OWL本体语言
基于RDF语法，最规范，最严谨，表达能力最强
一 语法
三元组
二 逻辑基础
描述逻辑：基于对象的知识表示的形式化，是一阶谓词逻辑的一个可判定子集
三 描述逻辑系统
一个描述逻辑包含4个基本组成部分
1.最基本的元素：概念，关系，个体
（1）概念：解释为一个领域的子集
一元，集合，学生：{x|Student}
（2）关系：解释为一个领域的二元关系（笛卡尔乘积）
例如：{<x,y>|friend(x,y)}
（3）个体：一个领域内的实例
小明{Ming}
2.TBox术语集：泛化的知识
描述概念和关系的知识，被称之为公理（Axio
m），由于概念之间包含关系，TBox知识形成类似格（Lattic）的结构，这种数学结构是由包含关系决定的，与具体实现无关。
定义
引入概念以及关系名称。
例如：Mother，Person，has_Child
包含
声明包含关系的公理。
例如Mother属于 存在has_Child.Person
3.ABox断言集：具有个体的信息。
ABox包含外延知识（又称断言（Assertion）），描述论域中的特定个体。
概念断言
表示一个对象是否属于某个概念：
Mother（Alice），Person（Bob）
关系断言
表示两个对象是否满足特定关系：
has_Child（Alice，Bob）
4.TBox和ABox上的推理机制
描述逻辑知识库
K:=<T,A>
描述逻辑的语义：可满足性
解释I是知识库K的模型，当且仅当I是K中每个断言的模型。
若一个知识库K有一个模型，则称K是可满足的。若断言A对于K的每个模型是满足的，则称K逻辑蕴含A，记为K|=A。对于概念C，若有一个模型I使得⬇️，则称C是可满足的。
四 知识推理任务
通过各种方法获取新的知识或者结论，这些知识和结论满足意义
1.可满足性
（1）本体可满足性：
检查本体是否可满足，即是否具有模型。
（2）概念可满足性：
即检查是否具有模型，使得针对概念的解释不是空集。
2.分类
针对TBox的推理，计算新的概念包含关系。
Mother 属于 WomenWomen 属于 Person⬇️Mother 属于 Person
3.实例化
计算属于某个概念或关系的所有实例的集合
计算新的实例信息：Mother（Alice）Mother 属于 Women⬇️Women（Alice）
计算新的二元组：has_son（Alice，Bob）has_son 属于 has_Child⬇️has_Child（Alice，Bob）
本体推理方法与工具介绍
1.基于Tableaux运算的方法
Tableaux运算：检查某一本体的可满足性，以及实例检测
基本思想：通过一系列规则构建Abox，以检测可满足性，或者检测某一实例是否存在与某概念，类似于一阶逻辑的归结反驳。
给定如下本体，检测实例Allen是否在Women中？
Man 交 Woman 属于 空
Man（Allen）
Woman（Allen）？——待反驳的结论
若⬆️在初始情况已经存在于原始本体，那么推导出该本体不可满足
相关工具：
| 工具 | 支持语言 |
|---|---|
| FacT++ | OWL，DL |
| Pellet | OWL，DL |
| Racer | OWL，DL |
| HermiT | OWL，2 Proflies |
2.基于逻辑编程改写的方法
（1）推理规则
（2）Datlog语言
1). 原子（Atom）
p(t1,t2,t3,…tn) p-谓词；ti：项（常量或变量）；n：目数
如：has_Child（X，Y）
2). 规则（Rule）
H:-B1,B2,B3,…,Bm H：头部原子；Bn：本部原子
如：has_Child(X,Y):-has_son(X,Y)
3). 事实（Fact）
F(c1,c2,c3,…,cn):- 没有本部且没有变量的规则
如：has_Child(Alice,Bob):-
Datlog程序是规则的集合
结果集：
Path(a,b)
Path(b,c)
Path(a,c)
相关工具：
| 项目 | Value |
|---|---|
| RDFox | OWL 2 RL |
| KAON2 | OWL DL/SWRL |
3.基于 一节查询重写的方法
（1）查询重写的目的：
高效地结合不同数据格式的数据源，重写方法关联起了不同的查询语言。
（2）一阶查询：
具有一阶逻辑形式的查询语言，Datalog是数据库的一种查询语言，同时具有一阶逻辑形式。
（3）针对本体基于一阶查询进行重写：
以Datalog语言为中间语言，首先重写SPARQL语言为Datalog，再将Datalog重写为SQL查询
4.基于产生式规则的方法：
（1）产生式系统：
一种前向推理系统，可以按照一定机制执行规则，从而达到某些目标。常应用于自动规划，专家系统。
（2）产生式系统的组成：
事实集合，产生式/规则集合，推理引擎
（3）事实集/运行内存：
事实的集合，用于存储当前系统中所有事实
（4）事实（ABox）：
描述对象：概念:属性:属性值
Student name:Alice
age:24
描述关系：
basicFact relation:oldThan
FirstArg:John
SecondArg:Alice
⬇️简
older Than John Alice
（5）产生式集合（类似于TBox）
产生式：IF condition THEN actions
condition：由条件组成的集合（LHS）
action：由动作组成的序列（RHS）
例如：
IF(Student name :x)
Then ADD(Person name:x)
如果有一个学生名为x，那么向事实集中加入一个事实，表示有一个名为x的人
（6）推理引擎
1).控制系统的执行
模式匹配（核心）：用规则的条件部分匹配是事实集中的事实（WM），整个LHS都被满足的规则触发，并被加入议程（队列）。
（type x y),(subClassOf y z) ➡️ ADD(type x z)
x的type是y，y是z的子类 ➡️ 加一条x的tpe是z
（type Alice Ta) , (subClassOf Student Person)
(type Bob Ta) , (subClassOf Ta Student)
(type Mary Student)
⬇️融合join操作
(type Alice Ta) , (subClassOf Ta Student)
(type Bob Ta) , (subClassOf Ta Student)
(type Mary Student) , (subClassOf Student Person)
解决冲突：按一定的策略从被触发的多条规则中选择一条。
执行动作：执行被选择出来的规则的RHS，从而对WM进行一定的操作
产生式系统 = 事实集 + 产生式集合 + 推理引擎
