基于ASP的智能空間中上下文感知問題的研究

王 潔 張婷婷

(北京工業大學計算機學院 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

(北京工業大學計算機學院 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先關系下的資源沖突問題。然而，智能空間是一個上下文敏感的、動態的環境，隨著用戶在空間中行為的改變，空間中的信息和服務也要發生動態的變化。原有的基于本體的上下文感知框架僅能實現不同本體信息的推理，而沒有考慮環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，動態感知用戶的上下文本體以及環境信息，完成用戶在空間中的上下文動態推理。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上下文推理規則，并引入缺省規則依據本體信息以及環境信息動態決策上下文響應的優先關系；最后，求得回答集程序的解，即為用戶上下文事件的決策結果，從而幫助用戶實現智能推理。實驗結果表明，該框架可以動態決策空間中的優先關系，有效實現空間中的上下文推理。

回答集程序 智能空間 上下文感知 缺省規則

0 引 言

智能空間是一個嵌入了多模態傳感器、計算和信息設備的工作空間，可使用戶便捷地訪問空間中的信息并獲取計算機的服務，從而幫助用戶實現高效的工作[1]。智能空間中的各個設備、運營商和產品領域繁雜多樣，實現自發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準。為了實現空間中設備和服務之間的信息和資源共享，智能空間最初使用語義網的方法[2]。

語義網采用資源描述框架RDF(Resource Description Framework)表達信息并且依賴于網頁結構，然而網頁結構的隱私性和推理效率都不夠好。因此，相關研究學者研發了Smart-M3平臺便于更好地實現智能空間。

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都可以在設備之間進行共享和存取。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]。智能空間訪問協議SSAP(Smart Space Access Protocol)則將SIB和KP進行了連接。

2010年Luukkala等在智能空間中引入了回答集程序設計ASP(Answer Set Programming)[5]，并將ASP求解器Smodels和智能空間中的Smart-M3平臺進行了整合[6]。ASP是一種基于規則的方法，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中的固定偏好關系下的資源分配和沖突的問題。2011年Rodríguez等[7]設計了一種智能空間中上下文感知的應用程序框架，實現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]更加細化智能環境，提出了一種智能空間中基于本體的上下文信息管理模型，重點在于使用中間件收集與環境相關的確定的上下文信息。目前的國內的研究現狀是：2011年張樂[9]提出了一種基于本體的上下文感知計算的應用框架模型，并結合了智能實驗室進行了實例應用。2013年徐劍峰[10]研究并設計了基于普適計算的上下文感知建模的通用系統框架，實現了一種通用的上下文建模方法。然而，智能空間是一個動態的、上下文敏感的環境，用戶的上下文推理也會隨著環境的變化而改變。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，并沒有考慮到依據本體和環境的不同共同實現上下文動態推理。

因此，本文在ASP與Smart-M3平臺整合的基礎上，建立一種隨環境和用戶本體信息改變，能夠動態決策用戶事件的上下文感知框架。該框架的創新之處在于使用擴展的本體描述空間中與用戶相關的上下文信息；然后使用回答集程序表達空間中的上下文推理規則，并利用缺省決策理論[11]動態決策智能空間中對上下文事件進行響應的優先關系；最后，求解回答集程序得到用戶上下文推理的解，從而幫助用戶實現智能推理。

1 ASP與智能空間的整合

ASP的理論基礎是Gelfond和Lifschitz于1988年提出的一般邏輯程序的穩定模型語義。1999年ASP作為一種程序設計框架被提出，其語法上類似傳統邏輯編程，語義上是一種非單調邏輯的描述性語義，具有豐富的知識表達和推理能力。ASP解決問題的基本思想是：通過一個非單調邏輯程序描述待求解的問題，根據描述設計一個帶有回答集語義的回答集程序，計算回答集程序的回答集就是待求解問題的解決方案[12]。

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

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是一個能夠實現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三元組與二元事實的轉換性可以把存儲在SIB中的每一條信息都轉換成相對應的一條規則，進而得到一個回答集程序。利用Smodels求解回答集程序得到的結果則可以通過KP執行插入、更新、刪除等操作，以實現SIB中信息的更新。

2010年Luukkala.V等將Smart-M3與ASP進行了整合，由于Smart-M3中的信息均是以RDF的形式表示的，而RDF的表達能力和推理能力均有限。因此Smart-M3與ASP的整合彌補了這一缺點，極大地增強了Smart-M3的表達能力和推理能力，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化技術篩選最合適的解。Janhunen等[13]于2012年使用元程序的方法，允許智能空間中的設備發布它的行為規則，并利用元程序的具體化表達將規則信息存儲到SIB中，從而實現了對規則信息的共享與存儲，增強了智能空間中設備之間的交互能力。

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算系統自動地對上下文、上下文變化進行感知和應用，并據此做出決策和自動提供相應的響應或者服務，其特征是將信息和服務呈現給用戶并自動執行相應的服務[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、多個環境信息傳感器、用戶及其攜帶的智能手機。如果投影儀是開著的，人數超于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上有電話打進來，原有的上下文推理框架總是將打入的電話轉為語音信箱，將不會打擾用戶。但這期間可能有一些緊急情況，例如會議主題對當前用戶價值不大時， 用戶又不想忽略打進來的重要電話。此時就需要智能空間感知用戶上下文事件關系即打進電話的人和用戶的關系和當前環境即會議主題對用戶的價值，幫助用戶完成空間中的動態事件決策。那么原有的上下文感知框架將不再適用。因此，本節在ASP與Smart-M3整合的基礎上，提出一種基于ASP的智能空間中的上下文感知框架，依據當前空間環境和用戶本體信息，實現用戶上下文事件的動態推理。

該上下文感知框架，包括用戶的上下文信息表達、推理結構、推理規則以及算法描述，具體如下。

2.1 智能空間中用戶上下文信息表達

當用戶攜帶智能設備進入智能空間時，會將用戶本身攜帶的信息發布在智能空間的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的上下文信息。

在本文中，先將上下文信息進行了分類，具體的分類標準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：人物關系信息和設備信息；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、設備狀態信息。詳細的分類如圖1所示。

圖1 用戶的上下文信息分類

由于智能空間中的設備和服務信息是以RDF三元組的形式進行存儲的，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系對于決策的不同影響，實現上下文事件的動態推理，本文借用加權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即可表示不同環境下不同響應方式的偏好程度。

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

2.2 智能空間中用戶上下文推理結構

智能空間中的設備眾多，設備類型繁雜以及用戶類別不一，所以要實現智能空間的上下文動態推理，需要建立完整的統一化的推理結構。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也會發生動態的變化?？臻g中的用戶原子信息以及環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以及規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以及當前的報告人，得知當前會議主題的重要程度。

上下文數據類型解釋：由于空間中的信息來自不同的設備，具有不同的特征和數據形式。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則推斷出來的推理上下文。其中直接上下文由擴展的RDF表示，并使用效用值表示不同響應行為的期望大小。

推理規則：上下文推理過程要求一系列明確的推理規則去推斷新的上下文。這些推理規則可以是一般的也可以是特定領域的規則。由于ASP具有很強的知識表達能力，本文使用ASP表達推理規則實現上下文推理，具體見2.3節。

上下文推理機：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鍵步驟。在這個模塊中，主要是由回答集推理機Smodels實現的，其中推理規則是由ASP定義的，去處理特定應用場景。將用戶本體和環境感知到的環境信息轉化為事實的形式，并和推理規則一起輸入到推理機Smodels中，能夠得到用戶狀態以及事件決策方法。例如：當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節中的算法。

圖2為智能空間中的上下文推理結構，其中Smart-M3中的KPs通過傳感器、智能手機等設備獲知當前用戶狀態以及環境信息。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化后輸入到上下文推理機中實現推理，將推理結果插入到上下文數據庫中，最終Smart-M3將選擇的最合適的相應行為告知KP進行響應。

圖2 智能空間的上下文推理結構

2.3 智能空間中用戶上下文推理規則

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響應優先關系是建立在規則集上的，因此，本文定義Smart-M3中的兩個規則集：Capability和Event，分別代表設備集合以及事件集合。當設備的資源發布在SIB中后，會對響應的設備進行實例化，生成Capability實例。當空間中的設備發生事件時，會生成Event實例，并且在Event實例和Capability實例之間建立一個happen關系，表示這個Event實例是這個Capability實例發生的事件。當設備對事件進行響應時，兩者之間建立一個respond關系，表示當前設備Capability對當前事件Event進行了響應。此外，由于responds關系有多種可能的響應結果，to_action表示不同的響應方式，而每種響應方式在不同情況下的優先級是不同的，所以還有一個優先關系priority，比如priority(Act1, Act2)表示Act1和Act2之間的優先關系并且Act1的優先級大于Act2的優先級。每個Capability-Event對集需要滿足以下兩個條件：

(1) 只要當前有用戶事件發生，相關設備就要選擇一種方式進行事件響應。

(2) 首先使用具有更大優先權值的方式進行響應。

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

← 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)

以上兩條規則能夠表明智能空間中上下文事件響應的規則，即當前設備需要對已發生事件進行響應，并且采用具有較高優先級的方式響應。然而智能空間是一個動態的上下文敏感的環境，空間中上下文事件的響應優先關系不可能是完全固定的，那么為了表達空間中的事件動態響應優先關系引入缺省規則。缺省規則的一般形式為:

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。缺省規則e→Aa的直觀含義是：在已知信息e的基礎上，對于A中的所有決策，a是最優的決策結果。

為了依據當前環境和本體信息的不同，推理得到Event實例不同響應之間的優先關系，進行上下文事件的動態決策，引入了缺省決策理論。具體表示如下:

在上下文動態推理中，需要動態決策空間中上下文事件響應的優先關系，具體方法是根據上述的缺省決策理論計算出當前事件的期望效用，其中具有較高期望效用的響應方式具有較高的優先級。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則改寫為回答集程序的形式，記為規則(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前感知的環境信息，依據缺省決策理論，通過計算此時的event實例的期望效用值來動態決策event實例的響應優先級，并將這些已知信息通過轉化成事實加規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果。

因此，基于規則(1)-規則(3)就可以實現智能空間中的上下文事件的動態決策。

2.4 智能空間中用戶上下文推理算法

該算法的實現是應用到Smart-M3中的上下文推理機中，用于實現上下文動態推理。該算法的輸入為用戶的本體信息和當前空間的環境信息，但是Smodels不能直接處理這些信息，因此本文設計了一個Smodels的前置算法，用于解析和處理本體信息和環境信息。這些信息在經過解析和歸一化之后計算出相應行為的期望效用，之后使用ssls命令行工具將SIB中的相應場景的規則提取出來，并進行實例化，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表示經過轉化的事實規則集，轉化方法是將存儲在SIB的RDF本體效用信息提取出來，依次標在事實規則的后面，即可表示不同情況下該響應行為發生的期望大小。變量envInfo表示提取的環境信息集，envState集合中的元素表示環境中所有可能的環境狀態，并且歸一化后所有表示狀態的值總和為1。具體算法描述如下：

factRules = parse(RDF);

// 解析本體信息

envState=normalize(envInfo);

//歸一化環境信息

for(action_utility in factRules){

for(env_ probability in envState){

//依據缺省決策理論，計算每個action的期望效用

E(Ai) = action_utility* env_ probability;

}

}

rules = SIB.getRules(scene);

//依據場景提取出規則

rules(E(Ai));

//用E(Ai)實例化rules

//將處理好的規則輸入到Smodels中進行運算求解

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

在該算法中，若環境狀態個數為N，響應的行為數M，則該算法的時間復雜度為O(M×N)。Smodels最終的輸出為上下文事件的推理結果，實驗結果表明該算法能夠在不斷變化的智能空間實現上下文動態感知，完成上下文推理，提高空間智能性。

3 實 例

同樣對于智能會議室的例子，當用戶攜帶的智能手機上有電話打進來，空間會根據用戶的信息判斷當前打進電話的人的關系，查到其存儲在本體中的效用值，并根據此時智能環境中會議場景的不同動態決策to_action(answer)和to_action(email)的優先關系。因此，采用2.4節中的算法來解決上述問題。

首先對于該實例，存儲在SIB中的用戶關系信息如下：

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節的描述轉化為回答集事實規則的形式：

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}表示當前智能空間的環境狀態。

將SIB中的RDF三元組信息轉化成規則的形式如下：

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上顯示妻子來電，并且由感知設備得知當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 環境為high時妻子的行為效用

根據缺省決策理論得知不同的響應方式的期望效用：

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，轉為語音郵箱的期望效用為1.6，E(A1)>E(A2)，因此由2.3節中的規則(3)可以推理得到priority(answer, mail)即answer的優先級高于mail。

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

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

表2 環境為high時朋友的行為效用

經過算法分析，E(A1)

會議進行了一段時間，由于此時會議的發言人不同以及當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生了變化。通過感知環境中的發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 環境為low時妻子的行為效用

所以再次根據來電人的不同，計算不同響應的期望效用，例如：此時打進電話的仍然是妻子，通過查詢效用值和計算期望效用得知：

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節中的上下文感知框架及相關算法，該框架可以存儲用戶的關系信息，并在RDF中通過增加效用值的方式，以數值的形式表現了用戶不同環境下的期望值，這樣可以很快幫助智能空間的用戶調整本體信息。另外，采用缺省規則表達上下文事件在不同環境下的優先決策關系，使得智能空間中的用戶可以依據本體信息和環境信息共同決策上下文事件的響應方式。無論是用戶的本體信息發生改變或者是環境信息發生改變，都能依據缺省決策理論獲知當前事件的響應優先級別，從而實現了智能空間中的上下文事件動態推理。

4 結 語

智能空間是一個動態的、上下文敏感的環境，隨著用戶在空間中行為的改變，空間中的信息和服務也會發生動態的變化。本文建立的智能空間中的上下文感知框架可以依據智能空間中用戶本體和環境信息的變化動態決策空間中的優先關系，使用ASP規則的形式描述空間中的推理規則，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決策。實驗表明該框架能夠實現智能空間中上下文事件的動態推理，提高了Smart-M3動態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算的研究與應用[D].武漢：武漢理工大學, 2011.

[10] 徐劍峰. 基于普適計算的上下文感知建模技術的研究及應用[D].上海：上海交通大學,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，主研領域：回答集程序設計，不確定推理。張婷婷，碩士生。

TP301

A

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