使用 Pellet 了解 SPARQL 和语义推理之间的区别

Posted 2023-02-24

【中文标题】使用 Pellet 了解 SPARQL 和语义推理之间的区别

【英文标题】：Understanding the difference between SPARQL and semantic reasoning using Pellet

【发布时间】：2016-08-17 00:30:32

【问题描述】：

我有一个比萨本体，它定义了不同类型的比萨、配料和它们之间的关系。 我只是想了解几个基本的东西：

如果我想在不获取信息的情况下应用 SPARQL 是否正确？ 推理？例如。哪些比萨饼含有洋葱？ SPARQL 和推理算法有什么区别 喜欢佩莱？ SPARQL 不能回答哪些查询，而可以 由佩莱回答？披萨本体的一些查询示例（类似问题）会有所帮助。 据我了解，将 Java 中的 SPARQL 与 Jena 一起使用，我 应该以 RDF/XML 格式保存我的本体。但是，要使用 Pellet 使用 Jena，我需要选择哪种格式？ Pellet 使用 OWL2...

【参考方案1】：

SPARQL 是一种查询语言，即一种用于制定问题的语言。另一方面，推理是过程从现有数据中获取新信息。这是两个不同的互补过程。

要从您的本体中检索信息，您可以使用 SPARQL，是的。您可以在没有推理的情况下执行此操作，也可以与推理器结合使用。如果您有一个激活的推理器，则意味着您的查询可以更简单，并且在某些情况下，推理器可以导出根本无法通过只是一个查询来检索的信息。

像 Pellet 这样的推理者并不真正回答查询，他们只是推理：他们找出可以从原始事实中得出哪些隐含信息，并且可以做一些事情，例如验证事情是否一致（即没有数据中的逻辑矛盾）。 Pellet 可以计算出，如果您拥有一辆属于 Car 类型的 Toyota，那么您就拥有了 Vehicle（因为 Car 是 Vehicle 的一种）。或者它可以计算出，如果您将披萨定义为具有“帕尔马干酪”成分，那么您将拥有“芝士”类型的披萨（因为它知道帕尔马干酪是一种芝士）。所以你使用像 Pellet 这样的推理器来推导这种隐含信息，然后使用像 SPARQL 这样的查询语言来实际询问：“好的，给我一个关于所有也有凤尾鱼的 Cheesy Pizza 的概述”。

像 Jena 这样的 API 是将 RDF 视为抽象模型的工具包。保存文件的语法格式无关紧要，它几乎可以读取任何 RDF 语法。一旦您在 Jena 模型中读取它，您就可以在其上执行 Pellet 推理器 - 原始文件的语法无关紧要。有关如何执行此操作的详细信息可以在 Jena 文档中找到。

【讨论】：

感谢您的精彩回答。顺便说一句，本体概念之间相似性的计算与推理过程有关吗？例如。比萨 A 与比萨 B 有 30% 的相似度，因为这两种比萨都含有“帕尔马干酪”和“洋葱”成分。