本文参考：专家系统中的推理机实现
专家系统
专家系统：模仿人类专家的思维方式进行决策的人工智能算法，算法核心是“知识库（knowledge base）”和“推理机（inference engine）”。专家系统通常包括6个部分：人机交互界面、知识库、综合数据库、推理机、解释器、知识获取。
- 知识库：包含解决问题相关的领域知识。在基于规则的专家系统中，知识用一组规则来表达。其具有IF（条件）THEN（行为）结构，当规则的条件被满足时，触发规则，继而执行行为。
- 数据库：包含一组事实，用于匹配知识库中的IF（条件）。
- 推理机：执行推理，专家系统由此找到解决方案。推理引擎链接知识库中的规则和数据库中的事实。
- 解释器：用户使用解释器查看专家系统怎样得出解决方案的过程。
- 人机交互界面：人机交互界面是实现用户（查询问题解决方案）和专家系统之间交流的途径。
一个完整的专家系统图示如下：
推理机
“推理机”根据“知识库”对“数据库”做出决策的基本原理图如下：
CLIPS（C Language Integrated Production System）是一类推理机，原则上可以处理各种领域的推理任务，只要系统能够为CLIPS提供这个领域的特有领域规则(知识库)和事实信息(数据库)。
Jess
Jess(Java Expert Shell System)是基于Java语言的CLISP推理机。Jess(CLIPS)的优点是：推理机是开放的，用户提供不同的规则系统，就可以进行不同领域的推理工作，用户可以对推理机的推理能力进行扩展。但，作为前向推理系统，Jess用空间换时间，推理会产生大量的中间数据，空间效率很低；同时，由于Jess(CLIPS)是通用推理引擎，不可能提供针对各种具体领域的优化能力，使得这种推理机制的效率很难优化。
针对本体的几类推理机
针对本体的推理一般集中在集中标准的本体语言上，如OWL、RDFS/RDF、DAML等。针对本体的推理机，如Jena、Pellet、FaCT、RACER等，效率较高，但推理能力局限在以上的本体语言中。
Jena
Jena是面向语义Web的应用开发包，包含的内容比较全面，推理机只是其中一部分。但Jena本身并不是‘推理机设计专家’，它自身包含的推理机基本上就是一种CLIPS配合本体领域产生式规则的前向推理系统。因此，它的运行效率不是很高。好在现在有DIG接口，DIG有点象数据库中的ODBC，允许前端挂接到后台不同的推理引擎上。
Pellet
Pellet是一个较为“专业”的推理机，由美国马里兰大学（College Park分校）的MindSwap实验室开发。Pellet是基于Java的开放源码系统。Pellet效率较高，但是缺乏对本体规则语言SWRL的支持并且支持的查询语言不够全面，一般只是进行A-Box推理的时候使用Pellet，如果牵涉到T-Box则推荐使用Racer。
RACER
Racer由德国汉堡大学开发，采用Tableaux算法。给定一个Tbox后，Racer可以完成各种查询服务，在Tbox方面推理能力较强，对大本体文件支持良好。但是Racer不支持对枚举类和用户自定义数据类型的推理。
FaCT++
FaCT++是FaCT的新一代产品，由英国曼城斯特大学开发，采用Tableaux算法。Fact++采用了c++语言，但是没有提供OWL接口，不支持对实例的查询。
Hermit
HermiT支持OWL2本体语言的所有特性，包括OWL 2的所有数据类型，并且它正确地执行对象和数据属性分类，其中有些推理任务并不完全由其他OWL推理器支持。
在Protege中，常用的OWL推理机主要包括HermiT、FaCT、Pellet。
[1] 潘超, 古辉. 本体推理机及应用[J]. 计算机系统应用, 2010, 19(009):163-167.
