针对本体的推理，越来越多地集中在了几种标准的本体语言上，如OWL、 DAML、RDFS/RDF等[16]。RACER、FaCT、Pellet等是具体有强烈针对性的推理机。它们的优点是：效率很高，使用上也非常方便；缺点是：不是通用推理机，将推理能力限定在几种具体的本体语言上，而且用户很难对它进行扩展。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[16]。Jena中的推理引擎和RACER都是针对具体本体语言的推理机，针对性强，效率高。
（4） 开发工具简介
本次研究需要用到本体开发工具Protégé，构建舆情本体；使用多Agent开发平台——Anylogic，完成仿真操作。
Protégé软件是斯坦福大学医学院生物信息研究中心基于Java语言开发的本体编辑和知识获取软件，或者说是本体开发工具，也是基于知识的编辑器，属于开放源代码软件[17]。这个软件主要用于语义网中本体的构建，是语义网中本体构建的核心开发工具。Protégé提供了本体概念类，关系，属性和实例的构建，并且屏蔽了具体的本体描述语言，用户只需在概念层次上进行领域本体模型的构建。
AnyLogic，是一款应用广泛的，对离散，连续和混合系统建模和仿真的工具[18]。它的应用领域包括：控制系统，交通，动态系统，制造业，供给线，后勤部门，电信，网络，计算机系统，机械，化工，污水处理，军事，教育等等。AnyLogic支持三种常用的模拟方法：系统动力学、离散时间、基于Agent建模。AnyLogic支持所有现有的指定agent行为的方法——状态图（statechart），同步和异步事件规划。
AnyLogic提供模板式的结构，用户从模板库中将所需的对象直接拖拽到工作区间，再定义这些对象的属性以及相互之间的关系，使建模过程变得直观便捷。基于agent的建模允许在假定系统各个基本成员行为的情况下对系统的一般行为进行观察，而不需要关于此系统的任何全局知识，为虚拟仿真提供了一种全新的视角。
2.4 众包与BDI模型、本体的关联研究
目前并没有综合众包、BDI模型与本体这三者的研究，但众包与BDI模型的关联、众包与本体的关联均有学者研究。Marija Slavkovik、Louise A. Dennis、Michael Fisher认为所有众包过程均有网民参与，因此根据众包的特点设计表示网民心智状态的BDI模型以及抽象的agent规范语言，用来分析多agent系统的内部动态；众包可以应用于对本体的修正和补充，如情感词汇本体需要大量的采集、校对和补充工作，可以采用众包的方式完成对语料的标注。本次研究探讨意见领袖的形成，将众包与BDI模型相结合，分析网民心智状态的转换，结合舆情本体，归因网民跟随、聚集行为，得出意见领袖的形成过程。
3 基于众包理论的意见领袖形成的BDI模型设计
3.1 需求分析
本部分基于众包理论设计意见领袖形成的BDI模型，同时构建舆情本体，梳理舆情相关术语和关系，添加舆情事件，并将本体存入数据库，完成知识存储。最后，在舆情本体的指导下，运用anylogic完成仿真操作，验证模型的可用性。
3.2 本体构建
本体构建方法有多种，比较常用的有IDEFS法、TOVE法、METHONTOLOGY法、Uschold法和骨架方法、七步法等，本次研究采用七步法，构建本体的步骤如下[19]：
（1）确定领域本体范围，本次研究需要构建舆情领域本体；
（2）考虑是否有可延伸的本体，本次研究所构建的本体并不存在可延伸的本体；
（3）列举舆情领域中的重要术语及概念，根据舆情要素分析本次研究所涉及的舆情术语；
（4）定义类及类的层次、概念与概念之间的关系。预定义类Thing作为所有类的基类，首先将舆情抽象出事件、事件进程、网民。事件进程分为潜伏期、发生器、高峰期、消退期；网民分为普通网民与意见领袖； 基于众包理论的网络舆情意见领袖形成的BDI模型建模研究(5):http://www.youerw.com/jisuanji/lunwen_20546.html