一种面向本体中更高效故障定位的新专家提问方法

当本体达到一定规模和复杂度时，不一致、不可满足类或错误蕴含等故障几乎难以避免。定位导致这些故障的错误公理是一项艰巨且耗时的任务。针对此问题，已有若干半自动本体故障定位技术被提出。这些途径常涉及人类专家，其为关于预期（正确）本体的系统生成问题提供答案，以缩减可能的故障位置。为提出尽可能具信息量的提问，现有方法依赖各种算法优化及启发式。然而，这些计算常基于关于交互用户的某些假设。本工作中，我们刻画并讨论了不同用户类型，表明现有方法并未对所有类型都达到最优效率。作为补救，我们提出一种新型专家问题，旨在契合所有被分析专家的回答行为。此外，我们给出一种优化此新查询类型的算法，其与领域中（久经考验的）启发式完全兼容。在故障真实本体上的实验显示了新查询方法在最小化专家咨询时间方面的潜力，且与专家类型无关。此外，所获见解可为交互式调试工具的设计提供指导，以更好满足用户需求。