摘要:本文介绍了Jena的推理子系统,并构建了一个简单的RDF图。基于该RDF图,我们搭建了一个Jena推理引擎,并进行自动化推理。

本文分享自华为云社区《知识推理之基于jena的知识推理(三)》,作者:北纬30度 。

Jena推理子系统旨在允许将一系列推理引擎或推理器插入Jena。这些引擎用于派生从一些基本RDF以及任何可选的本体信息中获得RDF断言,以及与推理器关联的公理和规则。此机制的主要用途是支持使用RDFS和OWL等语言,这些语言允许从实例数据和类描述中推断出额外的事实。该机制的设计十分通用,它包括一个通用规则引擎,可用于许多RDF处理或转换任务。

应用程序通常通过使用ModelFactory将数据集与某个推理器关联以创建新模型来访问推理机。对创建的模型的查询不仅将返回原始数据中存在的语句,而且还将返回使用推理器实现的规则或其他推理机制从数据中导出的其他语句。

可用的推理 Jena分布中包括许多预定义的推理:

传递推理器:提供存储和遍历类和属性格的支持。这仅实现了rdfs:subPropertyOf和rdfs:subClassOf的传递和反身属性。

RDFS规则推理器:实现RDFS要求的可配置子集。

OWL、OWL Mini、OWL微推理器:一组有用但不完整的OWL/Full language的OWL/Lite子集的实现。

通用规则推理器:基于规则的推理器,支持用户定义的规则。支持正向链接、表反向链接和混合执行策略。

构建RDF图

jena的 org.apache.jena.rdf.model包用于创建和操作RDF图的类和接口。其中ModelFactory提供了创建标准RDF Model的方法。

下面的例子展示了如何构建一个RDF图

  Model onlineModel = ModelFactory.createDefaultModel();
String prefix = "http://www.example.org/mingjiao#"; Resource mingjiao = onlineModel.createResource(prefix + "mingjiao");
Resource zhangwuji = onlineModel.createResource(prefix + "zhangwuji");
Resource weifuwang = onlineModel.createResource(prefix + "weifuwang");
Resource baimeiyingwang = onlineModel.createResource(prefix + "baimeiyingwang"); Property zhizhang = onlineModel.createProperty(prefix + "zhizhang");
Property leader = onlineModel.createProperty(prefix + "leader");
Property shuyu = onlineModel.createProperty(prefix + "shuyu"); onlineModel.add(zhangwuji, zhizhang, mingjiao);
onlineModel.add(zhangwuji, shuyu, mingjiao);
onlineModel.add(weifuwang, leader, zhangwuji); PrintUtil.registerPrefix("", prefix); StmtIterator i = onlineModel.listStatements(null, null, (RDFNode)null);
System.out.println("推理前");
while (i.hasNext()) {
System.out.println('-' + PrintUtil.print(i.nextStatement()));
}
output:
-(:baimeiyingwang :leader :zhangwuji)
-(:zhangwuji :zhizhang :mingjiao)
-(:weifuwang :leader :zhangwuji)

首先,通过ModelFactory创建标准RDF Model。

其次,利用Resource、Property分别创建RDF图中的资源,和属性。这里我们创建了明教、张无忌、韦幅王、白眉鹰王四个资源,以及执掌、上级领导、属于三个属性。

最后,将资源和属性组成三元组添加到RDF图中。如<张无忌,执掌,明教>。

搭建jena推理引擎

jena包含一个通用规则引擎,它的inference子系统用于实现推理的功能。用户可以基于jena推理引擎实现简单规则推理,也可以自定义推理规则。jena推理引擎可以从已有的数据信息和类描述中推理出额外的事实。下面是基于RDF图的推理例程:

  String rules = "[rule: (?p :zhizhang ?c)(?a :leader ?p) -> (?a :shuyu ?c)]";
Reasoner reasoner = new GenericRuleReasoner(Rule.parseRules(rules));
InfModel inf = ModelFactory.createInfModel(reasoner, onlineModel);
Iterator list = inf.listStatements(null, null, (RDFNode)null);
System.out.println("推理后");
while (list.hasNext()) {
System.out.println(" - " + PrintUtil.print(list.next()));
}
output:
- (:baimeiyingwang :shuyu :mingjiao)
- (:weifuwang :shuyu :mingjiao)
- (:baimeiyingwang :leader :zhangwuji)
- (:zhangwuji :zhizhang :mingjiao)
- (:weifuwang :leader :zhangwuji)

我们基于构建的RDF图定义了一条规则:"[rule: (?p :zhizhang ?c)(?a :leader ?p) -> (?a :shuyu ?c)]"其含义是若A执掌明教,且他是B的领导,那么B属于明教。有了RDF图模型和规则,我们通过创建InfModel将二者绑定在一起,InfModel会依据我们定义的规则,利用RDF图中已有的资源和属性进行推理,进而得到新的事实。如上例中,通过推理得到了<韦幅王,属于,明教>和<白眉鹰王,属于,明教>两个新的事实。

点击关注,第一时间了解华为云新鲜技术~

面试官:说一下Jena推理的更多相关文章

  1. 面试官再问你 HashMap 底层原理,就把这篇文章甩给他看

    前言 HashMap 源码和底层原理在现在面试中是必问的.因此,我们非常有必要搞清楚它的底层实现和思想,才能在面试中对答如流,跟面试官大战三百回合.文章较长,介绍了很多原理性的问题,希望对你有所帮助~ ...

  2. 面试官:兄弟,说说Java的static关键字吧

    读者乙在上一篇我去系列文章里留言说,"我盲猜下一篇标题是,'我去,你竟然不知道 static 关键字'".我只能说乙猜对了一半,像我这么有才华的博主,怎么可能被读者猜中了心思呢,必 ...

  3. 每日一问:面试结束时面试官问"你有什么问题需要问我呢",该如何回答?

    面试结束时面试官问"你有什么问题需要问我呢",该如何回答?

  4. 面试官的七种武器:Java篇

    起源 自己经历过的面试也不少了,互联网的.外企的,都有.总结一下这些面试的经验,发现面试官问的问题其实不外乎几个大类,玩不出太多新鲜玩意的.细细想来,面试官拥有以下七种武器.恰似古龙先生笔下的武侠世界 ...

  5. 关键词:ACM & 大小端 & 面试官

    关于“ACM” fender0107401 :面试了一个在ACM拿过奖的人 我问了他几个问题: 读取数组中的一个元素,计算复杂度是多少,回答不清楚. 往链表里面存一个数,不排序的情况下,计算复杂度是多 ...

  6. Android开发面试经——6.常见面试官提问Android题②(更新中...)

    版权声明:本文为寻梦-finddreams原创文章,请关注:http://blog.csdn.net/finddreams 关注finddreams博客:http://blog.csdn.net/fi ...

  7. Android开发面试经——5.常见面试官提问Android题①

    版权声明:本文为寻梦-finddreams原创文章,请关注:http://blog.csdn.net/finddreams 关注finddreams博客: http://blog.csdn.net/f ...

  8. 书评<<剑指offer 名企面试官精讲典型编程题>>

      前前后后阅读了一周, 感慨很多, 面试考察的是一个人的综合能力, 这一点从面试官的角度去解读, 确实对面试的理解更立体. *) 具体考察的点1) 扎实的基础2) 高质量的代码3) 清晰的思路4) ...

  9. 我是面试官--"自我介绍"

    工作10余年,经历过很多次面试,也面试了N多人.这些年来,已经有好些位朋友(或同事)与我聊起相关话题,涉及面试,更关乎职业生涯规划.感触颇多,就借助自媒体的浪潮,与更多的程序员一起共谈面试经历,希望可 ...

  10. 一个资深java面试官的“面试心得”

    在公司当技术面试官几年间,从应届生到工作十几年的应聘者都遇到过.先表达一下我自己对面试的观点: 1.笔试.面试去评价一个人肯定是不够准确的,了解一个人最准确的方式就是“路遥知马力,日久见人心”.通过一 ...

随机推荐

  1. Go 包操作之如何拉取私有的Go Module

    Go 包操作之如何拉取私有的Go Module 在前面,我们已经了解了GO 项目依赖包管理与Go Module常规操作,Go Module 构建模式已经成为了 Go 语言的依赖管理与构建的标准. 在平 ...

  2. docker 仓库-Harbor

    docker 仓库之分布式 Harbor: Harbor 是一个用于存储和分发docker镜像的企业级Registry服务器,由于Vmware 开源,其通过添加一些企业必须的功能特性,例如安全.标识和 ...

  3. Unity3D 选择焦点切换

    using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.T ...

  4. ansible 命令行模

    ansible 命令行模 ansible命令格式 命令格式:ansible <组名> -m <模块> -a <参数列表> 查看已安装的模块 ansible-doc ...

  5. 聊聊RNN与seq2seq

    seq2seq模型也称为Encoder-Decoder模型.顾名思义,这个模型有两个模块--Encoder(编码器)和Decoder(解码器).编码器对输入数据进行编码,解码器对被编码的数据进行解码. ...

  6. 【随手记】python免api调用谷歌翻译

    pip3 install googletrans==4.0.0-rc1 from googletrans import Translator translator = Translator() tra ...

  7. TiDB binlog故障处理之drainer周期性罢工

    背景 前段时间用户反馈某生产环境 TiDB 集群 drainer 频繁发生故障,要么服务崩溃无法启动,要么数据跑着跑着就丢失了,很是折磨人.该集群跑的是离线分析业务,数据量20T ,v4版本,有多个 ...

  8. Meissel–Lehmer 算法

    前言 推荐先行阅读我的blog文章----Min_25 筛 什么是Meissel–Lehmer 算法 Meissel-Lehmer 算法是一种基于 \(ϕ\) 函数的的快速计算前缀质数个数(当然也可以 ...

  9. Acwing 180. 排书

    给定 \(n\) 本书,编号为 1∼n. 在初始状态下,书是任意排列的. 在每一次操作中,可以抽取其中连续的一段,再把这段插入到其他某个位置. 我们的目标状态是把书按照 1∼n 的顺序依次排列. 求最 ...

  10. 使用javafx,结合讯飞ai,搞了个ai聊天系统

    第一步:先在讯飞ai那边获取接入的api 点进去,然后出现这个页面: 没有的话,就点击免费试用,有了的话,就点击服务管理: 用v2.0的和用3的都行,不过我推荐用2.0版本 文档位置:星火认知大模型W ...