CN101382950A - 一种基于SWRL-Bridge-Peer模型的本体关联方法 - Google Patents

Abstract

本发明使用了基于扩充的SWRL规则本体关联方法，并把方法进行了扩展，从单一类的关联扩展到混合类和属性的关联，完善了基于SWRL规则的本体关联方法。同时使用了基于Bridge－Peer的模型进行本体间的关联。其主要内容是把语义相关度高的本体划分为一个簇，语义不相关或相关度低的本体处于不同簇内，簇内本体通过扩充的SWRL规则实现关联，而簇间的本体通过bridge－peer节点进行关联。该模型在进行查询关联时解决了瓶颈问题。本发明保留了基于SWRL扩充规则的本体关联方法和基于super－peer模型的本体关联方法的优点。同时，也弥补了两者的不足，使得新模型的健壮性更好，使用范围更广。

Description

一种基于SWRL-Bridge-Peer模型的本体关联方法

技术领域

本发明涉及的是本体关联与映射领域，具体地说是涉及到一种基于SWRL-Bridge-Peer模型来实现本体之间的关联方法。

背景技术

本体是对概念体系的明确的、形式化、可共享的规范说明。本体的突出特点是它可以将某个或多个特定领域的概念和术语规范化，为该领域或领域之间实现共享的概念体系，并最终帮助实现这些领域的实际应用。

构建面向语义网的领域本体在目前来说还是一件艰难而耗时的工作，这就要求对已有本体进行重用，本体的重用需要对本体进行本体关联映射。本体关联是指两个本体间在类或属性上存在语义关联，通过语义上的联系，实现把源本体的实体(类或属性)映射到目标本体的实体上的过程。

本体映射就是指给定两个本体A和B，对于A上的每一个实体，设法在B上找到与其有相同或相近语义的实体，这些实体包括本体中的类、属性以及类的实例。Ehrig J给出了一个形式化的本体映射函数：

map：O1—>O2；

如果sim(e1，e2)>s，map(e1)->e2，其中，e1和e2分别是两个本体中的实体，sim(e1，e2)是这两个实体之间的相似度，s是相似度阈值。

现有本体关联研究一般是通过计算本体间的相关度来实现本体映射关系，如GLUE、PROMP和MAFAR系统。但现有的相关度算法的计算量大，不完善和具有片面性的缺点决定了现有方法无法有效地实现本体的映射关系。同时，本体是概念，关系和属性的集合，属性是指概念间的属性，关系是指概念间的关系，因此在现有的本体关联中，大部分只对本体的概念进行映射，没有考虑本体的属性和关系的影响。

在传统方法的基础上，许多研究者提出了一些新颖的本体关联方法，其中包括基于SWRL扩充规则的本体关联方法和基于Super-Peer模型的本体关联方法。

基于SWRL扩充规则的本体关联实现了“简单对等本体”的构想，本体可以自动实现动态更新。运用该本体关联方法，如果本体的使用者想重用已有本体中的构建的概念，或者从已有本体中查找出与自己的本体相关的概念知识，那么不需要使用相关度计算来实现本体之间概念的映射，而可以通过SWRL规则去关联不同的本体，实现异构本体间的通信，从而从不同的角度去解决本体的重用问题，而且这种方法并不针对某一领域本体，具有灵活性和通用性。SWRL规则的建立，是基于语义的，并可以通过集合论的方式来解释。若语义不相关，SWRL规则将难以构写。但基于SWRL扩充规则的本体关联方法不能对语义上不相关的本体进行关联。它的使用具有一定的局限性。

在基于Super-Peer模型的本体关联方法中，把网络中的本体根据一定规则划分为不同的簇，每个簇中有一个称为super-peer的特殊节点，通过它关联不同的簇，簇内的本体间具有一定的语义相关性，而簇间的本体语义相关度低或不相关。基于这样的簇划分方法，实际上super-peer可以关联不同语义的本体，弥补了基于SWRL规则的本体关联方法的不足。但是，在该方法中簇内每个查询都必须经过super-peer，使得super-peer的查询负载很大，容易成为系统的瓶颈；当super-peer失效时，它所连接的客户节点将成为孤儿节点，无法与外界关联。项目Edutella是基于Super-Peer模型的本体关联系统。该系统还处于开发阶段，现在该项目已完成了框架的构建和本体模式查询部分。

发明内容

本发明针对基于SWRL扩充规则的本体关联方法和基于Super-Peer模型的本体关联方法各有其优点和不足，构造了一种新的模型—SWRL-Bridge-Peer模型来保持上述两种关联方法的优点，并弥补其不足。

本发明提出的基于SWRL-Bridge-Peer模型的本体关联方法介于上述两种方法之间。为了能实现查询的高效性，并能关联语义不相关的本体，本发明在簇间的查询使用类似于Super-Peer模型的机制，使用一个称为bridge-peer的节点来连接不同的簇，进行不同簇间本体的关联；但在簇内，为了保持使用SWRL扩充规则进行的本体关联的灵活性和通用性，并消除Super-Peer模型中瓶颈问题，本发明使用完善的SWRL扩充规则进行簇内的本体关联。

一种基于SWRL-Bridge-Peer模型的本体关联方法具体是通过以下步骤予以实现的：

步骤1.用户进入该本体关联平台，进行本体的选择；

步骤2.系统根据用户提交的本体，列出本体中存在的类，数据属性以及对象属性等信息；

步骤3.用户提交查询需求，系统分析用户提交的谓词类型再进行分别处理；

步骤4.如果规则中包含类谓词，且类谓词中的类是本地本体中的类，则执行步骤5；如果类谓词中的类是关联本体中的类，则执行步骤6；

步骤5.查询本地本体关于步骤4类谓词中类的实例集；

步骤6.向关联本体发出查询关于步骤4类谓词中的类的实例集的请求；

步骤7.如果规则中包含属性谓词，且属性谓词中的属性是本地本体中的属性，则执行步骤8；如果属性谓词中的属性是关联本体中的属性，则执行步骤9；

步骤8.查询本地本体关于步骤7属性谓词中的与该属性具有关系的实例集；

步骤9.向关联本体发出查询关于步骤7属性谓词中的与该属性具有关系的实例集；

步骤10.返回最终用户查询的结果。

1.基于SWRL扩充规则的本体关联的改进

使用SWRL扩充规则进行本体类间关联有其优点，但同时也存在不足，为了保留它的优点并弥补它的不足，本发明对SWRL扩充规则的语义分析进行了完善，使分析器除了可以对扩充的SWRL规则进行类谓词解释外，还可以对属性谓词进行解释，完善了对SWRL扩充规则的分析。

1)SWRL扩充规则的属性谓词的语义分析

在SWRL规则中的原子可以是以下形式：C(x)、P(x，y)、sameAs(x，y)或者是differentFrom(x，y)。其中，C是一个OWL的类描述，P是一个OWL的数据属性，Q是一个OWL的对象属性，而x，y分别或者是变量，或者是OWL的实例，又或者是OWL的数据值。其中，P(x，y)和Q(x，y)都是属性谓词，是本发明重点分析的对象。

在对象谓词Q(x，y)中，x和y可以表示具体实例也可以是实例变量；而在数据谓词P(x，y)中，x和y可以表示具体数据也可以是数据变量。具体的SWRL规则如下所示(其中a是具体实例，？x表示变量)：

P(？x，12)∧Q(？x，a)->C(？x)(1)

本发明构造了SWRL扩充规则的分析器，该分析器不仅能对SWRL扩充规则的类谓词进行分析，同时还能对SWRL扩充规则的属性谓词进行分析。

通过以上的描述可见：

1.SWRL规则的形式是前提(body)对结论(head)的推导关系。

2.前提(body)可以包括0个或者多个原子，而多个原子之间是一种逻辑与的关系。

3.本发明除了对类谓词的语义进行分析外，还要对本体的属性谓词进行分析，由于前人已对类谓词的语义关系进行了解释，因此这里只讨论SWRL扩充规则的属性谓词的语义关系。

4.由于本系统是对本体实例进行查询的，对于具体变量间的属性关系我们不作讨论，只讨论实例间的属性关系和类关系，所以这里只对包含一个变量(变量？x)的属性关系进行讨论。

下面将分三个部分对属性谓词从集合论的角度进行语义分析。

i)只含有属性谓词的SWRL规则的语义分析

不失一般性地，考虑下面的一条SWRL规则：

R1(？x，data1)∧R2(？x，data2)->R3(？x，data3)        (2)

(其中R1、R2、R3分别是三个不同的属性谓词，或为数据谓词，或为对象谓词，x是规则中唯一的变量，data表示数据或实例)

如果以一阶谓词逻辑的角度来分析以上的规则，可以得到如下的语义：

       如果变量x与data1具有属性R1的关系，

         同时也与data2具有属性R2的关系，

       那么变量x与data3具有属性R3的关系。

如果我们把与data1具有属性R1关系的所有实例看作一个实例的集合，那么与data2具有属性R2关系的实例也组成一个集合，如此类推，我们要求的R3(？x，data3)就是与data具有属性R3关系的所有实例的集合，使用集合论的知识可以获得如下分析：

      如果变量x是与data1具有属性R1关系的集合的元素，

       同时也是与data2具有属性R2关系的集合的元素，

      那么变量x也是与data3具有属性R3关系的集合的元素。

下面用标记法SetR1表示与data1具有属性R1关系的实例集合，类似的，SetR2表示与data2具有属性R2关系的实例集合，SetR3表示与data3具有属性R3关系的实例集合。

如果以集合论的角度来分析上面SWRL规则的语义，可以得到如下的式子：

$\mathrm{SetR}1\∩\mathrm{SetR}2\⊆\mathrm{SetR}3$

由以上的分析可以得到以下的对只含数据属性SWRL规则的语义分析结果：

对本体关于上面的与data3具有属性R3关系的实例集的查询请求，实际上就是要求返回集合SetR3。那么在处理查询请求的时候，应该求出的SetR2与SetR2的交集以作为SetR3的一部分返回。

ii)含有属性谓词和类谓词的SWRL规则的语义分析

对于含有属性谓词和类谓词的SWRL规则，可以分两种情况进行分析：(1)结论(head)部分是属性谓词；(2)结论(head)部分是类谓词。对于第一种情况，考虑如下SWRL规则(R1，R2为不同的属性谓词，A为类谓词，x为变量，data1和data2为实例或数据)：

可以把公式(3)分成两个部分考虑，第一部分只含有属性谓词，第二部分只含有类谓词。根据以上对只含属性谓词的SWRL规则的分析和论文对只含类谓词的SWRL规则的分析，运用集合理论，可以得出以下的公式：

其中SetR1表示与data1具有属性R1关系的元素的集合；SetA表示属于类A的元素的集合；SetR2表示与data2具有属性R2关系的元素的集合。

在这种情况下，应该求出集合作为SetR2的一部分返回。

同理，对于第二种情况，考虑以下规则(R1为属性谓词，A，C为不同的类谓词，x为变量，data1为实例或数据)：

可以把公式(5)分成两个部分考虑，第一部分只含有属性谓词，第二部分只含有类谓词。根据以上对只含属性谓词的SWRL规则的分析和论文对只含类谓词的SWRL规则的分析，运用集合理论，可以得出以下的公式:

其中SetR1表示与data1具有属性R1关系的元素的集合；SetA表示属于类A的元素的集合；SetC表示属于类C的元素的集合。

在这种情况下应该求出集合

以作为SetC的一部分返回。

iii)含有属性谓词的SWRL扩充规则的语义分析

SWRL规则的构建者在实际应用中常常需要编写比逻辑与更复杂的逻辑关系，这就需要对SWRL规则进行扩充，使它可以对逻辑非和逻辑或进行操作。首先考虑类属性谓词命题公式R(？x，data)的语义：

从一阶谓词逻辑的角度来分析，A(？x)的语义是：

变量x不是类A的实例

也就是等价于说：

变量x不是类A所代表的集合的元素

使用集合的标记法，以上的命题可用集合的语言为：

$x\∉\mathrm{SetA}$

对于R(？x，data)的语义，也从一阶谓词逻辑的角度来分析是：

变量x与data不具有R属性关系

也就是等价于说：

变量x不是与data具有属性R关系的集合的元素

使用集合标记法，以上的命题可用集合的语言为：

$x\∉\mathrm{SetR}$

由于符号的运算级别相对于

符号与

符号来说是最低的，而在析取范式的SWRL规则前提(body)中被

符号隔开的每个部分都是用符号联结起来的0或多个谓词和用符号联结起来的0或多个经过逻辑非操作(

)的谓词之间的逻辑与()。如果把前提(head)分为属性谓词和类谓词两部分，则上面的公式形如：

(其中R1，R2表示不同的属性谓词，A1，A2表示不同的类谓词)。而由德摩根律，可以得到下面的等价关系：

现在只考虑析取范式的SWRL规则前提(body)中只含0个

符号的情况。不失一般性地，考虑SWRL规则：

从集合论的角度，并结合上面的论述来分析上面SWRL规则的语义，可以得到如下的式子：

$\underset{y=0}{\overset{n}{\∩}}{\mathrm{SetR}1}_y-\underset{y=0}{\overset{m}{\∪}}{\mathrm{SetR}2}_y\∩\underset{y=0}{\overset{p}{\∩}}{\mathrm{SetA}1}_y-\underset{y=0}{\overset{q}{\∪}}{\mathrm{SetA}2}_y\⊆\mathrm{SetC}\left(\mathrm{SetR}3\right)---\left(8\right)$

由于对本体关于上面的类C的(与data3具有属性R3关系的)实例集的查询请求，实际上就是要求返回集合SetC(SetR3)。那么在处理查询请求的时候，应该求出与的差集和

与

的差集的交集以作为SetC(SetR3)的一部分返回。

对于析取范式的SWRL规则前提(body)中含

符号的情况。不失一般性地，考虑SWRL规则

从集合论的角度，并再次结合上面的论述可以知道，在这种情况下，应该求出集合 $\underset{z=0}{\overset{j}{\∪}}(\underset{y=0}{\overset{n}{\∩}}{\mathrm{SetR}1}_{\mathrm{zy}}-\underset{y=0}{\overset{m}{\∪}}{\mathrm{SetR}2}_{\mathrm{zy}}\∩\underset{y=0}{\overset{p}{\∩}}{\mathrm{SetA}1}_{\mathrm{zy}}-\underset{y=0}{\overset{q}{\∪}}{\mathrm{SetA}2}_{\mathrm{zy}})$ 以作为SetC(SetR3)的一部分返回。

而如果现在同时有一组SWRL规则如下：

由上面对单条SWRL规则的分析，可以得到下面的一组式子：

而根据集合论的知识，由上面的式子可以作出如下的推论：

$\underset{z=0}{\overset{j}{\∪}}(\underset{y=0}{\overset{n}{\∩}}{\mathrm{SetR}1}_{\mathrm{zy}}-\underset{y=0}{\overset{m}{\∪}}{\mathrm{SetR}2}_{\mathrm{zy}}\∩\underset{y=0}{\overset{p}{\∩}}{\mathrm{SetA}1}_{\mathrm{zy}}-\underset{y=0}{\overset{q}{\∪}}{\mathrm{SetA}2}_{\mathrm{zy}})---\left(12\right)$

在这种情况下，应该求出集合 $\underset{z=0}{\overset{j}{\∪}}(\underset{y=0}{\overset{n}{\∩}}{\mathrm{SetR}1}_{\mathrm{zy}}-\underset{y=0}{\overset{m}{\∪}}{\mathrm{SetR}2}_{\mathrm{zy}}\∩\underset{y=0}{\overset{p}{\∩}}{\mathrm{SetA}1}_{\mathrm{zy}}-\underset{y=0}{\overset{q}{\∪}}{\mathrm{SetA}2}_{\mathrm{zy}})$ 以作为SetR3的一部分返回。

2.基于SWRL-Bridge-Peer模型的本体关联

完善对SWRL扩充规则的语义解释后，分析器可以对对等本体进行类和属性的混合关联，使SWRL扩充规则的语义能完整的应用于实际本体中。但该方法仅能对语义相关的本体进行关联映射，对于语义相关度低或语义不相关的本体无法进行关联。而Bridge-Peer模型正可以弥补该不足，通过模型中的bridge-peer对不同簇进行关联，由于在该模型中，我们定义簇的划分是根据本体的语义相关度的高低来划分的，语义相关度低的本体在不同簇内。因此，该模型可以关联语义相关度低或语义不相关的本体，有效解决了在基于SWRL扩充规则的本体关联中存在的问题。

由以上分析知道，基于完善后的SWRL扩充规则的本体关联和基于Bridge-Peer模型的本体关联都有各自的优缺点，因此本发明把完善的SWRL扩充规则和新模型Bridge-Peer模型进行结合，使得本体关联不仅能在语义相关的本体间进行，也可以在语义不相关的本体间进行。

本发明的有益效果是：

本发明提出的方法，可以保留基于SWRL扩充规则的本体关联方法和基于Super-Peer模型的本体关联方法的优点—查询高效性、灵活性和通用性。同时，也弥补了两者的不足，使得新模型的健壮性更好，使用范围更广。

附图说明

图1是完善后的分析器查询处理流程。

图2是Bridge-Peer模型。

图3是Super-Peer模型。

图4是核心程序流程图。

图5是程序总体流程图。

具体实施方式

SWRL规则语义的扩充不是通过改变现有SWRL的语法以及语义的定义来实现的。在实际的应用当中，当想要表达对类谓词的逻辑非操作时，SWRL规则的撰写者不能在SWRL规则的写作上引入

符号，采用如下的标记法来代替

符号：

当需要表达对类谓词A(？x)的逻辑非操作，

1.在OWL文件中建立一个辅助类Not_Class

2.建立一个类Not_Class的子类Not_A，并把OWL提供的该类的备注的第一项写上类“A”，以此代替“

A(？x)”。

3.当分析到类谓词Not_A(？x)时，判断类谓词中的类Not_A是类Not_Class的子类。读出类Not_A备注中的第一项类“A”，并按照下面论述的

A(？x)的语义对SWRL规则加以处理。

同样地，当想要表达对属性谓词的逻辑非操作时，SWRL规则的撰写者并不能在SWRL规则的写作上引入

符号，但是可以使用某种约定的标记法来解决上面的问题。本发明所采用的标记法说明如下：

当需要表达对属性谓词

R(？x，data)的逻辑非操作，

1.在OWL文件中建立一个辅助属性NotObjectProperty(NotDataProperty)。

2.建立一个属性NotObjectProperty(NotDataProperty)的子属性Not_R，并把OWL提供的该类的备注的第一项写上属性“R”以此代替“

R(？x，data)”。

3.当分析到属性谓词

R(？x，data)时，判断属性谓词中的属性Not_R是属性NotObjectProperty(NotDataProperty)的子属性。读出属性Not_R备注中的第一项属性“R”，并按照上面论述的

R(？x，data)的语义对SWRL规则加以处理。

处理一条前提(body)中含多个

符号的SWRL规则与处理一组结论(head)相同而前提(body)中只含0个

符号的SWRL规则的结果是相同的。那么，虽然当想要表达对属性谓词之间的逻辑或操作时，不能在SWRL规则的写作上引入

符号，但是SWRL规则的撰写者可以考虑以下几点：

1.在草稿上撰写类似公式(9)的包含属性谓词的逻辑非操作(

)和属性谓词之间的逻辑或操作(

)的SWRL规则。

2.把上面写出的SWRL规则的前提(body)化为一个关于二元属性谓词命题的析取范式。

3.如果改写后的SWRL规则的前提(body)中含有多个

符号，则保持结论不变，把这条规则拆为结论(head)与原来规则相同的多条前提(body)中只含0个

符号的SWRL规则。

由此，属性谓词之间的逻辑或操作的语义就能够从返回的查询结果中体现出来。

结合图5，我们可以看到在基于SWRL-Bridge-Peer模型的本体关联方法中，程序的整体流程如下：

1.如图5所示，用户首先要进行本体的选择，即用户要选择将查询提交给哪一个本体。

2.用户提交完本体的选择之后，输入查询目标。

3.程序分析完用户提交的查询目标后，选择是否需要调用bridge-peer。

4.如果簇内本体不能返回查询结果，则将查询提交给bridge-peer，否则调用查询分析器。

5.如图5所示，如果将查询提交给了bridge-peer之后，该bridge-peer经过对查询的分析，将查询提交给可以返回结果的簇的bridge-peer，接着查询会发送到相应的查询本体，该查询本体再调用查询分析器。

6.返回查询结果。

下面结合图4来描述一下程序的核心流程：

1.建立一个面向本条规则的“待接受中间结果集”，其初始值为第一次执行下面第3或者第4步得到的实例集。同时建立一个面向本条规则的“待拒绝中间结果集”，其初值为空集。

2.如果规则中包含类谓词，首先逐一分析SWRL扩充规则前提body中的每个类谓词。如果类谓词中的类是辅助类Not_Class的子类，分析器读出该类备注中的第一项类的名字作为类谓词中的类，并设置“取非操作”标记。如果类谓词中的类是本地本体中的类，执行下面第3步；如果类谓词中的类是关联本体中的类，执行第4步。

3.查询本地本体关于第2步类谓词中类的实例集，然后执行第5步。

4.向关联本体发出查询第2步类谓词中类的实例集的请求，然后执行第5步。

5.如果分析器在第2步中设置了“取非操作”标记，求出第3或者第4步得到的实例集与“待拒绝中间结果集”的并集，并把之存放回“待拒绝中间结果集”，并清除“取非操作”标记；否则，求出第3或者第4步得到的实例集与“待接受中间结果集”的交集，并把之存放回“待接受中间结果集”。

6.当处理完规则前提body中的每个类谓词后，求出“待接受中间结果集”与“待拒绝中间结果集”的差集，并把之存放回“待接受中间结果集”。

7.逐一分析SWRL规则前提body中的每个属性谓词。如果属性谓词中的属性是辅助属性NotProperty的子属性，分析器则就读出该属性备注中的第一项属性的名字作为属性谓词中的属性，并设置“取非操作”标记。如果属性谓词中的属性是本地本体中的属性，执行下面第8步；如果属性谓词中的属性是关联本体中的属性，执行下面第9步。

8.如果规则中含有类谓词，且“待接受中间结果集”非空，从“待接受中间结果集”中查询本地本体关于第7步属性谓词中与该属性具有关系的实例集；否则遍历本体中所有实例，查询本地本体关于第7步属性谓词中与该属性具有关系的实例集，然后执行第10步。

9.如果分析器在第7步中设置了“取非操作”标记，求出第7或者第8步得到的实例集与“待拒绝中间结果集”的并集，并把之存放回“待拒绝中间结果集”，并清除“取非操作”标记；否则，求出第7或者第8步得到的实例集与“待接受中间结果集”的交集，并把之存放回“待接受中间结果集”。

10.当处理完规则前提body中的每个属性谓词后，求出“待接受中间结果集”与“待拒绝中间结果集”的差集，并存放回“待接受中间结果集”。

11.返回“待接受中间结果集”。

Claims (7)

1、一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于在簇间的查询使用类似于Super-Peer模型的机制，使用一个称为bridge-peer的节点来连接不同的簇，进行不同簇间本体的关联；但在簇内，为了保持使用SWRL扩充规则进行的本体关联的灵活性和通用性，并消除Super-Peer模型中瓶颈问题，本发明使用完善的SWRL扩充规则进行簇内的本体关联，具体步骤如下：

步骤1.用户进入该本体关联平台，进行本体的选择；

步骤2.系统根据用户提交的本体，列出本体中存在的类，数据属性以及对象属性等信息；

步骤3.用户提交查询需求，系统分析用户提交的谓词类型再进行分别处理；

步骤4.如果规则中包含类谓词，且类谓词中的类是本地本体中的类，则执行；

步骤5；如果类谓词中的类是关联本体中的类，则执行步骤6；

步骤5.查询本地本体关于步骤4类谓词中类的实例集；

步骤6.向关联本体发出查询关于步骤4类谓词中的类的实例集的请求；

步骤7.如果规则中包含属性谓词，且属性谓词中的属性是本地本体中的属性，

则执行步骤8；如果属性谓词中的属性是关联本体中的属性，则执行步骤9；

步骤8.查询本地本体关于步骤7属性谓词中的与该属性具有关系的实例集；

步骤9.向关联本体发出查询关于步骤7属性谓词中的与该属性具有关系的实例集；

步骤10.返回最终用户查询的结果。

2、根据权利要求1所述的一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于通过SWRL规则分析器，根据本体的定义并从集合论的角度分析了SWRL规则的语义；并基于查询结果的角度对SWRL规则的语义进行了扩展。

3、根据权利要求1所述的一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于对基于SWRL扩充规则的本体关联进行了改进，把本体间的关联扩展到属性间的关联，从而实现了本体关联的完整性。

4、根据权利要求1所述的一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于通过对Super-Peer模型进行深入的分析，提出了Bridge-Peer模型，在保留簇划分机制的基础上，对簇内节点的关联模式进行改变，并对连接不同簇的特殊节点—bridge-peer的作用进行调整。

5、根据权利要求1所述一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于簇内的查询是分布式的，而不是集中到一个节点上，这个机制消除了瓶颈问题。

6、根据权利要求1所述的一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于完善了本体关联的整体架构，使得语义不相关的本体之间也能实现关联。

7、根据权利要求1所述的一种基于SWRL-Bridge-Peer模型的本体关联方法，其特征在于对网络的不稳定导致的bridge-peer容易崩溃的问题，使用影子本体来解决。

Images