非周期TBox框架下的推理——拟经典描述逻辑与超协调表演算(英文)

源自当今互联网的语义网研究的目的是定义信息语义和网络服务,因此需要赋予网络智能以便能够自动对网络内容进行推理。各种描述逻辑(DLs)在语义网的研究中扮演着重要角色,构成了W3C推荐的网络本体语言(OWL)的基础,而OWL源于为达到语义网目标的人工智能(AI)本体论研究。语义网的知识和数据量巨大、分散、来源众多且因此通常不具有协调性。因此,必须开发针对非协调本体的实用的推理技术。该文基于Hunter的拟经典逻辑(QCL),构造了新型超协调拟经典描述逻辑(QCDLs),避免了逻辑爆炸问题,同时,针对基于非周期TBox的知识库推理问题,建立了QCDLs语义表演算,进而定义了一种可靠、完备且可判定的推理关系,从而构建了完整的语义网推理框架。与其他重要的超协调描述逻辑进行了比较,结果表明QCDLs具有更强的表达语义和推理能力,并且其相关行为在目标层次上表现出经典性。

基于标记逻辑的非单调推理（I）

我们把标记逻辑定义在一个特殊双格上，通过比较标记选取结论，从而同时捕捉超协调（容错）推理和非单调推理，本文介绍标记逻辑程序的句法与语义构造，提出诱导序列及其极限的概念，给出极限存在的等价条件，并证明一个重要结果，诱导序列基本定理，它是后续讨论的基础。