基于归纳逻辑程序设计的本体学习方法

本体学习是语义Web能否成功的关键之一。已有的本体学习工作集中在术语、同义词、概念、分类体系和关系层，而公理层的研究很少。已有的学习描述逻辑工作主要研究概念的定义公理，而没有研究角色的定义公理、以及概念和角色的约束公理。到目前为止，还没有见到学习OWL DLP本体中所有公理的报道。OWL DLP是可转换为一阶Horn子句逻辑的OWL Lite子集和RDFS超集,Horrocks等人的研究表明，它覆盖了大部分语义Web本体。虽然可以采用归纳逻辑程序设计（ILP）方法学习一阶规则集，再将其转换为OWL DLP公理，但是传统的ILP方法存在次优解问题，并不适于学习OWL DLP公理。本项目提出一种适于学习OWL DLP公理的ILP方法；研究将一阶Horn规则集转换为OWL DLP公理的方法；提出一种获取最大一致学习本体的OWL DLP不一致推理方法；基于以上方法和技术，构造本体学习工具和应用。