现在，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，这样，研究者给出效率更高的，针对这些具体应用的推理机。
象RACER、FaCT、Pellet等就是这类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。
   值得强调的是，RACER、FaCT、Pellet采用描述逻辑作为理论基础，算法采用Tableau
算法。这些系统都做了大量的优化工作。

   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。
Jena提供的推理机也和RACER、FaCT、Pellet等一样，是针对本体的推理机，
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CLISP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。这样，在Jean中，
也可以使用RACER、FaCT、Pellet这样更‘专业’些的推理机。

   综上所述，可做如下区分：
   1. 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。
   2. Jess是层面更低的，通用的CLISP推理机。

   这就可以解释：为什么当用户使用owl表示本体时，Protege会用Jena或RACER等推理，
而当用户使用class/slot表示本体时，Protege仅能使用Jess。  其实，从能力上，Jess
也可以完成owl推理(需要输入相应的产生式规则库)，只是效率低。