87、提升语义查询回答能力

提升语义查询回答能力

1. 引言

在过去十年里，本体技术已从学术领域走向众多实际应用领域。但要将其用于成熟的应用程序，就需要能够处理大量（本体）信息的工具和技术。关系数据库是管理大量数据系统的重要基石。本文将介绍一种基于关系数据库系统解决本体检索问题的方法，该方法高效且可扩展。

本体用于定义描述和表示知识领域的术语，包括领域基本概念的定义及其关系，这些定义和关系通过本体语言表述，要求人类和机器都能理解，以支持自动知识处理。W3C 为语义网应用定义了 OWL 本体语言，它也广泛应用于知识表示和推理领域。

知识基系统的主要推理任务之一是检索问题。例如，在一个动物学本体中，定义了“食肉动物是只吃动物的动物”“狮子是食肉动物”“狮子吃角马”。当知识基系统加载该本体后，对于“显示所有动物”的查询，系统会根据逻辑推理得出狮子和角马都是动物。抽象地说，检索问题就是给定知识基 K 和概念描述 C，找出所有使 K 逻辑蕴含 C(a) 的个体 a。虽然有一个简单的算法可解决该问题，即测试 K 中的每个个体是否满足概念 C，但处理大数据集时，效率较低，需要寻求其他方法。

一些项目（如 DLDB 和 HAWK）通过扩展关系数据库系统来支持存储和查询 OWL 数据。它们在数据加载时预先计算包含层次结构，并存储从该层次结构推断出的语句，然后将知识基查询转换为标准 SQL 查询在关系数据库上执行。但这些系统通常不能给出查询的完整答案。本文通过识别描述逻辑 pos - ALE（ALE 的正片段，具有传递和逆角色），提出了一种扩展关系数据库系统的方法，该方法在 pos - ALE 方面是可靠且完整的。pos - ALE 语言具有足够的表达能力，适用于许多应用，也满足 OWL 知识基系统的 LU