[摘 要]￢WRDF在RDF的基础上引入经典非和度的概念，并允许用户定义加权的回答集程序规则进行推理，使得程序在不一致的情况下，仍然可以得到令用户相对满意的解。然而，加权的回答集程序没有考虑被肯定的规则，仅仅通过比较规则的否定程度来选择回答集，具有一定的片面性。本文进一步提出回答集选择的优化方法，来求出另用户更加满意的解。
　　中图分类号：TP181 文献标识码：A 文章编号：1009-914X（2015）41-0318-01
　　1、绪论
　　语义网[1]是一种能理解人类语言的智能网络，￢WRDF是在RDF的基础上引入经典非和度的概念，是一种新的语义网知识表示和推理形式[1][2]。这使得语义网可以不仅可以表达逻辑中的否定概念，还允许用户定义加权的回答集程序规则对其推理。这不仅增强了语义网中RDF的表达和推理能力，而且使得程序在不一致的情况下，仍然可以得到令用户相对满意的解。
　　加权的回答集程序，使得程序无解情况下，可以找到最接近用户需求的解。目前，这种方法已经广泛应用到产品配置、方案求解等各种领域场合，处理问题无解的情况[3]。
　　2、问题描述
　　加权的回答集程序仅仅通过比较对规则的否定程度来选择回答集，具有一定的片面性。它没有考虑被肯定的那些规则，所推出相应的新事实时，其成立的可信度。针对文章[2]描述的实例，否定了规则“如果一个人对乔丹不感兴趣，那么他不喜欢篮球相关的话题”，而foaf陈述中，Adrian对乔丹不感兴趣的程度比较大（程度是9），其程度远远高于他喜欢浏览NBA相关的网页信息的程度（其程度是6），而两条规则被否定的代价又相差较小。
　　3.方法描述
　　本节借鉴模糊的RDF回答集程序的优化思想[4]、模糊的回答集程序，以及概率逻辑程序等思想，提出一种新的方法，既考虑规则被否定的代价，同时考虑文字成立的可信度，综合评价回答集的优劣。
　　首先，限定￢WRDF三元组被否定的代价的取值期间为[5，10]，而规则被否定的代价为[0，5]。即三元组成立的程度最低为5，最高为10；规则成立的程度最低为0，最高为5。这样，记￢WRDF描述的加权的三元组转化为回答集程序为，
　　u个加权的文字，包括正文字和负文字：
　　指否定规则r所需的代价
　　同时，本文需计算回答集的可信度。下面给出回答集可信度的求解过程。
　　定义1.文字的依赖规则集：初始的依赖规则集。若有文字集合，且满足条件：有直接或间接依赖于，则把集合中的文字所在的全部规则增至中，形成新的规则集为文字的依赖规则集。
　　定义2.文字的可信度：已知规则形如：
　　若分别代表文字成立的概率，则根据条件概率公式，可得成立的概率为：。
　　定义3.回答集的可信度：给定加权的回答集程序P，若是P的其中一个回答集，且包含v个文字，记为，若，则的回答集的可信度为
　　定义4.已知一个回答集的同假率和可信度，則定义回答集程序的满意度为：
　　5 小结
　　本文对￢WRDF推理时不一致的情况进行了研究，改进了加权回答集程序的推理方法。通过引入可信度和同假率的概念，提出了一种基于概率的优化的方法，为用户挑选更合理、更科学的回答集提供了有效的推理工具。实验证明，这种方法考虑的更加全面，结果更符合实际情况。
　　参考文献
　　[1] J， Wang. X. P. Han， Y. Y. Zhang， C. N. Liu. FSNC 2011.A New Method for Knowledge Representationand Reasoningof Semantic Web. 2011， v（4）： 36～37.
　　[2] 王洁1，韩雪平2，赵丽丽3，艾莹莹，￢RDF推理中不一致问题的研究. 计算机工程，2011.
　　[3] 安雪妹，王洁，刘椿年.北京工业大学硕士论文.扩展的加权逻辑程序及其在产品配置问题中的应用.2010：25～28.
　　[4] G. Ianni， A. Martello， C. Panetta， G. Terracina. Efficiently Querying RDF（S） Ontologies with Answer Set Programming. Logic Comput. 2009， 19（4）： 671～695.