CN101114275A - 一种基于概念模型的本体复杂性分析评估方法 - Google Patents

Abstract

一种基于概念模型的本体复杂性分析评估方法，主要包括以下步骤：1)获取所需分析本体的版本，将其转化为DAG图的格式；2)对单个本体内部的所有概念，按其重要程度从高至低排序，对排序后的每个概念统计其路径数、最大路径长度和平均路径长度，并以表格形式存储；分析单个本体的复杂性分布的性质和规律。所述步骤2)中，对于重要程度相同的概念，再按其平均路径长度值由小至大排序。本发明从概念、关系和路径三者的相互依赖关系，通过对本体概念模型的分析，克服了现有评估分析方法不够系统全面，分析的合理性验证不够说服力，对复杂性变化的原因分析不足等缺点，适用范围广泛。

Description

一种基于概念模型的本体复杂性分析评估方法

技术领域

本发明涉及一种用于本体演变过程中，对所构建本体的复杂性进行分析和评估的方法。它面向计算机本体工程领域。

背景技术

目前，Web的发展迅猛，Web上各种应用日益复杂。但Web上现有的信息对计算机是不可理解的，这极大的影响了Web应用的自动化、集成化和智能化进程。于是Berners-Lee提出了下一代Web——语义Web的目标，就是使Web上的信息具有计算机可以理解的语义，其中一个重要的思想就是用本体来表示语义信息，从而提高Web信息服务的智能化和自动化。这对本体的规划、设计和开发人员提出了新的挑战——本体工程学，即本体的构建应该是工程化的。尽管这一思想已经被广泛接受，但是并没有得到广泛认可的通用的方法。目前，本体的构建基本还是采用以经验为主的构建方法。这种方法对中小规模的本体还是可行的。但是随着本体规模的急剧扩大和复杂性的迅速增加，构建本体时需要考虑的因素也急剧增加，往往超出了人的经验所能企及的范围，同时会加大本体更新、维护的技术和经济风险。

如果在本体构建阶段，能及时跟踪、分析本体的规模和复杂性情况及演变趋势，则可以提高本体开发的质量，估计开发的费用，以及有效减少今后本体维护的开销，从一定程度上规避技术和经济风险。因此在对本体的规模和复杂性情况及演变进行分析时，合理有效的评估方法和指标是很关键的。然而，目前的分析评估方法很少而且不够系统和全面。

现有的分析评估方法主要从本体描述能力的角度，针对本体的构词、语义及结构特点对本体质量进行评估，主要有下列几种：

1)美国乔治亚州立大学的Burton、Storey、Sugumaran和Ahluwalia(2003年)从构词法、语义能力、实效性和社会性四个方面，对DAML本体的有效性进行了评估，同时给出了一组评价指标。而且在这些指标的基础上，通过加权函数计算得出本体总体质量的评价指标。

2)美国阿拉巴马大学(亨茨维尔)的Yao、Orme和Etzkorn(2005年)提出的内聚指标(cohesion metrics)，针对本体中类的数量及继承树的深度，对OWL本体的模态相关性(modular relatedness)进行分析。这些指标首先从构词法的角度对OWL本体进行解析，然后根据树状的语义层次结构计算而得。从理论上讲，这组指标比人按经验的评价方法有效。但这些标准却并非是专门针对本体复杂度的。

3)东南大学的Kang、Xu、Lu和Chu(2004年)用加权类关系图(weighted class dependencegraph)表示一个给定的类，并提出基于熵距离(entropy distance)的方法，对UML类的结构复杂性进行评估。该方法同时考虑了类和关系的复杂性，并将类和关系的复杂度值通过一定的规则转化为加权类关系图。这种方法能够比较客观的分析类的结构复杂性。

4)美国乔治亚技术学院的His(2004年)在他的博士论文中，通过图论的方法研究了两个概念完整性指标：概念一致性(conceptual coherence)和概念复杂性(conceptual complexity)。概念一致性指标用图中节点间的平均距离来考察概念间的相关性。概念复杂性指标主要体现为概念图中每个节点的关系数及图中所有节点的平均度数。这两个指标更多是用来衡量单个概念的复杂度问题。

5)美国BDGP/GO协会的Mungall(2005年)以有向非循环图(directed acyclic graph，DAG)表示本体的层次结构，通过每个概念的平均路径数来衡量本体的复杂性。但是，在统计本体概念总数时，他没有把排除那些已经废弃的概念。而在计算概念的路径数时，废弃概念的路径却是排除在外的。这样在计算路径与概念的比率时，其结果是不正确的。

上述方法的共性问题是都提出了各自的本体复杂性的评估方法和指标，但方法本身及指标合理性都不够全面。

发明内容

针对现有对本体复杂性评估分析方法和指标的不足，本发明提出一种基于概念模型的本体复杂性分析评估方法，以克服现有评估分析方法不够系统全面，分析手段较单一，分析的合理性验证不够说服力，对复杂性变化的原因分析不足等缺点。

为达上述目的，本发明采用如下技术方案：

一种基于概念模型的本体复杂性分析评估方法，包括以下步骤：

1)获取所需分析本体的版本，将其转化为DAG图的格式；

2)对单个本体内部的所有概念，按其重要程度从高至低排序，对排序后的每个概念统计其路径数、最大路径长度和平均路径长度，并以表格形式存储；分析单个本体的复杂性分布的性质和规律。

作为本发明方法的一种改进，所述步骤2)中，对于重要程度相同的概念，再按其平均路径长度值由小至大排序。

作为本发明方法的又一改进，所述步骤1)中，获取所需分析本体的版本为多个演变版本，在所述步骤2)之后，还包括以下步骤：

3)对本体的各个演变版本，统计本体拥有的概念数、关系数、路径数、最大路径长度、平均路径长度、平均关系数、平均路径数和本体最长路径与平均路径长度的比率，以表格形式存储；分析本体的各个不同版本的复杂性演变的性质、规律和趋势。

在所述步骤3)之后，还包括以下步骤：

作为本发明方法的再一改进，所述步骤3)之后，还包括以下步骤：

4)将所述步骤2)、步骤3)获得数据结合，用于分析引起本体复杂性演变的原因及其与其复杂性分布的关系。

本发明具有以下优点：

1、基于本体共有的基本属性——概念模型的评价指标集，概念、关系和路径是本体共有的基本属性，本体概念模型由概念和关系的构成。本方法主要从概念、关系和路径三者的相互依赖关系，通过对本体概念模型的分析，提出了本体复杂性的评价指标集。因此本方法的适用性较广。

2、分析对象同时包括本体本身和本体中的单个概念，以往方法的分析对象往往为整个本体，通过一定的评价指标集对本体的复杂性或其它性质的演变进行分析，但对组成本体的概念本身及其结构和层次却无相应评价指标，而实际上正是由于本体概念的数量、结构和层次的变化才导致本体复杂性的变化。因此本方法中的评价指标集包括了对本体中概念的复杂性的评价，从而更加全面和有效。

3、对本体概念按其重要程度开展复杂性分析，本方法提出了“概念的重要程度”的定义。概念自身由于所处本体中的层次不同，与其它概念的联系数量不同而有着不同的复杂性，整个本体的复杂性是由所有概念共同产生的，那些与较多其它概念产生联系的较重要概念，其对本体的复杂性的“贡献”也较高。对概念按重要程度进行分析，一方面可以由此看清整个本体内部的复杂性分布，另一方面还可对本体演变过程中复杂性变化产生的内部原因进行更好的深入研究。

附图说明

图1至图3为BP本体的复杂性演变图。

图4至图6为CC本体的复杂度演变图。

图7至图9为MF本体的复杂度演变图。

图10为2005年9月GO本体的路径和度数分布图。

图11为GO本体各个演变版本的路径分布统计图。

图12为GO本体各个演变版本的概念和路径变化图。

具体实施方式

一种基于概念模型的本体复杂性分析评估方法，为便于说明本方法，首先给出下面一些定义：

概念：本体概念模型中的概念是广义上的概念，除了一般意义上的概念以外，可以指任何事务，如任务、功能、行为、策略、推理过程等等，用小写符号c表示。在其他本体中，“概念”(Concept)可能被称为“类”(Class)或者“术语”(Term)。

概念集：概念模型中所有概念组成的集合，用大写符号C表示，即C＝{c₁，c₂，…，c_m}。概念集中的元素个数|C|＝m，表示概念模型中包含m个概念。

关系：本体概念模型中的关系是指概念之间的相互作用，用小写符号r表示。本方法中的关系只包含那些反映概念间继承或属性关系(is_a)和部分与整体的关系(part_of)。

关系集：概念模型中所有的关系组成的集合，用大写符号R表示，即R＝{r₁，r₂，…，r_n}。关系集R中的元素个数|R|＝n，表示概念模型中包含n个关系。

本体概念模型所反映的概念层次结构可以用有向非循环图(DAG，Directed Acyclic Graph)表示，图中每个节点代表一个概念，每条有向弧表示概念间的层次关系。图中有向弧的方向定义为：如果概念c_i是c_j的一部分(即part_of关系)，或者c_i是c_j的继承概念或属性概念(即is_a关系)，则存在一条从c_i指向c_j的有向弧<c_i，c_j>。c_i为有向弧的始点，c_j为有向弧的终点。c_i作为有向弧的始点的次数，称为c_i的出度，记为d⁺(c_i)；c_i作为有向弧的终点的次数，称为c_i的入度，记为d^-(c_i)；c_i的出度与入度之和，称为c_i的度，记为d_i或者d(c_i)＝d⁺(c_i)+d^-(c_i)。一般概念：在本体概念模型的DAG图中，那些出度为零的概念，记为

一般地，在本体概念模型中至少存在一个一般概念。

路径：在本体概念模型的DAG图中，从概念c_i到一般概念

的一条有向弧的通路，称为概念c_i的一条路径，通路的长度称为路径长度。若概念c_i存在多条路径，用小写符号p_i表示概念c_i拥有的路径数，用p_i ^j表示概念c_i的第j条路径，用pl_i ^j表示c_i的第j条路径长度。

路径集：在本体概念模型的DAG图中，所有概念的路径p_i ^j组成的集合，用大写符号P表示。集合P中元素的个数|P|＝k，表示本体概念模型中包含k条路径。

定义函数：其中1≤i≤m，1≤j≤k，1≤l≤p_i。

概念c_i的重要程度(Important Degree)： ${\mathrm{ID}}_i=\underset{i=1,j=1,l=1}{\overset{m,k,p_i}{\mathrm{\&Sigma;}}}\mathrm{In}(c_i,p_j^l),$ 即概念c_i的重要程度为c_i在本体内所有路径中出现的次数。

1、概念复杂性指标

d_i：概念c_i的度(出度加入度)。它显示了概念c_i的对外连接数，可以认为c_i的对外连接数越高，则c_i越复杂。

p_i：概念c_i的路径数，它的大小反映了概念c_i的层次关系的复杂程度。

λ_i：概念c_i的最大路径长度， ${\mathrm{\&lambda;}}_i=\max \left({\mathrm{pl}}_i^j\right),1\&le;j\&le;p_i.$

概念c_i的平均路径长度， $\stackrel{\&OverBar;}{{\mathrm{\&lambda;}}_i}=\underset{j=1}{\overset{p_i}{\mathrm{\&Sigma;}}}{\mathrm{pl}}_i^j/p_i.$

上面两个指标主要用于衡量概念c_i与一般概念间的语义距离.

2、本体复杂性指标

2.1基本指标集

在本体概念模型的基础上，下面给出衡量本体复杂性的基本指标集及计算方法：

m：本体拥有的概念数，|C|＝m。

n：本体拥有的关系数，|R|＝n。

k：本体拥有的路径数，|P|＝k。

m和n是本体的基本属性，能够反映本体基本规模的变化。k的大小则反映了本体概念间层次结构的复杂程度。

Λ：本体的最大路径长度，Λ＝max(λ_i)，1≤i≤m。

本体的平均路径长度， $\stackrel{\&OverBar;}{\mathrm{\&Lambda;}}=\underset{i=1,j=1}{\overset{m,p_i}{\mathrm{\&Sigma;}}}{\mathrm{pl}}_i^j/k.$

这两个指标主要用于衡量本体从一般概念衍生出来的概念覆盖度。

2.2复杂性指标集

μ：本体概念的平均关系数，μ＝n/m，它反映了概念间的平均关联度。

ρ：本体概念的平均路径数，ρ＝k/m。对于任何本体来说，除了一般概念外，其他每个概念至少有一个父概念，因此ρ必定大于等于1。如果ρ＝1，则说明本体的概念模型是一棵树。因为每个概念都只有一个父概念，因此只有一条路径可达一般概念。如果每个概念的平均关系数越多，则本体的平均路径数越多，即μ越大，ρ越大，两者成正比。

σ：本体最长路径与平均路径长度的比率， $\mathrm{\&sigma;}=\mathrm{\&Lambda;}/\stackrel{\&OverBar;}{\mathrm{\&Lambda;}}.$ 该指标主要衡量本体概念的聚合度及密集度。

根据上文提出的“概念重要程度”的概念及其定义，以及一套衡量本体及其内部概念的复杂性指标集，在此基础上可对本体的复杂性演变及分布进行分析和评估乃至预测。主要步骤如下：

1)获取所需分析本体的各个演变版本，将其转化为DAG图的格式，便于计算机统计处理；

2)对单个本体内部的所有概念，按其重要程度从高至低排序，对于重要程度相同的概念，按其

值由小至大排序，对以上二者都相同的概念，按其路径数p_i由大至小排序。对排序后的每个概念c_i计算得出其p_i，λ_i和

以表格形式存储；

3)对本体的各个演变版本，统计m，n，k，Λ，

μ，ρ和σ，以表格形式存储；

4)对步骤2)中的统计结果进行制图，用于分析单个本体的复杂性分布的性质和规律；对步骤3)中的统计结果进行制图，用于分析本体的各个不同版本的复杂性演变的性质、规律和趋势；将步骤2)，3)结合制图，用于分析引起本体复杂性演变的原因及其与其复杂性分布的关系。

为了验证本发明实施例的有效性，本实施例中，选对GO本体进行分析验证。GO是一个典型的大规模、标准化、并行开发的本体，在生物学领域已有广泛应用。分析对象是从2002年12月至2005年6月间每个月发布的GO本体文件，从而对GO本体复杂性的历史演变进行了研究。我们首先对组成GO本体的三个独立的子本体BP(Biological Process，生物过程)，CC(Cellular Component，细胞组成)和MF(Molecular Function，分子功能)进行了分析，又对GO本身的各个版本进行了分析。

图1至图3所示为BP本体的概念数(m)、关系数(n)和路径数(k)的历史演变趋势，左y轴表示概念数和关系数，右y轴表示路径数的变化。如图1所示，BP本体的概念数和关系数的增长缓慢而且平稳，月平均增长率为1.17％和1.44％；而路径数则成阶梯状增长，月平均增长率为8.75％。

图2为平均关系数μ和平均路径数ρ的历史演变趋势，左y轴表示μ，右y轴表示ρ的变化。如图所示，BP本体的平均关系数增长缓慢，月平均增长率为0.26％；而平均路径数的增长很快，月平均增长率为7.51％。但两者的增长是同步的，表现为两条曲线在同一个时间点上，同时出现跃迁现象。因为路径是由关系构成的，因此μ的微小增长会导致ρ在数量上的巨大变化。

图3所示为最大路径长度Λ、平均路径长度

和两者的比值σ的历史演变趋势，左y轴表示Λ和

右y轴表示σ的变化。如图所示，因为σ的值都没有大于2，说明半数以上的概念紧紧围绕在一般概念的周围，因此BP本体的概念聚合度比较好。Λ的增长非常稳定，说明本体概念的覆盖范围定期向外进行延伸。的增长相对缓慢，月平均增长率为0.48％，说明本体概念的密集度没有较大的变化。

图4至图6所示为CC本体复杂性的演变趋势，图形的配置与图1至图3一致。

如图4所示，CC本体的概念数和关系数的增长缓慢而且平稳，月平均增长率为1.28％和1.92％；而路径数则成阶梯状增长，月平均增长率为7.24％。

如图5所示，CC本体的平均关系数增长缓慢，月平均增长率为0.63％；而平均路径数的增长很快，月平均增长率为5.88％，而且两者的增长也是同步的。

如图6所示，CC本体的σ的值大多大于2，说明CC本体的概念聚合度比较松散。Λ的增长非常稳定，说明本体概念的覆盖范围定期向外进行延伸。

的增长相对缓慢，月平均增长率为0.47％，说明本体概念的密集度没有较大的变化。

通过图4至图6与与图1至图3的对比可知，BP本体和CC本体复杂性的基本特点及演变规律基本一致。

图7至图9所示为MF本体复杂性的演变趋势，图形的配置与图4至图6一致。如图7所示，MF本体的概念数和关系数在2003年第三季度时出现连续的巨大增长，之后又略有下降，其余大部分时间内的增长相当缓慢，月平均增长率仅为1.07％和0.91％。而路径数的增长趋势与概念数和关系数是一致的，但波动幅度更大。这是由于路径是由关系构成的，关系数出现较小的变化会导致路径数出现较大的波动。如图8所示，MF本体的平均关系数和平均路径数的起伏很大，但两者的波动基本是同步的。这说明在MF本体的构建过程中，出现过较大的反复。如图9所示，MF本体的σ的值大多大于2，说明MF本体的概念聚合度比较松散。Λ的起伏较大，说明概念覆盖的最外延变化较大。但

的变化非常平稳，月平均增长率仅为0.02％，说明本体概念的密集度基本没有变化。

图10为对GO中所有概念的度数d_i和路径数p_i的分布统计。由于GO过于庞大，无法显示所有概念的d_i和p_i，因此以200个概念为一组，不足200的最后55个概念单独作为一组，计算这些组的平均度数和平均路径数得到图10。图10中，x轴数字为以200个为一组的概念组标号，标号数越大表示重要程度越低。左边y轴用于概念组的平均路径数分布，右边y轴用于概念组的平均度数分布。从图10中可看出，平均路径数在开始还具有一定程度的较大波动，在第5组达到最高峰，为127.24。但其总趋势是按概念的重要程度的降低而减小。而平均度数在第一组就具备最大值，为14.75，然后随着组号递增而递减，中间有一些小波动。可以说2005年9月GO本体的大部分路径数和度数是分布于少数重要概念上的，经计算这个比例是：70％的路径数和度数分布在按重要程度排序的前20.85％和前42.52％的概念上。

对自2002年12月至2005年9月的所有GO本体的概念进行概念排序后，统计其70％路径数分布情况得到图11。图11中左边y轴用于路径数k，右边的y轴用于百分比曲线。百分比的意义是：某个特定时间版本GO的70％路径数分布在其概念排序后的前百分之多少的概念上。从图中可看出，百分比基本在20％至40％之间，其具体的表现形式为一段时间的较小波动，然后产生一次突减。对比两条曲线可发现，路径数k突增的时间也基本是百分比突减的时间。这些表明，GO本体路径数的每次突增就对应着其路径分布的更加集中。

图12中左边y轴用于曲线St1000，右边y轴用于路径增量曲线。St1000曲线表示，在对每个月的GO本体的概念按重要程度排序后，其前1000个概念与前一个月的前1000个概念不匹配的个数，以05年9月的GO为例，它的前1000个概念中，有22个概念不在05年8月GO的前1000个概念里。路径增量曲线表示每个月的GO本体的路径数相对于前一个月的增量。从图12中可看出，当路径增量的绝对值较小时，St1000也较小，在路径增量有较大变化时，St1000也相应有较大变化。分析可得出，GO本体复杂度发生较大变化的时候也正是其较重要概念变动较大的时候。复杂度的较大变化可能是由于一些新的重要概念的引入，也可能是由于对领域的重新认识导致整个本体结构的变化使得重要概念的顺序产生较大变动。这点也说明了对领域要清晰认识，对重要概念要精心设计的原因。在本体演变过程中，应尽量避免对较重要概念的改动，这往往意味着本体复杂性的重大变化。

上述对GO本体的复杂性的分析结果充分验证了本方法的有效性。

Claims (4)

1.一种基于概念模型的本体复杂性分析评估方法，其特征在于包括以下步骤：

1)获取所需分析本体的版本，将其转化为DAG图的格式；

2)对单个本体内部的所有概念，按其重要程度从高至低排序，对排序后的每个概念统计其路径数、最大路径长度和平均路径长度，并以表格形式存储；分析单个本体的复杂性分布的性质和规律。

2.根据权利要求1所述的基于概念模型的本体复杂性分析评估方法，其特征在于：所述步骤2)中，对于重要程度相同的概念，再按其平均路径长度值由小至大排序。

3.根据权利要求1或2所述的基于概念模型的本体复杂性分析评估方法，其特征在于：所述步骤1)中，获取所需分析本体的版本为多个演变版本，在所述步骤2)之后，还包括以下步骤：3)对本体的各个演变版本，统计本体拥有的概念数、关系数、路径数、最大路径长度、平均路径长度、平均关系数、平均路径数和本体最长路径与平均路径长度的比率，以表格形式存储；分析本体的各个不同版本的复杂性演变的性质、规律和趋势。

4.根据权利要求3所述的基于概念模型的本体复杂性分析评估方法，其特征在于：在所述步骤3)之后，还包括以下步骤：

4)将所述步骤2)、步骤3)获得数据结合，用于分析引起本体复杂性演变的原因及其与其复杂性分布的关系。

Images