（计算机应用技术专业论文）基于owl本体的标注工具研究.pdf

河海大学硕i ：学位论文 摘要 语义w e 卜下一代w e b 的目标是使机器( 软件代理) 能从w e b 内容中提 取丰富、明确的语义信息以完成诸如搜索、过滤、精炼知识等用户任务。语义标 注( s e m a n t i ca n n o t a t i o n0 1 m a r k u p ) 的任务是将用户可理解的内容转换成机器可 理解的内容，是实现语义w e b 的一个关键步骤。现有的语义标注工具大多不支 持w 3 c 推荐的最新w e b 本体语言标准o w l 。因此，研究如何使用o w l 本体 对w e b 页进行语义标注的技术和工具是十分必要的。导师领导的研究小组在深 入研究o w l 语言规范和总结现有标注工具优缺点基础之上，设计并实现了基于 o w l 本体的静态w e b 页标注框架s p a n n o t a t o r 。 本文主要论述作者在标注框架s p a n n o t a t o r 中的所承担的本体处理和语义元 数据生成工具的设计和实现。首先分析现有标注工具的特点，提出s p a n n o t a t o r 中本体处理和语义元数据生成工具的研究目标和设计思想；接着，在重要的数据 结构、框架公用部分、本体解析、本体可视化、本体获取和语义元数据生成等六 个方面详细论述了具体的实现技术；最后，通过具体的案例分析表明：已实现的 原型标注框架s p a n n o t a t o r 中，本体处理和语义元数据生成方法是有效的，原型 工具是易用的。 关键字：语义标注，静态w e b 页，o w l ，本体工具，语义w e b 河海大学硕士学位论文摘要 a b s t r a c t t h es e m a n t i cw e b ，t h en e x tg e n e r a t i o no ft h ec u r r e n tw e b ，a i m sa tm a k i n g s o f t w a r ea g e n t st h r i v eo ne x p l i c i ts p e c i f i e ds e m a n t i c so fw e bc o n t e n ti no r d e rt o s e a r c h ，f i l t e r , c o n d e n s ek n o w l e d g ef o rt h e i rh u m a nu s e r s s e m a n t i ca n n o t a t i o n st a s k i st u r n i n gh u m a n u n d e r s t a n d a b l ec o n t e n ti n t om a c h i n e u n d e r s t a n d a b l ec o n t e n t ，w h i c h i sak e ys t e po fi m p l e m e n t a t i o no ft h es e m a n t i cw e b m o s te x i s t i n gs e m a n t i c a n n o t a t i o nt o o l sc a n n o ts u p p o r to w l - t h en e w e s tw 3 c p r o p o s e dr e c o m m e n d a t i o n o fw e b o n t o l o g yl a n g u a g e t h e r e f o r e ，i ti sn e c e s s a r y t or e s e a r c ht e c h n i q u e sa n dt o o l s f o rs e m a n t i ca n n o t a t i o no fw e b p a g e su s i n go w lo n t o l o g i e s b a s e do nt h ea n a l y s i s o fo w l s p e c i f i c a t i o na n dt h es u m m a r yo ft h em e r i t sa n dd r a w b a c k so fe x i s t i n g a n n o t a t i o nt o o l s ，t h es e m a n t i cw e br e s e a r c hg r o u pl e db ym ys u p e r v i s o rh a s d e s i g n e da n di m p l e m e n t e da na n n o t a t i o nf r a m e w o r k s p a n n o t a t o rf o rs t a t i cw e b p a g e s e m a n t i cm a r k u pu s i n go w ll i t eo n t o l o g i e s t h i sp a p e rm a i n l ye x p a t i a t e sa u t h o r sw o r k - t h ed e s i g na n di m p l e m e n t a t i o nf o r o n t o l o g yp r o c e s s i n ga n ds e m a n t i cm e t a d a t ag e n e r a t i o nt o o l st h a ta l et h ep o r t i o n so f s p a n n o t a t o r f i r s t l y , t h ef e a t u r e so fe x i s t i n ga n n o t a t i o nt o o l sa r ea n a l y z e da n dt h e r e s e a r c hg o a l sa n dd e s i g ni d e a sf o ro n t o l o g yp r o c e s s i n ga n ds e m a n t i cm e t a d a t a g e n e r a t i o nt o o l sa r ep r e s e n t e d n e x t ，t h ei m p l e m e n t a t i o nt e c h n i q u e sa r ed e t a i l e di ns i x a s p e c t so fi m p o r t a n td a t as t r u c t u r e s ，c o m m o np o r t i o n so fs p a n n o t a t o rf r a m e w o r k ， o n t o l o g yp a r s i n g ，o n t o l o g yv i s u a l i z a t i o n ，o n l i n eo n t o l o g ya c q u i s i t i o na n ds e m a n t i c m e t a d a t ag e n e r a t i o n l a s t l y , ac a s es t u d ys h o w st h a tt h ea p p r o a c hf o ro n t o l o g y p r o c e s s i n ga n ds e m a n t i cm e t a d a t ag e n e r a t i o ni se f f e c t i v e ，a n dt h et o o l sa r ee a s yt o u s e k e yw o r d s ：s e m a n t i ca n n o t a t i o n ，s t a t i cw e bp a g e ，o w l ，o n t o l o g yt o o l ，s e m a n t i c w e b 河海大学硕士学位论文基于o w l 本体的标注工具研究 1 1 研究背景 第一章绪论弟一早珀t 匕 万维网( w b r l dw i d ew e b ，简称w w w 或w r e b ) 是i n t e r n e t 最重要、最广泛 的应用之一，用户通过它可浏览i n t e r n e t 上所有的信息资源，但是现有的万维网 存在两个最明显的不足：一是计算机不理解网页内容的语义，因此无法自动处理 信息；二是网上有用信息难找，即使借助搜索引擎，查准率也比较低，它在帮助 用户得到成批相关网页的同时，也夹杂了许多与查询主题不相关的信息。随着 w e b 上的信息( 文本、h t m l 文档、图像、媒体流等) 持续的、爆炸式地增长， 这个问题愈发突出【l 】。造成这种状况的主要原因是现在的w e b 上的信息是采用超 文本标记语言( 删) 编写，网页上的内容是设计成专供人类浏览的，而非供 计算机理解和处理的，因此机器无法为用户提供自动处理网上数据的功能。同时， 万维网是按“网页的地址”，而非“内容的语义”来定位信息资源的，网上所有信息 都是由不同的网站发布的，相同主题的信息分散在全球众多不同的服务器上，又 缺少有效工具能将不同来源的相关信息综合起来，因此形成了一个个信息孤岛。 针对这种情况，w e b 的创始人t i mb e m e r s l e e 在1 9 9 8 年提出了语义w e b 的构 想【2 】。语义w e b 将使计算机能做到：不仅可以存取和处理信息，而且可以精炼和 解释数据内容的含义。语义w e b 研究的重点就是如何把信息表示为计算机能够 理解和处理的形式，即带有语义【3 】。 为了实现使计算机能够自动识别和处理w e b 上的信息，需要在文档内容中 加入机器可读的标记。为此，w 3 c 研究和开发了一系列标准和协议来支持用户 对当前w e b 内容进行语义标注，这些标准和协议也是t i mb e r n e r s l e e 提出的语 义w e b 体系结构 4 1 中的基础核心层。该体系结构中从底层到高层分别为：u n i c o d e 和u r i 、x m l 、r d f 、o n t o l o g y 、l o g i c 、p r o o f 、t r u s t 。第一层是u n i c o d e 和u r i 。 该层是整个语义w e b 的基础，其中u n i c o d e 处理资源的编码，u r i 负责标识资 源。第二层是x 地+ n s + x 池s c h e m a ，用于表示数据的内容和结构。第三层为 r d f + r d fs c h e m a ，用于描述w e b 上的资源及其类型。第四层为o n t o l o g y v o c a b u l a r y 层，用于描述各种资源之间的联系。第五层到第七层是在下面四层的 基础上所进行的逻辑推理操作。其中核心层为x m l 、r d f 、o n t o l o g y ，通过这3 层就可以支持用户在w e b 内容中加入语义标记以表示其含义。语义标注就是将 用户可理解的内容转换成机器可理解的形式，它是实现语义w e b 中一个关键步 骤。语义标注工具是用来实现语义标注的用户工具，目标是提供方便的操作和友 好的界面，让用户在w e b 信息中加入机器可读的信息( 即语义元数据) 。这些机 河海大学硕士学位论文 基于o w l 本体的标注工具研究 器可读的信息通过w e b 的开放性，就像w e b 产生之初的w e b 页面一样，会构成 语义w e b 可用的基础5 1 。 1 2 语义w e b 基础 w 3 c 这样定义语义w | e b l l o 】：语义w e b 是w 曲上数据的一种表示，它是一 项由w 3 c 领导的、众多研究人员和工业伙伴参与的协作式研究计划；语义w e b 基于资源描述框架( r e s o u r c ed e s c r i p t i o nf r a m e w o r k ，r d f ) 来集成以x m l 为 语法、统一资源标识符( u n i f o r mr e s o u r c ei d e n t i f i e r s ，u r i ) 为命名机制的各种应 用。t i mb e m e r s l e e 等人明确指出：语义w e b 是当前w e b 的一种扩展，w e b 信 息将被赋予明确定义的含义，以使计算机和人更好地协同工作【3 】。在2 0 0 0 年的 x m l 会议上，t i mb e m e r s l e e 提出了语义w e b 的基础结构【4 】( 如图1 1 ) ，体 系结构中的每一层支持元数据或包含一个到元数据的连接。 ，e 、 释 、r u l e s ：1 j s t ； u 锄 移 。、 d a t aj ，一p r o o fj巴 3 、 j 。- 鹤 。震 l o g i c 母 c _ d a t a 。 价 s e l f - l 誊 d e s c 磐 o n t o l o g yv o c a b u l ar y 嵋 一- j d o c 隧。p ：辫? 弛二，o 乎菇撼州1 “静噌矿。 、。l ：波i7 ：鬻。“妒“嘛磺；增晒噬警獭 溺 i ： ；。 r d f + r d f s c h e m a ” 霪 q f 。 。一一 ” 嬲粥秽”戮鹦爹r 一，? ”i 。蓼? 事j 瞥，铲i ，4 嚣? p 声谨t 冀j ”i ”p ：。：t 秽缪譬嘲 鍪。 21 i ：? 舭j ns x m t s c h 一：e m a i ”：_ j 。：+ ：j 爱：j 霪 鼠篓擞釜麓。j 匿鏊蠹麓潮 图1 1 语义w e b 基础结构 1 ) u n i c o d e & u r i u n i c o d e 是一个涵盖了目前全世界使用的所有已知字符的统一编码方案。随 着计算机应用变得越来越全球化，推动了支持全世界各种语言字符的需求，人们 认识到一个单一的统一编码方案是必要的，u n i c o d e 标准就是在这样的背景下诞 生的。u n i c o d e 是x m l 的默认编码方案。u r i 【l lj ( u n i f o r mr e s o u r c ei d e n t i f i e r s ， 统一资源标识符) 是可以标识w e b 上所有类型资源的短字符串。 2 河海大学硕士学位论文基于o w l 本体的标注工具研究 2 ) x m l x m l s c h e m a x m l 【1 2 】( e x t e n s i b l em a r k u pl a n g u a g e ，可扩展标记语言) 是w 3 c 在1 9 9 8 年发布的一种文档数据描述语言，它是标准通用标记语言s g m l ( s t a n d a r d g e n e r a l i z e dm a r k u pl a n g u a g e ) 的一个子集，具有自描述性、内容与显示相分离、 可扩展性、半结构化、独立于平台和应用、机器可解析等特点。x m l 是一种元 语言( m e t al a n g u a g e ) ，它可以定义一套自己的标记，描述文档的结构。文档结 构的描述通过d t d ( d o c u m e n tt y p ed e f i n i t i o n ) 或x m ls c h e m a 模式语言来定 义。 d t d 以上下文无关语法规定了一个x m l 文档的结构( 即文档中可包含哪些 元素和属性，它们在何处出现，出现多少次，元素如何嵌套和引用，元素和属性 如何结合等) 。x m ls c h e m a 在数据类型和结构约束机制方面对d t d 进行了扩充 和加强：首先它本身就是x m l 文档，可直接使用x m l 解析器来处理；其次， 提供了丰富的数据类型，并可以定义新的数据类型；其三，x m l s c h e m a 支持继 承和命名空间。 尽管x m l 为数据提供了简单的结构，但它仍然是语法层次上的，没有含有 有用的语义信息【1 3 】。 3 ) r d f & r d fs c h e m a r d f 【1 4 1 ( r e s o u r c ed e s c r i p t i o nf r a m e w o r k ，资源描述框架) 是一个描述和交 换元数据的通用框架，它提供了一种标准的方式来描述元数据。r d f 数据模型 包含三种对象类型：资源( r e s o u r c e s ) 、属性( p r o p e r t i e s ) 、值( v a l u e s ) 。r d f 的基本模块是对象属性值三元组：a ( o ，v ) ，即对象0 拥有值为v 的属性a 。 对象必须是由u r i 唯一标识的资源，属性值也可以是u r i 标识的资源，这就意 味着这种三元组模型可以任意嵌套，以表达任意复杂的模型。r d f 模型试图提 供明确表达语义的方法。因此，通过三元组可以使文档包含对资源的描述，也就 包含了资源相关的语义信息1 6 】【1 7 】。 例如，以下是一个陈述( s t a t e m e n t ) - h t t p ：l l w w w e x a m p l e o r g f m d e x h t m lh a sac r e a t o rw h o s ev a l u ei sj o h ns m i t h 这个语句表示h t t p ：w w w e x a m p l e o r g i n d e x h t m l 这个w e b 页的创作者是 j o h ns r n i t h 。 这个语句可以用主谓宾结构表示如下： 主语( s u b j e c t ) 是一个u r l ( u r l 是u r i 的一种) ： h t t p ：w w w e x a m p l e o r g i n d e x h t m l ，表示一个w - e b 页； 谓语( p r e d i c a t e ) 是： c r e a t o r ，表示这个w ，e b 页的创作者； 宾语( o b j e c t ) 是：j o h ns m i t h ”，表示创作者的名字。 也可以用r d f 图来表示：椭圆结点表示对象，有向边表示属性，方形结点 3 河海大学硕士学位论文基于o w l 本体的标注工具研究 表示值。以上语句( s t a t e m e n t ) 可以用一个边标记有向图来表示，见图1 2 ： 图1 2 一个r d f 数据模型实例 r d f 只定义了用予描述资源的框架，它并没有定义用哪些元数据来描述资 源。r d f 允许任何人定义元数据来描述特定的资源，由于资源的属性不止一种， 因此实际上是定义一个元数据集，元数据集在r d f 中被称作词汇集 ( v o c a b u l a r y ) ，词汇集也是一种资源，可以用u r i 来唯一标识，这样，在用r d f 描述资源的时候，可以使用各种词汇集，只要用u r i 指明它们即可。当然，各 种词汇集的受欢迎程度可能不同，有的也许只是被定义它的人使用，有的却由于 其定义的科学性为许多人所接受，如以类似图书馆卡片目录的方式来定义资源的 词汇集d u b l i nc o r e ，定义教育内容i m s 元数据，定义个人信息的v - c a r d 元数据 等。因为词汇集是资源，所以可以用r d f 来描述它的属性以及和其他词汇集间 的关系，w 3 c 为此特地提出r d fs c h e m a 来定义怎样用r d f 来描述词汇集，也 就是说r d fs c h e m a 是定义r d f 词汇集的词汇集。 r d fs c h e m a ”】是一个r d f 的简单的类型系统，它的目的是提供一个x m l 词汇表来表达类、类间的关系及类的属性。与x m ls c h e m a 相比，r d fs c h e m a 提供了关于如何解释r d f 数据模型中声明的信息，同时设置了这些数据模型中 的限制条件，使用它可以方便地根据数据进行推理。而x m ls c h e m a 只是对x m l 文档的结构作出了限制，x m ls c h e m a 强调句法、检查x m l 的有效性；而r d f s c h e m a 则强调语义 1 8 a 9 1 。 一个r d f s 的例子，在图书馆方面使用广泛的d u b l i nc o r e 的r d fs c h e m a ： 4 河海大学硕士学位论文基于o w l 本体的标注工具研究 t i f i e t h en a l n cg i v e l lt ot h er e s o u r c e u s u a l l yb yt h ec r e a t o ro rp u b l i s h e r a u t h o r c r e a t o r n ep e r s o no ro r g a n i z a t i o np r i m a r i l yr e s p o n s i b l ef o rc r e a t i n gt h ei n t e l l e c t u a lc o n t e n t o ft h er e s o u r c e f o re x a m p l e ，a u t h o r si nt h ec a s eo fw r i t t e nd o c u m e n t s ，a r t i s t s ， p h o t o g r a p h e r s ，o ri l l u s t r a t o r si nt h ec a s eo fv i s u a lr e s o u r c e s 调用p r o c e s s c l a s s n o d e 处 理类 使用处理过的类作参数 构造树结点 更新相关数据结构 返回根结点 结束 图4 2c r e a t e t r e e f r o m m o d e l 方法流程图 2 8 拿一 茹一 瞽更苇芰甲 河海大学硕士学位论文基于o w l 本体的标注工具研究 2 ) 得到类属性。使用自定义的方法g e t p r o p e r t y o f c l a s s ( 得到某类的所有属性) 、 p r o c e s s i n t e r s e c t i o n c l a s s ( 处理使用o w l ：i n t e r s e c t i o n o f 定义的类) 和 p r o c e s s r e s t r i c t i o n ( 处理属性方式来以o w l ：r e s t r i c t i o n 定义的类) 完成取得类 属性的功能。实现的处理的流程主要按照图3 1 的属性处理规则。 3 ) 得到类语言标签。使用自定义方法g e t l a n g u a g e l a b e l 实现此功能，该方法接 受一个类的u r i ，然后取得类语言标签的值，存放到h a s h m a p 中，语言标签 信息主要用在支持多语言标注方面。例如：一个本体片断 m a s t e r 硕士 h a s h m a p 中的存放形式为： 4 6 本体可视化 根据3 3 节的本体元素的显示规则，本体浏览器界面实现如图4 3 所示： 海 学砸t 学t 立 赫十o w l 奉# 的标rir m r 图43 本体浏览窗口 1 ) 多本体显示。系统支持多本体标注，因此在本体可视化时采用多个本体页 的方式来显示解析后的本体元素。使用自定义s m t a b b e d v l a i n p a n e l 功能类 来处理每个本体页的添加、删除操作。在增加和删除本体页时，要与4 3 节 提到的记录多本体信息的全局变量h m m u l t i o n t o l o g y 保持同步。 2 ) 奉体可视化的内部类实现。自定义的s m o n t t r e e p a n e l 功能类实现对本体显 示和标注过程操作处理的功能。为了达到3 3 节的显示规则要求和图4 3 的 显示效果，在s m o n t t r e e p a n e l 中实现了六个内部类p o p u p l i s t e n e r 、 m y d e f a u l t t a b l e m o d e 、m y d e f a u l t t a b l e e d i t o r 、m y t a b l e c e l l r e n d e r e r 、 m y l i s t c e l l r e n d e r e r 、m y t a b l e c e l l r e n d e t i e r 2 。这六个内部娄在底层数据结构 和用户显示界面之间起一个数据中转和处理的作用。下面分别介绍： 自部类m y d e f a u l t t a n e m o d e l 继承了a b s t r a c t t a b l e m o d e l ( f a v a xs w i n g t a b l e 包) 类，主要来处理属性 表( 即图43 中显示区域c ) ，它的主要作用包括：提供属性表列名、获 取，设置属性表中每个表格的数据、控制属性表中列的可编辑性。 - 自部类m y d e f a u l t t a b l e e d i t o r 继承a b s t r a c t c e l e d i t o r 类( 1 a v a xs w i n g 包) ，实现t a b l e c e l l e d i t o r ( j a v a xs w i n g t a b l e 包) 接口，主要作用是在用户编辑个体属性时，根据 3 0 河海人学硕：学位论文基于o w l 奉体的标注工具研究 属性类型的不同来返回不同的编辑元素。如果用户选择的当前属性是数 据属性，则提供一个文本框来对属性的值进行编辑；如果用户选择的是 对象属性，则根据属性值域的类，取得类所属的个体放入下拉列表框， 供用户选择。实现t a b l e c e l l e d i t o r 接口的g e t t a b l e c e l l e d i t o r c o m p o n e n t 方法是提供不同编辑元素的关键，图4 4 是方法处理的流程图： 开始 取得属性表 存储信息 絮竺岁珍可 i !土 。，! 一，! 一 坚堡垦竺銎竺! 习l 在文麓馨当前 ，t 取得糟赡e 旨定类的i 所有个体，加入下il 拉列表 l 广_ 一 一t 一i 返回文本编辑窗1 2 1 返回带有个体信息 的下拉列表 结束 图4 4g e t t a b l e c e l l e d i t o r c o m p o n e n t 方法处理流程 内部类m y t a b l e c e l l r e n d e r e r & m y t a b l e c e l l r e n d e r e r 2 实现t a b l e c e l l r e n d e r e r 接口( j a v a x s w i n g t a b l e 包) ，主要功能是实现属 性表中表格数据的定制显示。m y t a b l e c e l l r e n d e r e r 改变属性表中的属性 名( p r o p e r t y n a m e ) 列显示，m y t a b l e c e l l r e n d e r e r 2 改变属性表中的属性 值域( r a n g e ) 列和属性值( v a l u e ) 列的显示。例如：底层数据结构存 储的属性表中的一行信息为： 属性名：h t t p ：w w w h h u e d u c n i s w c i s w c o w l # w h i c h s c h o o l 属性类型：h t t p ：w w w h h u e d u c n i s w c i s w c o w l # s c h o o l 属性值：h t t p ：w w w h h u e d u c n i s w c i s w c o w i # h h u 经过r e n d e r e r 处理后显示： p r o p e r t y n a m er a n g e v a l u e l ( o ) w h i c h s c h o o l s c h o o lh h u 河海大学硕士学位论文基于o w l 本体的标注工具研究 内部类m y l i s t c e l l r e n d e r e r 实现l i s t c e l l r e n d e r e r 接口( j a v a x s w i n g 包) 。作用与m y t a b l e c e l l r e n d e r e r 类似，与个体列表关联后，影响列表中每个个体的显示。 内部类p o p u p l i s t e n e r 主要用来监听右键菜单事件。实现在图4 3 的显示区域a 、b 、c 分别出 现不同的右键功能菜单。在类层次树上，用户可以建立除根之外的类的 个体；在个体列表上，视个体类型的不同，显示不同的菜单，当用户选 择当前个体是本体自带个体时，允许用户将此个体转换成自定义个体， 是用户添加个体时，允许用户编辑和删除个体；在属性表上，用户可以 增加和删除属性。 3 ) 本体浏览。在3 - 3 节的显示规则中，本体显示以类为中心，所以用户在浏览 本体时操作路径基本有三条：一是从类到个体；二是从类到属性；三是从 个体到属性。数据变化和相应操作在这三条路径上展开。 4 ) 各显示区域存放信息的数据结构。从图4 3 可以看出，在类层次树的显示区 域中，类树上的每个结点有一个类信息与之关联，即s m a l c l a s s n o d e ；在 个体列表显示区域，每个个体以s m a l n a m e v a l u e 方式存放， s m a l n a m e v a l u e 是一个名值对，n a m e 存放这个个体的类型( 定义两个全 局变量o m r o d d d u a l 和o w n i n d i v i d u a l ，分别代表本体自带个体 和用户标注产生的个体) ，v a l u e 存放个体u r i ；在属性表显示区域中，每 个属性三元组由s m a l t a b l e d a t a 存放，经过内部类m y t a b l e c e l l r e n d e r e r 的处理，显示成短名字表格供用户浏览；个体公理显示区域的存放结构与 个体列表类似。下面给出s m a l n a m e v a l u e 和s m a l t a b l e d a t a 的定义： 类s m a l n a m e v a l u e 定义： c l a s ss m a l n a m e v a l u e 【 p r i v a t es t r i n gn a m e = n u l1 ； p r i v a t es t r i n gv a l u e = n u l l ； ) 个体类型 | 令诲u r i 类s m a l t a b l e d a t a 定义： c l a s ss m a l t a b l e d a t a ( s t r i n gp r o p e r t y i d = n u l l ； 属性u r i s t r i n gr a n g e = n u l l ； 属性类型u r i s t r i n gv a l u e = n u l l ； 属性值u r i b o o l e a ni s d a t a t y p e p r o p e r t y = t r u e ；是否为数据属性 ) 3 2 河海大学硕士学位论文基于o w l 本体的标注工具研究 实现本体浏览的方法定义。用户操作有三条路径，方法调用如图4 5 ： 图4 5 本体浏览方法调用图 上图中，当用户选择某类，更新个体列表时，不仅要列出本体自带个体，还 要列出用户标注产生的个体，而且要列出所有子类得个体，更新属性表后，设置 其编辑属性为只读；在用户选择某个体时更新属性表和公理列表时，考虑到两种 不同类型个体间处理的差异性。 4 7 本体获取 根据3 2 节的设计，本体获取主要得到在线本体文档，网络配置信息由 s m n e t p r o x y s e t 处理。用户在获取本体界面输入想要打开或保存到本地的本体 u r l 后，首先对输入信息进行验证，输入信息不能为空，输入的u r l 以h t t p 或 f i l e 协议访问本体文档，否则把相应的错误信息提示给用户。验证用户输入信息 使用s m v a l i d g e t o n l i n e o n t 类，它实现了自定义的验证接口s m v a l i d a t i o n 。获取 在线本体文档的实现步骤如下： p u b l i cv o i dg e t o n l i n e o n t o l o g y ( s t r i n go n t o l o g y u r l ，s t r i n gs a v e p a t h ) t t r y 设置代理 s m n e t p r o x y s e tp r o x y s e t ：n e ws m n e t p r o x y s e t ( ) ； p r o x y s e t s e t p r o x y ( ) ； b u f f e r e d i n p u t s t r e a mb i s = n u l l ； 输入流存储在线本体的信息 b u f f e r e d o u t p u t s t r e a mb o s = n u l l ； 输出流，保存本体到本地 t r y u r lu r l = n e wu r l ( o n t o l o g y u r i ) ? u r l c o n n e c t i o nc o n n = u r l o p e n c o n n e c t i o n ( ) 7 打开连接 3 3 河海大学硕士学位论文基于o w l 本体的标注工具研究 i f ( p r o x y s e t i s a u t h e n t i c a t e ( ) ) 设置验证信息 c o n n s e t r e q u e s t p r o p e r t y ( “p r o x y - a u t h o r i z a t i o n 。， c o n n c o n n e c t ( ) ； 得到在线本体的输入流 p r o x y s e t g e t a u t h e n t i c a t e s t r ( ) ) ； b is=newb u ff e r e d i n p u t s t r e a m ( c o n n g e t i n p u t s t r e a m ( ) ) ； m o d e l r e a d ( b i s ，n u l l ) ； b i s r e s e t ( ) ； 保存本体到本地 读入o n t m o d e l ，用来构造类树 i f ( ! ( s a v e p a t h e q u a l s ( ”) ) ) b o s = n e wb u f f e r e d o u t p u t s t r e a m ( n e wf i l e o u t p u t s t r e a m ( s a v e p a t h ) ) ； i n tc = b i s r e a d ( ) ； w h i l e ( c ! = 一1 ) b o s w r i t e ( c ) ； c = b i s r e a d ( ) ； ) c a t c h( 工o e x c e p t i o ni o e )t 提示用户，检查网络设置 s m u t i l s g e t j o p t i o n p a n e ( ) s h o w m e s s a g e d i a l o g ( n u l l ， 。o p e nf a i l e d ，p l e a s ec h e c ky o u ro n t o l o g yf i l e o r i n t e r n e t ( e g p r o x y ) s e t t i n g ! 。，。e r r o r 。，j o p t i o n p a n e e r r o r _ m e s s a g e ) ； j o e p r i n t s t a c k t r a c e ( ) ； ) f i n a l l y 关闭输入输出流 t r y ( i f ( b i s ! = n u l l ) b i s c l o s e ( ) ； i f ( b o s ! = n u l l ) b o s c l o s e ( ) ； ) c a t c h( 工o e x c e p t i o ni o e ) i o e p r i n t s t a c k t r a c e ( ) ； 河海大学硕二l ：学位论文基于o w l 本体的标注工具研究 4 8 语义元数据生成 4 8 1 个体创建 个体的创建方式有两种：一种是用户根据w e b 页的词汇创建个体，一种是 用户认为本体自带的某个个体是合适的，将其转换成用户自定义个体。 通过w e b 页词汇创建个体。从w e b 页取得的词汇是个体名称，通过选 定个体所属类生成个体，其中可以通过粘贴系统剪贴板中的个体名或直 接填写个体名创建个体，s m a e i n d i v i d u a l d i a l o g 对话框的功能是新增或 编辑个体信息，包括个体名和语言标签。语言简称应符合i s 0 6 3 9 标准。 在用户确定添加个体后的操作为：新建s m a l i n d i v i d u a l 实例存放个体信 息；将此实例放入本体页提供的个体容器中；更新个体列表的显示。 通过本体自带个体转换成用户个体。主要由自定义功能类 s m c o n v e r t t o l n d i v i d u a l 来完成。主要操作步骤为： 检查此本体自带个体是否为空； 新建用户标注个体； 取语言标签信息填充新建个体； 取属性三元组信息填充新建个体； 取公理信息填充新建个体； 将新建个体放入个体容器； 更新个体列表显示； 在本体中删除已转换的个体。 4 8 2 编辑个体信息 在创建个体后，需要编辑个体的属性信息和创建个体公理信息。编辑属性信 息主要在图4 3 的显示区域c 属性表进行操作，创建个体公理主要在显示区域d 个体公理列表进行操作。由于s p a n n o t a t o r 支持多本体标注，而编辑个体信息时 需要的操作( 如取得某类的所有的个体) 在每个本体页都适用，因此，实现了一 组对个体操作的通用方法，以全局函数的形式存在，避免在每个打开本体页都创 建其实例。这一组通用方法由自定义功能类s m a l i n d i v i d u a l a s s i s t a n t 来实现，实 现的方法如表4 2 ： 河海大学硕士学位论文基于o w l 本体的标注工具研究 表4 2s m a l i n d i v i d u a l a s s i s t a n t 方法表 方法名功能描述 g e t a l l c l a s s 返回某本体中所有的类 g e t a l l o n t o l o g y 返回所有打开的本体 g e t o n t o l o g y d e f a u l t u r i返回某本体的缺省u r i g e t a l l l n d i v i d u a l f r o m c l a s s返回属于某类的所有个体 g e t a l l l n d i v i d u a l f r o m o n t o l o g y 返回某本体的所有个体 g e t l n d i v i d u a l s f r o m m u l t i o n t o l o g y返回所有打开本体中属于某类的所有个体 方法实现要点： 方法g e t a l l c l a s s 取得本体中所有的类。有两种方法可以完成此功能：一种是在处理本体的 o n t m o d e l 上取得所有命名类；一种是在本体页的类层次树上取得，每个树 结点对应本体中的一个类。因为在解析本体时存放了类的相关信息，所以采 用第二种方法。返回所有类名的字符串数组。此方法主要用在创建个体公理 时，在选定本体后，要取得本体所有的类。 方法g e t a l l o n t o l o g y 取得所有打开的本体名，在4 3 小节提到数据结构中记录多本体信息的全局 变量是h m m u l t i o n t o l o g y ，通过它取得所有打开本体的信息，主要在创建个 体公理使用。 方法g e t o n t o l o g y d e f a u l t u r i 在每个打开的本体页中，保存