本發(fā)明涉及數(shù)據(jù)智能分析處理技術(shù)領(lǐng)域，特別是指一種本體知識(shí)的邏輯推理方法。

背景技術(shù)：

近年來，自然語言處理是人工智能領(lǐng)域內(nèi)的一個(gè)困難重重同時(shí)引人注目的研究課題，它的理想結(jié)果就是能夠使計(jì)算機(jī)像人那樣理解、分析自然語言,從而解決文本分類、句法分析、語義理解、情感識(shí)別、語義推理等實(shí)際問題。例如，在一個(gè)特定的專業(yè)領(lǐng)域里，如何將已有的事實(shí)和規(guī)則形式化描述、轉(zhuǎn)化為計(jì)算機(jī)能夠理解的語言，進(jìn)而完成本體知識(shí)的邏輯推理，得出有效的推理結(jié)果。

但是，現(xiàn)有技術(shù)中，并沒有確立有效的方法來解決本體支持的知識(shí)推理問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種本體知識(shí)的邏輯推理方法，以解決現(xiàn)有技術(shù)所存在的沒有確立有效的方法來解決本體支持的知識(shí)推理問題。

為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供一種本體知識(shí)的邏輯推理方法，包括：

S1，接收輸入的推理請(qǐng)求，其中，所述推理請(qǐng)求為待匹配本體；

S2，構(gòu)建所述待匹配本體的RDF圖；

S3，根據(jù)所述待匹配本體的RDF圖，生成一顆用于執(zhí)行匹配算法的樹；

S4，計(jì)算生成樹的節(jié)點(diǎn)在樹形結(jié)構(gòu)下節(jié)點(diǎn)本身與其相關(guān)的父子節(jié)點(diǎn)的語義相似度的加權(quán)均值，得到節(jié)點(diǎn)總體相似度，其中，所述語義相似度由詞形相似度和詞義相似度確定；

S5，根據(jù)得到的所述節(jié)點(diǎn)總體相似度，對(duì)生成樹的每個(gè)節(jié)點(diǎn)進(jìn)行匹配，輸出推理結(jié)果。

進(jìn)一步地，所述S2包括：

提取所述待匹配本體的主語、謂語及客體；

根據(jù)提取的所述待匹配本體的主語、謂語及客體，構(gòu)建所述待匹配本體的RDF圖；

其中，所述主語和客體作為RDF圖的節(jié)點(diǎn)，所述謂語作為RDF圖的邊。

進(jìn)一步地，所述S3包括：

S31，構(gòu)建另一待匹配本體的RDF圖；

S32，獲取兩個(gè)待匹配本體的RDF圖的根節(jié)點(diǎn)，將獲取到的兩個(gè)根節(jié)點(diǎn)合并生成匹配對(duì)，將所述匹配對(duì)作為生成樹的根節(jié)點(diǎn)；

S33，在兩個(gè)待匹配本體的RDF圖中，分別查找各自根節(jié)點(diǎn)的邊；

S34，若邊所對(duì)應(yīng)的謂詞相同，則將所述邊對(duì)應(yīng)的終止節(jié)點(diǎn)合并生成匹配對(duì)，將終止節(jié)點(diǎn)合并生成的匹配對(duì)作為所述生成樹根節(jié)點(diǎn)的子節(jié)點(diǎn)，并用所述邊連接所述生成樹的根節(jié)點(diǎn)和所述子節(jié)點(diǎn)；

S35，若邊所對(duì)應(yīng)的謂詞不相同，則跳過所述終止節(jié)點(diǎn)；

S36，按照S33、S35、S34的方式，依次遍歷兩個(gè)待匹配本體的RDF圖中的所有節(jié)點(diǎn)，當(dāng)所有節(jié)點(diǎn)遍歷完成后生成一顆用于執(zhí)行匹配算法的樹。

進(jìn)一步地，若當(dāng)前節(jié)點(diǎn)為e，所述節(jié)點(diǎn)總體相似度表示為：

其中，Sim_s表示生成樹的節(jié)點(diǎn)e的總體相似度，Sim_e(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的語義相似度，Sim_fl(e₁,e₂)表示生成樹的節(jié)點(diǎn)e的父子節(jié)點(diǎn)的語義相似度加權(quán)求和之后的語義相似度。

進(jìn)一步地，所述Sim_e(e₁,e₂)表示為：

Sim_e(e₁,e₂)＝αSim_d(e₁,e₂)+βSim_w(e₁,e₂)

其中，Sim_d(e₁,e₂)為兩個(gè)實(shí)體e₁、e₂之間的編輯距離相似度，Sim_d(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞形相似度，α表示Sim_d(e₁,e₂)的權(quán)值，Sim_w(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞義相似度，β表示Sim_w(e₁,e₂)的權(quán)值。

進(jìn)一步地，所述Sim_d(e₁,e₂)表示為：

其中，distance(e₁,e₂)表示兩個(gè)實(shí)體e₁、e₂的字符串編輯距離；Max(|e₁|,|e₂|)表示兩個(gè)實(shí)體e₁、e₂字符串絕對(duì)長(zhǎng)度的最大值；

所述Sim_w(e₁,e₂)表示為：

其中，len(e₁,e₂)表示兩個(gè)實(shí)體e₁、e₂在詞典同義詞集合中最短的路徑長(zhǎng)度，depth表示分類樹高度。

進(jìn)一步地，所述Sim_fl(e₁,e₂)表示為：

Sim_fl(e₁,e₂)＝p₁Sim_e(f(e₁,e₂))+p₂Sim_e(l(e₁,e₂))

其中，Sim_e(f(e₁,e₂))表示生成樹的節(jié)點(diǎn)e的父節(jié)點(diǎn)的語義相似度，Sim_e(l(e₁,e₂))為生成樹的節(jié)點(diǎn)e的所有子節(jié)點(diǎn)中語義相似度的最大值，p₁、p₂分別是Sim_e(f(e₁,e₂))、Sim_e(l(e₁,e₂))的權(quán)值；

所述Sim_e(l(e₁,e₂))表示為：

其中，Sim_e(l_i(e₁,e₂))表示生成樹的節(jié)點(diǎn)e的第i子節(jié)點(diǎn)的語義相似度。

進(jìn)一步地，所述S5包括：

S51，將得到的所述節(jié)點(diǎn)總體相似度與預(yù)先設(shè)定的閾值進(jìn)行比較；

S52，若得到的所述節(jié)點(diǎn)總體相似度大于預(yù)先設(shè)定的閾值，則當(dāng)前節(jié)點(diǎn)內(nèi)的兩個(gè)實(shí)體建立匹配映射關(guān)系，并將建立的匹配映射關(guān)系輸出到結(jié)果集中；

S53，否則，則拋棄當(dāng)前節(jié)點(diǎn)；

S54，按照S51、S52、S53的方式，對(duì)生成樹的其他節(jié)點(diǎn)進(jìn)行遍歷，對(duì)生成樹的所有節(jié)點(diǎn)遍歷完成后，輸出結(jié)果集作為推理結(jié)果。

進(jìn)一步地，所述方法還包括：

執(zhí)行S2-S5，判斷所述推理請(qǐng)求是否與事實(shí)知識(shí)庫中的事實(shí)匹配；

若所述推理請(qǐng)求與預(yù)先設(shè)置的事實(shí)知識(shí)庫中的事實(shí)匹配失敗，則根據(jù)規(guī)則知識(shí)庫中的推理規(guī)則，提取所述推理請(qǐng)求的前提和子推理目標(biāo)，執(zhí)行S2-S5進(jìn)行推理，若前提和子推理目標(biāo)都匹配成功，則輸出結(jié)果集作為推理結(jié)果；否則，則返回推理失?。?/p>

若所述推理請(qǐng)求與事實(shí)知識(shí)庫中的事實(shí)匹配成功，則返回推理成功。

進(jìn)一步地，所述方法還包括：

若推理過程中匹配多條推理規(guī)則或推理規(guī)則之間存在沖突時(shí)，則按照最先匹配成功的優(yōu)先級(jí)最高的推理規(guī)則進(jìn)行推理；

其中，所述規(guī)則知識(shí)庫中的每一條推理規(guī)則具有不同的優(yōu)先級(jí)。

本發(fā)明的上述技術(shù)方案的有益效果如下：

上述方案中，通過接收輸入的推理請(qǐng)求，其中，所述推理請(qǐng)求為待匹配本體；采用本體中的RDF格式對(duì)輸入的推理請(qǐng)求進(jìn)行表示，并構(gòu)建一顆用于執(zhí)行匹配算法的樹，從詞義相似度和詞形相似度兩個(gè)方面計(jì)算語義相似度，在此基礎(chǔ)上，計(jì)算樹形結(jié)構(gòu)下節(jié)點(diǎn)本身和所述節(jié)點(diǎn)的父子節(jié)點(diǎn)的語義相似度的加權(quán)均值，得到節(jié)點(diǎn)總體相似度，并得到的所述節(jié)點(diǎn)總體相似度，對(duì)生成樹的每個(gè)節(jié)點(diǎn)進(jìn)行匹配，輸出推理結(jié)果，這樣，從詞義相似度和詞形相似度兩個(gè)方面進(jìn)行語義相似度的計(jì)算，能夠提高匹配效率和精確率。

附圖說明

圖1為本發(fā)明實(shí)施例提供的本體知識(shí)的邏輯推理方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的構(gòu)建的RDF圖；

圖3為本發(fā)明實(shí)施例提供的待匹配本體的RDF圖；

圖4為本發(fā)明實(shí)施例提供的另一個(gè)待匹配本體的RDF圖；

圖5為本發(fā)明實(shí)施例提供的用于執(zhí)行匹配算法的樹；

圖6為本發(fā)明實(shí)施例提供的本體知識(shí)的邏輯推理方法的詳細(xì)流程示意圖；

圖7為本發(fā)明實(shí)施例提供的本體知識(shí)的邏輯推理方法的具體流程示意圖。

具體實(shí)施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。

本發(fā)明針對(duì)現(xiàn)有的沒有確立有效的方法來解決本體支持的知識(shí)推理問題，提供一種本體知識(shí)的邏輯推理方法。

實(shí)施例一

參看圖1所示，本發(fā)明實(shí)施例提供的本體知識(shí)的邏輯推理方法，包括：

S1，接收輸入的推理請(qǐng)求，其中，所述推理請(qǐng)求為待匹配本體；

S2，構(gòu)建所述待匹配本體的資源描述框架(Resource Description Framework，RDF)圖；

S3，根據(jù)所述待匹配本體的RDF圖，生成一顆用于執(zhí)行匹配算法的樹；

S4，計(jì)算生成樹的節(jié)點(diǎn)在樹形結(jié)構(gòu)下節(jié)點(diǎn)本身與其相關(guān)的父子節(jié)點(diǎn)的語義相似度的加權(quán)均值，得到節(jié)點(diǎn)總體相似度，其中，所述語義相似度由詞形相似度和詞義相似度確定；

S5，根據(jù)得到的所述節(jié)點(diǎn)總體相似度，對(duì)生成樹的每個(gè)節(jié)點(diǎn)進(jìn)行匹配，輸出推理結(jié)果。

本發(fā)明實(shí)施例所述的本體知識(shí)的邏輯推理方法，通過接收輸入的推理請(qǐng)求，其中，所述推理請(qǐng)求為待匹配本體；采用本體中的RDF格式對(duì)輸入的推理請(qǐng)求進(jìn)行表示，并構(gòu)建一顆用于執(zhí)行匹配算法的樹，從詞義相似度和詞形相似度兩個(gè)方面計(jì)算語義相似度，在此基礎(chǔ)上，計(jì)算樹形結(jié)構(gòu)下節(jié)點(diǎn)本身和所述節(jié)點(diǎn)的父子節(jié)點(diǎn)的語義相似度的加權(quán)均值，得到節(jié)點(diǎn)總體相似度，并得到的所述節(jié)點(diǎn)總體相似度，對(duì)生成樹的每個(gè)節(jié)點(diǎn)進(jìn)行匹配，輸出推理結(jié)果，這樣，從詞義相似度和詞形相似度兩個(gè)方面進(jìn)行語義相似度的計(jì)算，能夠提高匹配效率和精確率。

本實(shí)施例中，通過將輸入的推理請(qǐng)求建成RDF圖，然后將RDF圖構(gòu)建成樹形結(jié)構(gòu)，并以自頂向下的順序來計(jì)算生成樹(簡(jiǎn)稱：樹)中每個(gè)節(jié)點(diǎn)的總體相似度，從而來實(shí)現(xiàn)本體之間的匹配。

本實(shí)施例在，在構(gòu)建所述待匹配本體的RDF圖時(shí)，需對(duì)輸入的推理請(qǐng)求執(zhí)行以下操作：

A11、本體解析，具體的：可以利用Apache基金會(huì)的開源產(chǎn)品Jena對(duì)輸入的推理請(qǐng)求進(jìn)行本體解析，目的是去掉一些對(duì)匹配無用的結(jié)構(gòu)，避免影響匹配結(jié)果和效率；

A122、特征提取，提取出用來計(jì)算相似度的特征(主語、謂語、客體)，這些特征被用來作為計(jì)算對(duì)象。

本實(shí)施例中，作為一可選實(shí)施例，所述構(gòu)建所述待匹配本體的RDF圖(S2)包括：

提取所述待匹配本體的主語、謂語及客體；

根據(jù)提取的所述待匹配本體的主語、謂語及客體，構(gòu)建所述待匹配本體的RDF圖；

其中，所述主語和客體作為RDF圖的節(jié)點(diǎn)，所述謂語作為RDF圖的邊。

本實(shí)施例中，例如，本體知識(shí)庫中的知識(shí)描述形式為RDF，RDF為主語、謂語、客體組成的三元組形式。

本實(shí)施例中，假設(shè)，待匹配本體為“熱帶雨林氣候是高溫多雨的”，則可以將“熱帶雨林氣候是高溫多雨的”表示成如圖2所示的RDF圖，其中“熱帶雨林”和“高溫多雨”分別是的知識(shí)的主語和客體，“attribute-of”是謂語。

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，所述根據(jù)所述待匹配本體的RDF圖，生成一顆用于執(zhí)行匹配算法的樹(S3)包括：

S31，構(gòu)建另一待匹配本體的RDF圖；

S32，獲取兩個(gè)待匹配本體的RDF圖的根節(jié)點(diǎn)，將獲取到的兩個(gè)根節(jié)點(diǎn)合并生成匹配對(duì)，將所述匹配對(duì)作為生成樹的根節(jié)點(diǎn)；

S33，在兩個(gè)待匹配本體的RDF圖中，分別查找各自根節(jié)點(diǎn)的邊；

S34，若邊所對(duì)應(yīng)的謂詞相同，則將所述邊對(duì)應(yīng)的終止節(jié)點(diǎn)合并生成匹配對(duì)，將終止節(jié)點(diǎn)合并生成的匹配對(duì)作為所述生成樹根節(jié)點(diǎn)的子節(jié)點(diǎn)，并用所述邊連接所述生成樹的根節(jié)點(diǎn)和所述子節(jié)點(diǎn)；

S35，若邊所對(duì)應(yīng)的謂詞不相同，則跳過所述終止節(jié)點(diǎn)；

S36，按照S33、S35、S34的方式，依次遍歷兩個(gè)待匹配本體的RDF圖中的所有節(jié)點(diǎn)，當(dāng)所有節(jié)點(diǎn)遍歷完成后生成一顆用于執(zhí)行匹配算法的樹。

本實(shí)施例中，將待匹配本體的RDF圖通過預(yù)定的規(guī)則生成一顆用于執(zhí)行匹配算法的樹。具體規(guī)則如下：

B11，分析兩個(gè)待匹配本體的RDF圖，在兩個(gè)待匹配本體的RDF圖中找到兩個(gè)根(root)節(jié)點(diǎn)，用這兩個(gè)根節(jié)點(diǎn)構(gòu)成一個(gè)匹配對(duì)，然后用這個(gè)匹配對(duì)作為生成樹的根節(jié)點(diǎn)；

B12，查找兩個(gè)RDF圖的根頂點(diǎn)的邊，即邊所對(duì)應(yīng)的謂詞，若謂詞一致，則將兩個(gè)RDF圖中邊所對(duì)應(yīng)的終止節(jié)點(diǎn)構(gòu)成生成樹根節(jié)點(diǎn)的一個(gè)子節(jié)點(diǎn)，并用該邊連接所述生成樹根節(jié)點(diǎn)和所述子節(jié)點(diǎn)，從而生成樹的第一分支；

B13，若邊所對(duì)應(yīng)的謂詞不一致，則跳過此終止節(jié)點(diǎn)，繼續(xù)向下遍歷。

B14，以此方式依次遍歷兩個(gè)RDF圖的所有節(jié)點(diǎn)，當(dāng)所有節(jié)點(diǎn)遍歷完成后生成一顆用來執(zhí)行匹配算法的樹。

如圖3、圖4、圖5所示，假設(shè)，圖3和圖4為兩個(gè)待匹配本體的RDF圖，圖5是通過上述規(guī)則生成的一顆用于執(zhí)行匹配算法的樹。首先是找到圖3和圖4中的根節(jié)點(diǎn)E,E'，將兩個(gè)根節(jié)點(diǎn)合并生成一個(gè)匹配對(duì)節(jié)點(diǎn)(E,E')，然后讓該節(jié)點(diǎn)(E,E')作為生成樹的根節(jié)點(diǎn)；在兩個(gè)待匹配本體的RDF圖中分別搜索以E和E'為主體的陳述，其中兩個(gè)陳述的謂詞相同，均為P1，則將其客體(終止節(jié)點(diǎn))F和F'組成匹配對(duì)作為子節(jié)點(diǎn)，即(F,F')為根節(jié)點(diǎn)(E,E')的子節(jié)點(diǎn)，并以謂詞P1為連接兩個(gè)節(jié)點(diǎn)(E,E')、(F,F')的邊。同理依次遍歷其余節(jié)點(diǎn)，生成一顆用來執(zhí)行匹配算法的樹。

本實(shí)施例中，所述兩個(gè)待匹配本體的RDF圖，一個(gè)是根據(jù)輸入的待匹配本體構(gòu)建的，另一個(gè)是根據(jù)本體知識(shí)庫中的知識(shí)構(gòu)建的。

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，若當(dāng)前節(jié)點(diǎn)為e，所述節(jié)點(diǎn)總體相似度表示為：

其中，Sim_s表示生成樹的節(jié)點(diǎn)e的總體相似度，Sim_e(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的語義相似度，Sim_fl(e₁,e₂)表示生成樹的節(jié)點(diǎn)e的父子節(jié)點(diǎn)的語義相似度加權(quán)求和之后的語義相似度。

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，所述Sim_e(e₁,e₂)表示為：

Sim_e(e₁,e₂)＝αSim_d(e₁,e₂)+βSim_w(e₁,e₂)

其中，Sim_d(e₁,e₂)為兩個(gè)實(shí)體e₁、e₂之間的編輯距離相似度，Sim_d(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞形相似度，α表示Sim_d(e₁,e₂)的權(quán)值，Sim_w(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞義相似度，β表示Sim_w(e₁,e₂)的權(quán)值。

本實(shí)施例中，計(jì)算生成樹的節(jié)點(diǎn)包含的兩個(gè)實(shí)體之間的語義相似度Sim_e(e₁,e₂)是從詞形和詞義兩方面來確定的，用e表示當(dāng)前節(jié)點(diǎn)，e₁、e₂表示節(jié)點(diǎn)e包含的兩個(gè)實(shí)體。

本實(shí)施例中，可以采用編輯距離的方法計(jì)算生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞形相似度Sim_d(e₁,e₂)：

其中，distance(e₁,e₂)表示兩個(gè)實(shí)體e₁、e₂的字符串編輯距離；Max(|e₁|,|e₂|)表示兩個(gè)實(shí)體e₁、e₂字符串絕對(duì)長(zhǎng)度的最大值；

本實(shí)施例中，編輯距離的方法主要是針對(duì)兩個(gè)輸入的字符串，采用動(dòng)態(tài)規(guī)劃相關(guān)的算法進(jìn)行計(jì)算，根據(jù)把一個(gè)字符串變成為另一個(gè)字符串所花費(fèi)的編輯操作數(shù)，來判定詞形相似度，操作數(shù)越少編輯距離越大。

本實(shí)施例中，可以借助詞典WordNet確定生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞義相似度Sim_w(e₁,e₂)：

其中，len(e₁,e₂)表示兩個(gè)實(shí)體e₁、e₂在詞典同義詞集合中最短的路徑長(zhǎng)度，depth表示分類樹高度。

接著對(duì)Sim_d(e₁,e₂)和Sim_w(e₁,e₂)進(jìn)行加權(quán)求和，得到生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的語義相似度Sim_e(e₁,e₂)：

Sim_e(e₁,e₂)＝αSim_d(e₁,e₂)+βSim_w(e₁,e₂)

其中，α表示Sim_d(e₁,e₂)的權(quán)值，Sim_w(e₁,e₂)表示生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的詞義相似度，β表示Sim_w(e₁,e₂)的權(quán)值。本實(shí)施例中，從詞義相似度和詞形相似度兩個(gè)方面計(jì)算語義相似度，能夠提高匹配效率和精確率，避免了單純從一個(gè)方面進(jìn)行匹配時(shí)會(huì)漏掉許多匹配對(duì)的問題。在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，Sim_fl(e₁,e₂)表示為：

Sim_fl(e₁,e₂)＝p₁Sim_e(f(e₁,e₂))+p₂Sim_e(l(e₁,e₂))

其中，Sim_e(f(e₁,e₂))表示生成樹的節(jié)點(diǎn)e的父節(jié)點(diǎn)的語義相似度，Sim_e(l(e₁,e₂))為生成樹的節(jié)點(diǎn)e的所有子節(jié)點(diǎn)中語義相似度的最大值，p₁、p₂分別是Sim_e(f(e₁,e₂))、Sim_e(l(e₁,e₂))的權(quán)值；

所述Sim_e(l(e₁,e₂))表示為：

其中，Sim_e(l_i(e₁,e₂))表示生成樹的節(jié)點(diǎn)e的第i子節(jié)點(diǎn)的語義相似度。

本實(shí)施例中，以計(jì)算生成樹的節(jié)點(diǎn)e包含的兩個(gè)實(shí)體e₁、e₂之間的語義相似度為基礎(chǔ)，計(jì)算生成樹的節(jié)點(diǎn)e的父節(jié)點(diǎn)的語義相似度Sim_e(f(e₁,e₂))和生成樹的節(jié)點(diǎn)e的子節(jié)點(diǎn)的語義相似度Sim_e(l(e₁,e₂))，再通過賦予權(quán)值計(jì)算節(jié)點(diǎn)e的父子節(jié)點(diǎn)的語義相似度加權(quán)求和之后的語義相似度Sim_fl(e₁,e₂)：

Sim_fl(e₁,e₂)＝p₁Sim_e(f(e₁,e₂))+p₂Sim_e(l(e₁,e₂))

其中，p₁、p₂分別是Sim_e(f(e₁,e₂))、Sim_e(l(e₁,e₂))的權(quán)值。

本實(shí)施例中，由于生成樹中每個(gè)節(jié)點(diǎn)只有一個(gè)父節(jié)點(diǎn)，但子節(jié)點(diǎn)卻不是唯一的，所以在計(jì)算子節(jié)點(diǎn)的相似度時(shí)要取該節(jié)點(diǎn)有所有子節(jié)點(diǎn)的相似度中的最大值，也就是說，所述Sim_e(l(e₁,e₂))為生成樹的節(jié)點(diǎn)e的所有子節(jié)點(diǎn)中語義相似度的最大值；所述Sim_e(l(e₁,e₂))表示為：

其中，Sim_e(l_i(e₁,e₂))表示生成樹的節(jié)點(diǎn)e的第i子節(jié)點(diǎn)的語義相似度。

本實(shí)施例中，最后通過計(jì)算Sim_e(e₁,e₂)和Sim_fl(e₁,e₂)的平均數(shù)，得到節(jié)點(diǎn)總體相似度Sim_s：

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，所述根據(jù)得到的所述節(jié)點(diǎn)總體相似度，對(duì)生成樹的每個(gè)節(jié)點(diǎn)進(jìn)行匹配，輸出推理結(jié)果(S5)包括：

S51，將得到的所述節(jié)點(diǎn)總體相似度與預(yù)先設(shè)定的閾值進(jìn)行比較；

S52，若得到的所述節(jié)點(diǎn)總體相似度大于預(yù)先設(shè)定的閾值，則當(dāng)前節(jié)點(diǎn)內(nèi)的兩個(gè)實(shí)體建立匹配映射關(guān)系，并將建立的匹配映射關(guān)系輸出到結(jié)果集中；

S53，否則，則拋棄當(dāng)前節(jié)點(diǎn)；

S54，按照S51、S52、S53的方式，對(duì)生成樹的其他節(jié)點(diǎn)進(jìn)行遍歷，對(duì)生成樹的所有節(jié)點(diǎn)遍歷完成后，輸出結(jié)果集作為推理結(jié)果。

本實(shí)施例中，通過得到的各節(jié)點(diǎn)的節(jié)點(diǎn)總體相似度Sim_s對(duì)生成樹的相應(yīng)節(jié)點(diǎn)進(jìn)行匹配，得到匹配映射關(guān)系；具體的：若節(jié)點(diǎn)總體相似度Sim_s高于預(yù)先設(shè)定的閾值t，則該節(jié)點(diǎn)內(nèi)的兩個(gè)實(shí)體建立匹配映射關(guān)系，并將建立的匹配映射關(guān)系輸出到結(jié)果集中；否則，則拋棄該節(jié)點(diǎn)，不將其輸出到結(jié)果集中。對(duì)生成樹的每個(gè)節(jié)點(diǎn)都遍歷完成后，匹配過程結(jié)束，輸出最終的結(jié)果集作為推理結(jié)果。

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，所述方法還包括：

執(zhí)行S2-S5，判斷所述推理請(qǐng)求是否與事實(shí)知識(shí)庫中的事實(shí)匹配；

若所述推理請(qǐng)求與預(yù)先設(shè)置的事實(shí)知識(shí)庫中的事實(shí)匹配失敗，則根據(jù)規(guī)則知識(shí)庫中的推理規(guī)則，提取所述推理請(qǐng)求的前提和子推理目標(biāo)，執(zhí)行S2-S5進(jìn)行推理，若前提和子推理目標(biāo)都匹配成功，則輸出結(jié)果集作為推理結(jié)果；否則，則返回推理失??；

若所述推理請(qǐng)求與事實(shí)知識(shí)庫中的事實(shí)匹配成功，則返回推理成功。

如圖6和圖7所示，本實(shí)施例中，用戶提出推理請(qǐng)求，首先，執(zhí)行S2-S5，判斷所述推理請(qǐng)求是否與事實(shí)知識(shí)庫中的事實(shí)匹配，若匹配失敗，則直接返回推理失??；若匹配成功，則提取推理請(qǐng)求的前提，執(zhí)行S2-S5，對(duì)提取的前提進(jìn)行推理，若匹配成功，則繼續(xù)提取推理請(qǐng)求的子推理目標(biāo)，對(duì)提取的子推理目標(biāo)進(jìn)行遞歸推理，若前提和子推理目標(biāo)都匹配成功，則推理成功，否則，則返回推理失敗。

本實(shí)施例中，所述事實(shí)知識(shí)庫和所述規(guī)則知識(shí)庫是基于本體知識(shí)庫得到的。

在前述本體知識(shí)的邏輯推理方法的具體實(shí)施方式中，進(jìn)一步地，所述方法還包括：

若推理過程中匹配多條推理規(guī)則或推理規(guī)則之間存在沖突時(shí)，則按照最先匹配成功的優(yōu)先級(jí)最高的推理規(guī)則進(jìn)行推理；

其中，所述規(guī)則知識(shí)庫中的每一條推理規(guī)則具有不同的優(yōu)先級(jí)。

如圖7所示，本實(shí)施例中，沖突消解策略主要完成推理過程中匹配多條推理規(guī)則(規(guī)則知識(shí)庫中的規(guī)則)，或者推理規(guī)則之間存在沖突時(shí)選擇最合適的推理規(guī)則進(jìn)行推理。本實(shí)施例采用的沖突消解策略是優(yōu)先級(jí)最高最先匹配策略，即為規(guī)則知識(shí)庫中的每一條推理規(guī)則賦予不同的優(yōu)先級(jí)，將優(yōu)先級(jí)最高且相同的規(guī)則置于同一域中，按照最先匹配成功的優(yōu)先級(jí)最高的推理規(guī)則進(jìn)行推理。

本實(shí)施例中，基于本實(shí)施例所述的本體知識(shí)的邏輯推理方法，實(shí)現(xiàn)一種面向高考文綜解題的邏輯推理系統(tǒng)，應(yīng)用到基礎(chǔ)教育領(lǐng)域中，所述邏輯推理系統(tǒng)包括：底層的數(shù)據(jù)層，中間的邏輯推理層和上層的用戶層；其中，

(1)數(shù)據(jù)層：數(shù)據(jù)層主要為領(lǐng)域知識(shí)庫模塊，是該邏輯推理系統(tǒng)中一個(gè)很重要的模塊，數(shù)據(jù)層的使用貫穿整個(gè)系統(tǒng)，所述數(shù)據(jù)層包括：事實(shí)知識(shí)庫和規(guī)則知識(shí)庫，為邏輯推理層提供底層的數(shù)據(jù)支撐。

本實(shí)施例中，為了實(shí)現(xiàn)面向高考文綜解題的邏輯推理系統(tǒng)，首先，構(gòu)建高考文綜知識(shí)的語料庫，將已有的事實(shí)和規(guī)則形式化存儲(chǔ)到本體知識(shí)庫，基于所述本體知識(shí)庫，通過規(guī)則擴(kuò)展方法，得到本體中蘊(yùn)含的推理規(guī)則，得到規(guī)則知識(shí)庫；基于所述本體知識(shí)庫，對(duì)本體進(jìn)行事實(shí)轉(zhuǎn)換得到事實(shí)知識(shí)庫，也就是說，事實(shí)知識(shí)庫和規(guī)則知識(shí)庫是由本體進(jìn)行事實(shí)轉(zhuǎn)換或者規(guī)則擴(kuò)展后將其轉(zhuǎn)換成由語言表示的知識(shí)構(gòu)成。

本實(shí)施例中，規(guī)則擴(kuò)展使用語義網(wǎng)規(guī)則語言(Semantic Web Rule Language，SWRL)擴(kuò)展規(guī)則，直接利用網(wǎng)絡(luò)本體語言(Web Ontology Language，OWL)本體中的類、屬性和實(shí)例進(jìn)行規(guī)則定義。例如，若本體中存在對(duì)象之間關(guān)系：hasParent(x,y)和hasBrother(z，y)，通過本體的語義描述，可知x與y之間是父子關(guān)系，z與y之間是兄弟關(guān)系，根據(jù)這兩種關(guān)系可推出x與z是之間是叔侄關(guān)系，使用SWRL擴(kuò)展規(guī)則得hasUncle(x，z)。

(2)邏輯推理層由知識(shí)匹配，沖突消解，本體推理組成；邏輯推理層采用語義相似度計(jì)算實(shí)現(xiàn)推理請(qǐng)求和本體知識(shí)庫中知識(shí)的匹配，采用后向推理實(shí)現(xiàn)本體的邏輯推理，及采用優(yōu)先級(jí)最高最先匹配策略解決推理過程中的規(guī)則沖突或匹配多條推理規(guī)則的問題；用戶層實(shí)現(xiàn)了用戶和系統(tǒng)之間的交互；

(3)用戶層：用戶層由用戶管理模塊組成，推理請(qǐng)求的提交，是由用戶輸入的推理請(qǐng)求提交系統(tǒng)，為后續(xù)邏輯推理做前期準(zhǔn)備，輸入的問句是自然陳述句。

本實(shí)施例中，以一個(gè)具體的例子為例，假設(shè)，用戶輸入的推理請(qǐng)求為：太白山北麓是自然帶溫帶落葉闊葉林帶。

事實(shí)知識(shí)庫中的描述包括：

1 位于(太白山北坡中腰，太白山北坡山麓)；

2 是(太白山北麓，樹木高且密)；

3 位于(秦嶺，中國)

4 位于(太白山北麓，山區(qū))

5 基本自然帶(熱帶季風(fēng)氣候，熱帶雨林帶)

6 基本自然帶(亞熱帶季風(fēng)氣候，季雨林帶)

7 位于(熱帶季風(fēng)氣候，山地垂直自然帶)

8 位于(亞熱帶季風(fēng)氣候，山地垂直自然帶)

9 是氣候帶(太白山北麓，溫帶季風(fēng)氣候)

10 基本自然帶(溫帶季風(fēng)氣候，常綠闊葉林帶)

11 位于(溫帶季風(fēng)氣候，山地垂直自然帶)

規(guī)則知識(shí)庫中的描述包括：

1，是自然帶(x，稀疏草原)：－

位于(x，熱帶)，

不是(位于(x，中國))。

2，是自然帶(x，y)：－

2.1 位于(x，山區(qū))，

2.2 查找氣候帶(x，z)，

2.3 基本自然帶(z，c)，

2.4 位于(c，山地垂直自然帶)

2.5 是自然帶(x，c|z)。

3，查找氣候：－

是氣候帶(x，y)。

具體推理過程包括：

事實(shí)匹配：根據(jù)輸入的推理請(qǐng)求(太白山北麓是自然帶溫帶落葉闊葉林帶)，按照S2-S5進(jìn)行匹配，在事實(shí)知識(shí)庫中沒有直接匹配到事實(shí)，則繼續(xù)進(jìn)行規(guī)則匹配。

規(guī)則的匹配：

規(guī)則1，提取前提“是自然帶(太白山北麓，稀疏草原)”，無法與事實(shí)匹配，所以匹配失敗，其中，前提為規(guī)則頭，具體為：“：－”之前的規(guī)則。

規(guī)則2，提取前提“是自然帶(太白山北麓，y)”，y可以是任意的，所以匹配成功；前提匹配成功后，提取子推理目標(biāo)，把“位于(x，山區(qū))，查找氣候(x，z)，基本自然帶(z，c)，位于(c，山地垂直自然帶)”作為子推理目標(biāo)進(jìn)行遞歸推理；得到：2.1與事實(shí)4匹配，2.2.通過遞歸匹配可以得到“是氣候帶(太白山北麓，(z)溫帶季風(fēng)氣候)”，2.3由2.2的結(jié)果得到“基本自然帶((z)溫帶季風(fēng)氣候，(c)常綠闊葉林帶)”，2.4與11匹配成功，所以規(guī)則2匹配成功，得到的結(jié)論為“是自然帶(太白山北麓，溫帶常綠闊葉林帶)，推理成功，推理請(qǐng)求是錯(cuò)誤的，其中，子推理目標(biāo)為“：－”之前的規(guī)則。

以上所述是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。