（计算机应用技术专业论文）基于分布式本体的信息集成与共享研究.pdf

华北电力人学硕士学位论文 摘要 随着w e b 数据量的不断增长，分布式数据的集成和共享变得越来越困难。本文 提出了一种基于本体环境迁移( o c i ) 的分布式数据集成方法。同传统的集成方法 相比，该方法能减少实现复杂度。其主要分为三个阶段：给定术语的语义环境确定， 本体术语的语义相似度计算和本体环境迁移。针对分布式本体的一个本地术语，其 远程本体环境可被动态地迁移到源本体以获取更丰富的语义信息。本文实现了一个 分布式信息共享系统( d i s s ) ，该系统能有效实现分布式本体之间的信息交互与共 享，不需要维护全局本体和复杂的本体映射关系，具有更好的可维护性和可伸缩性。 实验结果显示，基于o c i 的分布式数据集成方法是高效的。 关键词：本体，知识共享，本体环境，多智能体系统 a b s t r a c t w i t ht h ec o n t i n u a li n c r e a s eo fd a t aa n di n f o r m a t i o no nw e b ，t h ei n t e g r a t i o na n d s h a r i n go fd i s t r i b u t e dd a t ab e c a m em o r ed i f f i c u l t t h i sp a p e rp r o p o s e sa na p p r o a c h b a s e do no n t o l o g yc o n t e x ti m m i g r a t i o n ( o c i ) ，w h i c hc a nr e d u c et h ei m p l e m e n t a t i o n c o m p l e x i t yi nc o n t r a s tt ot r a d i t i o n a li n t e g r a t i o nm e t h o d s t h i sa p p r o a c hc a nb em a i n l y d i v i d e di n t ot h r e ep h a s e s ：o n t o l o g yc o n t e x td e t e r m i n a t i o nf o rag i v e nt e r m ，o n t o l o g y s e m a n t i c s i m i l a r i t yc o m p u t a t i o nb e t w e e no n t o l o g yt e r m s ，a n do n t o l o g y c o n t e x t i m m i g r a t i o n a sf o r al o c a ls e m a n t i ct e r mb a s e do nd i s t r i b u t e d o n t o l o g i e s ，a n a p p r o p r i a t eo n t o l o g yc o n t e x to ft h et e r mw i l lb ed y n a m i c a l l yi m m i g r a t e dt ot h es o u r c e o n t o l o g yf o re n r i c h i n gs e m a n t i ci n f o r m a t i o nr e l a t e dt ot h et e r m as y s t e mc a l l e d d i s t r i b u t e di n f o r m a t i o ns h a r i n gs y s t e m ( d i s s ) i sd e v e l o p e dt oi l l u s t r a t et h i sa p p r o a c h t h es y s t e mc a na c h i e v eb e t t e rc o m m u n i c a t i o na n dc o o r d i n a t i o nb e t w e e nd i f f e r e n t o n t o l o g yi n f o r m a t i o ns o u r c e s ，a n dd o e sn o tr e q u i r et h es u p p o r to fg l o b a lo n t o l o g yo rt h e m a i n t e n a n c eo fc o m p l e xo n t o l o g ym a p p i n gr e l a t i o n s ，t h u sh a sab e t t e rm a i n t a i n a b i l i t y a n ds c a l a b i l i t y t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h em e t h o db a s e do no c ii se f f i c i e n t f o rd i s t r i b u t e do n t o l o g yi n f o r m a t i o ni n t e g r a t i o na n ds h a r i n g z h a n gh o n g x i a n ( c o m p u t e ra p p l i c a t i o nt e c h n o l o g y ) d i r e c t e db ya s s o c i a t ep r o f m ay i n g l o n g k e yw o r d s ：o n t o l o g y , k n o w l e d g es h a r i n g ，o n t o l o g yc o n t e x t ，m u l t i a g e n ts y s t e m ，ri 华北电力人学硕士学位论文 目录 摘要i a b s t r a c t i 第一章绪论1 1 1 研究背景1 1 2 国内外研究现状2 1 2 1 分布式数据集成方法2 1 2 2 基于分布式本体集成项目3 1 3 本文的主要内容4 1 4 章节安排4 1 5 本章小结5 第二章本体及相关技术6 2 1 本体6 2 1 1 本体的概念6 2 1 2 本体的构建8 2 2 本体与语义w e b 1 0 2 2 1x m l 1l 2 2 2r d f ( s ) 1 2 2 2 3o w l ( 2 ) 1 3 2 3 本体与数据集成1 7 2 4 相关技术1 9 2 4 1j e n a 1 9 2 4 ：p r o t 6 9 6 2 0 2 4 3w e bs e r v i c e s 2 2 2 5 本章小结2 3 第三章基于0 c i 的分布式数据集成2 4 3 1 分布式数据集成框架2 4 3 1 1 传统数据集成框架2 4 3 1 2 基于o c i 集成框架2 5 3 2o c i 基本原理2 7 3 3 概念相似度计算2 8 3 3 1 概念相似度引入2 8 3 3 2 概念相似度简述2 9 3 3 3 基于语法距离相似度2 9 3 3 4 基于w o r d n e t 相似度3 0 3 3 5 改进相似度算法3 2 3 4o c 的确定与迁移3 3 3 4 10 c 的确定3 3 3 4 2o c 的迁移3 4 3 5 本章小结3 5 第四章系统实现与试验评估3 6 4 1 开发平台3 6 4 1 1 系统开发环境3 6 华北电力人学硕十学位论文 4 1 2 软件包j a v ar m i 3 6 4 2 本体的知识表示3 6 4 2 1f a c u lt y 本体知识表示3 7 4 2 2s t u d e n t 本体知识表示3 8 4 2 3d e p a r t m e n t 本体知识表示4 0 4 3 基于o c i 的系统实现4 1 4 3 1 本地语义查询4 3 4 3 2 语义相似度计算4 4 4 3 3 本体语义环境提取4 6 4 4 实验评估一4 8 4 4 1 实验数据集及指标4 8 4 4 2 实验数据分析4 9 4 5 本章小结一5 0 第五章工作总结与展望5 1 5 1 工作总结一5 1 5 2 展望5 1 参考文献5 3 致 射5 6 在学期间发表的学术论文和参加科研情况5 7 n 华北电力大学硕士学位论文 1 1 研究背景 第一章绪论 随着i n t e r n e t 技术的迅猛发展，网络正日益成为人类最重要的信息交流平台。 一方面网络上的信息量迅猛增加，成为一个超大的信息库。另一方面在分布式环境 下，由于各数据源采用不同的计算环境平台，分布在不同的服务器站点上，对数据 操作采用不同的本地策略，不同的存储方式，以及使用不同的概念、属性和关系来 表达数据，造成了多层面的数据共享与互操作的困难，使它们成为一个个难以互相 交互的“信息孤岛 【l 】。为了更好地利用网络上浩如烟海的信息，人们迫切需要集 成这些地理上分布、管理上自治、模式上异构的异构数据源。因此，分布式数据的 集成共享吸引了众多关注。 网络环境下的企业间的数据的异构主要表现为系统异构、数据模式异构、语义 异构等三类【2 】。系统异构主要是指数据所依赖的应用系统不同，如硬件平台、操作 系统、数据库管理系统、并发控制等的不同。数据模式异构主要指数据在存储模式 上的差异，一般的存储模式包括关系模式、对象模式、对象关系模式等，其中关系 模式为主流存储模式，值得注意的是即使属于同一类存储模式，它们的模式结构也 有可能存在差异。语义异构是指信息资源之间存在着语义上的区别，这些语义上的 不同可能引起各种冲突，从简单的命名冲突如同名异义，同义异名，到复杂的结构 语义冲突即不同的模式表达同样的信息，语义冲突将会使各分布式数据源间的数据 交互变得复杂。 近年来，以语义w e b 为代表的语义技术，以其严格的逻辑理论基础和标准化的 技术路径，正逐渐成为未来w e b 信息系统的一项支撑技术。语义w e b 的根本目的是 要通过明确的、规范化的描述信息资源的语义来实现w e b 资源的自动发现、数据的 直接交换与服务的无缝集成，并希望通过缩小人的认知域与计算机的处理域之间的 距离，以支持人们用直观的语义对信息资源在概念层次进行操作。本体技术是语义 w e b 的核心，它通过对概念的严格定义和概念之间的关系来确定概念的精确含义， 表示共同认可的、可共享的知识，也就是说本体为表示和交流领域的知识给出了一 个共享词汇库，并给出了一系列包含着词汇库里术语的关系。将本体引入数据集成 领域，作为数据源描述和共享的工具，可以有效解决分布式异构数据集成共享中的 语义异构问题。 华北电力大学硕十学位论文 1 2 国内外研究现状 异构数据集成的目的就是要屏蔽分布式数据的异构性，提供一个通用的数据互 操作的交互平台。通过数据交互平台提供的服务，使以前分散、独立的各分布式数 据源之间可以方便地进行信息共享。近几年来，国际上大多采用中间件方式进行数 据集成。这种思想主要是在信息源和用户之间提供了一个中间件层，用一个统一的 语言请求中间件，中间件决定哪一种数据源可被使用，以及如何有效地从源中提取 信息，如s i m s 系统【3 】。这种集成方式使用x m l 作为中间语言，使用x m ls c h e m a 作 为中间统一描述模式，但是由于x m ls c h e m a 仅仅能够定义进行数据交换的格式， 实际情况是，不同的数据源对应的局部s c h e m a 使用的术语不能保持一致，也即各 数据源不可能使用一系列相同的标签表达一些相同的数据内容。因此在集成不同的 局部模式时需要花费很大的力量进行语义冲突的消解。 1 2 1 分布式数据集成方法 随着本体描述语言的深入研究，利用本体构建全局模式作为新的方法得到重视 【4 5 】。这种基于本体的异构数据集成方法通过采用本体技术描述不同数据源的概念 信息，并构建语义映射关系，来重点解决数据集成中存在的语义异构问题。利用本 体，用计算机可理解的方式来描述数据源信息和全局数据模式。利用全局本体建立 共享词汇库，以及待集成领域的领域知识，所有的分布数据源都利用全局本体的共 享词汇和共享知识，从而最大程度的减少各个数据源数据的语义异构问题。 在基于本体的数据集成方法中，本体被用作信息源语义的直接描述。一般情况 下，存在三种方法：单一本体方法，多本体方法和混合本体方法【6 】，如图1 - 1 所示： 图1 - 1 本体集成方法 局部 本体 全局本体 局部 本体 局部 本体 数据库ll 数据库il 数据库 ( 一) 单一本体方法 这种方法中由单个本体提供一个全局本体，给出共享词汇集对语义进行说明。 所有的信息源都和这个全局本体相关。当所有的信息源在一个领域里被集成，提供 2 华北电力大学硕+ 学位论文 了一个统一的视图时，单本体方法就解决了集成问题。但是如果一个信息源在领域 内存在不同的视图时，也就是说提供了另一个级别的粒度，这时就很难发现最小的 本体承诺。并且单本体易受信息源改变的影响，由于信息源的改变，将导致全局本 体的改变和对其他信息源之间映射的改变。 代表系统是斯坦福大学的s i m s 项目，它的应用领域模型包括一个层次术语知 识库，每一资源简单地与全局领域本体相联。全局本体也可为几个专门本体的结合， 该结合体由本体表示形式化所支持。 ( 2 ) 多本体方法 在多本体方法中，每一个信息源对应于一个局部本体( 1 0 c a lo n t o l o g y ) ，局 部本体可以和其他本体合并而成，不同局部本体间建立映射关系( 如不同局部本体 中的概念相等或相似的对应关系等) ，当某个局部本体更改时，只需修改受影响的 关联部分。多本体方法可以支持领域视角不同的信息源集成，不需要构建全局本体， 当信息源发生改变或者需要添加和删除信息源时，只需要对相应的局部本体和受影 响的关联部分进行修改，因此可以支持动态性较强的信息源集成。 但是多本体方法没有共享的词汇表( 或者全局本体) ，不利于本体间的互操作。 为了解决这个问题，该方法采用本体间映射以定义不同局部本体间的语义对应关 系，但是由于各个局部本体的领域视角可能不同，本体间语义异构问题众多，因此 建立本体间的映射难度较大。 ( 3 ) 混合本体的方法 为了克服单本体和多本体的缺点，产生了一种混合本体方法。和多本体的方法 相似，每个信息源由它自己的本体来描述语义。但是为了使每个源本体之间能够相 互比较，在最上层建了一个共享的词汇集，共享的词汇集包含了领域内基本的术语。 因为每一个源本体的术语是建立在原语的基础上，这样术语之间的比较就变得简 单。混合方法的优点是很容易增加一个新的信息源，不需要对映射和共享的词汇集 做过多的改动，并且能够支持本体的获取和演化。共享词汇表的应用使得源本体兼 容并避免了多本体方法的不足。但其缺点是己有本体的重用不方便，必须从头开发。 1 2 2 基于分布式本体集成项目 目前本体应用在信息集成与数据交互与共享中最有代表性的项目主要有 t a m b i s 7 1 、o n t o b r o k e r 8 1 、h o z o 9 】和s k c 10 1 。t a m b i s 是英国曼彻斯特大学计算机科 学系和生物科学学院的一个联合研究项目，其目的是为生命科学研究者提供一个单 独的访问结点，通过它对全世界的生物信息资源进行访问，通过使用本体来帮助使 用者从众多的外部数据库中发现需要的信息资源，并能用统一的方式返回结果信 息。o n t o b r o k e r 的目标是为用户检索到自己所需要的网页。其基本思想是在页面中 3 华北电力人学硕十学位论文 加入预先定义的本体标识( 基于h t m l 或x m l ) ，由w r a p p e r 收集这些标识并保存在数 据库中。但在页面中标注有关数据是一项十分浩大的工程，很难实施。h o z o 是一个 领域本体模块化的协同开发系统，通过一个集中式服务器协调分布式环境下各用户 开发本领域的模块化本体，并可以将模块化本体上传到中央服务器上，同时也可以 从服务器上下载或重用其它模块化本体，由此实现各分布式本体之间的信息交互与 共享。s k c ( s e a l a b l e k n o w l e d g e c o m p o s i t i o n ) 是s t a n d f o r d 大学开展的一个项目， 其目标通过在多个信息源上建立不同的本体，然后在这些本体上建立一个代数系 统，用这个代数系统来实现各本体之间的互操作，从而实现异构系统之间的互操作。 1 3 本文的主要内容 本文主要研究内容包括： ( 1 ) 深入分析传统数据集成技术的优缺点，针对语义异构导致数据互操作困 难的问题，提出了基于o c i ( o n t o l o g yc o n t e x ti m m i g r a t i o n ) 的分布式本体共享策 略。该数据集成共享方法异于传统的本体集成也不需要维护复杂的语义映射关系， 且具有较高的可维护性和易扩展性。 ( 2 ) 根据本体知识，结合本文的系统设计，开发用于系统实施和实验验证的 领域本体数据样本。 ( 3 ) 本体集成和映射往往涉及到词汇相似度计算的概念，本文分析了当前概 念相似度计算方法的特点及不足，提出了新的概念相似度计算方法，并结合开发的 领域本体，分析并验证了改进的语义相似度计算方法的有效性，可以帮助检索到更 多更有用的信息。 ( 4 ) 设计并实现了基于o c l 的分布式本体信息集成共享检索系统( d i s s ， d i s t r i b u t e di n f o r m a t i o ns h a r i n gs y s t e m ) 。该系统运用o c i 思想，结合改进的 相似度计算方法，能够自动识别和远程下载其它分布式本体上的有用信息，以扩大 本地检索信息的广度和准确性，从而实现各分布式本体间的信息共享和互操作。 ( 5 ) 对d i s s 系统的性能进行了深入的分析和验证。 1 4 章节安排 全文共由七章组成。第一章为绪论。其中介绍了课题的研究背景、国内外研究 现状，通过分析国内外的数据集成技术指出当前分布式本体集成共享方法的不足， 并提出本课题的研究目的和研究内容。 第二章主要介绍了本体知识和语义网的框架体系以及本体用于数据集成的关 键技术。 4 华北电力大学硕士学位论文 第三章首先介绍了基于o c i 的分布式数据集成共享框架。另外，阐述了o c i 的基本原理及用于分布式信息集成共享的优势，并对o c 的确定和迁移做了详细的 讲解。其次，本章提出了基于语法距离相似度和语义距离相似度的联合相似度计算 方法。 第四章在前面的基础上，实现了基于o c i 的d i s s 系统并做了详细的实验评估。 首先介绍了系统开发环境，以及用于系统数据所开发的三个领域本体。之后重点介 绍了d i s s 系统的各部分功能和系统流程。最后通过实验数据证实了该系统用于分 布式信息集成共享的有效性，并简要分析了由此带来的易扩展性和可维护性等优 势。 第五章对论文内容进行了总结，并对该课题进一步的研究工作进行了展望。 1 5 本章小结 本章介绍了课题的研究背景、国内外研究现状，通过分析国内外的数据集成技 术指出当前分布式本体集成共享方法的优点与不足，提出了本文的研究方法和研究 内容。 5 华北电力人学硕士学位论文 2 1 本体 2 1 1 本体的概念 第二章本体及相关技术 本体( o n t o l o g y ) 是语义w e b 的一个关键技术，在语义w e b 的研究和发展中占 有重要的地位。本体起源于哲学，在计算机科学领域随着人工智能和信息技术的进 步不断得到发展。在人工智能界，最早给出本体定义的是n e c h e s 等人，他们将本 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”。本体是依靠人的智慧而创建的工程化产品， 它包含了许多领域中的技术，如知识表示与推理、面向对象建模、数据库理论以及 人工智能等。它可能被包含在一个软件系统中，像知识库一样工作，提供智能化的 信息处理功能。后来s t u d e r 等人总结以前的相关定义描述，将本体定义为“共享概 念化的形式的明确规范” i l l ，其中包括四层含义：概念化( c o n c e p t u a l i z t i o n ) 、明 确( e x p l i c i t ) 、形式( f o r m a l ) 和共享( s h a r e ) 。“概念化 指通过抽象客观世界中 一些现象的相关概念而得到的模型，其表示的含义独立于具体的环境状态；“明确 指所使用的概念及使用这些概念的约束都有明确的定义；“形式化”指本体是机器 可读的；“共享 指本体中体现的是共同认可的知识，所针对的是团体认可而不是 个人独享。 本体是描述概念与概念之间关系的概念模型，通过概念之间的关系来描述概念 的语义。作为一种有效的表现概念层次结构和语义的模型，本体被广泛地应用到计 算机科学的众多领域。一个本体其实就是一套关于某一领域的规范而清晰的描述， 它包含概念( c o n c e p t s 或c l a s s e s ) 、每一个概念的属性( p r o p e r t y ) ，还有属性的限 制条件( r e s t r i c t i o n s ) 。一个完整的本体还要包含一系列与某个类相关的实例 ( i n s t a n c e s ) ，这些实例组成了一个知识库( k b k n o w l e d g e b a s e ) 。 它有五个基本的建模原语( m o d e l i n gp r i m i t i v e s ) ，或者称为本体的五个基本元 素【1 2 】： ( 1 ) 类( c l a s s e s ) 或概念( c o n c e p t s ) ：指任何事物的抽象，可以指任何事物， 如工作描述、功能、行为、策略和推理过程等等。从语义上讲，它表示的是对象的 集合。 ( 2 ) 关系( r e l a t i o n s ) ：在领域中概念之间的交互作用，形式上定义为n 维笛 卡儿积的子集：r ：c 1 c 2 c n 。如子类关系( s u b c l a s s o f ) 。 基本的关系有4 种，如表2 1 ：p a r t o f , k i n d o f , i n s t a n c e o f 和a t t r i b u t e o f o 6 - 华北电力大学硕士学位论文 表2 1 概念的基本关系 关系名 关系描述 p a r t o f表达概念之间部分与整体的关系 k i n d o f 表达概念之问的继承关系，类似于面向对象中的父类与了类之间的关系 i n s t a n c e o f表达概念的实例与概念之问的关系，类似于面向对象中的对象和类之间的 关系 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“价格”是桌子的一个属性 概念之间的关系也不仅限于上面列出的4 种基本关系，可以根据特定领域的具 体情况定义相应的关系。 ( 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 一个元素可以唯一 决定第n 个元素。形式化的定义为映射f ：c 1 c 2 c n 1 一c n 。例如m o t h e r o f 关系就是一个函数，其中m o t h e r - o f ( x ，y ) 表示y 是x 的母亲，显然x 可以惟一确定 他的母亲y 。 ( 4 ) 公理( a x i o m ) ：通常都是一阶谓词逻辑的表达式。公理代表永真断言， 比如概念乙属于概念甲的范围。也就是说公理是那种无需再进行证明的逻辑永真式 重言式，例如三角形内角和等于1 8 0 度。可以使用公理来约束信息、证明正确性或 者推导新信息。在最简单的情况下，本体是通过包含关系关联起来的概念组，在本 体中加入公理则意味着可以表达更为丰富的概念间的关系，以至于可以描述领域内 的所有值为真的事实。 ( 5 ) 实例( i n s t a n c e s ) 也称个体( i n d i v i d u a l s ) ，表示某个特定概念的具体化 的值。实例是本体中的最小对象。具有原子性，即不可再分性。如果某个实例还可 以再进行划分，那么它就是一个类，而不是实例。 根据p e r e z 的研究【j3 1 ，本体可分为4 种类型：领域本体( d o m a i no n t o l o g y ) 、通 用本体( g e n e r i co n t o l o g y ) 、应用本体( a p p l i c a t i o no n t o l o g y ) 和表示本体 ( r e p r e s e n t a t i o n a lo n t o l o g y ) 。其中，领域本体包含着特定类型领域( 如电子、机械、 医药等) 的相关知识；通用本体则覆盖了若干领域，通常也被称为核心本体( c o r e o n t o l o g y ) ；应用本体包含特定领域建模的全部所需知识；表示本体不局限于某个特 定的领域，它提供了用于描述事物的实体。以上定义的本体包含了与问题求解方法 无关的静态知识，是构成领域层的一部分。为实现系统各层次的灵活配置，目前已 提出了任务本体和方法本体的概念，它们分别描述了特定的任务和问题的求解方 法。任务本体和方法本体实质上是从推理和问题求解角度刻画领域知识的视图，它 们有助于解决所谓的“交互问题 ，即领域知识不能以与其使用方式无关的形式表 示。任务本体和方法本体通过“假设 ( a s s u m p t i o n ) 将领域知识和问题求解方法之 7 华北电力人学硕士学位论文 间的交互明确地表示出来，充当了系统层次之间的“粘合剂”，从而解决了知识库 系统的重用与组件化开发中的关键问题。 2 1 2 本体的构建 ( 一) 本体的构建准则 很多研究人员从实践出发，提出不少有益于构建本体的标准，其中最有影响的 是g r u b e r 提出的5 条准则【1 4 】： ( 1 ) 清晰性( c l a r i t y ) 、明确性和客观性：即本体应该用自然语言对所定义的 术语给出明确的、客观的语义定义，即必须有效地说明所定义术语的意思。而且， 当定义可以用逻辑公理表达时，它应该是形式化的。 ( 2 ) 完全性( c o m p l e t e n e s e ) ：即所给出的定义是完整的，完全能表达所描述 术语的含义。 ( 3 ) 一致性( c o h e r e n c e ) ：即由术语得出的推论与术语本身的含义是相容的， 即支持与其定义相一致的推理，不会产生矛盾所定义的公理以及用自然语言进行说 明的文档也应该具有一致性。 ( 4 ) 最大单调可扩展性( e x t e n d i b i l i t y ) ：即向本体中添加通用或专用的术语时， 不需要修改其己有的概念定义和内容，即支持在已有的概念基础上定义新术语。 ( 5 ) 最小承诺( m i n i m a lo n t o l o g yc o m m i t m e n t ) ：构建本体时本体的承诺应该 最小，只需要满足特定的共享需求即可，让以后的共享者能按照各自的需求进行实 例化和专门化，所以在对待建模对象时应给出尽可能少的约束。 以上规则是比较概括和抽象的，对于本体的建设具有指导作用。当前对构造 o n t o l o g y 的方法和方法的性能评估还没有一个统一的标准，因此，还是一个需要进 一步研究的方向。在本体的实际构建过程中，可以大致按照以上原则，并根据实际 情况进行细化。 ( 2 ) 本体构建方法 当前，建立本体大部分还是采用手工编辑方式，还远远没有成为一种工程性的 活动，每个本体开发组都有自己的原则、设计标准和定义方法。也正是由于缺少大 家都认同和遵循的开发方法，目前对本体的共享、重用和互操作还难以实现。为了 减少本体构建过程中的人为参与，现在出现很多基于a i 的半自动化及自动化本体 构建方法。较纯手工的本体构建方法相比，这些方法虽然节省了效率，但遗憾的是 也没有达到本体方法学的标准。 本体构建的方法论己经成为很多研究机构关心的问题。从本体的概念来看，它 的本质要求包括概念化、明确、形式化、共享、重用等特征，可以说工程性是本体 构建的天然属性。并且，由于软件工程对软件产业的形成和发展起着决定性的推动 8 华北电力大学硕十学位论文 作用，已经有人提出了本体工程的概念，也成为研究中的一个热点问题。目前在实 际项目中运用的方法有s k e l e t a lm e t h o d o l o g y ( 骨架法) 【15 1 、m e t h o n t o l o g y 方法 b 6 、i d e f 5 方法【17 1 、循环获取法【18 1 。 图2 - 1 领域本体构建过程 i ， 对于构建一个真正的本体来说，实现方法不存在唯一性。对于任何专业学科领 域，都不存在某种唯一适合的途径或模式，可能有几种方法都可行，最佳的方法依 赖于本体构造者所采用的构建工具以及可预见的扩展功能。而且，本体的开发和进 一步完善是一个反复叠加的过程，不可能一次成功。图2 1 展示了领域本体的构建 过程。 ( 3 ) 本体编辑工具 i 创建本体需要领域专家参与，但手工创建过程既费时耗力，又很容易出错。因 此，开发易用的本体编辑工具对于降低本体开发强度、减少开发成本和加速开发过 程都有着重要意义。 一个良好的本体编辑工具应能在本体建模过程中提供书写本体、一致性检查、 可视化、查询、推理，以及将建模结果转换为不同本体语言表示格式等功能。常用 的o n t o l o g y 语言描述工具包括p r o t 6 9 61 1 9 】、w e b o d e 2 0 】、o n t o e d i t 2 1 1 、o i l e d 【1 6 】等。 这些工具最大的特点是独立于特定的语言，可以导入导出多种基于w e b 的o n t o l o g y 描述语言格式( 如x m l 、r d f ( s ) 、d a m l + o i l 等) 。其中，除了o i l e d 是一个单独 的o n t o l o g y 编辑工具外，其他都是一个整合的o n t o l o g y 开发环境或一组工具。它 们支持o n t o l o g y 开发生命周期中的大多数活动，并且都是基于组件的结构，很容易 通过添加新的模块来提供更多的功能，具有良好的可扩展性。表2 2 是这几种本体 编辑工具的比较。 9 华北电力大学硕士学位论文 表2 - 2 本体编辑- t 具比较 被踢编辑工具 可视化支持本体语言格式推理支持插件 p r o t e g e y r d f ( s ) ，d a m l + o i l ，r a c e r ，c l i p s y o w l 等 o i l e dy r d f ( s ) ，d a m l + o i l ， f a c t ，r a c e rn o w l o n t o e d i ty d a m l + o i l ，r d f , o n t o b r o k e ry f - l o g i c w e b 0 1 1 t o y0 c m l o c m l 推理模块 n 本论文涉及的本体构建采用p r o t 6 9 64 0 作为本体开发工具，p r o t 6 9 6 是在j a v a 环境下开发出来的工具，它相对其他工具的优势在于具备图形化的开发界面，能进 行可视化的本体建模开发；支持u n i c o d e 字符集输入；具备丰富插件；支持w 3 c 的标准语言r d f ，r d f s 和o w l 的所有子语言。 2 2 本体与语义w e b 语义网( s e m a n t i cw e b ) t 2 2 l 是互联网研究者对下一代互联网的称谓，通过扩展现 有互联网，给全球信息网上的文档( 如：h t m l ) 添加能够被计算器所理解的语义( m e t a d a t a ) ，从而使整个因特网成为一个通用的信息交换媒介。语义全球信息网通过使用 标准、置标语言和相关的处理工具来扩展全球信息网的能力，在信息中加入表示其 含义的内容，使计算机可以自动与人协同工作。也就是说，语义w e b 中的各种资源 不再只是各种相连的信息，还包括其信息的真正含义，从而提高计算机处理信息的 自动化和智能化【2 3 1 。而计算机并不具有真正的智能，语义w e b 的建立需要研究者 们对信息进行有效的表示，制定统一的标准，使计算机可以对信息进行有效的自动 处理。 语义w e b 的目标是使得w e b 上的信息具有计算机可以理解的语义，满足智能 软件代理( a g e n t ) 对w w w 上异构和分布信息的有效访问和搜索。b e m e r s l e e 为 未来的w e b 发展提出了基于语义的体系结语义w e b 体系结构。如图2 2 所示： l o ， 一 华北电力大学硕+ 学位论文 、 1 r u l e s t r - u s t 卜 d a t a p r o o f 9 - 3 o j 囊 l o g i c 俺 d a t a c s e l f - 价 d e s c 。l o n t o l o g yv o c a b u l a r y 弼 u d 0 c 。 ! 。? 囊 谚 r d f + r d f s c h e m a i q 骖鳓”譬铹$ ， ”锄”9 缵 x m l + n s + x m l s c h e m a l 戳簇二匕妇。二二叠二二二二二i 图2 2 语义w e b 体系结构 从应用实现角度，语义网的实现需要三大技术支持：x m l 、r d f 和o n t o l o g y 。 从理论研究角度，语义网的研究需要研究基于语义网的逻辑基础。通常来说，语义 网的理论基础体现在本体理论基础上。本体的潜在理论基础包括描述逻辑 ( d e s c r i p t i o nl o g i c s ) 2 4 - 2 6 】和框架逻辑( f l o g i c ) 2 7 】，目前应用广泛的o w ld l 是以描述逻辑为基础而设计的。 2 2 1x m l x m l ( e x t e n s i b l em a r k u pl a n g u a g e ，即可扩展标记语言) 是由万维网联盟( w o r l d w i d ec o n s o r t i u m w 3 c ) 子1 9 9 6 年开始发展的一种新的标准标记语言【2 8 1 ，是一种 定义标记语言的工具，它是针对包含结构化、半结构化信息的文档而设计的一种标 记语言。 x m l 有很多优点，w 3 c 推荐其为第二代网页发布语言。x m l 的最重要的特征 是具有良好的可扩展性，x m l 标记是使用者自己定义的，允许用户根据自己的需 要制定标记。x m l 将数据保存的格式与数据显示的方式分开，x m l 文档本身只定 义了数据的结构和内容，并没有定义数据的显示方式。x m l 文档本身是文本，可 以方便地使用h t t p 传输，可以应用在i n t e r n e t 上。不同企业、不同部门中往往存 在着许多不同的系统，x m l 可以用作各种不同系统之间的交流媒介，是一种非常 理想的网际语言。 x m l 作为一种资源描述语言，由于其良好的可扩展性和灵活性，适合于表示 各种信息，因而被广泛接受，已被认为是未来w e b 上数据交换的标准。x m l 不仅 提供对资源内容的表示，同时也提供资源所具有的结构信息。但是，从方便信息搜 l l 华北电力大学硕士学位论文 索的角度看来，仅有x m l 是不够的。 x m l s c h e m a 是伴随着x m l l 0 规范的制订而推出的，2 0 0 1 年5 月2 日，在香 港召开的w w w i o 会议上，w 3 cx m ls c h e m a 成为w 3 c 的正式标准。在x m l s c h e m a 标准提出到成为正式标准的两年中，几经修改，终于形成了目前稳定的规 范。x m ls c h e m a 是d t d ( 文件类型定义) 之后第二代用来描述x m l 文件的标准。 根据w 3 c 的介绍，x m ls c h e m a 表达了共享的词汇表，并允许机器执行人们事先 制定好的规则。x m ls c h e m a 能定义文档的结构，内容和语义。 x m ls c h e m a 是用一套预先定义的x m l 元素和属性创建的，这些元素和属性 定义了文档的结构和内容模式。x m ls c h e m a 具有强制文档内容和结构的能力，它 是世界中的一种重要而且功能强大的新标准，用来定义文档应遵循的规则。 它的主要功能包括：定义x m l 中的元素、属性、子元素的顺序、元素是否可 以包含文本、元素和属性的数据类型以及它们的默认值等。 x m ls c h e m a 的主要特点有：x m ls c h e m a 支持丰富的数据类型：x m ls c h e m a 规范提供丰富的数据类型来描述元素或属性，开发者可以利用内嵌的数据类型和用 户定义的数据类型，有效地定义和限制x m l 文档的属性和元素值；继承和复用： 开发者可以从已经存在的s c h e m a 中获得某些类型而构造新的s c h e m a ；x m ls c h e m a 是x m l 文档：由于x m ls c h e m a 也是x m l 文档，我们就可以在x m l 编辑器中编 辑x m ls c h e m a 文档，可以用x m l 解析器分析x m ls c h e m a 的正确性；支持命名 空间：x m ls c h e m a 与x m ln a m e s p a c e 紧密联系，使得在一个命名空间中创建元 素和属性非常容易。 2 2 2r d f ( s ) r d f ( r e s o u r c e d e s c r i p