专利名称：自学习式owl推理引擎的制作方法
技术领域：
本发明属于计算机技术领域，具体涉及一种互联网OffL推理引擎。
背景技术：
今天，互联网已经深入人类社会的每个角落，而且可以预见其将在人类文明发展进程中扮演越来越重要的角色。让计算机“读懂”互联网，使得互联网更加智能化是人类的梦想。目前，计算机对互联网信息的处理方式大致可以分为如下几类
1)对互联网信息内容和格式不做分析，即把互联网信息作为信息流(字节)进行接收、 存储、查询、发送等等。在这种情况下，互联网信息主要是一些数据，包括数字、字符串、媒体流等；计算机按照软件工程师设计好的流程执行，每一步都在一个预先设计好的已知状态集中匹对和判断当前状态，并决定下一步的执行策略。所有的执行策略都是软件工程师设计好，并事先输入给计算机的。2)对互联网信息内容做关键词匹对分析，这时计算机对互联网文本的“理解”就是该文本可能包含一些用户指定的关键词。计算机并不真懂文章内容，只是在代码级别上的比较，而把所有的理解任务交给人来处理。仅仅在这个水平上，就产生了巨大的搜索引擎产业，并造就了 Google、百度等行业巨头。3)对互联网信息内容和格式做简单的语义识别。目前，主要采用RDF协议对词与词之间的语义做简单的定义和解析。对于计算机来说，所有的词仍然只是字符串，计算机并不知道其语义，但知道某些字符串与另外一些字符串有绑定(S卩结构)关系，由此可以根据这些绑定关系做简单的推理。而对于内容的理解工作，仍然是由使用计算机的人完成的。4)试图用知识结构重新构造互联网，S卩语义互联网，主要采用W3C的互联网本体语言(Ontology of Web Language，简称0WL)建立语义网络。如果所有人都按CWL创建互联网，互联网本身就成为一个计算机可以在一定程度上“理解”的知识结构。软件工程师们将为计算机设计一系列推理规则和引擎，在OffL语义网络上让计算机自己“理解”互联网信息内容，并做出正确的判断和操作。OffL的构思代表了未来的发展方向，这是人类对赋予计算机互联网知识结构，并为创造一个计算机能够读“懂”互联网信息内容的非常重要的尝试。但是，如果采用传统的编程方法来实现这一设想，即构建完整的OffL知识结构；进而建立完善的推理规则；然后，在此推理规则基础上构造一个强大的推理引擎，让计算机按照软件工程师预先构造的所有中间状态去做出推理过程中的每一步判断，从而读“懂”互联网信息内容。首先，这需要极高的智慧和技术技巧，再聪明的工程师也无法想象整个互联网知识的复杂性；所以，让所有的普通网站建设者按此方式构造OffL语义互联网几乎不可能；即便个别网站工程师可以做到， 也很难达到大规模应用的水平，更谈不上催生一个产业。其次，目前互联网上的数据已经巨大到无法估量，想将其转换成OffL形式，这无疑是基本上不可能完成的任务。因此，OffL走向实用的关键不是将整个互联网都变成OffL语言描述的互联网，而是对现有互联网以HTML 文本或XML文本为主的海量信息进行OWL分析、提取和转换。
OffL推理引擎是运用OWL (结构)模型、OWL实例、以及OWL推理规则进行推理的程序，其是OffL转换中的重要环节。以往的程序(包括推理引擎)的所有执行步骤、中间状态、 以及对中间状态判断的方法和根据判断结果必须执行的每一步都是工程师事先设计好，并输入到计算机中的。因此，计算机推理的方法，使用的规则，可做出的反应都是事先固定好的。推理过程中开放的部分是数据，以及在判断一些中间状态时可以调整的参数。也就是说，推理的结果最终决定于输入的数据和对一些参数的控制。这种推理在工程师所能预料的应用范围内，S卩所有中间状态所预示的范围内，是有效的，但超出这个范围就不行了。而且，推理引擎只能使用工程师设计好的一种方法和一套规则来执行推理。推理的精度取决于工程师对参数的调控。面对互联网海量信息，上述推理引擎就变得很不实用，因为，即便所有网页都可以转化为OWL本体实例，没有一个工程师能够事先想到所有社会现象的所有中间状态，也不可能设计出一个万能的OffL推理引擎去适应所有的推理需求。
发明内容
本发明提供了一种解决上述问题的方案，提供一种实用性强的自学习式OWL推理引擎。本发明在传统的OWL推理引擎的基础上，做如下改进
第一、开放推理规则，即可以随时增、删、改推理规则。这样，可以随时增加对新的中间状态的判断；
第二、开放推理路径，即采用目标控制和训练的方法，在特定的参数、规则环境下，让计算机在众多的推理套路中自己找到最佳的推理路径。这就如同下棋，每类棋子的走法是规定好的，但是，如何把它们组织起来，形成一种组合套路以达到将死对方的目标，则是依靠棋手(计算机)的智慧来完成。这一创新的目的是改变过去工程师们通过编程只给计算机某种技能的模式，而是让计算机自己可以改进自身的技能，甚至创造出新的技能。基于以上思路，本发明提供一种自学习式OWL推理引擎，其包括互联网OWL本体实例库，其中包括OWL本体实例，其特征在于其还包括
OffL建模子系统，负责创建和维护OWL领域知识本体模型； OffL推理规则子系统，负责创建和维护OWL推理规则； OffL推理技法子系统，负责创建和维护OWL推理技法；
OffL推理引擎子系统，其包括OWL推理引擎模块、OffL推理引擎维护模块和OWL推理引擎库；其中OffL推理引擎维护模块提供人机交互界面，负责创建、修改OffL推理引擎，并将其所创建的OWL推理引擎存入OWL推理引擎库；所述OWL推理引擎模块依据OWL领域知识本体模型库、OWL推理规则库和OWL推理技法库对所述OWL本体实例进行推理，获取相应的 OffL知识描述；
OffL推理结果评价子系统，负责对OWL知识描述进行评价。优选的，所述OWL建模子系统提供人机交互界面创建和修改各个领域的所述OWL 领域知识本体模型，并将其存入OWL领域知识本体模型库。优选的，所述OWL推理规则子系统提供人机交互界面创建和修改所述OWL推理规则，并将其存入OWL推理规则库。
优选的，所述OWL推理技法子系统提供人机交互界面创建和修改所述OWL推理技法，并将其存入OWL推理技法库。优选的，所述OffL推理结果评价子系统提供人机交互界面创建和修改针对所述 OffL本体实例的人工推理得出的知识描述；所述OWL推理引擎模块在使用前先进行训练，训练的步骤包括
1)所述OWL推理引擎模块选取与所述OWL本体实例领域最接近的所述OWL领域知识本体模型、依据此模型选取所述OWL推理规则和OWL推理技法，进行推理获取所述OWL本体实例的OWL知识描述；
2)将所述人工推理得出的知识描述和所述OffL推理引擎模块获得的OffL知识描述进行比较；如果，所述人工推理得出的OWL知识描述和所述OWL推理引擎模块获得的OWL知识描述相同时，保存所述OffL推理引擎模块所采用的所述推理规则和所述推理技法并结束；否则执行步骤3)；
3)调整所述OWL推理引擎模块所采用的所述推理规则和所述推理技法，并重复步骤1) 和2)。本发明的自学习式OffL推理引擎是一种自学习式的推理引擎，其在使用前首先进行训练，并通过推理结果评价子系统不断改进其所使用的推理规则和推理技法，从而在使用过程中不断完善自己，进而可以获得较高的推理效率和推理精度。本发明具有将强的实用性和应用前景。
图1是本发明的自学习式OWL推理引擎的原理框架图。
具体实施例方式下面对本发明的具体实施方式
作进一步详细的描述。如图1所示，本发明的自学习式OffL推理引擎的工作流程如下
1、首先由OWL建模子系统准备好代表特定领域知识的OWL领域知识本体模型。2、其次准备好用于训练OWL推理引擎的OWL本体实例集，由外部输入；
3、设定OffL推理规则，由人工通过OffL推理规则子系统提供的人机交互界面完成，并将其存入OWL推理规则库；
4、提供给OWL推理引擎可选择的推理技法集，由人工通过OWL推理技法子系统提供的人机交互界面完成，并将其存入OWL推理技法库；
5、人工在OffL推理结果评价子系统提供的人机交互界面中设定人工推理的结果0WL 知识描述；
6、OffL推理引擎根据OWL本体实例，按照既定的推理规则、通过组合推理技法、不断优化推理路径，求解推理目标，获得其推理得出的OWL知识描述；
7、OffL推理结果评价子系统根据计算机推理的结果和人工设定的结果进行比较，得出差异并反馈给OffL推理引擎作为进一步优化推理路径的依据。而且，该过程支持人工干预；
8,OffL推理引擎针对每一个OWL本体训练实例，不断重复第6、7步骤，直到确认了最佳推理路径，即最佳技法组合；9、针对不同的OffL本体训练实例，重复第3至第8步骤，提炼出具有一定适用范围的推理技法组合矩阵，并保存在OffL推理技法库中，以备调用。至此，OffL推理引擎的训练结束；
10、更换实际的OffL本体实例，启动OffL推理引擎按已“掌握”的推理技法进行推理，得出计算机自认为的最佳结果；
11、实际的推理结果仍然支持人工干预调整评价结果，以便使OffL推理引擎在实践中不断学习提高，掌握新技法；
12、通过对OWL推理规则的扩充和对OWL模型的修改，该OWL推理引擎可以适用于更多的知识领域和应对更加复杂的情况。 以上实施例仅为本发明其中的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说， 在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
权利要求
1.自学习式OffL推理引擎，其包括互联网OffL本体实例库，其中包括OffL本体实例， 其特征在于其还包括OffL建模子系统，负责创建和维护OWL领域知识本体模型；OffL推理规则子系统，负责创建和维护OWL推理规则；OffL推理技法子系统，负责创建和维护OWL推理技法；OffL推理引擎子系统，其包括OWL推理引擎模块、OffL推理引擎维护模块和OWL推理引擎库；其中OffL推理引擎维护模块提供人机交互界面，负责创建、修改OffL推理引擎，并将其所创建的OWL推理引擎存入OWL推理引擎库；所述OWL推理引擎模块依据OWL领域知识本体模型库、OffL推理规则库和OWL推理技法库对所述OWL本体实例进行推理，获得所述OWL 本体实例对应的互联网网页的(WL知识描述；OffL推理结果评价子系统，负责对OWL知识描述进行评价。
2.根据权利要求1所述的自学习式OffL推理引擎，其特征在于所述OffL建模子系统提供人机交互界面创建和修改各个领域的所述OWL领域知识本体模型，并将其存入OWL领域知识本体模型库。
3.根据权利要求1所述的自学习式OffL推理引擎，其特征在于所述OffL推理规则子系统提供人机交互界面创建和修改所述OWL推理规则，并将其存入OWL推理规则库。
4.根据权利要求1所述的自学习式OWL推理引擎，其特征在于所述OWL推理技法子系统提供人机交互界面创建和修改所述OWL推理技法，并将其存入OWL推理技法库。
5.根据权利要求1所述的自学习式OffL推理引擎，其特征在于所述OffL推理结果评价子系统提供人机交互界面创建和修改针对所述OffL本体实例的人工推理得出的知识描述; 所述OWL推理引擎模块在使用前先进行训练，训练的步骤包括1)所述OWL推理引擎模块选取与所述OWL本体实例领域最接近的所述OWL领域知识本体模型、依据此模型选取所述OWL推理规则和OWL推理技法，进行推理获取所述OWL本体实例的OWL知识描述；2)将所述人工推理得出的知识描述和所述OffL推理引擎模块获得的OffL知识描述进行比较；如果，所述人工推理得出的知识描述和所述OffL推理引擎模块获得的OffL知识描述相同时，保存所述OffL推理引擎模块所采用的所述推理规则和所述推理技法并结束；否则执行步骤3);3)调整所述OWL推理引擎模块所采用的所述推理规则和所述推理技法，并重复步骤1) 和2)。
全文摘要
本发明公开了一种自学习式OWL推理引擎，其包括互联网OWL本体实例库，其中包括OWL本体实例，其特征在于其还包括OWL建模子系统，负责创建和维护OWL领域知识本体模型；OWL推理规则子系统，负责创建和维护OWL推理规则；OWL推理技法子系统，负责创建和维护OWL推理技法；OWL推理引擎子系统，负责依据OWL领域知识本体模型库、OWL推理规则库和OWL推理技法库对所述OWL本体实例进行推理，获取相应的OWL知识描述;OWL推理结果评价子系统，负责对OWL知识描述进行评价。本发明的自学习式OWL推理引擎在使用前首先进行训练，并通过推理结果评价子系统不断改进其所使用的推理规则和推理技法，从而在使用过程中不断完善自己，进而可以获得较高的推理效率和推理精度。本发明具有将强的实用性和应用前景。
文档编号G06N5/04GK102436467SQ20111027078
公开日2012年5月2日 申请日期2011年9月14日 优先权日2011年9月14日
发明者王楠 申请人:王楠