使用Datalog RuleML正向推理

1. 鉴于Peter Miller之前消费的事实,
2. 匹配规则<if>;
3. 将<Ind>Peter Miller</Ind >绑定到<Var>顾客</Var>变量上;
4. 使用相同的变量再绑定到规则<then>上，进行处理

<Atom>
  <Ind>Peter Miller</Ind>
  <op><Rel>是优质的</Rel></op>
</Atom>

在这个推导的例子中，规则和事实，将一起使用：

规则<If>匹配事实，将"<Ind>Peter Miller</Ind >"绑定到"<Var>顾客</Var>"变量上;

使用相同的变量再绑定到规则<then>上，一个新的<Atom>推导出"<Ind>Peter Miller</Ind>"是一个"<Rel>是优质的</ Rel>"顾客。

Datalog Rule联结

一位顾客购买产品时享受了7.5％的折扣，如果顾客是优质的，则该产品是奢侈品。

...

<if>

<And>

<Atom>

<Var>顾客</Var>

<Rel>是优质的</Rel>

</Atom>

<Atom>

<Var>产品</Var>

<Rel>是奢侈品</Rel>

</Atom>

</And>

</if>

</Implies>

除了使用单一的Atom公式中的<If>线条，一个Datalog RuleML规则也可以使用整个联结的Atom。这将允许复杂的条件通过‘联结‘包含各种变量。

产品分类事实

上面一章提到引入了产品，那么接下来我们将细化产品的规则

<Atom>

  <Ind>Porsche</Ind>

  <Rel>is luxury</Rel>

</Atom>

"A Porsche is a luxury product."

"保时捷是一种奢侈品"

虽然"<Rel>是优质的</ Rel>"是我们定义的第一条规则，接下来我们将定义"<Rel>是奢侈品</ Rel>"：

"保时捷是一种奢侈品"

同样，这自然语言的语句也是可以用XML表示，同时可以看作成一个OrdLab Tree

反向推理Backward Chaining Derivation

1. 目标："Peter Miller买保时捷能拿到什么样的折扣？"
2. 折扣规则的结果＝目标绑定如下参数
   1. 顾客：Peter Miller
   2. 产品：保时捷
   3. 折扣：7.5%

这个新的规则和事实可以结合我们前面的例子变成一个链式推导，如下：

第一步，关系"<Rel>折扣</Rel>"的规则匹配到<if>连接到"<Rel>是优质的</Rel>"规则，接下来如前面所述，绑定"<Ind>Peter Miller</Ind>"至变量"<Var>顾客</Var>"。

第二步，仅匹配到"<Rel>是奢侈品</Rel>"事实，绑定"<Ind>保时捷</Ind>"至变量"<Var>产品</Var>"。

1. 如果下面两个目标达成，则总目标达成
   1. 子目标："Peter Miller是优质的客户"
   2. 子目标："保时捷是一种奢侈品"
2. 两个子目标都达成
   1. "Peter Miller是优质的客户"通过推演
   2. "保时捷是一种奢侈品"通过事实

所以，"<Rel>折扣</Rel>"规则达成，也证明了接下来的Atom…

反向推理结果

Peter Miller gets a discount of 7.5 percent on the purchase of a Porsche.

Peter Miller买保时捷时享受了7.5%的折扣。

<Atom>

  <Ind>Peter Miller</Ind>

  <Rel>享受…折扣，在买…的时候</Rel>（这就是一个二元关系）

  <Ind>7.5%</Ind>

  <Ind>保时捷</Ind>

</Atom>

这个推导出的Atom标记可以被存储以供进一步处理：

同样，这段XML也可以被看作是一个OrdLab Tree。

请注意，第一条规则我们是自下而上（正向推理）的方式进行解释，而在第二条规则是自上而下（反向推理）的方式解释。其实，每个规则都可以在两种方式下使用;默认情况下，RuleML是中性的，与方向无关。

RuleML hornlog (Horn Logic with Functional Expressions)

<Atom>
  <Ind>Peter Miller</Ind>
  <Rel>享受…折扣/在买…的时候</Rel>
  <Expr>
    <Fun>%</Fun>
    <Data xsi:type="xs:decimal">7.5</Data>
  </Expr>
  <Ind>保时捷</Ind>
</Atom>

RuleML使用Datalog作为它的子语言家族的一部分。更神奇的子语言是RuleML hornlog（Horn logic），其中包括带有元素<Expr>和<Fun>的功能。

RuleML1.0的XML语法由XML schemas和RELAX NG schemas所定义。POSL可在线转换为RuleML/ XML。Datalog RuleML和Hornlog RuleML的语义采用Herbrand模型。Datalog和Hornlog RuleML实现是已经存在的，包括（NAF Hornlog）RuleML参考了OO jDREW的实现。

RuleML查询与变量(all non-ground sublanguages)

<Rulebase>
  <Query>
    <Atom>
      <Ind>Peter Miller</Ind>
      <Rel>享受…折扣/在买…的时候</Rel>
      <Var>x</Var>
      <Var>y</Var>
    </Atom>
  </Query>
</Rulebase>

</Query>：用来包装查询内容（可选：使用<formula>标记在外面），标记在"implicit <Rulebase>"内。这样就使得说明性内容与执行程序相分离（比如使用KQML驱动，他也有类似"ask"的执行）。

<Query>
  <Atom>
    <Ind>Peter Miller</Ind>
    <Rel>享受…折扣/在买…的时候</Rel>
    <repo><Var>x</Var></repo>
  </Atom>
</Query>

<Plex>
  <Ind>7.5%</Ind>
  <Ind>保时捷 </Ind>
</Plex>

<repo>：在<Atom>, <Expr>和<Plex>标签中需要重置变量，使用该标签。需要注意的是，<Plex>是预先生成的，所以<repo>是在Datalog中唯一可以使用的标签。

RuleML Slots

<Atom>
  <oid><Ind>Peter Miller</Ind></oid>
  <Rel>is a Customer</Rel>
  <slot>
    <Ind>who has a Status of</Ind>
    <Ind>premium</Ind>
  </slot>
  <resl>
    <Var>x</Var>
  </resl>
</Atom>

</slot>：一个用户定义的扩展槽，包括名称（第一个Ind）和过滤条件（第二个Ind）。

<resl>：在<Atom>, <Expr>和<Plex>标签中需要重置slot的变量，使用该标签。<Plex>是预先生成的，所以<resl>是在Datalog中唯一可以使用的标签。

执行，否定，量词和相等比较

<Assert>
  <Neg>
    <Exists>
      <Var>x</Var>
      <Forall>
        <Var>y</Var>
        <Equal>
          <Var>x</Var>
          <Var>y</Var>
        </Equal>
      </Forall>
    </Exists>
  </Neg>
</Assert>

RuleML这个官方的入门教程，大致介绍了规则的定义以及使用方法，但是感觉很多东西没有说清楚，当然也有很多东西我也没能理解，之后我将准备看看该标准中具体提供的内容，做一个真实的例子来体验。

RuleML入门（下）