标题“ontology 书籍”和描述“OWL语言的介绍及定量推理用OWL语言的实现”中所提及的知识点主要围绕网络本体语言OWL（Web Ontology Language），这是一门用于语义网中的本体描述语言，目的是为了共享和重用知识。OWL在人工智能研究中的表达能力和适用性是本内容的核心议题。具体知识点如下：
1. OWL语言的起源与目标：OWL是由W3C组织开发的一种网络本体语言，其设计的主要目的是为了实现知识的共享和重用，它为本体提供了语义描述的手段，使得不同系统之间能够对信息的理解和处理达到更深层次的一致性。
2. 本体(ontology)的概念：本体是人工智能和知识工程中的一个重要概念，它是一个明确和形式化规范的领域知识的模型。在知识工程中，本体作为知识库的基础，扮演着至关重要的角色。
3. 知识工程(context of knowledge engineering)：知识工程是人工智能领域的一个分支，它专注于知识的建模和应用。OWL作为知识工程中的一种语言工具，帮助工程师构建、维护和应用知识系统。
4. 本体的类别和数据模型：在知识工程中，本体可以根据其应用场景被划分为不同的类别，如顶层本体、领域本体、任务本体等。它们与数据模型的关联也是本部分内容的重点之一。
5. OWL的基本结构：包括文件前言、命名空间、本体元数据、类和子类、属性和子属性、属性的特性、通过属性限制定义的类、使用集合论定义的类、以及通过个体枚举定义的类等等。
6. OWL的三个版本：OWL FULL、OWL DL和OWL Lite，它们在表达能力上有所不同，提供了不同程度上的推理能力。OWL FULL支持所有的RDF特性，提供完全自由的语义；OWL DL（Description Logic）提供了强推理能力，同时又限制了表达能力，以保持计算的可解性；OWL Lite提供了一种易于理解的有限的特性子集。
7. 定性推理(Qualitative Reasoning，简称QR)：定性推理是人工智能领域内一种非数值化的推理模式，它不依赖于精确的数值计算，而是依赖于描述实体间关系的属性、类别等概念。这种推理方式在处理不确定性和模糊信息时显得尤为重要。
8. QR和OWL的关系：通过将定性推理的词汇和模型形式化为OWL语言，可以进一步探索和利用OWL语言进行定性推理问题的求解。文中还开发了一个解析器，将定性推理的知识表示转换为OWL表示。
9. 知识表示的转换：知识表示的转换是为了将定性推理的知识表示转换为OWL表示，这样做可以将传统人工智能中发展起来的定性推理技术与语义网技术结合起来，从而扩展知识表示和推理的范围。
10. 文献与学术贡献：文章中提到了Jochem Liem的博士论文，它详细探讨了OWL语言在人工智能研究中的表达能力，并通过开发相关的解析器，展示了解决定性推理问题的潜力。这表明OWL语言在知识表示和推理方面具有重要的研究价值和应用前景。
以上知识点汇总了书籍中标题和描述所涉及的主要内容，从OWL语言的起源、目标，到本体的概念、类别和数据模型，再到OWL的结构、版本，以及定性推理的概念和与OWL的结合，还有知识表示的转换以及学术研究的贡献，都做了详细阐释。这些知识点对于了解和应用网络本体语言OWL，特别是其在人工智能中的应用具有重要的指导意义。
