面向Deep Web的不完备知识处理的逻辑模型研究

Deep Web信息量大、主题专一、信息质量好。然而Deep Web信息存在着不完备问题，给网络资源的利用带来极大的困难。本项目在分析Deep Web中不完备知识的单调性、动态性、模糊性的基础上，将多种非经典逻辑的语法和语义相融合，建立一套基于混合逻辑的不完备知识表示及模型生成的理论与方法。①研究混合逻辑的tableau的推理结构、算法和策略，将提高海量不完备知识的推理效率，减少搜索空间；②研究不完备知识搜索的逻辑模型约束和评价的理论与方法，将提高Deep Web搜索的预处理能力；③在混合逻辑tableau推理模型的基础上，研究不完备知识库的修正及融合的理论方法，将提高不完备知识库中知识的可信度和可依赖性。因此采用逻辑方法对面向Deep Web的不完备知识进行表示并实现合理的推理和利用，具有重要的理论价值和现实意义。