论文部分内容阅读
事例表示及检索是基于事例推理(Case-Based Reasoning,CBR)研究中的重点、难点。描述逻辑(Description Logic,DL)能准确刻画出不同类型、不同复杂程度的知识,且具有效、可判定的推理服务,可为CBR中的重要难题提供解决方案。 已应用于CBR的描述逻辑有C-CLASSIC、εL及ALC等,并在事例表示及检索等方面取得了较好的效果。但也存在局限,如基于描述逻辑的事例库结构简单,事例检索效率较低;知识表示能力有限,不能表示具有复杂角色、模糊知识的事例等。针对这些问题,给出了基于描述逻辑ALC的事例库结构及检索算法,以提高事例检索效率;接着逐步引入知识表示能力更强的描述逻辑SHIQ及模糊描述逻辑Fuzzy-SHIQ(D)到CBR中,给出相应的事例表示及检索算法。具体研究内容及成果如下: (1)通过概念距离及LCS推理改进了基于ALC的事例库结构,得到了索引节点密度大、带权重的层次结构,实现了事例更细致的分类及统一概念距离的语义。根据该结构的组织方式、LCS概念及概念距离给出了事例检索算法,证明和实例验证了事例检索效率得到了有效的提高。 (2)针对基于描述逻辑的事例表示方法不能表示具有复杂角色关系及定性数量约束的事例,引入描述逻辑 SHIQ。给出了基于 SHIQ的事例表示方法;综合考虑概念相似的内涵法及外延法,通过将复杂概念逐步分解得到了基于SHIQ的事例相似性度量算法,解决了基于SHIQ的CBR中的关键问题。通过实例比较得SHIQ能更准确的表示某些领域中的事例,采用该相似性度量算法能得到合理的候选事例序列。 (3)针对描述逻辑只能表示精确知识的局限,引入模糊描述逻辑 Fuzzy-SHIQ(D)到CBR中。给出了基于Fuzzy-SHIQ(D)的事例表示方法及事例筛选算法,综合考虑概念相似性及隶属度相似性得到基于Fuzzy-SHIQ(D)的事例相似性度量算法,解决了基于Fuzzy-SHIQ(D)的CBR中的关键问题,为将基于描述逻辑的CBR应用于模糊领域提供理论支持。通过实例比较得Fuzzy-SHIQ(D)能更准确的表示具有模糊知识的事例;采用该相似性度量算法能得到合理的候选事例序列。 (4)根据(2)中算法开发了“基于SHIQ的事例相似性度量”系统,该系统实现了领域本体的解析、事例描述概念的输入及事例相似性度量等功能。