CN101996208B - 用于数据库语义查询回答的方法及系统 - Google Patents
用于数据库语义查询回答的方法及系统 Download PDFInfo
- Publication number
- CN101996208B CN101996208B CN200910166845.7A CN200910166845A CN101996208B CN 101996208 B CN101996208 B CN 101996208B CN 200910166845 A CN200910166845 A CN 200910166845A CN 101996208 B CN101996208 B CN 101996208B
- Authority
- CN
- China
- Prior art keywords
- data
- role
- concept
- individual
- ind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Abstract
本发明公开了一种用于数据库语义查询回答的系统及其方法。根据本发明的数据库语义查询回答系统包括典型个体生成单元,配置为针对本体中的存在型约束,生成关于角色和概念的典型个体ind’;数据转换引擎,配置为使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据;以及查询单元,配置为从原始数据和转换的显式数据中检索满足查询中的所有查询条件的回答。根据本发明一个实施例的数据库语义查询回答系统还包括基本路径生成单元,配置为根据原始数据和转换的显式数据生成以实名个体开始以典型个体结束的基本路径;以及查询改写单元,配置为判断查询中是否存在倒树,并且在查询中存在倒树且倒树的根变量匹配为典型个体的情况下,通过附加如下查询条件对查询进行改写:要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
Description
技术领域
本发明一般地涉及关系数据库。更具体地说,本发明涉及一种利用本体知识丰富数据库中个体数据的数据库语义查询回答系统及其方法,能够高效地实现数据库语义查询回答。
背景技术
随着数据库的大量应用,如何高效地检索用户所需的数据已经成为当前急需解决的问题之一。尤其是,由于电子医疗记录(Electrical MedicalRecords,EMRs)的广泛使用,按照每个用户的要求高效地检索临床档案已经成为急需。
IHE XDS(Cross Enterprise Document Sharing)提出了一种在任意卫生保健机构之间管理临床档案的共享和检索的体系结构。在该XDS中,将临床档案的查询限制到在档案提交期间所提供的元数据,例如提交时间和病人ID。但是,许多用户的查询需求的目标是临床档案的内容,例如查找具有某些临床症状适于临床试验的病人。
通常将基于关键词的搜索用于搜索基于内容的临床档案。与标准的查询语言相比,例如数据库查询中的SQL以及逻辑系统中的查询语言,基于关键词的搜索受到以下两方面的限制:1)关键词不能完全反映用户的要求;以及2)难以保证完善的合理检索结果。
Health Level7Clinical Document Architecture(CDA)提出了一种广泛采用的表示电子医疗记录的标准。除了档案的分层结构之外,CDA还规定了档案的语义含义,以避免引起信息交换的歧义。CDA的一个主要特点是频繁使用本体(术语)引用,SNOMED-CT(Systematized Nomenclature ofMedicine-Clinical Terms,医药-临床术语的系统命名)是CDA常常引用的一种本体。CDA档案的片段与SNOMED-CT中定义的本体概念相关联,而SNOMED-CT是用描述逻辑语言EL+表述的。例如,下面的CDA档案片段声明了一个病人手指受伤的病例:
<Observation>
<code code=″ASSERTION″codeSystem=″2.16.840.1.113883.5.4″/>
<value xsi:type=″CD″ code=″52011008″ codeSystem=″2.16.840.1.113883.6.96″
codeSystemName=″SNOMED-CT″displayName=″Finger injury″>
</value>
</Observation>
该档案片段包含对SNOMED-CT中如下原始定义的“Finger injury(手指受伤)”概念的本体引用:
Finger injury is-a Disorder
finding-site Finger
其中,概念“Finger injury”是“Disorder(病症)”的子概念,并且“Fingerinjury”的每一个实例均有受伤位置是一个“Finger(手指)”的实例。
此外,在SNOMED-CT中,对于身体结构“Finger”还存在针对角色partOf的定义:将“Finger”定义为“Hand(手)”的一部分(即角色“partOf”),并且将“Hand”定义为“Upper Limb(上肢)”的一部分。为了更方便地描述,将角色“partOf”定义为传递属性,这意味着如果a是b的一部分(即a“partOf”b)并且b是c的一部分(即b“partOf”c),则a是c的一部分(即a“partOf”c)。
CDA档案中的本体引用是实现CDA档案的语义查询的关键,因为CDA档案可以解释为关于本体的事实断言。例如,上面所述的CDA档案片段可以解释为具有概念“Finger injury”的实例的病例档案。这些断言可以用下面的RDF三元组表示:
ex:CDA_doc_1 rdf:type ex:CDADocument.
ex:CDA_doc_1 ex:hasObservation ex:obs_1.
ex:obs_1 rdf:type sct:Fingerlnjury.
下面作为示例给出一个查询CDA档案的具体查询实例,比如查询哪些病例档案中的病症的查找位置在“Finger”。
Q(x):-ex:CDADocument(x),ex:hasObservation(x,y),
sct:Disorder(y),sct:findingSite(y,z),sct:Finger(z).
由于上面所示病例档案的RDF三元组中仅有关于“FingerInjury”的断言,并没有对受伤位置(findingSite)的引用,因而直接检索无法获得上述CDA档案,因此无法查询哪些病例档案中病症的受伤位置(findingSite)位于“Finger”。
有关卫生保健数据的查询回答对于基于信息的医学场景是非常关键的。然而,卫生保健数据一般都是通过卫生保健本体来进行注释的,比如SNOMED-CT和Gene本体,其表达方式属于描述性逻辑语言EL+,因此有关卫生保健数据的查询回答依赖于本体推理以便提供完善的合理回答。上面的例子中,可以根据SNOMED-CT本体推理得到关于上述CDA档案的有关受伤位置的断言。但是,上述通过SNOMED-CT本体推理的方法需要针对每一个CDA档案都进行本体推理。由于卫生保健本体和数据通常规模庞大,上述方法会产生大量的推理结果。大量的推理结果可能会造成查询回答系统的性能降低,因而不能快速高效地处理查询。
同样,对于本体和数据规模庞大的其他类似行业,也存在对本体进行合理推理并高效处理查询回答的问题。
发明内容
鉴于上述情况,本发明提出一种用于数据库语义查询回答的系统和方法,能够对关系数据库进行知识完善而不会使其数据增加过多,并且能够在保证回答的合理性和完备性的同时提高查询效率。
在下文中首先给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
根据本发明的一个方面,提供一种用于数据库查询回答的方法,包括:针对本体中的存在型约束,生成关于角色和概念的典型个体ind’;使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据;以及从原始数据和转换的显式数据中检索满足查询中的所有查询条件的回答。
根据本发明的另一方面,用于数据库查询回答的方法还包括:根据原始数据和转换的显式数据生成以实名个体开始以典型个体结束的基本路径;判断查询中是否存在倒树;以及如果查询中存在倒树并且倒树的根变量匹配为典型个体,则通过附加如下查询条件对查询进行改写:要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
根据本发明的另一个方面,提供一种用于数据库查询回答的系统,包括:典型个体生成单元,配置为针对本体中的存在型约束,生成关于角色和概念的典型个体ind’;数据转换引擎,配置为使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据;以及查询单元,配置为从原始数据和转换的显式数据中检索满足查询中的所有查询条件的回答。
根据本发明的另一个方面,用于数据库查询回答的系统还包括:基本路径生成单元,配置为根据原始数据和转换的显式数据生成以实名个体开始以典型个体结束的基本路径;以及查询改写单元,配置为判断查询中是否存在倒树,并且在查询中存在倒树且倒树的根变量匹配为典型个体的情况下,通过附加如下查询条件对查询进行改写:要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
另外,本发明还提供用于实现上述数据库查询回答方法的计算机程序。
此外,本发明也提供至少计算机可读介质形式的计算机程序产品,其上记录有用于实现上述数据库查询回答方法的计算机程序代码。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1示出根据本发明的一个实施例的基于数据库的语义查询回答系统的示意结构方框图;
图2示出根据本发明的一个实施例对本体中的概念公理和角色公理标准化后数据的存储形式;
图3(a)示出根据本发明的一个具体示例的倒树查询的示意图;
图3(b)示出根据本发明的一个具体示例所生成的数据之间的关系示意图;
图4示出根据本发明的一个实施例的基于数据库的语义查询回答方法的处理过程的流程图;以及
图5示出用于实施根据本发明的基于数据库的语义查询回答方法的信息处理设备的结构方块图。
本领域技术人员应当理解,附图中的元件仅仅是为了简单和清楚起见而示出的,而且不一定是按比例绘制的。例如,附图中某些元件的尺寸可能相对于其他元件放大了,以便有助于提高对本发明实施例的理解。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于该实际实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
为了便于加深对本发明原理的理解,在下文中将以采用描述逻辑语言EL+描述的上述SNOMED-CT本体知识以及CDA卫生保健数据为具体示例,对如何丰富和完善关系数据库而不过多增加数据、以及如何在保证回答的合理性和完备性的同时提高查询效率进行详细描述和分析。但是本领域技术人员应当明白,本发明并不仅仅局限于SNOMED-CT本体知识和相应的CDA卫生保健数据,而是可以应用到各种关系数据及其相关的本体知识。
首先将参照图1至图4描述根据本发明实施例的基于数据库的语义查询回答系统及其方法的工作原理。
如图1所示,根据本发明的一个实施例的基于数据库的语义查询回答系统包括本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107、关系数据库109、以及查询改写单元111。
这里,关系数据库109用于存储原始数据以及在下文中详细描述的由本体标准化单元101、典型个体生成单元103、数据转换引擎105和基本路径生成单元107生成的各种数据。在根据本发明的该实施例中,以实例类型形式存储成员三元组的数据并以实例角色形式存储关系三元组的数据。
本体标准化单元101将EL+本体知识中的概念公理和角色公理标准化,并且根据标准化的概念公理和角色公理,将原始数据转换为原概念包含形式的数据、交概念包含形式的数据、存在型约束左包含形式的数据、存在型约束右包含形式的数据、角色包含形式的数据、以及角色链包含形式的数据。本体标准化单元101将转换后的各种数据存储在关系数据库109中。
典型个体生成单元103针对EL+本体中的存在型约束生成关于角色R和概念B的典型个体。这里,表示存在概念B的角色为R的关系。典型个体生成单元103也将所生成的典型个体及相应的角色和概念存储在关系数据库109中。
数据转换引擎105使用典型个体生成单元103所生成的典型个体和EL+本体将原始数据中的隐式数据转换为显式数据。在根据本发明的该实施例中,数据转换引擎105基于本体标准化单元101标准化的概念公理和角色公理,使用原始数据、本体标准化单元101生成的数据、以及典型个体生成单元103生成的典型个体及相应的角色和概念,生成关于原始数据和典型个体的三元组数据并存储在关系数据库109中。
基本路径生成单元107使用原始数据、本体标准化单元101生成的数据、典型个体生成单元103生成的典型个体及相应的角色和概念、以及数据转换引擎105生成的数据,生成以实名个体开始以典型个体结束的基本路径,以便于语义实现数据库查询。在根据本发明的该实施例中,基本路径生成单元107遍历由关于实名个体和典型个体的实例角色形式的数据、以及关于典型个体的实例类型形式的数据构成的关系图,计算由实名个体开始由典型个体结束的基本路径,并且以基本路径、基本路径之尾、以及直接或间接位于基本路径上的节点的三元组形式将所有的基本路径存储在关系数据库109中。
在本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107完善和丰富了关系数据库109之后,为了保证回答的合理性和完备性,查询改写单元111针对查询中的倒树附加查询条件。在根据本发明的该实施例中,查询改写单元111对查询中的倒树附加如下查询条件:在倒树的根变量匹配为典型个体的情况下,要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
根据本发明的该实施例的基于数据库的语义查询回答系统,不仅能够通过本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107对关系数据库进行知识完善而不会使其数据增加过多,而且能够通过查询改写单元111对查询中的倒树附加查询条件在保证回答的合理性和完备性的同时提高查询效率。
下面将结合具体实例对根据本发明的该实施例的基于数据库的语义查询回答系统中包括的各个模块本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107、关系数据库109、以及查询改写单元111的工作原理进行详细的描述。
首先,在关系数据库109中,根据本发明的一个具体示例,对RDF三元组形式的各种原始数据进行存储形式的转换。例如,对于个体ind从属于概念concept的RDF成员三元组数据,转换为以实例类型形式,即表格TYPEOF(ind,concept)存储。对于个体ind1与ind2之间有角色role关系的RDF关系三元组数据,则转换为以实例角色形式,即表格RELATIONSHIP(ind1,role,ind2)存储。
例如,对于从上文提到的CDA档案片段中断言的RDF三元组,在根据本发明的实施例的关系数据库109中将以下面的形式存储:
TYPEOF(ex:CDA_doc_1,ex:CDADocument)
RELATIONSHIP(ex:CDA_doc_1,ex:hasObservation,ex:obs_1)
TYPEOF(ex:obs_1,sct:Fingerlnjury)
这里,sub表示子类概念,sup表示超类概念,并且role表示角色。原概念包含公理表示子类sub包含于超类sup,交概念包含公理sub1表示子类sub1与子类sub2的合取(conjunction)包含于超类sup,存在型约束左包含公理表示具有角色role的子类sub包含于超类sup,存在型约束右包含公理表示子类sub包含于具有角色role的超类sup,以及角色包含公理表示角色role1包含于角色role2。另外,角色链包含公理表示如果概念a和b具有角色role1关系并且概念b和c具有角色role2关系,则概念a和c之间具有角色role3的关系。
关于本体标准化的处理,请参见文献“Baader F, Brandt S,Lutz C.Pushing the EL envelope.In Proc.of the19th Joint Int.Conf.on ArtificialIntelligence(IJCAI2005),2005”,这里略去其详细描述。
在此,对于本体标准化单元101标准化后的上述公理,根据本发明的一个实施例,分别以原概念包含形式ATOMICSUB(SUB,SUP)表格、交概念包含形式GCIINTER(SUB1,SUB2,SUP)表格、存在型约束左包含形式GCIEXISTS(ROLE,SUB,SUP)表格、存在型约束右包含形式EXISTSSUB(SUB,ROLE,SUP)表格、角色包含形式SUBROLE(ROLE,ROLE’)表格、以及角色链包含形式ROLECHAIN(ROLE1,ROLE2,ROLE3)表格存储在关系数据库109中。图2示出了根据本发明的一个实施例对本体中的概念公理和角色公理标准化后数据的具体存储形式。在图2所示的表格中,除了上述表格之外,还包括表格IDURI(ID,URI),用于存储本体中的所有概念(URI)及在关系数据库109中为其分配的内部标识(ID)。
例如,根据本发明的实施例,对于上文提到的SNOMED-CT中的概念“FingerInjury”将存储为ATOMICSUB(sct:FingerInjury,sct:Disorder)和EXISTSSUB(sct:FingerInjury,sct:findingSite,sct:Finger)。再比如,对于作为“Hand(手)”的一部分的“Finger”来说,根据本发明的实施例将存储为EXISTSSUB(sct:Finger,sct:partOf,sct:Hand)。同样,对于作为“UpperLimb(上肢)”一部分的“Hand”来说,在关系数据库109中将其存储为EXISTSSUB(sct:Hand,sct:partOf,sct:UpperLimb)。另外,对于SNOMED-CT中的传递角色“partOf”,在关系数据库109中将其存储为ROLECHAIN(sct:partOf,sct:partOf,sct:partOf)。
典型个体生成单元103针对本体中的存在型约束生成关于角色R和概念B的典型个体ind’,并且将所生成的典型个体ind’以及相应的角色R和概念B以CANONIND(ind’,R,B)形式存储在关系数据库109中。
例如,对于上文中提到的查找位置(findingSite)在“Finger”的存在型约束,典型个体生成单元103可以生成典型个体ex:uuu_1并以表格CANONIND(ex:uuu_1,sct:findingSite,sct:Finger)将其存储在关系数据库109中。
数据转换引擎105使用本体知识和典型个体生成单元103所生成的典型个体ind’将原始数据中的隐式数据转换为显式数据。具体地说,根据本发明的一个实施例,针对本体标准化单元101所标准化后的概念公理和角色公理,分别为其定义Datalog规则并进行推论,如表1所示。
另外,在根据本发明的一个实施例中,数据转换引擎105还采用公知的自下而上的策略对所述各个Datalog规则进行迭代推论和评估,直到没有新的三元组数据生成为止。
表1用于标准化的EL+公理的Datalog规则
在表1所示的推论中,“:-”后边的数据结构为前提,而“:-”前边的数据结构为结论。举例来说,对于原概念包含公理数据转换引擎105根据原概念包含形式的数据ATOMICSUB(sub,sup)和关于子类的实例类型形式的数据TYPEOF(ind,sub)生成关于超类的实例类型形式的数据TYPEOF(ind,sup)。这意味着如果一个子类概念sub包含于另一个超类概念sup并且个体ind是子类概念sub的实例类型,则能够推断出该个体ind也是超类概念sup的实例类型。例如,对于上文中提到的具体示例,由于存在数据原概念包含形式的数据ATOMICSUB(sct:FingerInjury,sct:Disorder)以及关于子类的实例类型形式的数据TYPEOF(ex:obs_1,sct:FingerInjury),因此能够推断得出关于超类的实例类型形式的数据TYPEOF(ex:obs_1,sct:Disorder)。
类似地,对于交概念包含公理数据转换引擎105根据交概念包含形式的数据GCIINTER(sub1,sub2,sup)、关于第一子类的实例类型形式的数据TYPEOF(ind,sub1)、以及关于第二子类的实例类型形式的数据TYPEOF(ind,sub2)生成关于超类的实例类型形式的数据TYPEOF(ind,sup)。这意味着如果个体ind既是子类概念sub1的实例类型也是子类概念sub2的实例类型,并且子类概念sub1和子类概念sub2的合取包含于超类概念sup,则能够推断出该个体ind也是超类概念sup的实例类型。
基于同样原理,对于存在型约束左包含公理数据转换引擎105根据存在型约束左包含形式的数据GCIEXISTS(role,sub,sup)、实例角色形式的数据RELATIONSHIP(ind1,role,ind2)、以及关于子类的实例类型形式的数据TYPEOF(ind2,sub)生成关于超类的实例类型形式的数据TYPEOF(ind1,sup)。这意味着如果第一个体ind1和第二个体ind2存在角色role关系,第二个体ind2是子类概念sub的实例类型,并且具有角色role的子类概念sub包含于超类概念sup,则能够推断出第一个体ind1是超类概念sup的实例类型。
而且,对于角色包含公理数据转换引擎105根据角色包含形式的数据SUBROLE(role1,role2)、以及关于第一角色的实例角色形式的数据RELATIONSHIP(ind1,role1,ind2)生成第二角色的实例角色形式的数据RELATIONSHIP(ind1,role2,ind2)。这意味着如果角色role1包含于角色role2并且第一个体ind1和第二个体ind2之间具有实例角色role1关系,则能够推断出第一个体ind1和第二个体ind2之间也具有实例角色role2关系。
另外,对于角色链包含公理数据转换引擎105根据角色链包含形式的数据ROLECHAIN(role1,role2,role3)、关于第一个体、第一角色和第二个体的实例角色形式的数据RELATIONSHIP(ind1,role1,ind2)、以及关于第二个体、第二角色和第三个体的实例角色形式的数据RELATIONSHIP(ind2,role2,ind3)生成关于第一个体、第三角色和第三个体的实例角色形式的数据RELATIONSHIP(ind1,role3,ind3)。这意味着如果第一个体ind1和第二个体ind2之间具有实例角色role1关系,第二个体ind2和第三个体ind3之间具有实例角色role2关系,并且实例角色role1、实例角色role2以及实例角色role3之间具有角色链包含关系则能够推断出第一个体ind1和第三个体ind3之间具有实例角色role3关系。
这里需要指出的是,对于存在型约束右包含公理数据转换引擎105则根据存在型约束右包含形式的数据EXISTSSUB(sub,role,sup)、实例类型形式的数据TYPEOF(ind,sub)、以及根据本发明的实施例由典型个体生成单元103所生成的典型个体及相应的角色和概念CANONIND(ind’,role,sup)生成关于实名个体和典型个体的实例角色形式的数据RELATIONSHIP(ind,role,ind’)、以及关于典型个体的实例类型形式的数据TYPEOF(ind’,sup)。
也就是说,如果存在个体ind属于存在型约束右包含形式的数据EXISTSSUB(sub,role,sup)中的子类概念类型sub,并且存在关于角色role和超类概念sup的典型个体ind’,则能够推断出RELATIONSHIP(ind,role,ind’)和TYPEOF(ind’,sup)。
实际上,存在型约束右包含公理的逻辑语义已经超出了Datalog规则的范围,这意味着对于每一个属于子类概念类型sub的个体ind1,根据现有技术,必须为该个体ind1生成一个新的个体ind2及相应的关系数据,比如RELATIONSHIP(ind1,role,ind2)和TYPEOF(ind2,sup)。可以想象,当存在大量的子类概念sub的实例时,必然会导致巨量的新个体和关系数据产生,这些个体应用到表1所示的Datalog规则中进行迭代评估,所花费的时间也相当可观。
相反,对于本发明的实施例,由于针对一类个体ind生成了典型个体ind’,则无需如现有技术那样,针对每一个属于此类的具体个体ind1生成一个新的个体ind2,因此能够急剧减少新生成的个体的数量。相应地,进行表1所示的Datalog规则的迭代推理所花费的时间也明显下降。
再回到上文的具体示例,除了所产生的典型个体CANONIND(ex:uuu_1,sct:findingSite,sct:Finger)之外,由于还存在三元组数据EXISTSSUB(sct:FingerInjury,sct:findingSite,sct:Finger)和TYPEOF(ex:obs_1,sct:FingerInjury),因此能够推断出新的数据RELATIONSHIP(ex:obs_1,sct:findingSite,ex:uuu_1)和TYPEOF(ex:uuu_1,sct:Finger)。
到此为止,对于上文的具体示例,除了初始断言的三元组数据之外,还新推断出了如下所示的三元组数据用于对语义查询提供回答。
ex:obs_1 rdf:type sct:Disorder.
ex:obs_1 sct:findingSite ex:uuu_1.
ex:uuu_1 rdf:type sct:Finger.
利用新生成的三元组数据和初始断言的三元组数据,能够非常快捷容易地得出在背景技术中给出的查询示例的回答。
比如,以SNOMED-CT中定义为“Hand”的一部分的“Finger”以及定义为“UpperLimb”一部分的“Hand”为例,这里存在两个存在型约束,即和因此典型个体生成单元103生成两个典型个体比如ex:u1和ex:u2并且将其在关系数据库109中分别存储为CANONIND(ex:u1,sct:partOf,sct:Hand)和CANONIND(ex:u1,sct:partOf,sct:UpperLimb)。
此外,假设在关系数据库109中将“yourFinger(你的手指)”存储为TYPEOF(ex:yourFinger,sct:Finger)。另外,本体标准化单元101从SNOMED-CT本体知识中能够得出EXISTSSUB(sct:Finger,sct:partOf,sct:Hand)和EXISTSSUB(sct:Hand,sct:partOf,sct:UpperLimb)。基于上述原始数据和典型个体生成单元103生成的数据,数据转换引擎105对存在型约束右包含公理进行Datalog规则推论,能够生成新的数据RELATIONSHIP(ex:yourFinger,sct:partOf,ex:u1)、TYPEOF(ex:u1,sct:Hand)、RELATIONSHIP(ex:u1,sct:partOf,ex:u2)、TYPEOF(ex:u2,sct:UpperLimb)。
接下来,假设在关系数据库109中将“myFinger(我的手指)”存储为TYPEOF(ex:myFinger,sct:Finger),将“myHand(我的手)”存储为TYPEOF(ex:myHand,sct:Hand),并且同时将二者的实例关系存储为RELATIONSHIP(ex:myFinger,sct:partOf,ex:myHand)。同样,数据转换引擎105对存在型约束右包含公理进行Datalog规则推论,能够推断出新的数据RELATIONSHIP(ex:myHand,sct:partOf,ex:u2)。此外,由于sct:partOf的传递性,因此能够推断出新的数据RELATIONSHIP(ex:yourFinger,sct:partOf,ex:u2)和RELATIONSHIP(ex:myFinger,sct:partOf,ex:u2)。
以上由本体标准化单元101、典型个体生成单元103、以及数据转换引擎105所生成的数据之间的关系可以用图3(b)所示的树清楚地表示。在图3(b)中,“a”表示“my finger”,“b”表示“my hand”,“c”表示“your finger”,“u1”和“u2”分别表示典型个体生成单元103针对和生成的典型个体。
现在,进行“哪两个个体同是某物的一部分”的查询,即进行如图3(a)所示的倒树查询“Q(x,y):-sct:partOf(x,z),sct:partOf(y,z)”。如果根据上面由数据转换引擎105所完善的数据进行查询,将导致“我的手指和你的手指同是某物的一部分”的回答,这显然是不正确的。
从上面的示例中可以看出,对于倒树形式的查询,根据本发明的实施例由典型个体生成单元103和数据转换引擎105所完善生成的数据可能会导致以错误的方式匹配查询倒树。导致查询回答错误的原因是由于存在型约束右包含公理中的所有子类概念sub的实例个体都共享了针对存在型约束所生成的关于角色role和超类概念sup的同一个典型个体ind’,并且针对同一个存在型约束仅仅生成一个典型个体ind’。
以上面的具体示例为例,查询“sct:partOf(x,z)”和“sct:partOf(y,z)”构成了倒树。由于存在型约束右包含公理使得典型个体“u2”是由“my hand”和“u1”共享的典型个体。进而,由于诸如传递规则sct:partOf的表达性规则进行迭代推论和评估,使得典型个体“u2”成为由“my finger”和“your finger”共享的典型个体,因此针对上述查询给出了错误回答。
另一方面,由典型个体生成单元103和数据转换引擎105所完善生成的数据中实际上也存在匹配倒树查询的回答。比如,对于上面的具体示例,“myfinger”和“my hand”也共享同一典型个体ex:u2,但是这样的共享不是源于多次使用存在型约束右包含公理,因此能够针对上述查询给出正确回答。
为了解决上述问题,根据本发明的基本路径生成单元107通过生成以实名个体开始以典型个体结束的基本路径来将不正确的回答滤除。
然后,基本路径生成单元107遍历由关系三元组BT构成的图,计算由节点u0,u1,...,uk构成的基本路径BP(uk),其中u0为实名个体,u1,...,uk为典型个体,并且对于任意的0≤i<k,使得<ui,ui+1>∈BT。这里将u0称为基本路径之首,将uk称为基本路径之尾。
最后,基本路径生成单元107以BPath(path,tail,node)形式存储所有的基本路径,其中path为基本路径,tail为基本路径之尾,node为直接位于基本路径上的节点ui(0≤i<k)或间接位于基本路径上的节点。这里,间接位于基本路径上的节点为具有实例角色关系RELATIONSHIP(v,r,u0)的实名个体v。
在上面所示的具体示例中,按照基本路径生成单元107的上述处理可以生成3条基本路径,即b*u2、c*u1、以及c*u1*u2,其中“*”表示节点之间相互链接。同样,为了描述方便起见,这里的a”、“b”、“c”分别表示“myfinger”、“my hand”和“your finger”,“u1”和“u2”分别表示典型个体生成单元103针对存在型约束和生成的典型个体。下面的表2示出了由基本路径生成单元107生成的基本路径的存储形式,其中“a”间接位于基本路径b*u2上,这是由于存在RELATIONSHIP(ex:myFinger,sct:partOf,ex:myHand),而ex:myHand正是基本路径b*u2之首b。
表2基本路径存储表
路径 | 路径尾 | 经过节点 |
b*u2 | u2 | b |
b*u2 | u2 | a |
c*u1 | u1 | c |
c*u1*u2 | u2 | c |
c*u1*u2 | u2 | u1 |
在本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107完善和丰富了关系数据库109之后,为了保证回答的合理性和完备性,查询改写单元111针对查询中的倒树附加查询条件。即,根据数据倒树以单条基本路径匹配查询倒树的基本路径标准,在倒树的根变量匹配为典型个体的情况下,要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
下面将详细说明根据该实施例的基于数据库的语义查询回答系统中的查询改写单元111的工作原理。
首先,查询改写单元111对查询中的每一个根节点按照倒树遍历原则标识查询中的每一个倒树({s1,...,sn},t),其中t为查询中的根节点,s1,...,sn为以t作为根节点的倒树中所包括的各个节点。
具体地说,对于给定查询q,使用Rq来表示查询q中的倒树根节点集合,使得Rq:={t|#{s|R(s,t)∈q}>1}。然后,对于每一个根节点t∈Rq,计算倒树的元素集合,使得S0:={s|R(s,t)∈q}并且Si+1:=Si∪{s’|R’(s’,t’)∈q,t’∈Si}。在Si+1到达固定点即Si+1=Si时终止倒树元素集合的计算。此时,使用St来表示倒树t中所包含的节点集合,即,St:=∪i>=0Si,并且将查询q中的每一个倒树表示为一对(St,t),其中t∈Rq。这里,也将St表示为{s1,...,sn}。
在标识完查询中的所有倒树之后,查询改写单元111对查询中的每一个倒树({s1,...,sn},t)附加查询条件BPath(p,t,sn),其中CANONIND(t)表示t的变量匹配为一个由典型个体生成单元生成的典型个体,表示存在一条由基本路径生成单元生成的基本路径p,BPath(p,t,s1),...,BPath(p,t,sn)表示由基本路径存储单元存储着倒树上s1,...,sn的变量匹配。
对于上文中提到的查询Q(x,y):-sct:partOf(x,z),sct:partOf(y,z),由于具有倒树({x,y},z),因此查询改写单元111将其改写为
Q(x,y):-sct:partOf(x,z),sct:partOf(y,z),(CANONIND(z)→BPath(p,z,x),BPath(p,z,y)).
将该查询改写单元111改写后的查询提交到由本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107完善和丰富的关系数据库109,能够得出正确的查询回答,即返回包括“my finger”和“my hand”的回答,而将包括“my finger”和“your finger”的回答排除在外。
这里需要指出的是,在上面描述的基于数据库的语义查询回答系统中,可以由本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107、以及关系数据库109构成语义数据库生成系统,事先根据EL+本体知识对原始数据进行扩展和完善,以便于进行查询。这样,在实时查询时,可以仅由查询改写单元111对所输出的查询进行改写,从而实现快速高效的查询效率。
以上结合附图1至附图3详细描述了根据本发明的一个实施例的基于数据库的语义查询回答系统的结构及其详细工作原理。下面将结合图4描述根据本发明的一个实施例的基于数据库的语义查询回答方法的处理过程。
如图4所示,根据该实施例的基于数据库的语义查询回答方法包括本体标准化步骤S401、典型个体生成步骤S403、数据转换步骤S405、基本路径生成步骤S407以及查询改写步骤S409。
同样,在根据本发明的该实施例的基于数据库的语义查询回答方法中,对于RDF三元组形式的各种原始数据,以实例类型形式,即TYPEOF(ind,concept)表格将RDF成员三元组的数据存储在关系数据库中,并且以实例角色形式,即RELATIONSHIP(ind1,role,ind2)表格将RDF关系三元组的数据存储在关系数据库中。这里,TYPEOF(ind,concept)表示个体ind从属于概念concept,而RELATIONSHIP(ind1,role,ind2)表示个体ind1与ind2之间有角色role关系。
由于在根据本发明该实施例的基于数据库的语义查询回答方法中的本体标准化步骤S401、典型个体生成步骤S403、数据转换步骤S405、基本路径生成步骤S407以及查询改写步骤S409等各个步骤中的具体处理过程分别与参照图1描述的基于数据库的语义查询回答系统中的本体标准化单元101、典型个体生成单元103、数据转换引擎105、基本路径生成单元107、以及查询改写单元111等各个模块中的处理类似,因此在此略去进一步的详细描述。
同样,这里需要指出的是,在上面结合图4所描述的基于数据库的语义查询回答方法中,也可以仅仅通过本体标准化步骤S401、典型个体生成步骤S403、数据转换步骤S405、以及基本路径生成步骤S407事先根据EL+本体知识对原始数据进行扩展和完善,以便于进行查询。这样,在实时查询时,由查询改写步骤S409对所输出的查询进行改写,从而实现快速高效的查询效率。
以上结合具体实施例描述了本发明的基本原理,但是,还需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
在通过软件和/或固件实现本发明的实施例的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图5所示的通用个人计算机700安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图5中,中央处理单元(CPU)701根据只读存储器(ROM)702中存储的程序或从存储部分708加载到随机存取存储器(RAM)703的程序执行各种处理。在RAM703中,也根据需要存储当CPU701执行各种处理等等时所需的数据。CPU701、ROM702和RAM703经由总线704彼此连接。输入/输出接口705也连接到总线704。
下述部件连接到输入/输出接口705:输入部分706,包括键盘、鼠标等等;输出部分707,包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等等,和扬声器等等;存储部分708,包括硬盘等等;和通信部分709,包括网络接口卡比如LAN卡、调制解调器等等。通信部分709经由网络比如因特网执行通信处理。
根据需要,驱动器710也连接到输入/输出接口705。可拆卸介质711比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器710上,使得从中读出的计算机程序根据需要被安装到存储部分708中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质711安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图5所示的其中存储有程序、与装置相分离地分发以向用户提供程序的可拆卸介质711。可拆卸介质711的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM702、存储部分708中包含的硬盘等等,其中存有程序,并且与包含它们的装置一起被分发给用户。
还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
虽然已经详细说明了本发明及其优点,但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本申请的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
Claims (12)
1.一种用于数据库查询回答的方法,包括:
针对本体中的存在型约束,生成关于角色和概念的典型个体ind’;
使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据;
从原始数据和转换的显式数据中检索满足查询中的所有查询条件的回答;
将本体知识中的概念公理和角色公理标准化为原概念包含公理交概念包含公理存在型约束左包含公理存在型约束右包含公理角色包含公理以及角色链包含公理其中sub表示子类概念,sup表示超类概念,role表示角色;以及
使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据包括:基于标准化的概念公理和角色公理,使用原始数据、典型个体ind’及相应的角色和概念,生成关于原始数据和典型个体的三元组数据。
2.根据权利要求1所述的方法,还包括:
根据原始数据和转换的显式数据生成以实名个体开始以典型个体结束的基本路径;
判断查询中是否存在倒树;以及
如果查询中存在倒树并且倒树的根变量匹配为典型个体,则通过附加如下查询条件对查询进行改写:要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
3.根据权利要求2所述的方法,还包括:对查询中的每一个根节点按照倒树遍历原则标识查询中的每一个倒树。
4.根据权利要求1所述的方法,其中使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据还包括:
以实例类型形式TYPEOF(ind,concept)存储成员三元组的数据并以实例角色形式RELATIONSHIP(ind1,role,ind2)存储关系三元组的数据,其中TYPEOF(ind,concept)表示个体ind从属于概念concept,而RELATIONSHIP(ind1,role,ind2)表示个体ind1与ind2之间有角色role关系,概念concept为超类概念sup或子类概念sub;
以CANONIND(ind’,role,concept)形式存储所生成的典型个体ind’以及相应的角色和概念;以及
根据存在型约束右包含形式的数据EXISTSSUB(sub,role,sup)、实例类型形式的数据TYPEOF(ind,sub)、以及典型个体及相应的角色和概念数据CANONIND(ind’,role,sup)生成关于实名个体和典型个体的实例角色形式的数据RELATIONSHIP(ind,role,ind’)以及关于典型个体的实例类型形式的数据TYPEOF(ind’,sup)。
5.根据权利要求2或3所述的方法,还包括:
由关于实名个体和典型个体的实例角色形式的数据、以及关于典型个体的实例类型形式的数据构造关系图;
遍历关系图,计算由实名个体开始由典型个体结束的基本路径;以及
以基本路径、基本路径之尾以及直接或间接位于基本路径上的节点的三元组形式存储所有的基本路径。
6.根据权利要求5所述的方法,其中间接位于基本路径上的节点为与基本路径开始的实名个体具有实例角色形式关系的实名个体。
7.一种用于数据库查询回答的系统,包括:
典型个体生成单元,配置为针对本体中的存在型约束,生成关于角色和概念的典型个体ind’;
数据转换引擎,配置为使用典型个体ind’和本体将原始数据中的隐式数据转换为显式数据;
查询单元,配置为从原始数据和转换的显式数据中检索满足查询中的所有查询条件的回答;以及
本体标准化单元,配置为将本体知识中的概念公理和角色公理标准化为原概念包含公理交概念包含公理存在型约束左包含公理存在型约束右包含公理角色包含公理以及角色链包含公理其中sub表示子类概念,sup表示超类概念,role表示角色;以及
其中,数据转换引擎基于标准化的概念公理和角色公理,使用原始数据、典型个体ind’及相应的角色和概念,生成关于原始数据和典型个体的三元组数据。
8.根据权利要求7所述的系统,还包括:
基本路径生成单元,配置为根据原始数据和转换的显式数据生成以实名个体开始以典型个体结束的基本路径;以及
查询改写单元,配置为判断查询中是否存在倒树,并且在查询中存在倒树且倒树的根变量匹配为典型个体的情况下,通过附加如下查询条件对查询进行改写:要求存在一条基本路径,使得倒树上所有的变量匹配都是直接或间接位于基本路径上的节点。
9.根据权利要求8所述的系统,其中查询改写单元还对查询中的每一个根节点按照倒树遍历原则标识查询中的每一个倒树。
10.根据权利要求8所述的系统,还包括:
数据库,配置为以CANONIND(ind’,role,concept)形式存储所生成的典型个体ind’以及相应的角色role和概念concept,以实例类型形式TYPEOF(ind,concept)存储成员三元组的数据并以实例角色形式RELATIONSHIP(ind1,role,ind2)存储关系三元组的数据,其中TYPEOF(ind,concept)表示个体ind从属于概念concept,而RELATIONSHIP(ind1,role,ind2)表示个体ind1与ind2之间有角色role关系,概念concept为超类概念sup或子类概念sub;以及
数据转换引擎根据存在型约束右包含形式的数据EXISTSSUB(sub,role,sup)、实例类型形式的数据TYPEOF(ind,sub)、以及典型个体及相应的角色和概念数据CANONIND(ind’,role,sup)生成关于实名个体和典型个体的实例角色形式的数据RELATIONSHIP(ind,role,ind’)以及关于典型个体的实例类型形式的数据TYPEOF(ind’,sup)并存储在数据库中。
11.根据权利要求8或9所述的系统,其中基本路径生成单元遍历由关于实名个体和典型个体的实例角色形式的数据、以及关于典型个体的实例类型形式的数据构成的关系图,计算由实名个体开始由典型个体结束的基本路径,并且以基本路径、基本路径之尾以及直接或间接位于基本路径上的节点的三元组形式存储所有的基本路径。
12.根据权利要求11所述的系统,其中间接位于基本路径上的节点为与基本路径开始的实名个体具有实例角色形式关系的实名个体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910166845.7A CN101996208B (zh) | 2009-08-31 | 2009-08-31 | 用于数据库语义查询回答的方法及系统 |
US12/858,723 US8341173B2 (en) | 2009-08-31 | 2010-08-18 | Method and system for database-based semantic query answering |
US13/685,000 US8918415B2 (en) | 2009-08-31 | 2012-11-26 | Database-based semantic query answering |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910166845.7A CN101996208B (zh) | 2009-08-31 | 2009-08-31 | 用于数据库语义查询回答的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101996208A CN101996208A (zh) | 2011-03-30 |
CN101996208B true CN101996208B (zh) | 2014-04-02 |
Family
ID=43626392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910166845.7A Expired - Fee Related CN101996208B (zh) | 2009-08-31 | 2009-08-31 | 用于数据库语义查询回答的方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (2) | US8341173B2 (zh) |
CN (1) | CN101996208B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002773B2 (en) | 2010-09-24 | 2015-04-07 | International Business Machines Corporation | Decision-support application and system for problem solving using a question-answering system |
WO2012058796A1 (en) * | 2010-11-02 | 2012-05-10 | Empire Technology Development Llc | Scalable reasoning using a polarity-based module |
CA2843403C (en) * | 2011-03-08 | 2020-11-24 | International Business Machines Corporation | A decision-support application and system for medical differential-diagnosis and treatment using a question-answering system |
US9153142B2 (en) | 2011-05-26 | 2015-10-06 | International Business Machines Corporation | User interface for an evidence-based, hypothesis-generating decision support system |
KR20130060717A (ko) * | 2011-11-30 | 2013-06-10 | 삼성전자주식회사 | Axiom 관리방법 및 장치, 그를 포함하는 추론장치 |
DE102012207437B3 (de) * | 2012-05-04 | 2013-05-29 | Siemens Aktiengesellschaft | Verfahren zum Betrieb einer speicherprogrammierbaren Steuerung |
CN103150331A (zh) * | 2013-01-24 | 2013-06-12 | 北京京东世纪贸易有限公司 | 一种提供搜索引擎标签的方法和装置 |
WO2015074906A1 (en) * | 2013-11-22 | 2015-05-28 | Agfa Healthcare Gmbh | Method for preparing a system for searching databases and system and method for executing queries to a connected data source |
US11556578B2 (en) * | 2014-05-12 | 2023-01-17 | Semantic Technologies Pty Ltd | Putative ontology generating method and apparatus |
US9740763B2 (en) | 2014-11-19 | 2017-08-22 | Empire Technology Development Llc | Ontology decomposer |
US10504025B2 (en) | 2015-03-13 | 2019-12-10 | Cisco Technology, Inc. | Parallel processing of data by multiple semantic reasoning engines |
US10547565B2 (en) | 2015-04-02 | 2020-01-28 | Cisco Technology, Inc. | Automatic determination and just-in-time acquisition of data for semantic reasoning |
US10304007B2 (en) * | 2015-12-08 | 2019-05-28 | International Business Machines Corporation | Using a plurality of heterogeneous decision engines to produce a single decision |
US10922360B2 (en) | 2017-08-30 | 2021-02-16 | International Business Machines Corporation | Ancillary speech generation via query answering in knowledge graphs |
US11514246B2 (en) | 2019-10-25 | 2022-11-29 | International Business Machines Corporation | Providing semantic completeness assessment with minimal domain-specific data |
CN111241296A (zh) * | 2020-01-06 | 2020-06-05 | 大连民族大学 | 一种基于重写技术的完整性约束验证方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1846210A (zh) * | 2003-08-28 | 2006-10-11 | 英国电讯有限公司 | 利用本体存储并检索数据的方法及装置 |
WO2008088721A2 (en) * | 2007-01-17 | 2008-07-24 | International Business Machines Corporation | Querying data and an associated ontology in a database management system |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001290646A1 (en) * | 2000-09-08 | 2002-03-22 | The Regents Of The University Of California | Data source integration system and method |
US7027974B1 (en) * | 2000-10-27 | 2006-04-11 | Science Applications International Corporation | Ontology-based parser for natural language processing |
US7158983B2 (en) * | 2002-09-23 | 2007-01-02 | Battelle Memorial Institute | Text analysis technique |
CA2505514A1 (en) * | 2002-11-06 | 2004-05-27 | Mount Sinai School Of Medicine | Treatment of amyotrophic lateral sclerosis with nimesulide |
US7904401B2 (en) * | 2006-02-21 | 2011-03-08 | International Business Machines Corporation | Scaleable ontology reasoning to explain inferences made by a tableau reasoner |
US20080033993A1 (en) * | 2006-08-04 | 2008-02-07 | International Business Machines Corporation | Database Access Through Ontologies With Semi-Automatic Semantic Mapping |
US7899764B2 (en) * | 2007-02-16 | 2011-03-01 | Siemens Aktiengesellschaft | Medical ontologies for machine learning and decision support |
-
2009
- 2009-08-31 CN CN200910166845.7A patent/CN101996208B/zh not_active Expired - Fee Related
-
2010
- 2010-08-18 US US12/858,723 patent/US8341173B2/en not_active Expired - Fee Related
-
2012
- 2012-11-26 US US13/685,000 patent/US8918415B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1846210A (zh) * | 2003-08-28 | 2006-10-11 | 英国电讯有限公司 | 利用本体存储并检索数据的方法及装置 |
WO2008088721A2 (en) * | 2007-01-17 | 2008-07-24 | International Business Machines Corporation | Querying data and an associated ontology in a database management system |
Non-Patent Citations (1)
Title |
---|
Carsten Lutz et.al.Conjunctive Query Answering in EL using a Database System.《Proc. of the 5th Int. Workshop on OWL: Experiences and Directions (OWLED 2008)》.2008, * |
Also Published As
Publication number | Publication date |
---|---|
US20110055240A1 (en) | 2011-03-03 |
US8341173B2 (en) | 2012-12-25 |
US20130080459A1 (en) | 2013-03-28 |
US8918415B2 (en) | 2014-12-23 |
CN101996208A (zh) | 2011-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101996208B (zh) | 用于数据库语义查询回答的方法及系统 | |
Munir et al. | The use of ontologies for effective knowledge modelling and information retrieval | |
Goh et al. | Context interchange: New features and formalisms for the intelligent integration of information | |
Stefanidis et al. | A survey on representation, composition and application of preferences in database systems | |
JP2017513134A (ja) | オントロジーマッピング方法及び装置 | |
Munir et al. | Ontology-driven relational query formulation using the semantic and assertional capabilities of OWL-DL | |
Straccia et al. | A top-k query answering procedure for fuzzy logic programming | |
Chu et al. | Knowledge representation and retrieval using conceptual graphs and free text document self-organisation techniques | |
Wang et al. | Composite ontology-based medical diagnosis decision support system framework | |
Kim et al. | Agent based intelligent search framework for product information using ontology mapping | |
CN112768052A (zh) | 一种基于知识图谱推理的智能分诊方法 | |
US20230316095A1 (en) | Systems and methods for automated scribes based on knowledge graphs of clinical information | |
Jing et al. | SPARQL graph pattern rewriting for OWL-DL inference queries | |
Rodríguez-Muro et al. | Semantic index: Scalable query answering without forward chaining or exponential rewritings | |
Shen et al. | Ontology-based association rules retrieval using protege tools | |
Straccia et al. | A System for Retrieving Top-k Candidates to Job Positions. | |
Yong-Xin et al. | A novel method for data conflict resolution using multiple rules | |
CN101093495A (zh) | 基于网状关系维的数据处理方法和系统 | |
Rabbi et al. | A scalable ontology reasoner via incremental materialization | |
Aloui et al. | A new approach for flexible queries using fuzzy ontologies | |
Darwish et al. | Enriching vague queries by type-2 fuzzy orderings | |
Munir et al. | Using assertion capabilities of an OWL-based ontology for query formulation | |
Cole | A medical text classification agent using snomed and formal concept analysis | |
Lu | Health Query Expansion Using WordNet and UMLS | |
Gorodetsky et al. | Learning an Ontology Of Text Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140402 Termination date: 20200831 |
|
CF01 | Termination of patent right due to non-payment of annual fee |