30、基于信息素链接的知识推理与动态本体映射

基于信息素链接的知识推理与动态本体映射

1. 基于信息素链接的知识推理

1.1 自主推理机制

在知识网络中，若使节点具备稍高的“重量级”，它们就能自主创建链接，进而生成自身的知识。每个节点可加载一个评估函数，用于评估特定特征。之后，节点会寻找能为该函数提供输入的其他节点。评估函数知晓最佳评估结果，因此能从找到的节点中获取值，并与那些能给出最佳评估的节点创建链接。评估过程也可以是分布式的，每个节点仅评估其中一部分，类似于评估“where”子句比较中的一项。

若节点持续进行评估，就能应对更易变的信息，并调整其链接以反映网络的当前状态。这意味着知识不仅由执行查询的人类生成，系统本身也能自主生成，这有助于确保网络中包含某些特征，即使这些特征之前未被用户查询，也能得到解答。

1.2 节点的局限性及解决方案

根据评估过程，节点可能仍然相对“轻量级”，认知能力有限。它可能仅了解部分可链接的源。若有新源加入网络或发现未知源，节点可能不知如何使用。解决此问题的一种方法是使用更“重量级”的节点，它能以半智能的方式匹配元数据。此外，还有一种集中式解决方案。

假设从网络结构构建了一个本体，用于定义网络概念。这个本体可用于构建网络结构，或供用户发现网络内容。集中式元数据组件可定期搜索本体，并检索提供相同功能的源。它可以通过识别源的使用上下文来实现这一点，简单地构建一个相似源类型的列表，并将该列表发送到网络中的所有节点。若节点在列表中，或它链接到列表中的节点类型，则可尝试从其他相关源类型检索信息，以查看是否能改善其评估。

这种集中式匹配引擎可以依赖于应用程序，链接存储在视图中而非网络本身，使整个过程更局部化，更符合特定需