王 潔 張婷婷

(北京工業(yè)大學(xué)計(jì)算機(jī)學(xué)院 北京 100124)

基于ASP的智能空間中上下文感知問題的研究

王 潔 張婷婷

(北京工業(yè)大學(xué)計(jì)算機(jī)學(xué)院 北京 100124)

智能空間和回答集程序ASP的整合解決了智能空間中固定優(yōu)先關(guān)系下的資源沖突問題。然而，智能空間是一個上下文敏感的、動態(tài)的環(huán)境，隨著用戶在空間中行為的改變，空間中的信息和服務(wù)也要發(fā)生動態(tài)的變化。原有的基于本體的上下文感知框架僅能實(shí)現(xiàn)不同本體信息的推理，而沒有考慮環(huán)境信息對于上下文感知的影響。為此，基于回答集程序提出一種智能空間中的上下文感知框架，動態(tài)感知用戶的上下文本體以及環(huán)境信息，完成用戶在空間中的上下文動態(tài)推理。首先，使用本體描述用戶的上下文信息；然后使用回答集程序表達(dá)上下文推理規(guī)則，并引入缺省規(guī)則依據(jù)本體信息以及環(huán)境信息動態(tài)決策上下文響應(yīng)的優(yōu)先關(guān)系；最后，求得回答集程序的解，即為用戶上下文事件的決策結(jié)果，從而幫助用戶實(shí)現(xiàn)智能推理。實(shí)驗(yàn)結(jié)果表明，該框架可以動態(tài)決策空間中的優(yōu)先關(guān)系，有效實(shí)現(xiàn)空間中的上下文推理。

回答集程序 智能空間 上下文感知 缺省規(guī)則

0 引 言

智能空間是一個嵌入了多模態(tài)傳感器、計(jì)算和信息設(shè)備的工作空間，可使用戶便捷地訪問空間中的信息并獲取計(jì)算機(jī)的服務(wù)，從而幫助用戶實(shí)現(xiàn)高效的工作[1]。智能空間中的各個設(shè)備、運(yùn)營商和產(chǎn)品領(lǐng)域繁雜多樣，實(shí)現(xiàn)自發(fā)交互的前提是空間中的各個參與者之間建立一個共同的標(biāo)準(zhǔn)。為了實(shí)現(xiàn)空間中設(shè)備和服務(wù)之間的信息和資源共享，智能空間最初使用語義網(wǎng)的方法[2]。

語義網(wǎng)采用資源描述框架RDF(Resource Description Framework)表達(dá)信息并且依賴于網(wǎng)頁結(jié)構(gòu)，然而網(wǎng)頁結(jié)構(gòu)的隱私性和推理效率都不夠好。因此，相關(guān)研究學(xué)者研發(fā)了Smart-M3平臺便于更好地實(shí)現(xiàn)智能空間。

Smart-M3是智能空間中的一個的交互操作平臺，空間中的所有信息和服務(wù)都可以在設(shè)備之間進(jìn)行共享和存取。它包含兩個部分，分別是語義信息存儲SIB(Semantic Information Broke)和知識處理操作KP(Knowledge Processor)[3]。其中，SIB以RDF三元組的形式對空間中的信息進(jìn)行存儲；知識處理操作則由KP完成，通過刪除、插入、查詢、更新等操作來處理存儲在SIB中的信息[4]。智能空間訪問協(xié)議SSAP(Smart Space Access Protocol)則將SIB和KP進(jìn)行了連接。

2010年Luukkala等在智能空間中引入了回答集程序設(shè)計(jì)ASP(Answer Set Programming)[5]，并將ASP求解器Smodels和智能空間中的Smart-M3平臺進(jìn)行了整合[6]。ASP是一種基于規(guī)則的方法，它的知識表示能力和推理能力使得它成為處理資源決策的較好選擇，從而提高了智能空間的推理能力，并解決了Smart-M3中的固定偏好關(guān)系下的資源分配和沖突的問題。2011年Rodríguez等[7]設(shè)計(jì)了一種智能空間中上下文感知的應(yīng)用程序框架，實(shí)現(xiàn)了智能空間中基于固定本體的上下文感知推理。2013年Castillo等[8]更加細(xì)化智能環(huán)境，提出了一種智能空間中基于本體的上下文信息管理模型，重點(diǎn)在于使用中間件收集與環(huán)境相關(guān)的確定的上下文信息。目前的國內(nèi)的研究現(xiàn)狀是：2011年張樂[9]提出了一種基于本體的上下文感知計(jì)算的應(yīng)用框架模型，并結(jié)合了智能實(shí)驗(yàn)室進(jìn)行了實(shí)例應(yīng)用。2013年徐劍峰[10]研究并設(shè)計(jì)了基于普適計(jì)算的上下文感知建模的通用系統(tǒng)框架，實(shí)現(xiàn)了一種通用的上下文建模方法。然而，智能空間是一個動態(tài)的、上下文敏感的環(huán)境，用戶的上下文推理也會隨著環(huán)境的變化而改變。目前在智能空間中上下文感知的研究均是致力于固定信息的上下文推理，并沒有考慮到依據(jù)本體和環(huán)境的不同共同實(shí)現(xiàn)上下文動態(tài)推理。

因此，本文在ASP與Smart-M3平臺整合的基礎(chǔ)上，建立一種隨環(huán)境和用戶本體信息改變，能夠動態(tài)決策用戶事件的上下文感知框架。該框架的創(chuàng)新之處在于使用擴(kuò)展的本體描述空間中與用戶相關(guān)的上下文信息；然后使用回答集程序表達(dá)空間中的上下文推理規(guī)則，并利用缺省決策理論[11]動態(tài)決策智能空間中對上下文事件進(jìn)行響應(yīng)的優(yōu)先關(guān)系；最后，求解回答集程序得到用戶上下文推理的解，從而幫助用戶實(shí)現(xiàn)智能推理。

1 ASP與智能空間的整合

ASP的理論基礎(chǔ)是Gelfond和Lifschitz于1988年提出的一般邏輯程序的穩(wěn)定模型語義。1999年ASP作為一種程序設(shè)計(jì)框架被提出，其語法上類似傳統(tǒng)邏輯編程，語義上是一種非單調(diào)邏輯的描述性語義，具有豐富的知識表達(dá)和推理能力。ASP解決問題的基本思想是：通過一個非單調(diào)邏輯程序描述待求解的問題，根據(jù)描述設(shè)計(jì)一個帶有回答集語義的回答集程序，計(jì)算回答集程序的回答集就是待求解問題的解決方案[12]。

智能空間中的設(shè)備和服務(wù)信息是以RDF三元組的形式進(jìn)行存儲的，而ASP是一種基于規(guī)則的方法，為了整合ASP與智能空間就需要將RDF轉(zhuǎn)化為規(guī)則的形式。轉(zhuǎn)換的過程是將RDF的三元組轉(zhuǎn)化為二元事實(shí)predicate(subject, object)。比如，RDF三元組將會轉(zhuǎn)化為二元事實(shí)(John, wp1:Person)。這樣的形式就可以通過ASP的推理機(jī)Smodels系統(tǒng)的lparse語法檢查并利用smodel進(jìn)行程序的求解。

ASP與智能空間的整合主要是基于以下過程：通過ssls將回答集程序的推理工具Smodels與Smart-M3平臺相連接。其中，ssls是一個能夠?qū)崿F(xiàn)Smart-M3操作(刪除、插入、查詢、更新等)的命令行工具并且可以把存儲在SIB中的信息提取出來。利用RDF三元組與二元事實(shí)的轉(zhuǎn)換性可以把存儲在SIB中的每一條信息都轉(zhuǎn)換成相對應(yīng)的一條規(guī)則，進(jìn)而得到一個回答集程序。利用Smodels求解回答集程序得到的結(jié)果則可以通過KP執(zhí)行插入、更新、刪除等操作，以實(shí)現(xiàn)SIB中信息的更新。

2010年Luukkala.V等將Smart-M3與ASP進(jìn)行了整合，由于Smart-M3中的信息均是以RDF的形式表示的，而RDF的表達(dá)能力和推理能力均有限。因此Smart-M3與ASP的整合彌補(bǔ)了這一缺點(diǎn)，極大地增強(qiáng)了Smart-M3的表達(dá)能力和推理能力，并且ASP支持資源分配和沖突消解，在有多個可能解的情況下，可以利用偏好和最優(yōu)化技術(shù)篩選最合適的解。Janhunen等[13]于2012年使用元程序的方法，允許智能空間中的設(shè)備發(fā)布它的行為規(guī)則，并利用元程序的具體化表達(dá)將規(guī)則信息存儲到SIB中，從而實(shí)現(xiàn)了對規(guī)則信息的共享與存儲，增強(qiáng)了智能空間中設(shè)備之間的交互能力。

2 基于ASP的智能空間中的上下文感知框架

智能空間中的上下文感知是指計(jì)算系統(tǒng)自動地對上下文、上下文變化進(jìn)行感知和應(yīng)用，并據(jù)此做出決策和自動提供相應(yīng)的響應(yīng)或者服務(wù)，其特征是將信息和服務(wù)呈現(xiàn)給用戶并自動執(zhí)行相應(yīng)的服務(wù)[14]。

為了充分說明智能空間的上下文感知問題，本文引入一個智能會議室的例子。該智能會議室中，含有投影儀、多個環(huán)境信息傳感器、用戶及其攜帶的智能手機(jī)。如果投影儀是開著的，人數(shù)超于1人，那么智能會議室就能推斷用戶的活動是忙于開會。假如此時用戶攜帶的智能手機(jī)上有電話打進(jìn)來，原有的上下文推理框架總是將打入的電話轉(zhuǎn)為語音信箱，將不會打擾用戶。但這期間可能有一些緊急情況，例如會議主題對當(dāng)前用戶價(jià)值不大時， 用戶又不想忽略打進(jìn)來的重要電話。此時就需要智能空間感知用戶上下文事件關(guān)系即打進(jìn)電話的人和用戶的關(guān)系和當(dāng)前環(huán)境即會議主題對用戶的價(jià)值，幫助用戶完成空間中的動態(tài)事件決策。那么原有的上下文感知框架將不再適用。因此，本節(jié)在ASP與Smart-M3整合的基礎(chǔ)上，提出一種基于ASP的智能空間中的上下文感知框架，依據(jù)當(dāng)前空間環(huán)境和用戶本體信息，實(shí)現(xiàn)用戶上下文事件的動態(tài)推理。

該上下文感知框架，包括用戶的上下文信息表達(dá)、推理結(jié)構(gòu)、推理規(guī)則以及算法描述，具體如下。

2.1 智能空間中用戶上下文信息表達(dá)

當(dāng)用戶攜帶智能設(shè)備進(jìn)入智能空間時，會將用戶本身攜帶的信息發(fā)布在智能空間的SIB上，這些信息在推理過程中十分重要，本文使用基于本體的方式描述與用戶相關(guān)的上下文信息。

在本文中，先將上下文信息進(jìn)行了分類，具體的分類標(biāo)準(zhǔn)是上下文信息的來源，將上下文信息分為原子上下文和推理上下文。其中，原子上下文信息是指直接由空間提供的，一般是來自預(yù)先定義的信息以及由空間中傳感器感知得到的信息，例如：人物關(guān)系信息和設(shè)備信息；推理上下文一般來自原子上下文聚合得到的聚合信息，以及由已知信息推理得到的推理信息，例如：活動、設(shè)備狀態(tài)信息。詳細(xì)的分類如圖1所示。

圖1 用戶的上下文信息分類

由于智能空間中的設(shè)備和服務(wù)信息是以RDF三元組的形式進(jìn)行存儲的，并且RDF也是W3C推薦的本體描述語言，因此，本文采用RDF描述用戶的本體信息。同時為了解決不同本體關(guān)系對于決策的不同影響，實(shí)現(xiàn)上下文事件的動態(tài)推理，本文借用加權(quán)的回答集程序的思想，對RDF中的每一個聲明都增加上值，表示該事實(shí)在不同情況下被采納的偏好程度。在RDF中增加命名空間Utility_RDF，并在Utility_RDF下增加詞匯utility表示效用值屬性[15]，該屬性的值為環(huán)境名稱及其下效用值的二元組集合。這樣Utility_RDF：utility即可表示不同環(huán)境下不同響應(yīng)方式的偏好程度。

如智能會議室的例子，空間對于事件即用戶智能手機(jī)有電話打進(jìn)來，此時智能手機(jī)有兩種不同的響應(yīng)方式，接聽或者轉(zhuǎn)為語音郵箱，所以使用效用值表示不同響應(yīng)方式的偏好程度。由于空間的環(huán)境是不斷變化的，環(huán)境中會議的價(jià)值對于事件響應(yīng)方式的選擇也是影響因素，因此對于不同的會議價(jià)值賦予不同的效用值。若當(dāng)前會議主題的價(jià)值比較重要時，用high表示當(dāng)前的環(huán)境價(jià)值，此時接聽妻子電話的效用值是2，轉(zhuǎn)為語音郵箱的效用值為3；若會議主題的價(jià)值較低時，使用low表示，此時接聽妻子電話的效用值是3，轉(zhuǎn)為語音郵箱的效用值為1。該例子中：效用值越大，事實(shí)被采納時，該種行為實(shí)現(xiàn)的期望值就越大?？捎萌缦旅枋霰硎荆?/p>

2.2 智能空間中用戶上下文推理結(jié)構(gòu)

智能空間中的設(shè)備眾多，設(shè)備類型繁雜以及用戶類別不一，所以要實(shí)現(xiàn)智能空間的上下文動態(tài)推理，需要建立完整的統(tǒng)一化的推理結(jié)構(gòu)。具體包含以下幾個模塊：

上下文提供者：空間中的KPs能夠提供空間中的原子信息，主要來自傳感器、GPS以及WiFi等，隨著用戶在空間中行為的改變，空間中的信息和服務(wù)也會發(fā)生動態(tài)的變化。空間中的用戶原子信息以及環(huán)境信息均是由上下文提供者提供，這些信息在上下文推理機(jī)以及規(guī)則的作用下能夠推理出更高水平的上下文。例如，通過感知會議的投影儀狀態(tài)以及當(dāng)前的報(bào)告人，得知當(dāng)前會議主題的重要程度。

上下文數(shù)據(jù)類型解釋：由于空間中的信息來自不同的設(shè)備，具有不同的特征和數(shù)據(jù)形式。因此本文使用OWL-S[16]描述所有資源信息的特征。

本體：本體定義的上下文信息包括直接從上下文提供者獲得的原子信息和使用推理規(guī)則推斷出來的推理上下文。其中直接上下文由擴(kuò)展的RDF表示，并使用效用值表示不同響應(yīng)行為的期望大小。

推理規(guī)則：上下文推理過程要求一系列明確的推理規(guī)則去推斷新的上下文。這些推理規(guī)則可以是一般的也可以是特定領(lǐng)域的規(guī)則。由于ASP具有很強(qiáng)的知識表達(dá)能力，本文使用ASP表達(dá)推理規(guī)則實(shí)現(xiàn)上下文推理，具體見2.3節(jié)。

上下文推理機(jī)：這個模塊是把給定的原子上下文信息推理到更高水平的上下文信息的關(guān)鍵步驟。在這個模塊中，主要是由回答集推理機(jī)Smodels實(shí)現(xiàn)的，其中推理規(guī)則是由ASP定義的，去處理特定應(yīng)用場景。將用戶本體和環(huán)境感知到的環(huán)境信息轉(zhuǎn)化為事實(shí)的形式，并和推理規(guī)則一起輸入到推理機(jī)Smodels中，能夠得到用戶狀態(tài)以及事件決策方法。例如：當(dāng)用戶在臥室并且床的傳感器是開著的時候，能夠推理得到用戶的活動是sleeping，具體見2.4節(jié)中的算法。

圖2為智能空間中的上下文推理結(jié)構(gòu)，其中Smart-M3中的KPs通過傳感器、智能手機(jī)等設(shè)備獲知當(dāng)前用戶狀態(tài)以及環(huán)境信息。通過SSLS查詢SIB中的用戶本體信息，并將獲得的信息按照要求轉(zhuǎn)化后輸入到上下文推理機(jī)中實(shí)現(xiàn)推理，將推理結(jié)果插入到上下文數(shù)據(jù)庫中，最終Smart-M3將選擇的最合適的相應(yīng)行為告知KP進(jìn)行響應(yīng)。

圖2 智能空間的上下文推理結(jié)構(gòu)

2.3 智能空間中用戶上下文推理規(guī)則

本文對上下文推理的表示和推理使用ASP的方法，其中上下文事件的動態(tài)響應(yīng)優(yōu)先關(guān)系是建立在規(guī)則集上的，因此，本文定義Smart-M3中的兩個規(guī)則集：Capability和Event，分別代表設(shè)備集合以及事件集合。當(dāng)設(shè)備的資源發(fā)布在SIB中后，會對響應(yīng)的設(shè)備進(jìn)行實(shí)例化，生成Capability實(shí)例。當(dāng)空間中的設(shè)備發(fā)生事件時，會生成Event實(shí)例，并且在Event實(shí)例和Capability實(shí)例之間建立一個happen關(guān)系，表示這個Event實(shí)例是這個Capability實(shí)例發(fā)生的事件。當(dāng)設(shè)備對事件進(jìn)行響應(yīng)時，兩者之間建立一個respond關(guān)系，表示當(dāng)前設(shè)備Capability對當(dāng)前事件Event進(jìn)行了響應(yīng)。此外，由于responds關(guān)系有多種可能的響應(yīng)結(jié)果，to_action表示不同的響應(yīng)方式，而每種響應(yīng)方式在不同情況下的優(yōu)先級是不同的，所以還有一個優(yōu)先關(guān)系priority，比如priority(Act1, Act2)表示Act1和Act2之間的優(yōu)先關(guān)系并且Act1的優(yōu)先級大于Act2的優(yōu)先級。每個Capability-Event對集需要滿足以下兩個條件：

(1) 只要當(dāng)前有用戶事件發(fā)生，相關(guān)設(shè)備就要選擇一種方式進(jìn)行事件響應(yīng)。

(2) 首先使用具有更大優(yōu)先權(quán)值的方式進(jìn)行響應(yīng)。

基于以上兩條原則可以使用ASP的方法用規(guī)則的形式對以上兩個原則進(jìn)行描述。下面的兩條約束規(guī)則(1)、規(guī)則(2)分別對應(yīng)上面的兩條原則。

← happen(Cap,Eve), to_action(Act), not respond(Cap,Eve,Act)

(1)

← happen(Cap,Eve), to_action(Act 1), to_action(Act2), respond(Cap,Eve,Act2), not respond(Cap,Eve,Act1), priority(Act1,Act2)

(2)

以上兩條規(guī)則能夠表明智能空間中上下文事件響應(yīng)的規(guī)則，即當(dāng)前設(shè)備需要對已發(fā)生事件進(jìn)行響應(yīng)，并且采用具有較高優(yōu)先級的方式響應(yīng)。然而智能空間是一個動態(tài)的上下文敏感的環(huán)境，空間中上下文事件的響應(yīng)優(yōu)先關(guān)系不可能是完全固定的，那么為了表達(dá)空間中的事件動態(tài)響應(yīng)優(yōu)先關(guān)系引入缺省規(guī)則。缺省規(guī)則的一般形式為:

e→Aa

其中，e是一階公式集合，表示已知的信息或知識，A是原子集合，表示所有可選擇的決策行為，a是原子，并且a∈A。缺省規(guī)則e→Aa的直觀含義是：在已知信息e的基礎(chǔ)上，對于A中的所有決策，a是最優(yōu)的決策結(jié)果。

為了依據(jù)當(dāng)前環(huán)境和本體信息的不同，推理得到Event實(shí)例不同響應(yīng)之間的優(yōu)先關(guān)系，進(jìn)行上下文事件的動態(tài)決策，引入了缺省決策理論。具體表示如下:

在上下文動態(tài)推理中，需要動態(tài)決策空間中上下文事件響應(yīng)的優(yōu)先關(guān)系，具體方法是根據(jù)上述的缺省決策理論計(jì)算出當(dāng)前事件的期望效用，其中具有較高期望效用的響應(yīng)方式具有較高的優(yōu)先級。原則如下：

to_action(Act1)∧to_action(Act2)∧

happen(Cap,Eve)→Apriority(Act1,Act2)

其中，A={priority(Act1,Act2),priority(Act2,Act1)}。

由于推理過程中使用謂詞expect_utility(Act,X)表示Act的期望效用為X，因此，可以把上面的缺省規(guī)則改寫為回答集程序的形式，記為規(guī)則(3)。

priority(Act1,Act2)←happen(Cap,Eve),to_action(Act1),to_action(Act2),expect_utility(Act1,X),expect_utility(Act2,Y),X>Y

(3)

本文利用存儲在SIB中的本體信息提供的效用值以及當(dāng)前感知的環(huán)境信息，依據(jù)缺省決策理論，通過計(jì)算此時的event實(shí)例的期望效用值來動態(tài)決策event實(shí)例的響應(yīng)優(yōu)先級，并將這些已知信息通過轉(zhuǎn)化成事實(shí)加規(guī)則的形式之后輸入到回答集求解器Smodels中，最終，Smodels的輸出為上下文推理結(jié)果。

因此，基于規(guī)則(1)-規(guī)則(3)就可以實(shí)現(xiàn)智能空間中的上下文事件的動態(tài)決策。

2.4 智能空間中用戶上下文推理算法

該算法的實(shí)現(xiàn)是應(yīng)用到Smart-M3中的上下文推理機(jī)中，用于實(shí)現(xiàn)上下文動態(tài)推理。該算法的輸入為用戶的本體信息和當(dāng)前空間的環(huán)境信息，但是Smodels不能直接處理這些信息，因此本文設(shè)計(jì)了一個Smodels的前置算法，用于解析和處理本體信息和環(huán)境信息。這些信息在經(jīng)過解析和歸一化之后計(jì)算出相應(yīng)行為的期望效用，之后使用ssls命令行工具將SIB中的相應(yīng)場景的規(guī)則提取出來，并進(jìn)行實(shí)例化，最后輸入到回答集求解器Smodels中，該算法的輸出即為上下文感知的結(jié)果。具體流程如圖3所示。

圖3 上下文推理算法流程圖

在該算法中，變量factRules表示經(jīng)過轉(zhuǎn)化的事實(shí)規(guī)則集，轉(zhuǎn)化方法是將存儲在SIB的RDF本體效用信息提取出來，依次標(biāo)在事實(shí)規(guī)則的后面，即可表示不同情況下該響應(yīng)行為發(fā)生的期望大小。變量envInfo表示提取的環(huán)境信息集，envState集合中的元素表示環(huán)境中所有可能的環(huán)境狀態(tài)，并且歸一化后所有表示狀態(tài)的值總和為1。具體算法描述如下：

factRules = parse(RDF);

// 解析本體信息

envState=normalize(envInfo);

//歸一化環(huán)境信息

for(action_utility in factRules){

for(env_ probability in envState){

//依據(jù)缺省決策理論，計(jì)算每個action的期望效用

E(Ai) = action_utility* env_ probability;

}

}

rules = SIB.getRules(scene);

//依據(jù)場景提取出規(guī)則

rules(E(Ai));

//用E(Ai)實(shí)例化rules

//將處理好的規(guī)則輸入到Smodels中進(jìn)行運(yùn)算求解

Smodels.decision(rules(E(Ai)));

在該算法中，若環(huán)境狀態(tài)個數(shù)為N，響應(yīng)的行為數(shù)M，則該算法的時間復(fù)雜度為O(M×N)。Smodels最終的輸出為上下文事件的推理結(jié)果，實(shí)驗(yàn)結(jié)果表明該算法能夠在不斷變化的智能空間實(shí)現(xiàn)上下文動態(tài)感知，完成上下文推理，提高空間智能性。

3 實(shí) 例

同樣對于智能會議室的例子，當(dāng)用戶攜帶的智能手機(jī)上有電話打進(jìn)來，空間會根據(jù)用戶的信息判斷當(dāng)前打進(jìn)電話的人的關(guān)系，查到其存儲在本體中的效用值，并根據(jù)此時智能環(huán)境中會議場景的不同動態(tài)決策to_action(answer)和to_action(email)的優(yōu)先關(guān)系。因此，采用2.4節(jié)中的算法來解決上述問題。

首先對于該實(shí)例，存儲在SIB中的用戶關(guān)系信息如下：

Utility_RDF: utility=[{high:3},{low:1}]/>

Utility_RDF: utility=[{high:3},{low:2}]/>

Utility_RDF: utility=[{high:3},{low:3}]/>

將RDF信息按照2.4節(jié)的描述轉(zhuǎn)化為回答集事實(shí)規(guī)則的形式：

topic_event_answer(relative_wife,utility)←2,3

topic_event_mail(relative_wife,utility)←3,1

topic_event_answer(relative_friend,utility)←3,2

topic_event_mail(relative_friend,utility)←3,3

此時，另e={to_action(answer),to_action(mail),happen(phone,call)},表示空間中的信息并發(fā)布到SIB中，A={respond(answer),respond(mail)}表示所有可以選擇的事件決策行為，并分別令其為A1、A2。選定封閉世界w={High,Low}表示當(dāng)前智能空間的環(huán)境狀態(tài)。

將SIB中的RDF三元組信息轉(zhuǎn)化成規(guī)則的形式如下：

to_action(answer)←

to_action(mail)←

happen(phone,call)←

respond(phone,call,answer)←priority(answer,mail)

respond(phone,call,mail)←priority(mail,answer)

若此時用戶的智能手機(jī)上顯示妻子來電，并且由感知設(shè)備得知當(dāng)前會議主題重要性為高的概率為0.3即：p(high|e)=0.3，p(low|e)=0.7，此時該用戶的行為效用值如表1所示。

表1 環(huán)境為high時妻子的行為效用

根據(jù)缺省決策理論得知不同的響應(yīng)方式的期望效用：

E(A1)=0.3×2+0.7×3=2.7

E(A2)=0.3×3+0.7×1=1.6

即此時接聽妻子電話的期望效用為2.7，轉(zhuǎn)為語音郵箱的期望效用為1.6，E(A1)>E(A2)，因此由2.3節(jié)中的規(guī)則(3)可以推理得到priority(answer, mail)即answer的優(yōu)先級高于mail。

結(jié)合本文規(guī)則(1)-規(guī)則(3)可以得到一個回答集程序P，輸入到回答集推理機(jī)Smodels，得到回答集respond(phone,call,answer),即為此時的上下文事件決策結(jié)果，此時智能手機(jī)就是響鈴提示用戶。

此時，若打進(jìn)電話的是朋友，則同理根據(jù)算法計(jì)算用戶的期望效用進(jìn)行判斷。表2為本體為朋友的行為效用。

表2 環(huán)境為high時朋友的行為效用

經(jīng)過算法分析，E(A1)

會議進(jìn)行了一段時間，由于此時會議的發(fā)言人不同以及當(dāng)前主題對于用戶來講重要性提高，所以此時空間中會議是的重要的概率發(fā)生了變化。通過感知環(huán)境中的發(fā)言人以及會議主題得知p(high|e)=0.7;p(low|e)=0.3。所以此時用戶的行為期望如表3所示。

表3 環(huán)境為low時妻子的行為效用

所以再次根據(jù)來電人的不同，計(jì)算不同響應(yīng)的期望效用，例如：此時打進(jìn)電話的仍然是妻子，通過查詢效用值和計(jì)算期望效用得知：

E(A1)=0.7×2+0.3×3=2.3

E(A2)=0.7×3+0.3×1=2.4

即E(A1)

可以看出，通過2.1-2.4節(jié)中的上下文感知框架及相關(guān)算法，該框架可以存儲用戶的關(guān)系信息，并在RDF中通過增加效用值的方式，以數(shù)值的形式表現(xiàn)了用戶不同環(huán)境下的期望值，這樣可以很快幫助智能空間的用戶調(diào)整本體信息。另外，采用缺省規(guī)則表達(dá)上下文事件在不同環(huán)境下的優(yōu)先決策關(guān)系，使得智能空間中的用戶可以依據(jù)本體信息和環(huán)境信息共同決策上下文事件的響應(yīng)方式。無論是用戶的本體信息發(fā)生改變或者是環(huán)境信息發(fā)生改變，都能依據(jù)缺省決策理論獲知當(dāng)前事件的響應(yīng)優(yōu)先級別，從而實(shí)現(xiàn)了智能空間中的上下文事件動態(tài)推理。

4 結(jié) 語

智能空間是一個動態(tài)的、上下文敏感的環(huán)境，隨著用戶在空間中行為的改變，空間中的信息和服務(wù)也會發(fā)生動態(tài)的變化。本文建立的智能空間中的上下文感知框架可以依據(jù)智能空間中用戶本體和環(huán)境信息的變化動態(tài)決策空間中的優(yōu)先關(guān)系，使用ASP規(guī)則的形式描述空間中的推理規(guī)則，并通過Smodels求解器得到回答集，從而完成了智能空間中事件動態(tài)決策。實(shí)驗(yàn)表明該框架能夠?qū)崿F(xiàn)智能空間中上下文事件的動態(tài)推理，提高了Smart-M3動態(tài)決策上下文事件的能力，從而提高了空間的智能性以及用戶體驗(yàn)度。

[1] Borkar S. Technology challenges and opportunities for ubiquitous computing[C]//Solid State Circuits Conference. IEEE, 2012:125-128.

[2] Selvarajah K, Zhao R, Speirs N. Building smart space applications with PErvasive computing in embedded systems (PECES) middleware[J]. GSTF Journal on Computing, 2012, 1(4): 22-24.

[3] Honkola J, Laine H, Brown R, et al. Smart-M3 information sharing platform[C]//2010 IEEE Symposium on Computers and Communications, 2010:1041-1046.

[4] Kaustell A, Saleemi M M, Rosqvist T, et al. Framework for smart space application development[C]//Proceedings of the International Workshop on Semantic Interoperability, 2011.

[5] Luukkala V, Honkola J. Integration of an answer set engine to smart-M3[C]//Proceedings of the 3th Conference on Smart Spaces and Next Generation Wired and 10th International Conference on Wireless Networking. Springer, 2010:92-101.

[6] Luukkala V, Niemel? I. Enhancing a smart space with answer set programming[C]//Proceedings of the 2010 International Conference on Semantic Web Rules. Springer, 2010:89-103.

[7] Rodríguez N D. A framework for context-aware applications for smart spaces[C]//2011 IEEE/IPSJ International Symposium on Applications and the Internet. IEEE Computer Society, 2011: 218-221.

[8] Castillo A H O R, Buzeto F N, Castanho C D, et al. An ontology-based model for context information management in smart spaces[C]//2013 IEEE 10th International Conference on Ubiquitous Intelligence & Computing and 2013 IEEE 10th International Conference on Autonomic & Trusted Computing. IEEE Computer Society, 2013:278-284.

[9] 張樂. 基于本體的上下文感知計(jì)算的研究與應(yīng)用[D].武漢：武漢理工大學(xué), 2011.

[10] 徐劍峰. 基于普適計(jì)算的上下文感知建模技術(shù)的研究及應(yīng)用[D].上海：上海交通大學(xué),2013.

[11] Horvitz E J. Reasoning about beliefs and actions under computational resource constraints[DB]. arXiv preprint arXiv: 1304.2759, 2013.

[12] Brewka G, Eiter T, Truszczyński M. Answer set programming at a glance[J]. Communications of the ACM, 2011, 54(12): 92-103.

[13] Janhunen T, Luukkala V. Meta programming with answer sets for smart spaces[C]//Proceedings of the 6th International Conference on Web Reasoning and Rule Systems. Springer, 2012:106-121.

[14] Abowd G D, Ebling M, Hung G, et al. Context-aware computing[J].IEEE Pervasive Computing, 2002,1(3):22-23.

[15] Wang J, Ju S E, Liu C N. Agent-oriented probabilistic logic programming[J]. Journal of Computer Science and Technology, 2006, 21(3):412-417.

[16] OWL-S Services[OL].http://www.daml.org/services/owl-s/.

RESEARCH ON CONTEXT-AWARE IN SMART SPACE BASED ON ANSWER SET PROGRAMMING

Wang Jie Zhang Tingting

(SchoolofComputer,BeijingUniversityofTechnology,Beijing100124,China)

Integration of Answer Set Programming (ASP) and smart space solves the resource conflict problems in fixed precedence relationship. However, smart space is a context sensitive and dynamic environment. With the change of user’s behavior in space, the information and service in the space should also be changed dynamically. The original context-aware framework based on ontology can only implement the reasoning of different ontology information, without considering the influence of environmental information for context-awareness. Thus, a context-aware framework is proposed based on ASP, perceiving the user’s context ontology and the environment information dynamically and completing the user’s context dynamic reasoning in space. Firstly, the ontology is used to describe the user’s context information. Then, ASP is used to express the user’s context reason rules in smart space, and default rules is introduced to decide the priority of the dynamic decision context response based ontology and the environment information. Finally, the solution of ASP is obtained, which is the result of the decision of the user’s context, so as to help users realize the intelligent reasoning. The experiments show that this framework overcomes dynamic reasoning in space and achieves good effect.

ASP Smart space Context-aware Default rule

2016-01-04。王潔，副教授，主研領(lǐng)域：回答集程序設(shè)計(jì)，不確定推理。張婷婷，碩士生。

TP301

A

10.3969/j.issn.1000-386x.2017.02.004