完成了申请书的工作，发表高水平学术论文21篇，申请发明专利2项（授权1项），登记软件著作权2项，获得2017年北京市科技进步奖二等奖一项。成果应用到“批改网”、“薄言豆豆”教育机器人等产品中。“薄言豆豆”使用了该项目的本体推理机理，目前该机器人已经开始销售；“批改网”使用了该项目的不确定本体构建方法，目前“批改网”已经批改了3亿多篇英语作文，服务了6千多所大、中小学校。