RuleML 入门（上）

摘要

本文档是关于RuleML 1.0的入门（Rule Markup Language，他也是一种规则建模语言Rule Modeling Language或叫做 规则元逻辑Rule MetaLogic）。RuleML被用于在web上共享和发布基于XML的规则。 RuleML构成一个分层的规则子语言（rule sublanguages）家族，本入门的焦点主要集中在Datalog和Horn logic。这些子语言的XML可以通过OrdLab trees可视化的呈现，例如：商业策略领域、折扣策略等。

RuleML组织

RuleML作为一个非营利组织，一直驱动着web规则的研究，建立互通其他Web规则语言之间的桥梁，与标准合作，并与落实到行业实践中。

RuleML作为一个事实上的语言标准包括：慎重的RuleML V1.0，其中：Datalog和子语言Horn logic将在这里着重介绍。

Datalog

Datalog[CGT89] 是一种轻量级推演数据库系统，是许多规则语言的核心，是最接近带有递归视图的关系数据库。这里介绍的是RuleML中的Datalog。

• (Function-free)Horn logic子语言
• SQL和Prolog语言的交集
• 程序逻辑能够代表关系数据库中信息，包括（递归的）视图
• (fact)事实：关系数据库中的表的行
• (rule)规则：用视图隐含表的定义

Datalog 的Horn logic (function-free)子语言是RuleML的语义基础。Datalog是SQL与Prolog的交集的语言。因此，它被看作是程序逻辑能够代表关系数据库中信息，包括（递归的）视图。也就是说，在Datalog中，我们可以定义事实，对应明确的关系数据库中的表的行（客观事实的定义），以及规则，对应于用视图（内在的定义）隐含表的定义。

顾客花费的事实 – OrdLab Tree

"Peter Miller spent at least 5000 euros in the previous year."

Peter在去年至少花了5000欧元

Datalog RuleML，作为一种标记语言，可以方便地进行序列化相关信息，其中所有的列内容都是自然语言的短语。为了解释Datalog功能，我们将开发一个小例子，以真实的自然语言的业务规则在RuleML中描述。这个例子对应Terry Moriarty的业务规则分类中的「资格」类别。

这种自然语言句子的结构可以用可视化的一种解析树语言，称之为OrdLab Tree (Order-Labeled)。在图中有标签(tags)和标注(label)他们都是内部节点（椭圆形，类似RDF里面那种匿名资源），例如：'Atom'（Atom公式）；叶子节点（矩形，类似RDF里的那种文字，含PCDATA），例如：'Rel'（关联常量），'Ind'（独立常量），或'Data'（数据常量）。"Atom"节点连接到"Rel"节点的线条被标记为'op'，这样与参数区分开来。其中间操作的顺序是模仿原来自然语言的排序。

OrdLab trees 介绍在："A Web Data Model Unifying XML and RDF" http://www.dfki.uni-kl.de/~boley/xmlrdf.html

RuleML Datalog 事实(Fact)

<Atom>
  <Ind>Peter Miller</Ind>
  <op><Rel>至少花费</Rel></op>
  <Ind>5000欧元</Ind>
  <Ind>在去年</Ind>
</Atom>

"至少花费"与以下三种发生关联： Peter Miller、5000欧元、去年（时间参考），他们可以被记录成为一个Datalog RuleML事实。在这里，XML标签 - 类似于非终端的语言 - 直接在句子上标注PCDATA（Parsed Character Data） - 类似语言的最终形式：

从外到内的标签，我们发现"至少花费"是标注成关系名（表名）：<Rel>至少花费</Rel>。在同一级，有三个短语"Peter Miller"、"5000欧元"、"在去年"是标注成独立常量。关系有三个参数（列），顺序如下：<Ind>Peter Miller</Ind>, <Ind>5000欧元</Ind>, 和<Ind>去年</Ind>。整个应用程序的关系构成了一个Atom公式，标记由<Atom>... </Atom>。

Datalog特性

• 查询必须保证参数和关系描述的精确
• 短语细化需要Horn logic RuleML
• 关系有一个变量（有限的）是数字型的参数（可以是多个）
• RDF和OWL的二元情况
• RuleML结合SWRL中的OWL
• OrdLab图的每条边可以看作是一个二元描述语
• SQL风格的null可以通过<Ind/>表示

在上述Datalog的标记，这三个顶级"至少花费"的参数没有进一步分析，他们只是被视为独立常量。用于识别目的，它们和关系本身，将需要由一个精确的查询，它要能够检索上述的事实（如下图所示，这查询如果是规则的一部分）。每个步骤都使用RuleML标记，逐步的细化分析，可以表现出内部结构、自然语言中关系的意义，从Datalog至Hornlog (function-ful) RuleML他们都有三个基本参数为进一步使用：辅助、参数、处理。

请注意，Datalog RuleML中的一个关系可以是n元（多价），即可以是变量，但参数的个数是有限的，如n= 0，1，2，3，...一个Datalog仅允许一元（一价的）和二元（二价的）的关系是一个重要的特殊情况，例如为RuleML结合SWRL中的OWL。虽然上面的标记使用一个三元"至少花费"关系，它也可以被减少到3个二元关系，他们从独立变量分离出来的，这就代表了一个三元关系，所建议的上述RDF面向XML的可视化和解释可查询W3C Working Group Note。然而，为了保持对数据库和SQL的关系模型的表现力，以及Prolog语言中，Datalog RuleML允许直线表示n元关系，如可视化管理hyperarcs 在Grailog（Graph inscribed logic）。此外，Datalog RuleML提供SQL风格的null通过独立的<Ind/>标记。

Datalog Rule 例子

Implies：推断

"A customer is premium if they spent at least 5000 euros in the previous year."

如果他们在去年至少花费了5000欧元，那么他们是优质的顾客

<Implies closure="universal">
  <then>
    <Atom>
      <Var>顾客</Var>
      <Rel>是优质的</Rel>
    </Atom>
  </then>
  <if>
    <Atom>
      <Var>顾客</Var>
      <Rel>至少花费</Rel>
      <Ind>5000欧元</Ind>
      <Ind>去年</Ind>
    </Atom>
  </if>
</Implies>

看看这些标记，请注意RuleML标签与Java类与方法命名约定一样，是区分大小写的。Atom公式由以下几个元素构成之前讨论的事实，其中包含：<Implies>、<If>、<Atom>，不同的是的<ind>Peter Miller</ind>被换成了<Var>顾客</Var>，顾客是一个变量标记。这个变量也发生在<Implies>的<then>的<Atom>的标签内，它适用于一元关系<Var>顾客</Var>和<Rel>是优质的</ Rel>。