Artificial intelligence 在本体中审查二手知识

如何将客观确定性分配给本体中不同用户断言的语句

例如，考虑用户A断言“鲍伯的帽子是蓝色的”，而用户B断言“鲍伯的帽子是红色的”。您将如何确定：

用户A和用户B指的是名为Bob的不同人员，可能是正确的，也可能是错误的

两个用户都指同一个人，但用户A是对的，用户B是错的（反之亦然）

两个用户都指的是同一个人，但用户A是对的，用户B在撒谎（反之亦然）

两个用户指的是同一个人，两个用法要么是错误的，要么是谎言

我看到的主要困难是本体无法获得第一手数据（例如，它无法询问Bob他的帽子是什么颜色）

---

我意识到可能没有完全客观的方法来解决这个问题。有什么可以采用的启发式方法吗？这个问题有正式名称吗？

我听说这种事情被称为信息融合，反映了信息融合的思想。我对它了解不多，但似乎有

---

我还要在这里增加另一个困难，区分客观和主观信息。如果用户A说“Bob是个好人”，而用户B说“Bob不是个好人”，那么在断言看似相反的陈述时，他们都是对的。

步骤1：做出一些假设。否则，你就没有任何依据。一个可能的假设是，“如果bob的帽子是红色的，那么90%的用户A会说他的帽子是红色的。”

---

第二步：应用相关数学。要将条件概率与其逆概率联系起来（即，根据我提出的假设，询问bob的帽子是红色的，知道a说了什么的概率），请使用。

我不是这一领域的专家，但我在本体论和语义网方面做过一些不确定的工作。当然，有一些解决这个问题的方法与语义网无关，但我的知识就到此为止

我觉得与你的问题有关的两个问题是和。上述语句的正式表示可以在（资源描述框架）中发布

如果我将语句SS“Bob的帽子是蓝色/红色”转换为三元组，这将是：

事实1：

• 一个人
• X hasName“Bob”
• X具有H1
• 哈伊萨帽子
• H1是蓝色的

事实2：

• Y是一个人
• 你的名字叫“鲍勃”
• Y具有H2
• H2伊萨帽
• 红色

这里的问题是X、Y、H1和H2是资源，它们可能相同，也可能不同。因此，在您的示例中，X和Y是同一个人还是不同的人是未知的，如果没有进一步的信息，您将无法知道。（帽子也是如此。）

然而，问题更复杂，因为用户A和B只是陈述了这些事情，所以它们不是“真实的”事实。RDF提供了解决这个问题的方法，但我不会在这里完整地写下来，它太长了。基本上，您要做的是在上述每个语句中添加一个“UserA statesThat（…）”

如果你掌握了所有这些，你就可以开始推理了。在大学里，我们曾经用过这种东西，但那是一个旧版本，我不熟悉现在的版本

当然，您也可以在不使用RDF的情况下完成这些工作，例如，在LISP中

---

希望能有所帮助。

+1使用物化。在之前的工作中，我们使用物化来提供断言的谁、什么、何时和为什么，以帮助找出四个歧义。在这种情况下，我们将提供关心Bob的最终用户来决定用户A或B是否更值得信任。还可以使用具体化来记录用户C对每个断言的信心。