（计算机应用技术专业论文）基于native+xml数据库的知识库系统应用研究.pdf

摘要 摘要 知识库是专家系统的核心。由于每个领域的知识都有其自身的特点，并且学 科间也存在交叉和重叠，所以知识的共享、重用是非常必要的。基于这些知识很 多研究者建立了各自不同的知识库系统，但是由于这些系统的知识具有极强的独 立性和封闭性，难以实现知识的共享和交换。这种情况造成了用大量精力建立起 来的知识库系统，应用面狭窄，不能充分发挥效率。因此设计良好的共享重用体 系不仅可以减少知识库的冗余，保证知识库系统的简洁性，而且还可以提高知识 库系统的性能和开发效率。 为此本文利用x m l 技术的优势，研究并实现了一个基于n a t i v e ( 纯) x m l 数据库的知识库管理系统，并将该知识库应用于柑橘专家系统中。主要研究工作 包括：提出了基于x m l 的产生式规则知识表示方法，该方法实现了知识的统一 表示，为知识的交互使用打下了基础。使用一个开源数据库系统嵌i s t 纯x m l 数据库系统进行数据管理，实现了基于x s p 和x s l t 技术的客户端知识显示和 知识查询，以及知识包装等几种知识集成方法。基于x m l 数据库的知识库系统 可以有效地解决知识库中知识的独立性和封闭性等问题，实现了知识的共享、交 换和重用，提高了专家系统中知识库开发的效率，也可帮助解决不同平台、异构 的专家系统集成。 关键字：x g l 数据库专家系统知识库知识表示e x i s t 数据库 a b s t r a c t a b s t r a c t t h ek n o w l e d g e b a s ei se x p e r ts y s t e m sc o r e e a c hd o m a i n sk n o w l e d g e h a si t so w nc h a r a c t e r i s t i ca n de x i s t so v e r l a p p i n ga n do v e r l a p s ，t h e r e f o r e k n o w l e d g es h a r i n ga n dr e u s i n gi sv e r ye s s e n t i a l m a n yr e s e a r c h e r sh a v e e s t a b li s h e dt h ed i t e r e n tk n o w l e d g e b a s es y s t e m , b e c a u s et h e s es y s t e m ls k n o w l e d g eh a st h eg r e a t l yi n d e p e n d e n c ea n dc l o s e n e s s ，t h e r e f o r er e a l i z e k n o w l e d g es h a r i n ga n dr e u s i n gi sd i f f i c u l t y t h i sk i n d o fs i t u a t i o nc a u s e d t h ek n o w l e d g e b a s es y s t e mw h i c he s t a b l i s h e dw i t ht h em a s s i v ee n e r g yh a s n a r r o wa p p l i c a t i o n ，a n dh a v el i t t l ee f f i c i e n c y t h e r e f o r et h ew e l ld e s i g n s h a r i n ga n dr e u s i n gs y s t e mn o to n l yt or e d u c ek n o w l e d g e b a s e sr e d u n d a n c y ， g u a r a n t e ek n o w l e d g e b a s e ss u c c i n c t ，b u ta l s oe n h a n c et h ek n o w l e d g e b a s e s p e r f o r m a n c ea n dd e v e l o p m i n ge f f i c i e n c y t h e r e f o r et h i sd i s s e r t a t i o nb a s e do nt h es u p e r i o r i t yt e c h n o l o g yo f t h ex m l r e s e a r c h e da n dr e a l i z e do n ek n o w l e d g e b a s es y s t e mb a s e do nn a t iv e t h ex m ld a t a b a s e ，a n da p p l i e dt h i sk n o w l e d g e b a s ei nt h ee x p e r ts y s t e mo f c i t r u s t h ek e yr e s e a r c hp o i n t si n c l u d e ：p r o p o s e dp r o d u c t i o nr e g u l a r k n o w l e d g ee x p r e s s i o nm e t h o db a s e do nt h ex m l ，t h ism e t h o dh a sr e a l iz e d t h ek n o w l e d g eu n i f i c a t i o na n db u i l tt h ef o u n d a t i o nf o rt h ek n o w l e d g e i n t e r a c t i v eu s e i n g u s i n go n eo p e ns o u r c ed a t a b a s es y s t e m 一一e x i s tp u r e x m ld a t a b a s es y s t e mt om a n a g ex m ld a t a ，s i m u l t a n e o u s l yh a sr e a l i z e dc l i e n t k n o w l e d g ed e m o n s t r a t e sa n dt h ek n o w l e d g ei n q u i r e sb a s e do nx s pa n dt h e x s l tt e c h n o l o g y 。a sw e lla sk n o w l e d g ei n t e g r a ti o nm e t h o d s t h iss y s t e m s o l u t et h ep r o b l e mo fk n o w l e d g ei n d e p e n d e n c ea n dc l o s e n e s s ，r e a li z e d k n o w l e d g es h a r i n g ，e x c h a n g e i n ga n dr e u s i n g ，e n h a n c e dt h ed e v e l o p m e n t e f f i c i e n c yo fk n o w l e d g e b a s ee n o r m o u s l y k e yw o r d ：x m l d a t a b a s e k n o w l e g e b a s e n a t i v ex m ld a t a b a s ee x i s t 贵州大学硕士学位论文 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的科研成果。 对本文的研究在做出重要贡献的个人和集体，均已在文中以明确 方式标明。本人完全意识到本声明的法律责任由本人承担。 论文作者签名： 关于学位论文使用授权的声明 本人完全了解贵州大学有关保留、使用学位论文的规定，同 意学校保留或向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅；本人授权贵州大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或其他复制手段保存论文和汇编本学位论文 ( 保密论文在解密后应遵守此规定) 论文作者签名： 纽导师签名：邈日期：至q q 进篁旦 4 3 贵州大学硕士学位论文 第一章绪论 1 1 研究背景和意义 数据库技术及其应用系统经历了从层次数据库、网状数据库到关系数据库以 及面向对象数据库的发展，在传统的商业和事务处理领域内逐步成熟，成为计算 机信息系统中的重要基础和支柱。但随着i n t e m e t 的飞速发展，w e b 的出现改变 了人们习惯的处理方式，也给数据库技术提出了必须面对的重要问题，即如何有 效地存储和管理w e b 上的数据及文档，使其既能被高效地操作和维护，又能在 i n t e m e t 平台上方便地表示和交换。信息共享和数据交换的范围不断扩大，使传 统的关系数据库面临着挑战1 6 l 。数据库技术的应用是建立在数据库管理系统基础 上的，各数据库管理系统之间的异构性及其所依赖操作系统的异构性，严重限制 了信息共享和数据交换范围。数据交换的能力已成为新的应用系统的一个重要的 要求。 近年来，随着w e b 技术及其应用的快速发展，x m l 已经成为万维网上信息 表示和数据交换的一个重要的标准。x m l 在电子商务、数据交换、科学数据表 示、数据建模和w e b 搜索引擎等领域有着广泛的应用，x m l 技术已日益受到更 为广泛的关注。到目前为止，在w e b 上已经积累了大量的x m l 文档数据，如何 高效、系统、科学的管理这些g b 、t b 乃至p b 级的x m l 文档即x m l 数据的 管理技术正成为数据库研究领域中的一个重要挑战，具有十分重要的理论研究意 义和实际应用价值1 2 2 1 。 x m l 数据库是w e b 技术和数据库技术相结合的产物，引起了数据库学术界 的高度关注，同时也产生了很多有意义的研究成果。x m l 数据库是就是一个 讧l 文档的集合，。文档 本身提供一种方便的机制来组织元素，这些文档是持 久的并且是可以操作的【2 1 i 。x m l 数据库不仅是结构化数据和半结构化数据的存 储库，它也像传统的关系数据库或面向对象数据库一样，提供存储、修改、查询 和删除数据库中的x m l 文档以及元素的机制，还要具有维护数据的独立性、集 成性、完备性、一致性和访问权限的控制等功能。 知识库，又称为智能数据库或人工智能数据库，是专家系统的核心。人工智 能和数据库这两项计算机技术的有效结合，促使了专家系统的产生和发展。作为 人工智能的一个分支，专家系统利用大量的专业知识以解决只有人类专家才能解 决的复杂阀题。在一个专家系统中，知识库所扮演的角色相当于专家的大脑，人 类专家所具有的专业知识，都被高度抽象化地存储在知识库当中1 6 l 。因此，知识 库是专家系统的核心组件。传统的知识库构建方法依赖于特定的软硬件平台、操 作系统以及开发工具，已经不能适应网络环境及分布式处理的要求。随着i n t e m e t 技术在全球迅速发展，网络日益成为信息传输的主要模式。由于x m l 技术的种 种优势以及x m l 数据库的鲜明特点，用x m l 数据库作为专家系统中知识的存 储介质，同时利用x m l 数据库技术来建立知识库系统，是知识库发展的一个趋 势。 1 2 选题及研究现状 本文的研究课题是国家科技攻关计划“西部开发一重大项目第4 子项 ! e l e m e n tc o u n t r y ( # p c d a t a p 雷2 - 3 简单x m l 文档的啪 x m 壤式与d t d 在以下方面不同：) a 雌式定义语言本身基于x m l 。所以， 不像d t d 的定义，可用于定义x m l 文档的构造集合是可扩展的。l 模式同时 支持命名空间和相对于d t d 更丰富、更复杂的结构定义p 引。而且，可以更加强 大地描述一个标签所包括的数据的类型限制，因为讧l 模式支持一系列简单数 据类型，诸如字符串、小数和整数等。这个功能使得x m l 模式非常适合定义以 数据为中心的文档。另一个显著的优势在于利用x m l 模式定义可以为x m l 设计 数据管理方法。一个x m l 模式本身就是一个x m l 文档。这与d t d 形成了一个非 常鲜明的对照，d t d 需要在x m l 数据管理系统中加入特定的支持。 ? x i lv e r s i o n = 。1 o ”e n c o d i n g = ”u t f - 8 ” x s ：e l e m e n ti l a m e = n n a m e ) - b 元素 c 元素的第一个子元素；“a b c 1 a s t 表示a 元素- b 元素 - c 元素的最后一个子元素；“a b c p o s i t i o n o l 】表示表示a 元素 b 元素 c 元素之下的位置号大于l 的元素。 ( 3 ) 属性及属性值。在x p a t h 中，可以利用属性及属性值来匹配元素，要注意 的是元素的属性名前要有“ ”前缀。例如，“m 【 i d 】”表示所有具有属性i d 的 b 元素。再如“b l i b m 7 ”表示i d 值为“m ”的b 元素。 ( 4 ) 亲属关系匹配。x m l 文件是树型结构，任何一个结点都不是孤立的，它 们之间具有亲属关系，如父子关系、祖先后代关系、兄弟关系等。在对元素进行 匹配时，可以利用上述关系进行匹配。 ( 5 ) 条件匹配。条件匹配就是利用一些函数的运算结果的布尔值来匹配符合 条件的结点。这些函数通常包括结点函数、字符串函数、数值函数等。例如l 础) ， p o s i t i o n ( ) 等。 我们可以通过x p a t h 对节点信息进行定位和查询，如图2 5 所示： a t l l 表达式 | i l p c r s o n p e r s o n a d d r e s s h o u s c n u m b e r 5 】 p c r s o r d n a m c n a n a g e r = 觚e ，1 p c 删a d a d d r e s s n 】 p e r s o n a d d r e s s 1 a s t 0 】 选择的x m l 文档节点 文档的根节点 根节点的所有后代节点中的p c l 8 0 i l 元素 选择h o u s e n u m b c r 5 的a d d r e s s 元素 选择m a n a g e r 属性为t u r c 的l l a i i i e 元素 选择p 印舳元素的第一个a d d r c $ 6 子元素 选择p c r s o i l 元素的最后一个a d d r e s s 子元素 囤2 - 5 x p a t h 表达式示倒 2 3 2x q u e r y 查询语言 x q u e y 是- - 个从x m l 文档中获取数据的查询语言，作为一种新型的x m l 查 询语言，x q u e r y 汲取了其它多种查询语言的优点，适用于各种类型的x m l 数据 源的查询，不仅查询功能强大，而且简洁灵活而易于实现。正如关系数据库中的 s q l 一样，x q u e r y 将成为x m l 时代的主流数据查询语言i i m 。 一个完整的x q i l 碳块包括三个部分：名称空间和模式声明，函数定义， 查询表达式瞵】。其中，前两个部分合在一起叫做x q u e 眄p r o l o g ，是可选的，查 询表达式又叫做x q u a r y 查询体。每个x q u e r y 查询包括一个或多个查询表达式。 通常的x q u e r y i 吾法有：路径表达式、序列表达式、算术表达式、f l w o r 表达式、 条件表达式以及函数调用等。图2 6 举例说明y x q u m , 的模块组成。 8 贵州大学硕士学位论文 名称空间声明 函数定义 查询表达式 图2 - 6x q u e r y 的模块组成 x ( 沁c r y 中最强大的特性是f l w o r 表达式，它是x q u m , r 有特色且最重要的 语法类型之一。f l w o r 表达式包含模式匹配、过滤选择和结果构造这三种操作。 f l w o r 语句是x q u e r y 所具有的最接近于s q l 的语句。f l w o r 表达式分别代表 f o r _ 1f 卜w h e r e - - o r d e rb 、卜re t u r n 的首字母缩略词。它支持迭代并 且可以把变量绑定到中间结果。对两个或多个文档进行连接和重构数据时这种表 达式非常有用。每个f l w o r 表达式都有一个或多个向r 子旬、一个或多个l e t 子句、 一个可选的w h e r e 子句、一个o r d e rb y 子句以及一个r e t u r n 子句。f o r 子句通过将 节点绑定到变量，以便继续去循环遍历序列中的每一个节点；l d 子句为一个变量 赋一个值或一个序列；m u r n = 子句定义每个元组要返回的内容：对于w h 珂e 子句， 如果其有效布尔值为真，那么该元组就被保留，并且它的变量绑定用在r 6 吐q l l i l l 子 旬中，如果其有效布尔值为假，那么该元组就被废弃。 x q u e r y 查询实倒 f o r $ bi nd o c u m e n t ( p e r s o n x m l ”) p e r s o n a d d r e s s 啊虚l e 他s b h o u s e n u m b a r 5 鄹暾l n ： $ b s u m a m e , s b f i r s t n a m e , $ b s t r e e t 其查询结果为： l u i s s c o l a c h u r c hs t r e e t 圈2 - 7x q u e r y 查询实碉 可以看出，f l w o r 表达式是一个有多种变化的表达式类型，它可以生成大 量不同的查询实例。r 咖m 关键字后面的操作项本身可以被另一个f l w o r 表 达式替代，可以不断将f l w o r 表达式首尾相接，使x q u e r y 具有非常丰富的表达 能力。 9 贵州大学硬士学位论文 第三章纯x m l 数据库技术 随着x m l 的数据量呈指数级增长，要求更有效的数据管理能力和更快、更 精确的查询。在传统数据库厂商宣布支持x m l 的同时，一种新的数据库技术， n a t i v ex m l 数据库( n x d ) 也已崭露头角，打破了r d b m s 传统关系数据库一 统天下的局面，为数据库技术的研究提供了一次良好的发展契机。 3 1 垤l 数据库综述 x m l 是一种专门为i n t e r n c t 所设计的标记语言。x m l 的重点是管理信息的 数据本身，而不是数据的样式，数据的显示则交给另外的技术来解决。虽然x m l 是一种专门为i n t e m c t 所设计的标记语言，但是它已经成为i n t e m e t 上数据表示 和数据交换的标准。随之而来的是堆积如山的x m l 文档，如何对这些x m l 文 档进行有效管理与快速查询，是当前学术界的研究热点，即所谓的x m l 数据库。 3 1 1x m l 数据库定义 x m l 数据库是可以对x m l 文档进行存取管理和数据查询的数据库，是一 个能够在应用中管理x m l 和文档的数据库系统。一个x m l 数据库是x m l 文 档及其部件的集合，并通过一个能管理和控制这个文档集合本身及其所表示信息 的系统来维护。x m l 数据库不仅是结构化数据和半结构化数据的存储库，持久 x m l 数据管理包括数据的独立性、集成性、访问权限、试图、完备性、冗余性、 一致性以及数据恢复等i i j 。 3 1 2x m l 数据库分类 所谓数据库就是一组相互有关联的数据集合，而x m l 数据库是一个x m l 文档的集合，这些文档是持久的并且是可操作的。x m l 数据本身的树形结构不 同于关系模型中的二维表结构，这种差别反映在数据库产品处理x m l 数据的技 术上形成两大阵营瞄j ： ( 1 ) x m le n a t ) l e dd a t a b a s c ( x e d ) ，即能处理x m l 的数据库。其特点是在原 有的数据库系统上扩充对x m l 数据的处理功能，使之能适应x m l 数据存储和 查询的需要。一般的做法是在数据库系统之上增加x m l 映射层，这可以由数据 库供应商提供，也可以由第三方厂商提供。映射层管理x m l 数据的存储和检索， 但原始的x m l 元数据和结构可能会丢失，而且数据检索的结果不能保证是原始 的x m l 形式。 ( 2 ) n a t i v ex m ld a t a b a s c ( n x d ) ，即纯x m l 数据库。其特点是以自然的方式 处理x m l 数据，以x m l 文档作为基本的逻辑存储单位，针对x m l 的数据存 储和查询特点专门设计适用的数据模型和处理方法。 3 1 3x e d 与n x d 的比较 从本质上讲，传统的r d b m s 不支持层次的和半结构化的数据形式，只有经 过转换处理才能把嵌套的x m l 数据放到简单的关系表中。x m l 是具有动态结 构的数据，这正是x m l 可扩展性的关键，而传统的r d b m s 不能处理这种数据。 s q l 适合于查询确定模式支配的表，它不是为具有动态、复杂特性的x m l 设计 1 0 贵于f f 大学硕士学位论文 的【4 1 。传统的r d b m s 查询引擎需要把针对x m l 的查询翻译成很多关系表的检 索和连接运算，这不仅造成查询性能的下降，而且往往不能产生代价较小的查询 执行计划。 n a t i v ex m l 数据库管理系统以自然的方式处理x m l 数据，没有因数据模 型转换而带来信息丢失和性能下降。n x d 与x e d 的区别可参考图3 1 所示： 图3 1x m l 数据库性畿对比 事实上，两者的优劣并没有统一的答案，而是和具体的应用相关。在开发式 较简单、数据内容比格式更重要的应用时，x e d 是不错的选择，特别是在已有的 传统数据库上要提供x m l 的访问接口的情况下。相反，如果x m l 文档格式复杂， 数据本身就有层次性关系，或是只有x m l 数据的时候，就可以考虑n x d ，因为 它提供更好的性能，对x m l 标准有更好更完备的支持。 3 2 纯x m l 数据库系统 3 2 1 纯x m l 数据库概述 n a t i v ex m l 数据库( n x d ) 是一种专门为存储x m l 文档而设计的数据库， 但也兼有一般数据库的特性，例如支持事务，并发控制，查询语言，安全机制， 二次开发接口等。唯一的不同之处在于其内部存储模型是基于x m l 文档树形结 构，而非关系模型。关于纯x m l 数据库，r o n a l db o 明僦给出了一个定义，即只 有满足以下三个条件的x m l 数据库才能称之为纯x m l 数据库i l q ： 为x m l 文档( 而不是文档中的数据) 定义了一个( 逻辑) 模型，x m l 数据 的存储和查询都基于这个模型。这个模型至少应包括元素、属性、 行 贵州大学硕士学位论文 排序、连接等。而x q i l 唧更像一种编程语言，支持循环等逻辑，支持循环、分 组、排序、连接等。相对于传统数据库的标准s q l 语句，x l 跚【e 脏对x m l 数据 的查询方面，是一种功能更强大、更易于编程的方法。 原生x m l 数据库对文件的更新和删除方式有许多，从简单的替换或删除现 有文件，到修改当前活动的d o m 树，以及用于指定如何修改文件片断的语言。 通常每种能修改文件片断的产品都有自己的语言，有几种产品支持x m l ：d b i n i t i a t i v e 的x u p d a t e i 吾言。 基本上所有的原生x m l 数据库都支持事务处理和并发控制。但是，锁的粒 度通常比较大，对整个文档的而不是对文档片断( f r a g m e n t ) 的，所以多用户并发 性的支持相对较低。具体的并发程度取决于应用程序以及文档的构成。 良好的编程接口是一个数据库系统成熟的重要标志。几乎所有n ) ( d 都提供 编程接d a p h 这种a p i 很像o d b c ，并提供数据库连接、测览元数据、执行查询 和返回结果的方法。 m m 一个重要特性是它为x m l 文档提供了文档还原( r o u n d - t r i p p i n g ) 功能： 可以将x m l 文档存放在数据库中，而且再取回“同样的”文档。 3 3 纯帆数据库关键技术 3 3 1 存储结构 存储结构是索引、查询处理与优化以及事务和并发控制的基础。简单地说， 【存储管理的任务是：一方面能够有效地存储x m l 数据；另一方面要能够有 效地支持查询。 根据x m l 文档物理存储的不同，n a t i v ex m l 数据库的存储结构分为两大类： 1 ) 基于文本的n a t i v ex m l 数据库( t e x t - b a s e dn a t i v ex m ld a t a b a s e s ) 基于文本的纯订l 数据库将x m l 作为文本存储。其存储形式可以是一个文 件系统中的文件、一个关系数据库中地b l o b 或者私有的文本格式。基于文本的 n a t i v ex m l 数据库都能通过建立索引的查询机制来比较容易的实现文档中节点 之间的跳转，这使得我们能用一条查询语句获得整个文档或文档片段或通过一次 读操作获得连续存储的整个文档。因此，一个基于文本的n a t i v ex m l 数据库可 以按x l 垤l 数据原有结构保存和提取订l 数据。 动基于模型的n a t i v ex m l 数据库( m o d e l b a s e dn a t i v ex m ld a t a b a s e s ) 第二类原生x m l 数据库是基于模型的纯x m l 数据库。它们不是用纯文本存 储文件，而是根据文件构造一个内部模型并存储这个模型。至于模型究竟怎样存 储取决于数据库【冽。有些数据库将该模型存储于关系型和面向对象的数据库中， 例如在关系型数据库中存储d o m 时，就会有元素、属性、p c d a t a 、实体、实 体引用等表格。其它的存储形式也可以是一种针对模型优化过的特殊存储格式。 3 3 2 编码方案 为了有效的支持x m l 查询，特别是结构查询，研究者已经提出了x m l 数据 的各种索引技术和编码方案。对了x m l 结构查询，一种实现方法是建立x m l 文 档树的路径索引，并通过路径索引来加速x m l 结构查询的计算；另一种方法是 对垤l 文档树中的结点进行编码，即给x m l 文档树中的每一个结点赋予一个惟 一的编码，以便能够通过编码将x m l 结构查询的计算转化为结构连接的计算。 这里对x m l 文档树的编码技术进行研究。对于x m l 文档树的编码方案，可 1 3 贵丹l 大学硕士学位论文 以分为两大类：基于区间的编码和基于路径的编码。基于区间( r e g i o n - b a s e d ) 的编码方案利用x m l 文档的有序特点，根据每一个元素结点在原x m l 文档中字 典顺序的位置给每一个元素结点赋予一个编码；而基于路径( p a t h - b a s e d ) 的编 码方案则是利用x m l 文档的嵌套特点，根据x m l 文档的嵌套结构，给从文档根 结点开始所能到达的每个路径和元素结点赋予一个编码。 目前已经具体提