第２６卷第４期２００９年４月
计算机应用研究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖ０１．２６Ｎｏ．４
Ａｐｒ．２００９
基于本体的案例推理模型研究
谢红薇，李建伟
（太原理工大学计算机与软件学院，太原０３００２４）
摘要：提出了基于本体的案例检索及相似性评估方法和基于本体的案例适配模型。使得ＣＢＲ（ｃａｓｅ．ｂａｓｅｄ
ｌｅａ．
ｓｏｎｉｎｇ）系统的开发可在语义层次上进行相似性评估和案例适配，这样得到的结果更能反映用户的真实需求；并且ＣＢＲ所需要的领域知识可从本体中获取，大大降低了传统ＣＢＲ系统中知识获取的瓶颈。最后在此基础上，提出了基于本体的ＣＢＲ系统模型框架，从软件复用的角度提高了ＣＢＲ系统的开发效率。关键词：本体；案例推理；语义相似性；案例适配；模型
中图分类号：哪ｌ
文献标志码：Ａ文章编号：１００１．３６９５（２００９）０４．１４２２．０３
Ｒｅｓｅａｒｃｈｏｆｃａｓｅ—ｂａｓｅｄｒｅａｓｏｎｉｎｇｍｏｄｅｌｂａｓｅｄ
ＸＩＥＨｏｎｇ—ｗｅｉ，ＬＩ
ｏｎ
ｏｎｔｏｌｏｇｙ
Ｊｉａｎ—ｗｅｉ
ｏｆＴｅｃｈｎｏ／ｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｃｈ／ｎａ）
ａｃａｓｅ
（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＥｎａｉｎｅｅｒｉｎｇ＆Ｓｏｆｔｗａｒｅ，Ｔａｉｙｕａｎ
Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄ
ｂａｓｅｄｏｎｏｎｔｏｌｏｇｙ．ｗｈｉｃｈｍａｄｅｔｈｅＣＢＲａｐｔａｔｉｏｎ．ＴｈｅｒｅｓｕｌｔａｐｐｌｉｃａｔｉｏｎｓｂａｓｅｄＫｅｙ
ｍｅｔ
Ｕｎｉｖｅｒｓｉｔｙ
ｃ黜ｒｅｔｒｉｅｖａｌ
ａｎｄｓｉｍｉｌａｒｉｔｙａｓｓｅｓ８ｍｅｎｔｕｓｉｎｇｏｎｔｏｌｏｇｙａｎｄｐｒｅｓｅｎｔｅｄａｄａｐｔａｔｉｏｎｍｏｄｅｌ
ｓｙｓｔｅｍ
ｃｏｕｌｄｂｅｄｅｖｅｌｏｐｅｄｉｎｔｈｅｓｅｍａｎｔｉｃｌｅｖｅｌｆｏｒｓｉｍｉｌａｒｉｔｙａｓｓｅｓｓｍｅｎｔａｎｄ
ｔｏ
ｃａ鸵ａｄ—
ｔｈｅｎｅｅｄｓｏｆｕｓｅｒｓ
ｂｅｔｔｅｒ．Ｍｏｒｅｏｖｅｒ．ｏｎｔｏｌｏｇｙａｌｌｏｗｅｄｔｈｅｋｎｏｗｌｅｄｇｅｅｎ画ｎｅｅｒ
ａ
ｕ鸵ｋｎｏｗｌｅｄｇｅ
ａｌｒｅａｄｙａｃｑｕｉｒｅｄ，ｒｅｄｕｃｉｎｇｃｏｎｓｉｄｅｒａｂｌｙｔｈｅｋｎｏｗｌｅｄｇｅａｃｑｕｉｓｉｔｉｏｎｂｏｔｔｌｅｎｅｃｋ．Ｆｉｎａｌｌｙ，ｐｒｏｐｏｓｅｄ
ｏｎ
ｆｒａｍｅｗｏｒｋｄｅｖｅｌｏｐｉｎｇＣＢＲ
ｏｎｔｏｌｏｇｙ，ｗｈｉｃｈｉｍｐｒｏｖｅｄｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｄｅｖｅｌｏｐｍｅｎｔｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆ８０ｆｔｗａｇｅｒｅｕｓｅ．
ｗｏｒｄｓ：ｏｎｔｏｌｏｇｙ；ＣＢＲ（ｃａ８ｅ—ｂａｓｅｄｒｅａｓｏｎｉｎｇ）；ｓｅｍａｎｔｉｃｓｉｍｉｌａｒｉｔｙ；ｅａｓｅａｄａｐｔａｔｉｏｎ；ｍｏｄｅｌ
基于案例推理（ＣＢＲ）是问题求解与学习相结合的一个范例，近年来已发展成为最成功应用的人工智能子领域。它的最初提出基于这样一种观点：问题是重复发生的，即新问题与以前遇到的问题经常是相似的，所以过去的解决方案或许可以解决当前问题。然而，目前的ＣＢＲ系统大多是用静态的框架来描述案例，存在着难以扩展、可重构性和学习性差等缺点；并且在相似性评估环节，最常用的相似性评估方法是通过加权的海明距离和欧几里德距离反函数来计算两个案例的相似度…。除了以上两种最常用的算法，文献［２］还提出了曼哈顿距离、无限模距离、最近相邻、对比函数等算法。但所有这些相似性度量方法，只考虑了有确定属性值的情况，或者将模糊属性简单地与确定性属性同等处理。以这种度量方式计算案例间的相似度进行案例搜索、匹配的ＣＢＲ系统处理复杂问题时，不仅效率低，而且得到的结果也是难以令人满意的。而本体具有较强的知识表达能力和支持较强的推理能力，方便了知识密集型ＣＢＲ（ｋｎｏｗｌｅｄｇｅ
ｉｎｔｅｎｓｉｖｅ
确的结果。
ＣＢＲ与本体的结合不仅体现在相似性评估上，在案例适配过程中本体同样具有重要的作用。本体支持可重用的、丰富的语义适配方法。在下面提出的模型中，适配方法是可重用的，因为它们只依赖于本体具体知识模型；而以前的ＣＢＲ系统是依靠内嵌的适配知识（以适配规则的形式），这种情况下系统必须决定包含哪些规则。然而ＣＢＲ经常被用于那些理解并非很透彻或者很难把规则代码化的领域，并且没有统一的适配规则，常用的直接按比例适配方法只是简单的数值属性的比例适配，很难满足复杂的情况。相比之下，基于本体的适配方法从语义关系层次进行适配就显现出了明显的优势。１
ＣＢＲ与本体的结合
１）本体作为ＣＢＲ系统词汇
对于案例词汇，一种直接的表达方式就是使用领域本体以
ＣＢＲ）系统旧’４１的开发，
面向对象的方式来表示，即概念对应类、个体对应对象，而关系对应于描述对象的属性（可分为数据类型属性和对象属性）。案例结构可用本体中的类来定义，如ｄｅｓｔｉｎａｔｉｏｎ（目的地）概念可看做一个类，而这个类的实例可以是Ｂｅｉｊｉｎｇ、Ｓｈａｎｇｈａｉ、Ｇｕａｎ．ｇｚｈｏｕ等。同样，对于查询词汇，也可使用本体来定义。且可表达更丰富的查询，这样用户便能更好地表达自己的需求。在相似性评估环节，本体可在语义层次上填补查询术语和案例术语之间的缺口。
例如，在旅游领域的一个案例库中，“目的地”的属性值可
并且本体的使用能够从语义和知识层次上描述信息系统的概念模型，具有可重用、可共享、可进化等优点。基于此，在本文中使用了本体来组织、表达和检索案例，这样可以充分利用本体的推理机制来解决ＣＢＲ中的一些任务。
虽然在一个ＣＢＲ系统中主要的知识源是以前的经验集（案例），但是在实际应用中，可以把案例所表达的具体知识与一般的领域知识模型（可用本体表示）进行整合，这样基于本体的案例推理过程可以充分利用这种领域知识来获得更加精
收稿日期：２００８・０７—１７；修回日期：２００８．１０．２６
基金项目：山西省自然科学基金贵助项目（２００５１０３５）
作者简介：谢红蕞（１９６２一），女．中国计算机学会会员，高性能计算专委会委员，教授，博士研究生，主要研究方向为人工智能、并行计算（ｘｉｅ－ｈｏｎｂ，ｗｅｉ＠．ｆｆｕｔ．ｅｄｕ．ｅｎ）；李建伟（１９８１一），硕士研究生．主要研究方向为人工智能、语义罔．
万方数据
第４期谢红薇，等：基于本体的案例推理模型研究
・１４２３・
以是中国、西班牙、日本等国家或城市。设想ｃｚｌＢｅ（ｉ）的目的地属性值是“中国”，若使用本体词汇来组织案例就不用限制查询词必须是同样的值，而是允许更宽的查询。例如：
查询１我想到北京旅游查询２我想去亚洲观光查询３我想到中国
在这兰个查询中可使用图ｌ所示的本体找到ｃａｓｅ（ｉ）是合适的候选项。下面所描述的相似性评估则能计算出ｃａｓｅ（ｉ）是否是上述查询最好的候选项。
２）基于本体的案例检索
在案例检索中，相似性评估是一个很重要的推理环节，用于度量查询和检索到的案例的相似程度。若使用本体知识，本体中的概念层次结构及相互关系就会对相似性评估产生有益的影响，类层次结构包含了对象间相似程度的知识。本文中定义和使用了基于本体的案例相似性度量函数。一般来说．两个结构化案例的相似性分两个层次，即全局和局部。局部相似性即各简单属性间的相似性，而全局相似性是各简单属性的加权平均值，也称做平均相似性，可用下面的公式计算：
ａｖｅｒａｇｅＳｉｎｆｉｌａｒｉｔｙ＝∑ＩｏｅａｌＳｉｍｉ（ｆ）×ｗｅｉｇｈｔ（Ｏ／善ｗｅｉｇｈｔ（￡）’
其中：ｎ为简单属性的个数；ｌｏｃａｌＳｉｍｉ（ｉ）表示案例间第ｉ个简单属性间的相似度（０—１的某个值）；ｗｅｉｇｈｔ（ｉ）表示第ｉ个属性的权重。
局部相似性度量使用了基于本体的概念相似性度量标准。基于本体的相似性度量从不同的角度可有多种方法，本文定义了如下两种：
ｄｅｅｐ＿Ｓｉｍｉ（ｃｉ，ｑ）＝
ｍａｘ（ｄｅｐｔｈ（ｃｏｍｍｏｎＳｕｐｅｒ（ｃ一，ｃＪ）））／蹁（ｄ神（Ｃ１））（１）
、
ｃｏｓｉｎｅ
Ｓｉｍｉ（ｃｆ，。ｆ）＝Ｉｓｕｐｅｒ（ｃＩ，Ｃ）ｓｕｐｅｒ（。，．Ｃ）Ｉ／
／ｌｓｕｐｅｒ（ｑ，ｃ）Ｉ×／Ｉｓｕｐｅｒ（ｅｊ，Ｃ）Ｉ
（２）
其中：∞为本体中的概念集；ｓｕｐｅｒ（ｃ，Ｃ）表示概念ｃ的超概念
集；ｅｏｍｍｏｎＳｕｐｅｒ（ｃ‘，勺）表示两个体Ｃ‘、。，共同的超概念集；ｄｅｐｔｈ（ｃ）表示概念Ｃ的深度。
这里以去某地旅游为例（此处仅以“目的地”属性的相似性为例），ｄｅｓｔｉｎａｔｉｏｎ本体结构简图如图１所示。图１是在本体编辑器Ｐｒｏｔ６９６中绘出的。其中ｉ船箭头表示概念（类）；ｉｏ箭头表示个体（实例）。
图１目的地奉体简图
式（１）是从概念及两个体共同超概念在层次结构中的深度来度量。一般来说，此公式用在共同超概念的深度与本体层次最大深度差别不大的情况下较为精确。例如在图ｌ中，Ｍａ—ｄｒｉｄ和Ｐａｒｉｓ共同的超概念是ｄｅｓｔｉｎａｔｉｏｎ及Ｅｕｒｏｐｅ，而在共同的超概念ｄｅｓｔｉｎａｔｉｏｎ和Ｅｕｒｏｐｅ中，Ｅｕｒｏｐｅ在图ｌ所示的层次结构
万
方数据中深度最大，为２，即此公式计算的分子；分母是本体中所有类的最大深度，为４（个体非类，不计入其中），此为表１中得出的值１／２０式（２）从向量空间模型的角度通过两个体共同的超概念（类）的个数来度量相似度。相对式（１）来说，式（２）综合考虑了自身超概念的数量及共同超概念的数量，适用的情况更为普遍一些。例如在图１中，个体Ｍａｄｒｉｄ的超概念有三个，Ｄｅｓｔｉ—ｎａｔｉｏｎ、Ｅｕｒｏｐｅ和Ｓｐｍｎ；Ｐａｒｉｓ的超概念有三个：Ｄｅｓｔｉｎａｔｉｏｎ、Ｅｕ—ｒｏｐｅ和Ｆｒａｎｃｅ；Ｍａｄｒｉｄ和Ｐａｒｉｓ共同的超概念则是ｄｅｓｔｉｎａｔｉｏｎ和Ｅｕｒｏｐｅ，为２，此即表１中得到值２／３。。
表ｌ是根据相似性函数式（１）（２）计算出的目的地属性的相似度。
表１
目的地属性的相似度值
３）基于本体的案例适配
本文利用描述逻辑的推理机制定义了基于本体的模型和基于替代的适配方案。替代的定义如下：若依赖关系ｄｅｐｅｎｄｓＯｎ（ｚ，，ｉ：）成立，当ｉ．被另外一个值ｉ”。代替时，为了使关系ｄｅｐｅｎｄｓ（ｈａ（）仍然成立，必须找到如的代替物以。因此需要在知识库中声明以与ｉ”，的关系应与ｉ：与ｉ，的关系相似。
为了说踢这种方法，此处以ＣＢＲ病例解释系统为例进行描述。ＬｉＨｕａ是一位健康的大学篮球运动员，出乎意料心脏病突发死亡。为了找出病因，此解释系统可从案例库中找到
ＷａｎｇＪｕｎ的案例，ＷａｎｇＪａｎ是一位长跑运动员，同样也是身体
健康，但是长跑之后意外死于心脏病突发；事后，医生发现
ＷａｎｇＪａｎ有一未被检测到的心脏病缺陷，最后医生给出的推
断是：长跑给心脏施加了过度的压力，导致心脏病突发。这种
解释已被存于ＣＢＲ病例解释系统案例库。基于ＷａｎｇＪｕｎ的案例，此解释系统可能会假定ＬｉＨｕａ也有一个以前未被检测到的心脏缺陷，长跑施加过度压力．导致心脏病突发死亡；然而
Ｌｉ
Ｈｕａ并不是一个长跑运动员，而是一篮球运动员，此系统发
现了这种冲突，它将会寻找一个更适合于ＬｉＨｕａ的解释（替代），而这种替代应与长跑履行同样的角色。在基于本体的适配模型中（图２），这种依赖关系已被声明：ＷａｎｇＪｕｎ通过角色ｐｌａｙ．ｒｏｌｅ—ｄｏｅｓ连接到Ｊｏｇｇｉｎｇ，而ＬｉＨｕａ通过同样的角色与ｗｉｎｄ．ｓｐｒｉｎｔ（疾跑）相关。解释系统就会从该本体模型中找到Ｊｏｇｇｉｎｇ最好的替代试ｎｄ—ｓｐｒｉｎｔ。最终系统将给出这样的解释：
Ｌｉ
Ｈｕａ由于做ｗｉｎｄ．ｓｐｒｉｎｔ运动导致心脏病突发。
盔，善ｌａｙ－ｒｏｌｅ．．．．．琢一－ｄｏｅｓ－、＼．器音目一，由州ｅ、［—ｂａｓｋｅｔｂａｌＬｌ
、＼≤氏
ｐｌａ—ｙｅｒ］。抽’石三壶习
田２本体适配模型例图
２基于本体的案例推理模型框架（Ｍ—ＯＮＣＢＲ）
从头开始开发一个ＣＢＲ应用将是一份非常繁重的工作，然而，如果能把以前开发的性能良好的一些部件和推理方法加以重用，将大大提高开发效率。从这个观点出发，在上述讨论
・１４２４・
计算机应用研究
第２６卷
本体与ＣＢＲ结合的基础上，本文提出了一个开发ＣＢＲ应用的模型框架。由于框架可以整合以前的开发成果，并为以后的实际开发提供一般的开发流程和接口，从这两方面来讲，都很好地支持了软件工程学中的软件重用的思想。
由于Ｊａｖａ技术开源及跨平台等优点，Ｍ．ＯＮＣＢＲ的具体实现可选用Ｊａｖａ技术。另外，Ｊｅｎａ是最新的功能强大的本体操作及推理工具包，也是基于Ｊａｖａ技术实现，所以框架中本体操作及推理部分可结合Ｊｅｎａ技术。
关于框架的定义已有不少．引用最多的是下面的定义：框架，是一个类的集合，为一系列相关问题的解决提供了一个抽象的设计峰Ｊ。换句话说，框架是为一给定问题域的应用提供了一个部分的设计与实现，对软件开发来说，框架的使用有许多优点：
ａ）模块化。模块间的松耦合性使得设计和实现的改变导致的影响局部化，提高了软件的质量。
ｂ）可重用性。充分利用领域知识和以前的开发成果，而不是重新开发一套解决方案，提高了编程效率，改善了软件的质量、性能、可靠性和互操作性。
ｃ）可扩展性。使实现能够继承稳固的接口，增强了可扩展性。
。
在ＣＢＲ领域，很多人做出了巨大努力，也提出了一些开发ＣＢＲ系统的基本框架和工具，如ＣＢＲ－Ｔｏｏｌ峥１、Ｏｒｅｎｇｅ。＂１１、ＣＡＴ・ＣＢＲｆ８】、Ｊｃｏｌｉｂｒｉ［９１；在机器学习和数据挖掘领域，也开发了一些ＣＢＲ推理可用的方法库，如ＭＬＣ４－＋、Ｗｅａｋ等。在吸收众多经验的基础上，本文提出了基于本体的案例推理模型Ｍ・ＯＮＣＢＲ。
从Ｍ．ＯＮＣＢＲ的体系结构图（图３）可以看出，此模型主要分为三层，即持久层、接口层和逻辑推理层。
图３
Ｍ—ＯＮＣＢＲ模型结构
下面分别介绍各层的功能及其实现。１）持久层（ｓｔｏｒａｇｅｌａｙｅｒ）
它是案例的持久化存储位置，
可以是数据库、文本文件或描述逻辑本体。根据知识的种类不同可同时选择某几种方式。案例表达方法可有多种，即最一般的（属性—值）、结构化表示法、基于框架的表示法、面向对象表示法和语义网络法。
２）连接器（∞ｎ．ｅｃｔｏｒ）
Ｃｏｎｎｅｃｔｏｒ是一个接口，是接口层
的主要部件，负责访问和检索持久层的案例，并且以一个统一的方式把案例返回到ＣＢＲ系统；针对不同的存储媒体可有具体的实现ｃｏｎｎｅｃｔｏｒ接Ｉ＝１的类。根据案例持久化存储的三种主要方式（关系数据库、本体库、文本文件），下面将阐述其相应的访问方式及其技术实现：．
ａ）ＤＢＣｏｎｎｅｃｔｏｒ关系数据库连接器。用于访问关系数据库
万
方数据的案例，由于本框架是基于Ｊａｖａ技术的，可充分利用Ｊ２ＥＥ最新的核心技术ＪａｖａＢｅａｎ和Ｈｉｂｅｒｎａｔｅ。关系数据库的案例可用ＪａｖａＢｅａｎ来表达。ＪａｖａＢｅａｎ是一Ｊａｖａ类，对每一个ｐｕｂｌｉｃ属性
都有相应的鲥（）和ｓｅｔ（）方法，它的修改和管理可由称做Ｉｎ・
ｔｒｏｓｐｅｃｆｉｏｎ的Ｊａｖａ技术自动执行。现在的Ｊａｖａｗｅｂ开发大多
使用了ＪａｖａＢｅａｎ技术，而案例的持久化可通过Ｈｉｂｅｒｎａｔｅ包进
行管理。Ｈｉｂｅｒｎａｔｅ是Ｊａｖａ数据对象（ＪＤＯ）的一具体实现，可自动存储ＪａｖａＢｅａｎ到关系数据库；同时它还支持ＸＭＬ作为存储媒体，并提供了一些工具来支持数据持久化映射。Ｈｉｂｅｒｎａｔｅ也提供了一标准的查询语言，可用来表达ＣＢＲ查询。
ｂ）ＯｎｔｏＣｏｎｎｅｃｔｏｒ本体连接器。用于访问存储在本体中的知识。Ｊｅｎａ是基于Ｊａｖａ语言的语义网开发工具，它为处理ＲＤＦ图提供了用于Ｍｏｄａｌ类的ＡＰＩ。使用这些ＡＰＩ，用户可以选择将ＲＤＦ图存储在内存中或者是持久化存储（文件或数据库方式）。新版本的Ｊｅｎａ２支持基于ＲＤＦＳ和ＯＷＬ等语义推理，并提供了相应的ＡＰＩ工具包，所以本层的实现主要是基于Ｊｅｒｍ工具包。
ｃ）ＴｅｘｔＣｏｎｎｅｃｔｏｒ。由于许多经验是以文本（如网页）的形式存在的，实现文本案例的访问具有重要意义。这一层的实现首先是使用信息提取方法（ｉｎｆｏｒｍａｔｉｏｎ
ｅｘｔｒａｃｔｉｏｎ
ｍｅｔｈｏｄｓ）来获
取文本中的信息，然后采用一结构化的方式表达案例。这样就可以用普通的ＣＢＲ方法（如ｎｅａｒｅｓｔ
ｎｅｉｇｈｂｏｒ
ｓｉｍｉｌａｒｉｔｙ）进行推
理，所以文本信息的提取是这一层的关键。这里，此模型借助了ＯｐｅｎＮＬＰ【Ｉ训工具包。ＯｐｅｎＮＬＰ库提供了一些实现最大熵算法的方法。最大熵算法在文献［“］中已被证明是处理复杂分类任务很好的方法，目前已经被实现和用于自然语言处理。ＯｐｅｎＮＬＰ分为独立的一些层，可以分别执行虚词移除、句子感知、语法检测、特征和词组提取等功能。这些层相互间没有依赖关系，可以独立使用。ＴｅｘｔＣｏｒｍｅｃｔｏｒ层的实现主要是基于ＯｐｅｎＮＬＰ技术对文本内容进行提取。
．
３）案例的内存组织（ｉｎ—ｍｅｍｏｒｙ）
通过ｃｏｎｎｅｃｔｏｒ对象连
接到具体的案例持久层，案例就被加载到内存，这时就需用一数据结构来组织案例。一个好的数据结构将使效率大大提高ｊ针对具体的案例结构案例库的组织可选用线性表、ｋ－ｄ树等。
４）逻辑推理层（ｒｅａｓｏｎｉｎｇｌｏｇｉｃ）
这一层是ＣＢＲ推理过
程中相关算法的具体实现，主要是相似性算法及适配算法。根据应用的需要可实现其具体的算法，如传统的基于数据库、ＩＤ３决策树ｋ－ｄ树的案例检索算法¨２１等。本文前部分介绍的两种
基于本体的相似性评估方法及基于本体模型的替代方法也是在这一层得以实现。
３结束语
案例推理技术是迅速发展起来的人工智能的一个子领域，而基于本体的知识表示是语义推理的前提和基础，案例推理与本体技术的结合是ＣＢＲ发展的趋势。本文主要阐述了本体在案例检索、案例适配方面所表现出的明显优势。在此基础上提出了一个基于本体的案例推理模型框架Ｍ．ＯＮＣＢＲ，并分析了各模块的实现方法。此框架具有一般框架的优点，从软件复用的角度提高了开发效率。
（下转第１４３１页）
第４期
ｔｉｏｎａｌ
陈洪辉，等：一种基于服务的态势信息订制分发方法
・１４３ｌ・
Ｒｏｓｅ对其用例建模，如图７所示。在图中，服务和用例
既有区别又有联系，服务是特殊的用例，用例是服务的泛化。为了简单起见，这里专注于态势信息的订制与分发，对于态势信息的数据清理服务、数据发布服务不作为用例图的内容。同时为了体现态势信息订制分发的完整性，加入了态势图形化显示部分和用户注册部分。态势信息生产者在充当态势信息源的同时也是一个态势信息用户，所以态势信息生产者与态势信息用户之间是父子关系。
４结束语
对于基于服务的态势信息订制分发方法来说，如何运用服务的思想来改进态势信息订制分发是最为核心的。本文所体现的工作是基础性的，在网络中心条件下的态势信息主题订制分发中，还有诸如主题编纂、分发策略、数据清理、负载均衡、抗毁性与可靠性、动态管理等问题需要进一步深入研究；另外，在服务网络中，进行网络服务挖掘和主动服务也是未来军事电子信息系统的重要研究方向。参考文献：
统
［１】ＤＯＤｎｅｔ．ｃｅｎ击ｃ
ｄａｔａ
ｓｔｒａｔｅｇｙ［Ｒ］．２００３．
【２］马建刚．黄涛．汪锦岭，等．面向大规模分布式计算发布订阅系统
核心技术［Ｊ］．软件学报，２００６，１７（１）：１３４・１４７．［３］ＴＯＬＫ
图７基于服务的态势信息订制分发用例图
Ｄｒ．ＡＮＤＲＥＡＳ，ＢＬＡＩＳＣ
Ｌ
Ｔａｘｏｎｏｍｉｏｓ，ｏｎｔｏｌｎｇｉ髑，ａｎｄｂａｔｔｌｅ
ｆｏｒ
ｔｈｅ
ｍａｌｌａｇｅＭｔ
ｍｉｏｓ０１．啡
［４］ＨＩＥＢ
Ｍ
ｌａＩｌｌ弘ａｇ∞－ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ
ｅｏａｌｉｔｉ６ｎＢＭＬ
ｓｔｕｄｙ
ｇｒｏｕｐ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．Ⅷａ船ｅｄｕ．ｅｄｕ／ｐｕｂｓ／ｔｏｌｋ—Ｍｏｎｏ－
ＷＰ，税ａ１．ＥｘｔｅｕｓｉｂｌｅＩｍｔｄｅ
原型系统中采用的数据模型如图８所示。Ｓｉｔｕａｔｉｏｎｌｎｆｏｒ－ｔｌｌａｔｉｏｎ表示态势信息类，这个类包含着每个态势信息的基本属性特征；ＲｅｃａｏｒｄｌＤ是其主键和态势信息的惟一标志码；Ｏｂｊ・Ｔｙｐｅ是态势信息对象类型类，对应于不同的战场作战单元；Ｔａｇｓ是态势信息标签类，说明态势信息描述特征；Ｃｌａｓｓｆｉｅａｔｉｏｎ－Ｌｅｖｅｌ是态势信息密级类；Ｕｓｅｒｓ是用户类；Ｌｏ＃ｎＵｓｅｒｓ是登录用户类；Ｐｏｌｉｃｙ是态势信息订阅策略类。
Ｒ，ＴＯＬＫＡ，ＳＵＤＮＩＫＯＶＩＣＨ
ｍａｎａｇｅｍｅｎｔｍａｎｄ
ｌａｎｇｕａｇｅ（ＸＢＭＬ、ｔ
ａ
ｍｅｔｈｏｄｏｌｏｇｙｆｏｒＷｅｂｅｎａｂｌｉｎｇ
ｃ㈣一
ａｎｄ
ｃｏｎｔｒｏｌｆｏｒｎｅｔｗｏｒｋｃｅｎｔｒｉｃ
ｗａｒｆａｒｅ［Ｃ］／／ＰｒｏｃｏｆＩＣＣＲＴＳ
２００４．Ｓａｎ
Ｄｉｎｇｏ，Ｃａｌｉｆｏｒｎｉａ：［ｓ．ｎ．］，２００４：１５－１７．
Ｍ
［５］ＭＡＴＨＥＵＳＣＪ，ＫＯＫＡＲ
ｓｉｔｕａｔｉｏｎ
Ｍ，ＢＡＣＬＡＷＳＫＩ
ｏｆｔｈｅ６ｔｈ
Ｋ．Ａ
ＣＯｌ＇ｌ，ｏｎｔｏｌｏｇｙ
Ｃｏｎｆｅｒｅｎｃｅ
ｆｏｒ
Ｏｎ
ａｗａＪｔｎｅｓ。［Ｃ］／／Ｐｍｃ
Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｉｎｆｏｒｍａｔｉｏｎ
Ｆｕｓｉｏｎ．Ｃａｉｒｎｓ：［ｓ．ｎ．］．２００３：５４５．５５２．
Ｍ
Ｋ，ＯＢＲＳＴ
Ｌ
［６】ＳＥＭＹ
ＳＫ，ＰＵＬＶＥＲＭＡＣＨＥＲＪ．Ｔｏｗａｒｄ
ｔｈｅ
Ｉ№ｏｆ
柚ｕｐｐｅｒｏｎｔ０１％，ｙｆｏｒＵ．Ｓ．ｇｏｖｅｒｎｍｅｎｔａｎｄ
Ｕ．Ｓ．ｍｉｌｉｔａｒｙ
ｄｏｍａｉｕｓ：ａｎ
ｅｖａｌｕａｔｉｏｎ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｍｉｔｒｅ．ｏｔＷ＇ｗｏｒｋ／ｔｅｅｈ—ｐａｐｅｒｓ／
ｔｅｃｈ＿ｐａｐｅｒｓ＿０５／０４——１１７５．
［７】Ｊｏｉｎｔ
ｂａｔｔｌｅｓｐａｃｅ
ｉｎｆｏｓｐｈｅｒｅ（ＪＢＩ）：ｉｎｆｏｒｍａｔｉｏｎｍａｎａｇｅｍｅｎｔｉｎ
ａｎｅｔ—
ｃｅｎｔｒｉｅ
ｅｎｖｉｒｏｎｍｅｎｔ［Ｒ］．２００６．
Ｄ．Ｉｎｆｏｒｍａｔｉｏｎｍａｎａｇｅｍｅｎｔ
ｓｅｒｖｉｃｅｓ‘ｐｗｄｄｅｄｂｙ
ｔｈｅ
［８］ＭＥＲＲＩＬＬ
图８态势信息订制分发数据模型
ｂａｔｄｅｓｐａｃｅ
Ｄｅｆｅｎｓｅ
ｊｏｉｎｔ
ｉｎｆ０６ｐｈｅｒｅ（ＪＢＩ）ｍｅｒｃｕｒｙｉｎｉｔｉａｔｉｖｅ［Ｃ】／／Ｐｒｏｃ
Ｓｅｃｕｒｉｔｙ
ｏｆＳＰＩＥ
原型案例表明，基于服务的态势信息订制分发要比单纯态势信息主题订制分发更加直观，用户可以得到更加符合其需求的态势信息，其可扩展性更好，并在一定程度上提高态势信息分发效率。
ａｎｄ
Ｓｙｍｐｏｓｉｕｍ２００５．Ｂｅｌｌｉｎｇｈａｍ：［Ｓ．ｎ．］．２００５：
‘
３０６—３１４．
［９］谢希仁．计算机网络［Ｍ］．４版．北京：电子工业出版社，２００３：２２３・
２２９．
（上接第１４２４页）
ｔｈｅ６ｔｈＧｅｒｍａｎ
Ｗｏｒｋｓｈｏｐ
ｏｎ
Ｃａｓｅ—ｂａｓｅｄＲｅａｓｏｎｉｎｇ．１９９８．
ｏｐｅｎ
ｐｌａｔｆｏｒｍ
ｆｏｒ
ｋｎｏｗｌｅｄｇｅ
０１１
参考文献：
［１】史忠植．高级人工智能［Ｍ］．北京：科学出版社，１９９８：９０—９３．［２】ＧＵＰＴＡ
ＫＭ，ＭＯＮＴＡＺＥＭＩ
Ａ．Ｅｍｐｉｒｉｃａｌ
［７】ＳＣＨＵＭＡＣＨＥＲＪ．Ｅｍｐｏｌｉｓｏｒｅｎｇｅ：Ｓｆｌ
ｍａｎａｇｅｍｅｎｔ
ａｐｐｌｉｃａｔｉｏｎｓ［Ｃ］／／Ｖｒｏｃｏｆｔｈｅ
Ｉｓｔ
ＧｅｒｍａｎＷｏｒｋｓｈｏｐ
ｅｖａｌｕａｔｉｏｎ
ｃｏｓｉｎｅ
ｏｆｒｅｔｒｉｅｖａｌｉｎ
ｆｕｎｃｔｉｏｎ
ＥｘｐｅｒｉｅｎｃｅＭａｎａｇｅｍｅｎｔ．２００２：６１—６２．
∞８ｅ・ｂａｓｅｄ
ｒｅａｓｏｎｉｎｇｓｙｓｔｅｍｓｕｓｉｎｇ
ｍｏｄｉｆｉｅｄ
ｍａｔｃｈｉｎｇ
［８］ＡＢＡＳＯＬＯＣ，ＰＬ＾ｚＡＥ．ＡＲＣＯＳＪＬ．Ｃｏｍｐｏｎｅｎｍｆｏｒ
ｓｏｎｉｎｇｓｙｓｔｅｍｓ［Ｃ］／／Ｐｒｏｃ
Ｔｏｐｉｃｓ
ｉｎＡｒｔｉｆｉｃｉａｌ
ｏｆｔｈｅ
ｃ蛳－ｂａｓｅｄ
ｔｅａ－
［Ｊ］．ＩＥＥＥＴｒａｎ￥ＯＤＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓ，Ｐａｒｔ，Ａ：
Ｓｙｓｔｅｍｓａｎｄ
５ｔｈＣａｔａｌｏｎｉａｎＣｏｄｅｍｎｃｅ∞ＡＩ：
Ｈｕｍａｎｓ，１９９７，２７（５）：３５—４２．
Ｂ，ＧＯＮＺＡＬＥＺ－ＣＡＬＥＲＯＰ
０ｆｔｈｅ６ｔｈ
Ａ．ＫｎｏｗｌｅｄｇｅｉｎｔｅｎｓｉｖｅＵＫ
Ｉｎｔｅｌｌｉｇｅｎｃｅ．Ｌｏｎｄｏｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌｎｇ。２００２：ｌ一１６．
Ｐ，嚣
【３】ＤＩＡＺ－ＡＧＵＤＯ
ＣＢＲ
［９】ＲＥＣＩＯ—ＧＡＲＣＩＡＪＡ，ＤｔＡＺ—ＡＧＵＤＯＢ，ＧＯＮＺＡＬＥＺ—ＣＡＬＥＲＯ
以Ｏｎｔｏｌｏｇｙｂａｓｅｄ
ＣＢＲｗｉｔｈ
０１１
ｔＩＩｒｏｎｇｈｏｎｔｏｌｎｇｉ髑［Ｃ］／／ＰｒｏｅＣＢＲＷｏｒｋｓｈｏｐ
０１１
ＪＣＯＬＩＢＲＩ［Ｃ］／／Ｐｒｏｃ
ｏｆｔｈｅ２６ｔｈｓＧＡＪ
Ａｐｐｌｉｃａｔｉｏｎｓ
Ｃａｓｅ・ｂａｓｅｄＲｅａｓｏｎｉｎｇ，２００１．
ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ
ｆｏｒ
ＩｎｎｏｖａｔｉｖｅＴｅｃｈｎｉｑｕｅｓａｎｄｏｆ
【４】ＫＡＭＰＧ．Ｕｓｉ“ｓｄｅｓｃｒｉｐｔｉｏｎＩｏｓｉｏｓＫＩ—ＣＢＲ［ｃ］／／Ｐｍ
ｏｆｔｈｅ３ｒｄ
ＡｒｔｉｆｉｃｉａｌＩｎｔｅＬｌｉｇｅｎｃｅ．２００６：１４９—１６２．
Ｅｕｍｐ啪Ｗｏｒｋｓｈｏｐ
［５】ＪＯＨＮＳＯＮ
Ｏｉｌ
Ｃａｓｅ—ｂａｓｅｄ
Ｒｅａｓｏｎｉｎｇ．Ｓｗｉｔｚｅｒｌａｎｄ：Ｓｐｒｉｎｇｅｒ－
［１０ｊ［ＥＢ／ＯＬ】．［．２００８—０７－１２］．ｈｔｔｐ：／／ｏｐａｎｎｌｐ．ｓｏｕｒｃｅｆｏｒｇｅ．ｎｅｔ．
［１１］ＲＡＴＮＡＰＡＲＫＨＩ
Ａ．Ｍａｘｉｍｕｍｅｎｔｒｏｐｙｍｏｄｅｌｓ
Ｖｅｒｌ雌，１９９６：２０４・２１８．
Ｒ。ＦＯＯＴＥ
ｆｏｒ
ｎｓｔｕｒａｌ
ｌａｌｌｇ岬
Ｂ．Ｄｏｓｉｇｎｊｎｇｒｅｕｓａｂｌｅｃｌａ∞档［Ｊ】．Ｊｏｕｒｎａｌｏｆ
８ｍｂｉｇＩｌｊｔｙｒｅｓｏｌｕｔｉｏｎ［Ｄ］．ＰⅫａｄｅｌｐｈｉ且：Ｕｎｉｖｅｒｓｉｔｙｏｆ
１９９８．
Ｐｅｎｎｓｙｌｖａｎｉａ，
Ｏｂｊｅｃｔ・ＯｒｉｅｎｔｅｄＰｒｏｇｒａｍｍｉｎｇ，１９８８，１（２）：３ｌ一３７．［６】ＪＡＣＺＹＮＳＫＩＭ。ＴＲＯＵＳＳＥ
ｄｅｓｉｇｎａｎｄ
Ｂ．Ａｎ
ｏｂｊｅｃｔ－ｏｒｉｅｎｔｅｄ
ｆｒａｍｅｗｏｒｋｆｏｒｔｈｅ
【１２］黄浩，施泽生，蔡洪滨．基于ＣＢＲ系统检索算法的研究［Ｊ】．计算
机应用．２∞３，２３（６）：１３．１６．
ｔｈｅＩｍｐｌｅｍｅｎｔａｔｉｏｎ０ｆ
ｃ∞ｅ－ｂａｓｅｄ陀啪ｌ＂ｎ［ｃ］／／ｐ，ｍ
ｏｆ
万方数据
基于本体的案例推理模型研究
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
谢红薇， 李建伟， XIE Hong-wei， LI Jian-wei太原理工大学,计算机与软件学院,太原,030024计算机应用研究
APPLICATION RESEARCH OF COMPUTERS2009,26(4)10次
参考文献(12条)
1. 史忠植 高级人工智能 1998
2. GUPTA K M;MONTAZEMI A Empirical evaluation of retrieval in case-based reasoning systems usingmodified cosine matching function[外文期刊] 1997(05)
3. DIAZ-AGUDO B;GONZALEZ-CALERO P A Knowledge intensive CBR through ontologies 20014. KAMP G Using description logics for KI-CBR 19965. JOHNSON R;FOOTE B Designing reusable classes 1988(02)
6. JACZYNSKI M;TROUSSE B An object-oriented framework for the design and the Implementation of case-based reasoners 1998
7. SCHUMACHER J Empolis orenge:an open platform for knowledge management applications 20028. ABASOLO C;PLAZA E;ARCOS J L Components for case-based reasoning systems 20029. RECIO-GARCA J A;DAZ-AGUDO B;GONZLEZ-CALERO P Ontology based CBR with JCOLIBRI 200610. 查看详情 2008
11. RATNAPARKHI A Maximum entropy models for natural language ambiguity resolution 199812. 黄浩;施泽生;蔡洪滨 基于CBR系统检索算法的研究[期刊论文]-计算机应用 2003(06)
本文读者也读过(10条)
1. 王海棠. 顾君忠. 杨静. 叶兰御 基于本体的相似性计算实现高性能案例推理[期刊论文]-计算机时代2009(1)2. 张德超. 贾秀峰 Ontology在Web中的研究与应用[期刊论文]-福建电脑2007(3)
3. 边小凡. 惠宝山. 王燕. BIAN Xiao Fan. HUI Bao Shan. WANG Yan 基于语义的构件描述与检索的研究[期刊论文]-电子技术应用2007,33(5)
4. 边小凡. 夏华轩. 尹胜斌. BIAN Xiao-fan. XIA Hua-xuan. YIN Sheng-bin 基于领域本体的构件自动化组装原形系统[期刊论文]-计算机工程与设计2006,27(21)
5. 文贵华. 江丽君. Wen Guihua. Jiang Lijun 本体的相似性网络推理框架[期刊论文]-东南大学学报（英文版）2006,22(3)
6. 杨涛 基于本体的案例推理系统框架研究[学位论文]2005
7. 周文. 刘宗田. 强宇. 李旭. 石振国 基于模糊FCA的本体聚类生成算法[会议论文]-2006
8. 王润生. 贾希胜. 王润泉. WANG Runsheng. JIA Xisheng. WANG Runquan 基于案例的战场损伤评估智能化框架研究[期刊论文]-计算机工程2006,32(7)
9. 孙义. 张勇. 楮燕华. Sun,Yi . Zhang,Yong . Chu,Yanhua CBR技术在森林火灾预报中的应用[期刊论文]-微计算机信息2005(21)
10. 袁琴. 杨小虎. YUAN Qin. YANG Xiaohu 基于本体分类的Web服务合成的研究及应用[期刊论文]-计算机工程2007,33(2)
引证文献(10条)
1. 陈刚 基于CBR的学习者知识点掌握水平预测方法研究[期刊论文]-软件导刊·教育技术 2010(8)2. 虞娟 基于本体的CBR及其在旅游产品智能推荐系统的应用研究[期刊论文]-哈尔滨师范大学自然科学学报2013(6)
3. 翟丹妮. 黄卫东 应急案例的框架表示方法研究[期刊论文]-计算机技术与发展 2011(7)4. 翟丹妮. 黄卫东 基于语义网的应急案例知识表示研究[期刊论文]-情报杂志 2011(8)
5. 谷岩 基于框架和案例推理的应急预案表示和优选方法的研究设计[期刊论文]-计算机科学 2012(6)
6. 张雅彬. 柴旭东. 杨晨 基于本体案例推理的仿真资源描述的动态管理[期刊论文]-计算机集成制造系统 2012(6)7. 陈刚 基于案例的推理:智能授导系统研究的新方法[期刊论文]-中国远程教育（综合版） 2010(10)8. 张巍. 张绚. 陈俊杰 基于本体的高血压诊疗系统推理模型研究[期刊论文]-计算机工程与设计 2013(11)9. 吴昊. 谢红薇 基于本体和案例推理的高血压诊疗系统的研究[期刊论文]-计算机应用与软件 2013(12)10. 张静. 刘茂. 王悦. 刘付衍华 基于本体的突发事件应急决策知识模型研究[期刊论文]-安全与环境学报 2011(1)
引用本文格式：谢红薇. 李建伟. XIE Hong-wei. LI Jian-wei 基于本体的案例推理模型研究[期刊论文]-计算机应用研究 2009(4)