24、处理OWL索引知识库中的默认值、上下文和知识

处理OWL索引知识库中的默认值、上下文和知识

1 引言

在20世纪80年代中期之前，知识表示的一个关键部分是捕捉默认值和例外情况的概念。Minsky关于框架的原始论文基于“原型”的概念，其中默认值用于完善我们感知中的部分知识。到80年代后期，大量文献都在讨论像“Tweety”这样的例子，这只鸟默认会飞，直到发现它是鸵鸟。

80年代，一系列研究精确了具有多重继承的框架系统中默认值和例外情况的概念，但结果表明这些系统在最坏情况下计算上是难以处理的。同时，一系列论文对表示的基础提出了质疑。从KRL和KL - ONE等开创性工作开始，人们的兴趣逐渐转向基于逻辑的表示，使用“定义”而非“原型”的概念。然而，基于逻辑的默认推理（非单调推理）机制存在问题，所有建议的解决方案在计算上都难以处理。此外，基于逻辑的KL - ONE系列系统即使在没有默认值和例外情况时也存在可处理性问题，直到90年代中期现代分类器（如FaCT和Racer）的出现才得以克服，这些分类器是OWL - DL的基础。

随着对基于逻辑的形式化方法的关注增加，任务的性质发生了变化，从使用原型填充不完整数据转变为对定义进行分类并确定其一致性。分类在生物医学领域尤为突出，因为人们希望构建大型多轴本体，其中分类结构是正确检索的手段。但这种本体很难手动构建。

从原型到定义的转变，使得知识表示中典型陈述的形式从“大多数X具有属性值Y”变为“所有X具有属性值某种/仅某种类型的Y”，例如从“大多数鸟有飞行能力”变为“所有鸟有某种类型的羽毛覆盖”。显然，后一种形式没有给例外情况留下空间。

尽管像OWL这样的基于逻辑的形式化方法有很多好处，但无法表达默认值和例外情况是一个严重的限制。没有默认值和例外情况，就无