基于描述逻辑的OntoUML模型的形式化表示

J4 ›› 2012, Vol. 34 ›› Issue (7): 89-92.

基于描述逻辑的OntoUML模型的形式化表示

齐玉东，杨斌，李瑛，谢晓方

(海军航空工程学院，山东烟台 264001)

收稿日期:2011-07-21 修回日期:2011-10-29 出版日期:2012-07-25 发布日期:2012-07-25

A Formalized Representation of the OntoUML Model Based on Description Logic

QI Yudong,YANG Bin,LI Ying,XIE Xiaofang

(Naval Aeronautical and Astronautical University,Yantai 264001,China)

Received:2011-07-21 Revised:2011-10-29 Online:2012-07-25 Published:2012-07-25

摘要/Abstract

摘要：

将形式本体理论应用于UML语言的改进是UML的形式化研究的主要方法之一，其中OntoUML是一个概念上完整、语义上清晰和更具本体意义的UML版本。虽然OntoUML基于本体对UML进行了扩充，提供了更为丰富，更能表达现实世界语义的建模原语，但其表达方式不利于在信息系统的设计与开发中应用。本文基于描述逻辑对OntoUML中的关键建模原语及其关系给出了SHIQ形式化表示方法，并进行了实例研究。该方法表达精练、语义清晰，不仅能够表达逻辑清晰的模型，而且保证模型能够正确反映领域事实。这种形式化方法为信息系统概念建模方法提供了理论和应用支撑，在一定程度上推动了OntoUML更为广泛的应用。

关键词: OntoUML, 描述逻辑, 本体, 语义

Abstract:

The formal ontological theory is one of the main methods applied to UML formalization and improvement. On the basis of Ontology UML has been extended to OntoUML，and it provides a richer, better version able to express the semantics of realworld modeling primitives, but its expression is not used in information system design and development. Based on description logic, the OntoUML primitives and relationship between them are formally represented with SHIQ, and a case study is given. The method of expression is concise, has clear semantics, and is not only able to express the logical model clearly, but also to ensure that the model represents things of domain correctly. This study promotes OntoUML to be more widely used, and to some extent, it provides a theoretical and application support to improving ontologybased information systems’ conceptual modeling approach.

Key words: OntoUML;description logic;ontology;semantic

齐玉东，杨斌，李瑛，谢晓方. 基于描述逻辑的OntoUML模型的形式化表示[J]. J4, 2012, 34(7): 89-92.

QI Yudong,YANG Bin,LI Ying,XIE Xiaofang. A Formalized Representation of the OntoUML Model Based on Description Logic[J]. J4, 2012, 34(7): 89-92.

[1]	尹春勇, 冯梦雪. 基于注意力机制的半监督日志异常检测方法[J]. 计算机工程与科学, 2023, 45(08): 1405-1415.
[2]	梅侠峰, 吴晓鸰, 黄泽民, 凌捷. 融合RoBERTa的多尺度语义协同专利文本分类模型[J]. 计算机工程与科学, 2023, 45(05): 903-910.
[3]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[4]	厍向阳, 马亦骏. 改进的遥感图像语义分割算法[J]. 计算机工程与科学, 2023, 45(03): 504-511.
[5]	王杨, 隆海燕, 贾曦然, . 基于人眼色彩差异化感知的图像质量评价研究[J]. 计算机工程与科学, 2023, 45(02): 295-303.
[6]	赵亚丽, 余正涛, 郭军军, 高盛祥, 相艳, . 基于情感语义对抗的跨语言情感分类模型[J]. 计算机工程与科学, 2023, 45(02): 338-345.
[7]	杨昊, 赵刚, 王兴芬. 基于混合模型的事件触发词抽取[J]. 计算机工程与科学, 2023, 45(01): 171-180.
[8]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[9]	蔡雨岐, 郭卫斌. 基于多级语义信息融合编码的序列标注方法[J]. 计算机工程与科学, 2022, 44(12): 2266-2272.
[10]	刘李漫, 谭龙雨, 彭源, 刘佳. 基于全融合网络的三维点云语义分割[J]. 计算机工程与科学, 2022, 44(05): 862-869.
[11]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[12]	马冬梅, 李鹏辉, 黄欣悦, 张倩, 杨鑫. 改进DeepLabV3+的高效语义分割[J]. 计算机工程与科学, 2022, 44(04): 737-745.
[13]	杨凡亿, 马慧芳, 闫彩瑞, 宿云. 融合双层注意力机制的属性网络节点嵌入[J]. 计算机工程与科学, 2022, 44(03): 454-462.
[14]	王杨, 郁振鑫, 卢嘉, . 融合视觉注意机制的图像显著性区域风格迁移方法[J]. 计算机工程与科学, 2022, 44(01): 118-123.
[15]	刘豪, 马慧芳, 龚楠, 闫彩瑞. 基于多粒度语义分析的二进制漏洞搜索方法[J]. 计算机工程与科学, 2021, 43(12): 2169-2176.