許楠

摘要

上下文是普適計算中計算實體具有自適應能力的必要前提，也是上下感知計算領域中重要的研究內容。文中就上下文相關概念和上下文模型構建進行了闡述，探討了典型上下文建模技術的優(yōu)勢與缺陷，以期為上下文建模的研究提供參考。

【關鍵詞】普適計算 上下文建模 上下文感知

普適計算是一個異構、多變的分布式計算模式，其本質特征是“透明”交互。在普適計算模式中，強調計算機與環(huán)境融為一體，人們無需關注具體的計算設備或者計算技術，只需要關心自己的意圖和任務。上下文感知計算正是實現普適計算“透明”交互的關鍵，它的主要目的是通過感知利用環(huán)境中可用的上下文信息，系統(tǒng)自動地進行過濾、融合、推理、決策和計算，大大減少或避免人一機或機一機間的顯式交互，進而實現透明交互。

1 上下文的概念

上下文是上下文感知計算模式的核心和基礎。早期，研究者將上下文信息定義為用戶身份、地理位置、人的狀態(tài)以及參與交互的設備的狀態(tài)信息。以上上下文定義方式需逐一列舉感知環(huán)境中的上下文，而對于不在列舉范圍內的概念無法確定其是否為上下文。另一類是從廣義的抽象角度定義：上下文是環(huán)境以及構成環(huán)境的各實體的狀態(tài)，這里的實體可以是物理實體，如人、地點等;也可以是虛擬實體，如軟件、社會關系等。實體的狀態(tài)包括當前狀態(tài)和歷史狀態(tài)。這種抽象式的定義能夠彌補枚舉式定義的缺陷，在業(yè)界得到了比較廣泛的認可。

2 上下文分類

上下文種類豐富，數量龐大，分類標準也有所不同。依據概念標準，上下文可分為用戶上下文、計算上下文、物理上下文以及時間上下文。這種分類方法雖然能夠在一定程度上滿足建模需求，但既不規(guī)范又容易產生混淆，而且擴展性較差。從操作的角度上下文分為初級上下文和次級上下文。初級上下文主要包括身份、時間、位置和動作信息，而次級上下文是使用初級上下文信息才能夠得到的上下文。此外，還可以結合變化頻率、持續(xù)時間及時效等對上下文進行多維度分類。

3 上下文建模方法

隨著網絡通信技術以及人工智能技術的快速發(fā)展，上下文所處的環(huán)境呈現出高度的復雜性、動態(tài)性及異構性。為了實現上下文的共享、互操作以及統(tǒng)一管理，上下文建模技術越來越受到研究者的關注。本文結合相關研究成果，重點介紹以下6種上下文建模方法，并總結各方法的優(yōu)缺點，為后續(xù)研究奠定基礎。

3.1 鍵-值對模型

該模型是最簡單的表示上下文的方法，支持文本文件、二進制文件等多種不同格式的表示，是一種面向特定應用的建模技術。鍵一值對建模過程簡單、實現靈活，數據規(guī)模較小時便于管理。但這類模型不支持數據間關系的表達不適于存儲復雜的數據結構，不具有擴展性，沒有可用的標準處理工具，數據檢索難度較大。

3.2 標記模型

使用具有內容和屬性標記建立層次化的數據結構，方便數據的獲取與查詢，能較好地解決模式驗證問題。但信息層級較多時模型變動更為復雜。對于一些主流的標記技術（如XML技術），很多驗證工具已經成熟可用。標記模型主要用于臨時的數據存儲、應用程序之間或應用程序內部組件之間的數據交換等。

3.3 圖模型

除了對上下文本身建模外，還兼顧了上下文之間的關系，支持對關系的建模，具有更豐富的表達能力。如著名的通用建模工具UML包含了豐富的圖元，適合對上下文建模。圖模型的底層實現形式多樣，可以是XML，也可以一個數據庫，如SQL數據庫。因此，圖模型能夠處理海量數據，可以用于上下文持久性存儲，信息檢索也相對簡單快捷。此外，基于圖模型的建模技術不具備良好的可擴展性。

3.4 基于邏輯的模型

將上下文定義為事實、表達式和規(guī)則，采用一階謂詞等邏輯表達實現上下文及其關系的形式化描述，其中規(guī)則用來表達策略、約束和偏好?；谶壿嫷慕＜夹g具備更豐富的表達能力。此外，高度形式化的邏輯理論使其具有天然的推理能力，支持推理得出新的高級別的上下文信息。另一方面，高度形式化的邏輯基礎顯著地增加了系統(tǒng)開發(fā)的復雜度，限制了系統(tǒng)的復用性和通用性?；谶壿嫷慕＜夹g適合對上下文情境或事件、決策動作等的建模。

3.5 面向對象的模型

這類方法主要利用了面向對象方法中的封裝和繼承特性，把對上下文的處理封裝在對象中，通過特定接口實現對上下文的訪問。面向對象的上下文建模是一種基于代碼的、運行時上下文建模方法，可以解決上下文感知計算環(huán)境中由動態(tài)上下文引起的一些問題。這類建模方法的主要缺點是不能有效解決驗證問題，不具備內置的推理能力。

3.6 基于本體的模型

本體一詞起源于哲學，用于研究客觀事物存在的本質。在計算機科學研究領域中，本體具有概念化、形式化、可共享和可重用等特征?；诒倔w的模型使用本體語言來開發(fā)形式化的、強表現力的上下文模型。ASC模型是較早的基于本體技術的上下文模型，模型考慮了上下文的類型、度量單位和具體內容，但忽略了代理/用戶、時間、物理環(huán)境等上下文;PIVON模型使用OWL語言，采用分層方式構建上下文本體模型，模型中關鍵上下文比較完善，但物理環(huán)境上下文信息包含在位置上下文信息中，降低了模型的重用性;SOUPA模型是普適計算領域的標準本體模型，由通用本體和特定應用場景本體兩部分組成，這樣的建模思想有利于促進本體重用，符合本體開發(fā)的要求，本體技術被公認為很有發(fā)展前景的上下文建模技術。

4 結論

目前，上下文信息模型大多針對特定應用或特定領域而構建，無法在多應用、多領域和多系統(tǒng)之間實現知識重用、共享和互操作。而本體技術在共享性、重用性、互操作性以及語義描述和推理能力方面有著顯著的優(yōu)勢，因此，筆者認為在構建上下文模型時，將基于本體的建模技術與其他建模技術相結合，優(yōu)勢互補，以支持不確定性數據的處理，實現上下文模型的通用性、一致性和擴展性。