描述逻辑在农业本体中的应用研究

耿凡凡 李绍稳 魏 同 沈 杰 徐 静

(安徽农业大学信息与计算机学院， 合肥 230036)



描述逻辑在农业本体中的应用研究

耿凡凡 李绍稳 魏 同 沈 杰 徐 静

(安徽农业大学信息与计算机学院， 合肥 230036)

为提升农业本体在农业服务方面的质量，提出了基于描述逻辑的农业本体推理方法。该方法采用基于描述逻辑的语义推理机制对农业本体知识进行阐述分析，并对农业本体中的隐含知识进行有效推理。以茶树虫害本体为例，研究了描述逻辑推理在农业本体领域的应用。

农业本体； 描述逻辑； 本体； 茶树虫害

农业信息化的快速发展使得传统农业更具信息化和智能化的特点。语义Web的出现使计算机能更好地理解人类的自然语言，解决了计算机在人工智能方面的许多局限性，同时也为现代农业实现信息化提供了手段。本体论作为语义Web的重要技术手段，为知识表示增添了新的方法与研究方向。农业本体是领域本体在农业领域的应用。农业本体[1-4]主要是由农业领域中的概念、概念间的关系以及计算机可以识别的形式化描述语言组成。它将农业概念，以及概念与概念之间的相互关系进行规范化描述，构建成农业领域的基本知识体系和描述语言。其构建概念明了，逻辑结构严谨，可以实现对农业类型资源的检索，增强农业领域资源之间的交互性。在本体的发展过程中，描述逻辑因其在描述面向对象知识以及知识逻辑推理方面有较强的表达能力与推理功能而被广泛研究与应用。通常知识表示是对基于逻辑形式的知识的描述，本体论则是以描述逻辑理论为基础对领域知识进行一系列的定义与表达。而描述逻辑知识系统不仅能构建描述逻辑知识库，还可以推理和检测其所表述的内容。

1 描述逻辑概述

描述逻辑[5-8]是一阶谓词的可判定子集，是一种面向对象的知识表示工具，描述逻辑是在概念和关系的基础上利用简单的谓词逻辑结构对结构化的对象进行表示与推理。

描述逻辑句法有3个要素：概念、关系和个体。概念是指描述个体集中所具有的相同特征；关系是表示2个对象之间的映射；个体通常是表示概念的实例。描述逻辑句法主要是通过构造一种规则将算子运用到概念间和关系中以构造复杂的概念。它先定义概念，然后用概念表征关系和属性，达到能对个体和对象进行表示的目的，从而增强领域知识的描述能力。一个描述逻辑系统通常有3个主要成分：描述逻辑语言、描述逻辑知识库以及推理机制。描述逻辑语言与推理机制提供TBox与ABox的描述与推理。TBox指包含概念和关系的术语公理集。蕴含公理形式为C⊆D(R⊆S)，表示“概念C包含于概念D(关系S包含关系R)”；等价公理形式为C≡D(R≡S)，表示“概念C等价于概念D(关系R和关系S等价)”；ABox指个体的实例化断言集，其2种形式分别是概念断言和关系断言。概念断言形式为概念断言C(m)，表示“m是概念C的一个个体实例”,关系断言形式为R(m,n)，表示“个体m和个体n之间存在关系R”。同时，TBox和ABox又构成描述逻辑系统的知识库KB=〈TBox，ABox〉。

利用描述逻辑推理，可以从知识库的显式包含知识中推导出一些隐含表示的知识，便于发现知识库中的不足，从而及时更正知识库。Tableaux算法[2]由Schmidt和Smolka首次提出，主要用于判定概念的可满足性问题，后又被扩展到ABox的一致性问题上。目前Tableaux算法已成为实现描述逻辑推理的最核心的标准算法。

Tableaux算法使用了标准否定形式。若C0是描述概念的标准否定形式，要检验C0的可满足性，可将ABoxA={C0(x0)}应用到Tableaux算法变换规则表进行规则转换后再进行推理。

如果没有转化规则可以应用于ABoxA，则这样的 ABoxA 集合称为完备的。对于完备的ABoxA集合，如果其中不含冲突，A 就是连续的，即C0是可满足的；反之，A 是不连续的，即C0是不可满足的。

描述逻辑推理应用在本体中可获得知识库中隐含的信息，比如概念间的分类情况以及潜在的推理信息[9-10]。在构造本体时，利用描述逻辑推理可以检测出层次结构是否合理，概念插入是否正确，概念的定义是否出现矛盾等问题，使得构建者能找出本体设计过程中可能会出现的错误，以此来保证知识描述的相对正确。在本体设计及维护阶段，这一过程至关重要。

2 应用研究

本体是共享概念的形式化规范说明[4]，本体模型是以描述逻辑为基础构建的。使用描述逻辑中的一阶谓词来描述本体中概念，二阶谓词描述关系，公理则可以使用相对应的一阶谓词和二阶谓词来表示，如公理Father⊆∃hasChild.Person可转化为谓词，表示(∀x)Father (x)→hasChild(x,y)∧Man(y)。可以看出，描述逻辑对领域知识的描述在实践中是可行的，且形式直观。描述逻辑推理机制对检验概念是否存在冲突、本体是否表示正确、能否挖掘出概念间隐含的层次关系，具有十分深远的意义。

本次研究以农业领域茶树虫害诊断系统为例(诊断系统框架如图1所示)，阐述描述逻辑推理应用于茶树虫害诊断系统的情况。使用本体搭建茶树虫害诊断系统，在研究开发时有2个关键环节：一是构建基于描述逻辑的茶树虫害本体；二是基于描述逻辑的知识推理。

2.1 茶树虫害本体构建

构建茶树虫害本体的意义在于将茶树虫害的危害部位、危害程度、危害方式、虫害的形态特征以及茶区分布等信息，按照专家诊断系统所需的信息联系起来，构建出茶树虫害知识领域本体，减轻专家诊断系统的开发工作，方便专家以及农户对茶树虫害进行科学诊断和防治。用描述逻辑的四元组将其表示为TeaPest_system=〈O,CO,TO,IO〉，其中：O表示本体中的构造算子集；CO表示本体中概念、关系以及属性集，如概念茶尺蠖“tea geometrid”，类属关系“subclass_of”，害虫长度属性“length”;TO表示本体描述逻辑知识库TBox中概念和关系的公理集，如概念描述油茶宽盾蝽PoecilocorislatusDallas≡Pest∩(∃hasMain_of.Hemiptera)∩(∃hasMain_of.Scutelleridae)∩(∃hasPart_of.Pest)；IO表示本体描述逻辑知识库ABox中概念和关系的断言集，如描述实例茶树害虫绿盲蝽危害茶的芽叶，为“Pest(Apolygus lucorμm)”、“Damage _parts(Buds leaf)”、“Harm(Apolygus lucorμm，Apolygus lucorμm)”。

图1 茶树虫害诊断系统框架图

使用Protege4.3构建茶树虫害本体，首先根据茶树虫害的生物学分类对茶树虫害知识进行整理，然后根据茶树虫害概念关系图对茶树虫害本体进行构建，将茶树害虫、危害茶树部位、茶区分布、害虫危害方式、害虫形态特征、生态防治方式、害虫天敌等定义为顶层类，再分别设置子类以及实例，根据茶树虫害本体顶层类的设置进行对象属性以及数据属性的构建。所构建的茶树虫害本体共计560类56属性960个实例，部分关系类、数据属性、对象属性结构如图2所示。

2.2 茶树虫害本体推理

本体构建工具Protege本身并不具有独立推理能力，但它可以提供构造描述逻辑的约束条件，也兼容第三方推理软件接口。描述逻辑推理需要以1种确定的规则进行推理，即以自身的充分必要条件为规则，因此需要对类给出约束条件。在构建描述逻辑本体时已作考虑，描述逻辑对茶树虫害本体中类的层次结构实施推理，将属于同一层次的类归在一起。“门”作第1层类，“纲”作第2层类，“目”作第3层类，“科”作第4层类，第5层类是害虫。对各个“科”进行Equivalent classes(充分必要条件)约束，比如对“盲蝽科”可以作“hasHarmMode only吸汁”条件约束；对各个害虫作必要条件约束，比如对“绿盲蝽”作“hasHarmMode only吸汁”条件约束。作了“hasHarmMode only 吸汁”约束的“绿盲蝽”类，虽然被归类于与“科”同层，是“目”的子类，但由内置推理机推理之后，“绿盲蝽”类又重分到“盲蝽科”的子类下。在Protege中解决了类、属性和约束条件后，打开推理机，单击Protege中的“Reasoner”菜单下的Classify选项，此时Protege会连接推理机，由推理机作出推理，并在Inferred class hierarchy中显示正确的推理结果。在Protege左侧视图中能看出推理之后的变化，推理前后分类对比图如图3所示。

图2 茶树虫害本体关系结构展示图

图3 推理前后分类对比图

最后，构建茶树虫害诊断系统。系统中加入基于描述逻辑的推理机制，从而将虫害本体中隐含的语义相关信息推理出，从而得到用户所需的信息。本次采用基于描述逻辑推理的方法，通过调用Jena包进行解析，之后使用通用规则推理机进行推理。其原理是将先写好的规则库文件加入到所构建的虫害本体库中，再对其进行推理。首先，从所构建的茶树虫害本体知识库里提取关键词；然后，在核心概念集合知识库中查找关键词并作出语义判断；最后，利用本体库里面的概念关系，在茶树虫害知识库中提取出使用者问题对应的知识，并将病虫害知识转化为使用者可领会的答案反馈给使用者。

以茶树虫害诊断系统为例，根据上述虫害本体构建原则选择茶树虫害发生的茶区以及危害方式进行诊断。比如，当选择广东茶区、危害方式为地下的茶树害虫时，我们将会得到所有发生在广东茶区，危害方式为地下的茶树虫害，然后再进行危害部位的诊断，从而缩小了茶树虫害的范围。按照此方法可以将茶树虫害发生的部位、发生的时间、防治的手段以及虫害的相关图片进行有效推理。采用描述逻辑与Protege所构建的茶树虫害本体，不但提高了对茶树虫害诊断的效率，同时也便于查询与管理茶树虫害的相关信息。

3 结 语

阐述了描述逻辑的基本知识以及描述逻辑推理机制在农业本体领域中的应用，探讨了在本体领域中使用描述逻辑知识体系的方法，且以茶树虫害为例构建本体诊断原型，介绍了描述逻辑的具体应用，为促进农业领域病虫害综合防治知识共享提供参考。

[1] 钱平,郑业鲁.农业本体论研究与应用[M].北京:中国农业科学技术出版社,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] 魏圆圆.基于本体论的农业知识建模及推理研究[D].合肥:中国科学技术大学,2011:27-59.

[5] 石莲,孙吉贵.描述逻辑综述[J].计算机科学,2006,33(1):194-197.

[6] 董明楷,蒋运承,史忠植.一种带缺省推理的描述逻辑[J].计算机学报,2003,26(6):729-736．

[7] 彭立.描述逻辑SHIF和SHIQ的ABox一致性判定算法研究[D].长沙:湖南大学,2013:25-54.

[8] 袁金平,鲍爱华,姚莉.语义技术及其逻辑基础[J].计算机工程,2008,34(24):194-196.

[9] 吴修国,曾广周,徐崇敬.基于描述逻辑的目标推理研究[J].计算机科学,2008,35(7):142-144.

[10] 江莉莉.描述逻辑在智能化信息检索中的应用研究[D].南京:南京航空航天大学,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

国家自然科学基金项目农业领域(茶学)“云本体建模理论与方法研究”(31271615)

耿凡凡(1991 — )，女，安徽农业大学在读硕士研究生，研究方向为人工智能、描述逻辑、本体。

李绍稳(1962 — )，男，教授，博士生导师，研究方向为数字农业、人工智能。

TP18

A

1673-1980(2016)05-0096-04