对比分析：推理引擎Jess、Racer和Jena的性能与特点

Jess(Java Expert Shell System)是基于Java语言的CLIPS推理机。 CLIPS是基于产生式的前向推理引擎&＃xff0c;它是一种非常基础性的东西&＃xff0c;许多上层的推理任务&＃xff0c;都要映射到这个推理引擎上来运行。     CLIPS(或Jess)原则上可以处理各种领域的推理任务&＃xff0c;只要系统能够为CLIPS提供这个领域的特有领域规则(产生式形式给出)和事实信息 (Assertion 形式给出)。 本体推理作为一类应用&＃xff0c;当然也可以映射到CLIPS推理机上进行推理&＃xff0c;但必须为推理机提供本体领域的有关规则。例如&＃xff0c;要用 CLIPS(Jess) 进行OWL的推理&＃xff0c;就要以产生式规则的形式&＃xff0c;向系统中输入OWL的每种语言成分的含义的有关规则。有了这些规则后&＃xff0c;就可以用CLIPS对OWL形式给出的 本体进行推理了。同理&＃xff0c;若对DAML形式给出的本体进行推理&＃xff0c;就需要向CLIPS中提供DAML的每种语言成分的含义的有关规则。    Jess(CLIPS)的优点是&＃xff1a;推理机是开放的&＃xff0c;用户提供不同的规则系统&＃xff0c;就可以进行不同领域的推理工作&＃xff0c;用户可以对推理机的推理能力进行扩展。 但&＃xff0c;作为前向推理系统&＃xff0c;Jess用空间换时间&＃xff0c;推理会产生大量的中间数据&＃xff0c;空间效率很低&＃xff1b;同时&＃xff0c;由于Jess(CLIPS)是通用推理引擎&＃xff0c;不可能提供针 对各种具体领域的优化能力&＃xff0c;使得这种推理机制的效率很难优化。

   现在&＃xff0c;针对本体的推理&＃xff0c;越来越多地集中在了几种标准的本体语言上&＃xff0c;如OWL、 DAML、RDFS/RDF等&＃xff0c;这样&＃xff0c;研究者给出效率更高的&＃xff0c;针对这些具体应用的推理机。象RACER、FaCT、Pellet等就是这类具体有强烈针对 性的推理机。它们的优点是&＃xff1a;效率很高&＃xff0c;使用上也非常方便&＃xff1b;缺点是&＃xff1a;不是通用推理机&＃xff0c;将推理能力限定在几种具体的本体语言上&＃xff0c;而且用户很难对它进行扩展。    值得强调的是&＃xff0c;RACER、FaCT、Pellet采用描述逻辑作为理论基础&＃xff0c;算法采用Tableau 算法。这些系统都做了大量的优化工作。

   Jena是面向语义Web的应用开发包&＃xff0c;包含的内容比较全面&＃xff0c;推理机只是其中一部分。 Jena提供的推理机也和RACER、FaCT、Pellet等一样&＃xff0c;是针对本体的推理机&＃xff0c;但Jena本身并不是‘推理机设计专家’&＃xff0c;它自身包含的推理机 基本上就是一种CLIPS配合本体领域产生式规则的前向推理系统。因此&＃xff0c;它的运行效率不是很高。好在现在有DIG接口&＃xff0c; DIG有点象数据库中的ODBC&＃xff0c;允许前端挂接到后台不同的推理引擎上。这样&＃xff0c;在Jean中&＃xff0c;也可以使用RACER、FaCT、Pellet这样更‘专业 ’些的推理机。

   综上所述&＃xff0c;可做如下区分&＃xff1a;    1. Jena中的推理引擎和RACER都是针对具体本体语言的推理机&＃xff0c;针对性强&＃xff0c;效率高。    2. Jess是层面更低的&＃xff0c;通用的CLIPS推理机。

   这就可以解释&＃xff1a;为什么当用户使用owl表示本体时&＃xff0c;Protege会用Jena或RACER等推理&＃xff0c;而当用户使用class/slot表示本 体时&＃xff0c;Protege仅能使用Jess。  其实&＃xff0c;从能力上&＃xff0c;Jess 也可以完成owl推理(需要输入相应的产生式规则库)&＃xff0c;只是效率低。