單永剛
摘 要: 語義推理的功能使得知識庫更具人工智能,具有實用意義。文章根據語義模型的特點,構建了基于關系數據庫的知識庫語義存儲體系,該存儲體系的模式空間和實例空間相分離,降低了結構和數據的耦合性,使語義的存儲范圍更具完整性、語義的推理效果更具智能性。面向該存儲體系的語義推理方法實現了相關語義(專家知識)的推理和相似語義(詞匯)的推理,同時,該方法也考慮到了推理范圍的可控能力和推理結果的語義還原能力。分析表明,該方法能應用于實際,但仍存在一些可改進之處。
關鍵詞: 推理; 語義; 模式空間; 實例空間; 知識庫; 關系數據庫
中圖分類號:TP182 文獻標志碼:A 文章編號:1006-8228(2013)07-48-04
0 引言
Tim Berners-Lee曾在TED的演講中提到“數據就是聯系,聯系產生數據”,Tim Hanis等人在解釋語義圖模式時強調“數據之間的聯系不是數據庫結構的一部分,而是數據的一部分”[1],“聯系”是語義數據的重要特點。知識庫內容的簡單呈現不符合當下熱門的Web3.0理念,知識庫的設計思想應該提升到語義層面,充分考慮知識元數據之間的語義聯系,具備語義推理功能的知識庫在學習資源建設中大有用武之地。
知識庫是一個局部的語義數據庫,在關系數據庫中為知識庫建立一套靈活的語義存儲體系,該存儲體系可根據實際情況創建相應類(如某門課程)的對象及其屬性,它繼承了RDF語義數據的框架和內容的分離性,能靈活應對各類元數據描述的框架需求,從而克服本體的框架和內容緊耦合性的不足之處。……