粗糙本体支持的知识推理框架

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (10): 40-44.

粗糙本体支持的知识推理框架

李海燕，李冠宇，韩国栓

大连海事大学信息科学技术学院，辽宁大连 116026

出版日期:2013-05-15 发布日期:2013-05-14

Rough ontology aided knowledge reasoning framework

LI Haiyan, LI Guanyu, HAN Guoshuan

Information Science and Technology College, Dalian Maritime University, Dalian, Liaoning 116026, China

Online:2013-05-15 Published:2013-05-14

摘要/Abstract

摘要： 基于精确本体的推理机不能够直接应用到粗糙本体的知识推理中，因此目前还没有适合粗糙本体的推理机。根据粗糙本体的特点，将其中的粗糙集、粗糙描述逻辑、粗糙包含和知识推理作为研究对象，在此基础上将基于描述逻辑的推理方法与基于规则的推理方法相结合，提出一种粗糙本体支持的知识推理框架，实现了粗糙本体的推理功能，解决了针对不确定信息的知识推理问题。

关键词: 粗糙集, 粗糙描述逻辑, 粗糙本体, 知识推理

Abstract: It is known that the precise ontology based reasoner can not be directly applied to the rough ontology of knowledge reasoning, so there is no suitable rough ontology reasoner at present. According to the characteristics of rough ontology, rough set, rough description logics, rough subsumption and knowledge reasoning should be taken into consideration. Combining rule-based reasoning method with description logics, a rough ontology aided knowledge reasoning framework is proposed to achieve rough ontology reasoning and solve the knowledge reasoning problem for the uncertain information.

Key words: rough set, rough description logics, rough ontology, knowledge reasoning

李海燕，李冠宇，韩国栓. 粗糙本体支持的知识推理框架[J]. 计算机工程与应用, 2013, 49(10): 40-44.

LI Haiyan, LI Guanyu, HAN Guoshuan. Rough ontology aided knowledge reasoning framework[J]. Computer Engineering and Applications, 2013, 49(10): 40-44.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	宋浩楠，赵刚，王兴芬. 融合知识表示和深度强化学习的知识推理方法[J]. 计算机工程与应用, 2021, 57(19): 189-197.
[4]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[5]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[6]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[7]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[8]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[9]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[10]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[11]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[12]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[13]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[14]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[15]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.