基于描述逻辑的事件推理关键问题研究

As a large-grained unit of knowledge, 'event' is an important information media on web, which has attracted more and more attention and high regards from the academia. Compared to concept-based traditional knowledge unit, 'event' is dynamic and of state-changing, there are intrinsic relationships between different events, reflecting more complex semantic information, event reasoning is more close to the association and reasoning mode of human brain. In the field of artificial intelligence, description logic (DL) is the one of the most widely used formal knowledge representation language, and as the logical basis of the standard ontology language. The traditional DL is suited to describe and reason certain and static knowledge, however, there are obvious limitations while dealing with event-based knowledge. By thoroughly analyzing the results about 'event' from various research fields, this project plans to study on following issues: extending the syntax and semantical interpretations of DL to represent event, event factors and event relations; integrating action formalism, temporal logic and modal logic with description logic within the event semantical interpretation; event reasoning techniques and algorithms based on extending description logic; development of prototype application system of event-based reasoning. This project could not only promote the development of event-based knowledge representation and reasoning language, but also support the research of event-ontology-based application.

作为一种大粒度的知识单元，"事件"是互联网上重要的信息载体，越来越受到学术界的重视。相比传统的基于概念的知识单元，"事件"具有动态性，其状态会随时间发生变化，事件之间存在本质的内在联系，体现出更复杂的语义信息，事件推理更接近于人类大脑的联想和推理方式。在人工智能领域，描述逻辑是当前应用最广泛的知识表示语言之一，并作为标准本体语言的逻辑基础。经典的描述逻辑适合于静态概念的表示和推理，但对于事件知识处理有明显的局限性。本项目深入分析学术界关于事件的研究成果，从实用角度构建基于描述逻辑的事件表示逻辑和推理机制。分别研究以下关键问题：基于描述逻辑的事件、事件要素以及事件关系的语法表示和语义解释；在事件语义空间内描述逻辑与动作、时间及模态逻辑的整合扩展；以扩展描述逻辑为主的事件推理方法及算法；事件推理的示范原型开发。本研究不仅能促进事件表示与推理语言的发展，而且对事件本体的应用研究有重要的支撑作用。

将“事件”作为知识单元，对本文事件信息进行表示和推理，更接近于人类的认知过程。近年来，基于事件的知识模型理论、表示方法和信息处理技术成为语义Web社区的研究热点，并涌现了一些研究成果，但仍然存在一些问题，如缺少事件知识表示的逻辑基础，对事件知识的推理研究不够等。本项目深入分析学术界关于事件的研究成果，从实用角度构建基于描述逻辑的事件表示逻辑和推理机制，取得一系列研究成果。包括：（1）提出基于扩展描述罗的事件动作表示和推理框架，以扩展的带时间维描述逻辑T-DL和逻辑程序为基础，构建了两种知识表达能力不同的动作形式框架，能较全面地将事件知识中的动态特性、时间特性和非单调性在动作的表示与推理中刻画出来，为动态知识的表示与推理提供形式化逻辑基础；（2）提出基于要素投影的事件形式化及推理方法，该方法创造性地提出事件要素投影理论，并结合传统描述逻辑SROIQ和要素投影实现对事件本体的形式化表示，尝试实现事件、要素、状态等在统一形式化框架中的表示和推理，挖掘事件关系之间的要素联系及性质规律，提高形式化框架的表达能力和推理能力；（3）提出基于事件本体的要素推理和识别方法，利用事件本体和基于规则的推理方法实现要素的自动识别，相比传统的基于规则的方法，依赖的规则数量较少，相比传统的基于机器学习的方法，该方法对语料的依赖性减弱，且对语料的数量没有要求，项目还开发相应的要素推理软件原型；（4）提出了一种基于扩展描述逻辑的事件实例检测方法，该方法利用事件中的时间、动作、环境要素对事件进行语义补充，然后利用扩展描述逻辑中概念的可满足性和概念包含的推理功对事件实例进行检测，准确率达到85.12%；（5）提出了面向突发事件的文本语料自动标注方法，并利用该方法开发了环境污染突发事件语料库；（6）提出事件本体模式概念，事件本体设计模式可从形式上捕获重现的事件本体模型，并实现已存在的事件本体词汇的重用，来简化事件本体构建过程，并避免一些常见的错误。