软件测试信息领域本体构建研究
- 格式:doc
- 大小:31.00 KB
- 文档页数:7
GIS一二次智能化融合分析摘要:目前,一次设备的智能化实现主要通过智能终端、合并和在线监测来实现。
然而,需要相当多的部件,如多触点辅助、行程、继电器元件等外部接口仍然是电缆。
总线控制系统二次回路复杂,数据信息共享不足。
研究了GIS的核心智能,从源头实现了GIS核心本体的智能局部模块;本文深入研究了GIS设备集成的一二次、GIS二次回路优化、高可靠性保护与控制的形成、高共享系统与智能GIS汇控的融合设计。
关键词:一二次深度融合;GIS智能汇控系统;就地智能模块随着计算机汇控技术的发展,二次设备就地安装技术也得到了发展。
然而,当前的终端光纤模式增加了回路的中间环节,降低了保护动作的速度和可靠性。
一、智能化GIS技术现状目前,智能站的设计目的是将光纤和智能GI汇控系统中,但仍存在以下问题。
1.电缆布线较大,GIS结构仍由多用户辅助开关、行程及压力开关等组成,本体外部接口的协调仍集中在电缆上,为了协调控制和采集状态信号,汇控柜间之间需要大量电缆。
2.大汇控柜尺寸,复杂接线。
与传统汇控柜相比,该机柜配备了智能GIS、终端、检测仪器和在线检测设备。
一些技术保护也是下放的。
尺寸太大汇控柜,并且有许多内部设备和连接,施工量增加了。
3.融合度一二次设备不足,功能冗余。
目前,检测设备的输入/输出功能和智能终端功能、信号点灯和控制信号采集功能、机构路、操作箱防跳回路等相关设备均具有重复功能。
4.减少了防护设备,降低了可靠性。
下放保护设备后,将其与智能终端和布置合并单元放入主控制柜。
二次设备的数字接口并不重要,但增加了中间连接以降低可靠性。
二、GIS一二次深度融合研究根据GIS二次回路的优化设计,将保护控制与智能井控相结合,构建了一种新型的智能GIS系统。
本文主要从以下几个方面进行优化。
为了实现对本体光纤化的在线监测GIS同体安装,减少IED的工作干扰和信号,GIS中还安装了开关量就地模块。
实现了GIS在机构间的光纤传输联系,减少了接点次数,提高了信息共享水平。
中国制造2025十大领域1.新一代信息技术产业 集成电路及专用装备。
着力提升集成电路设计水平,不断丰富知识产权(IP)核和设计工具,突破关系国家信息与网络安全及电子整机产业发展的核心通用芯片,提升国产芯片的应用适配能力。
掌握高密度封装及三维(3D)微组装技术,提升封装产业和测试的自主发展能力。
形成关键制造装备供货能力。
信息通信设备。
掌握新型计算、高速互联、先进存储、体系化安全保障等核心技术,全面突破第五代移动通信(5G)技术、核心路由交换技术、超高速大容量智能光传输技术、“未来网络”核心技术和体系架构,积极推动量子计算、神经网络等发展。
研发高端服务器、大容量存储、新型路由交换、新型智能终端、新一代基站、网络安全等设备,推动核心信息通信设备体系化发展与规模化应用。
操作系统及工业软件。
开发安全领域操作系统等工业基础软件。
突破智能设计与仿真及其工具、制造物联与服务、工业大数据处理等高端工业软件核心技术,开发自主可控的高端工业平台软件和重点领域应用软件,建立完善工业软件集成标准与安全测评体系。
推进自主工业软件体系化发展和产业化应用。
2.高档数控机床和机器人 高档数控机床。
开发一批精密、高速、高效、柔性数控机床与基础制造装备及集成制造系统。
加快高档数控机床、增材制造等前沿技术和装备的研发。
以提升可靠性、精度保持性为重点,开发高档数控系统、伺服电机、轴承、光栅等主要功能部件及关键应用软件,加快实现产业化。
加强用户工艺验证能力建设。
机器人。
围绕汽车、机械、电子、危险品制造、国防军工、化工、轻工等工业机器人、特种机器人,以及医疗健康、家庭服务、教育娱乐等服务机器人应用需求,积极研发新产品,促进机器人标准化、模块化发展,扩大市场应用。
突破机器人本体、减速器、伺服电机、控制器、传感器与驱动器等关键零部件及系统集成设计制造等技术瓶颈。
3.航空航天装备 航空装备。
加快大型飞机研制,适时启动宽体客机研制,鼓励国际合作研制重型直升机;推进干支线飞机、直升机、无人机和通用飞机产业化。
基于构件的软件复用技术研究与应用实践基于构件的软件复用技术研究谷今杰莫继红 ((湖南大学软件学院,长沙410082)通常情况下.应用软件系统的开发过程包含以下几个阶段:需求分析、设计、编码、测试、维护等。
当每个应用系统的开发都是从头开始时,在系统开发过程中就必然存在大量的重复劳动,如:用户需求获取的重复、需求分析、编码、测试的重复和文档等。
探讨应用系统的本质,发现其中通常包含:①通用基本构件:是特定于计算机系统的构成成分,如基本的数据结构、用户界面元素等,它们可以存在于各种应用系统中;②领域共性构件:是应用系统所属领域的共性构成成分,它们存在于该领域的各个应用系统中;③应用专用构件:是每个应用系统的特有构成成分。
应用系统开发中重复劳动主要在于前两类构成成分的重复开发。
软件复用是在软件开发中避免重复劳动的解决方案。
其出发点是应用系统的开发不再采用一切“从零开始”的模式,而是以已有的工作为基础,充分利用过去应用系统开发中积累的知识和经验,如:需求分析结果、设计方案、源代码、测试计划及测试案例等.从而将开发的重点集中于应用的特有构成成分。
通过软件复用,在应用系统开发中可以充分利用已有的开发成果.消除了包括分析、设计、编码、测试等在内的许多重复劳动,从而提高了软件开发的效率:同时,通过复用高质量的已有开发成果时,避免了重新开发可能引入的错误,从而提高软件的质量。
软件复用指重复使用“为了复用目的而设计的软件”的过程。
相应地,可复用软件是指为了复用目的而设计的软件。
与软件复用的概念相关,重复使用软件的行为还可能是重复使用“并非为了复用目的而设计的软件”的过程,或在一个应用系统中的不同版本间重复使用代码的过程,这两类行为都不属于严格意义上的软件复用。
真正的复用是为了支持软件,使用“为复用而开发的软件(构件)”来更快、更好地开发新的应用系统。
复用技术在整体上对软件产业的影响却并不尽如意。
这是由于技术方面和非技术方面的种种因素造成的,其中技术上的不成熟是一个主要原因。
检测和校准实验室能力认可准则在软件检测领域的应用说明一、引言本文件是CNAS根据软件检测的特性对《检测和校准实验室能力认可准则》(CNAS-CL01:2006)的部分条款所作的进一步说明,并不增加或减少该准则的要求。
本文件的应用说明按照《检测和校准实验室能力认可准则》(CNAS-CL01:2006)的条款顺序编排,故章节号不是完全连续的。
本文件应与《检测和校准实验室能力认可准则》(CNAS-CL01:2006)同时使用。
二、应用说明1.范围1.2本文件适用于所有从事软件检测的实验室。
2. 引用文件下列文件中的有关条款通过引用而成为本标准具体的条款。
凡注日期或版次的引用文件,其后的任何修改单(不包括勘误的内容)或修订版本都不适用于本标准,但提倡本标准的使用者探讨使用其最新版本的可能性。
凡不注日期或版次的引用文件,其最新版本适用于本标准。
检测和校准实验室认可准则(CNAS-CL01:2006)(简称《准则》)软件工程术语(GB/T 11457)3. 术语和定义GB/T 11457中确立的术语和定义适用于本文件。
本文件使用的其他术语和定义如下:3.1 检测输入项requisite things for testing完成软件检测任务需要有关方提供的检测条件。
如:被检测软件、检测依据、标准。
3.2 测试技术文档test technique document软件检测过程中按照某种规范文档化的测试策划、测试设计等活动的技术成果。
如:测试计划、测试说明。
3.3 检测环境testing context按照检测要求和设计的测试方法,驱动、控制被检测软件运行或解析被检测软件本体的硬件、软件、数据、场地及其他技术设施的集成。
3.4 被检测软件software under testing送实验室检测的软件产品,包括程序、技术文档和数据。
3.5 测试需求test requirements为了使需方能够接受一个软件产品,按照特定的标准或规范对被检测软件实现其研制要求或研制合同等文件规定的软件能力及其特性进行的必要测试。
DOI:10.19392/ki.1671-7341.201815198基于句法分析的实体关系抽取李㊀真㊀张优敏㊀夏冬梅㊀靳㊀冲重庆工程学院软件与计算机学院㊀重庆㊀400056摘㊀要:针对领域本体构建中实体关系种类不明确,以及中文文本中多出现复杂句式,复杂句子中实体关系的获取比较难的问题,提出基于句子语法分析的实体关系获取方法,通过对句法结构的分析,加入句法特征㊂以旅游领域的实体关系获取为模型分别进行二组实验㊂实验表明,基于SVM关系抽取实验中,加入了句法特征的那组实验结果的F值提高了15个百分点,证明句法特征对基于SVM的实体关系获取的有效性㊂关键词:实体关系;句法特征;支持向量机中图分类号:TP391㊀㊀文献标识码:A㊀㊀国内外对实体关系的抽取都做了相关的研究,蔡鸿博[1]采用挖掘频繁项集关联性与分析词结构信息相结合的方法来自动挖掘上位词之间的上位关系,达到了较好的层次化效果;郭剑毅[2]提出一种改进的径向基核函数融合多项式核函数及卷积树核函数㊂本文前期也做过基于SVM(支持向量机)的概念㊁属性及属性值的对应关系获取[3],但都没有考虑复杂句式的问题,句法分析在处理复杂句式时有明显的优势,因此,本文在进行关系抽取时,通过对句法结构的分析,加入句法特征㊂以云南旅游领域实体关系获取进行试验验证,结果表明该方法具有良好的可行性㊂1基于句法分析的实体关系抽取特征的选择㊂在使用SVM进行实体关系获取时,最核心的步骤就是构造特征向量,特征向量的构造需要选取合适的特征,特征选取不合适会直接影响到实验的结果㊂由于中文文本中特征具有多样性,在考虑到常用的词特征㊁实体类型特征等的基础上,引入一种句法特征㊂下面重点介绍一下句法特征㊂(a)父类成分特征㊂父类特征主要表示在同一个句子中,两个实体在句法分析树中的结点是在哪个句法位置处显示的㊂本文主要考虑五个句法成分:pp,np,zj,dj,vp㊂从离两个实体最近的父结点开始,依次向上搜索,如果出现最近的公共句法成分为pp,np,zj,dj,vp中任一个,则其为父类特征㊂其中pp,np, zj,dj,vp在句法成分中分别表示动词短信㊁名词短语㊁整句㊁单句句型和介词短语㊂(b)两个实体间的路径特征㊂两个实体在句法分析树中的路径,由两个实体对应的结点间的句法成分构成㊂例如句子 滇池位于云南省昆明市的西南㊂ 它的句法树为[jd[np滇池/ns][vp位于/v[sp云南省/ns昆明市/ns的/u西南/nl㊂/wp]]],如下图所示,两实体之间的路径为np+dj-vp-sp㊂句法分析树图(c)中心词之间以及中心词到实体之间的路径㊂在分析了 云南省昆明市的西南 和 滇池 这两个实体在语法分析树中充当的成分后,发现它们都和动词 位于 的关系比较密切,从句子的语义角色这方面来看, 云南省昆明市的西南 是 位于 的受动者, 滇池 是 位于 的施事者,同时本文发现句子中的大部分关系都有这样的一个角色依赖关系和中心词㊂因此,本文在原有特征的基础上加了两个新特征:两个实体分别到中心词的句法分析路径特征和中心词特征㊂中心词为 位于 ,实体E1到中心词的路径为:np+dj-vp,实体E2到中心词的路径为:vp-sp㊂2试验数据以及结果分析(1)试验数据以及评价指标㊂为了证明SVM在实体语义关系抽取上具有可行性和有效性,本文分别设计了两组相关的实验室,其中第一组实验是只有基础特征实体关系抽取实验;第二组是不断加入句法特征的基于SVM的实体关系抽取实验㊂由于本文在做实体关系抽取的实验时,缺乏相关的权威语料,本文利用网络爬虫工具从互联网上搜集了相关旅游领域的语料,主要包括酒店㊁景点㊁文化㊁小吃四类,文档3000余篇,其中有2000篇是作为训练语料,其余1000篇则作为测试语料㊂在对实验结果的评测中,本文采用信息抽取任务中比较权威的评测标准㊂即用召回率(R)来反映实验结果的查全率,用准确率(P)来反映实体关系抽取的精度,用F值来表示实验结果的最终性能指标,即:准确率(P)=正确获取概念层次关系的个数获取的概念层次关系个数∗100%召回率(R)=正确获取概念层次关系的个数概念层次关系总个数∗100%F值(F-Score)=2∗P∗PP+R∗100%(2)结果及分析㊂由下表可知,每次加入的句法特征都起到了改进系统性能的作用,其中父类成分以及中心词和实体距中心词的路径两个特征对实验的结果有很大的影响,提高了实体关系抽取的性能㊂基于句法分析的实体关系抽取表正确率(%)召回率(%)F值(%)基础特征63.8240.1549.30+父类成分78.3147.5859.19 +实体之间的路径80.4948.2560.33 +中心词和实体距中心词路径82.3753.7465.053结论实体关系的获取是近年来文本信息处理领域的一个研究热点㊂本文通过对两个实体在句法结构树中的位置进行分析,获取实体之间的依存特征,在基于SVM的实体关系抽取中不断地加入这些句子结构特征,实验证明,句法分析对基于SVM 的实体语义关系抽取具有显著的效果㊂参考文献:[1]蔡鸿博.基于上位词的中文实体关系图谱构建[D].哈尔滨工业大学,2014.[2]郭剑毅,陈鹏,余正涛,等.基于多核融合的中文领域实体关系抽取[J].中文信息学报,2016,30(01):24-29.[3]郭剑毅,李真,余正涛,等.领域本体概念实例㊁属性和属性值的抽取及关系预测[J].南京大学学报(自然科学版), 2012,48(04):383-389.[4]付瑞吉.开放域命名实体识别及其层次化类别获取[D].哈尔滨工业大学,2014.基金项目:重庆市教委科学技术研究项目(KJ1717370㊁KJ1717371)㊁校内科研基金项目(2017xzky05)作者简介:李真(1983-),女,硕士,讲师,高级工程师,研究方向为信息抽取㊂722㊀科技风2018年5月理论研究. All Rights Reserved.。
技术领域:01.信息技术:指研制计算机硬件、软件、外部设备、通信网络设备的活动,以及利用计算机硬件、软件及数字传递网对信息进行文字、图形、特征识别、信息采集、信息处理和传递的活动。
02.生物技术:包括基因工程、细胞工程、酶工程和发酵工程,指为了生物技术本身的发展,就有关原理、技术、特种工艺、测试、仪器而进行的活动,以及利用生物技术为农、林、牧、渔、医药卫生、化学、食品、轻工等部门提供生物技术新产品而开展的活动。
无特定目标或虽有特定目标但不是为促进生物技术发展而开展的有关生命科学的研究不包括在此分类内。
03.新材料:指新近发展或正在研制的具有优异性能或特定功能的材料,如新型无机非金属材料、新型有机合成材料、新型金属和合金材料。
包括为发展新材料就有关原理、技术、新产品、特种工艺、测试而进行的活动。
04.能源技术:包括能源问题一般理论,地区性能源综合开发与利用,石油、天然气、煤炭、可再生能源的开发与利用,新能源(太阳能、生物能、核能、海洋能等)的研制开发与利用,节能新技术、能源转换和储存新技术等活动。
05.激光技术:激光器和激光调制技术的研制,及为了激光在工业、农业、医学、国防等领域内的应用而进行的活动。
06.自动化技术:指在控制系统、自动化技术应用、自动化元件、仪表与装置、人工智能自动化、机器人等领域中的活动。
07.航天技术:有关运载火箭及人造卫星本体的研究及有关为了跟踪、通讯而使用的地面设备的研究而进行的活动。
不包括天文学及气象观察。
08.海洋技术:包括有关维护海洋权益和公益服务技术研究、海洋生物资源的开发利用及产业化、海洋油气勘探开发技术、海洋环境要素监测技术等活动。
09.其它技术领域:属于技术领域,但不能归入上述八类领域的其它技术活动。
软件测试信息领域本体构建研究摘要:为了对软件测试领域的信息进行有效管理,对软件测试领域进行了深入分析;引入本体技术并总结了领域本体的构建方法,探索了测试信息领域本体构建方法;为软件测试建立测试信息领域本体,实现信息的有效表示、存储和共享。
关键词:软件测试;领域本体;本体构建;信息共享0引言软件测试是保障软件质量的有效手段,其过程实质上是测试知识共享和重用的过程。
因此,对软件测试信息的有效收集、表示和存储,不仅能为重复测试提供方便,也可以为评估软件质量提供参考。
近年来,作为知识表示工具的本体论(Ontology)由于其具备良好的概念层次结构和逻辑推理能力,使其在信息检索等多个领域得到了广泛应用。
因此,为软件测试信息建立领域本体,可以为信息的表示、存储和共享提供知识管理框架,也可以为软件的复用者提供参考。
1本体和构建方法本体论源于哲学上的概念,广泛认可的定义是Studer等人在前人基础上提出:本体是共享概念模型、明确形式化的规范说明<sup>[1,2]</sup>,包含概念模型、明确性、形式化和共享性4个含义<sup>[3]</sup>。
本体的建模元语有类(classes 或concepts)、关系(retations)、函数(functions)、公理(axioms)和实例(instance)<sup>[4]</sup>。
概念并非单纯意义上的概念,可以是任务、功能、行为、策略、推理过程等。
关系表示概念之间的关联关系,可形式化表示为R:C1×C2×…×Cn表示概念类C1,C2,…,Cn之间存在n元关系R。
函数是一种特殊的关系。
公理用于表示永真式。
实例是某概念类的基本元素,即某概念类所指的具体对象。
为了便于对本体的有效分类,Guarino提出以详细程度、领域依赖程度作为本体划分的基础<sup>[4]</sup>。
根据领域依赖度,可划分为顶级、领域、任务和应用本体4类。
其中领域本体(Domain Ontology)描述的是特定领域(如测试、图书、航空航天)中概念及概念之间的关系。
建立本体的依据标准最具影响力的是Gruber在1995年提出的5条规则<sup>[5]</sup>:明确性和客观性、安全性、一致性、可扩展性和最小本体承诺。
领域本体概念提出以来,目前比较有名的构建方法有:IDEF5方法、Uschold和King的“骨架法”、Gruninger和Fox 的“评估法”(又称TOVE)、Bernaras方法和METHONTOLOGY方法等。
本文通过参考Gruber提出的本体构造原则以及斯坦福大学的Natalya F. Noy 和Deborah L. McGuinness提出的建议<sup>[11]</sup>,领域本体构建过程如下:①确定本体的领域与范围;②考虑对已存在的本体的重用;③列举领域中重要的术语、概念;④定义类和类层次;⑤定义类的属性;⑥创建实例;⑦本体的检验评价。
目前,本体的构建工具之一Protégé是可扩展、可跨平台的和能支持概念层次、属性及原则和约束定义的,为本体的一致性检测和组织概念提供自动分类。
利用Protégé建立的本体知识库能很方便地与外界系统实现知识共享和互操作。
另外,Protégé能扩展OWL插件成为当下优秀的OWL本体构造工具,其中OWL (Web Ontology Language)是W3C<sup>[6]</sup>最新推荐的Ontology 描述语言。
目前,Protégé已有很多的版本,本文中用到的是Protégé3.1.1<sup>[7]</sup>,带有Protégé-OWL插件和OWL Wizards插件。
它适合用于构造一个OWL本体,同时结合推理机Racer<sup>[6]</sup>能够对构建的本体进行推理。
2基于SWEBOK的软件测试知识域1983年IEEE指出软件测试的定义是<sup>[8]</sup>:“使用手动或者自动的手段执行或测试特定系统的过程,测试目的是验证系统是否满足预期的需求,或者验证预期结果和实际结果间的差别。
G.J.Maryer则定义软件测试是为了发现错误而运行的程序,目的是为了查找程序的错误,而非证明程序的正确性<sup>[9]</sup>。
软件工程知识体系(Software Engineering Body of Knowledge,SWEBOK)把整个体系分解为10个知识域(Knowledge Area)<sup>[10]</sup>。
其中,软件测试知识域包括5个子域<sup>[11]</sup>,如图1所示。
由图1可以看出软件测试的5个子域依次是:软件测试基础、测试级别、测试技术、测试相关的度量和测试过程。
通过对测试领域分析,可知测试信息主要包括:①测试对象的信息;②伴随着软件测试产生的测试计划、测试用例、缺陷报告以及其它相关文档信息;③测试过程运用的测试技术、方法、经验等相关知识。
3STIDO构建与实现3.1STIDO核心概念确定建立软件测试信息领域本体(Software Testing Information Domain Ontology,STIDO)的过程,就是利用本体思想与OWL语言组织和描述“软件测试信息”的过程。
首先,利用本体建立软件测试领域知识概念模型,有3种常用方法<sup>[14]</sup>:自顶向下(top-down)方法、自底向上(bottom-up)方法和核心扩展(middle-out)方法。
本文采用核心扩展的方法建立本体概念模型,首先需要确定核心概念集,包括:“测试对象”、“测试用例”、“测试计划”“测试设计”、“测试报告”、“测试方法”、“测试人员”等。
其中,核心概念集合作为概念模型的顶级概念集,必须满足没有二义性并且能覆盖整个测试领域知识的要求。
3.2定义类和类的层次结构确立核心概念集后,对这组具有本体雏形的核心概念进行扩展,建立本体概念模型如图2所示。
这个过程是一个自顶向下的过程,即根据事先定义好的上一层抽象父类,分别逐步细化说明其下一级子类。
在此过程有两个问题需要考虑和解决:①概念间关系的选择和层次结构组织;②概念层次结构可用性和表达精确性的平衡。
在本体中,类是共有某些属性而属于同组的个体集合。
通常将每个知识点设为一个单独类,根据知识层次来规定上层知识点作为父类,相反下层知识点作为子类。
最高层的类表示最抽象的实体概念,每个子类继承了父类的抽象特征,是比其父类更具体、范围更小的实体概念。
可见,类是具备独立存在性、层次性的对象概念,其实例称为个体(Individual),判断两个类层次关系的方法是:评估它们的实例是否相同。
3.3定义概念、术语和属性概念层次结构是本体的框架,需要通过概念的属性和关系进行充实和扩展。
概念的两种属性是描述自身信息与结构的数值属性和描述概念间关系的对象属性。
对概念、属性和关系明确定义的工作实质是定义实例,具体工作有:取值类型、允许取值的范围及属性的基数等,如图3所示。
此阶段注意的两个问题:①面向对象类继承特性的应用。
本体模型具有面向对象的特点,可充分利用类继承对属性定义。
子类的公共属性在父类定义,并继承父概念的全部属性后再定义特有属性。
因此,消除了属性冗余,增强了模型的描述能力;②关系分解。
用OWL描述二元关系只能通过“主体-谓词-客体”三元组的方式。
在测试领域中有的关系不是二元而是多元的。
多元关系表明概念的属性中还具有属性,即带属性的属性。
4结语本文通过研究本体技术及构建方法,完成了基于本体的软件测试信息领域本体的建立。
通过使用Protégé软件中OWL插件的推理功能,检测了STIDO发现其概念的一致性和包含性,其实例不存在冲突问题。
STIDO的建立不是一蹴而就的,而是一个反复完善的过程,并且有待于用更多的实践来验证其价值,对今后软件测试的检索十分有益。
笔者的下一步工作是对STIDO不断完善,在其基础上实现测试信息的有效存取、共享和复用。
参考文献:[1]邓志鸿,唐世渭,张铭,等.Ontology研究综述[J].北京大学学报:自然科学版,2002,38(5):730738.[2]NECHES R,FIKES R E,GRUBER T R,ET AL.Enabling technology for knowledge sharing[J].AI Magazine,1991,13(3):3656.[3]STUDER R,BENJAMINS V R,FENSEL D.Knowledge engineering,principles and methods[J].Data and Knowlegde Engineering,1998,25(12):161197.[4]PEREZ A G,BENJAMINS V R.Overview of knowledge sharing and reuse components:ontologies and problemsolving methods[M]//STOCKHOLM V R,BENJAMINNS B,CHANDRASEKARAN A,eds.Proceedings of the IJCAI99 workshop on Ontologies and ProblemSolving Methods(KRR5),1999:115.[5]GRUBER T R.Towards principles for the design of ontologies used for knowledge sharing[J].International Journal of HumanComputer Studies,1995,43(56):907928.[6]甘健侯.语义Web及其应用[M].昆明:云南科技出版社,2007:52101.[7]W3C Recommendation 10 February 2004,OWL web ontology language guide[EB/OL].http:///TR/2004/RECowlguide20040210.[8]郑人杰. 计算机软件测试技术[M].北京:清华大学出版社,1992.[9]G J MYERS.The art of software testing(second edition)[M].王峰,陈杰,译.北京:机械工业出版社,2006.。