（计算机软件与理论专业论文）应用集成系统中的本体映射方法研究.pdf

山东大学硕士学位论文 摘要 在医疗机构信息化的进程中，国内大多数医疗机构都已经建立了自己的信息系 统。这些系统中，用一些共同的词汇表( 类似于一个本体) 来定义信息源中的领域 对象，各个信息源根据共同词汇表来描述他们所存储的信息。数据在结构和语义上 的不一致性已经成为它们信息化进程中的主要障碍。 为了解决这个问题，研究者们引入了本体的概念，通过对医疗机构内的概念的 详细而系统的定义来描述数据。但不同的本体在逻辑结构组织上也往往是不同的。 而且在多信息系统的环境中，各个独立开发的系统多有自己的内部表示模型和自己 的本体。因而这些系统之间的信息交流需要由一个专门的映射过程来实现。 德国k a r l s r u h e 的研究人员开发了一套基于本体的k a o n 管理系统。在这套 系统的基础上，我们搭建了本体映射框架，其中包括数据服务、本体，元数据等等， 对集中典型的本体映射方法进行了分析，提高了查询的准确率和效率，并最大程度 地保留了现有系统，提高了用户使用的方便性。该机制通过将数据库词汇映射到本 体概念上解决了语义异构问题，有效地解决了医疗领域的数据资源问题。本文的主 要工作如下： 使用本体技术描述构件信息，为构件的准确、全面、方便的检索提供了支持。 比较各种方法，提出了f c a 本体建模方式，实现了一个在本体之间执行映射的 通用框架，从而一定程度上克服了本体映射中普遍存在的匹配效率低的问题，提高 了查询的准确率和效率。 而本体映射具体的实现过程如下： 1 标准化：从文档中抽取实例，并形成正式上下文k l 和k 2 ，即将本体原先的 表示转换为一种可以进行概念格剪切的标准形式。 2 候选映射标准：建立候选概念对，从中选择出进行下一步相似性比较的子 集。 ， 3 相似性比较与综合；利用被剪切的概念格，对候选映射的相似性进行比较 与综合。 4 生成映射：根据第3 步的结果，利用闽值对候选映射对进行筛选建立映 山东大学硕士学位论文 射。 5 叠代：返回至第2 步，重复运行，直至没有新的映射对产生，则算法中止， 输出结果。 w 3 c 组织已经明确表示下一代互联网将是语义网络。本体的应用则对实现这个 目标起着重要的作用。由本体所提供的基于内容的访问、交互和跨越互联网的交流， 将使下一代网络提升到一个新的水平：语义网络。 关键词知识共享；本体；本体映射 山东大学硕士学位论文 a b s t r a c t i nt h em e d i c a le s t a b l i s h m e n tb e c o m i n ga ni n f o r m a t i o nb a s e ds o c i e t y a d v a n c e m e n t ，t h ed o m e s t i cm a j o r i t ym e d i c a le s t a b l i s h m e n ta l r e a d yh a sa l l e s t a b l i s h e do w ni n f o r m a t i o ns y s t e m i nt h e s es y s t e m s ，( s i m i l a rw i t hs o m e c o m m o ng l o s s a r i e si nam a i nb o d y ld e f i n e si n t h ei n f o r m a t i o ns o u r c et h e d o m a i no b j e c t ，e a c hi n f o r m a t i o ns o u r c eb a s i sc o n o ng l o s s a r yd e s c r i b e st h e i n f o r m a t i o nw h i c ht h e ys a v e s e a c hd a t aa l r e a d yb e c a m ei nt h e i rb e c o m i n g a ni n f o r m a t i o nb a s e ds o c i e t ya d v a n c e m e n ti nt h es t r u c t u r ea n dt h es e m a n t i c n o n u n i f o r m i t yam a i nq u e s t i o n i no r d e rt os o l v et h isp r o b l e m , t h er e s e a r c h e r sh a v ei n t r o d u c e dt h em a i n b o d yc o n c e p t ，t h r o u g hi sd e t a i l e db u tt h es y s t e md e f i n i t i o nt oi nm e d i c a l e s t a b li s h m e n t sc o n c e p tt od e s c r i b et h ed a t a b u tt h ed i f f e r e n tm a i nb o d y i nt h el o g i c a lo r g a n i z a t i o no r g a n i z a t i o na l s oo f t e ni sd i f f e r e n t m o r e o v e r i nt h em u l t i i n f o r m a t i o ns y s t e m e n v i r o n m e n t ，e a c ho n ei n d e p e n d e n t d e v e l o p m e n ts y s t e mh a so w ni n t e r n a le x p r e s s i o nm o d e la n do w nm a i nb o d y t h u s b e t w e e nt h e s es y s t e mi n f o r m a t i o ne x c h a n g en e e d st or e a l i z eb yas p e c i a l m a p p i n gp r o c e s s t h eg e r m a nk a r l s r u h er e s e a r c h e rh a sd e v e l o p e das e tb a s e do nt h em a i n b o d yi ( a o nm a n a g e m e n ts y s t e mm a n a g e m e n ts y s t e m i ni nt h i ss e to fs y s t e m f o u n d a t i o n ，w eb u i l tt h em a i nb o d yt om a pt h ef r a m e ，i n c l u d i n gt h ed i g i t a l d a t as e r v i c e ，t h em a i nb o d y ，t h en u m b e ra c c o r d i n gt oa n ds oo n ，m a p p e dt h e m e t h o dt ot h ec e n t r a l i s mm o d e lm a i nb o d yt oc a r r yo nt h ea n a l y s i s ，e n h a n c e d t h ei n q u i r yr a t eo fa c c u r a c ya n dt h ee f f i c i e n c y ，a n dt h eg r e a t e s td e g r e e r e t a i n e dt h ee x i s t i n gs y s t e m ，e n h a n c e du s e ru s ec o n v e n i e n t t h i sm e c h a n i s m t h r o u g hm a p p e dt h ed a t a b a s eg l o s s a r yt ot h em a i nb o d yc o n c e p ti nh a ss o l v e d t h es e m a n t i ci s o m e r i s mq u e s t i o n ，e f f e c t i v e l yh a ss o l v e dt h em e d i c a ld o m a i n d a t ar e s o u r c e sp r o b l e mt h i sa r t i c l em a i nw o r ka sf o l 】o w s ： t h eu s em a i nb o d yt e c h n o l o g yd e s c r i p t i o nc o m p o n e n t i n f o r m a t i o n w a s a c c u r a t e ，c o m p r e h e n s i v e l yf o rt h ec o m p o n e n t ，t h ec o n v e n i e n tr e t r i e v a lh a s i i l 山东大学硕士学位论文 p r o v i d e dt h es u p p o r t c o m p a r e dw i t he a c hm e t h o d ，p r o p o s e dt h ef c am a i nb o d ym o d e l l i n gw a y ， r e a l i z e dt oc a r r yo u tt h em a p p i n gg e n e r a lf r a m eb e t w e e nt h em a i nb o d y t h u s i nt h ec e r t a i nd e g r e eo v e r c a m et h em a i nb o d yt om a ph a st h em a t c he f f i c i e n c y l o wp r o b l e mg e n e r a l l y ，e n h a n c e dt h ei n q u i r yr a t eo fa c c u r a c ya n dt h e e f f i c i e n c y b u tt h em a i nb o d ym a p st h ec o n c r e t er e a l i z a t i o np r o c e s sa sf o l l o w s ： 1 s t a n d a r d i z a t i o n ：e x t r a c t st h ee x a m p l ef r o mt h ed o c u m e n t s ， a n d f o r m st h eo f f i c i a lc o n t e x t1a n d2 ，s o o nt h em a i nb o d yo r i g i n a le x p r e s s i o n t r a n s f o r m a t i o ni so n ek i n dm a yc a r r yo nt h es t a n d a r d f o r mw h i c ht h e c o n c e p ts t a n d a r dc u t s 2 c a n d i d a t em a p p i n gs t a n d a r d ：e s t a b l i s h e st h ec a n d i d a t ec o n c e p tt o ， c h o o s e sc a r r i e so nt h en e x ts t e po fs i m i l a rc o m p a r i s o nt h es u b s e t 3 s i m i l a rc o m p a r i s o na n ds y n t h e s i s ：t h eu s et h ec o n c e p ts t a n d a r d w h i c hc u t s ，c a r r i e so nt h ec o m p a r i s o na n dt h es y n t h e s i st ot h ec a n d i d a t e m a p p i n gs i m i l a r i t y 4 p r o d u c t i o nm a p p i n g ：a c c o r d i n gt ot h e3 r ds t e po fr e s u l t ，t o c a r r i e so ns c r e e n i n gu s i n gt h et h r e s h o l dv a l u et ot h ec a n d i d a t em a p p i n g ， e s t a b l i s h e st h em a p p i n g 5 i t e r a t i o n ：r e t u r n st ot h e2 n ds t e p ，t h er e r u n ，u n t i ld o e sn o th a v e t h en e wm a p p i n gp a i rp r o c e s s ，t h e nt h ea l g o r i t h ms t o p s ，o u t p u tr e s u l t t h ew 3 co r g a n i z a t i o na l r e a d yt h ee x p l i c i te x p r e s s i o nn e x tg e n e r a t i o n i n t e r n e tw i l lb et h es e m a n t i cn e t w o r k t h em a i nb o d ya p p l i c a t i o nt h e nt o a c h i e v e st h i sg o a lt op l a yt h ev i t a lr o l e b a s e do nt h ec o n t e n tv i s i tp r o v i d e s w h i c hb yt h em a i nb o d y ，a l t e r n a t e l ya n ds u r m o u n t st h ei n t e r n e tt h ee x c h a n g e ， w i1lc a u s et h en e x tg e n e r a t i o nn e t w o r kt op r o m o t et oan e wl e v e l ：s e m a n t i c n et w o r k k e yw o r d k n o w l e d g es h a r i n g ；o n t o l o g y ：o n t o l o g ym a p p i n g 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。对本文的研究作出重要贡 献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人 承担。 论文作者签名：望蔓盔 e t期：巡丝! 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、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；本人授权山东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：姜龚答导师签名： 御坼r 山东大学硕士学位论文 1 1 研究背景 第1 章绪论 在医疗机构信息化的进程中，国内大多数医疗机构都已经建立了自己的信息系 统。这些系统中，用一些共同的词汇表( 类似于一个本体) 来定义信息源中的领域 对象，各个信息源根据共同词汇表来描述他们所存储的信息。因此他们的数据库不 仅在地理上是分布的更是异构的，这对于开展业务造成了极大不便，不能很好地满 足用户的需要。 各个医疗机构的数据在结构和语义上的不一致性已经成为它们信息化进程中的 一个主要障碍。数据出于其表达方式和语义的差异，给医疗机构之间信息的共享和 通讯造成了很大的障碍。为了解决这个问题，研究者们引入了本体【1 2 1 的概念，通 过对医疗机构内的概念的详细而系统的定义来描述数据。但不同的本体在逻辑结构 组织上也往往是不同的。而且在多信息系统的环境中，各个独立开发的系统多有自 己的内部表示模型和自己的本体。因而这些系统之间的信息交流需要由一个专门的 映射过程来实现。 针对这一现象，我们建立了一个语义本体原型，其中包括数据服务、本体、元 数据等等，对集中典型的本体映射方法进行了分析，提高了查询的准确率和效率， 并最大程度地保留了现有系统，提高了用户使用的方便性。并提出了一种新的利用 本体映射分布式异构数据库资源的机制。该机制通过将数据库词汇映射到本体概念 上解决了语义异构问题，有效地解决了医疗领域的数据资源问题。 1 2 相关研究 1 2 1 本体映射方法 目丽国外研究本体的项目p 7 l 于良多，如k a c t u s i s , c y c ! ”，t o v 1 m ，e n t e r p r i s e ”1 国内在本体研究方面也做出了努力，如清华大学的孙刚博士提出了使用t o n e 本体 模型来分析协同产品丌发中的问题求解1 21 7 1 。并且现有的本体映射工程中很多都已 山东大学硕士学位论文 经能够实现本体日j 的映射。用来描述映射结果的方法各不相同，这些在相关的文献 中均有阐述。通常采用的方法大体上可分为： o n e - o n e 馆1 ( 单个本体对单个本体) 的方法，即映射仅发生在源本体和目标本 体之间。该方法要为每一个本体提供组转换函数使得它在没有中介本体的情况下 直接跟其它本体交流。这种方法的问题是计算的复杂度。 共享本体的方法。即在多个本体中选出一个共享本体，作为其它本体交流的中 介，以实现本体的重用。该方法的缺点是各个本体必须达成一致，限制了共享本体 的选择。 本体聚类的方法：即将多个本体根据资源的相似性进行聚类。本体簇可以按层 次进行组织。 具有代表性的实现方法有； - i n f o s l e u t h 的参考本体 i n f o s l c u t h 1 9 1 能够支持由小的组成本体组成复杂本体，因而一个小的组成本体可 以在多个应用领域使用。例如重用的本体包括测量单元、化学知识、地理元数据等。 本体间的映射是一个本体的术语和另一个本体的相关术语之间的关系。 本体的映射有一个特殊的被称为“资源代理”的类来完成。一个资源代理封装 了本体映射规则集，通过一个基于代理的系统设计到多个本体( 参考本体) 来展现 这些信息。所有映射都被封装在一个资源代理中，所有本体通过o k b c ( o p e n k - o w l e d g eb a c o n n e c t i v i t y ) 来表达，并通过一类特殊的被称为本体代理的类把它 们保存在一个o k b cs e r v e r 中。本体代理能为用户( 为查询) 和资源代理( 用于映 射) 提供本体描述。 _ k r a f t 的本体聚类 v i s s c r 和t a m m a ( 1 9 9 9 ) 建议用“本体聚类”f 2 0 】的概念来集成异构源。本体聚 类是基于不同代理所理解的概念相似性，用层次的形式来表达。本体的最顶层是应 用本体，它是用束描述特定领域的，因而不能重用。应用本体包括w o r d n e t 概念的 一个相关子集。一个薪的本体簇就是使用父本体已有概念定义。些新撅念的子本 体。概念是用属性和集成关系柬描述的，按层次关系进行组织。 - 斯坦福大学的本体代数 在这一应用中，本体的映射由本体代数2 】束执行。它包括三个操作符，即集合 山东大学硕士学位论文 交、集合并和集合差。本体代数的目标是提供一种能力来咨询那些存在大量语义且 互斥的知识资源，两个源本体问映射得到的结果本体只有在他们的上下文中才被假 设为一致的，称为关联上下文( j a n n i n k 等，1 9 9 8 ) 。 m i t r a , w i e d e x h o l d & k e r s t e n ( 2 0 0 0 ) 使用本体代数通过关联本体实现本体间的互 操作。它的输入是本体的图。其一元操作符包括过滤、抽取，二元操作符包括集合 并、集合交、集合差。 集合并操作符通过关联连接两个源本体图生成一个统一本体图，集合并体现了 伺一本体的一致性、连接和语义。集合交生成关联本体图，它包括关联生成器根据 两个本体间的关联规则生成的结点和边。集合交决定了知识库处理相似概念的部 分。集合差操作符，辨识两个本体之间的差别，定义一个本体的条目和关系，他们 不受另一个本体中的条目和关系的影响。这一操作允许局部本体维护器来决定一个 本体的范围，使得它和别的领域本体间的映射关系是独立的，从而可以在不更新其 它映射关系的情况下可以独立操作。 他们还做了一个被称为o n i o n ( o n t o l o g yc o m p o s i t i o n ) 的系统，这是一种基于合 理形式的框架，用于支持本体集成的可伸缩框架。其前景是，逻辑推论引擎尽可能 从本体表现模型中分离。o n i o n 中的本体是使用概念图来表示的，因此，本体的 映射就是基于图的映射。同时，领域专家可以定义各种各样的模糊匹配。o n i o n 的主要创新就是，用本体的关联关系来进行本体间的互操作，而且它图形化表示本 体，这样有助于把数据层和推论引擎分离。 n o y & m u s e n ( 1 9 9 9 ) t i ：发了s m a r t 这一算法，它为本体合并和修正的半自动化 提供了方法。s m a r t 还辅助本体引擎提示t o d o 列表，执行一致性校验。 1 2 2 现有本体映射方法的不足 我们对现有本体映射方法中的映射规则，结果本体、应用领域、己存在的辅助 工具和系统进行了分析，发现现有的映射系统存在很多问题。 首先，本体映射并不是简单的一对一的映射( 类名、关系名、属性名从一个本 体到另一个本体的映射) ，实际上，真正参与映射的是卷标所代表的概念。 其次，本体映射的效果和效率难以同时保证。尽管有一些映射方法的效果不错， 但这些方法的效率很难令人满意。这是因为本体内结点的数目非常巨大，而为了追 山东大学硕士学位论文 求好的映射结果，人们往往采用多重方法来对本体映射作综合考察，这必然导致效 率低下。必须要在映射效果和映射效率之间找到一个可以接受的平衡点。 另外一个缺点是，现有方法非常依赖专家的人工输入。尽管有些工具对于映射 有推进作用，然而，他们只能提供一些有限的函数，如类名和关系名的校验、一致 性校验、推荐t o d o 列表等。最后的判断还是依赖于专家去完成，其自动化水平很 低。 我们描述了一个基于语义的本体映射过程，选出合适的映射对，并进行多次循 环，最终完成映射任务，较好的解决了以上问题： 1 3 本文的工作与组织结构 我们针对医疗机构中数据的异构问题，建立了一个基于k a o n 系统的本体映射 原型，并对集中典型的本体映射方法进行了分析，提高了查询的准确率和效率，并 最大程度地保留了现有系统，提高了用户使用的方便性，从而有效地解决了医疗领 域的数据资源问题。并从以下几个角度考虑，从而在一定程度上克服了以上问题。 - 现有的本体映射中普遍存在着匹配效率低的问题，造成这一现象的主要原 因是大多数现有方法存在的基于模式信息的缺陷。针对这种情况，我们建 立了一个语义本体映射框架，运用f c a - m a p p i n g 算法，在一定程度上克服 了这一问题。 本文考虑了大量的实例信息数据，从而一定程度上克服了本体映射中普遍 存在的匹配效率低的问题，提高了查询的准确率和效率，并最大程度地保 留了现有系统，提高了用户使用的方便性。 - 利用基于f c a 的本体映射系统，本文对集中典型的本体映射方法进行了分 析。并结合实验结果，分析了各种方法的优缺点。针对这些不足之处，我 们也提出了些改进意见。 本文的组织结构是：第一章着重介绍了本文研究的背景、现状和相关研究。第 2 章探讨了本体映射平台的研究与实现，并对本体的映射模型作了一个初步的阐述。 第3 章详细论述了在k a o n 系统平台f 的分却式异构数据资源映射机制。第4 章从 时间性能和匹配率两方面入手，内容结合实例对本体映射方法进行比较总结，最终 归纳出本文运用的f c a 映射方法的优缺点，从而确定了下一步的工作方向。第5 山东大学硕士学位论文 章中，对全文进行总结并提出了下一步工作思路。 山东大学硕士学位论文 2 1 引言 第2 章本体映射平台的研究与实现 第1 章简述了医疗机构信息化的迸程中数据库信息采用本体映射的背景，即要 保持存储在不同的知识库中的数据在结构和语义上的一致性。列举了当今具有代表 性的本体映射方法，总结了其中的不足，并针对此问题，提出了自己的解决方案。 本章在应用集成平台的基础上对本体的映射进行了论述。 2 2 本体映射平台 随着世界范围的信息化进程的发展，医疗信息系统之间需要更多的通讯和 交互，各系统需要共享相关数据。但是，由于历史的及其他多方面的原因，这 些系统往往都是异构的，它们有着不同的开发环境，采用不同的实现平台，不 同的数据结构和实现方式。因此，如何提供一个有效的机制，消除医疗信息系 统之问信息孤岛、实现医疗应用集成，已经成为它们信息化进程中急需解决的 问题。因此，本课题以医疗机构为背景，建立一个应用集成原型系统。 本原型系统拟实现一个基于语义嘲的w e bs e r v i c e 集成框架。该集成框架 的基本结构是一个消息代理中间件，但作了语义扩充。集成的客户端封装为 w e bs e r v i c e 实现，所有的w e bs e r v i c e 都在框架内注册发布，并进行语义描述， 形成一令语义w c bs e r v i c e 注册中心。客户端之f b j 的消息交互通过w c bs e r v i c e 的语义匹配实现基于内容的消息转发路由。 如图2 1 所示，系统框架的实现由以下几部分构成： 、 1 应用系统接口封装 由于独立开发，各应用系统对外交互的接口都采用不同的实现方式和不同 的数据格式。这成为异构系统集成的个重要的障碍。因此，有必要对应 用系统接口进行封装。我们以服务的形式对应用系统接口进行抽象，所有 的系统交互都可以理解为服务的请求和提供过程。服务采用w e bs e r v i c e 实 山东大学硕士学位论文 现，对于不同类型的应用系统接口，需要考虑其封装为w e bs e r v i c e 所涉及 的协议转换以及调用方式等问题。 2 服务语义描述与发布 对应用系统服务进行语义描述，建立服务本体，并将服务实例发布到注册 中心1 2 3 1 ，以各查询和发现。 3 本体访问与管理 实现应用集成，必须对应用领域进行信息建模，建立应用领域资源本体。 应用系统交互的整个过程，也就是从发起服务请求到服务执行的整个过程 都需要领域本体提供的语义支持，因此，必须提供对本体进行访问和管理 的有效手段。 4 服务发现【2 4 】与匹配1 2 5 】 根据服务请求信息，集成平台自动地发现可用的服务，并根据服务请求中 的约束对服务进行过滤，选择最合适的服务匹配。 5 服务组合嘲 有些实现复杂任务的服务请求可能无法由单一的服务来完成，而是需要多 个服务按照某种逻辑顺序执行来实现，这时就需要对复杂任务进行分解， 分解为若干个子任务，对每个子任务分别发现和匹配相应的服务，然后将 这些服务组合起来，满足初始任务的服务请求。 6 服务调用与执行 所有的服务虽然都要在注册中心进行发布，但它们实际上是物理地分布在 各个应用系统中的，因此，必须提供一种机制，根据注册中心的服务索引 信息，实现对服务的加载调用和执行。 山东大学硕士学位论文 1 r e s o u r c eo n t o l o g y 2 3 基于语义的本体映射模块 圈2 - 1 平台系统框架 从2 2 节可以看出，要实现应用集成，就必须建立应用领域资源本体。并且在 系统交互的整个过程当中，即从发起服务请求到服务执行的整个过程都需要本体提 供的语义支持，对本体进行有效的访问和管理是十分必要的。 而目前国内大多数医疗机构都已经建立了自己的信息系统。他们各自独立开发 自己的内部表示模型和自己的本体。因而这些系统之间的信息交流需要由一个专门 的映射过程柬实现。 本文利用已有的k a o n a p i 来访问本体概念、属性和实例等基本元素，实现了 基于了k a o n 系统的本体映射方法( 具体的实现，会在第三章详细阐述) 。如图2 - 2 所示，在此基础上，本文运用f c a 算法设计了适合本体映射方法的统一框架。 山东大学硕士学位论文 r 图2 - 2 本体映射方法 工作中，要想实现本体间的映射，需要解决好以下几个问题： 首先，现有的本体种类繁多，使用的开发语言也不尽相同，这必然造成本体的 表现形式差异很大。要想迸行本体映射，就必须解决本体语法格式的统一问题。 其次，各种概念之间的关系比较复杂，特别是当参与比较的概念是复杂概念时。 我们可以粗略的把两个概念之间的关系分为相等、包含、重叠和不相关几种情况。 究竟什么样的两个概念是可以被映射的，或者说如何保证参与映射的概念是相等的 是需要重点解决的问题。 基于以上考虑，下面描述了一个基于语义的本体映射过程，在这个过程中我们 选出合适的映射对，并进行多次循环，最终完成映射任务，较好的解决了以上问题。 映射过程如下： 1 标准化：从文档中抽取实例，并形成j 下式上下文k l 和k 2 ，即将本体原先的 表示转换为一种可以进行概念格剪切的标准形式： 2 候选映射标准：建立候选概念对，从中选择出进行下步相似性比较的子 集； 3 相似性比较与综合：利用被剪切的概念格，对候选映射的相似性进行比较 与综合； 4 生成映射：根据第3 步的结果，利用阈值对候选映射对进行筛选，建立映 射； 5 叠代：返回至第2 步，重复运行，直至没有新的映射对产生，则算法中止， 输出结果。 以上过程中，第一步用来统一本体的表示。因为参与映射的本体表示方法可 9 山东大学硕士学位论文 能有多种，而我们随后的映射过程是必须限定工作在某个原语子集环境中，所以在 此过程中本体映射要想进行下去，则参与映射的本体必须被统一成r d f s 的格式。 第二步是对众多的候选映射对做预处理，排除可能性不大的实体对。随着参与映射 的本体的规模越来越大，对每一个合法的候选映射都进行相似性比较是不现实的， 所需的时间会很快超出容忍的限度。所以必须根据本体结构来分类那些候选对，只 有可能的候选对才会送入下一步。第三步是决定候选映射的相似性。利用被剪切的 概念格，对候选映射的相似性进行比较与综合。第四步则是使用单个或综合相似值 去导出0 1 0 2 实体之间的映射。这里可以设定一个闯值2 ，首先将所有执b ( 2 候选映射对全部排除掉。再将剩余的候选映射按照综合相似记录的高低进行排序， 从具有最大相似值的地方依次建立映射。耍注意的是，原则上，每个实体仅能参与 到一个映射中，若某一实体己在先前的映射对中出现过，则该候选映射被排除。这 一步也可以由用户自行决定生成步骤是否完成。第五步是反复运行该过程。目的是 防止在先前的步骤中忽视了正确的映射对，当没有新的映射产生的时候，叠代停止。 2 4 小结 本章对应用集成中本体映射的平台作了简略的介绍，并对第三章中论述的本体 映射作了预先铺垫。 山东大学硕士学位论文 第3 章分布式异构数据资源映射机制 第2 章对本体的映射平台作了一个简略的阐述。本章以医疗本体为主线，借鉴 浙江大学所使用的德国k a r l s r u h e 的研究人员开发的一套基于本体的k a o n 管理系 统明实现了f c a 本体映射算法。 3 1k a o n 系统框架及其实现 3 1 1k a o n 系统框架 k a o n m 1 是一个开放源码的软件项目，其开发和维护是德国k a r l s r u h e 的研究中 心支持的它的目的是提供一个开源的本体管理基础框架，以促进语义驱动的应用 软件的发展。它包括一系列使本体的管理和应用变为容易的工具组件。k a o n 的核 心本体模型1 2 针对r d f ( s ) 进行了一些扩展，添加了一些属性，如相反、对称和传递 关系，技术，模块化，原模型以及词汇信息的表示。 k a o n 体系架构的核心部分是它的o n t o l o g ya p i ，其中包括一系列访问本体实 体的接口的集合例如，接口c o n c e p t ，p r o p e r t y 和i n s t a n c e ，它们分别包含了访问本 体概念、属性和实例的方法。这套a p i 中还包含了其他一些用于本体管理的重要元 素： 演化策略负责维护本体状态的一致性，禁止不合法的改变。 _ 变化可逆性在演化日志中记录本体的变化，以便在必要的时候按照使用者的要 求取消这些变化，使其恢复到以前的状态。演化日志的核心是一个演化本体， 它记录了发生什么变化，为什么变化，何时变化，由谁变化，以及怎样变化等 内容。 一 并发冲突检测负责检测和解决有不同的使用者并发的更新操作所引起的冲突。 例如，一个使用者更新了本体，必须通知其它使用者本体已经改变。相应的， 如果。个使用者试图用陈旧的信息更新本体，则必须检测到由此引起的冲突。 山东大学硕士学位论文 为了实现原子性，所有的更新操作都在一个事物内完成。 _ 优化装载指在一次请求中读取，或者向客户端传输几个本体实体，这样极大的 提高了系统的性能。 _ 查询回复指按照给定的标准定位元素，这是实现可变系统的关键。 狮na p i 在实现上有几种形式，每种都用到了不同信息存储机制。其中的一 种实现形式是基于r d fa p i 的，允许访问r d f 资源库。虽然它也提供了访问远端 r d f 库的能力，如r d fs e v e r ，但它主要用于管理保存在文件中的本地r d f 本体。 e n g i n e e r i n gs e v e r 是k a o na p i 的一种使用关系数据库保存本体的实现形式。 e n g i n e e r i n gs e v e r 这个名称来自s e v e r 已针对本体工程进行了优化的事实。 e n g i n e e r i n gs e v e r 的数据库模式中有固定数目的表，而不是给每个概念都分配一个 表。e n g i n e e r i n gs e v e r 已经在有1 0 0 ，0 0 0 0 个概念，6 6 ，0 0 0 个属性和l ，0 0 0 ，0 0 0 个实例的环境下进行了大量优化和测试。在此情形下，读取2 0 个本体实体的相关 信息会需要3 秒钟，在概念层次结构中间删除一个概念需要5 秒钟。系统的运行环 境是，单处理器的桌面电脑，w i n d o w sx p ，2 5 6 m 内存。 l e g a c ys e v e r 是k a o na p i 的另一种实现，它的作用是把现有关系数据库提升 到本体级的水平。其实只是在原有数据库表和本体的概念、关系之间确定一些映射 关系，这样，所有基于k a o n a p i 的操作都会按照这些映射关系投射到相应的数据 库操作上。 各种应用程序都是在k a o na p i 的基础上实现的。k a o np r o t a l 用于在网页上 表示和浏览本体。o i m o d e l e r 实现了一个基于图结构的用于本体创建和演化的用户 接口。在对本体应用这个变化之前，系统会计算所需进行的附加变化，然后向用户 显示相关变化的树形结构，以便让所用者在实际应用这些变化之前了解这次变化的 影响。只有当使用者同意之后，这些变化才会实际应用在本体上。 3 1 2k a o n 系统实现 这一节主要介绍k a o n 系统的一些实现细节，以便于更好的理解本体的建模和 应用。首先介绍的是k a o n a p i 整个系统的核心部分讨论它在整个k a o n 体系结构中的地位和作用。接着，介绍用于存储奉体的数据库模式。 山东大学硕士学位论文 k a o n a p l 在k a o n 系统中，对本体的操作是通过k a o n a p i 来实现的。k a o na p i 就是 一个接口的集合，它提供了访问和操作本体及实例的功能。k a o n a p i 的类0 i m o d e l 用于表示本体模型实例，一个本体实例中可以包含其它的本体模型实例。每个本体 模型中包含一个本体对象和一个实例池对象。而本体是由概念和属性组成的。属性 还具有定义域、值域和基数性约束。属性之间的关系有相反、传递和对称。实例池 包含许多实例，实例之间通过属性实例建立联系。每一个概念或属性都有一个相应 于生成对象的实例。 k a o n a p i 内嵌在k a o n 的三层概念体系结构中。在应用和服务层，利用k a o n a p i 开发了各种功能的工具模型，如o l - m o d e l e r 和k a o np o r t a l 。 k a o na p i 是在数据和远程服务层之上实现的。这一层负责典型的和业务相关 的需求，如持久性、可靠性、事务和并发支持。具体实现借助了e j b 应用服务器和 关系数据库。除了提供访问本体的抽象，k a o n a p i 还通过对各种数据源提供不同 的a p i 实现，使上层应用与具体的本体数据源相分离。以下是一些常用的a p i 实现： e n g i n e e r i n gs e v e r e n g i n e e r i n gs e v e r 是用于本体工程的k a o na p i 实现。它提供了本体工程中常 用操作的高效实现，例如以事务方式实现的概念添加和删除。 r d f 知识库访问的实现 基于k a o na p i 的k a o na p i 实现用于存取r d f 知识库。这个实现主要用于 在匿名操作模式下访问本体内存中的r d f 模型。但它也可以用于任何已有r d f a p i 实现的r d f 知识库。k a o nr d f 服务器就是这样一种能够保证一致性和管理r d f 模型的知识库。 可访问任何数据库的实现 ， 这个实现可以把现有数据库提升到本体层。为达到这个目的，使用者必须按照 制定描述的规定，指定一系列从关系模式到所有本体的映射关系。例如，实例之间 的关系可以映射为外键约束关系。制定了这些映射关系之后，一个虚拟的0 1 m o d e l 就产生了，每一个访问请求都被翻译成相应的本地数据库查询。在这种情形下，利 用熟知的数据库机制如事务完整性，就可以保证本体信息的一致存储。 _ 本体的一致存储 山东大学硕士学位论文 本小节将介绍e n g i n e e r i n gs e v e r 中用于保证本体一致存储的方法。“e n g i n e e r i n g s e v e r ”这个名字来自下面的事实，一致性组件专门针对本体工程过程中的本体管理 作了优化。本体工程是一个多方协作构建本体的过程，在此期间，许多本体建模专 家会对不同的建模可能性进行试验。因而，概念添加、删除、合并以及分割操作的 性能非常重要。而且，既然有多人同时在一个数据集上工作，系统必须支持事务化 的本体修改。与此同时，对大量数据的访问效率不像本体工程期间这么重要。为了 满足这些要求，系统采用模式的核心是o i m o d e l e n t i t y 表，其中每一条记录表示一 个具有唯一u r j 的概念、实例或属性。选择这样的结构是基于如下考虑，即把所有 信息都保存在一个表中并可以方便地一次读取一个实体的所有信息。 关于本体数据库的组织，还可以有其它方式。在r d f s u i t e 工具包【叫的r d f 查 询语言( r q l ) 【3 1 韵数据库模式就与上面所提的模式有很大的不同。在r q l 的实 现中，对每一个概念都建了一个一元表，其中的记录表示了此概念的实例。显然， 这样的数据库组织可以提供更好的性能，但它有一个很大的不足添加一个概念 就要在数据库中创建一张表。这样的操作代价高昂，而且不能在一个事务中完成。 k a o n 的目标是设计一个支持多用户协作完成本体工程的系统，在此系统中，概念 添加和删除是一个很普遍的操作，而且必须实现事务化。与此相比，系统的运行性 能并不是那么重要。 3 。2 本体映射模块算法实现 3 2 1 本体映射模块的设计要求 k a o n 系统本身并不提供本体之间的映射功能，为此我们以k a o n 系统为基础 开发了本体映射模块。 在进行具体的本体映射之前，必须先输入要映射的本体模式。这一步可以通过 两种方式来实现。一种直接储存在数据库中，种是以r d f 1 文件的形式导入。前 者由于信息直接存放在数据库中执行效率比较高，后者先从外部的r d f 文件中导入， 用专门的解析器解析r d f 文件的结构信息，然后转化为本体模式的内部表示模型进 行映射。 山东大学硕士学位论文 在模块的执行效率方面，由于本体的映射是一个耗时的操作，系统在设计的时 候必须考虑到一定的效率优化。具体概念的比较映射操作会产生大量的中间结果和 最终结果，并可能在执行过程中重复访问这些结果，因而需要以一种高效合理的方 式保存这些数据，在具体实现中，我们在s o ls