（计算机应用技术专业论文）语义网本体查询语言转换技术的研究与实现.pdf

摘要 将语义技术和信息检索相结合，可使信息检索系统以机器可理解的方式在语 义层次上进行，从而提高检索的效率。然而，目前绝大部分的数据依然依赖于传 统的关系型数据。因此，如何有效地将用户对语义搜索的请求转换为现有的对传 统数据库的查询，是语义查询技术的核心问题之一。本文主要研究在关系数据库 数据资源到本体论模型的映射过程中如何有效地将基于s p a r q l 语言的语义查询 转换成应用于关系型数据库的s q l 查询语言，实现对传统关系型数据库进行语义 查询，更加有效地对用户所请求的查询进行处理，具有一定的理论与现实意义。 本文在总结相关语义技术研究现状的基础上，首先对本体论的相关内容进行 了充分和必要的介绍，其中主要包括本体的基本概概念、本体的分类以及本体的 建模元语等内容；并详细讨论了用于本体描述的各种语言规范，如o w l 和w s m l 语言规范。其次，本文对s p a r q l 语言进行了详细的分析，其中主要包括s p a r q l 语言的图模式语法和语义和s p a r q l 对r d f 数据的查询，同时简要介绍了j e n a 工 具的在语义检索中的应用。随后，本文详细阐述了s p a r q l 语言到s q l 语言的转 换算法，在针对s p a r q l 语言中较为复杂的o p t i o n a l 子句的转换过程中，提出了 以基本模式到s q l 查询语言的转换为基础的s p a r q l 语言到s q l 查询语言的转换 算法。最后，利用编译原理相关技术，通过构造s p a r q l 语言的抽象语法树，有 效地实现了算法；并以结构工程网格为背景，通过具体的查询实例验证了算法的 正确性。 关键词语义技术；s p a r q l 语言；基本图模式 a b s t r u c t a b s t r a c t i n f o r m a t i o ns e a r c h i n ge f f i c i e n c yc a nb ei m p r o v e do nt h ec o n d i t i o nt h a t t h e i n f o r m a t i o ns e a r c hs y s t e m sr u ni nas e m a n t i cl a y e r ，w h i c hi st h er e s u l t o ft h e c o m b i n a t i o nb e t w e e ns e m a n t i c t e c h n o l o g i e sa n d i n f o r m a t i o n s e a r c h i n gt e c h n o l o g i e s n e v e r t h e l e s s ，o nt h ea c c o u n to ft h ef a c t t h a t t r e m e n d o u sd a t aa r es t i l ld e p e n d e n t e do nr e l a t i o nd a t a b a s e s ，h o wt o t r a n s l a t et h es e m a n t i c a lq u e r i e si n t ot h ep r o c e s s e so fq u e r yi nr e l a t i o n d a t a b a s e sb e c o m e so n eo ft h em o s tc o r er e s e a r c hf i e l d si ns e m a n t i c a lq u e r y t e c h n o l o g y t h em a j o rc o n c e r ni nt h isp a p e rish o wt ot r a n s l a t et h e s e m a n t i c a lq u e r i e sb a s e do ns p a r q li n t ot h es o lq u e r i e sr a ni nr e l a t i o n d a t a b a s e si nt h ep r o c e s s e so fm a p p i n gb e t w e e no n t o l o g ym o d u l e sa n dt h e r e s o u r c e si nr e l a t i o nd a t a b a s e s ，w h i c hi sp r e m i s e do nq u e r y i n gr e l a t i o n d a t a b a s e si nas e m a n t i c a l w a y w i t ht h e t h e o r e t i c a la n dp r a c t i c a l s i g n i f i c a n c e s f i r s t l y ，o n t o l o g yt h e o r yi si n t r o d u c e dh e r eb ys u m m a r i z i n gt h e d e v e l o p m e n to fr e s e a r c h i n go ns e m a n t i c a lt e c h n o l o g y ，w h i c hi n c l u d i n gt h e b a s i cc o n c e p t s ，c a t e g o r i e s ，m e a l a n g u a g eo fo n t o l o g ym o d e l i n g ，e t c s o m e r e p r e s e n t a t i v el a n g u a g e sa l s oa r ei n t e r p o s e d ， s u c ha so w la n dw s m l s e c o n d l y ，a n a l y s i so ns p a r q lw h i c hc o v e r st h es y n t a xa n dt h eq u e r yi nr d f d a t aa n dt h ea p p li c a t i o no fj e n ai ns e m a n t i c a ls e a r c h i n ga r ep r e s e n t e d i nap a r t i c u l a rw a y t h i r d l y ，t h es p a r q lt os q la l g o r i t h mi sb r o u g h tw h i c h b a s e do nt h et r a n s l a t i o nb e t w e e nb a s i cg r a p hp a t t e r n sa n ds q lw h i c h s p e c i a l l ys e r v e sa saf u n c t i o ni nt h ep r o c e s so fo p t i o a n lc l a u s eo fs p a r q l f i n a l l y ，t h ea l g o r i t h mi si m p l e m e n t e db yc o n s t r u c t i n ga b s t r a c ts y n t a x t r e eb a s e do nc o m p i l e rt e c h n o l o g ya n dv e r i f i e db yas p e c i f i ce x a m p l eu n d e r t h ec o n t e x to fas t r u c t u r a le n g i n e e r i n gg r i d k e y w o r d ss e m a n t i c ：s p a r q l ：b a s i cg r a p hp a t t e r n 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名：毖日期：坐2 ：垒：垄 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定，e p 学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 蛸醐：一 第1 章绪论 第1 章绪论 随着网络的发展，基于网络的资源爆炸式出现，使得“信息检索 变成了一 个更加重要的问题。提高检索的质量、推出令人满意的检索技术成为了全世界范 围的研究重点和热点。许多研究者曾在当前的基于字符串匹配的关键词检索技术 上作了无数的努力，但是由于受以为h t m l 基石的万维网本身的局限，使这种技 术在提高查全率和查准率上很难再有更大的作为。那什么才是解决办法呢这个困 扰了人们很久的问题，在t i mb e r n e r s - l e e 提出下一代因特网叫e m a n t i cw e b ( 语义网) 时有了转机。语义网的目标是为因特网上的信息提供具有计算机可以 理解的语义，它的发展和成熟，使得高效高质的语义检索成为可能。 1 1 研究背景 随着现代信息技术的飞速发展，i n t e r n e t 已经成为世界上规模最大、用户最 多、资源最丰富的网络互联系统，它为人们提供了广阔的信息共享和知识管理的 平台。但是自2 0 世纪9 0 年代以来，由于商业化的需求，互联网的数量以摩尔定 律的趋势爆炸般膨胀，网络信息量剧增，形式多样，变化频繁，结构复杂，信息 污染严重，人们需要的适用信息、有价值信息、高质量信息则难以寻找。如何在 浩如烟海的信息中准确的找到对用户有用的资源，是一个亟待解决的严峻问题。 为了有效地检索和利用网上信息，人们研究开发了各种w e b 信息检索系统， 通过基于关键词的检索，实现自动搜索、组织网络信息资源，并提供检索服务。 然而，w e b 信息在奉质上是分布式的、异构的、易变的；信息检索的对象是开放、 动态、更新快、分布广泛、管理松散的网络。当前基于关键词的检索依赖于所使 用的关键词，其参与匹配的是字符的外在形式，而不是它们所表达的概念，因而 普遍存在检索效率低和准确性不高的现象。对检索质量的改善也主要是对检索算 法进行微调，但这种检索方式不能清晰的表述待检索对象明确的语义信息和上下 文关系。信息检索系统在智能处理能力上的缺乏，导致已有技术远远不能满足用 户的需求。如何解决好诸如信息组织，知识表示，机器理解与人机交互等问题对 于提高信息利用的效率是迫切需要解决的难题。语义技术的提出为解决这些问题 提供了契机，本体能够提供相关概念的明确的形式化规范，从而为机器理解和人 机交互提供语义支持。语义检索基于语义和概念的理解，实现了用户检索请求的 语义扩展，突破了关键词检索局限于结构形式的固有缺陷，从而减少了不相关的 返回结果，提高了检索的准确率和覆盖率。 1 2 研究意义 将语义技术和信息检索相结合，可使检索系统以机器可理解的方式在语义层 次上进行，从而提高检索的效率。然而，目前绝大部分的数据依然存储在传统的 关系数据。因此，如何有效地将用户对语义搜索的请求转换为现有的对传统关系 北京t 业大学工学硕士学位论文 型数据库的查询，是语义查询技术的核心问题之一。 当前本体查询语言( 如s p a r q l 语言) 大都采用视图匹配方式进行本体查询， 与关系型数据库查询语言( 如s q l 语言) 具有着明显的不同；同时，不同的查询 语言之间存在语义异构问题，这样导致在语义查询过程中，将s p a r q l 语言查询 转换到s q l 语言查询的过称是非常复杂的。本课题主要研究在关系数据库数据资 源到本体论模型的映射过程中如何有效地将用于进行语义查询的s p a r q l 语言转 换成相应的s q l 语言查询，实现对传统关系型数据库进行语义查询，更加有效地 对用户所请求的查询进行处理，具有一定的理论与现实意义。 1 3 研究内容 1 3 1 本体论 本体论是语义检索技术的理论基础，主要涉及本体的概念、本体的分类、本 体的建模元语、本体描述语言、本体的构建规则等内容。其中本体的概念和本体 的分类对本体的本质进行了描述；本体描述语言和本体的构建规则规范化了计算 机中对本体信息的具体描述。 1 3 2 本体查询技术 s p a r q l 语言是根据w 3 c 的r d f 数据模型定义的，所以它能够处理任何能映射 成r d f 格式的源数据。s p a r q l 语言查询语言通过图形模式( g r a p hp a t t e r n ) 匹配 实现查询功能。s p a r q l 语言虽然在形式上它与s q l 语言有很多相似的地方，但 它具有很多独有的特点，如基于图模式匹配的查询模式，因此需要首先对s p a r q l 查询语言进行深入的研究，其中主要包括s p a r q l 语言的语法和语义。 此外，s p a r q l 语言对r d f 数据的实际查询过程是分析s p a r q l 语言特点和查 询机理的重要途径，是研究s p a r q l 语言到s q l 语言转换方法的重要组成部分。 本文主要对本体解析的j e n a 工具进行了必要的研究。j e n a 是由h p 实验室开发 的一套a p i ，用于支持语义网的应用。它具有完善的功能，可以构建用各种语言 ( o w l ，d a m l + o i l ，r d f s ) 描述的本体( o n t o l o g y ) 模型、r d f 模型。j e n a 提供了一个 r d fa p t ；a r p ( 一个r d f 解析器) ；s p a r q l ( w 3 cr d f 查询语言) ；一个o w l a p i ； 和基于规则的r d f s 与o w l 接口。目前可以使用a r q 的模块在j e n a 中实现基于 s p a r q l 语言的语义查询。 1 3 3s p a r q l 语言到s q l 语言的转换 s p a r q l 语言查询本质上是一个图的查询，只是采用了三元组的表达形式： ( s ，p ，0 ) ，s 是主语，p 是谓词，o 是宾语，且s ，0 这两个部分可以用变量代替。 s p a r q l 查询r d f 数据时，主要通过基于三元组的匹配来进行，在匹配的过程中 确定查询变量的值，整个查询过程可看成是针对符合s p a r q l 规范的各个图模式 第l 荦绪论 的匹配过程( 如和标准图模式b a s i cg r a p h i cp a r t t e n ) 。 s q l 语言主要用于关系数据库的查询，是对二维数据表的检索。虽然s p a r q l 和s q l 语言在形式上具有很多的相似性，但在查询过程中还是存在较大的差别。 本文主要研究如何语义查询转化为对二维数据表的查询，即：将s p a r q l 语 言中的图模式匹配转换为s o l 语句对二维数据表信息的查询。 1 4 研究现状 基于语义信息检索已经成为研究的热点领域之一，目前的大多数系统主要以 原有的数据库为基础，在特定的领域内添加相应的语义信息，从而实现对传统数 据的语义检索。 目前，国外已有很多组织和研究机构开始了该领域的相关研究工作。英国 h u d d e r s f i e l d 大学建立了语义丰富的文档信息本体，并对网页信息进行语义标 注，用户通过检索存储在数据库中的语义元数据匹配检索相关的信息h 1 ；巴西 p u c r s 大学通过建立t l e x 语义词典来扩展信息检索系统啼1 ；美国加利福尼亚技 术学院开发了基于本体的生物文献检索系统t e x t p r e s s o 嘲，该系统建立了 c a e n o r h a b d i t i sg e n e t i c sc e n t e r 约6 0 的遗传生物文献的语义分类体系，并 为c e l e g a n s 检索系统构建了丰富的摘要描述信息，从而实现了可被计算机理 解的提问式检索，日本九州大学通过构建w e bs i t ec a p a b i l i t y 本体，使用 m y p o r t a l 实现本体个性化语义w e b 信息检索口1 。国内也有一些相关的研究工作， 香港理工大学正在研究如何对r d f 标注的资源w o r d n e t 实现基于语义的信息检索 嗍，中科院计算所成立了大规模内容处理与知识挖掘研究小组，其中信息检索组 主要进行问答式检索、分布式检索、跨语言检索等基于语义的智能化检索技术研 究，目前已开发了天罗国内信息检索系统j n s e a r c h ，该系统能够对用户的检索 需求进行关键词之间的组合关系、距离关系进行语义理解，从而进行概念层次的 语义检索嘲，浙江大学正在网格平台上开发基于语义的中医药数据库检索系统 d a r t g r i d i i ，该系统正在把基于p 2 p 平台的中医药数据库检索系统d a r t g r i di 移植到语义网格平台上以实现基于语义的智能化检索系统d a r t g r i di i ，目前已 建立了相关的中医药方剂本体和疾病本体，并实现了全国超过l o 个中医药数据 库相当部分数据的语义标注，在此基础上正在开发语义网格下基于语义浏览的信 息检索系统n 引。 然而，在上述大多数系统的实现中，均没有明确提出如何将基于s p a r q l 语 言的语义查询转换到传统数据库的查询的实现方式；此外，目前海量语义信息的 存储解决方案还并不十分广泛，仍要依赖于传统的数据库。目前较为成功的产品 是o r a c l e1 1 9 中所提供的s p a t i a l 产品方案。s p a t i a l 作为o r a c l es p a t i a ll l g ( o r a c l e 数据库1 l g 企业版的一个选件) 的一部分，o r a c l e 提供了在任何其 他商业或开源的三元组存储中都找不到的高级语义数据管理功能。由于该语义数 3 北京： 业人学工学硕十学位论文 据存储自身支持r d f r d f s o w l 标准，因此它使应用程序开发人员在构建基于 r d f 和o w l 的应用程序时可以获益于一个开放、可扩展、安全、集成、有效的 平台。其中所包含的主要特性如下： ( 1 ) 对r d f o w l 数据和本体的存储、加载和d m l 访问 ( 2 ) 使用o w l 和r d f s 语义以及用户定义的规则进行推理 ( 3 ) 使用类似于s p a r q l 的图形模式对r d f 0 w l 数据和本体进行s o l 查 询 ( 4 ) 对企业( 关系) 数据的本体辅助查询 然而，其实际的存储解决方案然是以传统关系数据库为基础的，具体为：用 两张表分别存储三元组中的书籍数据和三元组本身的关系，并借助了大量目前成 熟的传统数据库优化技术。 1 5 本文结构 全文共分为五个章节，其中第一章为绪论，对研究背景和研究意义做了简要 的论述。 第二章介绍了本体论的相关内容，其中主要包括本体的基本概概念、本体的 分类以及本体的建模元语等内容；并详细讨论了用于本体描述的各种语言规范， 如o w l 和w s m l 语言规范。 第三章讨论了本体查询技术，其中主要包括s p a r o l 语言的图模式语法和语 义和s p a r o l 对r d f 数据的查询；并简要介绍了j e n a 工具的在语义检索中的应用。 第四章详细阐述了s p a r o l 语言到s o l 语言的转换算法，在针对s p a r o l 语言 中较为复杂的o p t i o n a l 子句的转换过程中，提出了以基本模式到s o l 查询语言 的转换为基础的s p a r o l 语言到s o l 查询语言的转换算法。 第五章以结构工程网格为背景，通过具体的查询实例验证了算法的正确性。 d 和 第2 章本体论概述 第2 章本体论概述 本章详细介绍本体论的相关理论知识：本体的概念、本体的分类、本体的功 能、本体的建模元语、本体描述语言、本体的构建规则、本体的构建工具以及本 体在信息检索中的应用。 2 1 本体的概念 o n t o l o g y 最早属于哲学的范畴，它被定义为“客观存在的一个系统的解释 和说明，客观现实的一个抽象本质”，后来被应用到人工智能领域，研究人工智 能的n e c h e s 等人将本体定义为“给出构成相关领域词汇的基本术语和关系，以 及利用这些术语和关系构成的规定这些词汇外延的规则的定义川捌；这个定义实 际上给出了构造本体的过程，即：找出基本的术语和术语间的关系及相应的规则， 然后给出这些术语和关系的定义。在计算机界，1 9 9 3 年，g r u b e r 给出了本体的 一个最为流行的定义，即“本体是概念模型的明确的规范说明 1 3 o 后来，b o r s t 对此稍做修改，提出：“本体是共享概念模型的形式化规范说明 n 明。 s t u d e r 等对上述的定义进行了深入的研究，认为本体是共享概念模型的明 确的形式化规范说明。这个定义是目前为止最完善的定义，它体现了o n t o l o g y 的四层含义n 9 舯1 ： ( 1 ) 概念模型( c o n c e p t u a l i z a t i o n ) ：通过抽象出客观世界中一些现象 ( p h e n o m e n o n ) 的相关概念而得到的模型，概念化所表现的含义独立于具体的环 境状态。 ( 2 ) 明确( e x p l i c i t ) ：所使用的概念及使用这些概念的约束都有明确的定 义。 ( 3 ) 形式化( f o r m a l ) ：本体是计算机可读的( 即能被计算机处理) 。 ( 4 ) 共享( s h a r e ) ：本体中体现的是共同认可的知识，反映的是相关领域 中公认的概念集，它所针对的是社会范畴而非个体之间的共识。 除了上述定义以外，不少文献从不同的领域和角度出发对本体给出了各种各 样的定义，这些定义之间是相互补充的，并且不断的扩充了本体的应用范围，但 是它们的共同点都包含了g r u b e r 定义中所指出的事实：“本体是反映客观存在 的概念模型，是对概念模型的明确描述”。 本体的目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该 领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇( 术语) 和 词汇之间相互关系的明确定义。目前o n t o l o g y 已经在人工智能、计算语言学以 及数据库理论中占有重要的地位。并且在知识工程、知识表示、定性模型、语言 工程、数据库设计、信息模型、信息集成、基于对象的分析、信息检索和析取、 知识管理和组织、基于智能代理的系统设计等研究领域中得到认可和应用，并具 北京工业大学工学硕? l ：学位论文 体应用到企业集成、自然语言翻译、医学、医学工程、产品信息标准化、电子商 务、地理信息系统、法律信息系统、生物信息系统等基于o n t o l o g y 的信息系统 中。 2 2 本体的分类 本体的分类方式很多，从不同角度可以有不同的分类方法，g u a r i n o 提出以 详细程度和领域依赖度二个维度作为对本体划分的基础乜。详细程度是相对的、 较模糊的一个概念，指描述或刻画建模对象的程度。详细程度高的称作参考 ( r e f e r e n c e ) 本体，详细程度低的称为共享( s h a r e ) 本体。依照领域依赖程度， 可以细分为顶级、领域、任务和应用本体等四类，如图2 1 所示。 图2 - 1 本体的分类 ( 1 ) 顶级本体描述的是最普通的概念及概念之间的关系，如空间、时间、 行为等等，与具体应用无关，其它种类的本体都是该类本体的特例； ( 2 ) 领域本体描述的是特定领域( 医药、汽车等) 中的概念及概念之间的 关系； ( 3 ) 任务本体描述的是特定任务或行为中的概念及概念之间的关系； ( 4 ) 应用本体描述的是依赖于特定领域和任务的概念及概念之间的关系。 2 3 本体的功能 目前，本体已经被广泛应用于知识工程、自然语言处理、数字图书馆、信息 检索和w e b 异构信息的处理、软件复用、面向对象技术和语义w e b 等领域。典 型的应用有： ( 1 ) 基于语义的信息检索，特别是网络搜索引擎和数字化图书馆。 ( 2 ) 基于本体的数据集成、机器学习等。 ( 3 ) 领域本体的应用。比如，在生物信息学中己建成的g e n e o n t o l o g y ，尽 管只包括了p a r t - o f 等简单的关系，但是对生物信息学界已经有巨大的影响。 ( 4 ) 语义w e b 服务。 - 6 一 第2 章本体论概述 ( 5 ) 在线元数据管理和自动信息发布。 本体之所以能得到这么大研究和发展，是因为本体具备了以下的功能： ( 1 ) 在用户和软件代理之间共享对信息结构的理解这是建立本体的一个很 重要的目标。 ( 2 ) 分离领域知识和应用知识：本体和具体的应用分离，同一个本体可以 应用于相关的不同的具体应用。 ( 3 ) 使得领域假设更加清楚：当关于领域的知识改变的时候，可以很容易 改变那些假设。程序语言中关于世界假设的复杂编码，让人难以理解和改变。关 于领域知识的清楚描述对一些领域新人尤其有用。 ( 4 ) 提供了对领域知识的复用：例如不同领域的模型需要描述时间符号， 包括时间距离，时间点等。如果一个研究组织定义了一个细致描述时间的本体， 其他的组织和个人就可以把这个本体简单地应用到其他领域。另外，如果需要建 一个大的本体，就可以集成几个己经存在的本体来描述大领域的一部分。 ( 5 ) 分析领域知识。本体术语的规范定义，使得领域知识分析成为可能。 ( 6 ) 信息检索更加智能：由于本体刻划了事物之间的内在联系，这可以使 得信息共享更加智能化，更能满足用户的需求。 2 4 本体的建模元语 p e r e z 等人用分类的方法组织了本体，归纳出5 个基本的建模元语乜2 1 ： ( 1 ) 类( c l a s s e s ) 或概念( c o n c e p t s ) 指任何事务，如工作描述、功能、行为、策略和推理过程。从语义上讲，它 表示的是对象的集合，其定义一般采用框架结构，包括概念的名称、与其他概念 之间的关系的集合、以及用自然语言对概念的描述。 ( 2 ) 关系( r e l a t i o n s ) 指领域中概念之间的交互作用，形式上定义为n 维迪卡儿积的子集：r ：c 1 xc 2 c n 如子类关系( s u b c l a s s o f ) 。在语义上关系对应与对象元组的集 厶 口o ( 3 ) 函数( f u n c t i o n s ) ，一类特殊的关系。该关系的前n - 1 个元素可以唯一决定第n 个元素。形式 化的定义为f ：c l c 2 c n l c n 。如m o t h e r - o f 就是一个函数，m o t h e r o f ( x ，y ) 表示y 是x 的母亲。 ( 4 ) 公理( a x i o m s ) 代表永真断言，如概念甲属于概念乙的范围。 ( 5 ) 实例( i n s t a n c e s ) 代表元素。从语义上讲实例表示的就是对象。 另外，从语义上讲，基本的关系共有4 种嘲： 北京工业大学工学硕上学位论文 ( 1 ) p a r t o f 表达概念之间部分与整体的关系。 ( 2 ) k i n d - o f 表达概念之间的继承关系，类似于面向对象中的父类与子类之间的关系。 ( 3 )i n s t a n c e o f 表达概念的实例与概念之间的关系，类似于面向对象中的对象和类之间的关 系。 ( 4 )a t t r i b u t e o f 表达某个概念是另一个概念的属性。如“身份证号码是人的一个属性 在实际建模过程中，概念之间的关系不限于上面列出的种基本关系，可以根 据领域的具体情况定义相应的关系。 2 5 本体描述语言概述 本体的描述语言瞰1 ，又称为构建语言或是表示语言。在具体的应用中，本体 的表示方式可以多种多样，主要可分为四大类乜射：非形式化、半非形式化、半形 式化、形式化语言。可以用自然语言来描述，也可以用框架、语义网络或逻辑语 言等来描述。作为表示本体的语言工具，应该具有如下基本功b i g - ( 1 ) 为本体的构建提供建模元语。 ( 2 ) 为本体从自然语言的表示格式转化为机器可读的逻辑表达格式提供标 引工具。 ( 3 ) 为本体在不同系统之间的导入和输出提供标准的机器格式。 ( 4 ) 形式化语言表示，利用机器可读的形式化表示语言表示本体，可以直 接被计算机存储，加工，利用，或在不同的系统之间进行互操作。 本体所包涵的概念以及概念之间的关系是一种知识模型，它必须与特定的领 域和描述语言相关联才能表示w e b 上的信息资源。目前w 3 c 组织推荐的与本体 有关的标准语言主要有：x m l 、r d f r d f s 和o w l 。本文将其统称为语义w e b 描 述语言。其中x m l 和r d f 是规定了语义描述的语法和结构，主要用于对信息资 源的标识和描述；r d f s 和o w l 规定了形式化本体所使用的关键词汇，主要用于 对本体的定义和描述。o w l 是w 3 c 组织最新的推荐标准，发布于2 0 0 4 年2 月。 实际上，语义w e b 描述语言经历一个逐渐演变的过程，如图2 2 所示。 8 - 第2 章本体论概述 图2 - 2 本体描述语言的演化 由图2 - 2 可见，所有的描述语言都是基于x m l 。其他的语言都是在x m l 语 言的基础上在语义描述能力上的完善和扩充。r d f s 和r d f s 上的扩展语言的主要 特点有： ( 1 ) 语法相同，语义不同：主要是指r d f 的语法是基于x m l 的，但是语 义与x m l 完全不同。 ( 2 ) o w l 如何扩展r d f s 这个问题的困难在于r d f s 的非经典模型论语 义，目前它的解决方案有：o w lf u l l 能够做到与r d f s 语法和语义上完全兼容， 而o w ll i t e 的语法与r d f s 相同，语义采用经典模型论语义。 以下几节将对其中几种主要的语言进行简要介绍和说明。 2 5 1x m l x m l 与h t m l 一样，是s g m l 的一个简化子集，实现了文档的显示和数据分 离，具有很好的可扩展性，是目前w e b 数据交换的语法格式，x m l 提供d t d 、 x m ls c h e m a 对文档结构进行有效性验证，通过描述约束文档逻辑结果实现数据 的语义，x m l 对本体的描述，就是利用d t d 或x m ls c h e m a 对本体所表达的领 域知识进行结构化定义，然后再利用x m l 文档结构与x m l 内容之间的关系对本 体知识进行描述，从而提供对数据内容的语义描述，如图2 - 3 所示。 d t d j 右赫批鸥：正 x m ls c h e m a 伺般任粒址i o 本体x m l 匕卧 r 规则集 图2 - 3x m l 形式化领域本体表示语义信息的过程 由于d t d 自身描述能力有限、没有数据类型的支持、约束定义能力不足、 无法对x m l 实例文档做出更细致的语义限制等，因此，通过d t d 表示的本体， 无法表达概念间的继承关系，并不能完全满足x m l 自动化处理的要求，x m l 北京t 业大学t 学硕七学位论文 s c h e m a 虽然解决了d t d 存在的问题，如定义了更为丰富的语法结构、可以定义 元素类型、提供了集成机制等，但是d t d 、x m ls c h e m a 为x m l 文档提供的约束 机制只是用限定x m l 文档所用到的标记和这些标记之间的结构关系，通过d t d 和x m ls c h e m a 可以解决对数据的词汇和用途的说明，其语义仍然是隐含的。因 而x m l 所表示的本体是轻量级的本体，只能保证人们使用相同的词汇，是一种 较低层次的本体的应用，本体中不包含有用的语义信息。 2 5 2r d f 和r d f s r d f ( r e s o u r c e sd e s c r i p t i o n f r a m e w o r k ，资源描述框架)己经成为w 3 c 的 建议。r d f 是元数据处理和操作的基础。它提供了应用程序协同工作能力。语义 w e b 处理的是具有固定格式的信息( r d f ) ；只有用r d f 描述资源信息，才能使 得应用程序可以更好地识别w e b 信息。元数据是关于数据的数据，是对资源和 内容进行描述的数据。r d f 是描述w e b 资源的元数据，属于语义w e b 中的元数 据层，是关于任何网络资源的元数据框架。 r d f 是一种使用开发工具的方法，是一种通用语法描述网络资源的应用，并 不是一种新的语言，它使用内置x m l 语法描述元数据，也就是x m l 提供了w e b 数据编码的语法依据，r d f 保证应用程序能够理解和识别w e b 上的元数据信息。 r d f 数据模型主要成分是资源、资源属性和陈述，其r d f 数据基本模型如图2 4 所示： ( 1 ) 资源( r e s o u r c e ) ：资源可以是任何的w e b 资源，只要能够通过u r i 命 名的w e b 资源，包括：网络可访问的资源( 如网页、x m l 文档元素、图片、数 据库、w e b 服务等) ，和网络不可访问的资源，如具体的物理对象( 人、公司、 在图书馆装订成册的书籍等) 和抽象概念实体( 作者) 等； ( 2 ) 属性( p r o p e r t y ) ：属性是描述某个资源的性质、特征、属性或关系， 如信息生产者、题名等，同时属性也可能是资源，属性也有可能是自己的属性。 ( 3 ) 陈述( s t a t e m e n t ) ：陈述是有关具体资源对象特性的具体描述，包含 了资源、属性和属性值，陈述也可能是资源，也可能有自己的属性。陈述通常可 用形如 的三元组来描述，其中s 表示一个待描述的资源对象，p 表示该 资源的特定方面或刻面( f a c e t ) ，0 则表示该资源s 在特性p 上的取值，o 可 以是其它的资源对象也可以是平凡文字，如字符串等。 卜一。篮， i 一 i 图2 - 4r d f 数据基本模型 图2 5 展示了一个基本的r d f 实例，在这个实例中是公司 h t t p ：w w w w 3 o r g o r g a n i z a t i o n c o n t a c t # w e b i f y s o l u t i o n s 。公司可以用u r i h t t p ：w w w w 3 o r g o r g a n i z a t i o n c o n t a c t # w e b i f y s o l u t i o n s 来标识；公司名 称是w e b i f ys o l u t i o n s ，公司的电子邮件地址是i n f o o w e b i f y s o l u t i o n s t o m ， 公司的电话号码是1 - 8 0 0 - 4 w e b i f y 。 图2 - 5r d f 实例 通过上面的例子，可以看到：任何复杂的系统都可以通过合理的分解操作， 简化成一组三元组集合。r d f 是基于这一思想的：被描述的事物( r e s o u r c e ) 具 有一些属性( p r o p e r t i e s ) 而这些属性各有其值( v a l u e s ) ，资源可以通过枚举 该资源的相关属性及属性取值来描述。r d f 通过特定的术语来区分陈述中的各个 组成部分，确切地说，在资源陈述中用于识别资源对象的部分则称之为陈述的主 语，而用于区分所陈述中资源对象不同特性( 如：作者，创建日期，语种等等) 的那部分称为谓词，用于表示各个属性取值的那部分叫做陈述的宾语。基于r d f 的资源描述是由若干条资源陈述( s t a t e m e n t ) 组成，并把这些陈述用特定的语 法( 如) ( m l 等) 表示出来。 图2 - 5 的资源采用三元组的形式描述后可得到： 北京t 业大学t 学硕士学位论文 其中每一段弧对应于一个资源陈述( 即三元组描述) ，弧的起始点和终止点 分别对应于陈述的主体和客体，其中为了表示的方便，采用了前缀表示法，其中 w 3 表示h t t p ：w 硎w 3 o r g o 为了数据描述和程序处理的规范性，r d f 通常采用一种名为r d f x m l 的 x m l 语法来书写和交换r d f 陈述，与r d f 的简略记法一三元组( t r i p l e s ) 所不同的是，r d f ) ( m l 是书写r d f 的规范性语法( n o r m a t i v es y n t a x ) ，要求严 格符合) ( m l 书写规范，上图的r d f ) ( m l 语法描述下所示： x m l n s ：d o m a i n = ”h t t p ：w w w w 3 o r e , ” w i m 8 6 10 - 6 9 5 4 38 9 7 i n f o w i m n e t 上例中陈述了资源h t t p ：w w w w 3 o r g # c o m p a n y 的名字是w i t h ，电话为 8 6 1 0 6 9 5 4 3 8 9 7 ，电子邮件地址为i n f o w i t h n e t 。但计算机是无法理解有关 w 3 ：n a m e ，w 3 ：p h o n e ，w 3 ：e m a i l 的具体语义信息，也就是说r d f 并没有定义任 何一个特定领域的语义，即没有假定某个论域，它只是提供了一个领域无关的机 制来描述元数据，还需要使用其他工具来描述领域相关的语义。 这种工具就是r d fs c h e m a ，r d f s 是对r d f 的一种补充。r d f s 定义了类和 性质，这些类和性质可以用来描述其他的类和性质，从而增强了r d f 对资源的 描述能力。r d f s 主要完成了以下两个工作： ( 1 ) 描述类与它的子类之间的关系，可用于定义某个特定领域的分类方法； ( 2 ) 定义类的性质。 也就是说，r d f s 提供了一些建模原语，用来定义一个描述类、类和类之间 关系的简单模型。这个模型就相当于为描述网上资源的r d f 语句提供了一个词 汇表。可以说r d f s 是r d f 的类型系统，它解决了r d f 的问题，提供了一种机 制来定义领域相关的属性以及用于使用这些属性的资源类。 2 5 3o w l 语言及其相关语言 2 5 3 1o w l 在语义w e b 体系结构中，r d f 上层是本体语言，用来形式化描述w e b 文档 的概念术语，赋予w e b 信息明确的含义，使w e b 上信息处理和集成的自动化更 为容易，因此该语言比) 【m l 、r d f 和r d f s 有更强的表达能力。o w l 被设计满足 w e bo n t o l o g y 语言的需要，成为w 3 c 公布的语义w e b 标准的一个组成部分。 下面以w 3 c 最新公布的技术规范汹1 为标准介绍。 o w l 语言是一个定义和示例w e b 本体的语言，是r d f 的扩展，它既是w e b 标识语言，又是本体描述语言，在w e b 上发布和共享本体。和x m ls c h e m a 相 比，o w l 语言是知识表示，不是信息表示格式；和r d f s 相比，o w l 不仅可以用 更复杂的方法描述类，而且扩展了r d f s 属性，表达了更强的概念语义信息，支 持描述逻辑推理。o w l 语言提供了三种表示能力不同的子语言o w ll i t e 、o w ld l 、 o w lf u l l ，分别满足不同组织团体和用户。 2 5 3 2o w ll i t e ，o w ld l ，0 1 | i lf ui i 和0 1 | i ll i t e 用于提供给那些只需要一个分类层次和简单约束的用户。例如，虽然o w l l i t e 支持基数限制，但只允许基数为o 或l 。提供支持o w ll i t e 的工具应该 比支持其他表达能力更强的o w l 子语言更简单，并且从辞典( t h e s a u r i ) 和分 类系统( t a x o n o m y ) 转换到o w ll i t e 更为迅速。相比o w ld l ，o w ll i t e 还具 有更低的形式复杂度。 o w ld l 用于支持那些更强表达能力又需要保持计算完备性 ( c o m p u t a t i o n a l c o m p l e t e n e s s ，即所有的结论都能够确保被计算出来) 和可判 定( d e c i d a b i l i t y ，即所有的计算都能在有限的时间内完成) 的本体描述。o w ld l 包括了o w l 语言的所有语言成分，但在使用时必须符合一定的约束，例如：一 个类可以是多个类的子类时，但它不能同时是另外一个类的实例，o w ld l 这么 命名是因为它对应于描述逻辑，它是一个研究作为o w l 形式基础的逻辑的研究 领域。o w lf u l l 支持那些需要尽管没有可计算性保证，但有最强的表达能力和 完全自由的r d f 语法的用户。例如：在o w lf u l l 中，一个类可以被同时看为 许多个体的一个集合以及本身作为一