（计算机软件与理论专业论文）基于本体的web站点建模.pdf

摘要 基于本体的w e b 站点建模 【摘要】 近年来，w e b 站点的设计和维护是软件产业中的一个研究热点，随着w e b 站点复杂性的日益增加，w e b 站点的开发迫切需要良好的方法和过程指导，于是 软件工程领域提出w e b 工程的概念，开始研究如何在w e b 站点的开发中应用软 件工程的技术，实现w e b 站点的工程化开发，其中最核心的研究内容之一就是 w e b 站点建模。 另一方面，语义w e b ( s e m a n t i cw e b ) 和本体( o n t o l o g y ) 的提出，要求 w e b 站点上的数据应该是计算机能读懂的( m a c h i n eu n d e r s t a n d a b l e ) ，核心思想 就是把w e b 站点上数据隐含的语义显式地、形式化地表达出来，使这些数据能 够被计算机理解和自动处理。 本文借鉴w e b 工程领域的研究成果，并顺应w e b 向语义w e b 发展的趋势， 提出了一个基于本体的w e b 站点模型( o n t o l o g y b a s e dw e bs i t em o d e l ，简称 o n t o w s m ) 。o n t o w s m 是一个四层的w e b 站点模型，在抽象的层次上描述了一 个w e b 站点各个方面的特征：( 1 ) 语义模型，描述w e b 站点上数据所蕴含的概 念或语义；( 2 ) 结构模型，描述w e b 站点上数据本身的结构；( 3 ) 导航模型， 描述w e b 站点的导航特征，即w e b 站点上的数据之间是怎样链接的；( 4 ) 表现 模型，描述w e b 站点上的数据的表现形式。 o m o w s m 不仅使w e b 站点的工程化开发成为可能，而且利用o n t o w s m 开 发出的w e b 站点可读性强，易于维护，并且是符合语义w e b 标准的语义w e b 站 七 【关键字】 w e b 工程：w e b 站点建模；语义w e b ：本体 a b s t r a c t a b s t r a c t o n t o l o g y b a s e dw e bs i t em o d e l i n g r e c e n t l y , d e s i g n i n ga n dm a i n t a i n i n gw e b s i t e sp o s t sc h a l l e n g e sf o rt h es o f t w a r e i n d u s t r y w i t ht h ec o m p l e x i t y o fw e bs i t e si n c r e a s e ds i g n i f i c a n t l y , g o o dm e t h o d sa n d p r o c e s s e s a r er e q u i r e dt og u i d et h ed e v e l o p m e n to fw e bs i t e s a sar e s u l t ，w e b e n g i n e e r i n gw a se s t a b l i s h e da san e wd i s c i p l i n et oh a n d l et h ei s s u e si nt h ew e b s i t e d e v e l o p m e n t ，a n d w e bs i t em o d e l i n gb e c o m e sav e r yi m p o r t a n to n e m e a n w h i l e ，s e m a n t i cw e ba n do n t o l o g yr e q u i r et h ed a t ao nt h ew e bt o b e m a c h i n eu n d e r s t a n d a b l e ，w h i c hm e a n st h a tt h ei m p l i c i ts e m a n t i c so fd a t as h o u l db e e x p l i c i t l ya n df o r m a l l ye x p r e s s e d o nt h ew e bs ot h a td a t ac a nb es h a r e da n d p r o c e s s e d a u t o m a t i c a l l yb yc o m p u t e r s t a k i n gb o t hw e be n g i n e e r i n ga n ds e m a n t i cw e b i n t oa c c o u n t ，i nt h i sp a p e rw e p r o p o s ea l lo n t o l o g yb a s e dw e b s i t em o d e l ，o n t o w s mw h i c he n a b l e sam u l t i l a y e r e d h i i g h - l e v e ld e s c r i p t i o n o faw e bs i t ec o n s t r u c t i o n f r o mt o p t o d o w n w a r d ，t h e s e m a n t i cl a y e re l a b o r a t e st h es e m a n t i c so ft h ed o m a i no fd i s c o u r s e ，t h es t r u c t u r a l l a y e rc h a r a c t e r i z e st h es t r u c t u r eo fi t s d a t ac o n t e n t ，t h en a v i g a t i o nl a y e rd e s c r i b e s l i n k a g e s ，t h ep r e s e n t a t i o nl a y e rd e p i c t st h er e n d e r i n g f o ri t sc o n t e n t t h eo n t o w s mn o t o n l ym a k e s i tp o s s i b l et oa p p l ye n g i n e e r i n gm e t h o d o l o g i e si n w e bs i t e d e v e l o p m e n tb u t a l s o i m p r o v e st h er e a d a b i l i t ya n dm a i n t a i n a b i l i t y o fa r e s u l t i n gw e bs i t e m o r e o v e r ，t h ew e b s i t e sg e n e r a t e df r o mo n t o w s ma r es e m a n t i c w e bs i t e so ns e m a n t i cw e b k e y w o r d s w e b e n g i n e e r i n g ，w e bs i t em o d e l i n g ，s e m a n t i cw e b ，o n t o l o g y 2 1 绪论 1 绪论 1 1 研究背景 迄今为止，w e b ( w o r l dw i d ew e b ) 的飞速发展令人目不暇接。w e b 已经取 代了许多传统的交流模式，成为了众多行业竞相选用的信息发布媒介和分布式应 用集成平台。w e b 的迅捷实时性促使传统应用逐步跨向现今的基于w e b 的应用。 w e b 应用是当前基于w e b 信息系统的主要表现形式，其特征是通过w e b 浏 览器或h t t p 用户代理访问实现服务。它一般由瘦客户端( w e b 浏览器) ，表达 层( w 曲服务器) ，应用层( 应用服务器) 以及数据服务层( 数据库) 组成。它 所承担的任务不仅是简单的基于w e b 的数据发布，也包括了信息系统的构建和 复杂的应用逻辑。 w e b 站点和w e b 应用是同一事物通过不同视角的观察的结果。w e b 应用是 w e b 站点从外在功能角度的概括，w e b 站点是w e b 应用的实际存在形式和实现 技术。w e b 站点分为静态w e b 站点和动态w e b 站点。静态w e b 站点的全部页面 内容都来自事先生成的文件。动态w e b 站点的一部分页面内容通过服务器端的 即时计算得到，即所谓的动态页面( d y n a m i cw e bp a g e ) 。本文的研究对象主要 是以数据为中心的动态w e b 站点，即w e b 站点的功能主要是管理和动态发布和 某一领域相关的数据，并向用户提供数据内容的查询功能。 随着w e b 站点内容的不断增加，其规模也在不断庞大。大规模w e b 站点的 开发中出现了很多需要解决的问题， 大规模w e b 站点的开发需要规范的开发方法支持，简单的w e b 页面编 辑工具，如微软的f r o n t p a g e 已经不能满足大型w e b 站点的开发需要， 而且，依赖于个人能力的开发方法经常导致w e b 站点开发的失败，w e b 站点的维护十分困难。 w e b 站点上的数据内容通常是非结构化的数据，而且这些数据通常和面 向表现的h t m l 标记混杂在一起。对数据内容的管理和维护非常困难， 而且，w e b 站点的外观一旦要改变，就会涉及w e b 站点的数据内容， 常常是“牵一发而动全身”。 由于w e b 站点的最终表现是页面，内容表达粒度过于精细，导致了由 w e b 站点的设计转换为w e b 站点的实现容易，而从w e b 站点的实现却 很难看出w e b 站点的设计思想。 目前，w e b 站点上数据内容的语义通常是隐含的，例如： j o eb l a c k ，通过人为的理解，我们可以知道j o eb l a c k 1 绪论 是一名学生，但是，对于计算机来说， 标记并没有任何的意义， 也就是说s t u d e n t 的含义是隐含的，需要人为的解释，计算机不能自动识 别。 针对上述的前三个的问题，w e b 工程( w e be n g i n e e r i n g ) 的概念应运而生。 w e b 工程方法借用传统软件工程领域思路，采用结构化或面向对象技术，以模型 驱动的开发方法开发w 曲站点，相关的研究和系统有o o h d m ，a r a n e u s 和 w e b c o m p o s t i o n 等方法。它们均根据w e b 站点的开发特点，提出自己了的一套 模型，指导w 曲站点的开发，实现w e b 站点构建过程的工程化，使w e b 站点更 加易于维护，本文将在下一章分析这些方法的优缺点。 上面提到的最后一个问题与语义w e b ( s e m a n t i cw e b ) 和本体( o n t o l o g y ) 有关，o n t o w e b b e r 方法正是结合w e b 工程和本体解决上述问题的一个解决方案， 本文将在下一章作具体分析。 1 2 本文的主要贡献 上海( 国际) 数据库研究中心在国家自然科学基金和国家8 6 3 的资助下，承 担了“电子图书馆的相关关键技术研究”( 6 9 9 3 3 0 1 0 ) 和“基于w e b 服务的数据 库新技术”等重点项目，其中包括了对大规模w e b 站点的开发维护过程的研究 内容。针对于大型w e b 站点开发中所遇到的难点，本文提出了基于本体的w e b 站点模型，采用清晰的四层模型描述w e b 站点的各个方面，支持w e b 站点从设 计到实现的全过程。本文的贡献如下： 以本体作为整个w e b 站点模型的基础，通过本体把w e b 站点上数据内 容的语义显式地、形式化地表达出来，不仅有利于w e b 站点的集成，而 且使w e b 站点具有语义w e b 的特征。 利用实体一联系模型建模w e b 站点上的数据内容，使数据更加容易管理 和维护，并且通过把实体联系模型和本体联系起来，使实体和联系隐含 的语义显式地、明确地表达出来，为智能化的数据搜索提供了基础。 在抽象的层次上描述整个w e b 站点，利用相对独立的四层模型把w e b 站点的不同方面清晰的分离开来，使w e b 站点易于设计和维护。 采用基于动态x m l 技术的w e b 站点实现方式，利用x m l 文档存放 w e b 站点的内容，x s l t 文档负责数据内容的显示，不仅分离了数据内 容和数据显示形式，而且能适用于多种客户端。 能生成面向语义的x m l 文档，x m l 文档中出现的词汇的语义都在本体 中有明确定义，具有语义w e b 的特征，为将来语义w e b 上的高级应用 提供了基础。 4 绪论 实现了o n t o w s m 编译器，能够把基于本体的四层站点模型转换成基于 x m l 的w e b 站点实现。 1 3 全文结构 本文共5 章，章节安排如下： 第一章：介绍了w e b 站点建模的研究背景和本文的主要工作。 第二章：介绍了和w e b 站点建模相关的研究领域：w e b 工程和语义w e b ， 并分析和比较了目前存在的几种w e b 站点模型，总结w e b 站点建模的研究现状。 第三章：全面介绍本文提出的基于本体的w e b 站点模型，并通过一个建模 实例说明本文提出的建模方法，本章的内容和附录4 中本人发表的第二篇和第三 篇文章的内容相似。 第四章：介绍w e b 站点模型编译器的实现原理和核心技术。 第五章：总结本文的工作，并提出迸一步的发展方向。 2 相关研究工作 2 相关研究工作 w e b 站点建模的研究属于w e b 工程领域，同时语义w e b 和本体的提出给 w 曲站点建模的研究注入了新的研究内容，本章首先介绍w e b 工程、语义w e b 和本体的概念，然后分析现有w e b 站点模型的优缺点，提出基于本体的w e b 站 点模型。 2 1w e b 工程 w e b 工程 1 【2 的概念源于“w e b 应用开发中的软件工程”。它提出于上世 纪9 0 年代末期，是近年来兴起的个新的研究领域，其初衷类似于与6 0 年代 软件工程的提出动机。w e b 工程主要使用工程的手段解决由于w w w 的规模的 膨胀以及w e b 应用( w e b a p p l i c a t i o n ) 的复杂度迅速上升所产生各种问题，研 究内容包括基于w e b 信息系统的开发方法、模型、工具等。w e b 工程目前已经 成为一个多领域交叉的研究方向，它涉及人机交互、信息检索、计算机图形学、 信息工程、建模以及项目管理学等多方面课题【4 】。近年来w e b 工程的概念已经 逐渐被广泛接受并关注，它的研究为如何更有效的实现基于w e b 的计算提供了 方法学及工程化的手段。 2 1 1w e b 危机与w e b 工程的历史 w e b 危机( w e bc r i s i s ) 3 】指的是近年来在中大规模的w e b 应用( 尤其是 各类大规模的基于w e b 的信息系统) 开发中已经出现了大量从根本上影响了 w e b 应用开发质量和效率的问题。与6 0 年代软件危机时所凸现的各种症状类 似，由于目前开发方法发展的滞后无法适应有关w e b 的应用开发的规模的不断 增大以及各项技术的日益复杂，大量网站项目开发过程中产生诸多具有共性的问 题，其中包括： 项目管理者无法准确估算； 网站丌发周期与成本单个页厩长度以及页面总数膨胀； 页面可读性差、可维护程度低； 难以满足日趋复杂的需求，客户对产品不满意现象经常发生； 开发人员有效工作时间比例低：项目进度与质量失去控制； 出现大量失败或半部分失败的项目等。 w e b 危机产生的根源也与软件危机类似【2 】。通过回顾软件危机的产生可以 看到，在计算机系统发展的初期，程序常常是为特定目的编制的，大多数程序是 由使用该程序的个人和机构编制，其产品缺乏通用型，开发过程带有强烈的个人 色彩，而且除源码之外往往没有任何说明性的文档，所有的资料仅仅存在于程序 6 2 相关研究t 作 开发人员的大脑中。从6 0 年代中期开始，软件开始作为一种产品被广泛应用， 出现了专业从事软件生产的技术人员及作坊式的小型组织。但在这一阶段，早期 的个体化软件开发方式仍然被沿用。程序员仍然停留在编写程序的层次而不是上 升到编写软件的高度。开发规模和开发方式之间的巨大差距导致了软件危机。 同样的情况也发生在与w e b 相关的开发中，即所谓的w e b 危机。以h t m l 标记语言与h n l p 传输协议为核心的w e b 技术是9 0 年代早期出现的一种嚼络 信息技术。出现之初，w e b 的主要用途是实现超文本的表示和远距传输，主要 被一些个人或科研机构用于发布信息或公布文档。在早期阶段，大多数w e b 上 的文档均由文档所有者或者文档发布人自己制作，文档总数较少而且样式相对简 单。这一时期w e b 上的信息系统的特点是【1 ： 以文本内容的存储和发布为主； 已存在的文档很少更动内容； 文档群内部的导航结构简单； 对性能要求不高等。 从9 0 年代中期开始，w e b 信息系统的规模开始趋于大型化，在这一时期， 一系列的大型商业门户站点开始出现，它们主要从事复杂内容的提供以及一些简 单服务的提供。另外，一些大型的企业也开始进入w e b 设立自己的站点提供有 关企业的各项信息，亦即通常所称的企业黄页。从这一时期开始，基于w e b 的 信息系统由面向内容发布逐渐转为面向功能服务，其主要特点是： 页面复杂、和数据库及其他信息系统集成； 内容变更频繁； 对性能要求高； 对开发团队的人员构成及素质要求高等。 因此，一些专业团队和机构开始出现，为客户提供网站建设以及页面制作的 服务，但其开发方式仍然沿袭了早期的个人化的页面开发方式，开发者只是专注 于制作大量的网页而没有注意到如何从w e b 信息系统的整体角度进行开发。这 些开发者在开发过程中对需求缺乏明确的分析，没有详细确切雨且可以实用的设 计文档，没有实施项目管理和风险控制，项目的成败完全依赖于开发者的经验。 同时，由于缺乏文档和有效的测试，开发完成的网站难以维护和更新，可扩展性 差。 w e b 危机还源于超文本标记语言本身的缺陷。正如软件危机源于结构化语 言出现以前的高级语言本身的不足，超文本标记语言的不规范化以及不受约束的 超链接使得w e b 上的应用系统缺乏较好的可靠性、可维护性和可读性。而一些 技术的出现，如通用网关接口( c g i ) 以及服务器端脚本( s e r v e r s i d es c r i p t ) 等， 2 相关w f 究工作 以及在此基础上的新应用的开发更加剧了w e b 危机的严重程度。2 0 0 0 年1 1 月 的一份调查【l 】显示，在大型的基于w e b 的项目中， 8 4 的系统在交付客户时不能完全达到客户的需求， 7 9 的项目被迫延期， 6 3 的项目预算超支。 因此，如何在复杂w e b 开发中确保性能、质量和效率正在收到越来越多的 关注。从9 0 年代后期开始，相关研究开始增多。1 9 9 8 年，w e be n g i n e e r i n g 的 概念被提出【4 4 ，此后相关研究便逐渐归于该课题的研究领域。从1 9 9 8 年至今， 在关于网络、多媒体以及软件工程的一系列重要国际学术会议上，w e b 工程都 已经被单列为个重要讨论主题 5 】，大批学术论文以及一些演示系统也不断涌 现。 2 1 2w e b 工程的含义和研究内容 “工程就是系统性地利用科学知识以成效( c o s t e f f e c t i v e ) 的方案解决实际 问题”f 4 1 。w e b 工程的主要思想就是在基于w 曲的信息系统的开发中实现工程 化，其研究的内容包括w e b 应用的建模、开发过程以及辅助开发工具等。 w e b 工程的主要研究对象是基于动态网页的w e b 应用，尤其是复杂的w e b 应用。类似于软件工程，w e b 工程其主要研究内容是w e b 应用的整个生命周期 内的系统化方法以及非技术层面的问题，包括系统分析、网站设计、项目计划、 网站开发、系统测试、文档管理、质量控制、风险控制以及系统维护等；其主要 研究目标是确保和提高w e b 应用开发的质量、性能和效率。 从广义上说，w e b 应用也是一种软件产品。因此软件工程的方法和原则对 w e b 应用的开发仍然具有实际意义。同时，w e b 工程的提出与软件工程的产生 有非常相似的背景，因此软件工程的研究方法、思路和指导思想在w e b 应用开 发中可以被充分借鉴【2 】。但是，w e b 工程并不仅仅是软件工程在w 曲引用开发 中的一项具体应用。w e b 应用不同于传统意义上软件系统的一些特点【3 】使得 w e b 工程含有一些传统软件工程未曾涉及的研究内容和课题，传统的软件工程 的方法和原则在w e b 开发中的应用需要经过调整以适应其特点。w e b 应用不同 于传统软件的特点如下： w e b 站点的实现基于w e b 页面； 以w e b 站点发布的数据内容为驱动； w e b 页面之间的导航和链接； w e b 站点上的数据和表现形式都会频繁的更新； 动态w e b 站点的开发技术和b s 的体系结构； 基于超文本文档的一类特殊的用户界面； 2 相关研究工作 因此，传统的软件工程和开发方法不能完全适合于、b 应用的开发，针对 w e b 站点不同于传统软件的特点，w e b 工程领域中出现了如c o n a l l e n 、r m m 、 a r a n e u s 和o o h d m 等方法，借用传统的软件工程方法中的面向对象或结构化模 型，支持w e b 应用的分析和设计，并集成了超媒体导航模型，但是，目前还不 很成熟，如较少考虑维护问题；开发生命周期中模型不一致；采用各自的描述， 还没有统一的方法等。本文将在2 。3 节中具体介绍这些w e b 工程方法。 此外，语义w e b 和本体的提出给w e b 工程注入了新的研究内容，接下来本 文将介绍语义w e b 和本体的相关知识。 2 2 语义w e b 与本体 语义w e b 要求w e b 上的数据应当具有明确的语义，是能被计算机理解和自 动处理的，因此未来语义w e b 上的站点应当是语义w e b 站点，本节将介绍语义 w e b 和本体的概念以及它们对w e b 站点带来的影响，阐明本文为什么要在w e b 站点模型中加入语义模型。 2 2 1 语义w e b 1 9 9 8 年，w e b 的创始人t i mb e m e r s l e e 首次提出了“语义w e b ”( s e m a n t i c w e b ) 的概念及其技术路线 6 】，阐述了语义w e b 的基本思想。之后，在2 0 0 0 年 1 2 月8 曰x m l 2 0 0 0 大会的重要发言中b e m e r s l e e 正式提出了语义w e b 的概念， 并专门解释了“语义”和“w e b ”两个词的含义：在“w e b ”背后是可导航空间 的思想，用u r i ( 统一资源标识符) 映射到资源上。语义w e b 所指的“语义” 是“机器可处理的”语义，而不是自然语言语义和人的推理等目前计算机所不能 处理的语义信息。对于数据，语意表达了机器能对这些数据做些什么。若给出一 些“机器可处理的”语义数据到一台机器，它能用这些数据做正确事情，就称它 通过了“语义测试”。语义w e b 目标是使w e b 上的信息具有计算机可理解的语 义，满足智能软件a g e n t 对w w w 上异构和分布信息的有效访问和检索。 2 0 0 1 年2 月9 日，w 3 c 正式成立“s e m a n t i cw e b a c t i v i t y ” 7 1 来指导和推动 语义w e b 的研究和发展，语义w e b 的地位得以正式确立。语义w e b 是建立在 r d f 1 4 - 与其它的标准之上，对w 曲上的数据所进行的一种抽象表示。语义w e b 由w 3 c 负责开发，同时联合了为数众多的研究机构和工业团体。根据w 3 c ， “s e m a n t i cw e ba c t i v i t y ”的目标是开发一系列计算机可理解和处理的表达语义 信息的语言和技术，以支持网络环境下广泛和有效的自动推理。在目前阶段，它 主要致力于支持对网络信息资源及其内容的语义和语义关系表征，支持a g e n t 系统基于语义对数据的自动分析、理解和处理，支持a g e n t 系统相互问基于语义 ! 塑茎堕窒三堡 的知识交换，支持不同应用领域和系统间基于语义对数据进行自动的交换、转换 和复用。 2 0 0 1 年5 月，t i mb e r n e r s l e e 等在科学美国人( s c i e n t i f i ca m e r i c a n ) 上 发表了文章“t h es e m a n t i cw e b ”【1 0 ，用浅显的语言和生活实例从“应用设想”、 “意义表达”、“知识表示”、“本体( o n t o l o g y ) ”、“a g e n t ”以及“知识演化”等 诸多方面对“语义w e b ”作了较全面的阐述。文章认为：语义w e b 是对当前w e b 的扩展，它所具有的良好定义的语义，能更好地使计算机和人之间进行协同工作。 图2 1 ：语义w e b 的体系结构 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构一语义w e b 体系 结构 1 1 ，如图2 1 所示：从底层到高层分别为：u n i c o d e 与u r i 、x m l 、r d f ( s ) 、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 与u r i ，是整个语义w 曲体系结构的基础。其中 u n i c o d e 负责处理资源的编码，它是一个新的字符编码系统标准，支持 世界上所有主要语言文本字符。而负责标识资源的u r i ( u n i v e r s a l r e s o u r c ei n d i c a t o r ) 是u r l ( u n i v e r s a lr e s o u r c el o c a t o r ) 的超集。作为 i n t e r a c t 资源的一种标准的识别方法，u r i 可以进行更为精确的资源标 识，使信息的精确检索成为可能。 第二层是x m l + n s ( n a m e s p a c e ) + x m ls c h e m a 【1 2 ，用于从语法上表 示数据的内容和结构，通过使用标准的格式语言将网上资源和信息的表 现形式、数据结构和内容分离。 第三层为r d f + r d fs c h e m a ，它提供的语义模型用于描述w e b 上的资 源及其类型，为网上资源描述提供一种通用的表示框架，实现数据集成 的原数据解决方案。 第四层为o n t o l o g y 词汇( v o c a b u l a r y ) 层，用来定义共享的知识，从而 对各种资源之间的语义关系进行描述，揭示资源本身以及资源之间更为 o 2 相关研究工作 复杂和丰富的语义信息。 第五层l o g i c ( 逻辑) 层主要提供公理和推理规则，为智能服务提供基 础。比如可利用分布在w e b 上的各种断言和公理推理出新的知识。 第六层p r o o f ( 证明) 和第七层t r u s t ( 信任) 则注重于提供认证和信任 机制，使用户代理a g e n t 在网络上实现个性化服务和彼此间交互合作具 有可靠性和安全性。如果不设计一个跨系统的推理系统，而是建议一种 普遍性语言来表达证明，就实现了第六层p r o o f 层。 数字签名( d i g i t a ls i g n a t u r e ) 跨越了多层，虽然公钥密码技术已存在较 长时间了，但还没有真正广泛应用，如果加上语义w e b 各层支持，使一 个团体在一定范围内可信任，就实现了t r u s t 层，这样一些诸如电子商 务等重要的应用就可以进入到语义w e b 的实现领域中。 第四层到第七层是在下面四层的基础上进行逻辑操作。在整个语义w e b 体 系结构中，核一心层为x m l 、r d f ( s ) 、o n t o l o g y ，支持从语义上描述w e b 信息， 是当前语义w e b 研究和应用关注的重点。本文正是以核心层为研究重点，以本 体作为w e b 站点的语义基础，生成的w e b 页面均是含有明确语义信息的r d f 文档，r d f 文档中出现的词汇均能在本体中找到定义。 作为w e b 技术的提升和发展，语义w 曲代表了下一代w e b 的发展和趋势。 语义w e b 将赋予信息资源更明确、更完备的语义，使得计算机能够对w e b 资源 进行理解，进而实现w e b 数据和w e b 服务处理的语义化和智能化，将w e b 构建 为功能强大、普适的信息集成和交换平台。语义w e b 的实质就是增强w e b 资源 的语义表示，包括对w e b 资源的内容意义和功能能力进行的描述，使得语义得 以显示地表达，以满足分布式主流计算环境语义互操作性的需要。 在语义w e b 的提出和发展过程中，本体起着非常重要的作用，下面一节将 阐述本体论的概念、思想和内容。 2 2 2 本体概述 2 2 2 1 本体的定义 o n t o l o g y 最早是一个哲学的范畴，后来随着人工智能的发展，被人工智能界 赋予了新的定义。然而，人们对o n t o l o g y 的理解并不完善，这些定义也出在不 断的发展变化中，到目前为止，关于本体的定义还没有比较统一的说法，但是计 算机领域的大多数研究者认为：“本体是关于可共享概念体系的明确的形式化的 规格说明”【3 6 】，这个定义体现了o n t o l o g y 的四层含义： 概念体系( c o n c e p t u a l i z a t i o n ) 2 相关研究t 作 通过抽象出客观世界中某一领域内经常出现的现象( p h e n o m e n o n ) 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； 明确的( 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，必须直接、无二义的 给出； 形式化的( f o r m a l ) 本体必须被计算机所直接理解和处理； 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 针对的是团体而不是个体。 本体的目标是捕获相关的领域的知识，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。 2 2 2 - 2 本体的建模原语 p e r e z 等人用分类法组织了本体，归纳出5 个基本的建模原语( m o d e l i n g p r i m i t i v e s ) 【3 6 1 ： 概念( c o n c e p t s ) 概念描述领域内的一组或一类实体，通常以分类体系的形式组织，例如，“葡 萄酒”是葡萄酒领域的一个概念。从语义上讲，概念表示的是对象的集合，其定 义一般采用框架( f r a m e ) 结构，包括概念的名称、与其他概念的关系，以及用 自然语言对概念的描述。 关系( r e l a t i o n s ) 关系描述概念之间或者概念的属性之间的相互作用。关系大致可分成两类： 分类体系( t a x o n o m i e s ) ：将概念用层次树结构组织。最普遍的形式有： p a r t o f 关系，表达概念之间部分与整体的关系； _ k i n d o f 关系，表达概念之间的继承关系，类似于面向对象中的子类 与父类之间的关系； 关联关系( a s s o c i a t i v er e l a t i o n s h i p s ) ：表示概念之间的联系。 此外，还有i n s t a n c e o f 关系，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；a t t r i b u t e o f 关系，表达某个概念是另一个概念 的属性，如“颜色”是“桌子”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4 种基本关系，可以根据领域的具体情况定义相应的关系。 如同概念一样，关系也可以用分类体系的结构来组织。例如，h a s n a m e 可 2 相关研究工作 分为h a s f i r s t n a m e ，h a s l a s t n a m e 和h a s n i c k n a m e 。关系还包含一些概念间联系的 属性，例如联系的基数、联系是否必要、联系是否具有传递性等。当这些概念化 工作完成以后，一个本体也就基本诞生了。 函数( f u n c t i o n s ) 类特殊的关系。该关系的前n 一1 个元素可以唯一决定第n 个元素。形式 化地定义为f ：c 1 c 2 c n 1 一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。 公理( a x i o m s ) 代表永真断言，公理是领域中通用的恒真命题，用来对概念、关系或实例进 行约束。从这个意义上说，关系的属性也是公理的一种。公理还包括一些通用 的规则，如1 8 周岁以上的人才是成年人。 实例( i n s t a n c e s ) 实例实际上是概念所表示那些具体事物或对象。例如，小明是概念“学生” 的一个实例。严格意义上讲，一个本体不应包含任何实例，因为本体是领域的 概念化。一个本体和其相关联的实例的结合体就是通常认为的知识库 ( k n o w l e d g e b a s e ) 。然而，确定概念和实例有时候是很困难的， 在不同的应用 中也会有所差别。例如，原子是一个概念，钾是原子的一个实例，然而，同样 可以认为钾是表示钾及其同位素不同实例的概念。 2 2 2 3 本体的作用 一个本体定义了领域中研究者需要的共享信息的一个通用词汇集合。包括了 领域中一些基本概念和关系。 近几年来，本体研究已经不在局限于人工智能领域，已经在计算机的各个领 域得到了应用和发展，本体之所以得到这么大研究和发展，因为本体有以下的作 用 3 4 】： 交流( c o m m u n i c a t i o n ) ：主要为人与人之间或组织与组织之间的交流提 供共同的词汇。 互操作( i n t e r - o p e r a b i l i t y ) ：在不同的建模方法、范式、语言和软件工具 之间进行翻译和映射，以实现不同系统之间的互操作和集成。 系统工程( s y s t e m se n g i n e e r i n g ) ：本体分析能够为系统工程提供以下方 面的好处： _ 可重用性( r e - u s a b i l i t y ) ：本体是领域内重要实体、属性、过程及其 相互关系形式化描述的基础。这种形式化描述可成为软件系统中可 重用和共享的构件。 - 搜索( s e a r c h ) ：本体可以作为元数据，描述信息库中信息的索引。 一可靠性( r e l i a b i l i t y ) ：形式化地表达使得自动的一致性检查成为可能， 从而提高了软件的可靠性。 _ 规格说明( s p e c i f i c a t i o n ) ：本体分析有助于确定i t 系统( 如知识库) 的需求和制定规范。 _ 维护( m a i n t e n a n c e ) ：在系统开发中使用本体，会使得维护更加容易。 使用本体构造出来的系统改进了软件的文档化工作，从而减少了维 护成本。 _ 知识获取( k n o w l e d g ea c q u i s i t i o n ) ：当构造基于知识的系统时，用已 有的本体作为起点和基础来指导知识的获取，可以提高其速度和可 靠性。 2 2 2 4 本体的表示 本体要在应用程序中使用，它必须用特定的方式表示出来。表示概念模型 的语言有很多，它们各自的特性( 包括表达能力、易用性和计算复杂度) 都有 所不同。知识表示( k n o w l e d g e r e p r e s e n t a t i o n ，k r ) 长期以来一直是人工智能领 域的研究热点。 目前本体的表示语言主要有三类：( 1 ) 用自然语言定义的词汇；( 2 ) 基于对 象的知识表示语言( 如框架模型和u m l ) ；( 3 ) 基于谓词的逻辑( 如描述逻辑 d e s c r i p t i o nl o g i c s ) 。 基于框架的系统由槽和属性组成，框架可以有k i n d o f 的槽来定义框架的分 类体系，这种层次可用于槽的继承。基于框架的表示除了表示概念外还可以包含 表示特定实例的实例框架。最著名的本体框架系统是o n t o l i n g u a 1 3 。框架比较 流行的原因是由于框架模型和对象模型非常相似，而且框架模型非常直观。框架 系统的语义由o k b c 标准定义 1 4 1 。 逻辑可以描述本体，尤其是描述逻辑( d e s c 邱t i o nl o g i c s ，d l s ) 【1 5 1 。描述 逻辑的一个特征就是它用其他概念来定义概念。整个模型通过一些小部分描述形 成，而不是声明一个层次结构。描述提供很多推理规则，以用来形成分类层次结 构并检验描述的一致性。另外，这些推理规则可以被需要使用该本体的应用程序 使用。 事实上，描述逻辑和框架并非互不相容。描述逻辑可以看作框架的逻辑再现， 两者可以结合起来。例如，o i l ( o n t o l o g y i n f e r e n c el a y e r ) 【1 6 就将这两者统一 起来，用x m l 或r d f 定义。o i l 结合了框架表示的建模原语和描述逻辑简单清 晰的语义，在推理引擎的支持下能进行自动推理。o i l 是目前公认的较出色的本 2 相关研究工作 体表示语言，它还和d a m l ( d a r p a a g e mm a r k u pl a n g u a g e ) 结合形成 d a m l + o i l 1 7 。o w l 4 0 ( w e bo n t o l o g yl a n g u a g e ) 是在d a m l + o i l 的基础 之上发展起来的本体描述语言，目前已经成为w 3 c 推荐的标准。 本文将采用w 3 c 推荐的标准w e b 本体描述语言o w l ( w e bo n t o l o g v l a n g u a g e ) 描述本体，本文会在3 2 节中具体介绍o w l 。 2 2 3 语义w e b 和本体对w e b 站点的影响 整个w e b 是由许许多多的w e b 站点组成的，要实现w e b 向语义w e b 的转 变，就要从每一个w 曲站点入手，使每个w 曲站点都成为语义w e b 站点，其本 质就是要把w e b 站点上数据隐含的语义显式地、形式化地表达出来，使w e b 站 点上的页面能被计算机自动的理解和处理。 在语义w e b 和本体的背景下，很多研究者开始研究如何使现有的w e b 页面 带有明确的语义，如s h o e 4 0 】、o w a 4 3 i 和o n t o w e b b e r 3 9 等。s h o e ( s i m p l e h t m l o n t o l o g ye x t e n s i o n s ) 是一种基于本体的h t m l 扩展语言，它能够使w e b 站点的设计者对w e b 页面进行语义标注。从而使w e b 代理( w e ba g e n t ) 能够回 答类似“f i n dm ea l lg r a d u a t es t u d e n t si nm a r y l a n dw h oa r ew o r k i n go nap r o j e c t f u n d e db yd o di n i t i a t i v e1 2 3 4 5 6 7 ”的智能查询，有效解决基于关键字查询的缺 陷，提高查询的准确率。s h o e 的核心思想是在h t m l 的基础上加入语义标记， 通过扩展h t m l 来描述本体。扩展h t m l 来描述本体虽然能使h t m l 的编写者 能够容易地在h t m l 文档中加入语义信息，而且使w e ba g e n t 更加有效、准确和 智能地在w e b 上获取信息，但是，h t m l 把内容和表现混杂在一起，s h o e 还 要把本体混合在里面，并不是十分合适。相比之下，目前w e b 上的本体描述语 言o w l ( w e b o n t o l o g yl a n g u a g e ) 建立在x m l 和r d f 之上，显然比建立在 h t m l 之上的s h o e 更加合适，而且o w l 已经成为w 3 c 上的标准。 o w a ( o n t o l o g y w e ba n n o t a t i o n ) 是基于本体的w e b 标注框架，其实质也是 利用本体给w e b 页面带上显式的语义，提高w e b 上搜索的质量，这些语义标记 能够让w e b 站点的设计者编辑出符合语义w e b 标准的w e b 页