论文摘要
解决某一具体领域问题通常难以完全依靠单一的知识源,而是会以多个知识源的协同为基础,这是因为有时一个知识源无法解决问题,而多个知识源共同协作能够提供适合的解决方案。因此要解决问题的领域专家就转而求助于将不同来源的相关知识进行集成,以构建一个能够解决具体应用问题的知识对象。知识集成的目标是生成一个全面的知识库,但是由于对知识源整体的集成会加剧在多个知识源之间实现互操作的复杂性,因此,为了在获得满足问题情境要求的综合的知识对象的司时还要控制知识对象的规模,就要对异构的知识源进行以问题情境为依据的选择性地集成,将这些与具体问题情境相关的所有知识组件整合成为一个全面的视图,这就是情境驱动的知识重构。情境驱动的知识重构的目标是根据某个特定的问题情境,通过集成在概念上、功能上和情境都相关的一些知识对象,构建一个全面的知识库。它不是简单地集成多个知识源整体,而是首先根据问题情境识别出知识源中相关的知识组件,再将这些知识组件整合成一个全面的知识库,这个知识库能够提供关于给定问题情境的所有知识。针对该问题本文基于语义Web框架提出了解决方案：基于本体的情境驱动知识重构模型,在问题情境的驱动下通过情境化子本体的抽取和映射实现知识重构,为大规模知识库和本体的应用提供了一个有效的解决方案。本文首先介绍了知识重构研究的必要性和相关基础研究工作,然后深入研究了情境驱动的知识重构模型、基于遍历的子本体柔性抽取方法和情境驱动的动态本体映射方法,最后设计了CKReC模型的原型并进行了实验分析,实验结果验证了本文提出的该模型和相关算法的有效性与应用价值。本文主要研究工作和贡献如下：（1）提出了一种情境驱动的知识重构模型CKReC （Context-driven Knowledge Reconstruction）。该模型以语义Web框架为基础,要求输入的知识源采用本体建模,主要步骤包括问题情境的定义、情境化子本体的抽取、本体的映射与协同以及不一致的检测与消除。CKReC模型不仅严格控制了重构后知识的规模,还提供了基于重构后知识的推理能力。（2）提出了一种基于遍历的子本体柔性抽取方法SOET （Sub-Ontology Extraction based on Traversal）。该方法支持用户选择多个类、属性和个体作为子本体抽取算法的问题情境,抽取获得的子本体不仅能满足问题情境的要求,还避免了不必要地扩大子本体规模。而且该方法还允许用户预定义边界阈值,柔性地控制子本体的抽取规模。（3）提出了一种情境驱动的动态本体映射方法（?）CDOM （Context-driven Dynamic Ontology Mapping）。该力法既能够根据用户预定义的问题情境进行本体映射,也能够在没有预定义映射关系的情况下实现本体映射。（4）提出了一种面向复杂实体的本体映射方法（?）CEM （Complex Entity oriented Mapping）。该方法不仅能够发现只有简单实体参与原子映射关系,还能够发现有复杂实体参与的复杂映射关系,并且该映射方法在没有个体存在的情况下依然有效。