（计算机应用技术专业论文）基于语义本体的中医药科学数据共建工程.pdf

基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 摘要 如何建设保存海量的中医药科学数据，并使中医药科学数据能最大限度 的发挥作用，为了解决这些问题，中医药科学数据共建项目应运而生。数据 库是绝大多数应用特别是w e b 应用不可或缺的后台组成部分，数据库的建设 本身也成为一类工程和应用，专业领域的数据库建设慢慢从文本的电子存档 或简单的结构化数据向语义知识库转变。浙江大学c c n t 实验室在与中国中 医研究院合作，在中医药科学数据库建设方面从摸索开发，发展到基于语义 本体的中医药科学数据建设。本文主要做了以下几个方面的工作： 第一，整理维护遗留的中医药数据建设程序，主要包括使用a s p 技术的 w e b 应用和使用v b 编写的本地局域网数据库工具集。从中找出中医药科学 数据建设的特点并开发基于自定义元数据的通用数据共建平台d a r t m a t f i 1 0 。 第二，学习语义网以及技术本体和r d f ，分析中医药科学数据共建对语 义技术的需求，将相关技术应用到中医药科学数据共建工程中。将中医药本 体视为中医药科学数据的科学元数据，将r d f 数据模型视为透明化底层存储 的中间数据。并以此设计开发了基于本体的中医药科学数据共建平台 d a r t m a n i2 0 ，并采用a j a x 相关的技术，开发r d f 数据处理的w e b 客户端。 第三，d a r t m a n i2 0 的语义辅助模块应用中医药一体化语言系统，将其作 为中医药的知识库，为中医药科学数据共建工程开拓新的发展空间。 总的来说本文介绍了中医药科学数据共建项目的发展历程并着重描述了 中医药科学数据共建在采用了本体和r d f 等语义网相关技术之后的设计和 实现，提出了以后共建工程的发展方向。 本文得到以下基金资助：国家8 6 3 计划( 2 0 0 3 d e a 2 c 0 1 5 1 关键字：中医药科学数据、在线数据共建、语义网、本体、r d f 。 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 a b s t r a c t j u s ta st h ei n t e m e ti ss h i f t i n gi t sf o c u sf r o mi n f o r m a t i o i la n dc o m m u n i c a t i o nt oa k n o w l e d g ed e l i v e r yi n f r a s t r u c t u r e t h es e m a n t i cw e b e x t e n d st h ec u r r e n tw 曲t oa p e r v a s i v ew o r l d w i d ek n o w l e d g em a n a g e m e n ti n f r a s t r u c t u r ew h i c ha i m st oa l l o w w e be n t i t i e s ( s o f t w a r ea g e n t s ，u s e r sa n dp r o g r a m s ) t oi n t e r o p e r a t e ，e x c h a n g ea n d s h a r er e s o u r c e s ，a n ds o l v ec o m p l e xp r o b l e m si nc o l l a b o r a t i v ew a y t h es e m a n t i c w e be n a b l e st op u tt h ee x p e r t sf r o md i f f e r e n td o m a i n sa n dd i f f e r e n tl o c a t i o n st o f o u n dc y b e rc o n u n u n l t i e s t h ee x p e r t sc o o r d i n a t ee a c ho t h e rt od or e s e a r c ho r p r o j e c t ，i nw h i c hd a t am a n i p u l a t i o n ( s o r t i n g , s a v i n g ，r e t r i e v i n ga n da n a l y z i n g ) i sa f u n d a m e n t a lb u i l d i n gb l o c kt or e a l i z ea b o v ev i s i o n f o rt h ep u r p o s eo fh e l p i n g e x p o r t st oj o i nt h ec o o p e r a t i o nn e td a t aw o r kc o n v e n i e n t l ya n de f f i c i e n t l y , w e d e s i g na n dd e v e l o pa l lo n t o l o g y - b a s e dw o r k b e n c ha n dt a k et h ea d v a n t a g eo f e x p e r i e n c et h a tg a i n e df r o mt h ep r o j e c t so f b u i l d i n gt r a d i t i o n a lc h i n e s em e d i c i n e ( t c m ) d a t a b a s e sa n dt h er e s e a r c ho fs e m a n t i cw e ba n dd a t a b a s eg r i dt h a th a v e b e e nd o n eb yo u rl a b h u n d r e d so ft c me x p e r t sf r o md i f f e r e n tt c ma c a d e m i e s i nc h i n ac o n t r i b u t e dt ot h e s ep r o j e c t st h r o u g hi n t e r a c t m a i n l y , t h i sa r t i c l e d e s c r i b e st h ew o r kl i s t e da sb e l o w ： f i r s t l y , m a i n t a i nt h ea p p l i c a t i o n st h a th a v eb e e nd e v e l o p e da n dd e v e l o pn e w a p p l i c a t i o n si nt h es a m ew a yi n c l u d i n gt h ew e ba p p l i c a t i o n sd e v e l o p e db ya s pa n d t h el o c a la p p l i c a t i o n sd e v e l o p e db yv b t h e nf i n do u tt h eu s a g em o d e lo ft h e t c md a t ac o n s t r u c t i o na n dd e v e l o p e dac o r n n a o n t c md a t ac o n s t r u c ts y s t e m c a l l e dd a r t m a n i1 0b a s e do ns e l f - d e f i n e dm e t a d a t a s e c o n d l y ，s t u d ys e m a n t i cw e ba n dr e l a t e dt e c h n o l o g i e sa so n t o l o g ya n dr d f u s et h e s et e c h n o l o g i e si nt h ep r o j e c t u s et h eo n t o l o g yo ft c ma st h es t a n d a r d m e t a d a t aa n du s er d fa st h em e d i u md a t am o d e l d e s i g nan e wt c md a t a c o n s t r u c t i o ns y s t e mb a s e do no n t o l o g ya n dr d fa n di m p l e m e n tm o r et h a na p r o t o t y p e t h i r d l y , t h es e m a n t i cs u p p o r tm o d e lo ft h en e ws y s t e mu s et c m l sa s k n o w l e d g eb a s e ，i t st h ef i r s tu s a g eo ft c m l s i te x p e n d st h es p a c eo f d e v e l o p i n ga p p l i c a t i o no ft c m d a t ac o n s t r u c t i o n a tp r e s e n t t h e r ea r et w ok i n d s o fs e m a n t i cs u p p o r t ，o n ei st h es t a n d a r dw o r d sr e t r i e v a la n dt h eo t h e ri ss e m a n t i c a n n o t a t i o n - 3 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 f i n a l l y , d e s i g na w e bc l i e n tf o rr d fd a t am a n i p u l a t i o nb a s e do na j a x t h i sa r t i c l em a i n l yi n t r o d u c e st h ep r o g r e s so fd e v e l o p m e n to ft h ep r o j e c to ft c m s c i e n t i f i cd a t ac o n s t r u c t i o n f o c u so nt h en e ws y s t e mw h i c ha b s o r b i n gt h e t e c h n o l o g i e so fs e m a n t i cw e b k e y w o r d s ：t c ms c i e n t i f i cd a t a , d a t ac o n s m m t i o n s o nl i n e ，s e m a n t i cw e b ， o n t o l o g y ，r d f 4 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 第一章项目背景与技术基础 1 1 中医药科学数据共建项目背景 中医药经过数千年的发展，在生物和医学方面为人类提供了大量各种类 型的资源，其中包括各种医药材料，中医药治则，中医药方等等。绝大多数 资源和中医药知识都以文本( 包括文字和图像) 的形式保存，在过去的数个 世纪中，这些资料被每一代中医药工作人员收集，整理，扩充，现在，这些 珍贵资料中的大部分已经被分布在全中国各地的中医药数字图书馆数字化并 存储；另一方面，全国各地的中医院，中医药学院，研究院每天都产生相当 数量的研究文章和报告，中医药数字图书馆同样将这些文章和报告作为全文 进行数字化存储。为了更好地利用这些数据资源，浙大c c n t 实验室与中国 中医研究院联合研究，开发了多个基于w e b 、联合全国各个地区中医药专家 参与的数据处理系统，并建立中医药科学数据共建项目。共建项目是浙江大 学c c n t 实验室与中国中医研究院联合研究的重要项目：另两个中医药项目 分别是中医药一体化语言和中医药数据网格，最终共建项目的发展，基于本 体和r d f 的通用科学数据共建平台的设计开发将中医药领域的三个项目都 联系在一起，使中医药项目成为一个松耦合的有机整体。 1 1 1 中医药科学数据现状 中医药作为中国的传统国粹，正日益受到全世界医学界的瞩目。中医药 是一个数据密集型+ 知识密集型的应用领域，它拥有海量的、高速增长的动 态经验性信息。目前，在世界范围内已经建立了大量的中药数据库及其相关 的天然产物数据库，国t 勾j t n 6 1 ： _ 南京中医药大学编写中华本草的数据； - 中国医学科学院药用植物研究所的7 6 0 味中药数据库； 一 中医研究院中医药信息所的中医药文献库、中医药成果数据库； 中医研究院中药所的中草药数据库： 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 _ 中国药材公司的全国中药材资源普查资料数据库； _ 国家医药管理局的中国药学文摘数据； _ 天津医学情报所的中草药数据； _ 天津中药研究院的中药化学结构数据库； _ 北京中医药大学建立的中医方剂数据库； - 南京中医药大学编写的中医方剂大辞典的电子数据； 国外如： 美国化学文摘数据库； 香港中文大学中药研究中心的中药毒副作用数据库； _ 韩国汉城大学天然药物研究所的天然药物数据库： - 美国伊利诺斯大学天然药物研究所的植物药化学库； - 美国有关单位建立的生物活性分子结构数据库( n c i 库约1 3 万个化 合物、c d s 库约1 7 万个化合物、a c d 库约2 8 万个化合物、m d d r 库约7 万多个有生物活性的分子结构) 等。 中国中医研究院信息所从事中医药科学数据保存发展的工作，其保存的 中医药科学数据基本可以分为文献型数据和结构化数据两大类；文献型数据 指的是将原来纸质的保存在图书馆的文献录入成电子文档保存在数据库中， 结构化数据则指的是依据中医药领域概念的语义将某一方面的数据设计为相 互约束关联的一组结构表并保存在数据库中，以往存在的一些结构化表单往 往都是从使用的角度设计而中国中医研究院的结构化数据库依据中医药领域 本身的语义关系设计结构，因此该库是在中国中医研究院领导下建设的全国 特有中医药科学数据库。该结构化数据库已经在相当程度上为我国中医药学 科的发展做出贡献，结构化数据库现在包括有中药基础数据库、药理实验库、 化学实验库、中医i 临床库等等，这些数据库每年都通过中医药科学数据共建 平台处理新增几十万条纪录。 1 1 2 共建项目的软件需求 共建项目在软件方面的需求可以主要分为数据、质量、管理三个方面， 这三个方面互有联系又各有侧重。三方面的需求如表1 - 1 所示： 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 _ 中医药专家能通过w e b 将各种资源上穿到服务器； 中医药专家能通过w e b 方便处理数据，处理过的 数据能准确更新保存； 数据可以方便的成为数据共享的后台支持使用。 麟黼 数据的传输和存储的安全性； _ 数据的分级分类，例如只有通过最终审校的数据才 能正式发布以保证作为共享服务的科学数据的质 量； _ 数据有权限杯记，例如未正式发布共享的数据处于 半开放状态，指定人员修改保存，正式发布的数据 只有一级管理员能修改； 人员的培训，并对人员进行分级分角色，不同的角 色赋予不同的权限集； _ 对参与中医药科学数据共建项目的人员管理； 对角色分配以及角色权限设定的管理： 数据资源的管理，包括对数据记录数的定期检查； 在线管理，包括人员的查看； 各个人员处理数据量的统计等辅助管理； 表1 - 1 ：软件需求简表 上述需求三个方面之间的联系体现在：数据的传输保存与质量；数据的 分级分类、数据的权限标记与质量；人员的角色分配管理以及角色权限的设 定与质量；数据的分级分类、数据的权限标记与管理等方面。同时，这三个 方面又对应了不同的需求满足对象，基本上对应了参与中医药科学数据共建 项目的人员的三种分工。 所以在设计实现中医药科学数据共建项目的相关应用时，要从多个维度 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 考虑满足其在软件方面的需求。 1 1 3 项目应用的意义 中医药科学数据共建项目是一项科学基础项目，其意义对于中医药的前 端发展有着基础放大效应。共建项目的成果中医药科学数据最直接的应 用是科学数据的在线共享，无论对于中医药科研人员的研究工作，还是在中 医药知识的大众普及方面都有着不可估量的作用；在实践跨度如此之长，涉 及范围如此之广的海量中医药科学数据中蕴含着无数的科学知识，中医药科 学数据共建项目为以后的科学数据深度应用，例如数据挖掘和知识发现等打 下坚实基础。目前，中医药科学数据共建项目的意义已经显现，在s a r s 期 间，正是利用共建项目所录入的中医药科学数据，上海中医药大学在几天之 内迅速找出了具有预防作用的十几个重要方剂。 1 2 语义网及其相关技术 语义网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， 在信息中加入表示其含义的内容，语义网中的各种资源不再只是各种相连的 信息，还包括了其信息的真正含义，改变现有互联网仅仅依靠文字信息来共 享资源的模式，通过语义信息的共享，从而提高计算机处理信息的自动化和 智能化。 1 4 】 1 2 1 语义网简介 上世纪8 0 年代，t i mb e m e r s l e e 将超文本技术应用于计算机网络，促成 了互联网( w o r l dw i d e w e b ) 的诞生。今天的互联网，业已成为人们获得信息、 取得服务的重要渠道之一。但是，目前大多数页面的设计仅仅针对人类自身 的，不便于机器自动处理现在网页信息的表现方式，多为自然语言、图片、 声音等方式，这适应于人们的阅读和收听需求。但是，这些媒介固有的不确 定性引起数据格式的多样性，而无法被计算机理解。例如，一江春水向东流”、 “滚滚长江东逝水”、“黄河之水由西而来，流入渤海”这三句都涉及到“江河向 基于语_ 芷本体的中医药科学数据共建工程 考虑满足其在软件方面的需求。 1 1 3 项目应用的意义 浙江大学硕士学位论文 中医药科学数据共建项目是一项科学基础项目，其意义对于中医药的前 端发展有着基础放大效应。共建项目的成果中医药科学数据最直接的应 用是科学数据的在线共享，无论对于中医药科研人员的研究工作，还是在中 医药知识的大众普及方面都有着不可估量的作用；在实践跨度如此之长，涉 及范围如此之广的海量中医药科学数据中蕴含着无数的科学知识，中医药科 学数据共建项目为阻后的科学数据深度应用，例如数据挖掘和知识发现等打 下坚实基础。目前，中医药科学数据共建项目的意义已经显现，在s a r s 期 间，正是利用共建项目所录入的中医药科学数据，上海中医药大学在几天之 内迅速找出了具有预防作用的十几个重要方剂。 t 2 语义网及其相关技术 语义网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， 在信息中加入表示其含义的内容，语义网中的各种资源不再只是各种相连的 信息，还包括了其信息的真正含义，改变现有互联网仅仅依靠文字信息来共 享资源的模式，通过语义信息的莛享，从而提高计算机处理信息的自动化和 智能化。 1 4 】 1 2 1 语义网简介 上世纪8 0 年代，t i m b e m e r s - l e e 将超文本技术应用于计算机网络，促成 了互联n ( w o r l dw i d ew e b ) 的诞生。今天的互联网，业已成为人们获得信息、 取得服务的重要渠道之一。但是，口前大多数页面的设计仅仅针对人类自身 的，不便于机器自动处理现在网贞信恳的表现方式，多为自然语言、图片、 声音等方式，这适应于人们的阅读和收听需求。但是，这些媒介同有的不确 定性引起数据格式的多样性，而无法被计算机理解。例如，江春水向东流”、 “滚滚长江东逝水”、“黄河之水由丙而来。流入渤海”这三句都涉及到“江河向 “滚滚长江东逝水”、“黄河之水由西而柬，流入渤海”这三句都涉及到“江河向 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 考虑满足其在软件方面的需求。 1 1 3 项目应用的意义 中医药科学数据共建项目是一项科学基础项目，其意义对于中医药的前 端发展有着基础放大效应。共建项目的成果中医药科学数据最直接的应 用是科学数据的在线共享，无论对于中医药科研人员的研究工作，还是在中 医药知识的大众普及方面都有着不可估量的作用；在实践跨度如此之长，涉 及范围如此之广的海量中医药科学数据中蕴含着无数的科学知识，中医药科 学数据共建项目为以后的科学数据深度应用，例如数据挖掘和知识发现等打 下坚实基础。目前，中医药科学数据共建项目的意义已经显现，在s a r s 期 间，正是利用共建项目所录入的中医药科学数据，上海中医药大学在几天之 内迅速找出了具有预防作用的十几个重要方剂。 1 2 语义网及其相关技术 语义网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， 在信息中加入表示其含义的内容，语义网中的各种资源不再只是各种相连的 信息，还包括了其信息的真正含义，改变现有互联网仅仅依靠文字信息来共 享资源的模式，通过语义信息的共享，从而提高计算机处理信息的自动化和 智能化。 1 4 】 1 2 1 语义网简介 上世纪8 0 年代，t i mb e m e r s l e e 将超文本技术应用于计算机网络，促成 了互联网( w o r l dw i d e w e b ) 的诞生。今天的互联网，业已成为人们获得信息、 取得服务的重要渠道之一。但是，目前大多数页面的设计仅仅针对人类自身 的，不便于机器自动处理现在网页信息的表现方式，多为自然语言、图片、 声音等方式，这适应于人们的阅读和收听需求。但是，这些媒介固有的不确 定性引起数据格式的多样性，而无法被计算机理解。例如，一江春水向东流”、 “滚滚长江东逝水”、“黄河之水由西而来，流入渤海”这三句都涉及到“江河向 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 东流”这一共同属性，稍有文字知识的人就可以看出其中的语义。但是，要是 让计算机分析，恐怕就难以得出这一规律了。这在网络上信息量剧增、人们 迫切需要计算机分担知识整理所带来压力的今天，成为信息检索的一个难题。 同时，在处理信息时只是按照u r l 来定位信息，对信息的内容并不关心，但 是人们真正关心的是信息的内容，也就是互联网上的文本、图片等资源所包 含的语义，这样由于互联网技术的局限，计算机处理器的强大功能也没有得 到有效的利用。 1 9 9 0 年，t i mb e m e r s l e e 及他所领导的w 3 c ( w b d dw i d ew e b c o n s o r t i u m ) 正致力于开发一种能理解人类语言的智能网络，而其中最令人瞩 目的就是语义网技术。语义网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，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。语义网力图将“理解信息的含义是人类的专利”这一局面成为历史， 使得计算机在一定程度上也同样可以做到，从而有助于信息共享、再利用， 并使网络能够提供动态的、个性化的、主动的服务。在t i mb e m e r s 。l e e 看来， 语义网是对互联网本质的变革。 在2 0 0 0 年的世界x m l 大会上，t i n lb e m e r s l e e 做了题为s e m a n t i cw e b 的演讲，对语义网的概念进行了解释，并提出了语义网的体系结构。w 3 c 组 织也成立了专门的工作组来推动语义网技术的发展。当前，语义网作为一个 信息技术的热点，得到了研究者们极大的关注，也得到了许多政府、科研机 构及商业部门的投入，近几年必将得到较大的发展。 1 2 2 语义网的层次 语义网研究的主要目的，就是扩展当前的互联网，使得网络中尽可能多 的信息都是具有语义的，是计算机能够理解和处理的，便于人和计算机之间 的交互与合作。其研究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，即具有语义。t i mb e m e r s l e e 在x m l 2 0 0 0 大会上提出的理想的语义 网体系结构，给出了语义网中的层次关系基于x m l 和r d f r d f s ，并 在此之上构建本体和逻辑推理规则，以完成基于语义的知识表示和推理，从 而能够为计算机所理解和处理。 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 b e m e r s l e e 是w o r l dw i d ew e bc o n s o r t i u m ( w 3 c ) 的理事，以及麻省理 工学院计算机科学实验室的研究员，他致力与互联网技术的研究很多年，提 出了语义网理想的层次模型，如图1 1 所示，为我们将语义网技术的使用提 供了很好的建议。 t i mb e m e r s 。l e e 所设想的理想的语义网分层： 一x m l 层( 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) 作为语法层 - r d f 层( r e s o t l 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) 作为数据层 _ 本体层( o n t o l o g y ) 作为语义层 一 逻辑层( l o g i c ) 提供了基于本体层上的智能推理规则 一i 正据层- ( p r o o f ) 支持代理间通讯的证据交换。 图1 - 1 ：语义网层次结构 各层进一步的简述如表1 - 2 所示 1 4 1 x m l 使每个人可以创造自己的标签来标注网页或网 页的部分文本。x m l 允许用户为他们的文档添加结 构信息，但并没有说明这些结构的含义。只有标签 名并不能提供语义，所以在语义网结构中x m l 只是 作为语法层，来为语义网的建立提供语法基础。 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 r d f 通常是三元组的结构，每个三元组由相当像句 子中的主语、动词和宾语( s u b j e c t ，v e r b ，a n do b j e c t ) 三个部分组成在r d f 中，文档中的声明通常是某个 事物( 人、网页或其他任何东西) 对于某些值( 另 一个人、另一网页) 拥有某些属性( 例如“是姐姐”， “是作者”) 。这种结构用于描述由机器处理的大量数 据，是非常自然的方法，也便于机器理解。抽象的 r d f 数据模型表示为一个有向标记图。这个抽象模 型是独立与实现的而且可以用x m l 来序列化。 本体是语义网技术里最关键的部分。本体( o n t o l o g y ) 的概念最初起源于哲学领域，是“对世界上客观存 在物的系统地描述，即存在论”；在人工智能界，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”：如今本体应用于互联网 研究领域，被定义成“本体是概念化的明确的规范 说明”。一个本体描述了一个特定研究领域的一个 形式化的、共享的概念化模型。本体非常适合于描 述互联网上各种不同的、分散的、半结构化的信息 资源。通过定义共享的、通用的领域理论，本体帮 助人和机器明确的交流，支持语义级的交换，而不 仅仅是语法级的。 辑 逻辑层提供了规则与推导方法，从而便于在本体层 上进行推理，得到有用的语义信息。从一定的程度 上讲，本体层定义的是否合理直接关系到推理的难 易和结果的有效性。 证据层在逻辑层基础上使代理可以交换推理的结 果。为了检查这些结果，需要将各代理的内部推理 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 机制转化为一种通用的证据表示语言。比如，某个 在线服务找到了李小姐的联系信息，而令人惊讶的 是她在上海。当然，你要核对一下，所以你的计算 机让服务来证明它的回答，服务立即将其内在的推 理理由翻译成语义网络的统一语言，你计算机中的 界面引擎证实了这个李小姐确实符合你的查询要 求，如果你还有疑问，它能显示出相关的网页。 表1 - 2 ：语义网层次简述表 语义网结构中的数字签名和确信( t r u s t ) 则是为了保证信息交换的安全问 题而设计的，信息交换的双方必须建立了一种信认关系才能在一定程度上保 障信息的有效性。 1 2 3 本体 正如前一个小节所说，本体是语义网技术里最关键的技术之一，这一小 节从本体的定义开始对本体作进一步的阐述。 本体( o n t o l o g y ) 本是一个哲学上的概念，是客观存在的一个系统的解释或 说明，关心的是客观现实的抽象本质。在计算机人工智能界，最早给出本体 定义的是n e c h e s ，f i k e s 等人( 1 9 9 1 年) ，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，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”。【1 】 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，也是比较简单的定 义一as p e c i f i c a t i o no fac o n c e p t u a l i z a t i o n , 可以理解为“对某种概念化体系 的规范说明”。其中有两层意义：一是先要对某个领域进行抽象、归纳，即把 这一领域概念化；二是再对这一概念化的结果用一种人、计算机、代理都可 以理解的通用规范表达出来，表达出来后就形成了一个本体。g r u b e r 提出的 另一种比较详细的表达：“e x p l i c i tf o r m a ls p e c i f i c a t i o n so ft h et e r m s i nt h e d o m a i na n dr e l a t i o n sa m o n gt h e m ”，即本体是对某一领域中术语及术语之间关 系的规范而明确的说明。【2 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 b o r s t 在g r u b e r 所做的定义的基础上，给出了o n t o l o g y 的另外一种定义： “本体是共享概念模型的形式化的规范说明”。【3 s t u d e r 等对g r u b e r 和b o r s t 的两个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”。这包含四层含义【4 】；概念模型 ( c o n c e p t u a l i z a t i o n ) ：主要是指一些模型，而这些模型一般是通过抽象出客观 世界中的一些现象的相关概念而得到的；明确( e x p l i c i 0 ：使用的概念，以及 在使用这些概念时所受的约束和限制等，都有明确的定义；形式化( f o r m a l ) ： 指本体能被计算机识别和处理：共享( s h a r e ) ：指本体中体现的是相关领域中 获得普遍认可的概念的集合，而并不是个体的。 n i c o l ag u a r i n o 5 把概念化定义为：c = ( d ，w ，r ) 其中d 是一个领域，w 是该领域中相关的事务状态( s t a t eo f a f f a i r s ) 的集合，r 是领域空间d ，w ) 上 概念关系( c o n c e p t u a lr e l a t i o n ) 的集合，本体论是采用某种语言对概念化的描 述。 在以上所述的诸多本体定义中，对中医药科学数据建设最有启发的是如 下理解，本体是某种概念化体系的规范说明，某种概念化体系就是自成体系 的某一科学领域的概念化体系，而科学领域内的科学数据属于该科学领域的 某一个概念，因此，本体在科学数据共建中可以看成所建设科学数据的规范 化元数据说明，中医药科学数据共建可以纳入到语义网建设的范畴中，中医 药本体就是中医药科学数据的元信息，所以我们所需要的元信息的规范概念 化体系的说明就找到了。 目前，本体在具体工程中的应用还不是很成熟，本体的发展前景是美好 的，但现实应用却存在诸多困难，要实现其价值，就必须不断实践，在实践 中完善发展本体理论。而同时应注意到，图书情报科学中的分类法，主题法 等文献组织技术显然可以作为开发本体的基础，因此，本体的理论发展和实 际应用，需要计算机学科提供处理技术、图书情报学科继承和发展建模方法。 以及每个学科领域的专家提供该领域的概念系统。在众多科研人员的努力之 下，本体必将为人机对话架起便捷的桥梁。中医药科学数据的建设正是在中 医药传统图书馆资料信息化的基础上发展而来，目前对于本体在中医药领域 的应用，浙江大学c c n t 实验室是走在全国最前列的。 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 1 2 4i u ) f r d f 是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 的缩写，也可以是r e s o t t r c e m e t a d a t a ，为描述数据元信息提供一种数据模型。r d f 是三元组( t r i p l e ) 的 结构，可以看成一句陈述句( s t a t e m e n t ) ，结构上可以分为主、谓、宾。在 r d f 中分别是s u b j e c t ，p r e d i c a t e ，o b j e c t ，三者组成s t a t e m e n t ( 陈述句) 。 1 5 由此可以看出，对于r d f 数据模型的定义十分的简单，举个r d f 数据 的例子：“这篇文章作者是李明”。在r d f 中这就是一句陈述句并在结构上分 为三个部分：一个主语( “这篇文章”) ，一个谓语【预测 ( “作者是”) ，和一 句宾语( “李明”) 这与一般逻辑或语法上的断言比较类似。 在r d f 中，资源通过使用u p i ( 统一资源标示) 来表示，u r l ( 统一资源 地址) 是u r i 的子集，实际上，r d f 就是志在描述任何能够通过w e b 获取 的资源的研究领域长期研究结果的应用。r d f 陈述句中的主语必须是一个 资源，宾语可以是一个资源可以是一个资源也可以是一个值。若“李明”是 一个值，则上述r d f 陈述旬的例子可以用图1 2 所示。 图1 - 2 ：r d f 例图一 若“李明”是一个资源，则其本身也可作为主语，与其他的谓语以及宾 语组成陈述句，例如“李明的性别是男性”，“李明的姓氏是李”，“李明的名 字是明”，如果是这样的情况，则上述r d f 的例子可以用图1 - 3 所示。 图1 - 3 ：r d f 例图二 基于语义本体的中医药科学数据基建工程浙江大学硕士学位论文 依次类推，“男性”也可以是资源并有以它为主语的陈述句，一组陈述旬 ( s t a t e m e n t s ) 组成r d f 模型( m o d e l ) ，基本上，一个r d f 模型是一个图， 逻辑单向的情况下可以简化为一棵树。 与x m l 成为不同软件厂商之间数据交互的标准过程相似，r d f ( 资源描 述框架) 也沿着这条道路前进，希望能够成为描述与交互元数据的标准 1 0 。 x m l 使用文件类型定义( d t d ) 和x m l 格式定义( x s d ) 来描述数据。 r d f 使用x m l 语法和r d fs c h e m a ( r f d s ) 来将元数据描述成为相应的数 据模型，一般来说一个r d f 文件描述一个r d f 模型。 x m l 和r d f 是目前w e b 上创建语义互操作的标准。x m l 只是定义了文 档结构，r d f 能够更好的提供互操作机制，就是因为r d f 提供了可以扩展 的，能解决复杂本体表达问题的简单数据结构。r d f 正是因为简单才突显威 力，简单赋予了r d f 良好的扩展性和适应性。除了简单之外，r d f 还易于 和x m l 数据一起处理，如前文所述，x m l 是目前w e b 应用数据交换的文 档格式标准，所以r d f 能够以x m l 格式持久化，使得r d f 易于应用到当 前的w e b 应用当中去。 1 3 共建项目对语义的需求以及两者的结合点 中医药共建项目对于语义的需求可以分为数据与项目开发两个方面。 - 数据方面：对于语义的需求体现例如数据整合时，因为没有数据元信 息即语义的描述，不同储存的但隐含了相同语义的数据库数据之间充 满了语义冲突，阻碍了中医药科学数据的整合发展。 _ 项目开发：体现在没有数据元信息即数据语义的支持，项目的代码隐 含语义，增加项目的维护难度，并难以开发通用性，扩展性良好的共 建平台。 对于基于w e b 的不同应用之间处理、共享、重用科学数据时，本体在其 中扮演了关键的角色。本体是能在语义和知识层次上描述领域的概念模型的 建模工具。本体提供了人和应用系统都能理解的数据元数据。目前，对本体 在智能代理或基于w e b 的应用中讨论较多的是信息检索。在实际工程中，本 体在领域相关的科学数据建设中起着非常关键的作用，特别表现在软件复用、 基于语义本体的中医药科学数据共建工程浙江大学硕士学位论文 异构信息处理、构建语义w e b 方面，将本体视为相关科学数据的科学元数据。 r d f 可以作为科学数据保存的一种数据模型。科学数据是一种知识表达， 在w e b 的应用中做到知识表达的互操作或者基于w e b 的交换格式要满足以下 三个条件 1 0 ： 无限的表达能力：因为不可能把所有可能的潜在用途都考虑到，所以 基于w e b 的交换格式必须能够表达任何形式的数据。 - 语法的互操作性：应用程序必须能够读取这些数据并得到一种可操作 的表达。软件组件比如解析器或者查询接口应该能够在尽可能多的 应用程序之间重用。当解析器和接口需要对数据进行操作处理时，语 法的互操作性就显得尤其重要。 - 语义的互操作性：还有一个对交换格式最重要的需求就是数据必须是 可以理解的。换句话说，语法的互操作性是为了解析数据，而语义的 互操作性是为了能分析数据内容，从而可以定义数据中术语之间的映 射关联关系。 不直接选择x m l 来设计中间数据结构，将数据作为文档保存传输的原因在 于x m l 适合不同应用之间数据的传输，但缺乏语义的表达，换句话说，如 果使用x m l ，则应用的参与者必须事先知道x m l 数据的语义，这是因为 x m l 只满足了上述知识表达三点要求的第一点和第二点。 在语义网层次模型中，r d f 在x m l 的上一层，r d f 相关的技术是目前 w e b 应用中最适合用来描述本体的，使用x m l 语法和r d fs c h e m a ( r f d s ) 来将元数据描述成为数据模型。在中医药科学数据共建中，如前一小节提到 的，可使用本体作为中医药科学领域概念化体系规范说明的形式，但本体也 需要数据模型来表达，r d fj 下好提供了这样的数据模型。 1 4 本文的组织结构 本文内容可以分为四个部分： 第一部分即第一章项目背景与技术基础，主要介绍了中医药科学数据共 建项目的应用背景，数据现状，应用的需求以及介绍平台所采用的技术背景 语义网相关的内容 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 第二部分即第二章基于自定义元信息的通用共建平台，介绍未采用语义 技术所开发的应用状况特点及不足，并提出两个主要问题，中医药科学数据 共建项目的发展围绕解决这两个主要问题进行；介绍了基于自定义元信息的 通用共建平台d a r t m a n i1 0 ，该平台是中医药科学数据共建项目发展中重要 的一环。 第三部分包括第三和第四章，介绍引入本体和r d f 开发的科学数据共建 新平台d a r t m a n i2 0 ，这一部分是本文的主要部分，围绕基于本体和r d f 的 通用共建平台展开，第三章介绍新平台的特点，意义，架构，组件以及客户 端，接下去主要介绍新平台的重要部分，主要的扩展点语义辅助，这个模块 扩展了中医药科学数据共建的发展空间。 第四部分即第五章，描述中医药科学数据的实际应用场景。 基于语义本体的中医药科学数据共建工程 浙江大学硕士学位论文 第二章基于自定义元信息的通用共建平台 共建项目从1 9 9 9 年调研开始，到2 0 0 3 年继承维护并继续发展中医药科 学数据共建项目时，已经开发了很多数据共建的应用。在下面的各小节中， 首先以定制开发中医库应用为例介绍一下中医药共建项目定制开发的情况， 说明其中的存在的问题，然后，主要介绍为改善相应问题而开发的基于自定 义元信息的通用共建平台d a r t m a n i1 0 。 2 1 定制开发的共建应用 中医药科学数据共建项目定制应用开发都是围绕单个主题数据库来设计 实现的，也就是说，开发所考虑的范畴是一个主题数据库。围绕一个主题数 据库开发的程序可以分为两种类型：一类是w e b 应用，采用m i c r o s o f t 公司的 i n t e m e ti n f o r m a t i o ns e r v i c e6 作为w e b 服务器，使用i i s 所支持的脚本语言 v b s c r i p t 来实现业务逻辑，使用o r a c l e 提供的客户端组件0 0 4 0 来实现与数 据库的通讯，使用人员是参与共建工程的所有中医药专家；另一类是局域网 应用的数据管理软件，使用m i c r o s o f t 公司的v bi d e 开发，使用人员是中医 研究院信息所的管理人员。除了这两类之外，还有一些其他满足特定需求的 工具软件。表2 1 所列的是几个主要的主题数据库相关的定制应用。 隧黼豳躐豳豳鲻麓谶豳豳豳黼黼鳓黼隧 嘲翻辅g 目日目。强骧翱g g 雕 文献标引库 l a b l e 中药基础库b o t a n y h e m l e