链式桥规则导致的D3L知识传播及推理

作为分布式、模块化本体的逻辑基础,分布式动态描述逻辑(D3L)使得通过有向语义映射连接的多个动态描述逻辑本体之上的推理成为可能.文中针对复合桥规则的知识传播进行了研究.作者发现当桥规则构成合取链的情况下,D3L的原始语义不能保证本体元素的局部语义关系正确传播到目标本体.通过引入合取映射桥规则,作者对D3L进行了扩展.由于对合取映射对应的目标元素属性进行了约束,新的桥规则可以支持局部语义关系在分布式本体间的正确传播,并且不改变D3L的原始属性.最后提出了合取映射桥规则到传统桥规则的转换语义,并证明了基于该语义的Tableaux推理算法的正确性.扩展后的D3L更好地实现了在本体间导入和重用知识的思想,因此可以为语义Web提供较完备的逻辑基础.

基于程序性知识学习的项目状态转移函数与多分知识结构

在程序性知识的评估中,技能是指与项目的解决相关的操作路径.基于程序性知识的学习评价,文中提出由项目自身的状态结构诱导多分知识结构的方法,目的是建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作过程设定响应值,得到项目特定的响应值集.通过项目状态转移函数定义项目状态空间,将问题空间推广到多分情形.然后,由操作路径导出合取的技能映射,讨论由合取的技能映射诱导的多分知识结构.结果表明由技能映射通过合取模型诱导的多分知识结构满足逐项交封闭.最后,给出诱导多分知识结构的算法步骤,并举例说明算法的有效性.