描述逻辑第一章csdn

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业第一章 描述逻辑的介绍摘要：这篇介绍提出了了描述逻辑作为表示知识的形式化工具而发展的动力，以及用传统DL创建的所有系统下潜在的一些重要的基本概念。另外，我们还提供读者关于整本书的总揽和阅读的向导。我们首先阐述描述逻辑和早先的语义网络和框架系统的关系，这代表了该领域的继承性。我们分析了过去工作所遇到的一些关键问题，然后，我们介绍了描述逻辑语言的特点和相关的推理技术。描述逻辑语言被认为是知识表示系统的核心，它考虑到DL知识库的结构和相应的推理服务。然后将看到一些已经实现的基

2、于描述逻辑的知识表示系统和第一个使用类似系统构造的应用。最后，我们阐述了描述逻辑和计算机科学另外领域的关系。我们也讨论了基本的表述语言的一些扩展，包括将原先在实现系统中提出的和处理某些应用领域提出的一些特性集成进形式系统。11简介在知识表示和推理领域的研究通常关注能够有效的建立智能应用的提供高层世界描述方法。在这里所说的“智能”指系统在其明确表示的知识中发现隐含的结果的能力。这些系统因此被称为基于知识的系统。知识表示的途径在20世纪70年代得到发展，这也是该领域广泛流行的时代，这些途径分为两个层次：基于逻辑的形式系统，这是从谓词积分（predicate calculus）可以毫无疑问的用来获得

3、世界的事实的直觉而演化来的。非基于逻辑的表示的系统，这是从构造一个或更多的认知概念而发展的，比如，从人类经验或人类记忆和人类执行一些任务如算法模糊解决而产生的网络结构和基于规则的表示系统。尽管这些方法常常为专用的表示系统而开发的，但最终的形式化通常被期望能服务于一般的用途。换句话说，从不同的特定的思想（如早期的制造系统）创造的非逻辑系统演化为可作为通用目标的工具，期望能应用到不同的领域和不同类型的问题。另一方面，因为一阶逻辑提供了非常有力和通用的机制，基于逻辑的途径从一开始就具有更广泛的目的。在一个基于逻辑的途径下，表示语言通常是一阶谓词的一个变量和验证逻辑序列的推理。在非逻辑途径下，常常基于

4、用户图形接口，知识通过一些ad hoc数据结构来表示，推理也通过类似的操纵数据结构的ad hoc过程来完成。在这些特定的表示系统中，我们发现了语义网络和框架。语义网络是在Quillian的工作后发展的，该工作的目的是通过网络形状的认知结构来表示知识和系统的推理。以后的框架系统也有类似的目标，该系统依靠一个”框架”的概念作为一个原型和依赖在框架间表示关系的能力。虽然语义网络和框架具有重要的不同的不同点，但是在它们的认知直觉动机和特性上，两者有很多共同的基础。事实上，它们都被认为是网络结构，这里的网络结构针对的是表示个体的集合和它们之间的关系。因此，我们使用术语基于网络的结构来代表在语义网络和框架

5、后潜在的网络。由于它们更多的以人思考为中心的起源，基于网络的系统常被认为更具有吸引力以及从实际应用的观点看比逻辑系统更有效率。不幸的是由于它们缺乏精确的语义特征而不能完全让人满意。由此带来的最终的结果是，在许多情况下，尽管具有相同外观的组件和相同的关系名称，而每个系统的行为和另外的系统不相同。这就提出了一个问题即如何给表示系统提供语义，特别是给语义网络和框架提供语义，这有一个直觉就是通过挖掘层结构的概念可以获得表示的灵活性和推理的有效性。一个重要的步骤是在这个方向上认识到框架（至少它们的核心特征）能够依靠一阶逻辑赋予语义。这种表示的基本元素以下列为特征的：一元谓词，表示个体的集合；二元谓词，表

6、示个体间的关系。然而，这样的特点没有抓住语义网络和框架与逻辑相关的限制。事实上，虽然逻辑是指定这些结构意义的天然的基础，框架和语义网络（大多数）并不需要所有的一阶逻辑的机制，仅需要它的部分片断。另外，不同的表示语言的特征将带来不同的一阶逻辑的片断。这事实带来的最重要的后果是认识到在基于结构的表示中使用的典型的推理形式可以通过特定的推理技术来完成，而不必需要一阶逻辑理论证明。而且，在不同的一阶逻辑中的推理导致不同的计算复杂度问题。后来带来的实现是，在标志术语系统下开始了描述逻辑领域的研究，重点是使用表示语言建立在建模领域基本的术语。后来，重点在语言承认的基于概念的构造集合，提出了概念语言的名称。

7、在最近几年，注意力迁移到逻辑系统潜在的属性上，术语描述逻辑开始流行。在本书中，我们主要使用术语“描述逻辑（DL）”来表示系统，但常使用“概念”指一个描述逻辑语言的表示，指代个体的集合；单词“术语”表示构造的层次结构用来提供重要领域的密集的表示。描述逻辑的研究覆盖了理论基础以及知识表示系统的实现和一些领域的应用开发。这种开发已经非常成功。最关键的因素是研究的方法学，这是建立在理论和实践的相互紧密交互基础之上的。一方面，不同的基于描述逻辑的实现系统提供给不同表达能力的描述形式化一个平台，这些系统也应用到不同的应用领域（比如自然语言处理，技术产品或数据库配置）。另一方面，不同的描述形式的形式和计算属

8、性已经得到详细的研究，这种研究通常是由使用在某些实现系统中的构造(constructors)或在特定应用中的这些构造的需求来推动的，这些研究的结果是影响了新的系统的设计。这本书将要提供一个关于描述逻辑的彻底的介绍，包括所有以上提到的描述逻辑研究的方面：理论，实现和应用。随后这本书分成一下三个部分：第一部分介绍了描述逻辑的理论基础，涉及到在这个领域的理论研究方面的一些最新进展。第二部分关注基于描述逻辑的知识表示系统的实现，描述了基本的描述逻辑的功能，纵览了基于描述逻辑的最有影响的知识表示系统以及涉及到特殊的实现技术。第三部分介绍了在设计一些重要的实用的应用中的描述逻辑和基于描述逻辑的系统的实用。

9、在这个介绍章节的剩余部分，我们预览一下在描述逻辑开发中的主要步骤，介绍了在本书后面部分阐述的主要课题，提供一个阅读的向导。特别的，下一节我们要谈到描述逻辑的起源，然后我们将看到基于描述逻辑的知识表示系统，使用描述逻辑开发的主要应用，基本描述逻辑框架的主要扩展以及描述逻辑和其他计算机科学的关系。2从网络到描述逻辑这一节我们首先回忆在描述逻辑研究开始之前开发的知识表示途径（也就是语义网络和框架）。然后我们提供一个基于Tarski类型的语义的关于这些途径的基本元素的简要介绍。最后，我们讨论了为描述逻辑开发的推理方法的计算复杂度分析的重要性，这也是这个研究领域一个主要的组成部分。1基于网络的表示结构为

10、了提供在网络形式中知识表示背后的思想，这里我们谈到的是关于一类普遍的网络，避免涉及任何特定的系统。一个网络的元素是节点和连接。典型的，节点用来标志概念，也就是个体对象的类属或集合，连接用来标志它们之间的关系。在某些情况下，它们中更复杂的关系也可以用节点来表示，这需要和表示概念的节点仔细的加以区分。另外，概念可以有一个唯一特征，通常叫做属性，属性是粘附到对应的节点上的。最后，在许多早期的网络中，个体对象和知识都是用节点来表示的。然而，这里我们限制我们的注意力到关于概念和关系的知识，延后现在关于特定个体的知识的看法。现在我们考虑一个简单的例子，这个例子的图形表示如图1.1，这代表关于persons

11、，parents，children等的知识。图中的结构也被称作术语学，事实上，它比表示所包括知识的通用/特定的关系。例如在Mother和Parent之间的关系就说明“mothers are parents”，这有时被称作“IS_A”关系。IS_A关系定义了概念之上的层次，提供了“属性继承”的基础：当一个概念比另一个概念更特定的，它就继承了更通用的一个概念的属性。例如，如果一个person有一个age，那么一个mother也有一个age。这是典型的被称作(单调的)继承网络。描述逻辑的一个标志特征是它们能表示除IS_A关系外的更多的概念之间的关系。例如，在图1.1中，使用了Brachman和Sch

12、molze的符号，有一个属性的Parent的概念通常称为“角色”，通过一个从概念到标志hasChild的角色的节点的连线表示。这个角色有一个“值限制”，用v/r来表示，这个“值限制”表示一个能填充那个角色的某些对象的范围限制。另外，这个节点有一个数字限制用（1,NIL）来表示，第一个数字是表示children数目的下限而第二个元素是上限，NIL表示无限的。总的说来，这里的Parent的概念的表示可以看作“一个Parent是至少有一个child的一个person，并且他/她的所有children都是person”。这类关系从概念延续到它们的子概念。例如，概念Mother，也就是一个女性的pare

13、nt，是概念Female和Parent的更特定的后代，最终将继承从Parent到Person之间通过角色hasChild的联系；换句话说，Mother继承了Parent具有的hasChild角色这个限制。概念之间也许具有隐含的关系。例如，如果我们定义Woman是一个female person的概念，那么每个Mother都是一个Woman。发现类似这些（许多情况比这个更复杂）的关系是知识表示表示系统的任务。典型的，类似的推理已经根据网络的属性表现出来。在这种情况下，也许会注意到Mother和Woman都和Female及Person联接起来，但是Mother到Person的路径包括节点Parent

14、,这就比Person更特定化，因此我们可以推论出Mother比Person更特定化。然而，概念之间建立的关系越复杂，给这些关系下一个能够计算的精确的特征以及如何不会提供错误回答而错误的认识这些关系也变得越困难。1.2.2基于网络的表示结构的一个逻辑说明基于以上的思想建立了实现了许多系统并在多种应用中得到使用。结果，渐渐产生了一个需求，即给在表示系统中使用的结构的含义能够从这些结构中抽取出来的推理集合一个精确的特征。网络意义的精确特征可以由给结构中的元素定义一个语言和给这个语言表示的字符串提供一个解释器来给定。不过语法可以用不同的集合的不同爱好，但语义使用典型的给定的Tarski类型的语义。关于

15、语法我们介绍了一种抽象的语言，这类似于其他的逻辑形式化语言。构造的基础的步骤使用两个分开的a子母符合集表示原子概念，通过指定一元谓词符号表示。原子角色通过二元谓词符号来表示；后者用来表示概念之间的关系。然后使用一些构造来构造术语。例如，概念的交集，用CD表示，用来限制个体的集合在那些既属于C又属于D中。注意，在描述逻辑的语法中，概念的表示是自由变量。事实上，一个概念的表示说明了所有满足在表示中指定属性的个体。因此，CD可以认为是一阶逻辑语义，C(x)D(x)，这里的变量覆盖了在解释的领域的所有个体，由于所有的给体属于概念C，C(x)为真。在本书中，我们将举出其他被实现的DL系统接受的具体语法更

16、密切的语法符号，它们也更适合应用的开发。一个例子是Patel-Schneider和Swartout提出了一个基于类似LISP符号的具体的语法，其中比如female person的概念，可以通过(and Person Female)来表示。描述逻辑关键的特征在于建立概念之间的关系。最基础的一个就是值限制。例如，一个值限制，写作R.C，需要所有的载关系R中的个体具有描述的属于C的概念。（在技术上，所有的在关系R中的个体具有一个概念可以用Cs来描述）。就语义来说，概念被指定了一套理论解释理论集合：一个概念可以理解为个体的一个集合，角色可以理解为个体对的集合。解释域可以任意的选择，域可以是无限制的。解

17、释域的无限和开放世界假设是描述逻辑和为数据库开发的建模语言相区别的两个显著特点（第4章和第16章）。因此，原子概念可以解释为解释域的子集，而另外的构造概念的语义是通过每个构造概念表示的个体的集合来定义的。例如，概念CD 是C和D表示的个体集合的交集，与此类似的，R.C是 在关系R中的具有属于用概念C指定的集合的个体集。举一个例子，我们假设Female，Person，和Woman是原子概念，hasChild和hasFemaleRelative是原子角色。使用概念的交，并和补操作，我们能够通过以下的表达式描述概念“Person that are not female”和“individuals t

18、hat are female or male”：Person Female 和 Female Male 值得提及的是概念的交，并和补也被称作概念联合，概念分离和概念否定，对应的，强调逻辑的关系。我们现在将我们的注意力转到角色限制上来，我们首先看看数量角色限制，也就是我们所说的“数量限制”。大多数语言提供（全部）存在量词和值限制使人们能够描述概念“individuals having a female child”为hasChild.Female ，以及描述概念“individuals all of whose children are female”为hasChild.Female。 为了区分

19、关系中每个概念的功能，对应着角色的第二个参数的个体对象可以看作是乘坐角色填充的二元谓词。如上的表达式，描述了父母有女性孩子的属性，属于概念Female个体对象是角色hasChild的填充。因此，存在量词和值限制可以标志概念之间的关系。事实上，连接如图1.1中的Parent和Person之间的角色联系可以通过以下的概念表达式来表示：hasChild.Person hasChild.Person.因而这样的表达式标志着概念Parent是至少有一个属于Person的hasChild属性的个体集合；并且，角色hasChild的所有填充必须是一个Person。最后，注意的是在数量角色限制中数量变量没有明

20、确的指定。一阶逻辑中的句子y.R(x,y) C(y)， 其中x是一个在解释域中跨越所有范围的自由变量。另一种重要的角色限制是通过数量限制给定的，这限制了角色填充集合的程度。例如，概念：（hasChild）(hasFemaleRelative)表示了概念“具有至少3个孩子和至多2个亲属的个体集合”。数量限制有是被看作是描述逻辑一个显著的特点，尽管可以在其他的如数据库建模语言(显著得E-R模型)中找到类似的构造。除了构造正规的概念表达式，描述逻辑提供了角色构造，例如，建立角色层次。然而，使用角色表达式一般都限制在概念之间的关系表达上。角色的交是形成概念构造的一个例子。直观上理解hasChild h

21、asFemaleRelative生成角色“has-daughter”，这个概念可以表达如下：Woman 2(hasChild hasFemaleRelative)表示概念“一个至少有两个女儿的女人”。描述逻辑语言的基础定义的进一步的理解将在第二章中给出。1.2.3推理描述逻辑中最基础的推理是包含，写作CD，判断包含关系是检查D(包含者)表示的概念是否比用C(被包含者)表示的概念更广泛。换句话说，包含关系检查第一个概念是否总表示第二个概念的子集。例如，一个人也许有兴趣知道是否有Woman Mother。为了验证这种关系，人们必须考虑在术语学(terminology)中定义的关系。我们将在下一节加

22、以解释，在合适的限制下，一个人能够能够直接使用概念表达式体现这种知识，因此决定概念表达之间的包含是基本的推理任务。另外一个概念表达中典型的推理是概念满足，这是检查是否一个概念表达不是必然表示一个空的概念。事实上，概念满足是包含的特殊情况，包含者是一个空的概念，意味着一个概念是不满足的。虽然概念的意义已经使用逻辑语义加以指定，但是描述逻辑的推理过程的设计仍然在相当长时间内受到了传统语义网络的影响，其中概念被看作是网络中的节点，角色被看作是网络中的连线。概念表达之间的包含被认为是关键的推理，最早的包含算法的思想是将两个输入概念转换为标签图表，然后测试其中的一个是否能够嵌入进另一个，被嵌入的图表就对

23、应着更广泛的概念（包含者）。这种方法称为结构化比较，被计算的概念之间的关系被称为结构化包含。然而，对此结构化包含作仔细的分析表明它们表面看起来很完美，但涉及逻辑语义方面并不完整：无论何时当返回“是”时，答案是正确的，但当它们报告“否”的时候，回答也许就不正确了。换句话说，结构化包含比逻辑包含更弱一些。完整包含算法的需求是基于如下的事实推动的：在使用知识表示系统中，经常必要保证系统不会错误的验证包含关系。因此，计算包含关系的新算法已经不再基于网络表示而设计，而它们也被证明是完整的。类似的算法已经通过特定的经典集合来开发用于一阶逻辑子集描述逻辑的推理，正如Schmidt-SchauB和Smolka

24、的tableau calculi所作的，以及其他特定的方法。Brachman和Levesque的论文“基于框架的描述语言的包含策略”中认为在表示语言的表达和使用语言在表示上的推理之间存在一个权衡。换句话说，语言越富有表达力，推理越困难。他们通过分析FL-(框架语言)提供了这种权衡的例子，这种语言包括概念的交，值限制和存在两次的简单形式。表明了这样的语言中的包含问题能够在多项式时间内解决，然而增加一个叫做角色限制的构造概念到语言中将使包含问题变成一个NP难题（这种扩展语言称为FL）。Brachman和Levesque的论文介绍了至少如下两个新的思想：知识表示中的“推理效率”可以使用计算复杂度理论

25、工具加以研究。不同的构造概念混合可以产生不同计算属性的语言。以上观测的直接结果是人们能够形式化的和系统化的研究推理的计算复杂度和语言的表达力之间的权衡，它自己也是也由语言中承认的构造概念定义的。在初步的论文之后，产生了许多关于概念语言权衡的结果（第2、3章）。这些结果也使我们形成了对一个广泛类型概念语言的推理复杂度的相当完整的图画。并且，寻找最优化权衡的问题，这个问题称为关于给定概念集合的FL-最优化扩展仍然保持多项式包含，这个工作已经得到了广泛的研究（Donini et al）。这些研究潜在的一个假设是使用最坏情况复杂度作为度量描述逻辑中推理效率的手段（更广泛的是在知识表示形式化中）。这样的

26、假设有时因为不能充分说明系统性能和说明更一般情况行为而受到批评（如Doyle 和 Patil）。虽然这个观测说明单独的计算复杂度也许不足以阐述性能问题，但是在描述逻辑中的计算复杂度的研究将最大程度地使人们对在推理实现工具中的问题具有更深的理解。让我们来简要的阐述这个工作的贡献。首先，描述逻辑推理计算复杂度的研究将带来对语言构造和它们之间交互属性的清晰的理解。这不仅从理论角度看是有价值的，而且给予推理过程的设计的洞察力，对于难于处理的语言构造和它们的混合以及处理它们的一般方法一个清晰的提示。其次，通过挖掘用于概念语言中的满足性检查的一般技术已经获得了复杂度的结果，这种技术依赖一种生动积分（tab

27、leau calculus）的形式。这种技术被证明是对研究算法的正确性和复杂度都相当有用。更特殊的，它提供了关于语言构造概念的一种可变的算法框架。使用此途径获得的这种概念满足和包含的算法直接导致了智能控制策略和优化技术的实际实现应用。最近的基于描述逻辑的知识表示系统都接受生动积分（tableau calculi）。第三，这种形式框架下的病态情形分析使人们发现了在实现系统中开发的算法的不完整性。由此者也证明了为验证实现定义合适的测试集的有用性。例如，实现系统的比较已经从复杂度分析的结果中获益。第二章中介绍了基本的描述逻辑的推理技术，而第三章则展开了在一些语言中的推理问题的详细的复杂度的分析。在表

28、现力和推理的可处理治安的权衡和对应的图例技术的可用范围被彻底分析和实验过之后，在描述逻辑推理的理论研究上的关注发生了转移。相关描述逻辑上的兴趣转移到数据库管理中使用的建模语言。另外，表达模态逻辑中严格关系的发现促进了称为富表现力描述逻辑的研究。这些语言除了承认一般的定义概念的通用机制（例如，下一节阐述的循环定义）还提供了更丰富的形成概念构造集合以及形成复杂角色表达的构造。对这些语言来说，表达力是足够的，而新的挑战是在保留推理的决策力的同时丰富语言。值得指出的是这个新的理论研究的方向是通过一个基于富表达力的描述逻辑语言构造的知识表示系统的实现中的一个对应的转移完成的。在第五章中阐述了富表达力的描

29、述逻辑的推理方法的研究。3描述逻辑中的知识表示前一节在介绍了一些关键推理技术的同时介绍了了描述逻辑的基本表示语言。现在我们的目标是说明描述逻辑在基于知识的应用中是如何有用的，也就是说，一个描述逻辑语言如何应用于知识表示系统，该系统提供一个定义实施推理的知识库和工具的语言。知识系统的实现包括两个主要方面。第一个方面在于提供一个知识库的精确的特征，这包括给系统指定一个精确的知识类型特征，以及清晰的定义系统需要提供的推理服务系统必须能够回答各种问题。第二个方面在于提供一个丰富的开发环境使用户能够从不同的各种服务中获益，这些服务可以使他/她和系统的交互更加有效。这一节中，我们阐述知识库的逻辑结构，而系

30、统的设计和应用工具的开发将在下一节中得到说明。提供给语义网络和框架行为精确特征的功能途径（functional approach）来表示知识是最重要的历史努力的成果之一（Levesque,1984）。其思想是通过知识库提供给功能性一个精确的特征，特别的，以及给出独立于任何实现的基于知识库执行推理的精确特征。实际上，推理系统的功能描述是通过一个称为“Tell&Ask”的接口来指定的。这样的一个接口指定了能够完成知识库的构造操作（Tell操作）和允许个人从基础知识中获取信息的操作（Ask操作）。下面我们将接受这个观点用于标志描述逻辑知识库的定义和它提供的推理服务。关于知识库可以看到紧凑知识和扩展知

31、识两者之间的明显区别，前者指关于问题领域的通用知识，而后者指的是关于一个特定问题的知识。一个描述逻辑知识库都是相似的，典型的是由两个构件构成的，一个是“TBox”，一个是“ABox”。Tbox用一个术语学的形式包含紧凑的知识（由此形成术语“TBox”，但是“分类学”也可以使用）并且通过描述概念的一般的属性定义而构造的。由于概念之间的构成术语学的包含关系的本质，Tbox通常被认为具有一种类似格子的结构。这种数学结构是通过包含关系承担的，和任何实现没有关系。Abox包含扩展知识也称为断言知识（由此形成术语“ABox”），这种知识指那种和和讨论领域的个体相关的知识。紧凑知识通常被认为是没有变化的，也

32、就是“与时间无关的”，而某种程度上扩展知识通常被认为是暂时的或者是依赖环境的一个单独集合，因此是偶然的甚至是不断变化的。在本节的剩余部分我们通过分析描述逻辑知识库的Tbox和Abox来介绍了一个基础的Tell&Ask接口。1.3.1TBox描述逻辑知识库的一个关键元素是用来构造术语学的操作给定的。这种操作直接和在Tbox中宣称的形式和意义相关。在Tbox中断言的基本形式是概念定义，也就是，根据另外的先前定义的概念来定义一个新的概念。例如，一个女人可以用一个女性的人来定义，如下断言：Woman PersonFemale这样的一个断言通常理解成一个逻辑等式，它提供了判断一个个体是女人的充分必要条件

33、。这种形式的定义比其他种类的知识表示中使用的形式更强，其他的表示形式只施加了必要条件，这种断言的强度通常被认为是描述逻辑知识库的一个标志特征。因此在描述逻辑知识库中，一个术语学使用以上形式的的概念定义集合构成的。然而，通常使用描述逻辑术语时有一些重要的一般假设：一个概念名称仅允许一个定义定义是非循环的，也就是概念既不能根据它们自己定义，也不能根据那些不直接的引用了它们的概念定义。这种限制对许多描述逻辑知识库都是普遍的，这意味着每个定义的概念(A)能够通过用定义概念（B）的右边来替换定义概念(B)来将概念（A）拓展为一个只包含原子概念的复杂表达式。Nebel说明了即使像这样的简单扩展将引起不可避

34、免的复杂度。然而事实上，紊乱的增长推理复杂度的定义似乎没有发生过。在这种假设下，推理复杂度的计算能够通过从术语学的抽象和考虑所有给定概念的完全扩展表达来研究。因此，描述逻辑中的许多推理方法的研究聚焦在概念表达以及（更特殊的如上面讨论的）包含关系，这可以认为是Tbox的基本推理服务。特别的，构造一个属于的基本任务是分类，也就是在一个概念分类层次的正确位置上放置一个新的概念。分类可以通过验证每个已定义的层次中的概念和新的概念之间包含关系来完成。概念必须放置在最特定的包含新概念的点和新概念包含的最广泛的概念点之间。概念定义更一般的集合最近受到了一些注意，这是从建立在描述逻辑和另外的形式以及满足增长的

35、表达力之间的需求的努力衍生的。特别的，循环定义的认可带来了断言的不同语义解释，众所周知的最大/最小固定点以及描述语义。虽然不同的语义依赖目标应用而被接受受到争议，但是最普通的被接受的一个解释是描述语义，这仅仅需要所有的断言在解释中都满足。而且，如果放弃定义的左边只能是一个原子概念名称的要求的话，可以定义称为（广义的）包含公式的形式：CD其中C和D是人以的概念表达式。注意一个概念定义能够表达为两个包含。这就产生了一些关注循环Tbox的决策和实现技术的理论研究成果，最近的描述逻辑系统承认定义概念的相当有力的构造。这种Tbox的基本推理服务可以看作是逻辑蕴含，也就是验证一个原子关系（例如两个概念表达

36、之间的包含关系）是否是一个Tbox断言的逻辑推论。第2章中处理了在循环Tbox语义标志中提出的课题，而循环Tbox的推理技术也在第2章和第5章得到阐述，其中富表达描述逻辑也得到介绍。1.3.2ABoxAbox包含关于感兴趣领域的扩展知识，也就是说，关于个体的断言，通常称为成员断言。例如：Female Person(ANN)指出个体ANNA是一个女人。由以上女人的定义，一个人可以从这个断言中推论出ANNA是一个女人这个概念的实例。类似的，hasChild(ANNA，JACOPO)指定ANNA有个JACOPO的小孩。第一种断言也称为概念断言，而第二种断言也称为角色断言。正如这些例子说显示的，在Ab

37、ox中可以指定概念断言和角色断言的知识。在概念断言中，通用的概念表达是允许的，而角色断言，其中的角色不是一个原子角色而是一个角色表达式，这是不允许的，这将仅在富表达力的语言中得到处理。在Abox中基本的推理任务是实例检查，这是验证一个给定的个体是否是一个特定概念的实例。虽然通常也考虑和使用另外的推理服务，但这些服务也可以根据实例检查来定义。其中我们有知识库一致性，也就是验证知识库中的每个概念是否都承认至少一个个体；实现，就是找到一个个体对象是最特定概念的一个实例；检索，找到为知识库中某个给定概念实例的个体。这些都可以通过实例检查的手段来达到。从计算观点来看，在一个知识库中存在的个体使得推理服务

38、更加复杂Donini et al，并且也许需要一些Tbox推理技术的重要扩展。Abox中的推理在第3章中得到阐述。值得强调的是，虽然我们为了方便将Abox的推理服务分离开来，但Tbox并不能通过对多个非循环的Tbox使用简单的替换机制来处理，推理服务也许必须考虑所有的在Tbox和Abox中包括的知识，因而对应的推理问题变得更复杂。第5章中阐述了包括Tbox和Abox的一个完整集合，该章也讨论了富表达力的描述逻辑。定义Abox的更普遍的语言也曾被考虑过。提供用于Abox有力逻辑语言的知识表示系统和用于Tbox的一个描述逻辑语言常常被认为是混合式推理系统，因为完全不同的知识表示语言也许用于指定不同

39、构件中的知识。混合式系统在20世纪80年代很流行；后来，这个课题重新获得了关注，聚焦在用于概念定义的描述逻辑组件的知识库和用于个体断言的逻辑编程组件。只要在知识组件之间存在严格的交互，设计用于混合知识库的优良的和完整的推理方法就很困难。1.4从理论到实践：描述逻辑系统知识表示研究的一个直接实践结果是构造基于知识的应用的工具的开发。正如已经提到的，描述逻辑的研究有通过理论结果和实现系统的紧密联系的特征。这是通过在理论，系统实现和基于描述逻辑的知识表示系统（DL-KRS）的用户之间紧密的关系获得的。推理算法和它们的复杂度的研究结果已经影响了系统的设计，推理算法本身的的研究聚焦在对实现系统的能力和限

40、制的仔细分析上。这一节，我们首先勾勒出一些知识表示系统的功能，然后，讨论DL-KRS的演化。读者能够在第7章获得关于第一个课题的更深的看法，而第8章提供了基于描述逻辑的知识表示系统。第9章仔细研究了更特殊的实现和优化技术。1.4.1基于描述逻辑的知识表示系统的设计为了了解实现和维护一个知识表示系统的困难，有必要知道在使用一个知识表示系统的过程中，推理服务实际上仅仅是一个复杂系统的一个方面，甚至也许对最终用户是隐藏的。用户在开始“按下推理按钮”操作前，必须对兴趣领域建模然后将知识输入到系统中。更进一步，在许多情况下，一个简单的是/否的回答一点用处也没有，因此一个简单使用Tell&Ask的图表的实

41、现也许是不够的。因此，从辨别一个合适的知识表达系统到基于其的应用设计的途径是复杂而有要求的。在描述逻辑的情况下，如果目标是设计一个给非描述逻辑专家和需要尽可能快的获取工作系统的用户使用的话，情况尤其如此。在20世纪80年代，当基于框架的系统曾经到达商业产品的程度时，用户转移到更现代的DL-KRS的负担必须保持很小的程度。因此，一个研究流派强调描述逻辑系统中图表使用的重要方面。这种观点特别针对限制语言表达力但提供给用户优美的，完整的和有效的推理服务的系统，第7章进一步阐述了在一个适合应用开发的环境中嵌入描述逻辑语言的课题。要补充的是，近年来有用的描述逻辑系统常常作为一个大的环境的内部组件，该接口

42、能够完全隐藏描述逻辑语言和它核心的推理服务。像IMACS和PROSE这样的系统在分类数据和产品配置方面非常成功，对应的，并不需要任何用户了解构造它们的描述逻辑表示语言的细节。如今，从www中获取信息的应用，其中接口能够经过特殊的设计用来支持对这类信息的检索，也隐藏了知识表示和推理组件。另外，一些数据建模工具，其中系统提供了更方便的接口，能够提供基于使用描述逻辑推理引擎模块具有的推理能力的额外设施。第III部分讨论了利用描述逻辑作为较大系统组件的可能集合；更特殊的，第14章介绍了Web应用第15章介绍了自然语言应用，而数据库应用中的描述逻辑的推理能力在第16章中得到阐述。1.4.2基于描述逻辑的

43、知识表示系统知识表示的历史在许多途径的许多著作中得到了阐述。这里我们分成三代的系统，重点在它们的历史演化而不是它们的特定功能。我们将其标志为前DL系统，DL系统，和当代dl系统。第8章中给出了实现系统的详细的推理。前描述逻辑系统描述逻辑系统的祖先是KL-ONE，这是语义网络到创建的术语逻辑转移的标志。KL-ONE的的影响是深刻的，并被认为是完整的语言家族的根基。语义网络大约在1966年左右被作为一个用英语单词表示概念的方式得到介绍，并成为人工智能应用领域表示不同概念的流行的框架形式。这个工作中重要的思想得到了进化，从表示概念和关系的名称节点和连线到具有继承属性的层次网络，再到通过一个个体对象“

44、实例化”一个对象的观点。但是语义网络系统充满了问题，包括不同构造含义的模糊和不兼容性，以及缺乏结构化的水平以使得能称为独立于应用的推理过程的基础。在他的博士论文中Brachman和后续的工作中，Brachman阐述了他所称为的“认识论”的表示，或者是结构化知识的水平。这带来了一套比“语义”表示更远离应用和独立世界知识的结构化知识的原子集合，而比在严格的逻辑语言中可以获得的原子集更丰富。这个工作的主要结果是一个新的知识表示框架的产生，其中的原始元素允许比先前的网络形式更清晰和更独立于应用的表示。在20世纪70年代后期，Brachman和他的合作者探索了在KL-ONE系统中的这种框架的应用和含义。

45、kl-one系统介绍了随后的描述逻辑扩展工作中涉及到的大多数关键的概念。例如，这包括概念和角色的观点以及它们如何相互作用；“值限制”和“数字限制”的重要思想，这种思想修改了在概念定义中的角色的使用；以及关键的包含和分类的推理。它也为后来的TBox和Abox之间的差别及另外的一些极大影响后续工作的重要概念播下了种子。KL-ONE也是理论和实践之间坚固的相互影响的最初例子，这种影响也是描述逻辑的历史标志。它受到了逻辑和哲学的影响（反过来，它自己也影响了哲学和心理学的工作），并且在设计中的一些重要的关注也使它具有一致性和语义的完美。但是它也在多种应用中得到了使用，覆盖了智能信息表示和自然语言理解及其

46、它。kl-one中的大多数初始的工作聚焦在概念表示和推理上，仅有很少的一部分注意力投到个体对象的推理上。kl-one系统后面的第一代着重在提供在强有力的基于逻辑的组建和一个特殊的术语组件之间的清晰区别的结构。这种系统被称为混合式系统。一个主要的研究课题是提供在整个知识库中统一的推理服务的两种组件的集成。描述逻辑系统早期的“前DL”系统起源于kl-one，然而它自身是形式化分析语义网络的缺点的直接结果，主要是关于一个可行的分类算法和充分表示概念的数据结构的实现。per se，作为紧接着的下一代的描述逻辑系统更多的起源于从检查KL-ONE和另外一些早期的系统而产生的术语逻辑理论研究的浪潮。这个工作

47、大约是在1984年开始的，是通过bRACHMAN和LEVESQUE的论文引起的。在描述逻辑语言的表达力和推理复杂度之间的权衡的后续结果，更一般的，描述逻辑中复杂度的来源的辨别，表明对语言构造的仔细挑选很必要以及系统提供的推理服务受到提供给用户的概念集的很深影响。因此我们标志推理服务的三种不同的途径。第一种称为有限的+完全的，包括那些使用类似的方法限制概念的集合因而包含可能在多项式时间里加以有效的计算的系统。CLASSIC系统是这种系统的最重要的例子。第二种途径可以表示为表达力+不完全的，因为这种思想是提供兼顾一个富表达力的语言和有效的推理。然而，这种系统的缺点是推理算法显得不完全。这种系统引人

48、注意的例子是loom和BACK。在讨论不完全性的一些来源后，这种工作常常同过辨别构造或者构造的混合表示，设计完全的推理算法将需要一个保留推理系统完整性的指数级算法。这种系统（kris）因而被标志为表达力+完全性；它们比不上随后的其他途径的效率，但是它们提供了一个在理论研究上开发的推理技术的实现的可测试途径，这在和其它系统促进了比较和提供了基准方面发挥了重要的作用heinsohn,baader。现代的描述逻辑系统在现代的DL-KRS中，表示语言的的完整算法的需求已经成为关注的焦点。在数据模型和半结构化的数据上的要求描述逻辑表示力对大多数实际应用的重要扩展鉴定起着非常重要的作用。标是描述逻辑的完整

49、算法的设计导致了基于生动的技术的一些重要的扩展和一些优化技术的介绍，部分是借鉴于理论证明和描述逻辑的发展。沿着这个路线的第一个系统的例子是FACT。这个研究也已经受到了在描述逻辑和另外的逻辑之间的发现的新关系的影响，这带来了和另外的推理系统的交换标准和实验比较。第9章详细的阐述了在富表达力的描述逻辑实现中已经使用的技术。1.5使用描述逻辑系统开发的应用在描述逻辑的发展中的第三个方面是不同领域的应用实现。过去多年创建的一些应用也许仅仅到达原型的水平，但是它们中的许多已经具有工业系统的完整性和在制造使用中加以配置。基于描述逻辑的发展应用中的一个关键元素是知识表示系统的使用。我们已经强调，构造一个工

50、具用于基于知识的应用中的设计和实现需要许多重要的工作使其能适合交互式开发，解释和调试，接口实现等等。另外，这里我们聚焦在作为一个建模语言的推理逻辑的有效性。一个建模语言应该具有必须能够帮助传递潜在含义的直观语义和语法。最终，与我们已经看到过的更接近自然语言的一点不同的语法已经被接受，提供基于知识构造过程的一个操作视图的图形界面已经开发。使用描述逻辑在建模应用领域而产生的课题在第10章得到了阐述，并且将在下一个子节叙述。很自然的一类应用共享了在方法学模式和特定结构或推理能力的设计上的相似性。因此，我们在1.5.2节中分别介绍了一些应用；这些包括软件工程，配置，药品，数字图书馆和基于web的信息系

51、统。在1.5.3节中我们考虑了一些描述逻辑发挥主要作用的应用领域；这些包括自然语言处理以及数据库管理，其中描述逻辑在一些方面得到使用。当阐述应用的设计时，也值得指出的是在描述逻辑在复杂应用中的使用方式有重要的演化。特别的，最早一代的系统的dl中心的观点，其中系统是用一单一环境（由DL系统提供）开发的，具有在dl系统和其他应用之间较松懈的交互关系。后来，将DL更多的看作是一个组件的途径变得明显了，这种观点下dl系统作为一个较大环境的一个组件而活动，典型的提供功能，比如数据管理，这比用其他技术实现更有效。这种结构中组件视图需要在组件间定义一个清晰的接口，也许可以接受不同的建模语言，但是聚焦在实现推

52、理服务的描述逻辑上，这种服务可以给应用增加有力的能力。显然的，在以上结构视图间的选择依靠即将的应用的需求。最后，我们已经阐述了描述逻辑的研究从DL-KRS的语言设计者和开发者之间的紧密交互中获益。因此，另外在描述逻辑研究上的发展的主要影响是由使用dl-krs的应用实现而施加的。事实上，在dl应用中的工作不仅展示了描述逻辑和dl-krs的效率，而且提供了关注表示语言和一个实现的dl-krs的特点的弱点的dl团体之间的相互反馈。1使用描述逻辑建模为了让设计者能够使用描述逻辑来建模他们的应用领域，让dl构造很容易被理解是重要的。这将有助于使传统的构造设施仍然能够作为有效的工具使用。最后，我们先前介绍

53、的和现在普遍在描述逻辑社区中使用的概念不是完全能够满足的。正如已经指出的，至少有两个增加描述逻辑的可用性作为一个建模语言的主要选择：(i)提供一个更类似接近自然语言的语法(ii)实现用户能够通过图形操作指定推理结构的接口在阐述以上两点可能性之前，首先也阐述一个简单的注释。当选择指定知识的方法时，比如自然语言类型的语法，能够对用户更有吸引力，应该记住描述逻辑部分上是由于对早期语义网络和框架系统的形式语义基础的缺乏的反应需求的。那些早期的系统常常依赖于对类似于自然语言的构造或图形界面的直观假设，这最终使它们不能令人满意。因此，我们需要总记住用户所使用的对应的语言和抽象的dl语法和对应的形式语义的结

54、果应该总是清晰的。大多数dl-krs中已经追求一个更可读的语法。特别的，我们提及到Patel-Schneider等提出的固定的语法，这是基于类似于lisp的概念，其中，例如，女人的概念用(and person female)表示。类似的，概念haschild.female将写作（all haschild female）。另外，有短小的表达式，比如（the haschild female），这意味着存在一个唯一女性孩子，并且能够使用数量存在限制和数字限制来表达。在第10章中这种语法将进行仔细的讨论并且在概念的自然语言理解上的可能模糊性的来源一并讨论。第二个选择即提供给用户一个有形的语法依赖于一个

55、图形界面。从kl-one系统开始，这种可能性已经通过介绍一个图形化的概念来代表概念和角色以及它们之间的关系来获取了。最近，用于描述逻辑的基于web的接口也已经被提出；另外，一个xml标准已经提出，这不仅对数据交换而且提供给充分发展的web接口用于dl-krs或者将其作为组件而嵌入的应用都是合适的。建模语言是提供给设计者的表达建模概念的工具。使用描述逻辑建模需要设计者指定讨论领域的概念和标志它们和另外概念的关系和指定个体。既然它们允许个人介绍个体对象核明确定义他们的属性以及在它们中间表示关系，概念能够看作是个体的抽象，描述逻辑作为一个对象中心的建模语言。概念定义提供是描述逻辑的标志性特征，因为它

56、提供了必要和充分条件。概念之间基础的关系是包含，这允许一个人捕捉不同种类的子类机制；然而，另外种类的关系也能建模，比如聚合，具体化和部分-整体集合。描述逻辑中的领域模型嵌入到一个知识库中。我们已经讨论了知识库的tbox/abox的特征。回忆tbo和abox的作用，它们是由以下的需要而推动的，即区别关于兴趣领域的通用知识和考虑的在特定的世界/情形下的个体的特定知识。除了tbox/abox，另外在描述逻辑中也已经介绍了一些另外的组织知识库比如上下文和视图的机制。描述逻辑提供的建模概念的使用和知识库的组织将在第10章详细阐述。最后，我们回忆描述逻辑作为建模语言在一个大的范围和另外在编程语言和数据库管

57、理中开发的建模语言有重叠。然而后来将聚焦在这种关系上，当和另外领域开发的建模语言相比较时，描述逻辑的标志性特点是在于附在其上的推理能力。换句话说，我们认为，当建模具有普遍重要性，挖掘模型的描述来获得关于将来问题结论的能力是使用描述逻辑的一个特殊的优点。1.5.2应用领域在许多系统的实现中描述逻辑已经得到使用（正在使用），这显示了它们的实际效果。尽管没有商业的平台能够用来开发它们，一些这样的系统已进入到产品使用。软件工程软件工程是在at&t领导下的描述逻辑的第一个应用领域，他们开发了classic系统。这个基础的思想是用一个描述逻辑来实现软件信息系统，也就是说，一个能够支持软件开发者帮助他/她找

58、到一个大的软件系统的信息的系统。更具体的，人们发现软件开发中的兴趣信息是关于应用领域和特定代码信息的混合知识。然而，人们能够自动判断代码的结构，而代码元素和领域概念之间的联系需要由用户指定。描述逻辑的一个最重生动的应用是lassie系统，该系统允许用户增量的构造一个领域概念到代码实现的概念分类。这个系统由此能够对用户关于代码的查询提供有用的针对信息，比如，例如“产生一个拨号音的函数”。通过挖掘领域的描述，系统检索信息的能力变得远远超过那些用于软件开发的标准工具。lassei系统相当成功但是极度错误，因为工业软件的持续变化的天性使维持知识库很困难。软件信息系统和描述逻辑的使用这两个思想在特定的应

59、用中生存下来并已经在另外一些后来的系统中使用。描述逻辑使用在软件工程的应用中将在第11章详细描述。配置使用描述逻辑用于构造基于知识的应用的一个重要的领域是配置，这包含了支持通过混合多个组件创建的复杂系统的设计的应用。配置的任务是找到一组合适的组件能够较好的连接起来用于实现一个符合给定特定条件的系统。比如，选择计算机组件用于构造一个家庭pc就是一个相对简单的配置任务。当这个数量，类型和组件的联系增长时，配置任务能够变得相当复杂。特别的，计算机配置已经存在在第一代专家系统的应用领域，并且由此被看作是基于知识的系统的一个标准应用领域。配置任务出现在许多工业应用领域，比如电信，汽车工业，建筑业，等等。

60、基于dl的知识表示系统符合配置应用的开发需求。特别的，它们能够使用面向对象技术建模系统组件，这有力的混合了从不完整性的说明到自动检测不兼容性的推理能力。使用描述逻辑一个人能够使用组件的分类和用分类学的方法组织它们的能力。另外，一个基于dl的途径支持增量的说明和模块。配置任务的应用需要至少两个不在dl-krs的原始核心的特征：规则表示（伴随着一个规则繁殖机制），提供解释的能力。然而，称为“行为规则”的扩展现在在dl-krs中很普遍，并且第6章将给出一个精确的语义。dl-krs的解释能力的重要工作已经和配置应用联系而得到开发。第12章重点在于使用描述逻辑用于配置任务的应用。医药自从20世纪80年代