文档介绍：人工智能逻辑描述逻辑
第一页，共35页
第二章 人工智能逻辑
逻辑-----重要的形式工具
非单调逻辑
默认逻辑
限定逻辑
自认知逻辑
真值维护系统
情景演算的逻辑基础
动态描述逻辑
第二页，共35页
主要内容
◆ 什么是描述逻辑？
◆ 为什么用描述逻辑？
◆ 描述逻辑的研究进展
◆ 描述逻辑的体系结构
◆ 描述逻辑的构造算子
◆ 描述逻辑的推理问题
◆ 我们的工作
第三页，共35页
什么是描述逻辑(DL)？
一种基于对象的知识表示的形式化，也叫概念表示语言或术语逻辑。
建立在概念和关系(Role)之上
－概念解释为对象的集合
－关系解释为对象之间的二元关系
源于语义网络和KL-ONE
是一阶逻辑FOL的一个可判定的子集
具有合适定义的语义(基于逻辑)
第四页，共35页
特点
◆是以往表示工具的逻辑重构和统一形式化
－ 框架系统 (Frame-based systems)
－ 语义网络 (Semantic Networks)
－ 面向对象表示 (OO representation)
－ 语义数据模型 (Semantic data models)
－ 类型系统 (Type systems)
－ 特征逻辑 (Feature Logics)
◆ 具有很强的表达能力
◆ 是可判定的，总能保证推理算法终止
第五页，共35页
描述逻辑的应用
◆ 概念建模
◆ 查询优化和视图维护
◆ 自然语言语义
◆ 智能信息集成
◆ 信息存取和智能接口
◆ 工程的形式化规范
◆ 术语学和本体论
◆ 规划
◆ …
第六页，共35页
为什么用描述逻辑？
若直接使用一阶逻辑，而不附加任何约束，则：
◆ 知识的结构将被破坏，这样就不能用来驱动推理
◆ 对获得可判定性和有效的推理问题来说，其表达
能力太高，（也许是太抽象了）
◆ 对兴趣表达，但仍然可判定的理论，其推理能力太低。
DL的重要特征是：
◆ 很强的表达能力；
◆ 可判定性，它能保证推理算法总能停止，并返回正确的结果。
第七页，共35页
在众多知识表示的形式化方法中，描述逻辑在十多年来受到人们的特别关注，主要原因在于以下三点 :
◆ 它们有清晰的模型-理论机制;
◆ 它们很适合于通过概念分类学来表示应用领域；
◆ 它们提供了很用的推理服务。
它们可以被认为是从基于框架的表示形式化向着精确的语义特征方向发展。此外，描述逻辑将分类学中表示和推理（专业推理）与在分类学中项的事实或实例的表示和推理（断言推理）区别开来。
第八页，共35页
3 描述逻辑的研究进展
◆ 描述逻辑的基础研究
研究描述逻辑的构造算子、表示和推理的基本问题，如可满足性、包含检测、一致性、可判定性等。
一般都在最基本的ALC的基础上在扩展一些构造算子，如数量约束、逆关系、特征函数、关系的复合等。
TBox和Abox上的推理问题、包含检测算法等。
Schmidt-Schaub 和 Smolka首先建立了基于描述逻ALC的Tableau算法，该算法能在多项式时间内判断描述逻辑ALC概念的可满足性问题。
第九页，共35页
◆ 描述逻辑的扩展研究
(1998)提出了一个知识表示系统，用时间约束的方法将状态、动作和规划的表示统一起来。
为了能让描述逻辑处理模态词，，证明了该描述逻辑公式的可满足性问题是可判定的。
Wolter等对具有模态算子的描述逻辑进行了深入系统的调查分析，并证明在恒定的领域假设下多种认知和时序描述逻辑是可判定的。
另外如时序扩展(Artale, Wolter)、模糊扩展(Straccia)等。
第十页，共35页