描述邏輯在農(nóng)業(yè)本體中的應用研究

耿凡凡 李紹穩(wěn) 魏 同 沈 杰 徐 靜

(安徽農(nóng)業(yè)大學信息與計算機學院， 合肥 230036)

?

描述邏輯在農(nóng)業(yè)本體中的應用研究

耿凡凡 李紹穩(wěn) 魏 同 沈 杰 徐 靜

(安徽農(nóng)業(yè)大學信息與計算機學院， 合肥 230036)

為提升農(nóng)業(yè)本體在農(nóng)業(yè)服務(wù)方面的質(zhì)量，提出了基于描述邏輯的農(nóng)業(yè)本體推理方法。該方法采用基于描述邏輯的語義推理機制對農(nóng)業(yè)本體知識進行闡述分析，并對農(nóng)業(yè)本體中的隱含知識進行有效推理。以茶樹蟲害本體為例，研究了描述邏輯推理在農(nóng)業(yè)本體領(lǐng)域的應用。

農(nóng)業(yè)本體； 描述邏輯； 本體； 茶樹蟲害

農(nóng)業(yè)信息化的快速發(fā)展使得傳統(tǒng)農(nóng)業(yè)更具信息化和智能化的特點。語義Web的出現(xiàn)使計算機能更好地理解人類的自然語言，解決了計算機在人工智能方面的許多局限性，同時也為現(xiàn)代農(nóng)業(yè)實現(xiàn)信息化提供了手段。本體論作為語義Web的重要技術(shù)手段，為知識表示增添了新的方法與研究方向。農(nóng)業(yè)本體是領(lǐng)域本體在農(nóng)業(yè)領(lǐng)域的應用。農(nóng)業(yè)本體[1-4]主要是由農(nóng)業(yè)領(lǐng)域中的概念、概念間的關(guān)系以及計算機可以識別的形式化描述語言組成。它將農(nóng)業(yè)概念，以及概念與概念之間的相互關(guān)系進行規(guī)范化描述，構(gòu)建成農(nóng)業(yè)領(lǐng)域的基本知識體系和描述語言。其構(gòu)建概念明了，邏輯結(jié)構(gòu)嚴謹，可以實現(xiàn)對農(nóng)業(yè)類型資源的檢索，增強農(nóng)業(yè)領(lǐng)域資源之間的交互性。在本體的發(fā)展過程中，描述邏輯因其在描述面向?qū)ο笾R以及知識邏輯推理方面有較強的表達能力與推理功能而被廣泛研究與應用。通常知識表示是對基于邏輯形式的知識的描述，本體論則是以描述邏輯理論為基礎(chǔ)對領(lǐng)域知識進行一系列的定義與表達。而描述邏輯知識系統(tǒng)不僅能構(gòu)建描述邏輯知識庫，還可以推理和檢測其所表述的內(nèi)容。

1 描述邏輯概述

描述邏輯[5-8]是一階謂詞的可判定子集，是一種面向?qū)ο蟮闹R表示工具，描述邏輯是在概念和關(guān)系的基礎(chǔ)上利用簡單的謂詞邏輯結(jié)構(gòu)對結(jié)構(gòu)化的對象進行表示與推理。

描述邏輯句法有3個要素：概念、關(guān)系和個體。概念是指描述個體集中所具有的相同特征；關(guān)系是表示2個對象之間的映射；個體通常是表示概念的實例。描述邏輯句法主要是通過構(gòu)造一種規(guī)則將算子運用到概念間和關(guān)系中以構(gòu)造復雜的概念。它先定義概念，然后用概念表征關(guān)系和屬性，達到能對個體和對象進行表示的目的，從而增強領(lǐng)域知識的描述能力。一個描述邏輯系統(tǒng)通常有3個主要成分：描述邏輯語言、描述邏輯知識庫以及推理機制。描述邏輯語言與推理機制提供TBox與ABox的描述與推理。TBox指包含概念和關(guān)系的術(shù)語公理集。蘊含公理形式為C?D(R?S)，表示“概念C包含于概念D(關(guān)系S包含關(guān)系R)”；等價公理形式為C≡D(R≡S)，表示“概念C等價于概念D(關(guān)系R和關(guān)系S等價)”；ABox指個體的實例化斷言集，其2種形式分別是概念斷言和關(guān)系斷言。概念斷言形式為概念斷言C(m)，表示“m是概念C的一個個體實例”,關(guān)系斷言形式為R(m,n)，表示“個體m和個體n之間存在關(guān)系R”。同時，TBox和ABox又構(gòu)成描述邏輯系統(tǒng)的知識庫KB=〈TBox，ABox〉。

利用描述邏輯推理，可以從知識庫的顯式包含知識中推導出一些隱含表示的知識，便于發(fā)現(xiàn)知識庫中的不足，從而及時更正知識庫。Tableaux算法[2]由Schmidt和Smolka首次提出，主要用于判定概念的可滿足性問題，后又被擴展到ABox的一致性問題上。目前Tableaux算法已成為實現(xiàn)描述邏輯推理的最核心的標準算法。

Tableaux算法使用了標準否定形式。若C0是描述概念的標準否定形式，要檢驗C0的可滿足性，可將ABoxA={C0(x0)}應用到Tableaux算法變換規(guī)則表進行規(guī)則轉(zhuǎn)換后再進行推理。

如果沒有轉(zhuǎn)化規(guī)則可以應用于ABoxA，則這樣的 ABoxA 集合稱為完備的。對于完備的ABoxA集合，如果其中不含沖突，A 就是連續(xù)的，即C0是可滿足的；反之，A 是不連續(xù)的，即C0是不可滿足的。

描述邏輯推理應用在本體中可獲得知識庫中隱含的信息，比如概念間的分類情況以及潛在的推理信息[9-10]。在構(gòu)造本體時，利用描述邏輯推理可以檢測出層次結(jié)構(gòu)是否合理，概念插入是否正確，概念的定義是否出現(xiàn)矛盾等問題，使得構(gòu)建者能找出本體設(shè)計過程中可能會出現(xiàn)的錯誤，以此來保證知識描述的相對正確。在本體設(shè)計及維護階段，這一過程至關(guān)重要。

2 應用研究

本體是共享概念的形式化規(guī)范說明[4]，本體模型是以描述邏輯為基礎(chǔ)構(gòu)建的。使用描述邏輯中的一階謂詞來描述本體中概念，二階謂詞描述關(guān)系，公理則可以使用相對應的一階謂詞和二階謂詞來表示，如公理Father??hasChild.Person可轉(zhuǎn)化為謂詞，表示(?x)Father (x)→hasChild(x,y)∧Man(y)。可以看出，描述邏輯對領(lǐng)域知識的描述在實踐中是可行的，且形式直觀。描述邏輯推理機制對檢驗概念是否存在沖突、本體是否表示正確、能否挖掘出概念間隱含的層次關(guān)系，具有十分深遠的意義。

本次研究以農(nóng)業(yè)領(lǐng)域茶樹蟲害診斷系統(tǒng)為例(診斷系統(tǒng)框架如圖1所示)，闡述描述邏輯推理應用于茶樹蟲害診斷系統(tǒng)的情況。使用本體搭建茶樹蟲害診斷系統(tǒng)，在研究開發(fā)時有2個關(guān)鍵環(huán)節(jié)：一是構(gòu)建基于描述邏輯的茶樹蟲害本體；二是基于描述邏輯的知識推理。

2.1 茶樹蟲害本體構(gòu)建

構(gòu)建茶樹蟲害本體的意義在于將茶樹蟲害的危害部位、危害程度、危害方式、蟲害的形態(tài)特征以及茶區(qū)分布等信息，按照專家診斷系統(tǒng)所需的信息聯(lián)系起來，構(gòu)建出茶樹蟲害知識領(lǐng)域本體，減輕專家診斷系統(tǒng)的開發(fā)工作，方便專家以及農(nóng)戶對茶樹蟲害進行科學診斷和防治。用描述邏輯的四元組將其表示為TeaPest_system=〈O,CO,TO,IO〉，其中：O表示本體中的構(gòu)造算子集；CO表示本體中概念、關(guān)系以及屬性集，如概念茶尺蠖“tea geometrid”，類屬關(guān)系“subclass_of”，害蟲長度屬性“l(fā)ength”;TO表示本體描述邏輯知識庫TBox中概念和關(guān)系的公理集，如概念描述油茶寬盾蝽PoecilocorislatusDallas≡Pest∩(?hasMain_of.Hemiptera)∩(?hasMain_of.Scutelleridae)∩(?hasPart_of.Pest)；IO表示本體描述邏輯知識庫ABox中概念和關(guān)系的斷言集，如描述實例茶樹害蟲綠盲蝽危害茶的芽葉，為“Pest(Apolygus lucorμm)”、“Damage _parts(Buds leaf)”、“Harm(Apolygus lucorμm，Apolygus lucorμm)”。

圖1 茶樹蟲害診斷系統(tǒng)框架圖

使用Protege4.3構(gòu)建茶樹蟲害本體，首先根據(jù)茶樹蟲害的生物學分類對茶樹蟲害知識進行整理，然后根據(jù)茶樹蟲害概念關(guān)系圖對茶樹蟲害本體進行構(gòu)建，將茶樹害蟲、危害茶樹部位、茶區(qū)分布、害蟲危害方式、害蟲形態(tài)特征、生態(tài)防治方式、害蟲天敵等定義為頂層類，再分別設(shè)置子類以及實例，根據(jù)茶樹蟲害本體頂層類的設(shè)置進行對象屬性以及數(shù)據(jù)屬性的構(gòu)建。所構(gòu)建的茶樹蟲害本體共計560類56屬性960個實例，部分關(guān)系類、數(shù)據(jù)屬性、對象屬性結(jié)構(gòu)如圖2所示。

2.2 茶樹蟲害本體推理

本體構(gòu)建工具Protege本身并不具有獨立推理能力，但它可以提供構(gòu)造描述邏輯的約束條件，也兼容第三方推理軟件接口。描述邏輯推理需要以1種確定的規(guī)則進行推理，即以自身的充分必要條件為規(guī)則，因此需要對類給出約束條件。在構(gòu)建描述邏輯本體時已作考慮，描述邏輯對茶樹蟲害本體中類的層次結(jié)構(gòu)實施推理，將屬于同一層次的類歸在一起?！伴T”作第1層類，“綱”作第2層類，“目”作第3層類，“科”作第4層類，第5層類是害蟲。對各個“科”進行Equivalent classes(充分必要條件)約束，比如對“盲蝽科”可以作“hasHarmMode only吸汁”條件約束；對各個害蟲作必要條件約束，比如對“綠盲蝽”作“hasHarmMode only吸汁”條件約束。作了“hasHarmMode only 吸汁”約束的“綠盲蝽”類，雖然被歸類于與“科”同層，是“目”的子類，但由內(nèi)置推理機推理之后，“綠盲蝽”類又重分到“盲蝽科”的子類下。在Protege中解決了類、屬性和約束條件后，打開推理機，單擊Protege中的“Reasoner”菜單下的Classify選項，此時Protege會連接推理機，由推理機作出推理，并在Inferred class hierarchy中顯示正確的推理結(jié)果。在Protege左側(cè)視圖中能看出推理之后的變化，推理前后分類對比圖如圖3所示。

圖2 茶樹蟲害本體關(guān)系結(jié)構(gòu)展示圖

圖3 推理前后分類對比圖

最后，構(gòu)建茶樹蟲害診斷系統(tǒng)。系統(tǒng)中加入基于描述邏輯的推理機制，從而將蟲害本體中隱含的語義相關(guān)信息推理出，從而得到用戶所需的信息。本次采用基于描述邏輯推理的方法，通過調(diào)用Jena包進行解析，之后使用通用規(guī)則推理機進行推理。其原理是將先寫好的規(guī)則庫文件加入到所構(gòu)建的蟲害本體庫中，再對其進行推理。首先，從所構(gòu)建的茶樹蟲害本體知識庫里提取關(guān)鍵詞；然后，在核心概念集合知識庫中查找關(guān)鍵詞并作出語義判斷；最后，利用本體庫里面的概念關(guān)系，在茶樹蟲害知識庫中提取出使用者問題對應的知識，并將病蟲害知識轉(zhuǎn)化為使用者可領(lǐng)會的答案反饋給使用者。

以茶樹蟲害診斷系統(tǒng)為例，根據(jù)上述蟲害本體構(gòu)建原則選擇茶樹蟲害發(fā)生的茶區(qū)以及危害方式進行診斷。比如，當選擇廣東茶區(qū)、危害方式為地下的茶樹害蟲時，我們將會得到所有發(fā)生在廣東茶區(qū)，危害方式為地下的茶樹蟲害，然后再進行危害部位的診斷，從而縮小了茶樹蟲害的范圍。按照此方法可以將茶樹蟲害發(fā)生的部位、發(fā)生的時間、防治的手段以及蟲害的相關(guān)圖片進行有效推理。采用描述邏輯與Protege所構(gòu)建的茶樹蟲害本體，不但提高了對茶樹蟲害診斷的效率，同時也便于查詢與管理茶樹蟲害的相關(guān)信息。

3 結(jié) 語

闡述了描述邏輯的基本知識以及描述邏輯推理機制在農(nóng)業(yè)本體領(lǐng)域中的應用，探討了在本體領(lǐng)域中使用描述邏輯知識體系的方法，且以茶樹蟲害為例構(gòu)建本體診斷原型，介紹了描述邏輯的具體應用，為促進農(nóng)業(yè)領(lǐng)域病蟲害綜合防治知識共享提供參考。

[1] 錢平,鄭業(yè)魯.農(nóng)業(yè)本體論研究與應用[M].北京:中國農(nóng)業(yè)科學技術(shù)出版社,2006:3-8.

[2] SCHMIDT-SCHAUβ M，SMOLKA G. Attributive Concept Descriptionswith Complements[J]. Artificial Intelligence,1991, 48(1): 1-26.

[3] MOTIK B, SATTLER U, STUDER R. Query Answering for OWL-DL with Rules[J]. Journal of Web Semantics, 2005, 3(1): 41-60.

[4] 魏圓圓.基于本體論的農(nóng)業(yè)知識建模及推理研究[D].合肥:中國科學技術(shù)大學,2011:27-59.

[5] 石蓮,孫吉貴.描述邏輯綜述[J].計算機科學,2006,33(1):194-197.

[6] 董明楷,蔣運承,史忠植.一種帶缺省推理的描述邏輯[J].計算機學報,2003,26(6):729-736．

[7] 彭立.描述邏輯SHIF和SHIQ的ABox一致性判定算法研究[D].長沙:湖南大學,2013:25-54.

[8] 袁金平,鮑愛華,姚莉.語義技術(shù)及其邏輯基礎(chǔ)[J].計算機工程,2008,34(24):194-196.

[9] 吳修國,曾廣周,徐崇敬.基于描述邏輯的目標推理研究[J].計算機科學,2008,35(7):142-144.

[10] 江莉莉.描述邏輯在智能化信息檢索中的應用研究[D].南京:南京航空航天大學,2012:38-64.

Research on the Application of DL Reasoning in Agricultural Ontology

GENGFanfanLIShaowenWEITongSHENJieXUJing

(School of Information and Computer Science, Anhui Agriculture University, Hefei 230036, China)

For improving the quality of agricultural ontology in agriculture services, this paper proposed a method of reasoning agricultural ontology based on description logic. The new method uses semantic inference mechanism based on description logic to analyse agricultural ontology knowledge and effectively reason the knowledge that may be contained in agricultural ontology. At last, we take tea pest ontology as an example to investigate the application of description logic reasoning in the field of agricultural ontology.

agricultural ontology; description logic; ontology; tea tree pest

2016-04-14

國家自然科學基金項目農(nóng)業(yè)領(lǐng)域(茶學)“云本體建模理論與方法研究”(31271615)

耿凡凡(1991 — )，女，安徽農(nóng)業(yè)大學在讀碩士研究生，研究方向為人工智能、描述邏輯、本體。

李紹穩(wěn)(1962 — )，男，教授，博士生導師，研究方向為數(shù)字農(nóng)業(yè)、人工智能。

TP18

A

1673-1980(2016)05-0096-04