The main motivation for the Semantic Knowledge Engineering approach is to provide a coherent formal framework for a rule-based knowledge representation language called XTT2 (eXtended Tabular Trees version 2). The formalization is provided on the syntactic and semantic levels. This monograph is devoted to a comprehensive overview of this language and a new Knowledge Engineering approach based on it. The monograph is composed of a preface, six chapters and concluding remarks.
In the preface of the monograph the motivation for the work is given. Then a perspective on the history of Rule-Based Systems is presented. Moreover, an introduction to concepts, methods and tools used to build these systems is provided. An overview of the Semantic Knowledge Engineering approach, a hierarchical design procedure, and heterogeneous application architecture are presented. The main part of the monograph contains a formalization of the approach, including the syntax and semantics of the XTT2 rule language and modularized knowledge bases. Moreover, new rule inference and analysis procedures are introduced. Then a complete design tool set supporting the knowledge engineering process is presented using a design example.
Apart from the possible applications of this approach to the knowledge management and decision support, two new prospective application areas are considered. The first one concerns a new rule-based knowledge engineering framework for the Semantic Web. The framework contains a formal calculus for integrating XTT2 rules with Description Logics. It also offers a hybrid reasoning engine that is able to combine rules with ontologies. The framework can be practically used with a knowledge engineering tool implemented as a new semantic wiki. The second application area concerns Software Engineering. A comparative analysis and semantic translation of the XTT2 representation to the UML notation is provided. It is a valuable tool for designing knowledge-based applications in the heterogeneous architecture that incorporates a clearly identified rule-based business logic core.
The monograph ends with concluding remarks summarizing the results and the outline of the main contributions. Finally, directions for possible future development of the approach are given.
Główną motywacją dla badań nad "Semantyczną Inżynierią Wiedzy" jest sformułowanie regułowego języka reprezentacji wiedzy nazwanego XTT2 (eXtended Tabular Trees wersja 2). Język ten posiada spójną notację formalną obejmującą jego składnię i semantykę. Niniejsza monografia jest poświęcona prezentacji tego języka, a także opartego na nim nowego podejścia do Inżynierii Wiedzy. Monografia składa się ze wstępu, sześciu rozdziałów i podsumowania.
We wstępie do pracy przedstawiono motywację dla prezentowanych badań. Następnie nie zawarto przegląd najważniejszych rozwiązań, metod i narzędzi z obszaru systemów regułowych. Na tym tle zaprezentowano podejście Semantycznej Inżynierii Wiedzy wykorzystujące metody systemów regułowych. Podejście to wprowadza zhierarchizowany proces projektowania systemu i heterogeniczną architekturę aplikacji. W głównej części monografii zawarto formalizację składni i semantyki języka XTT2 oraz baz wiedzy budowanych z jego użyciem. W pracy zaprezentowano również zagadnienia wnioskowania i analizy wiedzy w takich bazach. Przedstawiono kompletne środowisko wspierające proces inżynierii wiedzy opartej o ten język.
Proponowane podejście znajduje w naturalny sposób zastosowania w systemach zarządzania wiedzą i wspomagania decyzji. Poza tym w monografii przedstawiono dwa nowe obszary zastosowań proponowanego podejścia. Pierwszy obejmuje nową platformę inżynierii wiedzy dla Sieci Semantycznej. Platforma ta dostarcza formalizmu pozwalającego na połączenie reguł XTT2 z Logikami Opisowymi (ang. Description Logics). Jako narzędzie do budowania regułowych baz wiedzy zaproponowano nowy system semantycznego wiki. Drugi obszar dotyczy translacji baz wiedzy XTT2 do notacji UML używanej w Inżynierii Oprogramowania. Translacja ta zachowuje semantykę reprezentacji regułowej i jest ona cennym narzędziem przy projektowaniu aplikacji heterogenicznych, w których moduł logiki biznesowej wykorzystuje reguły decyzyjne.
Na końcu monografii przedstawiono konkluzje i podsumowanie najistotniejszych elementów pracy. Wskazano również kierunki przyszłych badań nad rozwojem i zastosowaniami proponowanego podejścia.
Wydawnictwa nie prowadzą sprzedaży książek z serii "Rozprawy Monografie". Zainteresowanych prosimy o kontakt z ich autorami.
- Contents
-
Abstract 9
Streszczenie 10
List of Abbreviations 11
1. Preface 15
2. Methods and Tools for Building Rule-Based Systems 21
2.1. Historical Overview 21
2.2. Principal Issues of Design and Implementation 22
2.2.1. Knowledge Representation Methods 24
2.2.2. Inference Control Mechanism 25
2.2.3. Knowledge Acquisition Facilities 26
2.2.4. Knowledge Verification Solutions 27
2.3. State-of-the-Art in Rule-Based Systems 27
2.3.1. Expert System Shells 27
2.3.2. Business Rules Management Systems 28
2.3.3. Rules for the Semantic Web 29
2.4. Critical Overview 30
2.4.1. Informal Knowledge Representation 30
2.4.2. Flat Rule Bases 30
2.4.3. Basic Knowledge Acquisition 32
2.4.4. Limited Quality Assurance of Knowledge Bases 33
2.4.5. Important Challenges 34
3. Semantic Knowledge Engineering. Overview of the Approach 36
3.1. Objectives 36
3.2. Main Solutions 38
3.2.1. Systematic Design Process 40
3.2.2. Heterogeneous Application Architecture 44
3.3. Knowledge Engineering at the Semantic Level 47
3.4. Practical Applications 48
4. Methods for Formal Description of Modularized Rule Bases 49
4.1. Formalization of Rules 50
4.1.1. Introduction to Attributive Logics 50
4.1.2. Attributive Logic with Set Values over Finite Domains 51
4.1.3. Basic Inference Rules for ALSV(FD) Formulae 55
4.1.4. Summary 57
4.2. Formalization of Modularized Rule Bases 57
4.2.1. Formulation of XTT2 Rules 58
4.2.2. Structure of the XTT2 Knowledge Base 61
4.2.3. Summary 63
4.3. Inference Control in Structured Rule Bases 63
4.3.1. High-Level Inference Control 64
4.3.2. Data-Driven Inference 65
4.3.3. Token-Driven Inference 66
4.3.4. Goal-Driven Inference 69
4.3.5. Summary 69
4.4. Formalized Detection of Anomalies in Rules 70
4.4.1. Inconsistency of a Single Rule 71
4.4.2. Inconsistency of a Pair of Rules 71
4.4.3. Incompleteness of a Group of Rules 72
4.4.4. Subsumption of a Pair of Rules 72
4.4.5. Summary 72
4.5. Summary of Features and Possible Extensions 73
5. Practical Implementation of the Approach 74
5.1. Design and Implementation Framework Overview 74
5.1.1. HML Markup Language 74
5.1.2. HADES Tools 75
5.1.3. Design Cases Repository 76
5.2. Knowledge Base Structure Prototyping 77
5.2.1. ARD+ Method Concepts 78
5.2.2. Prototyping Table Schemas 82
5.2.3. VARDA and HJED Design Tools 83
5.2.4. Possible Extensions of the Prototyping Process 84
5.3. Visual Design of the Rule Base 85
5.3.1. HQED Design Tool 85
5.3.2. Logical Design of the XTT2 Knowledge Base 86
5.4. HMR Rule Language 88
5.4.1. Overview 88
5.4.2. Presentation of HMR Features 89
5.5. Integrated Rule Runtime 91
5.5.1. Implementation of the HEART Engine 91
5.5.2. Callbacks Framework 95
5.5.3. Rule-Based System Execution 96
5.6. Rule Analysis with HALVA 97
5.6.1. Main Anomaly Detection Methods 99
5.6.2. HALVA Framework Implementation 102
5.6.3. Improved Verification Approach 103
5.6.4. Towards Global Analysis 104
5.7. Rule Translation with HATHOR 104
5.8. Summary 105
6. Rule Design for the Semantic Web 107
6.1. Semantic Web Research 109
6.1.1. Challenges for Integrating Rules with Ontologies 109
6.1.2. From Content to Knowledge – Semantic Wikis 111
6.2. Motivation and Solution Overview 112
6.3. Overview of Description Logics 114
6.4. DAAL Rule Language 116
6.4.1. Language Overview 117
6.4.2. Syntax and Semantics 118
6.4.3. Conceptual Modeling in DAAL 119
6.4.4. Specification of Rules 119
6.4.5. Inference Scenario 121
6.5. Hybrid Reasoning with PELLET-HEART 121
6.6. Semantic Knowledge Engineering in LOKI 122
6.6.1. LOKI Architecture 123
6.6.2. Prototype Implementation: PLWIKI 126
6.6.3. Embedded Rule Engine 128
6.7. Bookstore Case Study in LOKI 130
6.7.1. Implementation in LOKI 130
6.7.2. Background Ontology of the System 133
6.7.3. Rule-Based Reasoning with HEART 133
6.7.4. Translation to DAAL 136
6.7.5. Hybrid Reasoning with PELLET-HEART 137
6.8. Evaluation of the Solutions 139
6.9. Summary 140
7. Integration of Rules with UML Design 141
7.1. Motivation for Integrating Rules with UML 142
7.2. Approaches to the Integration and Analysis of Rules and UML 144
7.3. UML-based Representation of ARD+ and XTT2 146
7.3.1. The ARD+ Model 147
7.3.2. Metamodel of the ARD+ Model 148
7.4. UML-based Representation of XTT2 150
7.4.1. The XTT2 Model 150
7.4.2. Metamodel of the XTT2 Model 153
7.5. Model Translations 154
7.5.1. Translation from XMI to ARD+ 155
7.5.2. Translation from ARD+ to XMI 156
7.5.3. Translation from XMI to XTT2 156
7.5.4. Translation from XTT2 to XMI 159
7.6. Cashpoint Case Study Design 162
7.7. Evaluation of the Translation 164
7.8. Summary 167
8. Conclusions 168
8.1. Summary of the Results 168
8.2. Future Work and Perspectives 170
A. Benchmark System Case 171
