1.一种案例知识库表示及案例相似度获取方法，包括增强语义网标准描述语言的语义表示能力、创建案例知识库和获取案例相似度；其中，所述增强语义网标准描述语言的语义表示能力，指在语义网标准描述语言的基础上通过引入N元关系模型、模糊隶属函数和关系权重以增强所述语义网标准描述语言的语义表示能力；其中，引入N元关系模型以表示在案例知识中存在的多元关系，所述多元关系包括模糊隶属度、关系权重；

引入模糊隶属函数以表示在案例知识中存在的模糊概念和模糊关系；

引入关系权重以表示案例知识中案例特征于案例的权重关系；

创建案例知识库包括：

基于增强后的语义网标准描述语言创建案例知识库，所述案例知识库包括案例知识表示模型、案例库、语义网规则库以及基于语义网标准描述语言的推理机制；其中，推理机制是在获取案例相似度阶段，由源案例查询操作引发的动态推理，案例知识表示模型和案例库直接声明的是显式事实，规则引擎基于案例知识表示模型、案例库和语义网规则库推理得到的是隐含事实，显式事实和隐含事实一起构成所述案例知识库，并提供案例查询；

获取案例相似度包括：

使用与所述案例库中的源案例相同的案例知识表示模型表示目标案例；

获取所述案例库中的所有源案例，并分别与所述目标案例进行相似度比较；其中，如果所述源案例和目标案例具有公共父类的实例对，则分别获取所述实例对在实例类型、数据类型属性及对象属性上的相似度；

通过将所述实例对在实例类型、数据类型属性及对象属性上的相似度以迭加权重进行迭加，获取实例对的总体相似度；其中，在所述实例对中的实例为模糊实例时，通过将所述迭加权重与模糊实例于模糊类型的隶属度相乘，获取新的迭加权重，进而获取所述模糊实例在模糊类型上的相似度；通过将所述迭加权重与模糊实例与模糊实例在模糊关系上的隶属度相乘，获取新的迭加权重，进而获取所述模糊实例在模糊关系上的相似度；

将所有实例对的总体相似度以所述关系权重进行迭加，获取所述目标案例与所述源案例的总体相似度。

2.如权利要求1所述的案例知识库表示及案例相似度获取方法，其中，在所述语义网标准描述语言的基础上引入N元关系模型、模糊隶属函数和关系权重的过程中，所述N元关系模型通过引入新类和相关属性来实现，所述新类支持有名类和无名类；通过所述N元关系模型描述案例知识表示中存在的多元关系；其中，所述N元关系模型包括有序模型、无序模型和混合模型；

所述模糊隶属函数用于表示在案例知识中存在的模糊概念和模糊关系，通过语义网标准规则描述语言来进行描述，并通过规则引擎触发规则执行以获取模糊隶属度；其中，所述模糊隶属度表示模糊实例隶属于模糊概念的程度以及模糊实例之间于模糊关系的关联程度；

所述关系权重描述案例特征于案例之间的权重关系；其中，所述案例特征是指案例中某个实例的数据类型属性和与该实例具有语义关系的所有实例。

3.如权利要求2所述的案例知识库表示及案例相似度获取方法，其中，在通过规则引擎触发规则执行以获取模糊隶属度的过程中，基于模糊实例提供的输入触发规则推理引擎执行描述所述模糊隶属函数的语义网规则以获取所述模糊隶属度，并通过所述N元关系模型表示所述模糊隶属度。

4.如权利要求1所述的案例知识库表示及案例相似度获取方法，其中，在基于增强后的语义网标准描述语言创建案例知识库的过程中，所述案例知识表示模型为本体模型，通过所述增强后的语义网标准描述语言进行表示，包括用于描述案例知识的概念、属性和相关约束，所述概念和属性包含精确概念、精确属性、模糊概念和模糊属性；

所述案例库为源案例库，包括由所述本体模型描述的案例知识；其中，每个案例是由一个或多个实例、实例属性及实例与实例之间的语义关系构成的语义片段；

所述语义网规则库包含基于语义网标准规则描述语言描述的模糊隶属函数、案例知识表示或用于案例相似度推理的相关规则，所述模糊隶属函数用于描述模糊概念和模糊关系；

所述基于语义网标准描述语言的推理机制包括：本体推理和规则推理；其中，所述本体推理为基于语义网本体描述语言中的语义组件进行的推理，所述规则推理为基于语义网规则进行的推理；其中，所述语义网标准描述语言包括语义网规则描述语言和语义网本体描述语言。

5.如权利要求1所述的案例知识库表示及案例相似度获取方法，其中，在引入所述模糊隶属函数的过程中，使用语义网规则语言描述模糊隶属函数，所述模糊隶属函数包括三角型隶属函数、梯型隶属函数、左/右半梯型隶属函数、正态型隶属函数和柯西型隶属函数。

6.一种案例知识库表示及案例相似度获取系统，包括知识库创建单元和相似度获取单元；其中，所述案例知识库创建单元包括：

案例知识表示模型创建模块，通过引入新类和相关属性使用语义网本体描述语言创建N元关系模型，所述新类支持有名类和无名类；并通过所述N元关系模型描述案例知识中存在的多元关系，所述多元关系包括所述模糊隶属度和关系权重；其中，所述关系权重描述案例特征与案例之间的权重关系；

案例库创建模块，基于所述案例知识表示模型创建的案例知识创建案例库；其中，所述案例库中的每个案例均为由一个或多个实例、实例属性及实例与实例之间的语义关系构成的语义片段；

语义网规则创建模块，用于描述模糊隶属函数、案例知识表示或用于案例相似度推理的相关规则，并通过所述模糊隶属函数获取模糊隶属度；其中，所述模糊隶属度表示模糊实例隶属于模糊概念的程度以及模糊实例之间于模糊关系的关联程度；

本体和规则推理模块，用于通过语义网本体描述语言中的语义组件进行推理，由显式事实推理出蕴含的事实；以及用于通过语义网规则进行推理，由满足规则体的显式事实推理出规则头描述的蕴含事实；

所述相似度获取单元包括：

目标案例表示模块，用于使用与表示案例知识库中的源案例相同的案例知识表示模型表示目标案例；

相似度获取模块，用于获取所述案例知识库中的所有源案例，并分别与所述目标案例进行相似度比较；其中，如果所述源案例和目标案例具有公共父类的实例对，则分别获取所述实例对在实例类型、数据类型属性及对象属性上的相似度；

实例对总体相似度获取模块，用于将所述实例对在实例类型、数据类型属性及对象属性上的相似度以迭加权重进行迭加，获取实例对的总体相似度；其中，在所述实例对中的实例为模糊实例时，通过将所述迭加权重与模糊实例于模糊类型的隶属度相乘，获取新的迭加权重，进而获取所述模糊实例在模糊类型上的相似度；通过将所述迭加权重与模糊实例与模糊实例在模糊关系上的隶属度相乘，获取新的迭加权重，进而获取所述模糊实例在模糊关系上的相似度；

案例总体相似度获取模块，用于将所有实例对的总体相似度以所述关系权重进行迭加，获取所述目标案例与所述源案例的总体相似度。

7.如权利要求6所述的案例知识库表示及案例相似度获取系统，其中，所述案例知识表示模型创建模块包括：新类引入模块，用于引入新类和相关属性，使语义网本体描述语言支持N元关系模型的描述；所述新类支持有名类和无名类；其中，所述N元关系模型包括有序模型、无序模型和混合模型；

多元关系描述模块，用于通过所述N元关系模型描述案例知识表示模型中的模糊隶属度和关系权重；其中，所述关系权重用于描述案例特征与案例之间的权重关系，所述案例特征指案例中某个实例的数据类型属性和与该实例具有语义关系的所有实例。

8.如权利要求6所述的案例知识库表示及案例相似度获取系统，其中，在所述本体和规则推理推理模块中，基于模糊实例提供的输入触发规则推理引擎以及所述模糊隶属函数获取所述模糊隶属度，并通过所述N元关系模型表示所述模糊隶属度。

9.如权利要求6所述的案例知识库表示及案例相似度获取系统，其中，在所述语义网规则创建模块中：使用语义网规则语言描述模糊隶属函数，所述模糊隶属函数用于描述模糊概念和模糊属性，模糊隶属函数包括三角型隶属函数、梯型隶属函数、左/右半梯型隶属函数、正态型隶属函数和柯西型隶属函数。