论文部分内容阅读
如何将开放世界语言,例如,网络本体语言,与封闭世界规则语言更好地结合,是语义网领域内一个重要的研究课题。稳定语义基础上的混合MKNF知识库是一种成熟的结合方法。它将本体与规则紧密灵活地结合在一起,具有忠实性,是一种可决定的语言。之后,为了得到更好的计算复杂性,混合MKNF知识库的well-founded语义被提出。然而,即使本体和规则是一致的,将它们结合起来也可能会导致不一致信息。在这种情况下,无论是稳定语义下的推理系统还是well-founded语义下的推理系统都将因无法处理不一致信息而失效。另外,对于现实世界中经常出现的模糊信息,现有的语义也都没有能力来表达和推理它们。本文中,我们利用Belnap提出来的四值逻辑,为混合MKNF知识库提出一种忠实的超协调语义(简称为para-MKNF知识库),描述和推理知识库中的不一致信息。同时,我们给出一个线性的转换算子,将para-MKNF知识库规约到经典MKNF知识库中,确保不一致信息和缺失信息存在时经典推理机的有效性。这个线性的算子说明了两种语义之间的关系,并且验证了,超协调语义下的时间复杂度不超过经典语义。另外,针对不同类型规则下的知识库,我们定义了几种不同的不动点算子,每一种对应于不同规则下的para-MKNF知识库,并设计相应的迭代程序,用于计算para-MKNF知识库的超协调MKNF模型。然后,我们讨论了超协调语义下实例检测的数据复杂度。当混合MKNF知识库是不连贯的时候,超协调语义下的推理机会失效。针对这种情况,我们在九值逻辑的基础上,为混合MKNF知识库提出一个semi-S5语义,使得它对不连贯信息是超协调的。同时我们给出一个不动点算子来计算混合MKNF知识库的semi-S5模型。当知识库是连贯的时候,semi-S5模型与超协调MKNF模型是一致的。另外,在para-MKNF知识库中,受到不一致信息影响的推论与其他推论的信任度是不同的。我们在六值格的基础上提出了一种怀疑语义,将两种信息区分开来,并研究了怀疑语义与超协调语义之间的关系。最后,我们将模糊集理论应用到混合MKNF知识库,建立一个良好定义的模糊MKNF知识库,保证了对经典二值语义的有效性。我们在实例分析的基础上,深入研究了模糊语义的一些基本性质,刻画了一般规则下知识库的模糊MKNF模型。而且,针对正的以及层次的模糊混合MKNF知识库,我们给出不动点算子以及迭代不动点语义,用来计算其模糊MKNF模型。另外,我们讨论了模糊非分离正的知识库的一个片段。在这个特殊的情况下,模态原子的真值计算可以在多项式时间内可以完成。