语义Web的局部封闭世界动态推理
国开作业人工智能专题-专题二-测验57参考(含答案)剖析
可编辑修改精选全文完整版题目：语义网络的表示方法只能表示有关某一事物的知识，无法表示一系列动作、一个事件等的知识。
选项A：对选项B：错答案：错题目：人们需要把分类器学习的样本的特点进行量化，这些量化后的数据，如鸢尾花的高度、花瓣的长度、花瓣的宽度等就是鸢尾花的特征。
这些特征都是有效的，可以提供给分类器进行训练。
选项A：对选项B：错答案：错题目：谓词逻辑是应用于计算机的逻辑形式，其逻辑规则、符号系统与命题逻辑是一样的。
选项A：对选项B：错答案：错题目：深度学习是计算机利用其计算能力处理大量数据，获得看似人类同等智能的工具。
选项A：对选项B：错答案：对题目：贝叶斯定理是为了解决频率概率问题提出来的。
选项A：对选项B：错答案：错题目：状态空间图是对一个问题的表示，通过问题表示，人们可以探索和分析通往解的可能的可替代路径。
特定问题的解将对应状态空间图中的一条路径。
选项A：对选项B：错答案：对题目：分层规划中包含基本动作和高层动作。
选项A：对选项B：错答案：对题目：启发式规划的两种方法是减少更多的边或者状态抽象。
选项A：对选项B：错答案：错题目：P（A∣B）代表事件A发生的条件下事件B发生的概率。
选项A：对选项B：错答案：错题目：现实世界中的规划问题需要先调度，后规划。
选项A：对选项B：错答案：错题目：当神经网络接收到工作任务时，就是用（）来接收这些任务所对应的数据集，如图像每个像素点的特征数值——色彩、亮度等。
（）的每个神经元都是任务的特征，即特征数值。
选项A：隐含层选项B：应用层选项C：输入层选项D：输出层答案：输入层题目：机器学习过程中，近似于人类的归纳推理式学习方式，被誉为“人工智能最有价值的地方”的学习方式是（）。
选项A：机器学习选项B：无监督学习选项C：监督学习答案：无监督学习题目：算法模型看起来像一棵倒立的树，数据沿着树根输入，再从叶子节点输出，中间的分支要根据不同特征的信息进行判断，决定该向左走还是向右走，这种算法称为（）。
第三章 语义WEB
a new language to make information self-describing A kind of Meta-language Not only the successor of HTML Well-behaved subset of SGML designed to enable delivery over the Web SGML - -, not HTML + + Designed by the World Wide Web Consortium (W3C) Overwhelming vendor support
用于XML显示的标准： • XHTML（采用XML对HTML的重 新定义） • SVG（有关矢量图形的) • SMIL（有关多媒体同步显示 的） • MathML（有关数学公式符号 的）； 用于移动设备的标准： • CC/PP（移动设备的内容协商 与信息交换） • HDML（手持设备） • WAP（无线应用设备） • VoiceXML（通过语音进行WEB 访问）；
内容：
语法： DTD（Document Type Definition); XML Schema; 显示： 层叠样式单CSS； 可扩展样式单语言XSL； XSLT(XSL转换）；
DTD（XML Schema）：文档类型描述
描述了一个XML语言的语法和词汇表，也就是 定义了文件的整体结构以及文件的语法； 规定了一个语法分析器为了解释一个“有效 的”XML文件所需要知道的所有规则的细节。 列出所有有效的元素，例如元素、标记、属 性、实体；也可以非常复杂，指出这些元素之 间的内在联系。
核心层为XML、RDF、ONTOLOGY，这3层用于表示 Web信息的语义。
大学计算机专业《人工智能》试题与答案
大学计算机专业《人工智能》试题与答案一、选择题(每题1分，共15分)1、AI的英文缩写是A)Automatic Intelligence B)Artifical IntelligenceC)Automatice Information D)Artifical Information2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。
A)永真式B)包孕式（subsumed）C)空子句3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是A)正向推理B)反向推理C)双向推理4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。
A)无悖性B)可扩充性C)继承性5、(A→B)∧A => B是A)附加律B)拒收律C)假言推理D)US6、命题是可以判断真假的A)祈使句B)疑问句C)感叹句D)陈述句7、仅个体变元被量化的谓词称为A)一阶谓词B)原子公式C)二阶谓词D)全称量词8、MGU是A)最一般合一B)最一般替换C)最一般谓词D)基替换9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（）A）深蓝B）IBM C）深思D）蓝天10、下列不在人工智能系统的知识包含的4个要素中A)事实B)规则C)控制与元知识D)关系11、谓词逻辑下，子句, C1=L∨C1‘, C2= ¬ L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（）A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’12、或图通常称为A）框架网络B)语义图C)博亦图D)状态图13、不属于人工智能的学派是A)符号主义B)机会主义C)行为主义D)连接主义。
14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是A)明斯基B).扎德C)图林D)冯.诺依曼15.要想让机器具有智能，必须让机器具有知识。
一种面向语义Web浏览器的基于规则的推理方法
（ ｃｏｌ ｆ ｏ ｕｅ ｃ ｎｅａｄＥ ｇ ｅｒ ｇ ｏ ｔｅｓ Ｕ ｉｅｓｙ ａｊ ｇ２ ０９ Ｃ ｉａ Ｓｈｏ ｍｐｔｒ ｉ ｃ ｎ ｎｉ ｅｉ ，Ｓｕｈａｔ ｎｖｒｔ，Ｎ ｎｉ １０ ６， ｈｎ ） ｏＣ Ｓｅ ｎ ｎ ｉ ｎ
Ｖｏ． １ Ｎ ． １ １ ｏ ４
Ｄ ｃ ２ １ ｅ ． ０ １
一
种 面 向语 义 Ｗｅ 览 器 的基 于 规 则 的推 理 方 法 ｂ浏
龚赛 赛 ， 唯 益 葛
（ 南 大学 计 算 机 科 学 与工 程 学 院 ， 苏 南 京 ２ ０ ９ ） 东 江 １０ ６
［ 摘要 ］ 讨论了语义 Ｗｅ 浏览器环境下 Ｒ Ｆ ｂ Ｄ 数据推理与查询面临的若干挑战： 动态性、 可伸缩性、 及时性和可信性． 提出了
第 １ １卷第 ４期
２１年 １ ０ １ ２月
南京师范大学学报 （ 程技术版 ） 工
Ｊ Ｕ Ｎ ＬＯ Ａ Ｊ Ｇ Ｎ Ｒ Ａ ＮＶ Ｒ ＩＹ Ｅ ＧＮ Ｅ Ｉ Ｇ Ａ Ｄ Ｔ Ｃ Ｎ Ｌ Ｇ Ｄ ＴＯ ） Ｏ Ｒ Ａ ＦＮ Ｎ Ｉ Ｏ Ｍ ＬＵ Ｉ Ｅ Ｓ （ Ｎ ＩＥ Ｒ Ｎ Ｎ Ｅ Ｈ Ｏ Ｏ ＹＥ ＩＩ Ｎ Ｎ Ｔ
ｂ ｓ ｄ ｒ ａ ｏ ｉ ｇｍｅ ｈ ｎ ｓ ｂ ａ ｓｏ ｒ ｒ ｈ ｉ ｉｇ， ｉｈ ａ ｄ ｅ ｓ ｓｔ ｅ ｃ ａｌｎ ｅ ｆｄ ｎ ｍｉｓａ ｄ ｓ ａａ ｉ ｔ ｙ ａ ｅ ｅ ｓ ｎ ｎ ｃ ａ ｉ ｍ ｙ ｍｅ ｎ ｆ ｏｗａｄ ｃ ａｎ ｎ ｗｈｃ ｄ ｒ ｓｅ ｈ ｈ ｌ ｇ ｓｏ ｙ ａ ｃ ｎ ｃ ｌ ｂｌ ｙｂ ｆ ｅ ｉ
一
种基于前向链 的规则推理方法 ， 通过动态提取与查 询相关 的规 则和事实来 处理动 态性 和可伸缩 性挑战． 方法通 过 Ｍａｉ 该 ｇｃ
语义Web中的本体推理研究
ｏ ｙｌ ｇｋ Ｓ ｒ ｌ ｎｒ ｄ ｃ ． ａｏ ｉｇＯ ｏ ｔ ｌ ｙｉ ａ ａ ｍ ｔ ｈ ｏ ｇ ｎ ｎ ｏ ｇ ｎ ｔｎ ｅｒｐ ｅｅ ｔ ｉ Ｗ Ｌ， ｔ ｓ ｈ Ⅵｒ ｎ ｇ ｆ １ ｌ ． ｅａ ｏｉｔ ｕ ｅ Ｒｅｓ ｎｎ ｉ ｎｏｏ ｓ ｎ ｌ Ｄ ￣ｅ ａ ｓ ｏ ｄ ｌ ｇ ｙ ｔ ｒ ｕ ｈａ ｏ ｔｌ ｙｉｓ ｃ ｒｓ ｎｅ ｎＯ ｏ ａ ｅ ｄ ｉ ｉｔｅ ｅ ｂｏ — ｔｌ ｙ １３ Ｄ ｅｒｃｍｍｅ ｄ ｙＷ ３ ｏｏ １ ￣ ｏ ｇ ｆｇ ｌ ｅ ｎｅ ｂ ｄ Ｃ．Ｒ ａ ｏ ｉ ｉ ｏ ｔｌ ｙｃｎ ｂ ｓｄｉ ｈ ｕｌｉ 。 ｉｔｉｉ ｄ ｕ ｉ ｆ ｎｏｏ ｉ ｎ ｅｏ ． ｅｓ ｎｎ Ｏ ｎ ｏ ｇ ｅ ｅ ｎｔ ｅｂ ｉ ｎ ｍａｎａｎｎ ａ ｓ ｏ ｔｌ ｅ ｇ ｌ ｏ ａ ｕ ｄｇ ｇ ｎ ｇ ｎ ｏ ｇｓ ｎ
、
Ｒｅ ｅ ｒ ｈ ｏ ａ ｏ ｉ ｇ ｏ ｔ ｌｇ ｎ Ｓ ｍａ ｔｃＷ ｅ ｓ ａ ｃ ｎ Ｒｅ ｓ ｎ ｎ ｎ Ｏｎ ｏ ｏ ｙ ｉ ｅ ｎ ｉ ｂ
Ｌ ｎ —ｈ ｏ Ｌ ｕ － ｎ Ｉ Ｙｏ ｇｃａ ， ＵＯ Ｊ ｎｍｉ
（ ｏ ｕｅ ｃ ｎ ｅａｄＥ ｇｎｅｉｇＣ ｌｇ ， ’ｌＴｅｈ ｏ ｇｃｌ ｉ ｒ ｔ， ’ｌ７ ０ ３ ， ｈｎ ） Ｃ ｍｐ ｔｒ ｉ ｃ ｎ ｉｅｒ ｏｌ ｅ Ｘｉ ｌ ｃｎ ｌ ｉ ｖ ｓ ｙ Ｘｉａ １０ ２ Ｃ ｉ Ｓｅ ｎ ｎ ｅ ａ ｏ ａ Ｕｎ ｅ ｌ ｌ ａ
李永超，罗钧曼
（ 西安工业大学 计算机科学与工程学院， 陕西 西安 ７０ ３ ） １０２
摘 要： 从语义 ｗｅ 的基本概念开始 ， ｂ 介绍了语义 Ｗｅ 的层次结构； ｂ 介绍了本体的基本概念 以及用于本体描述的几种语
语义Web中的本体设计与推理
语义Web中的本体设计与推理在互联网越来越普及的今天，信息量急剧增加。
如何有效地将这些信息整合、分类、提炼成有用的知识，成为了一个新的问题。
语义Web应运而生，成为一个针对这一问题的有力解决方案。
语义Web是什么？语义Web是一种新型的互联网网络模式，它可以将现有的网页转化为机器可读的形式，使得计算机可以理解和处理其中的内容。
这样一来，计算机就可以更好地理解和处理网络上流转的信息，用户也可以更方便地获取和利用信息。
语义Web的核心技术之一是本体设计与推理，本体是语义Web的基础。
本体是一种形式化的、共享的、可重用的、可扩展的概念模型，用于描述一个特定领域中的概念和实体以及它们之间的关系。
推理则是从本体中推导出新的信息，增加了系统的智能性。
本体设计本体设计是语义Web中的一项关键技术，其目的是为一个特定领域中的概念建立一套严格的定义和关系。
本体的设计过程包括以下几个步骤：1. 定义领域本体设计的第一步是确定领域，即要建立本体的应用范围是什么，要涵盖哪些概念。
2. 概念建模在确定领域之后，就需要对领域中的各个概念进行建模，包括定义概念的属性、关系、等级和特点。
3. 构建本体在对领域中的概念进行建模之后，就需要将这些概念表示为一个本体模型，将概念之间的关系表示出来，并将这些信息存储在一个本体库中。
本体推理本体推理是语义Web的另一项核心技术，其目的是从本体中推导出新的信息，使系统具有一定的智能性。
本体推理可以分为以下两部分：1. 规则推理规则推理是指根据一定的规则对本体中的事实进行推理，例如：如果A是B，B是C，那么A就是C。
规则推理可以帮助系统自动发现概念之间的关系，提高知识的表达能力。
2. 语义推理语义推理是指在本体层面上进行推理，即通过研究本体中概念之间的语义关系，发现事实之间的联系。
语义推理可以帮助系统自动对概念进行分类和归类，提高精确度和准确度。
本体设计与推理的应用本体设计与推理技术可以应用于很多领域，例如：1. 智能搜索本体设计和推理技术可以帮助人们快速寻找到所需要的信息，准确地减少了搜索引擎带来的误差。
第三代Web_语义网浅述
第三代Web:语义网浅述摘要：简要介绍了语义Web的起源、概念、思想、架构、特征、目的和未来面临的挑战，对深入了解语义Web，有一定的参考作用。
关键词：Web；语义Web；本体1 第一代WebWWW （World Wide Web），又称万维网，简记为Web，是构建在Internet上采用浏览器/服务器网络计算模式，访问遍布在Internet计算机上所有链接文件。
1989年，在日内瓦欧洲粒子物理实验室工作的Berners-Lee发明了最初的Web。
第一代Web发明了超文本格式，把分布在网上的文件链接在一起。
这样用户只要在图形界面上点击鼠标，就能从一个网页跳到另一个网页，使得通过互联网浏览文档成为可能，这时的Web以HTML语言、URL和HTTP等技术为标志，以静态页面的平台形式来展现信息。
2 第二代Web第二代Web以动态HTML语言、Java script、VB script、ActiveX、API、CGI等技术为标志。
它允许用户通过交互查询数据库并将数据库中符合要求的结果动态地生成页面，展示给用户。
这极大增强了Web处理大规模数据的能力。
Web由一个展示信息的平台真正变成了信息处理的平台，极大促进人们的信息交流与共享。
3 第三代WebWeb是一个庞大的知识库，Web已经成为人类获取信息和得到服务的主要渠道之一。
但是Web并非已经尽善尽美，仍然存在很多尚待解决的问题。
3.1Web信息无法被自动处理。
当前的Web无论是静态的HTML网页，还是动态生成的网页，其目的都是供人阅读。
以往的Web技术都忽略了计算机的处理作用，计算机在其中主要扮演了展现信息的作用，而没有理解和处理Web信息的能力。
3.2Web信息无法被有效利用。
面对Web庞大的知识库，对信息的有效利用提出了巨大挑战。
基于传统技术的搜索引擎已经无法应对Web这个日益庞大的知识库。
以最强大的搜索引擎Google来说，它目前能搜索80亿之多的Web页面，但这仅仅占整个Web规模的25％～30％，也就是说还有大量的信息无法被搜索到。
4-语义Web本体语言
OWL三种子语言与RDF的关系
OWL Full可以看成是RDF的扩展；
OWL Lite和OWL Full可以看成是一个约束 化的RDF的扩展； 所有的OWL文档（Lite，DL，Full）都是一 个RDF文档；
所有的RDF文档都是一个OWL Full文档； 只有一些RDF文档是一个合法的OWL Lite和 OWL DL文档。
语义Web本体语言OWL
Page 1
语义网的分层体系结构
本讲 的内 容
Page 2
引言
RDF模型的核心是用主体、谓词和客体三元 组来描述资源间的二元关系
通过RDF(S)可以表示一些简单的语义
子类和子属性关系 属性的定义域和值域的约束以及类的实例等
但RDF(S)用作一般的本体表示语言时，其语 义表达能力显得太弱，还缺少一些特征
Page 20
本体建模时选择子语言的考虑
选择OWL Lite还是OWL DL主要取决于用户 需要整个语言在多大程度上给出约束的可表 达性； 选择OWL DL还是OWL Full主要取决于用户 在多大程度上需要RDF的元模型机制（如定 义类型的类型以及为类型赋予属性）；
在使用OWL Full而不是OWL DL时，推理的 支持不可预测，因为目前还没有完全的OWL Full的实现。
Page 30
OWL与RDF(S)的关系(续)
理想上，OWL是对RDF(S)的一个扩展， OWL可以使用RDF类和属性并增加支持更为 丰富的表达元素。 但不幸的是，对于RDF(S)的扩展和有效推理 的需求相冲突
Page 12
OWL的正式推出
W3C组织总结了以上几种语言的开发经验，于2004 年2月正式推出了OWL （Web Ontology Language）。 OWL是语义网发展过程中的一个重要里程碑，它已 经经过广泛的讨论并得到了比较一致的认可。 OWL是针对各方面需求设计而成的。比如既要保持 对DAML-ONT/OIL/RDFS的兼容性，又要保证更 强大的语义表达能力，还要保证描述逻辑的可判定推 理等。 诸多的功能需求使得开发人员对之难以做到完美的折 衷，于是开发人员针对各类特征的需求定制了三种相 应风格的变体，即子语言，分别是OWL Lite、OWL DL、OWL Full。
浅谈语义Web
２语义 Ｗｅ 知 识及 表述 语育 ｂ 语义 Ｗｂ ｅ 的概述 ：２０ 年５ ０ １ 月，Ｔ ｍＢ ｒ ｅｓ Ｌｅ 语义 Ｗｂ 了全面 的 ｉ ｅ ｎｒ — ｅ对 ｅ做 阐述 ，并为 未 来的Ｗ ｂ 展提 出了基 于 语 义 的体 系结 构语 义 Ｗｂ 系 结构 ， ｅ发 ｅ体 如 图 ２２ 示 。 该 结构 从底 层 到 高层 依 次为 Ｕ ｉｏ ｅ （ 一 字 符 编 码 ） 和 —所 ｎ ｃｄ 统 Ｕ Ｉ （ 一 资源定 位符 ） 、ＸＬ Ｄ 和Ｒ ＦＳ ｈｍ 、本体 （ｎ ｏｏ ｙ 、逻 Ｒ 统 Ｍ 、ＲＦ Ｄ ｃ ｅａ Ｏ ｔ ｌｇ ） 辑 （ｏ ｉ） 、证 明 （ ｒｏ ）和 信 任 （ ｒ ｓ ）。 在语 义Ｗ ｂ 层 结构 中 的 Ｌｇ ｃ Ｐｏ ｆ Ｔ ｕｔ ｅ七 Ｘ Ｌ Ｄ和 Ｏ ｔｌｇ Ｚ层 主要 用于 表示 Ｗ ｂ 息 的语义 ，因而 是系 统 的核 心 Ｍ 、ＲＦ ｎ ｏｏ ｙ ｅ信
而将 信 息的 结构 和 内容 相 分 离 ， 以便 对 信 息作 完 全形 式 化 的描述 ，使 网上 的信 息具 有计 算机 可理 解 的语 义 。在 目前存 在 的各种 能够 应 用于 语义Ｗ ｂ ｅ 的
Ｏ ｔ ｌ ｇ 语言 中 ，源 自Ｄ Ｍ ＋ Ｉ 的Ｏ Ｌ （ ｅ ｎ ｏ ｏ ｙ Ｌ ｎ ｕ ｇ ） 已经 成 ｎ ｏｏ ｙ Ａ ＬＯ Ｌ Ｗ Ｗ ｂ Ｏ ｔ ｌｇ ａ ｇａ ｅ 为Ｗ Ｃ 正式 候选 的推 荐标 准 。 ３的 ５ ）逻辑 层 （ ｏ ｉ ） Ｌｇ ｃ
互。为解决 网上知识表示 问题 ．特分析 比较几种语 义描述语言 ，讨论其 要解决的主 要 问题 。 关键 词： 语义 网；语言温 习；描述元 ；资源描述
基于描述逻辑的语义Web服务动态复合推理和验证
将 描述 逻 辑 与 ＡＩ 划 相 结 合 ， 出一 种 基 于 描述 逻 辑 的语 义 Ｗ ｅ 务 动 态 复合 机制 ， 对其 进 行 逻 辑 证 明 。 规 提 ｂ服 并 关键 词 ： 义 Ｗ ｅ ｝ 务 复 合 ； 述 逻 辑 ； 规 划 语 ｂ服 描 ＡＩ 中圈 分 类 号 ： Ｐ１ Ｔ ８ 文献标识码 ： Ａ 文 章编 号 ：０ １６ ０ （０ ７ ０—０ ８０ １ ０—６ ０ ２ ０ ）４０ ２—４
ＯＷห้องสมุดไป่ตู้ Ｓ（ ｂＯｎｏｏ ｙＬ ｎ ｕ ｇ ｒＳ ｒ ｉ ）１ Ｗ ３ — Ｗｅ ｔｌｇ ａ ｇ ａ ｅｆ ｅｖｃ ［是 ｏ ｅ ３ Ｃ组 织推荐 的基于 描述逻辑 的语 义 Ｗｅ 。 ｂ知
识 标记 语言 ， 主要描述 静态语 义信 息 ， 对于服 务复 合等 动态语 义信 息描述 不足 。Ａ 规 划［ 具有 良好 的行 Ｉ ３ Ｉ 为状 态变化建 模能力 ， 但是在 静态信 息建模 方面 却存在 不足 。
分 量 ；ｏｔ表 示服务 执行所 产生 的效 果 ， 括动 态和静 态信 息 。 ｐｓ： 包 采用公 式 Ｐ／ 表示 ， 中 Ｐ是 ＡＢ ｘ的声 Ｅ 其 ｏ
明， Ｅ是 ＴＢ ｘ中定义 的原始 概念 （ｒ ｔ ｅ ， ｏ ｐ ｉ ｉ ） 如 （ ） 一 （ ）ｒ ＆ ６ 或 一ｒ 日 ６ 。公式 尸／ ｍｉｖ 日、 日 、（， ） （， ） Ｅ表示 当 尸
定义 １ 设 丁 表示 ＡＬ ＱＩ Ｃ Ｏ知识 库 ＫＢ一 ｛ Ｂ ｘ ＡＢ ｘ 的非循 环 ＴＢ ｘ构 件 。Ⅳ Ｔ ｏ ， ｏ） ｏ 表示 知识库 定义
概 念集 ； 表示知 识库定 义的二 元关 系集 ； 表示知识 库声 明的实 例集 。基于 ７ 的原 子服 务定义 为 Ⅳ Ｎ１
Ｓ一 （ ｒ ，ｓ ａ ｅ ｎ ｕ ｓ ｕ ｐ ｔ ，ｐ ｓ ） ｐ ｅ ｎ ｍ ，ｉ ｐ ｔ ，ｏ ｔ ｕ ｓ ｏ ｔ 。
基于动态描述逻辑的语义Web服务推理
择 、 序 、 件 、 代 、 环 等 控 制 结 构进 行 刻 画 ． 乱 条 迭 循 以建 模 后 得 到 的动 作 理 论 为 基 础 ， 用 动 态 描 述 逻 辑 的 推 理 机 制 ， 应
可以分别对语义 Ｗｅ ｂ服 务 的 可 实 现 性 、 执 行 性 、 影 、 划 等 问 题 进 行 推 理 ． 些 推 理 功 能 为语 义 Ｗｅ 可 投 规 这 ｂ服 务 的 自 动发 现 和 自动 组 合 提 供 了有 效 的 支 持 ． 关键词 语义 Ｗｅ ｂ服 务 ； ＯＷＬ Ｓ 动态 描 述 逻 辑 ； ｅ —； Ｗ ｂ服 务 推 理 ； 务 发 现 和 组 合 服
ＳＨ ＩＺｈｏ － ＣＨＡＮＧ ａ ｎｇ Ｚｈｉ Ｌｉｎｇ
（ ｙＬ ｂ ｒ ｔｒ ｆ Ｉ ｔｌ ｇ ｎ ｎ ｏ ｍ ｔ ｎ Ｐｒｃｓｉｇ，Ｉ ｓ ｔ ｔ ｏ ｏ ｕ ｉｇ Ｔ ｃ ｎ ｌｇ Ｃ ｉ ｅ ａ ｅ ｆ Ｓ ｉ ｃｓ Ｂ Ｏｉｇ １ ０ ９ ） Ｋｅ ａ ｏ ａｏ ｙ ｏ ｎｅｌ ｅ ｔ ｆ ｒ ａ ｉ ｏｅｓ ｉ Ｉ ｏ ｎ ｎｔ ｕｅ ｆ Ｃ ｍｐ ｔ ｅｈ ｏｏ ｙ， ｈ ｎ ｓ Ａｃ ｄ ｍｙ ｏ ｃ ｅ ， ｅ ｎ ０ １ ０ ｉ ｎ ｅ ｎ ｅ
史忠植
摘 要
常 亮
北京 １ ０ ９ ） ０ １ ０
（ 中国 科 学 院 计 算 技 术 研 究 所 智 能 信 息 处 理 重点 实 验 室
语义 Ｗｅ ｂ服 务 的 提 出是 为 了解 决 Ｗｅ ｂ服 务 资 源 在 语 义 Ｗ ｅ ｂ中 的 自动 发 现 、 合 和 执 行 等 问题 ， 本 思 组 基
ｒ ａ ｏ ｂｏ ｔｓ ｍａ ｔｃ Ｗ ｅ ｅ ｖ ｃ ｓ ｅ ｓ ｎ ａ ｕ ｅ ｎ ｉ ｂ ｓ ｒ ｉｅ ．Ｗ ｉｈ ｔ ｓ ａ ｒ ａ ｈ，ｔ ｔ ｈｉ ｐｐ ｏ ｃ ｈｅ ０Ｗ Ｌ Ｓ Ｐｒ ｃ ｓ Ｍ ｏ ｌｏ ｅ ｅ ｖｃ ｓ － ｏ ｅｓ ｄｅ ｆＷ ｂ ｓ ｒ ｉｅ
语义web相关技术研究总结
语义web相关技术研究总结篇一：互联网技术——浅谈语义web互联网技术——浅谈语义webworldwideweb（www）的诞生只不过是十几年前的事情，但是web 技术的成长和对社会的作用却是惊人的，web已经成为人们日常生活、电子政务和电子商务等领域不可或缺的部分。
随着web技术的不断发展，互联网上的信息飞速增长，但信息格式的异构性、信息语义的多重性以及信息之间关系的匮乏和非统一，给人们在信息搜索、抽取、表示、解释和维护造成极大的不便。
web2.0的出现使web摆脱了主要供人进行阅读的局限，更深层次的应用开始涌现，电子商务、电子政务的智能化服务也得到了一定发展。
然而，这仅仅是真正智能化web的初级阶段。
万维网之父TimBernersLee等人于20XX年在《科学美国人》杂志上提出了“语义web”的概念，预见了未来智能化web时代的到来。
一、语义web概念解析什么是语义web并没有一个严格的定义，Tim.Berners-Lee对语义web 做了如下的描述：语义web并不是一个孤立的web，而是对当前web 的扩展，语义web上的信息具有定义良好的含义，使得计算机之间以及人类能够更好地彼此合作。
根据上面的描述，人们可以给语义web做出这样的定义：机器可以理解数据含义的下一代web，称之为语义web，语义web中的语义表示计算机对某一个概念、术语或者符号可以理解的“含义”。
1）元数据角度:我们对miS比较熟悉,所以可以考虑用miS系统的例子图书管理系统做比较，从元数据的角度出发。
图书管理系统可以按作者，书名，出版社查询，是因为有元数据，即在数据库中，每个数据都有所属的字段名和表名。
而web上只能按关键词查询，是因为网页上的内容没有元数据，例如，网页上一个数字“15”，程序没法知道这个数字是年龄呢，还是个数呢，等等，当然人能够根据上下文判断出来。
语义web的基本思想就是让网页上的数据都有元数据描述它，说明它的含义，这样计算机程序能够理解网页上的数据，也能更好地为大家服务。
知识图谱技术的知识表示与推理研究
知识图谱技术的知识表示与推理研究近年来，人工智能技术日新月异，其中一项技术备受关注，那便是知识图谱。
知识图谱是一种基于语义的图形化数据库，用于描述、组织和存储实体及它们之间的关系。
而知识图谱的核心就是知识表示和推理。
接下来，本文将探讨知识图谱技术的知识表示与推理研究。
一、知识表示知识图谱的知识表示是指如何将实体及其关系转化为可被机器理解和处理的形式。
这个过程中最重要的部分是实体和关系的定义和分类。
知识表示主要分为三种形式：本体论、语义网和逻辑表示。
本体论是一种用于描述实体及其关系的形式，它对象是“概念”。
本体论通常由三个部分组成：概念、属性和关系。
其中概念用于描述实体所属的类别，例如“动物”和“朋友”；属性用于描述实体的特征，例如“有四条腿”和“善良”；关系用于描述实体与实体之间相互作用的方式，例如“狗是动物的一种”和“亲戚关系”。
语义网是一种基于本体论的语义Web，它用于描述Web上的文本和图像，以及图像和文本之间的关系。
语义网的三个核心技术是RDF、OWL和SPARQL。
其中，RDF是一种用于描述数据的格式，它可以表示实体和关系之间的关联；OWL是一种用于描述知识的语言，它通过语法定义该知识的含义；SPARQL是一种查询语言，它可以被用来检索和处理语义Web上的数据。
逻辑表示是一种用于描述规则和关系的形式，它将实体和关系转化为逻辑符号，以便能够被计算机理解和处理。
逻辑表示通常包括谓词逻辑、默认逻辑和模型论。
二、知识推理知识推理是指利用知识图谱中的知识来生成新的知识或者评估已有的知识。
知识推理是知识图谱的核心部分，其目的是发现知识之间的相互关系以及知识本身的内在性质和规律。
传统的推理方法是基于规则的推理。
这种方法依赖于预定义的规则，利用推理引擎将数据与规则进行匹配，从而生成新的知识。
但随着知识的增加，规则数量会急剧增加，这种方法变得越来越不可行。
现在广泛采用的是基于语义的推理方法，它们通常是基于本体论和逻辑表示的推理。
基于动态描述逻辑的语义Web服务推理
基于动态描述逻辑的语义Web服务推理史忠植;常亮【期刊名称】《计算机学报》【年(卷),期】2008(31)9【摘要】语义Web服务的提出是为了解决Web服务资源在语义Web中的自动发现、组合和执行等问题,基本思路是将本体承载的静态知识与对Web服务动态功能的描述有机地结合起来.动态描述逻辑是描述逻辑的一种动态扩展,支持面向语义Web的对动作的描述和推理.文中利用动态描述逻辑DDL(SHOIN(D))的描述和推理功能,提出对语义Web服务进行建模和推理的一种有效途径.从OWL-S中的ProcessModel出发,将语义Web服务建模为基于DDL(SHOIN(D))的动作理论,其中,对应于ProcessModel中的原子过程,可以对输入、输出、局部变量、前提条件、结果等多个方面进行建模;对应于ProcessModel中的复合过程,可以相应地对数据流以及顺序、选择、乱序、条件、迭代、循环等控制结构进行刻画.以建模后得到的动作理论为基础,应用动态描述逻辑的推理机制,可以分别对语义Web服务的可实现性、可执行性、投影、规划等问题进行推理.这些推理功能为语义Web服务的自动发现和自动组合提供了有效的支持.【总页数】13页(P1599-1611)【作者】史忠植;常亮【作者单位】中国科学院计算技术研究所智能信息处理重点实验室,北京,100190;中国科学院计算技术研究所智能信息处理重点实验室,北京,100190【正文语种】中文【中图分类】TP18【相关文献】1.基于描述逻辑和案例推理的Web服务发现 [J], 谷宇奇;古天龙2.基于动态描述逻辑的语义Web服务PE匹配算法 [J], 郭媛香3.基于动态描述逻辑的语义Web服务组合 [J], 常亮;刘进;古天龙;史忠植4.基于动态描述逻辑的语义Web服务匹配研究 [J], 彭晖;陈立民;常亮;史忠植5.基于描述逻辑的语义Web服务动态复合推理和验证 [J], 李英杰;余雪丽;王睿因版权原因，仅展示原文概要，查看原文内容请购买。
语义网2
10
语言构造 原子概念 关系 概念合取 概念析取 概念取反 存在约束 值约束 全概念 空概念 最小基数约束 最大基数约束 命名 数据类型 全关系 反关系
ALC语法 语法 A R C∧D C∨D ¬C ∃ R.C ∀ R.C 丅 丄 \ \ \ \ \ \
SHOQ(D)语法 语法 A R C∧D C∨D ¬C ∃ R.C ∀ R.C 丅 丄 (≥n S.C) (≤n S.C) O D \ \
丅I (d) 丄I (d) (C∧D) I (d) (C∨D) I (d) ¬C I(d) ∀ R.C I (d) ∃ R.C I (d) =[1,1] =[0,0] =C I∧D I (区间的逻辑积，取小，详见2.3.2节) =C I ∨D I (区间的逻辑和，取大，详见2.3.2节) =1 – C I (区间的逻辑补，详见2.3.2节) =inf d’∈∆I {max{1 – RI(d,d’), C I (d’) }} = sup d’∈∆I {min{RI(d,d’), C I (d’) }}
A R C∧D C∨D ¬C ∃ R.C ∀ R.C 丅 丄 AI ⊆ ∆I RI ⊆ ∆I×∆I (C∧D)I = CI∩DI (C∨D)I = CI∪DI (¬C)I = ∆I \ CI (∃ R.C)I={x | ∃y.<x,y> ∈ RI 且 y ∈ CI } (∀ R.C)I={x | ∀y.<x,y> ∈ RI → y ∈ CI } ∆I ∅
C,D → 丅 丄 A C∧D C∨D ¬C ∃ R.C ∀ R.C |（顶层概念） | |（底层概念） |（基元概念） |（概念合取） |（概念析取） |（概念取反） |（存在约束） |（值约束）
13
§2.3基于区间模糊理论扩展的描述逻辑系统 基于区间模糊理论扩展的描述逻辑系统
数字地球的关键技术-语义网和OWL简介
– 对RDF Schema的扩展 – 描述逻辑（DL）的Web化
译自Ivan Herman, W3C的SW Q&A
语义网与AI的关系
• 语义网
– 采取“主语＋谓语＋宾语”的形式 – 一种表达元数据的简单方式 – 结构化和定义名词的方法 – 有限推理 – 与应用相关的规则 – 模糊逻辑
• AI还包括
译自Ivan Herman, W3C的SW Q&A
SW Tools
• (Graphical) Editors:
– IsaViz (Xerox Research/W3C), RDFAuthor (Univ. of Bristol), Protege 2000 (Stanford Univ.), SWOOP (Univ. of Maryland), Orient (IBM)
– Jena (for Java, includes OWL reasoning), RDFLib (for Python), Redland (in C, with interfaces to Tcl, Java, PHP, Perl, Python…),
• SWI-Prolog, IBM’s Semantic Toolkit, … • Databases (either based on an internal sql engine or fully triple based):
From TBL’s Scientific American Article: The Semantic Web, 2001
Tim Berners-Lee讲故事
• Almost instantly the new plan was presented: a much closer clinic and earlier times—but there were two warning notes. First, Pete would have to reschedule a couple of his less important appointments. He checked what they were—not a problem. The other was something about the insurance company's list failing to include this provider under physical therapists: "Service type and insurance plan status securely verified by other means," the agent reassured him. "(Details?)"
语义Web中本体推理研究
第２ 期
淮海工学院学报（ 自然科学版）
Ｊ ｕ ｎ ｌ ｆＨ ｕ ｉ ａ ｎ ｔ ｕ ｅ ｏ ｃ ｎ ｌ ｇ （ ｔ ｒｌ ｃ ｎ ｅＥ ｉ ｏ ） ｏ ｒ ａ ａｈ ｉＩ ｓ ｉ ｔ ｆＴｅ ｈ ｏｏ ｙ Ｎａｕ ａ Ｓ ｉ ｃ ｄ ｔ ｎ ｏ ｔ ｅ ｉ
Ｖｏ ． ９ ＮＯ． 【１ ２
提 出［ 其 目的是 通 过 结构 化 和 形 式化 的方 法来 表 ，
Ｅｃ ｎ ｍｉｓ ｏ ｏ ｃ ，Ｈｕ ｉ ａ ２ ０ １ ａ ’ ｎ ２ ３ ０ ，Ｃｈ ｎ ；２ Ｓ ｈ ｏ ｆ ｍ ｐ ｔ ｒＳ ｉｎ ｅ ａ ｄ Ｔｅ ｅ ｏ ｉａ ． ｃ ｏ ｌ ｏ Ｃｏ ｕ ｅ ｃ ｅ ｃ ｎ ｌｃ ｍｍｕ ｉａ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｎ ｃ ｔ ｇ ｎ ｅ ｉ ｇ。 ｏ
语 义 Ｗｅ （ｅ ｎｉ ｗｅ ） 当 前 万 维 网 的 扩 ｂ ｓｍａ ｔ ｂ 是 ｃ
ｗｅ ｏ ｓｒｉｍ， ｂｃ ｎ ｏｔ ｕ 万维 网联盟 ） 了更 好 地适 应 语 义 为 网需要 ，推 出了 ０ＷＬ ｗｅ ｎ ｏｏ ｙｌｎ ｕ ｇ ）语 （ ｂｏ ｔｌｇ ａ ｇ ａ ｅ
展 ，９ ９年 由 万 维 网创 始 人 Ｂ Ｒ Ｒ － Ｅ 等 人 １９ Ｅ ＮＥ Ｓ Ｌ Ｅ
ｋｎ ｏｗｌ ｄｇ ｘｐ ｅ ｓ ｏ ｎ ｏ ｅ ｇｅ ｒ ａ ｏ ｎ ｅ ｅ ｅ ｒ ｓ ｉ ｎ ａ ｄ ｋｎ ｗｌ ｄ ｅ ｓ ｎｉ ｇ． Ｔｈｅ ｏｎ ｏ ｏ ａ ｇｕ ｇ ｔ ｌ ｇｙ ｌ ｎ ａ ｅ， ｄ ｓ ｒｐｔｏｎ ｏ ｉ ｎｄ ｅ ｃ ｉ ｉ ｌ ｇ ｃ ａ ｔ ｅａｔｏ ｈｉ ｔ ｅ ｈｅ ａ ｅ ｉ ｒ ｕｃ ｄ，ａ ｈｅ ｐ ｉ ｉ ｌ ｆｓ ｍａ ｔｃ ｒ ａ ｏ ｎｇ ｏ ｈｅ ｒ ｌ ｉ ｎｓ ｐ ｂｅ ｗｅ ｎ ｔ ｍ ｒ ｎｔｏｄ ｅ ｎｄ ｔ ｒｎｃｐ ｅ ｏ ｅ ｎ ｉ ｅ ｓ ｎｉ ｎ ＤＬ ｎｄ ａ
web知识表示与推理
•屈文建 Email: wjqu11@
搜索引擎
谢 谢 ！
•屈文建 Email: wjqu11@
•屈文建 Em什么要使用本体
由于web站点常常分布在不同的物理或逻辑位 置，所存储的信息或知识必将分布于不同的位置。 而分布在不同web站点或应用中的知识往往由不同 的软件开发者整理得到，web知识的分布性和分散 整理的做法导致web知识共享很难。 因此，采用本体是为了更好地进行知识表示、 信息组织、知识复用、知识共享以及为用户提供更 有效的服务。
从知识共享的角度看,本体可以被看作是一种概念化的显 式说明,是对客观存在的概念和关系的描述，它起源于哲学概 念，被哲学家用来描述事物的本质，后来被引入到人工智能 的研究领域，在开发知识系统时用于领域知识的获取。 1993年Gruber给出了本体的最流行的定义:“本体是概念 模型的明确的规范说明”。 后来studer等进行了深入的研究，认为本体是共享概念模 型的明确的形式化说明，包括概念化(Conceptualization)，明 确(Explieit)，形式化(Fomral)和共享(Share)四层含义。
•屈文建 Email: wjqu11@
本体构建的举例
本体=概念(Concept)+属性(property)+公理(Axiom) +取值 (Value)+名义(Nominal) “概念”分为两种“原始概念(primitive concepts) ” 和“定义概 念(Defined concepts)”； (原始概念的属性是必要条件,而非 充要条件)，(定义概念的属性是充要条件) 。 “属性” 是对概念特征或性质的描述; “公理”是定义在“概念”和“属性”上的限定和规则; “取值”是具体的赋值; “名义”是无实例( Instances)的概念或者是用在概念定义中的 实例。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
语义Web的局部封闭世界动态推理∗陈立民1+,2史忠植11(中国科学院智能信息处理重点实验室北京 100190)2(中国科学院研究生院北京 100039)摘要提出自认知描述逻辑ALCO@K的一种类命题动态逻辑扩展D-ALCO@K，实现Web开放环境下支持局部闭世界假设的动态推理。
它基于自认知逻辑，具有良好的理论基础；同时与语义Web领域基于描述逻辑推理的现实需求密切相关，具有潜在的应用前景。
D-ALCO@K中，ALCO@-Aboxes刻画了关于外部状态的知识，原子动作表示为前提（对知识库的认知查询）和作用效果（仅涉及原子概念的ALCO@断言或其否定）的形式，复合动作则从原子动作出发，用经典动态逻辑中的动作构造符构造。
概括了D-ALCO@K中重要的推理任务并给出了可满足性检测的表算法。
D-ALCO@K继承了ALCO@K的自省-与知识库内容相关的推理，可区分状态和状态的描述。
D-ALCO@K的主要特点（支持局部闭世界假设的动态推理、自省）使得它非常适用于静态信息和动态计算并存的语义Web环境。
本文通过图书馆领域的几个例子来说明它的表达能力及相关基本概念。
关键词语义Web服务 描述逻辑 动态推理 局部闭世界假设 可满足性检测中图法分类号：TP301语义Web旨在基于网络建立数据（而不仅仅局限于页面）间的链接，使得任何微小的数据都可以与其他信息进行“沟通”，更好地支持信息共享与Web应用。
描述逻辑[1]在其中扮演着重要角色：它是W3C推荐的本体语言的逻辑基础。
针对语义Web的各种特征和典型的应用，研究者扩展描述逻辑来为语义Web提供更为充分的逻辑支持。
例如，针对Web环境的开放性提出了非单调描述逻辑[2]和多值描述逻辑[3]，针对Web应用中需要处理的模糊信息提出了模糊描述逻辑[4-5]等。
语义Web是网络下一阶段的发展方向，旨在基于网络建立数据（而不仅仅局限于页面）间的链接，使得任何微小的数据都可以与其他信息进行“沟通”。
描述逻辑[1]在这一发展中，扮演着重要角色。
针对语义Web的各种特征和典型的应用，研究者扩展描述逻辑来为语义Web提供更为充分的逻辑支持。
例如，针对Web环境的开放性提出了非单调描述逻辑[2]和多值描述逻辑[3]，针对Web应用中需要处理的模糊信息提出了模糊描述逻辑[4-5]等。
本文以描述逻辑ALCO@为基础，结合现有描述逻辑动态扩展[6-8]和闭世界推理工作[9-13]，提出了支持局部闭世界假设的动态推理系统D-ALCO@K，作为局部闭世界假设下动态形式系统的一种尝试。
它针对以下现实：1）描述逻辑是针对静态领域的知识表示系统，其语义模型中不存在“状态”或“可能世界”这样的动态成分，而语义Web服务[14]等应用带了语义Web的动态特性；传统描述逻辑无法处理这类具有动态特征的知识。
∗Supported by the National Natural Science Foundation of China under Grant No. 60775035, 60933004, 60903141, 60970088, 61035003, 61072085 (国家自然科学基金), the National Basic Research Program of China under Grant No. 2007CB311004(国家重点基础研究发展计划资助项目), and the National Science and Technology Support Plan under Grant No. 2006BAC08B06 (国家科技支撑计划).作者简介陈立民,男,1982年生,博士研究生,主要研究方向为数理逻辑,不确定性推理，统计关系学习.史忠植, 男,1941年生,研究员,博士生导师,主要研究领域为人工智能,机器学习,多主体系统.2）描述逻辑遵循开放世界语义的单调逻辑，而使用Web资源（本体提供的静态信息与Web 服务提供的计算等）的主体往往具备局部完全知识，即在承认不完全占有Web整体内容的前提下，对局部具有完全知识。
例如，在针对网上图书馆的图书查询中，如果图书馆记录中不含某本书，则我们通常认为图书馆不提供该书。
即言：我们对该数目所刻画的方面是采用闭世界假设（closed world assumption, CWA）的。
描述逻辑语义单纯的开放性也使主体的知识丧失了边界，从而带来一些现实问题，譬如领域专家建模过程中的过度规范（Over Specification）[10]-需要显式地表示很多自然而然的常识知识，和搜索引擎在无满意结果情况下的无限搜索（Unbounded Search）[11]等。
可以说，局部闭世界推理是Web上推理任务的现实需要[9-13]。
概言之，D-ALCO@K是认知逻辑ALCO@K一种类命题动态逻辑（propositional dynamic logic, PDL）[15]扩展，它一方面有认知逻辑良好的理论基础，另一方面则与当前语义Web领域基于描述逻辑的实际推理密切相关，具有潜在的应用前景。
本文结构如下：第1节简介了认知逻辑ALCO@K。
第2节给出了D-ALCO@K。
第3节是D-ALCO@K中可满足性检测的表演算算法，其相关性质是第4节的内容。
第5节比较了相关工作。
最后，第6节总结全文并讨论未来的工作方向。
1 认知描述逻辑ALCO@K（语法）首先假设三个两两不相交的符号表：原子概念名集N C、个体名集N I和角色名集N R。
ALCO@K的语法如下（C、D表示概念，R表示角色）：C, D→A | {o} | ¬C | (C⊓D) | @o C | (∀R.C) | K CR→P|K P其中A∈N C、o∈N I、P∈N R。
下文将¬(¬C⊓¬D)、¬(∀R.¬C)、C⊔¬C、及¬(¬C⊓¬C)分别简写为C⊔D、∃R.C、⊤、及⊥。
ALCO@K中公理具有以下形式之一（C、D表示概念，R表示角色，a、b是个体名）：①C⊆D，概念包含公理；②C(a)（或R(a,b)），概念断言公理（或角色断言公理）；③¬R(a,b)，角色断言公理的否定。
ALCO@K知识库是一个有序对(T, A)，其中T是概念包含公理的有限集（Tbox），A是概念断言公理和角色断言公理（的否定）的有限集（ABox）[7]。
（语义）一个认知解释是一个有序对(I,W)，其中I = (Δ，·I)是一个一阶解释，W是一个一阶解释的有限集（看作可能世界）。
I包含一非空论域Δ和一映射·I，其中·I将概念解释为ΔI的子集、个体名解释为Δ中个体、角色解释为ΔI和上的二元关系（即Δ×Δ的子集）。
ALCO@K 的语义为：（1）A(I,W) = A I；（2）P(I,W) = P I；（3）(¬C)(I,W) =Δ\ C(I,W)，其中“\”为集合的差运算；（4）(C⊓D)(I,W) = C (I,W)∩D (I,W)，其中“∩”为集合的交运算；（5）{o}(I,W) ={ o I}；（6）(@o C)(I,W) =Δ如果o I∈ C(I,W)；= ∅否则；（7）(∀R.C)(I,W) = { x | 对∀y∈Δ：如果(x, y)∈R(I,W)，则必y∈C(I,W)}；（8）(K C)(I,W) =∩J∈W C (J,W)；（9）(K P)(I,W) =∩J∈W P (J,W)；注：我们假定W中所有一阶解释共享同一恒定论域；且个体名的指称固定，即同一个体名在W中不同的一阶解释中指称相同（下文在表示上不区分个体名和指称，由上下文判断某o∈N I 是名称还是指称）。
认知概念K C解释为概念C在W中所有一阶解释中外延的交集，在此意义上说，K C是W中所有已知的C实例的集合。
类似地，认知角色K P的解释是W中所有已知的P 实例的集合。
认知解释(I,W)满足公理F，记作(I,W)⊨F，定义为：①(I,W)⊨C⊆D，若C(I,W)⊆D(I,W)；②(I,W)⊨C(a)（或(I,W)⊨R(a,b)），若a∈C(I,W)（或(a,b)∈R(I,W)）；③(I,W)⊨¬R(a,b)，若(I,W)⊭R(a,b)。
认知解释(I,W)满足公理集F，记作(I,W)⊨F，如果(I,W)满足F中所有公理。
某ALCO@K知识库KB的认知模型是满足如下条件的一阶解释集W：∀ I∈W，有(I,W)⊨KB，且∀ I∉W：(I,W)⊭KB。
某知识库KB可满足当且仅当它具有一个认知模型。
公理F是知识库KB 的逻辑后承，记作KB⊨F，如果KB的认知模型必是{F}的认知模型。
注：W的最大性要求实现了操作符K对知识的最小化，通过KB所有可能世界的交集表示明确已知的事实。
对某ALCO@K知识库KB的查询F（某ALCO@K公理），其回答为：①“真”，若KB⊨F；②“假”，若KB⊨¬F；③“未知”，其他。
下文专注于不含认知符号K和Tbox的知识库，即ALCO@-ABoxes，并用Σ表示这类特殊的知识库。
Σ最多有一个认知模型M(Σ)，其所有一阶模型的集合。
我们意图用Σ做某主体对外部世界的知识集。
2 认知动态描述逻辑D-ALCO@K2.1 语法D-ALCO@K中概念、角色、ABox和TBox分别同ALCO@K中概念、角色、ABox和TBox，其基本符号新增一集原子动作符号N A。
原子动作是具有以下形式的表达式α≡ (Pre, Eff)，其中：（1）α∈N A，为原子动作名；（2）Pre是ALCO@K公理的有限集；（3）Eff是ALCO@中简单公理的有限集，即Eff中公理满足以下限制：形如A(a), P(a,b)和¬P(a,b)，其中A∈N C、a,b∈N I、R∈N R。
例1（图书馆）：当个人p是在校学生（registered student，RS）时，p在校图书馆办理借书卡(library card, LC) c的动作可以表示为α1={RS(p)}, {holds(p,c), LC(c)}。
D-ALCO@K中的动作按以下规则产生：π, π' →α| ϕ? | (π∪π') | (π; π') | π*其中，α为原子动作，ϕ为ALCO@K公理。
形如ϕ?、π∪π'、π ; π'、及π*的动作分别称为测试（test）、选择（choice）、顺序（sequence）、及迭代（iteration）动作。
特别地，形如ϕ?的测试动作等同于原子动作({ϕ },∅)，它提供一种更直观地表示Eff为空的原子动作的方式。