报告时间：2017年3月28日（周二）下午2:00
报告地点：计算机楼A521
报告人简介：
叶育鑫博士于2016年3月至2017年3月以访问学者的身份对美国莱特州立大学（Wright State University）计算机科学与工程学院（College of Computer Science and Engineering）进行了为期一年的访问。访学期间的研究课题为：数据语义中的本体工程研究（Research of Ontology Engineering for Data Semantic），外方合作导师为Pascal Hitzler教授。
报告内容简介：
报告题目为“知识工程中的本体调试研究”，主要包含以下几个部分：
语义Web的目标是让Web资源实现机器可读以便程序的自动化处理（相对HTML的人类可读）。OWL本体理由探求是语义Web推理的重要任务之一．随着语义Web数据的急剧增长以及本体规模的不断扩大，目前的本体理由探求策略已难以满足它们对推理性能的要求．
（1）通过观察基于黑盒的理由探求过程中公理集合的变化情况，给出增量本体序列定义。揭示增量本体序列中的最大增量本体与理由之间的关系，并给出计算增量本体序列及其最大增量本体的方法。
（2）研究了增量本体序列生成过程中的伴随的推理过程，给出一种特殊的推理任务——增量推理任务。在增量推理中定义了增量本体的半模型，并证明了利用半模型判定后继增量本体与目标公理之间的蕴含关系是半可判定的。进而利用该性质，给出基于增量推理的理由超集探求算法，并证明了算法的正确性。
（3）利用基于增量推理的理由超集探求方法设计了基于增量推理的“扩-缩”探求方法，实验证明该方法优于传统的“扩-缩”探求方法。
（4）通过定义关键公理，发现了一种与收缩过程相反的理由探求方法——基于“扩张”的理由探求方法。该方法将某一理由的所有元素看做关键公理，通过一系列的迭代扩展过程寻找所有关键公理。
（5）利用基于增量推理的理由超集探求方法设计了基于增量推理的“双扩”理由探求方法。实验证明该方法是目前黑盒方法中的最优算法。
主办单位：吉林大学计算机科学与技术学院
吉林大学软件学院
吉林大学计算机科学技术研究所
符号计算与知识工程教育部重点实验室
