第二章描述逻辑基础概述本章简单介绍了表示、推理知识的形式语言：描述逻辑。首先，给出了DL基本概念的简短综述；然后，介绍了句法和语义，包括应用在系统中或在文献中提到的基本结构，以及这些结构被用来建造知识库的方法；最后，定义了典型的推理问题，展现了它们是如何相互联系的，并且描述了解决这些问题的不同方法。在本章中只简单提到的一些主题在接下来的章节中会有更为详细地介绍。2.1简介在前一章中已经概略提到，DLs是知识表示体系族的最近才使用的名字，首先，通过定义该领域内的相关概念（terminology），表示一个应用领域（the”world”）的知识；然后，使用这些概念指明出现在该领域（theworlddescription）内的对象和个体的性质。正如DL的名字所显示的，这些语言的特点之一在于，不像他们的前辈一样，他们装备了一个形式的、基于逻辑的语义。另外一个显著的特点在于以推理为中心服务作为重点：推理允许我们从知识库中的外层知识得到蕴含在其内部的知识。DL支持出现在很多智能信息处理系统的应用中的推理模式，它也是人们用来构建和理解世界的：概念和个体的分类。概念的分类确定了给定的术语（terminology）中概念间的子概念/父概念的关系（在DL中称为包含），而且分类允许我们以包含层级的形式去构造术语。这种层级为不同概念间的联系提供了有用的信息，而且能被用来提高其他推理服务。个体的分类确定了一个给定的个体是否总是一个概念的实例（也就是说，这种实例关系是否由个体的描述和概念的定义来暗示），这样就提供了个体性质的有用信息，更为有用的是，实例关系可以触发那些想知识库中插入附加事实的规则的应用。因为DL是知识表示的一种形式，而且在知识表示中，我们通常假设一个知识表示系统总能在一个合理的时间内回答用户的查询，所以，DL研究者所感兴趣的这个推理过程，即决策过程，不管肯定或否定回答，总之是要结束的，这一点与一阶理论证明是不同的。答案在有限时间内给出，并不意味着这个有限时间是合理的，所以，调查一个包含决策推理问题的DL的计算复杂度是很重要的。推理问题的确定度和复杂度依赖于正在使用的DL的表达能力，一方面，表达能力很强的DLs可能会使得推理问题很复杂，或者根本没法确定；另一方面，表达能力很弱的DLs（包含有效的推理过程）可能无法准确表示给定应用中的重要概念。正如前一章中提到的，调查DLs的表达能力和他们的推理问题的复杂性的折衷，已经是DL研究的最重要的主题之一。DL是由所谓的“结构化层级网络”（Brachman,1977b;1978）发展而来的，结构化层级网络是为了克服早期语义网络和框架的歧义性提出的，语义网络和框架最早是在KL-ONE系统中实现的（BrachmanandSchmolze,1985）。下面这三点，首先在Brachman的有关结构化层级网络的著作中被提出，在很大程度上影响了DLs的接下来的发展：基本的依照造句法构建的模块有原子概念（一元谓词）、一元角色（二元谓词）和个体（常量）。因为它使用了一个相当小的构建复杂概念和角色的构造器（知识完备的）集合，语言的表达能力被束缚了。在推理过程的帮助下，概念和个体的内部知识能够被自动地推理。特别地，概念间的包含关系以及个体和概念间的实例关系起到了重要的作用。这与语义网络中的由用户明显给出的IS_A关系是不一样的，包含关系和实例关系是由概念的定义以及个体的性质推出的。在第一个基于逻辑的语义学应用于KL-One-like知识表示语言之后，像包含这样的推理问题也能够有一个准确的意义，这导致了此类语言的计算特性的第一次正式调查。结果证明，早期DL系统使用的语言的表达能力太强，这使得包含问题无法确定。第一个最坏情况复杂度调查结果显示，即便对于表达能力很差的语言，包含问题也是难于处理的（也就是说，不是多项式级可以解决的），正如前一章中提到的，这本书是KL-One-like知识表示语言中的推理的最坏情况复杂度的彻底调查的开始（详情见第三章）。但是，后来的研究表明，推理的难处理性（最坏情况下复杂度是非多项式级的）并没有妨碍DL在应用中的有用性，在实现一个基于DL的系统时，只要使用那些复杂的最优化技术，就可以了（见第九章）。可是，实...