基于AI的语用网研究(3)

bigbing

AI语用网的应用实例——PWCAS系统

图9是AI语用网的PWCAS（Pragmatic web oriented context-aware system framework）系统架构图。

图9 面向语用网的上下文感知系统框架

在本文中，选取一个AI语用网具体的应用情境—智能会议室，对图9所示的PWCAS系统架构图的功能实现的整体流程加以实例说明，如图10所示。

图10 基于上下文的智能会议室环境

如图10所示，有效的服务可以分为两类，一是预订的服务（Services in advance）：如预订宾馆、日程安排和娱乐，此类服务来源于会议参加者在会议注册期间提供的配置；二是实时服务（Services on the fly）：如地图和位置信息、天气和打印服务，此类服务来源于会议参加者的物理和逻辑上下文。

PWCAS系统的上下文知识库存储了与智能会议室领域相关的CoBra本体、用户配置及启发性知识。嵌入在物理环境中的上下文提供Agent从多种来源（如通过检测用户的RFID徽章、感知她携带的蓝牙设备的接近或利用声音/人脸识别技术）检测到用户的出席信息，将其提交给上下文知识库，在进行推理前先进行上下文不一致性检测和消解操作。

例如，当Mary携带智能设备进入智能会议室，部署在房间内的位置传感器感知到这一情境，于是向上下文知识库发送一条上下文信息：

<Person rdf:ID=”P3”><name>Mary </name><isNowIn>MeetingRoom </isNowIn></Person>

Mary将智能设备落在房间内去了休息室，休息室的传感器感知到她戴在身上的RFID徽章，于是又向上下文知识库发送一条新的上下文信息：

<Person rdf:ID=”P3”><name>Mary </name><isNowIn>Restroom</isNowIn></Person>

根据上下文知识库中的启发性知识“同一个人不能在同一时间出现在两个不同的地点”，发现上下文知识库存在不一致性，结合“用户穿戴的智能卡优先级高于携带的移动设备”这一策略，自动删除前一条优先级低的上下文信息，从而保障了上下文知识库的一致性。

本体推理模块根据上下文知识库中用户配置并结合OWL本体推理规则推导出用户当前所处的情境。其中，用户配置为确定用户与已知设备的关系提供了有用的信息，可以通过检测移动设备的位置来推导其主人的位置。

本体推理流程如图11所示。

图11 本体推理过程

确定了用户当前位于智能会议室后，根据用户配置推导出用户角色及用户意图之类的具有决策能力的高层上下文，并将其作为上下文服务层的数据源。该配置还定义了agt:intends属性，描述他计划参加的会议，当Agent可以使用这个信息时，会议的RDF资源描述URI可以帮助推断参加会议的用户是演讲者还是观众。

表3明确列出了智能会议室领域涉及的若干Jena自定义规则。

表3 会议涉及的Jena自定义规则

用户自定义推理模块将meeting.rule导入Jena推理机中进行推理，推导出用户角色和意图后，提交给上下文服务层的服务发现模块。

上下文服务层中相应的服务Agent接收到通知后，认为接收到的通知就是用户的真实意愿，便与上下文代理Agent协商是否可以访问用户信息，若得到用户的授权，则主动为用户发送会议安排提醒。

另外，投影仪Agent接收到用户的意图，认为用户的意愿是打开PPT做演讲，于是查询用户Agent找到可以下载用户演示文稿的URL，自动为用户打开PPT，若上下文知识库中不存在这样的URL信息，则上下文提供Agent会执行适当的上下文获取行为，并尝试从外部来源获取所需的上下文。

总结

随着人工智能的发展，用户对服务的智能化和实时性的要求越来越高，并且由于开放动态的环境使得现实世界中动态知识的表达和使用越来越重要，本文从网络发展历程、AI语用网的定义、特征与原则、基础设施、语义规则引擎、Agent间通信原理以及AI语用网的应用实例进行阐述，意于解决在动态变化的环境下确定用户当前所处情境，在此基础上推导出用户的真实意图，并据此为用户提供最适合的服务。