可发现的主体知识——面向主体化知识图谱功能的形式化框架（扩展版）

# 可发现的主体知识——面向主体化知识图谱功能的正式框架（扩展版）††感谢：本文的一个版本已提交至 EKAW 2026。本手稿为扩展版本，包含额外的形式化描述及一个实例。
来源：https://arxiv.org/html/2605.19186
11institutetext:英国利物浦大学计算机科学与信息学院11邮箱：\{T\.R\.Payne,V\.Tamma\}@liverpool\.ac\.uk22institutetext:开放大学：米尔顿凯恩斯，英国22邮箱：enrico\.daga@open\.ac\.uk

###### 摘要

二十年前，语义网服务社区曾面临一个问题：具有不同本体承诺的主体如何能够一致地发现、组合和调用网络服务。当时的答案是 OWL-S 和 WSMO：它们提供了形式化的能力描述，详细说明了服务能做什么、主体为了在认知上合理地进行调用必须已经知道什么，以及本体不匹配如何可以通过形式化方式进行桥接。当前的 KG 元数据标准（如 VoID 和 DCAT）描述了知识图谱*包含*什么，但完全没有说明特定主体能从中*证明*什么、控制空结果的封闭假设是什么，或者主体的任务词汇是否已锚定在模式中。此外，在已部署的 KG 中，控制性的模式描述逻辑（DL）和实际操作的蕴涵机制可能产生分歧：这是当前元数据不可见的一种认知失败模式。我们为 KG 设置重新审视并扩展了这些见解，提出了一个四维形式化框架，并从中推导出*主体化功能概况（AAP）*：一个位于 VoID 和 DCAT 之上的语义层，能够在主体规划时实现原则性的 KG 选择、组合和失败诊断。我们提出了一个包含五个要点的研究议程，以确定大规模实现基于 AAP 的功能匹配所需的正式、计算和工程工作。

## 1 引言

基于 LLM 的主体通过发现和整合基于知识的资源来协作解决复合任务 \[1 (https://arxiv.org/html/2605.19186#bib.bib1),36 (https://arxiv.org/html/2605.19186#bib.bib34)\]，这推动了人们对*智能体 AI*的兴趣日益增长。这为主体的自主性和治理（特别是那些在知识图谱（KG）上进行推理的主体）提出了开放挑战 \[7 (https://arxiv.org/html/2605.19186#bib.bib7),17 (https://arxiv.org/html/2605.19186#bib.bib17)\]。结构化知识支持它们的推理和决策制定 \[37 (https://arxiv.org/html/2605.19186#bib.bib35)\]，通过本体词汇约束查询解释，并为主体结论提供事实内容；然而，主体*评估*给定 KG 是否适合特定任务的方式在很大程度上仍然是非正式的，要么在设计时假设，要么作为离线活动进行。当前的 KG 元数据标准如 VoID \[2 (https://arxiv.org/html/2605.19186#bib.bib2)\] 或 DCAT \[20 (https://arxiv.org/html/2605.19186#bib.bib20)\] 描述了 KG *包含*什么（三元组数量、实体类型、模式引用、许可），但没有描述其*知识功能*\[9 (https://arxiv.org/html/2605.19186#bib.bib9)\]：哪些与任务相关的查询保证返回有意义的结果、支持什么推理、或者词汇表是否无需中介即可被主体理解。由 LLM 编排的主体在没有这种评估的情况下查询 KG，可能会因为内容不匹配或不完整而得出不合理结论。

这与二十年前语义网服务社区 \[3 (https://arxiv.org/html/2605.19186#bib.bib3),6 (https://arxiv.org/html/2605.19186#bib.bib6),12 (https://arxiv.org/html/2605.19186#bib.bib13),22 (https://arxiv.org/html/2605.19186#bib.bib26),23 (https://arxiv.org/html/2605.19186#bib.bib21),24 (https://arxiv.org/html/2605.19186#bib.bib22),34 (https://arxiv.org/html/2605.19186#bib.bib33),35 (https://arxiv.org/html/2605.19186#bib.bib32)\] 的情况惊人相似；诸如 OWL-S \[22 (https://arxiv.org/html/2605.19186#bib.bib26),23 (https://arxiv.org/html/2605.19186#bib.bib21)\] 和 WSMO \[12 (https://arxiv.org/html/2605.19186#bib.bib13),35 (https://arxiv.org/html/2605.19186#bib.bib32)\] 的框架利用本体来形式化描述网络服务如何被发现、组合和查询。Polleres 等人 \[30 (https://arxiv.org/html/2605.19186#bib.bib29)\] 描述了许多这种相似性，指出当前对主体的描述是用自然语言指定的（输入和输出参数出现在 JSON Schema 中或通过内容类型表示），并且这类描述*“……容易产生歧义，因为功能或能力的语义无法仅通过自然语言描述精确捕获……”*。

鉴于这种趋同性，我们重新审视了来自 OWL-S/WSMO 传统的关键结构性见解，并将其形式化地扩展到 KG 设置中，重点关注*主体间认知一致性难题*\[32 (https://arxiv.org/html/2605.19186#bib.bib31)\]：一个由异构主体组成的社区（每个主体都锚定在自己的本体中）如何能够确定给定 KG 交互所需的知识是否一致且有意义。我们为 KG 的主体化功能刻画指定了一个四维形式化框架，并从中推导出 KG 的*主体化功能概况（AAP）*：一个位于 VoID 和 DCAT 之上的语义层，能够在主体规划时实现原则性的 KG 选择、组合和失败诊断。本质上，一个*主体化功能概况*是一个与任务相关的语义描述，说明了特定类别的主体能从给定 KG 中可靠地检索、证明和推断出什么，其结构沿着四个维度展开：*语义表达能力*、*主体可发现性*、*任务相关锚定性*和*认知信任范围*。然后，我们提出了一个研究议程，以确定使基于 AAP 的功能匹配在实践中可部署所需的正式、计算和工程挑战。

本文的其余部分结构如下。第 2 节（https://arxiv.org/html/2605.19186#S2）重新审视了 OWL-S 和 WSMO 的结构性见解，即*概况*/*流程模型*/*锚定*分解以及将中介作为一等对象的做法，并确定哪些见解适用于 KG 设置，哪些需要形式化扩展。这为第 3 节（https://arxiv.org/html/2605.19186#S3）提供了动机，该节介绍了四个维度：*语义表达能力*、*主体可发现性*、*任务相关锚定性*和*认知信任范围*；规定了每个维度如何针对任务签名进行评估；并刻画了它们之间的成对交互。该节最后推导出一个由四个维度共同计算的单一可行性谓词，以及这种分解为失败诊断提供的功能差距信号。第 4 节（https://arxiv.org/html/2605.19186#S4）通过一个来自学术搜索任务的示例将框架具体化，展示了三个表面上可比的 KG 如何产生不同的规划者判决结果，以及每个维度的不足如何映射到特定的补救措施。第 5 节（https://arxiv.org/html/2605.19186#S5）列出了使基于 AAP 的功能匹配在实践中可部署所需的五个要点研究议程（涵盖本体形式化、计算易处理性、组合语义、知识服务规范和工程集成），然后第 6 节（https://arxiv.org/html/2605.19186#S6）进行总结。

## 2 主体、知识与 SWS 传统

从语义网服务工作中产生的两种最有影响力的形式化方法，OWL-S \[3 (https://arxiv.org/html/2605.19186#bib.bib3),23 (https://arxiv.org/html/2605.19186#bib.bib21),22 (https://arxiv.org/html/2605.19186#bib.bib26)\] 和 WSMO \[6 (https://arxiv.org/html/2605.19186#bib.bib6),12 (https://arxiv.org/html/2605.19186#bib.bib13)\]，体现了关于为形式化描述面向主体的资源和能力 \[29 (https://arxiv.org/html/2605.19186#bib.bib28)\] 的结构性见解，这些见解同样适用于 KG，从而激发了我们关于*主体化功能概况*的愿景。OWL-S 围绕三个组件组织了服务描述，这些组件回答了主体在交互不同阶段必须回答的三个不同问题。*概况*回答了*“这个服务做什么？”*，通过请求者和服务提供商共享受体上的形式化推理实现*发现*\[28 (https://arxiv.org/html/2605.19186#bib.bib27)\]。*流程模型*回答了*“它内部如何工作？”*，实现了工作流组合。*锚定*回答了*“我如何调用它？”*，将形式化描述映射到协议绑定。同样的三个问题也出现在 KG 中：

1. 1\.*“我能用这个 KG 做什么？”* – 哪些查询返回结果，支持什么推理，存在哪些与任务相关的概念；
2. 2\.*“查询是如何工作的？”* – 推理规则、更新协议、访问约束是什么；
3. 3\.*“我如何查询它？”* – SPARQL 端点、认证、联合查询。

虽然当前的 KG 元数据框架充分回答了第三个问题，但它们仅从内容层面回答第一个问题，未能达到 OWL-S*概况*层面问题的要求：*这个 KG 能为具有特定任务的主体做什么？*回答这个问题需要知道支持什么推理、主体的任务词汇是否锚定在 KG 的 TBox 中，以及哪些推断可以形式化地信任。

因此，一个 KG 的主体化功能概况需要从主体的认知角度，针对给定的任务类型描述三件事：第一，主体在接触 KG 之前必须已经锚定什么（连贯交互的认知前提）；第二，它可以从查询结果中可靠地推断出什么，以及这些结论在何种封闭假设下成立；第三，它的知识库如何通过交互（用 KG 的词汇表示）得到扩展。针对共享领域本体指定这些内容，使得形式化的功能匹配成为可能，取代了主体目前必须执行的探索性查询。

虽然 OWL-S 主要解决能力描述，但 WSMO，*在其他方面*，贡献了一个互补的见解：一个类型化的*中介*分类法，被视为在本体上不匹配的组件之间形式化指定的桥梁 \[12 (https://arxiv.org/html/2605.19186#bib.bib13)\]。这些中介是一等对象：可发现、可组合，并且可以使用与服务相同的词汇来描述。对于 KG 互操作性，WSMO 的中介概念映射到一个形式化指定的 KG 到 KG 的桥梁：不仅仅是一个功能适配器，而是一个具有定义好的保存规范的转换，主体可以据此评估转换后的内容是否仍然足够完成任务。然而，仅仅将中介注册为静态桥梁对于在任务相关本体约束下运行的主体来说是不够的，因为它需要在*调用之前*确定中介是否会弥合当前任务的具体语义差距。因此，中介需要声明形式化的输入和输出签名，并锚定在共享本体中，以便在计划形成阶段评估其适用性，而不是通过调用才发现。因此，中介必须是规划对象，而不仅仅是解决机制。

现有的关联数据质量和适用性框架 \[10 (https://arxiv.org/html/2605.19186#bib.bib12),33 (https://arxiv.org/html/2605.19186#bib.bib39),38 (https://arxiv.org/html/2605.19186#bib.bib38)\] 将完整性、一致性和可解释性刻画为 KG 的内在属性。AAP 在两个方面的不同：它是*关系型的*（相对于任务签名而非仅仅资源本身进行评分）并且是*规划可操作的*（每个维度的不足映射到特定的补救措施），而不仅仅是审计分数。Gibson 的生态心理学 \[15 (https://arxiv.org/html/2605.19186#bib.bib16)\] 将功能定义为不仅仅是环境自身的属性，而是与环境关系相关的属性：环境*提供*什么相对于主体的能力和目标。应用于知识资源，KG 的功能不是它抽象地包含什么，而是它使*特定主体*能够对*特定任务*做什么。Celino \[9 (https://arxiv.org/html/2605.19186#bib.bib9)\] 将这个直觉形式化为知识资源的*知识功能（KA）*，相对于请求者的上下文、目标和能力问题定义。这将功能与能力广告区分开来：VoID 描述从发布者的角度描述资源，而功能从主体的角度描述；例如，对于锚定在 SNOMED-CT 的医学主体，同一个 KG 可能具有高功能，而对于没有发布对齐的法律主体则功能为零。

## 3 主体化功能：一个四维框架

知识图谱的*主体化功能*通过四个维度刻画，每个维度都是 KG 相对于特定主体和任务的属性，而不是独立于上下文的 KG 属性。这将 AAP 与能力广告区分开来：不是资源*是什么*，而是它对特定请求者*提供了什么*。

语义表达能力 \(\mathcal{E}\)：表示控制 KG 模式的本体的描述逻辑（DL）表达能力，以及 KG 内容符合模式的程度。如果不知道控制性的 DL，主体就无法确定它能证明什么：传递性推理需要支持传递属性链，而合理的查询重写需要 OWL-QL。这个维度的评估是通过确定控制本体的*DL 片段*，它位于从无模式 RDF 到 RDFS、OWL2 配置文件（EL、QL、RL）、OWL2 DL 和 OWL2 Full \[4 (https://arxiv.org/html/2605.19186#bib.bib4),25 (https://arxiv.org/html/2605.19186#bib.bib23)\] 的偏序中，并结合 KG 内容中类型推导由该片段标准蕴涵机制下的控制性 TBox 推出的那部分比例。后一成分与下面 \(\mathcal{R}\) 中的一致性状态解读相一致：\(\mathcal{E}\) 刻画了模式*允许*什么；\(\mathcal{R}\) 刻画了已部署端点*实际*返回什么。

主体可发现性 \(\mathcal{D}\)：反映主体仅从 KG 的元数据和能力描述就能自主评估其对于特定任务的适用性程度，而无需查询 KG 内容。它用于评估 KG 发现的成本：低端 KG 需要主体在评估其对于所需任务的适用性之前进行探索性查询，而高端 KG 可以在规划或组合时仅从其元数据进行评估，从而实现理性的 KG 选择，而无需承诺与资源交互。

这个维度可以通过确定一组主体任务类型 \(\mathcal{Q}\) 的比例来评估（其中 \(\mathcal{Q}\) 是在主体设计时根据共享任务本体定义的，这本身就是第 5 节（https://arxiv.org/html/2605.19186#S5）中确定的一个先决条件），对于这些任务类型，给定某个 KG，主体可以*仅从声明的元数据*（而不查询 KG 本身）确定其适用性。得分为 1 意味着 KG 的元数据足够丰富，可以预先评估所有任务类型的适用性；得分为 0 意味着元数据对所有任务类型都保持沉默。该维度的特征从无描述（原始 SPARQL 端点） → 句法元数据（VoID \[2 (https://arxiv.org/html/2605.19186#bib.bib2)\], DCAT \[20 (https://arxiv.org/html/2605.19186#bib.bib20)\]）→ 自然语言文档 → 完整的 AAP 概况：在共享领域本体中锚定、对支持的任务类型的形式化功能评分。

令 \(M(\mathit{KG})\) 表示关于 \(\mathit{KG}\) 的元数据断言集合（端点声明、VoID/DCAT 描述符以及任何声明的 AAP 概况），并令 \(\mathit{fitness}(\mathit{KG}, t)\) 缩写 \(\mathcal{G}\) 和 \(\mathcal{R}\) 的合取……