基于SWRL规则的本体推理研究
基于SWRL的制造系统知识表达与按需服务过程推理框架
基于SWRL的制造系统知识表达与按需服务过程推理框架李从东;谢天;汤勇力【期刊名称】《计算机集成制造系统》【年(卷),期】2013(19)1【摘要】To achieve the intelligence of manufacturing system's service process in collaborative manufacturing environment, a paradigm of manufacturing on demand based on Demand-Resources-Service-Process (DRSP) was proposed. Combined with the technologies of ontology, semantic reasoning, a reasoning framework of service process on demand based on Semantic Web Rule Language (SWRL) was for mulated. The ontology concept and relation model of manufacturing needs, resources, services and processes were constructed, and ontology knowledge base of reasoning framework was set up. Dynamic service process thought was generated based on the composition of service on demand. The semantic Web service function semantics and the dynamic service interactive feature of of before and after were described by Input-Output-Precondition-Effect (IOPE) model, and the Description Logic (DL) rules of service process trigger reasoning were extracted. Through the mapping from DL rule to ontology knowledge, SWRL rules were constructed. The application model of reasoning was achieved by Protege and Jess reasoning engine, and validity of the method was demonstrated through the reasoning experiment.%为实现协同制造环境下制造系统服务过程的智能性,提出“需求—资源—服务—过程”为主线的按需制造范式,结合本体、语义推理等技术,提出制造系统基于语义网规则语言的服务过程按需推理框架；建立制造需求、资源、服务、过程的本体概念和关系模型,构建该框架的本体知识库；基于服务按需组合生成动态服务过程思想,运用IOPE模型描述语义Web服务功能语义和动态前后件服务交互特征,提取服务过程触发推理的描述逻辑规则,并通过规则到本体知识属性的映射构建语义规则；运用Protégé和Jess推理引擎实现推理的应用模型,通过推理实验证明了该方法的有效性.【总页数】12页(P187-198)【作者】李从东;谢天;汤勇力【作者单位】暨南大学管理学院,广东广州510632;暨南大学管理学院,广东广州510632;暨南大学管理学院,广东广州510632【正文语种】中文【中图分类】TP182【相关文献】1.基于SWRL的突发事件知识表达与链式演化推理 [J], 李从东;谢天;李珺;洪宇翔2.基于地理本体和SWRL的地理时空信息与时空推理规则表达 [J], 赵追;黄勇奇3.基于目标-组织-过程框架的林业供应链协作特性分析——与制造业供应链比较[J], 谢海涛;张智光4.基于目标-组织-过程框架的林业供应链协作特性分析——与制造业供应链比较[J], 谢海涛;张智光;5.基于语义网络的方案设计过程表达与推理 [J], 叶志刚;邹慧君;胡松;郭为忠;周双林;黄高义因版权原因，仅展示原文概要，查看原文内容请购买。
猪病本体的构建及SWRL推理研究
鉴 兽 医专 家的知 识 和 经验 ， 采用 Ｏ ＷＬ语 言 ， 照 自上 向 按
相关 ， 中主要有动物生物化学 、 医流行学 、 其 兽 兽医微生 物、 兽医公共卫生学以及基因工程等 ， 致使猪病知识 的结
构 化难 度增 大 ； 次 ， 病 症状 比较 复 杂 ， 结 构 化 症状 其 疾 在
达词 汇 表 中词 条 的 含 义 以 及 这 些 词 条 之 间 的 关 系 。
统的成败。传统的知识表示方式难以实现复杂综合型 的 专家系统对快速开发 和共享重用的需求 。随着 Ｘ ＭＬ技
术 普及 ， 出现 的知识 表示 方 法 对 复杂 问 题的 知识 描 述 能
Ｏ ＷＬ本体描述语言发展历程如图 １ 所示。
ｉｌ ａ ｅ和 Ｂ ｉ ｉｇ 成 。 Ｉｐ是 Ｓ Ｌ 的规 则 部 分 ， ｐ ｂ ｕｄ 组 ｌｎ ｍ ＷＲ Ｉ ｍ
由 ａｔｃｄ ｎ ｂ ｄ ）和 ｃ ｎｅ ｕｎ ｈ ａ 构 成 。 ｈ ａ ｎｅｅ ｅ ｔ（ ｏ ｙ ｏ ｓｑ ｅ ｔ（ ｅｄ） ｅｄ
定义域 （ｏ ａ ） 值域 （ａｇ ） 属性类型 （ ｐ ） ｄｍ ｉ 、 ｎ ｒ ｅ、 ｎ ｔ ｅ 和逆属 ｙ
下的构 建 方 法， 使用 斯 坦 福 大学 开 发 的本 体 编 辑 器 Ｐｏ ｇ３４ 构建猪病本体 。该 猪病本体 主要包括猪病 、 ｒ ６６． ， ｔ
基于SWRL规则与本体相似度的语义检索模型研究
１ 信息检 索现状分析
随着 Ｉｔ ｎｔ ｎｅ ｅ 以及 Ｗｅ ｒ ｂ技术 的发展 ， 网络环 境下 的数据 量 日渐庞大， 然而在漫无边 际的 Ｗｅ ， 到用 户真正感兴趣 ， ｂ中 找 即
义概念 ， 从而检索出与此概念相关的 、 用户真正想要 的信息。针 对语义检索 的环境 ， 互联 网的发展与检索 技术 的提 高具有 同样
重 要 的作 用 。
对用户真正有用的信息却变得越来越难 。用户在基于关键字方
法搜 索信息时经常会得到过多不相关结果或者根本就没有符合
２ 系统 总体结构
２ １ 基于本体 的语 义检 索 ．
语义检索赋予检索条件语义 ， 对于用户各种形式的输入 ， 通 过加入特定 的背景信息或者语 义关 系， 使计算 机能够更好 地理 解用户输人 ， 使得用户和 计算机在 对检索人 口的理解上 达到更
Ａｂ ｔａ ｔ ｓ ｒ ｃ Ｔ ｅｉｓ ｅ ｆｃ ｒｅ ｔ ｎ ｏｍ￣ｉｎ ｒ ｔ ｅ ａ ｙ ｔｍ ｒ ｉ ｕ ｓ ｄ ｏ ｈ ａ ｉ ｏ ｏ ｒ ｈ ｎ ｉｅ ａ ａｙ ｉ ｏ ｅ ｓａｕ ｕ ｆｔ ｅ ｈ ｓ ｕ ｓｏ ｕ ｒ ｎ ｆ ｒ ｉ ｏ ｅｒ ｖ ｌｓ ｓ ｉ ｅ ａｅ ｄ ｓ ｓ ｅ ｎ ｔ ｅ ｂ ｓｓ ｆｃ ｍｐ ｅ ｅ ｓ ｎ ｓｓ ｆｔ ｔｔ ｓ ｑ ｏ ｏ ｃ ｖ ｌ ｈ ｈ
Ｓ ｉ ｉｇ ｉ ａ ｇｕ Ｘ ｏ ｇＱａ ｘ ｇ ｈ Ｊ Ｘ ａ Ｈ ｎｙ ｉｎ ｉ ｉ ｎ ｏ ｎｎ
（ ｏｅｅｆＣ ｍ ｕｅ Ｓｉ ｃ， ｕ ａ ｎ ｅｓｙｏ Ｔｃｎｌ ｙ Ｗｕａ ３ ０ ３ Ｈ ｂｉＣ ｉａ Ｃ ｌｇ ｏ ｐ ｔｒ ｃ ｎｅ Ｗ ｈ ｎＵ ｉｒｔ ｆ ｅｈｏｏ ， ｈｎ４ ０ ６ ， ｕｅ，ｈｎ ） ｌ ｏ ｅ ｖ ｉ ｇ
基于SWRL的梨树病害领域本体隐含关系挖掘
基于SWRL的梨树病害领域本体隐含关系挖掘摘要：针对梨树病害领域本体的构建、推理及完善，本文提出了基于SWRL的梨树病害领域本体的构建方法，该方法包括确定梨树病害领域的核心概念集、添加概念的属性及概念之间的关系、添加概念的实例、表示领域本体四个步骤;此外，还设计了一系列SWRL规则，使用Jess推理引擎，建立了SWRL规则的推理机制，通过推理的方法实现了自动挖掘梨树病害领域本体的隐含关系，从而完善梨树病害领域本体。
关键词：SWRL规则;梨树病害;领域本体;隐含关系;自动挖掘中图分类号：S436.612.1 文献标识号：A 文章编号：1001-4942（2015）06-0125-04Mining of Implicit Relations forPear Diseases Domain Ontology Based on SWRLSun Qian1，Liu Hongyan2，Wang Yue1，Yao Shengnan1 （1. School of Information Science and Engineering，Shandong Agricultural University，Taian 271018，China;2. Information Center，Taishan Polytechnic，Taian 271000，China）Abstract Aiming to build，reason and perfect pear disease domain ontology，a build approach was proposed based on SWRL. The approach was consisted of confirming core concepts，the properties of added concepts and the relationships between concepts，the instances of added concepts and representing domain ontology. In addition，SWRL rules were designed，SWRL reasoning mechanism was established by Jess reasoning engine. Finally，implicit relationships were mined and diseases domain ontology was renewed by reasoning.Key words SWRL rule; Pear disease; Domain ontology; Implicit relation; Automatic mining本体可以描述特定领域中的资源关系，而推理则可借助一定的规则，通过已知的关系推出隐含的关系。
基于SWRL规则推理的隐式知识发现研究
基于SWRL规则推理的隐式知识发现研究作者：林龙成来源：《电脑知识与技术》2020年第09期摘要：语义网（ semantic web）是当前Web的扩展，已被各个领域广泛接受，本体是语义网的关键，利用本体语言对Web上已有的信息进行更为有意义的组织和编码，从而实现机器与人之间的有效通信。
语义网规则语言SWRL（ Semantic Web RuleLanguage）是以语义的方式呈现规则的一种语言，本文首先介绍了本体构建的基本步骤，并依据此步骤构建了家庭本体，设计了针对家庭关系的SWRL规则，最后利用HermiT推理机挖掘出隐式的家庭关系。
关键词：本体;SWRL;Protege;隐式知识发现中图分类号：TP311 文献标识码：A文章编号：1009-3044（2020）09-0191-02背景语义网的概念是由万维网（WWW）的发明者Tim BernersLee在1996年提出的，目标是将当前的信息转换成机器友好的语言，语义网并不是一个独立的网络，而是当前网络的扩展，它赋予信息明确的含义，使得信息共享和重用成为可能，计算机和人们能够更好地协同工作。
简单地说，它被称为信息的储存库和表达这些信息所涉及的语言。
近年来.语义网以其良好的知识表示、交流、共享和推理能力，在web上得到了广泛的应用，从支撑网站到让搜索引擎更容易地理解网页的内容，语义网技术正在被各式各样的应用所使用。
1 本体构建本体是对特定领域中概念的形式化的明确描述，每个概念的属性描述了概念的各种特征和属性。
一个本体和一组单独的类实例构成了一个知识库。
本体构建齄1齄包括以下几个步骤：1）确定本体的领域和范畴。
可以通过回答下面几个问题来确定本体的应用领域和范畴：包括本体应用到哪个领域？我们要用本体论做什么？对于哪些类型的问题，本体中的信息应该提供答案？谁将使用和维护本体？2）考虑复用现有本体的可行性。
可以下载已经开发好的本体，导入到本体开发环境中。
基于 swrl 推理机制的研究
作文写的内容丰富夸奖英文回答：I would like to express my gratitude for your kind words and praise. It means a lot to me to know that my essay was able to provide a rich and informative content. I appreciate your recognition of the effort I put intowriting it.First and foremost, I made sure to thoroughly research the topic before starting to write. This allowed me to gather a wide range of information and perspectives, enabling me to present a comprehensive view of the subject. For example, when writing about the benefits of exercise, I not only included scientific studies but also personal anecdotes and real-life examples to make the content more relatable.Furthermore, I took great care in organizing my thoughts and structuring the essay in a logical manner. Imade sure to have a clear introduction that captured the reader's attention and provided a brief overview of what was to come. In the body paragraphs, I presented each point in a coherent and concise manner, providing evidence and examples to support my arguments. For instance, when discussing the impact of technology on society, I included statistics and quotes from experts to back up my claims.In addition, I paid attention to the language used in the essay. I strived to use a varied vocabulary and incorporate idioms and expressions to make the writing more engaging and interesting. For example, instead of simply stating that "technology has changed the way we communicate," I used the phrase "technology has revolutionized the way we connect with others, making the world a smaller place."Moreover, I made sure to proofread and edit the essay multiple times to ensure clarity and coherence. I checked for grammar and spelling errors, as well as for any inconsistencies in the flow of ideas. It was important for me to present a polished and professional piece of writing.Overall, I am thrilled to receive your praise and recognition for my essay. I believe that the combination of thorough research, careful organization, attention to language, and meticulous editing contributed to therichness and quality of the content.中文回答：非常感谢您的赞赏和夸奖。
基于OWL本体和SWRL规则的导弹智能故障诊断研究
· ９３ ·
文章编号：１６７１ ４５９８（２０１８）０７ ００９３ ０６ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０１８．０７．０２１ 中图分类号：ＴＪ７６ 文献标识码：Ａ
犃犫狊狋狉犪犮狋：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｌａｃｋｏｆｄｉａｇｎｏｓｔｉｃｋｎｏｗｌｅｄｇｅ，ｌｏｗｄｉａｇｎｏｓｔｉｃｅｆｆｉｃｉｅｎｃｙａｎｄｂａｄｓｈａｒｉｎｇｏｆｃｏｍｐｌｉｃａｔ ｅｄａｖｉａｔｉｏｎｅｑｕｉｐｍｅｎｔ，ａｎｅｘａｍｐｌｅｏｆｉｎｆｒａｒｅｄ ｍｉｓｓｉｌｅｉｓｔａｋｅｎａｎｄａｎｉｎｔｅｌｌｉｇｅｎｔｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｍｉｓｓｉｌｅｓｂａｓｅｄｏｎ ＯＷＬｏｎｔｏｌｏｇｙａｎｄＳＷＲＬｒｕｌｅｓｉｓｐｕｔｆｏｒｗａｒｄ．Ｆｉｒｓｔｌｙ，ＦＭＥＣＡｒｅｓｕｌｔｓｏｆｔｈｅｍｉｓｓｉｌｅａｒｅｒｅｇａｒｄｅｄａｓｋｎｏｗｌｅｄｇｅｓｏｕｒｃｅ．Ｔｈｅ ｏｎｔｏｌｏｇｙｍｏｄｅｌｏｆｔｈｅｍｉｓｓｉｌｅｉｓｃｏｎｓｔｒｕｃｔｅｄｂｙＯＷＬｄｅｓｃｒｉｐｔｉｏｎｌａｎｇｕａｇｅｂａｓｅｄｏｎＡＴＭＬｇｒａｍｍａｒ，ｗｈｉｃｈｉｓｕｓｅｄｔｏｒｅａｌｉｚｅ ｔｈｅｍａｐｐｉｎｇｂｅｔｗｅｅｎｆａｕｌｔｍｏｄｅｓａｎｄｆａｕｌｔｃａｕｓｅｓｏｎｔｏｌｏｇｙ．ＴｈｅｎｓｅｍａｎｔｉｃｎｅｔｗｏｒｋｒｕｌｅｌａｎｇｕａｇｅＳＷＲＬｉｓａｄａｐｔｅｄｔｏｄｅ ｓｃｒｉｂｅｒｕｌｅｓｏｆｋｎｏｗｌｅｄｇｅｂａｓｅ，ｗｈｉｃｈｂｕｉｌｄｓｔｈｅｒｅｌａｔｉｏｎｓｈｉｐａｍｏｎｇｃｌａｓｓ，ｐｒｏｐｅｒｔｙａｎｄｉｎｓｔａｎｃｅ．Ｆｉｎａｌｌｙ，Ｒａｃｅｒｉｎｆｅｒｅｎｃｅｅｎ ｇｉｎｅｉｓｕｓｅｄｆｏｒｆａｕｌｔｄｉａｇｎｏｓｉｓａｎｄｒｅａｓｏｎｉｎｇｏｆｋｎｏｗｌｅｄｇｅｂａｓｅ，ａｎｄｆａｕｌｔｄｉａｇｎｏｓｉｓｐｒｉｏｒｉｔｙｉｓｒｅｃｅｉｖｅｄ．Ｒｅａｓｏｎｉｎｇｒｅｓｕｌｔｓ ｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｄｉｆｆｉｃｕｌｔｙｏｆｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ｌａｃｋｏｆａｕｔｏｓｅｍａｎｔｉｃｒｅａｓｏｎｉｎｇ，ｂａｄ ｓｈａｒｉｎｇａｎｄｒｅｕｓｅｏｆｃｏｍｐｌｉｃａｔｅｄａｖｉａｔｉｏｎｅｑｕｉｐｍｅｎｔｅｆｆｅｃｔｉｖｅｌｙ．Ｔｈｅｂｅｓｔｐａｔｈｏｆｆａｕｌｔｄｉａｇｎｏｓｉｓｉｓｒｅｃｅｉｖｅｄａｎｄｔｈｅｓｔｅｐｓｏｆ ｆａｕｌｔｃｈｅｃｋｉｓｒｅｄｕｃｅｄ，ｗｈｉｃｈｒｅａｌｉｚｅｔｈｅｑｕｉｃｋｐｏｓｉｔｉｏｎｉｎｇｏｆｆａｕｌｔｃａｕｓｅｓａｎｄｉｍｐｒｏｖｅｅｘｐｅｒｔｓｙｓｔｅｍｄｉａｇｎｏｓｉｓｅｆｆｉｃｉｅｎｃｙａｎｄｒｅ ｌｉａｂｉｌｉｔｙｏｆｃｏｍｐｌｉｃａｔｅｄａｖｉａｔｉｏｎｅｑｕｉｐｍｅｎｔ．
一种基于本体和SWRL规则的策略冲突检测方法
要在 策略 的描述 阶段 提供 富含语 义 的策 略表示 语 言 。 本文 将本体 （ Ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ） 的 概念 引 入 到策 略研 究 中 ， 提 出一 种使用 本体 对策 略进行 建模 和描 述 ， 采用语 义 网
规则 语 言 Ｓ ＷＲ Ｌ （ Ｓ ｅ ｍａ ｎ ｔ ｉ ｃ Ｗｅ ｂ Ｒ ｕ ｌ ｅ Ｌ ａ ｎ ｇ ｕ ａ ｇ ｅ ） 表 示
Ａ Ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ Ｐｏ ｌ ｉ ｃ ｙ Ｃｏ ｎｆ ｌｉ ｃ ｔ Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｏｎｔ ｏ ｌ ｏ ｇ ｙ ａ ｎ ｄ Ｓ Ｗ ＲＬ Ｒｕｌ ｅ ｓ
ＲＥ Ｎ Ｘ ｉ ａ ｏ － ｑ ｉ ｎ ｇ，Ｚ ＨＯＵ Ｊ ｉ ｅ ，Ｓ ＨＥ Ｎ Ｌ ｉ — ｈ ｕ ａ ，Ｓ ＵＮ Ｓ ｈ ａ ｏ － ｌ ｉ ｎ （ Ｇ ｅ ｎ ｅ ｒ ａ ｌ Ｓ ｔ ａ ｆ ｆ Ｃ ｏ ｍｍ ｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ Ｔ ｒ ａ ｉ ｎ ｉ ｎ ｇ Ｂ ａ ｓ ｅ ， Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｐ ｅ ｏ ｐ ｌ ｅ ’ Ｓ Ｌ ｉ ｂ ｅ ｒ ａ ｔ ｉ ｏ ｎ Ａ ｒ ｍ ｙ ， Ｘ ｕ ａ ｎ ｈ ｕ ａ ０ ７ ５ １ ０ ０ ，Ｃ ｈ ｉ ｎ ａ ）
性 。其 显著 的特 点就是 将 策略与 执行 相分 离 ， 以策 略 来 驱动 管理过 程 。通过 使用 策 略管理 ， 管理 员可 以直 接 改变 系统 的行 为 而不 需 要 重 新 进行 编 码 或 停 止 当
前 被管 理 系统 的运行 。
冲 突检测规 则 的方法 ， 对 策略 系统 中常见 的 冲突类 型 检测 进行研 究 ， 最后通 过示 例验 证方 法 的可行性 和 有
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ；ｐ ｏ ｌ ｉ ｃ ｙ ｃ ｏ ｎ ｆ ｌ ｉ ｃ ｔ ；Ｓ Ｗ ＲＬ ｒ ｕ ｌ ｅ ；Ｐ ｒ ｏ ｔ ６ ｇ ６
一种基于本体推理的业务特征获取方法盖炳帅
Service Feature Acquisition Method Based on Ontology Reasoning
GAI Bing － shuai1，2 ， WANG Jin － lin2 ， LIU Xue2
（ 1． Graduate University of Chinese Academy of Sciences，Beijing 100049 ，China； 2． Institute of Acoustics，Chinese Academy of Sciences，Beijing 100190 ，China） ABSTRACT： In the field of service data sampling，this paper provides a service feature acquisition method based on ontology reasoning to solve the problem of lacking automatic methods for data sampling item acquisition． Firstly，this method eliminates OWL conflicts in the service ontology using Racer and eliminates SWRL conflicts in the service ontology using JESS． Secondly，this method acquests explicit service features by ontology parsing and implicit service features in the service ontology using rules designed based on the ontology － based service model． Lastly，this method generates service data sampling items with the features in the service ontology． The analysis result of the example shows that this method can make data sampling item acquisition process automaticly． KEYWORDS： Service management system； Data sampling； Sampling item； Service feature； Ontology； Ont， 业务数据采集为业务分析提供数据
自定义SWRL知识图谱推理补全插件的实现
2021571自定义SWRL知识图谱推理补全插件的实现陈光1，2，3，4，蒋同海1，3，王蒙1，4，唐新余1，4，季文飞1，2，41.中国科学院新疆理化技术研究所，乌鲁木齐8300112.中国科学院大学，北京1000493.新疆民族语音语言信息处理实验室，乌鲁木齐8300114.江苏中科西北星信息科技有限公司，江苏无锡214135摘要：知识图谱是人工智能应用的基石，基于规则进行推理是知识图谱知识补全的重要方式。
SWRL推理插件的局限性成为了知识推理补全的瓶颈。
打破了SWRL有限的推理能力，论述了在SWRL规则中编写自定义知识推理插件，并在知识图谱建模和推理工具中实现对自定义插件推理支持的方法。
介绍了知识图谱知识建模和推理的方法与工具，结合一个具体的知识补全需求建模了包含自定义知识推理插件的SWRL推理规则；在Pellet推理机中实现和注入了此自定义推理插件的推理支持源码，并通过与Protégé知识建模工具进行集成从而完成知识补全需求；应用包含自定义插件的SWRL推理规则完成了老人健康小屋物联网系统资源组成和资源故障诊断的知识补全。
以此论述了使用SWRL自定义知识推理插件进行知识图谱知识补全的方法和实践。
关键词：知识图谱；知识补全；推理；SWRL语言；Protégé知识建模型工具；Pellet推理机；自定义插件文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.1910-0342Custom SWRL Knowledge Graph Completion Reasoning Built-ins Implementation MethodCHEN Guang1，2，3，4,JIANG Tonghai1，3,WANG Meng1，4,TANG Xinyu1，4,JI Wenfei1，2，41.Xinjiang Technical Institute of Physics&Chemistry,Chinese Academic of Sciences,Urumqi830011,China2.University of Chinese Academy of Sciences,Beijing100049,China3.Xinjiang Laboratory of Minority Speech&Language Information Processing,Urumqi830011,China4.Jiangsu CAS Nor-West Star Information Technology Co.,Ltd.,Wuxi,Jiangsu214135,ChinaAbstract：Knowledge Graph（KG）is the cornerstone of AI application,and rule-based reasoning is still an important way to complete knowledge in KG.The limitation of SWRL reasoning built-ins has become the bottleneck of knowledge reasoning and complete.This paper breaks the limited reasoning ability of SWRL,and discusses the method of compiling custom knowledge reasoning built-ins in SWRL rules,and realizing reasoning support for these plug-ins in knowledge graph modeling and reasoning tools.Firstly,the paper introduces the methods and tools of knowledge modeling and reasoning in KG,and establishes SWRL reasoning rules including custom reasoning built-in with a specific knowledge completion requirement.Then,the reasoning support source code of this custom reasoning built-in is implemented and injected into Pellet reasoner,and is integrated with Protégéknowledge modeling tool to fulfill the requirement.Finally,the SWRL inference rules including the custom plug-ins are applied to complete the knowledge completion of the resource composition and resource fault diagnosis of the Internet of things system in the elderly healthy cabin.In this way,it discuss-es the method and practice of using SWRL custom reasoning built-ins to complete knowledge graph.Key words：knowledge graph;knowledge complete;reasoning;Semantic Web Rule Language（SWRL）;Protégéknowl-edge modeling tool;Pellet reasoner;custom built-ins基金项目：无锡市科技发展资金项目（N20191005）作者简介：陈光（1988—），通信作者，男，博士研究生，主要研究方向为物联网系统技术与应用、物联网体系结构建模与模型检测、模式识别和人工智能，E-mail：；蒋同海（1963—），男，博士，教授，博士生导师，主要研究方向为计算机网络与流量技术、大数据技术、物联网技术；王蒙（1980—），男，副研究员，主要研究方向为信息处理、大数据融合、大数据清洗；唐新余（1975—），男，博士，副研究员，硕士生导师，主要研究方向为数据参考技术、数据挖掘、大数据清洗；季文飞（1991—），男，博士研究生，主要研究方向为知识图谱技术、大数据融合、大数据清洗。
当前主要本体推理工具的比较分析与研究
当前主要本体推理工具的比较分析与研究《现代图书情报技术》2006年第12期数字图书馆总第144期当前主要本体推理工具的比较分析与研究术徐德智汪智勇王斌(中南大学信息科学与工程学院长沙410083)【摘要】通过对当前一些主流本体推理机详细的分析研究,得出本体推理机的一般系统结构,在介绍三个典型的推理机系统(Pellet,Racer,FaCT++)后,从系统功能,用户和开发者三个不同角度设计并实现一套比较不同本体推理机的测试方案,实验证明测试方案是可行有效的,最后总结当前本体推理机存在的一些问题和未来发展趋势.【关键词】语义网本体推理机系统结构测试方案【分类号】TP391 Comparison,AnalysisandResearchonCurrentOntologyReasoners XuDezhiWangZhiyongWangBin (CollegeofInformationScienceandEngineering,CentralSouthUniversity,Changsha4100 83,China)【Abstract】ThroughanalyzingalotofcurrentOntologyreasonersindetail,thispaperconcludesageneral sys.tenstructureforOntologyreasoners.AfterintroducingthreetypicalOntologyreasoners(Pell et,Racer,FaCT++),it proposesandimplementsatestplanforOntologyreasonersfromthesystem,useranddevelop er'Spoint.Theexperi- mentresultsshowthatthetestplanisfeasibleandeffective.Atlast,thepaperanalyzesthedisad vantagesofcurrent OntologyreasonerandgivessomeideasonOntologyreasoners'futuredevelopment.【Keywords】SemanticWebOntologyreasonerSystemstructureTestplan 1引言Berners—Lee为未来的Web发展提出了基于语义的体系结构lj,本体(Ontology)位于语义Web体系结构中的第四层,它是解决语义层次上Web信息共享和交换的基础.由于本体推理机是本体创建和使用过程中必不可少的基础性支撑工具之一,因此国内外许多研究机构研发了一大批本体推理机,其中比较典型的有W3C用来对本体进行测试的本体推理机-2j,DIG推荐的基于描述逻辑实现的本体推理机-3j,一些集成在语义网开发平台(如HP实验室的Jena2,德国Karlsruhe大学的KAON2)和本体管理系统(如IBM的SNOBASE系统)中的推理机引擎.面对如此众多的本体推理机,有着不同需求的用户该如何选择适合自己的本体推理机,为了解决这个问题,就需要对当前的本体推理机系统进行详细的分析研究和对比测试,文献[4]提出了一种使用现实本体来测试对比推理机系统的方法,但是它仅仅是从系统功能这一个角收稿日期:2006—09一l1本文系湖南省自然科学基金项目"方面化构件模型及其组装体系结构评价研究"(项目编号:05JJ40312)的研究成果之一.l2?度来进行的.文献[5]重点对一些本体表示和查询语言进行了详细的测试对比,可并没有牵涉到具体的本体推理机系统之间的测试对比.为了使用户更好地了解,使用和开发本体推理机,本文从系统功能,用户和开发者三个不同的角度设计了一套比较不同本体推理机的测试方案,并对三个典型推理机系统进行了实验对比分析.下面先介绍本体推理机的一般系统结构.2本体推理机的系统结构在对收集到的本体推理机进行详细的分析研究后,归纳出了本体推理机的一般系统结构,见图1.图1本体推理机的系统结构图系统结构由本体解析器,查询解析器,推理引擎,结果输出模块和API五大模块组成.《现代图书情报技术》2006年第12期数字图书馆总第14J4期2.1本体解析器负责读取和解析本体文件,它决定了推理机系统能够支持的本体文件格式,如RDF,OWL,SWRL等.解析性能的好坏直接决定了推理机能否支持对大本体文件的解析.2.2查询解析器负责解析用户的查询命令,虽然SPARQL已经成为了RDF的候选标准查询语言,但目前还没有一种公认的针对OWL的标准查询语言,目前使用较多的有RDQL, nRQL,OWL—QL等.2.3推理引擎负责接受解析后的本体文件和查询命令,并执行推理流程,它是本体推理机的核心部件,因为它直接决定本体推理机系统的推理能力.目前大部分推理引擎是基于描述逻辑表算法实现的.2.4结果输出模块完成对推理引擎所推导出来的结果进行包装,以满足用户的不同需求.它决定了本体推理机能够支持的文件输出格式,一般常用的有XML,RDF,OWL等.2.5API模块主要面向开发用户,一般包含三大部分,OWL—API,DIG接口以及编程语言开发接口.OWL—API为用户操作OWL本体文件提供了一种标准接口,目前还没有一个公认的推荐标准,只有两种应用比较广泛的OWL—API (wonderWebOWL—API和Prot6g6OWL—API).DIG接口为描述逻辑推理机系统向外提供服务提供了一组标准的接口,作用类似于数据库中的ODBC,它允许前端(如本体编辑器)挂接到后台不同的推理引擎上,目前最新的版本为2.0.另外本体推理机提供的常见编程语言接口主要有Lisp和Java两种,因为大部分本体推理机系统是采用这两种编程语言实现的.3三个典型的本体推理机本文基于最新,应用最为广泛和最具有代表性三个原则挑选了三个典型的推理机系统Racer,Pellet,FaCT++进行介绍以及对比分析.3.1RacerRacerE(RenamedABoxandConceptExpressionRea- soner)是德国FranzInc.公司开发的一个采用描述逻辑作为理论基础的本体推理机,最新的版本为RacerPro1.9,它是一个功能强大的商用本体推理机,不仅可以当作描述逻辑系统使用,还可以用作语义知识库系统.它支持单机和客户端/服务器两种使用模式.3.2PelletPelletlJ是美国马里兰大学MINDSWAP项目组专门针对OWL—DL开发的一个本体推理机,基于描述逻辑表算法实现,最新的版本为Pellet一1.3,能够支持OWL—DL的所有特性,包括支持对枚举类和XML数据类型的推理,它是一个开源项目.3.3FaCT++FaCT++[8]是FaCT(FastClassificationofTemfinolo- gies)的新一代产品,FaCT是英国曼彻斯特大学开发的一个描述逻辑分类器,提供对模型逻辑(ModalLogic)的可满足性测试,采用了基于CORBA的客户服务器模式. FaCT++为了提高效率和获得更好的平台移植性,采用了c++而非FaCT的Lisp语言来实现,并开放源代码.4本体推理工具实验测试方案设计及实现对于本体推理机的测试方案目前为止还没有一个公认的标准,本体推理工具的对比分析主要集中在系统功能方面,简单地说就是看哪一个推理机系统功能最为强大,执行速度最快.由于测试者一般都是被测试系统的开发者,这样从测试数据的选取到测试方案的设计都很难保证全面客观,也不能为应用和开发用户提供全面的参考方案.本文在综合考虑了本体推理机基本功能和一般系统结构的基础上,结合传统描述逻辑推理机系统对比测试方案_9_9,提出了一套如图2的综合测试方案.图2测试方莱总体设计在本测试方案中,将从系统功能角度,用户角度以及开发者角度进行全面的对比分析,其中功能测试主要对本体推理机的两个基本推理功能-】0-(本体一致性检查和获取隐含知识能力)进行性能测试.应用用户角度分析主要从用户界面是否友好等角度来进行.开发用户角度分析则从本体推理机系统是否为开发者提供了丰富的程序开发接口等方面考察,最后综合考虑上述三个方面的对比测试结果,给出测试系统的最终评价.下面将详细介绍这套测试方案.4.1系统功能测试系统功能测试采用装载解析本体时间,检验本体一13?《现代图书情报技术》2006年第12期数字图书馆总第144期致性时间和推理查询时间三个指标对测试系统进行比较分析,主要用来比较本体推理机实现的两大基本推理功能,如果要对系统进行更为全面的性能测试,还应该加入更多的如概念分类,实例归类,本体包含检验等其他功能测试.(1)本体测试文件选择方案为了使本体测试数据不失一般性,在本测试方案选择测试本体数据时主要考虑了文件格式,本体类别,本体是否一致,文件大小,本体中定义的类,属性以及个体数量和数据来源等几个方面的因素.其中文件格式涵盖了XML,RDF,OWL,DAML和SWRL,本体类别涵盖了Lite,DL,Full三个级别,测试数据包含了一致和不一致两种类型的本体.具体的本体测试数据采用了来自4个不同地方的本体文件,一部分是由Lehigh大学SW AT项目…的数据产生器产生;一部分从Pellet系统测试文件中挑选;还有一部分是从ProtegeOntology Library本体库中选取;最后一部分是通过本体搜索引擎swoogle(/)从网上随机选取.这样就基本上就可以达到本体测试数据的一般性,广泛性和代表性.(2)查询语句设计方案为了使测试的查询语句具有代表性,在本测试方案中查询语句的设计主要考虑到了以下三个因素:①查询的类型即测试的查询语甸集是否涵盖了本体查询的所有类型,即是否涵盖了布尔查询,检索查询和组合查询三大类型_2J,其中布尔查询是最简单的一种查询,它一般可以转化为一个本体的一致性检查问题,而检索查询和组合查询则可能需要对本体进行推理.②查询结果的大小即查询结果中的类或者实例的数量在本体文件中所占的比例应该大于一个阈值,阈值一般是根据具体的本体测试文件而定.③查询牵涉到推理的复杂度即推理牵涉到类层次以及属性层次的深度和是否需要进行逆关系推理等复杂推理操作,一般推理牵涉到的类或属性层次越深,推理复杂程度就越高.下面给出三个典型的简单查询,查询语句采用OWL—QL语法格式来表达,测试查询语句的详细信息见表1.表1查询语句信息查询语句类别Ql?(Tomstudent)布尔Q2(type?xGraduateStudent)检索Q3(type?xStudent)合取(type?yDepartment)(memberOf?y?x)(nameOfComputerScience?y)其中Ql判断Tom是否是一名学生;Q2查询出所有研究生的名字;Q3查询所有信息科学学院的学生名字.有关查询时间的详细测14?试数据结果请见实验结果分析.4.2应用用户角度对比分析用户角度分析主要考察推理机系统是否为应用用户提供了一个友好的用户界面,是否提供了方便用户使用的文档和演示以及是否方便用户连接当前一些主流的本体编辑器等.表2给出了对比分析的相关详细结果.表2应用用户角度分析RacerPelletFaCT++用户界面GUI,复杂命令行无用户手册详细无无Demo无在线无支持格式owl,racer,swrlxml,rdf,OWll(b查询语言nRQL,owl—qlRDQL无Prot6g6Prot6g6Prot6g6支持编辑器0ilEd0ilEd0ilEd从上表可以看出,尽管Racer,Pellet和FaCT++对一些主流的本体编辑器能够提供良好的推理支持,但没有一个能为应用用户提供一个全面友好的使用环境,或者因为没有图形交互界面,或者交互界面太过于复杂. 并且Pellet和FaCT++支持的本体查询语言太少,另外FaCT++不支持当前的主流本体表示语言,如OWL等.4.3开发用户角度对比分析开发用户角度分析主要考察推理机系统是否为用户进行二次开发提供了详细的参考文档和编程接口,是否开放源代码和提供开发示例代码等.表3给出了Racer, Pellet和FaCT++的详细测试结果.表3开发用户角度分析RacerPelletFhCT++语言LispJavaLisp开源商用是是APIDIG,Lisp,JavaDIG,OWL—API,Jena,DIG开发文档详细一般无示例代码有有无从测试结果中可以看出,Racer与Pellet都为开发用户提供了丰富的二次开发接口,开发文档和一些示例代码,因此作为Lisp编程用户可以选择Racer进行二次开发,Java编程用户则可以考虑选择使用Pellet.5实验结果分析与展望实验平台:Pentium4CPU2.60GHz,256M内存,80G硬盘,WindowsXPSP2,JavaJDK1.5.参与测试的推理机:Racer1.9.0,Pellet1.3,FaCT++1.3.1.编辑器为Protege3.2Betao《现代图书情报技术》2006年第12期数字图书馆总第144期说明:由于FaCT++没有提供OWL接口也不支持对实例的查询(即A—Box查询),因此在装载本体和查询的对比测试中只对Racer与Pellet进行了比较.另外限于篇幅,本文没有列举出本体测试数据的相关详细信息.本体装载时间测试结果如图3所示:iU0UU苎UiUUZUU庀纽数"啦位×1OO个图3本体装载时间折线图从上图可以看出,本体装载时间随着本体文件中元组数目的增加而增加,当元组数量很少时,Racer和Pellet的装载时间差不多,但当元组数量超过万个以上时,Racer的上升速度要低于Pellet,这说明Racer能够对大本体文件提供一个良好的支持,这与Racer是一个商业系统的定位是一致的.本体一致性检查时间的详细测试结果如表4所示(时间单位为s).表4本体一致性检查时间对比O1O2O304大小5k13k46k151k不一致概念1144576Racer/DIG0.841.591.262.84Peliet/DIGO.781.63异常1.91FaCT++/DIGO.651.5O.61异常Pellet/单独O.O20.018O.O17异常从上表可以看出Racer能够很好地对所有测试本体进行一致性检查,Racer和Pellet所耗时间差不多,FaCT ++所耗时间最少.在测试中发现一致性检查时间主要由不一致概念数量和造成本体不一致的原因而不是文件大小决定,如本体02要比本体03小,但由于它包含更多不一致概念,因此所耗费的时间要比03长.另外不难发现采取DIG外挂方式要比单独使用本体推理机系统进行本体一致性检验耗费更多的时间,这是因为编辑器和推理机系统之间通信消耗了大量的时间.表5给出了查询时间测试结果(时间单位ms).表5查询时间对比RacerPelletQ1Q2Q3Q1Q2Q3时间113101453108436247L从测试结果来看,Racer与Pellet在Ql(布尔查询)上花费的时间差不多,这是因为执行布尔查询的过程就是一个检验本体一致性的过程,这个结果符合本体一致性时间测试结果.Racer执行Q2(检索查询)的时间要比Pellet耗得多,主要是因为Racer在对本体执行查询前需要对本体文件做一些索引等准备工作以加速其后查询的速度.但Pellet执行Q3(组合查询)的时间超过了Racer, 这是因为Q3查询牵涉到了对T—Box的推理,可以看出Racer在T—Box推理能力方面要优于Pellet.由此可见, 一般情况下如果只是进行A—Box推理查询,则考虑使用Pellet,而查询如果牵涉到T—Box推理则推荐使用Racer. 对于上述的各项测试结果,必须考虑到不同的软硬件平台,使用不同的本体测试文件和不同的查询语句均可以对实验数据产生很大的影响,这里只能够得出一个相对的比较结果,综合以上测试结果可以发现,Racer和Pellet都能够实现检查本体一致性和挖掘本体隐含知识两个基本功能,但综合起来评价Racer要优于Pellet.虽然FaCT++在本体一致性检查中占优,但由于它不支持OWL和本体查询语言,因此综合评价最低.这个结果与大多数评测结果是相符合的,这就说明本测试方案是可行和有效的.6结语及展望通过对当前本体推理机的分析和三个典型推理机的测试对比,发现尽管大部分本体推理机都能够实现两大基本推理功能,但是还是存在着一些不足,如Racer不支持对枚举类和用户自定义数据类型的推理,Pellet缺乏对本体规则语言SWRL的支持并且支持的本体查询语言不够全面等.另外它们还缺乏对多个本体,不一致本体以及大规模本体服务器的推理支持,还有用户界面不够友好等缺陷.由此可见,未来本体推理机的发展趋势应该是在系统功能方面开发更为强大和完善的推理算法,如在描述逻辑中支持量词约束,用户自定义数据类型和逆关系属性类型等.并能允许用户自定义推理规则以及支持多个,多版本和不一致本体的推理.向用户提供更加友好的GUI和更为丰富的程序开发接口也将是未来本体推理机的一大发展趋势.本文下一步的工作将是进一步完善本体推理机的测试方案,并实现一个测试平台.(下转第77页)3S2SlSO2lO装载时闯单位S堕堡垫术))2006年第12期工作交流总第l44期(上接第l5页)参考文献:1TimBemers—Lee.JamesHendler,OraLassila.TheSemanticWeb. ScientificAmerican.2001.284(5):34—432OWLTestResults(Semi—OfficialSemi—StaticView).http:// /2003/08/owl—systems/test—results—out#systems (AccessedSept.1,2006)3DESCRIPTIONLOGICREASONERS./一sattler/reasoners.html(AccessedSept.1,2006)4Z.Pan.BenehmarkingDLReasonersUsingRealisticOntologies.In Proc.oftheInternationalworkshoponOWL:ExperienceandDirec—tions(OWL—ED2005).Galway,Ireland.20055ZhijunZhang.OntologyQueryLanguagesfortheSemanticWeb:A PerformanceEvaluation.MastersThesis2oo5.5—346RacerSystemsGmbH&Co.KG.http://www.racer—systems.corn/ index.phtml(AccessedSept.1,2006)7PelletOWLReasoner./2003/pellet/in—dex.shtml(AccessedSept.1,2006)8OWL:FaCT++./faetplusplus/fAccessed Sept.1,2OO6)9AtilaKaya,Keno.Seizer.DesignandImplementationofaBenchmark TestingInfrastructurefortheDLSystemRacer.ProceedingsoftheKI2004InternationalWorkshoponApplicationsofDescriptionLogies (ADL04),Ulm,Germany,2004l0高琦陈华钧.互联网Ontology语言和推理的比较和分析.计算机应用与软件,2004.2l(10):73—76 llSWATProjects—theLehishUniversityBenchmark(LUBM).hap:// /projects/lubm/(AccessedSept.1,2006)(作者E—mail:******************)(上接第20页)性实施方案,体现了知识组织和实用分类体系在系统分析和设计中的功用.由于采用了DSpace开放源代码软件作为系统平台,未涉及实用分类体系向软件应用的转换,如利用分类体系进行数据建模,对象建模等,还有待进一步探索.参考文献:1杜文华.本体构建方法比较研究.情报杂志,2005(10):24—252肖敏.领域本体构建方法研究.情报杂志.2oo6(2):70—743Qin.Jian&Paling,Stephen.Convertingacontrolledvocabularyinto anontology:theeaseofGEM./ir/6—2/pa—per94.html(AccessedJun.29,2006)4黄伟,金远平.形式概念分析在本体构建中的应用.微机发展, 2005(2):28—315Prot6g6OWL网站./plugins/owl/(Ac—cessedOct.17.2006)6DSpaee网站.(AccessedApr.28.2006/ May.26,2OO6)7专门数字对象描述元数据规范..en/2003/Spc—Metadata/(AccessedJun.7,2004/May.26,2006)8黄晓斌.卢琰.论数字图书馆用户界面的评价.图书馆论坛.2005(6):l6一l9(作者E—mail:***************.cn) 77?。
利用本体建模和SWRL推理实现策略自动部署
但是设 备如何 找到适 合 的策 略 ， 怎样 进行 正确 的策 略
２ ０ １ ３年 第 ２期 文章编号 ： １ ０ ０ ６ － ２ ４ ７ ５ （ ２ ０ １ ３ ） ０ ２ － ０ ２ １ ４ － ０ ６
计 算 机 与 现 代 化 Ｊ Ｉ Ｓ Ｕ Ａ Ｎ Ｊ Ｉ Ｙ Ｕ Ｘ Ｉ Ａ Ｎ Ｄ Ａ Ｉ ＨＵ Ａ
第２ １ ０期
利 用 本 体 建模 和 Ｓ ＷＲ Ｌ推 理 实 现策 略 自动部 署
中图分类号 ： Ｔ Ｐ ３ ９ ３ ． １
பைடு நூலகம்
文献标识码 ： Ａ
ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６ ． ２ ４ ７ ５ ． ２ ０ １ ３ ． ０ ２ ． ０ ５ ３
Ｒｅ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｐｏ ｌ ｉ ｃ ｙ Ａｕ ｔ ｏ ｍａ ｉ ｔ ｃ Ｄｅ ｐｌ ｏ ｙ ｍｅ ｎ ｔ Ｕｓ ｉ ｎ ｇ Ｏｎ ｔ ｏ ｌ ｏ ｇ ｙ Ｍｏ ｄ ｅ ｌ ｉ ｎ ｇ ａ ｎｄ Ｓ Ｗ ＲＬ Ｒｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ
ａ ｎ ｄ Ｓ Ｗ ＲＬ ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ｏ ｎ ｔ ｏ ｌ ｏ ｙ ；Ｓ ｇ ＷＲＬ；ｐ ｏ ｌ ｉ ｃ ｙ ・ ｂ ａ ｓ ｅ ｄ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ
０ 引 言
随着 网络规模 的不断 扩大 ， 网络业 务 的复杂 性不 断提 高 ， 用 户 对 于 网络 管 理 系 统 也 不 断 提 出新 的要
基于SWRL规则的BIM和GIS建筑本体融合方法
基于SWRL规则的BIM和GIS建筑本体融合方法作者：胡瑛婷王铭浩石玉来源：《现代信息科技》2022年第07期摘要：隨着数字城市向智慧城市的转化升级，城市管理越来越趋向精细化，建筑信息模型（BIM）和地理信息系统（GIS）的融合必不可少。
文章采用基于SWRL规则的BIM和GIS 建筑本体融合方法，也就是通过建立LOD0-LOD4五层SWRL规则将本体由IFC标准转变为CityGML标准，再提取其实体类型和属性信息并用CGA规则语言来表示，最终实现对CityGML标准模型的建立。
该方法采用CGA规则语言建立CityGML模型，在语义和几何层面上实现了BIM和GIS的融合与转换，避免了传统数据转换引起的数据缺失，可以实现大规模的高效建模。
关键词：建筑信息模型;地理信息系统;IFC;CityGML;SWRL规则;融合中图分类号：TU17 文献标识码：A文章编号：2096-4706（2022）07-0091-07Building Ontology Fusion Method of BIM and GIS Based on SWRL RulesHU Yingting， WANG Minghao， SHI Yu（School of Information Sciences and Engineering， Shandong Normal University， Ji'nan 250358， China）Abstract： With the transformation and upgrading from digital city to smart city， urban management tends to be more and more refined， and the integration of Building Information Modeling （BIM） and Geographic Information System （GIS） is indispensable. This paper adopts the building ontology integration method of Bim and GIS based on SWRL rules， that is， through the construction of LOD0-LOD4 five layer SWRL rules， the ontology is transformed from IFC standard to CityGML standard， and then its entity type and attribute information are extracted and expressed in CGA rule language， and the establishment of CityGML standard model is realized finally. This method uses CGA rule language to establish CityGML model， realizes the fusion and transformation of Bim and GIS at the semantic and geometric levels， avoids the data loss caused by traditional data transformation， and can realize large-scale and efficient modeling.Keywords： BIM; GIS; IFC; CityGML; SWRL rule; fusion0 引言随着信息技术的高速发展，如何使前沿科学技术推动现代城市的优化发展，这是向无数学者和业内人士提出的一个热点问题，而智慧城市的建设是解决此类问题的主要方法。
基于时态本体的时态数据表示研究
基于时态本体的时态数据表示研究陈世祺; 张俊; 曾敏; 马硕【期刊名称】《《计算机技术与发展》》【年(卷),期】2019(029)012【总页数】7页(P33-39)【关键词】人力资源; 时态本体; 时态数据; SWRL规则【作者】陈世祺; 张俊; 曾敏; 马硕【作者单位】大连海事大学信息科学技术学院辽宁大连 116000【正文语种】中文【中图分类】TP3910 引言大数据时代下,从海量数据中获取隐含信息成为各领域的研究热点。
其中,时间是海量数据的一个重要维度,对时态数据的处理和分析已经成为许多领域获取信息的重要手段,特别是在人力资源领域。
人力资源领域存在着大量的员工时态数据,但是这些数据并没有被充分利用。
另外,本体规则推理作为获取隐含信息的一种重要方式,从语义上提供了概念之间规范化的描述。
但是传统的静态人力资源本体对时间处理得不够细致,并且无法表达隐式时间。
随着研究的不断深入,为了充分利用时态数据,并且满足对时间关系的细致描述,研究人员提出了时间本体。
由于本体规则推理在智能查询[1-2]、决策制定[3]、智能推荐[4]、智能预测[5-6]中有很多成功应用,这使得时间本体应用于人力资源预测成为可能。
因此,文中从语义角度出发，针对员工时态数据,构建人力资源时态本体模型和SWRL(the semantic web rule language)规则,提出基于时态本体的人力资源时态数据表示方法,以解决人力资源预测问题,实现对员工信息语义上的挖掘。
文中以人力资源预测中的职称晋升预测和薪资预算为研究对象,说明该时态表示方法的有效性。
首先,总结了人力资源领域时态数据特征,据此扩展人力资源本体的时态维度,构建人力资源时态本体模型；其次,将职称晋升规则和薪酬预算规则用SWRL进行定义和表示；最后,利用推理引擎进行推理,得到预测结果。
决策时,利用预测结果,与实际岗位情况进行对比,协调岗位数量与人员数量之间的不平衡关系[7],为决策者制定合理的编制规划提供参考。
基于本体的规则推理和案例推理结合的糖尿病诊疗专家系统研究
基于本体的规则推理和案例推理结合的糖尿病诊疗专家系统研究陈桂芬;汪江;杨志刚【期刊名称】《长春大学学报（自然科学版）》【年(卷),期】2016(026)003【摘要】Rule-based Reasoning (RBR) and Case-based Reasoning (CBR) are introduced to the system design of diabetes diagnosis . Focusing on system frame structure , diabetes ontology base and SWRL rules base are established by using prot égé, and the dynamic reasoning is executed by using JESS reasoning engine to construct the diabetes domain knowledge base with new knowledge .After part of ontology samples being extracted from knowledge base as case base , searching and reasoning results will be returned through the combination of case retrieval and ontology knowledge base retrieval , and diagnosis and treatment solution will be provided to patients . Comparing experiment results with expert diagnosis , the diagnosis accuracy rate of the system is obtained to be 85.28%, which shows that the system has good practicability and can become a feasible diagnosis and treatment solution for diabetes patients .%将规则推理（ RBR ）与案例推理（ CBR ）两种人工智能技术引入到糖尿病诊疗系统设计中。
基于SWRL的应急案例库的知识表示及推理方法研究
基于SWRL的应急案例库的知识表示及推理方法研究金保华;林青;付中举;李红婵【期刊名称】《科学技术与工程》【年(卷),期】2012(012)033【摘要】The quantities of emergency information make it hard to provide quick support for decision-making system. Nowadays it has become a heat issue in public security field. The knowledge representation and reasoning of emergency cases repository based on SWRL is lucubrated. Firstly, the concepts in emergency cases repository were defined and the 0WL( Web Ontology Language) was used as the basis of establishment of emergency cases repository in semantically representation. And then, SWRL (Semantic WebRule Language) was introduced to further established rules mechanics. At the same time, the disadvantage of reasoning capacity of OWL was greatly improved. Finally, further integration and reasoning are realized by SWRL reasoning rules and Jena inference engine. The validity of SWRL reasoning rules is verified in the experiment results.%针对当下在公共社会领域中突发应急事件的信息量庞大,难以为应急决策系统提供快速支持的热点问题,深入研究了基于SWRL的应急案例库的知识表示以及推理方法.首先定义了应急案例库中的相关概念,并采用语义上具有较强能力的OWL( Web Ontology Language)作为应急案例库Ontology构建的基础.然后引入SWRL( Semantic WebRule Language)来进一步构建应急案例库的规则机制并改善OWL在推理能力方面的不足.最后运用SWRL推理规则与Jena推理机对应急案例库中的规则进行了进一步的整合与推理现实.仿真结果验证了SWRL推理规则的有效性与正确性.【总页数】7页(P9049-9055)【作者】金保华;林青;付中举;李红婵【作者单位】郑州轻工业学院计算机与通信工程学院,郑州450002;郑州轻工业学院计算机与通信工程学院,郑州450002;郑州轻工业学院计算机与通信工程学院,郑州450002;郑州轻工业学院计算机与通信工程学院,郑州450002【正文语种】中文【中图分类】TP182【相关文献】1.基于本体与SWRL的鳜鱼疾病诊断知识表示与语义推理 [J], 宗南苏;郑业鲁2.基于SWRL的鳜鱼疾病诊断知识表示与语义推理实现 [J], 宗南苏;郑业鲁;钱平3.基于案例推理的突发环境事件应急管理案例库构建技术研究 [J], 张茉莉;袁鹏;宋永会;张慧良;姜诗慧4.基于本体与SWRL的工艺知识表示与语义推理 [J], 崔祥友;唐敦兵;朱海华;殷磊磊5.基于实例推理的夹具设计知识表示方法研究 [J], 史琦;敬石开;李原;杨海成因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
已成为 Ｏ ＷＬ技 术推 广应用 的 主要瓶 颈 。将 语义 Ｗｅ ｂ 规 则 语言 （ Ｓ ｅ ｍ ａ ￣ｉ ｃ Ｗｅ ｂ Ｒ ｕ ｌ ｅ Ｌ ａ ｎ ｇ ｕ ａ ｇ ｅ ， Ｓ ＷＲ Ｌ ） 引 入 到本 体 中 ， 能 大
大改 善本体 的推 理能 力 ， 从 而挖 掘 出许 多新 的隐含知 识 。文 中将 本 体 引入 到 故 障树 领 域 中 ， 对 如 何 构建 故 障 树本 体 及相 应的 Ｓ ＷＲ Ｌ 规 则进 行 了研究 。首先 采 用 Ｏ ＷＬ语 言 构 建 故 障 树 领 域 本 体 ， 然 后 将 故 障树 中事 件 之 间 的逻 辑 关 系 转 化 成
中图分类 号 ： Ｔ Ｐ ３ １ １ 文献标 识码 ： Ａ 文章 编号 ： １ ６ ７ ３ — ６ ２ ９ Ｘ （ ２ ０ １ ５ ） １ ０ — ０ ０ ６ ７ — ０ ４
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ３ — ６ ２ ９ Ｘ． ２ ０ １ ５ ． １ ０ ． ０ １ ４
ｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ ｂ ｙ ｉ ｎ ｒ ｔ ｏ ｄ ｕ ｃ ｉ ｎ ｇ Ｓ ｅ ｍａ ｎｔ ｉ ｃ Ｗｅ ｂ Ｒ ｕ ｌ ｅ Ｌ ｎｇ ａ ｕ ａ ｇ ｅ（ Ｓ ＷＲ Ｌ）ｉ ｎ ｔ ｏ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ， ｗ ｈ ｉ ｃ ｈ Ｃ ｎ ａ ｇ ｉｎ ａ ｉ ｍｐ ｌ ｉ ｃ ｉ ｔ ｎｏ ｋ ｗｌ ｅ ｄ ｇ ｅ ．
Ｓ ＷＲ Ｌ 规 则语 言 ， 最 后将故 障树 领域 本体 和 Ｓ ＷＲ Ｌ规则 放入 Ｊ Ｅ Ｓ Ｓ 推 理机 中进 行推理 ， 能挖 掘 出故 障树 中的 隐含 知识 ， 从 而
解决系统故障的快速定位。通过实验证明了文中提出方法的可行性和有效性。
关键 词 ： 本体 ； 故 障树 ； 语 义 Ｗｅ ｂ 规 则语 言 ； 推 理规 则
ｄ ｏ ｍａ ｉ ｎ ｏ ｎ ｔ ｏ ｌ ｏｇ ｙ ｂ ｙ Ｗｅ ｂ Ｏｎ ｔ ｏ ｌ ｏ ｇ ｙ Ｌａ ｎ ｇ ｕ ａ ｇ ｅ ． Ｓ ｅ ｃ ｏ ｎ ｄ， ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ｔ ｈ ｅ ｌ ｏ ｇ ｉ ｃ ａ ｌ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈｉ ｐ ａ ｍｏ ｎ ｇ ｅ ｖ ｅ ｎ ｔ ｓ ｏ ｆ ＦＦ ｉ ｎ ｔ ｔ
周 亮 ， 黄 志球 ， 倪 川
（ 南 京航 空航 天大 学 计 算机 科 学与技 术 学院 ， 江 苏 南京 ２ １ ０ ０ １ ６ ）
摘 要： 本体具 有较 强 的知识 表达 能力 ， 目前 已经成 为计 算机 学科 的一个 研究 热 点 。本体 在 知识 推 理方 面 的能 力 比较 弱 ，
Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ． ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ｉ ｎ ｔ ｏ ｆ ａ ｕ ｌ ｔ ｔ ｒ ｅ ｅ ｄ ｏ ｍａ ｉｎ ａ ｎ ｄ ｓ ｔ ｕ ｄ ｙ ｈ ｏ ｗ ｔ ｏ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ａ Ｆ Ｔ ｄ ｏ ｍａ ｉｎ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ｎｄ ａ Ｓ Ｗ ＲＬ． Ｆｉ ｒ ｓ ｔ ， ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ａ Ｆｒ
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｏｎ ｔ ｏ ｌ ｏ ｇ ｙ Ｒｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ Ｂａ ｓ ｅ ｄ Ｏ Ｒ Ｓ Ｗ ＲＬ Ｒｕ ｌ ｅ ｓ
ＺＨ ＯＵ Ｌｉ ａ ｎ ｇ， ＨＵ ＡＮ Ｇ Ｚｈ ｉ －ｑ ｉ ｕ， ＮＩ Ｃｈｕ ａ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｎ ｎｊ ａ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ａ ｎ ｄ Ａ ｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ， Ｎａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ １ ６ ， Ｃ ｈ ｉ ｎ ａ ）
第２ ５卷 第 １ ０期 ２ ０ １ ５年 １ ０月
计 算 机 技 术 与 发 展
Ｃ ０ＭＰ ＵＴ ＥＲ Ｔ ＥＣＨＮＯＬ ＯＧＹ ＡＮＤ ＤＥ ＶＥ ＬＯＰ ＭＥＮＴ
Ｖｏ １ ． ２ ５ Ｎｏ． １ ０ ０ｃ ｔ ． ２ ０１ ５
基于 Ｓ ＷＲ Ｌ规 则 的本 体 推 理研 究
ｔ ｏ ｌ ｏ ｇ ｙ ｈ ａ ｓ ａ ｗｅ ａ ｋ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｉ ｎ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ｒ ｅ ａ ｓ ｏ ｎ ｉ ｎ ｇ． ｗｈ ｉ ｃ ｈ ｍａ ｋｅ ｓ ｉ ｔ ａ ｍａ ｉ ｎ ｂ ｏ ｍｅ ｎ ｅ ｃ ｋ ｉ ｎ ｓ ｐ ｍａ ￣ｎ ｇ ｏ ｎ ｔ ｏ ｌ ｏ ｇ ｙ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ． Ｉ ｔ ｗｉ ｌ ｌ ｇ ｍａ ｌ ｆ ｙ ｉ ｍ－
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｏｎ ｔ ｏ ｌ ｏ ｇ ｙ ｈ ａ ｓ ａ ｓ ｔ ｒ ｏ ｎ ｇ ａ ｂｉ ｌ ｉ ｔ ｙ ｔ ｏ ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ａ ｎ ｄ ｈ ａ ｓ ｂ ｅ ｃ ｏ ｍｅ ａ ｈ ｏ ｔ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｔ ｏ ｐ ｉ ｃ ｉ ｎ ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｃ ｕ ｒ ｒ ｅ ｎ ｔ ｌ ｙ ． Ｂｕ ｔ ｏ ｎ