CN109597877A - 一种知识的推理方法及装置 - Google Patents
一种知识的推理方法及装置 Download PDFInfo
- Publication number
- CN109597877A CN109597877A CN201811326422.2A CN201811326422A CN109597877A CN 109597877 A CN109597877 A CN 109597877A CN 201811326422 A CN201811326422 A CN 201811326422A CN 109597877 A CN109597877 A CN 109597877A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- ontology
- based reasoning
- attribute
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种知识的推理方法及装置，涉及互联网技术领域，用于高效且成本较低的进行知识推理。该方法包括：构建本体，其中，所述本体用于确定行业领域的公共知识，所述本体包括多个类别的实例集合及属性集合；根据所述本体中的多个类别的实例集合及属性集合确定推理规则，其中，所述推理规则用于确定所述公共知识的逻辑关系；根据所述推理规则进行推理，以得到新的知识。本申请实施例应用于以较低成本进行高效的知识推理。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种知识的推理方法及装置。
背景技术
随着科技技术的进步，互联网已经深入人类社会的每个角落，而且在人类文明发展进程中扮演越来越重要的角色。让计算机“读懂”互联网，使得互联网更加智能化是人类的梦想。
知识推理是指从知识库中已有的实体关系数据出发，经过计算机推理，建立实体间的新关联，从而拓展和丰富知识网络。通过知识推理，能够从现有知识中发现新的知识。从已有的知识库中通过推理算法或者推理工具推理处新的实体间的关系，实体的属性值、本体的概念层次关系等。因此如何高效且以较低成本的进行知识推理是亟待解决的问题。
发明内容
本申请的实施例提供一种知识的推理方法及装置，用于高效且成本较低的进行知识推理。
为达到上述目的，本申请的实施例采用如下技术方案：
第一方面，提供了一种知识的推理方法，该方法包括：
构建本体，其中，所述本体用于确定行业领域的公共知识，所述本体包括多个类别的实例集合及属性集合；
根据所述本体中的多个类别的实例集合及属性集合确定推理规则，其中，所述推理规则用于确定所述公共知识的逻辑关系；
根据所述推理规则进行推理，以得到新的知识。
第二方面，提供了一种知识的推理装置，该装置包括：
构建单元，用于构建本体，其中，所述本体用于确定行业领域的公共知识，所述本体包括多个类别的实例集合及属性集合；
确定单元，用于根据所述本体中的多个类别的实例集合及属性集合确定推理规则，其中，所述推理规则用于确定所述公共知识的逻辑关系；
推理单元，用于根据所述推理规则进行推理，以得到新的知识。
第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如第一方面所述的方法。
第四方面，提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使得计算机执行如第一方面所述的知识的推理方法。
第五方面，提供一种知识的推理装置，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行上述第一方面所述的知识的推理方法。
本申请的实施例提供的知识的推理方法及装置，通过构建本体，并根据本体确定领域的公共知识；根据本体中的多个类别的实例集合及属性集合确定推理规则，从而确定公共知识的逻辑关系；根据推理规则得到新的知识。本申请通过结合本体推理和规则推理，无需设计大量规则，通过知识之间的逻辑关系深层次的发现知识间的隐含的关系信息，从而可以高效、灵活的进行知识的推理，并且节约了人力成本和技术成本。
附图说明
图1为本申请的实施例提供的一种知识的推理系统结构示意图；
图2为本申请的实施例提供的一种知识的推理方法流程示意图一；
图3为本申请的实施例提供的一种知识的推理方法流程示意图二；
图4为本申请的实施例提供的一种知识的推理方法流程示意图三；
图5为本申请的实施例提供的一种知识的推理装置结构示意图。
具体实施方式
参照图1中所示，本申请实施例提供了一种知识的推理系统100，该推理系统可以包括：本体库110、本体解析器120、规则库130、规则执行器140以及推理执行引擎150。
其中，本体库110可以包括电商本体库、资源空间本体库以及用户模型本体库。本体库110用于储存这些本体数据，为推理执行引擎150提供基本数据；
本体解析器120用于分析本体库110中的数据，该数据包括多个类别的实例及属性，还可以将本体数据库110中数据转化为知识图谱；
规则库130用于储存用户自定义的规则，为推理执行引擎150提供逻辑关系；
规则执行器140用于执行用户定义的规则；
推理执行引擎150用于根据规则执行器140提供的逻辑关系对本体解析器120中的多个类别的实例及属性进行挖掘和推理，得到新的知识。
本申请实施例提供的知识的推理系统建立在基于本体和规则的逻辑推理平台，该推理平台可以通过一个四元组表示，该四元组可以包括：领域知识本体、资源空间本体、用户模型本体及规则匹配机。
领域知识本体可以反映反映特定领域内概念以及概念之间的关系，通过对该领域内的概念和概念之间的关系明确的定义，完成对该领域的抽象，形成该领域可共享的概念模型。领域知识本体是四元组中其它元素的基础，领域知识本体中的概念分别被应用于资源空间本体、用户模型本体及规则匹配机中，并且为它们提供概念之间的逻辑关系。另外，领域知识本体可以包含多个领域本体，例如电商商品本体、计算程序设计领域本体、计算机体系结构本体、医学本体、服装本体等，这些本体之间可以通过本体间概念的映射或设立上层抽象本体等方式进行交互和整合。领域知识本体通过涵盖多领域本体来适应Web的开放环境，从而满足不同用户对不同领域知识资源的检索需求。
资源空间本体用于针对网络的各种不同类型的知识资源进行概念化描述。例如我们可以针对特定领域的以网页Web文档形式存在的知识资源建立Web文档资源本体模型，针对以Web服务形式存在的知识资源建立Web服务本体模型。主要涉及两方面内容，一是定义知识资源元数据，如知识资源类型(例如：文档、Web服务、题目、报告等)、知识资源主题(例如：面向对象方法、类、哥德巴赫猜想、股票走势等)和知识资源自身属性(如：链接、作者、涵盖知识点、题目难度等)等。二是定义知识资源结构，如文档中整体与部分的关系，类似于章-节-段的关系等。这样通过资源空间本体可以对分布在Web上的知识资源进行语义注释。在语义注释过程中，会使用到领域知识本体中的概念，如：一个知识资源，它的资源类型是程序题,而它涵盖的知识概念是快速排序，快速排序就是资源空间本体中计算机程序领域知识本体中的概念。通过语义注释，就使这些Web资源具有了“机器所理解”的无二义性的语义。经过语义注释后的资源语义信息作为资源空间本体中各类资源概念的实例。这样就将Web上的资源与资源空间本体中的实例建立了映射关系，在语义检索平台中形成了一个具有语义信息的资源空间。
用户模型本体存储不同用户的知识背景和状态。对用户自身属性(如：用户身份信息、姓名、用户类别等)、具有的知识背景(已经掌握什么知识概念、已访问过什么资源等)和用户偏好(如：经常访问什么领域的资源等)等方面进行建模。对于同类用户，我们假设他们具有相同的概念模型，对于同类用户的不同的个体，由于访问过的资源不同，掌握领域中的概念也不相同，因此会产生不同的用户实例。
规则匹配机由一系列辅助规则和匹配规则组成，实现Web知识资源与用户的个性化匹配，结合用户模型、用户请求和资源模型，返回与用户请求语义相关而且适合用户自身知识背景的资源。例如匹配规则可以推理出哪些资源是最适合该用户的，哪些资源是用户可以接受的以及哪些资源是不推荐用户访问的等等；另外，在知识资源检索过程中，用户与资源的访问关系直接影响到用户模型实例的改变。例如：在一次检索过程中，用户001获得了题目001这个知识资源，并成功的解答了它，那么个性化检索平台就应该能够记录；题目资源001对于用户001来说，状态是开放的，再根据这条信息修改用户模型本体中的用户实例001，并推导出用户001已经掌握了题目001中涵盖的知识概念。这些工作由规则匹配机中的辅助规则来实现。
本申请实施例提供的知识的推理方法及装置，通过构建本体，并根据本体确定领域的公共知识；根据本体中的多个类别的实例集合及属性确定推理规则，从而确定公共知识的逻辑关系；根据推理规则得到新的知识。
可选的，本申请实施例提供的知识的推理系统可以应用于电商平台，可以深层次发现和挖掘电商平台中“商品-商品”、“商品-用户”、“用户-用户”实体间隐含的关系信息，和“商品”、“用户”实体中隐含的属性值，从而推理出新的有用信息，供电商知识图谱的构建和更新、商品的智能推荐等应用使用。
下面采用详细的实施例对本知识的推理系统的构建过程进行说明。
实施例1、
参照图2中所示，本申请实施例提供的知识的推理方法，可以包括S101-S103：
S101、构建本体。
其中，本体用于确定行业领域的公共知识，本体包括多个类别的实例集合及属性集合。
本体作为一种有效表现概念层次结构和语义的模型，可以用于捕获相关领域的知识,并提供对该领域知识的共同理解,还可以确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇和词汇间相互关系的明确定义，从而为本领域中的应用服务和共享。
可选的，可以利用网络本体语言(Web Ontology Language，OWL)描述本体，该知识本体可以为电商知识图谱本体、资源空间本体以及用户模型本体等，同时OWL本体具有强大的知识描述能力，可以提供定义类、属性限制和描述逻辑。
可选的，参照图3中所示，S101可以包括S201-S203：
S201、确定本体的行业领域以及行业领域中多个类别及多个类别的属性集合。
本体的构建首先要确定本体的领域及其范围，结合行业领域的数据场景和业务场景，确定本体的类别及属性，自顶向下的分析行业领域的数据，并对本体的类别及属性加以定义，其中，定义的对象可以为：领域中的类及决定类、子类的层次关系、类的属性和关系、对属性的限制等。示例性的，在电商领域，类别可以为商品、订单及商铺等，属性可以自由属性和对象属性，自由属性可以包括商品的价格、外观等，对象属性可以包括销售该商品的店铺、跟其他商品的配套关系等。
可选的，还可以搜索其他领域中是否有现存的本体可以使用，由于在不同的领域中，对一些概念理解基本上是相同的，因此可以将与相关的这部分复用，然后根据不同的领域填入不同的资源实例；示例性的，要建立Web文档资源的本体，则需要把“文档”这个类抽象出来，并确定每个Web文档的属性，如文档名、统一资源定位符(Uniform ResourceLocator，URL)、文档作者、该文档涉及的知识概念、文档种类等。列举领域中的词汇，每个领域都包括多个行业词汇，这些词汇为该行业的公知，这些行业词汇为该行业领域本体的构建的基础。
S202、获取每个类别的实例集合。
OWL是将类和实例分开呈现的，在定义好类以及类的关系后，可以再添加与类和关系相对应的实体，进而建立领域中的实例。
S203、根据行业领域中多个类别的属性集合及每个类别的实例集合构建本体。
根据定义好的类及类的属性、每个类别的实例进行建模，便可以得到一个知识模型，即本体。
S102、根据本体中的多个类别的实例集合及属性集合确定推理规则。
其中，推理规则用于确定公共知识的逻辑关系。
构建好本体后，可以将本体中实例集合和属性集合映射到知识图谱的实体集合和关系集合，建立了实例集合之间的多个关联关系，即建立了多个实例之间的连接途径，结合规则，可以根据不同的路径得到多个实例之间的多个新的逻辑关系。本申请实施例可以采用语义网络规则语言(semantic web rule language，SWRL)来描述规则，SWRL是建构在OWL之上，可以和OWL定义的类和属性互相整合，将本体中的多个类别的实体集合及属性在描述逻辑的基础上进行规则制定。SWRL以可扩展标记语言(Extensible Markup Language，XML)为实体语法，具有更高的跨平台、分享和再利用等特性。
示例性的，a和b是父子关系，同时a和c是兄弟关系，通过定义规则，可以将父子关系和兄弟关系这两个属性进行结合，得到b和c是叔侄关系，即得到多个实例之间新的逻辑关系。
可选的，参照图4中所示，S102可以包括S301-S303：
S301、根据多个类别的实例确定多个变量参数，并根据多个类别的属性集合确定多个属性谓词。
SWRL描述的规则形如“前提→结论”，每个前提和结论都包括多个变量参数和属性谓词，其中，变量参数对应本体的实例，属性谓词对应实体中的类别属性，示例性的，SWRL描述的规则为：如果订购手机a，那么喜欢手机a；这条规则中的前提为(订购，手机a)，结论为(喜欢，手机a)，其中，手机a为电商本体中电子设备类别的实例，对应推理规则中的变量参数；订购和喜欢为电商本体中电子设备的属性，对应推理规则中的属性谓词。
S302、根据多个变量参数及多个属性谓词确定多个规则原子。
SWRL规则是由规则原子组成的，前提和结论都是规则中的原子Atom。规则原子可以包括如表1所示的类型：
表1规则原子类型表
| Atom | 原子类别 |
| C(i) | 类原子 |
| R(i，j) | 属性原子 |
| i＝＝j | 等原子 |
| i！＝j | 不等式原子 |
表格中C是OWL本体中的类，R是OWL本体中的属性，i和j是OWL本体中的实例名，或者是SWRL中的变量，这样就实现了OWL本体中词汇与SWRL规则中词汇的对应，即用本体中的词汇来规范规则中的词汇。这也是SWRL作为OWL扩展的一种表现。
S303、将多个规则原子按照逻辑关系进行结合，以确定推理规则。
利用这些已经定义好的实例集合和属性集合就可以构成多个Atom，如喜欢a手机一个实例和一个属性关系所连接，可以作为规则中的前提或结论，将前提和结论按照逻辑关系组合，便可以确定推理规则。
S103、根据推理规则进行推理，以得到新的知识。
本申请实施例的推理方法应用到推理平台时，分别由本体和规则结合得到。本体中已存在的事实是初始知识库，经过结合规则进行推理后，便推导出新的事实。
可选的，本申请实施例提供的推理方法可以对电商场景中的知识按照不同场景把推理分为：上下位和等价推理、不一致性推理、知识发现推理、本体概念推理等。
本申请实施例提供的知识的推理方法，通过结合构建本体和确定规则，利用本体的强大的描述能力，可以高效的进行知识推理，可以根据特定的场景定制规则，以实现用户自定义的推理，降低了人力成本和技术成本。
实施例2、
参照图5中所示，本申请实施例提供了一种知识的推理装置，该推理装置500可以包括：
构建单元510，用于构建本体。
其中，本体用于确定行业领域的公共知识，本体包括多个类别的实例集合及属性集合。
确定单元520，用于根据本体中的多个类别的实例集合及属性集合确定推理规则。
其中，推理规则用于确定公共知识的逻辑关系。
推理单元530，用于根据推理规则进行推理，以得到新的知识。
可选的，构建单元510，可以具体用于：
确定本体的行业领域以及行业领域中多个类别及多个类别的属性集合；获取每个类别的实例集合；根据行业领域中多个类别的属性集合及每个类别的实例集合构建本体。
可选的，确定单元520，可以具体用于：
根据多个类别的实例确定多个变量参数，并根据多个类别的属性集合确定多个属性谓词；根据多个变量参数及多个属性谓词确定多个规则原子；将多个规则原子按照逻辑关系进行结合，以确定推理规则。
本发明实施例提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如图2-图4中所述的知识的推理方法。
本发明的实施例提供一种包含指令的计算机程序产品，当指令在计算机上运行时，使得计算机执行如图2-图4中所述的知识的推理方法。
本发明的实施例提供一种知识的推理装置，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行如图2-图4中所述的知识的推理方法。
由于本发明的实施例中的知识的推理装置、计算机可读存储介质、计算机程序产品可以应用于上述方法，因此，其所能获得的技术效果也可参考上述方法实施例，本发明实施例在此不再赘述。
需要说明的是，上述各单元可以为单独设立的处理器，也可以集成在控制器的某一个处理器中实现，此外，也可以以程序代码的形式存储于控制器的存储器中，由控制器的某一个处理器调用并执行以上各单元的功能。这里所述的处理器可以是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路(Application SpecificIntegrated Circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种知识的推理方法，其特征在于，包括：
构建本体，其中，所述本体用于确定行业领域的公共知识，所述本体包括多个类别的实例集合及属性集合；
根据所述本体中的多个类别的实例集合及属性集合确定推理规则，其中，所述推理规则用于确定所述公共知识的逻辑关系；
根据所述推理规则进行推理，以得到新的知识。
2.根据权利要求1所述的知识的推理方法，其特征在于，所述构建本体，包括：
确定所述本体的行业领域以及所述行业领域中多个类别及所述多个类别的属性集合；
获取每个类别的实例集合；
根据所述行业领域中多个类别的属性集合及每个类别的实例集合构建所述本体。
3.根据权利要求1所述的知识的推理方法，其特征在于，所述根据所述多个类别的实例集合及属性集合确定推理规则，包括：
根据所述多个类别的实例集合确定多个变量参数，并根据所述多个类别的属性集合确定多个属性谓词；
根据所述多个变量参数及所述多个属性谓词确定多个规则原子；
将所述多个规则原子按照逻辑关系进行结合，以确定所述推理规则。
4.一种知识的推理装置，其特征在于，包括：
构建单元，用于构建本体，其中，所述本体用于确定行业领域的公共知识，所述本体包括多个类别的实例集合及属性集合；
确定单元，用于根据所述本体中的多个类别的实例集合及属性集合确定推理规则，其中，所述推理规则用于确定所述公共知识的逻辑关系；
推理单元，用于根据所述推理规则进行推理，以得到新的知识。
5.根据权利要求4所述的知识的推理装置，其特征在于，所述构建单元具体用于：
确定所述本体的行业领域以及所述行业领域中多个类别及所述多个类别的属性集合；
获取每个类别的实例集合；
根据所述行业领域中多个类别的属性集合及每个类别的实例集合构建所述本体。
6.根据权利要求4所述的知识的推理装置，其特征在于，所述确定单元具体用于：
根据所述多个类别的实例集合确定多个变量参数，并根据所述多个类别的属性集合确定多个属性谓词；
根据所述多个变量参数及所述多个属性谓词确定多个规则原子；
将所述多个规则原子按照逻辑关系进行结合，以确定所述推理规则。
7.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如权利要求1-3任一项所述的知识的推理方法。
8.一种包含指令的计算机程序产品，其特征在于，当所述指令在计算机上运行时，使得所述计算机执行如权利要求1-3任一项所述的知识的推理方法。
9.一种知识的推理装置，其特征在于，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行如权利要求1-3任一项所述的知识的推理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811326422.2A CN109597877A (zh) | 2018-11-08 | 2018-11-08 | 一种知识的推理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811326422.2A CN109597877A (zh) | 2018-11-08 | 2018-11-08 | 一种知识的推理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109597877A true CN109597877A (zh) | 2019-04-09 |
Family
ID=65957928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811326422.2A Pending CN109597877A (zh) | 2018-11-08 | 2018-11-08 | 一种知识的推理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109597877A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191050A (zh) * | 2020-01-03 | 2020-05-22 | 中国建设银行股份有限公司 | 知识图谱本体模型构建的方法和装置 |
| CN111291132A (zh) * | 2020-01-14 | 2020-06-16 | 常州大学 | 面向智慧旅游的文物领域本体构建及分析方法 |
| CN112749996A (zh) * | 2021-01-29 | 2021-05-04 | 吉林大学 | 一种无人口红售货机的商品自动推荐方法及系统 |
| CN113407668A (zh) * | 2021-06-11 | 2021-09-17 | 武夷学院 | 一种针对认知关联能力训练的数据处理方法及装置 |
| CN113487032A (zh) * | 2021-07-15 | 2021-10-08 | 上海海洋大学 | 一种水产品haccp知识推理系统及方法 |
-
2018
- 2018-11-08 CN CN201811326422.2A patent/CN109597877A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191050A (zh) * | 2020-01-03 | 2020-05-22 | 中国建设银行股份有限公司 | 知识图谱本体模型构建的方法和装置 |
| CN111191050B (zh) * | 2020-01-03 | 2023-07-04 | 中国建设银行股份有限公司 | 知识图谱本体模型构建的方法和装置 |
| CN111291132A (zh) * | 2020-01-14 | 2020-06-16 | 常州大学 | 面向智慧旅游的文物领域本体构建及分析方法 |
| CN111291132B (zh) * | 2020-01-14 | 2024-04-02 | 常州大学 | 面向智慧旅游的文物领域本体构建及分析方法 |
| CN112749996A (zh) * | 2021-01-29 | 2021-05-04 | 吉林大学 | 一种无人口红售货机的商品自动推荐方法及系统 |
| CN112749996B (zh) * | 2021-01-29 | 2024-02-20 | 吉林大学 | 一种无人口红售货机的商品自动推荐方法及系统 |
| CN113407668A (zh) * | 2021-06-11 | 2021-09-17 | 武夷学院 | 一种针对认知关联能力训练的数据处理方法及装置 |
| CN113487032A (zh) * | 2021-07-15 | 2021-10-08 | 上海海洋大学 | 一种水产品haccp知识推理系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109597877A (zh) | 一种知识的推理方法及装置 | |
| CN108604236B (zh) | 语义物联网的restful操作 | |
| Pirró et al. | UFOme: An ontology mapping system with strategy prediction capabilities | |
| Harth et al. | On completeness classes for query evaluation on linked data | |
| CN110447025A (zh) | 在物联网中启用语义混搭 | |
| Klusch | Semantic web service description | |
| Spanoudakis et al. | A platform for context aware runtime web service discovery | |
| Cena et al. | Anisotropic propagation of user interests in ontology-based user models | |
| Andrea et al. | Mining Bayesian networks out of ontologies | |
| Novakovic et al. | A survey on business context | |
| Simperl et al. | A Semantically Enabled Architecture for Crowdsourced Linked Data Management. | |
| Viterbo et al. | Ambient intelligence: Management of distributed and heterogeneous context knowledge | |
| Zhu et al. | Context interchange as a scalable solution to interoperating amongst heterogeneous dynamic services | |
| Korolev et al. | Smart space applications integration: A mediation formalism and design for Smart-M3 | |
| Jaroucheh et al. | Mapping features to context information: Supporting context variability for context-aware pervasive applications | |
| Li et al. | Querying Fuzzy RDF Knowledge Graphs Data | |
| Campaña et al. | Semantic data management using fuzzy relational databases | |
| Chen et al. | A general knowledge mediation infrastructure for multi-agent systems | |
| Gómez et al. | A Query-By-Example Approach to Compose SPARQL Queries in the GF Framework for Ontology-Based Data Access | |
| Martínez et al. | The QOL approach for optimizing distributed queries without complete knowledge | |
| Dondi et al. | Dense subgraphs in temporal social networks | |
| Clear et al. | Integrating multiple contexts and ontologies in a pervasive computing framework | |
| Suchanek et al. | Towards an ontological representation of services in search computing | |
| Novakovic et al. | Applying business context to calculate subsets of business document standards | |
| Albertoni et al. | Context dependent semantic granularity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190409 |