CN103123646B - 将xml文档自动转化为owl文档的转换方法及装置 - Google Patents

Abstract

本发明公开了一种将XML文档自动转化为OWL文档的转换方法，其特征在于，包括基于XML文档生成XML？Schema树；对所生成的XML？Schema树进行深度遍历，得到XML？Schema树的结构，并基于XML文档对XML？Schema树的结构的各个属性节点进行赋值，将赋值后的树称为XML？Element树；基于所述XML？Element树和相应本体，生成OWL文档。本发明通过提出XML？Element树的概念，并通过XML？Element树来作为将XML文档向OWL文档转化的中间结构，使得本发明能够在不需要人工参与的情况下自动地进行高准确度转化。

Description

将XML文档自动转化为OWL文档的转换方法及装置

技术领域

本发明涉及计算机应用技术领域，尤其涉及语义Web服务方面的内容。特别是涉及一种将XML文档自动转化为OWL文档的转换方法及装置。

背景技术

首先说明一些本发明要用到的术语。XML(Extensible Markup Language)文档是用于标记电子文件使其符合某种结构的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。XML schema信息用于描述XML文档的结构。本体(ontology)定义了组成主体领域的词汇表的基本术语及其关系，以及结合这些术语和关系来定义词汇表外延的规则。

OWL(Web Ontology Language)文档是W3C推荐的一种网络本体语言，用于对本体进行语义描述。本体是一个为描述某个领域而按继承关系组织起来作为一个知识库的基础骨架的一系列术语。OWL是语义网发展得基础，语义网是对未来网络的一个设想，在这样的网络中，信息都被赋予了明确的含义，机器能够自动地处理和集成网上可用的信息。语义网使用XML来定义定制标签的格式、使用RDF来灵活表达数据、使用OWL来描述网络文档中相关术语的明确含义及其之间的关系。

研究XML到OWL文档的自动生成方法非常有意义。比如在Web服务领域，WSDL(Web Services Description Language，web服务描述语言)实例文档采用XML编写，OWL-S(Ontology Web Language for Services，web服务本体语言)文档采用OWL编写，通过WSDL文档自动生成OWL-S文档非常有意义，能够从语义的角度去描述Web服务，让计算机理解Web服务是干什么的，从而实现Web服务的自动调度。

已知存在一种从已存在的XML数据源中半自动抽取本体知识的方法。但这种方法并不能通过计算机程序来自动实现整个将XML文档转化为OWL文档的转化过程，仍需要辅以人力才能较准确地实现转化。

还存在一种利用预先定义的XSLT(扩展样式表转换语言，ExtensibleStylesheet Language Transformations)转换语句将选定部分的XML语句转换成OWL本体语句，这种转换方式要求用户先手动选定预转换数据，然后再根据预先定义的XSLT转换语句将选定部分的XML语句。

上述方法离开人工干预时，均难以较准确地将XML文档自动转化为OWL文档。而互联网XML信息量巨大，因此，急需研究出一种能够较准确地自动将XML文档转化为OWL文档的方法。

发明内容

本发明所要解决的技术问题之一是需要提供一种不需要人工参与的情况下自动地高准确度地将XML文档转化为OWL文档的方法。

为了解决上述技术问题，本发明提供了一种将XML文档自动转化为OWL文档的转换方法，包括：

第一确定步骤，基于XML文档生成XML Schema树；

第二确定步骤，对所生成的XML Schema树进行深度遍历，得到XMLSchema树的结构，并基于XML文档对XML Schema树的结构的各个属性节点进行赋值，将赋值后的树称为XML Element树；

第三确定步骤，基于所述XML Element树和相应本体，生成OWL文档。

其中，所述第一确定步骤可进一步包括：从XML文档中提取XMLSchema信息或基于XML文档生成XML Schema信息；基于所述XMLSchema信息生成XML Schema树。

其中，所述第二确定步骤可进一步包括：对所述XML Schema树进行深度遍历，得到分别以XML Schema树的根节点的各子节点为根节点的各个结构树，并对各结构树中的属性节点进行赋值，得到与分别以XMLSchema树的根节点的各子节点为根节点且各属性节点被赋值的各个XMLElement树；合并所述各个XML Element树中概念节点相关联的XMLElement树。

其中，所述合并所述各个XML Element树中概念节点相关联的XMLElement树的处理可进一步包括：针对所述各个XML Element树，判断是否存在其根节点是所述各个XML Element树中另一XML Element树的概念节点的树的关联关系，若判断为存在，则依据所述关联关系将其根节点是所述各个XML Element树中另一XML Element树的概念节点的XML Element树合并到所述另一XML Element树中。

其中，所述第三确定步骤可进一步包括：

通过如下处理将所述XML Element树转换成中间数据：

a)将XML Element树中的概念节点表示为为N(x)，N为节点名字，x为具体实体名；

b)将XML Element树中的节点属性边表示为N(x,t)，N由概念节点和属性的关系与属性名组成，x为属性边所连接的概念节点的具体实体名，t为属性边所连属性节点的属性名；

c)对于节点父子边生成结构N(x,y)，N为父子节点的关系，x为具体的父节点实体名，y为具体的子节点实体名。

并且通过如下处理将映射结构转化为OWL文档：

a1)N(x)形式转换为<x>…</x>；

b1)N(x,t)形式转换为<N>t</N>，且必须出现在<x>和</x>之间；

c1)N(x,y)形式转换为<N rdf:resource＝”#y”/>，且必须出现在<x>和</x>之间。

优选地，可以字符串形式表示所述XML Element树。特别地，可以如下规则以字符串形式表示所述XML Element树：

a2)所述XML Element树的单个节点由其名称直接表示；

b2)节点属性边的表达方式是在节点后面紧跟一对小括号，括号内为使用逗号分隔的属性值对；

c2)所述XML Element树的节点父子边的表达方式是在节点后面紧跟一对中括号，括号内为子节点的完全表示。

根据本发明的又一方面，还提供了一种转换装置。该装置包括：

第一确定模块，基于XML文档生成XML Schema树；

第二确定模块，对所生成的XML Schema树进行深度遍历，得到XMLSchema树的结构，并基于XML文档对XML Schema树的结构的各个属性节点进行赋值，将赋值后的树称为XML Element树；

第三确定模块，基于所述XML Element树和相应本体，生成OWL文档。

其中，所述第一确定模块进一步可用于：从XML文档中提取XMLSchema信息或基于XML文档生成XML Schema信息；基于所述XMLSchema信息生成XML Schema树。

其中，所述第二确定模块可进一步用于：对所述XML Schema树进行深度遍历，得到分别以XML Schema树的根节点的各子节点为根节点的各个结构树，并对各结构树中的属性节点进行赋值，得到与分别以XMLSchema树的根节点的各子节点为根节点且各属性节点被赋值的各个XMLElement树；合并所述各个XML Element树中概念节点相关联的XMLElement树。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：本发明通过提出XML Element树的概念，并通过XML Element树来作为将XML文档向OWL文档转化的中间结构，使得本发明能够在不需要人工参与的情况下自动地进行高准确度转化。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是从一XML文档提取出的XML Schema信息的示例；

图2是根据本发明一实施例生成的一XML Schema树的例子；

图3是根据本发明一实施例生成的一XML Element树的例子；

图4是根据本发明一实施例转化得到的OWL文档的例子；

图5是根据本发明一实施例的将XML文档自动转化为OWL文档的转换方法的流程图；

图6至8分别是图5中步骤S110、步骤S120和步骤S130的详细流程图；

图9是根据本发明一实施例的将XML文档自动转化为OWL文档的转换装置的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

步骤S110，基于XML文档生成XML Schema树。这个步骤可通过子步骤S1101和S1102来完成：

子步骤S1101，从XML文档中提取XML Schema信息(图1示出了一XML Schema信息的例子)。当前，大部分XML文档在其根节点部分(XML文档前缀声明部分)会指明其使用的XML Schema文件，该文件中的信息即为XML Schema信息。部分XML文档没有指定XMLSchema文件的情况，可以从XML文档直接提取其对应的XML Schema文件，可通过Stylus Studio、Trang、Atoval XMLSpy等工具即可实现。

S1102，基于XML Schema信息生成XML Schema树。

首先根据XML Schema信息的语法，对XML Schema信息中定义的各个元素及其它们之间的关系进行建模，然后根据预设的生成规则，生成XML Schema树。

可将生成规则设置如下：

a)将XML Schema信息中的Element元素和attribute元素作为Schema树中的节点；

b)将XML Schema信息中的父子元素节点作为XML Schema树中的一条父子边，定义为e＝e1→e2，其中e1，e2E且t(e1)＝Sequence[e₂：t₂，…，e_n：t_n]或者t(e1)＝Choice[[e₂：t₂，…，e_n：t_n]]，其中，e表示边，e1表示父节点或父Element，e2表示子节点或子Element，t表示父子节点的关系；c)XML Schema文件中的节点及其属性表示为XML Schema树种的一条属性边，定义为e＝e1→a，a表示属性节点；

d)在父子边中，子节点的maxOccurs约束不为1，表明该节点出现的次数可能不止一次，在XML Schema树中用虚线表示该边。

通过步骤S110，可将如XML文档转换为如图2所示的XML Schema树，其中，椭圆节点为概念节点，矩形节点为属性节点，虚线为节点属性边，实线为节点父子边。需要说明的是，图2只是示出该树的一种形象地展示方式，在计算机程序中，可采用字符串、数组、链表等各种形式来存储与XML文档相对应的XML Schema树。

此外，在本发明中，由于一般情况下XML文档的根节点部分会指明其使用的XML Schema文件，也就是说，通常XML schema是现存的，因此利用用于表示XML文档的结构的XML schema树作为将XML文档转化为OWL文档的中间数据结构，可以较好地提高转化效率。

关于如何基于XML文档通过程序的方式自动生成XML Schema树，现有技术中也提供了各种方法，在此不再详细说明。

然后进入步骤S120，对步骤S110中生成的XML Schema树进行深度遍历，得到XML Schema树的结构，并基于XML文档对XML Schema树的结构的各个属性节点进行赋值(概念节点无需赋值)，将赋值后的树称为XML Element树。

XML Element树的结构来自于XML Schema树的结构，内容来自于原来的XML文档。XML Element树是符合Schema树结构的一个具体实例，可以很好地反映XML文档的真实结构及取值。改进了XML Schema树只能表示XML文档的结构而无法表达值的缺点。

本发明发明人通过提出了XML Element树的概念，这是本发明的核心发明点之一。通过本发明发明人提出的XML Element树，使得本发明的方法可以准确地将基于XML schema树结构和XML文档生成XMLElement树，再基于XML Element树生成OWL文档。

对于一个XML Schema树可以有一棵或者多棵Element树与之对应，一个Element节点(亦称元素)仅对应一颗Element树，这个元素对应的Element树的构造可以由以下两步完成：a)对Schema树中对应元素进行深度优先遍历得到该元素的结构。b)在得到的元素结构中填入XML文档中对应元素的具体值，从而构造出Element树。

优选地，步骤S120可进一步包括子步骤S1201和S1203。

子步骤S1201对步骤S110中生成的XML Schema树进行深度遍历，得到分别以XML Schema树的根节点的各子节点为根节点的子树，并对各子树中的属性节点进行赋值，得到与分别以XML Schema树的根节点的各子节点为根节点且各属性节点被赋值的各个XML Element树；

以图2所示的XML Schema树为例，对步骤S110中生成的XMLSchema树进行深度遍历，因为root下有三个子节点，因此遍历可得到分别以root的的三个子节点Element为根节点的三棵XML Element树。

子步骤S1202，合并各个XML Element树中概念节点相关联的XMLElement树。

更具体地，针对步骤S1201的各个XML Element树，判断是否存在其根节点是所述各个XML Element树中另一XML Element树的节点的树的关联关系，若判断为存在，则依据该关联关系将其根节点是所述各个XML Element树中的概念节点的XML Element树合并到所述另一XML Element树中。这样，能够减少XML Element数量并使得转化后的OWL文档更加整齐。

在图2的例子中，由于存在eid的关联关系(可判断出root的右边两个子节点是最左边子节点的孙子节点)，将这三棵树进行合并，即将以root右边两个子节点为根节点的两个XML Element树合并到以root左边子节点为根节点的XML Element树中。经过S1201至S1202的处理，得到如图3所示的XML Element树，其中，椭圆节点为概念节点，矩形节点为属性节点，虚线为节点属性边，实线为节点父子边。

与上述XML Schema树类似地，可采用字串、数组、链表等各种形式来存储与XML文档相对应的XML Element树。

在一个实施例中，为了提高转化效率，采用字符串形式来表示XMLElement树。具体地，可以使用如下的字符串形式表示：e₂(a_n＝x_n)[e₂(a_n＝x_n)[……]]，其中，e₁，e₂∈E；a_n∈A；x_n为变量，A和E分别表示属性集合(attribute集合)和元素集合(Element集合)。具体的表示规则举例如下：a)XML Element树的单个节点由其名称直接表示；b)XMLElement树的节点属性边(即图3中虚线表示的边)的表达方式是在节点后面紧跟一对小括号，括号内为使用逗号分隔的属性值对；c)XMLElement树的节点父子边(即图3中实线表示的边)的表达方式是在节点后面紧跟一对中括号(如果该节点有属性，应该在节点属性的小括号之后紧跟中括号)，括号内为子节点的完全表示。

步骤S130，基于步骤S120得到的XML Element树和相应本体(指与要转化的XML文档所属领域相应的技术领域的本体)，生成OWL文档。

更具体地，步骤S130可包括子步骤S1301和子步骤S1302。

子步骤S1301，将XML Element树转换成映射结构(中间数据)。具体处理可包括：

a)将XML Element树中的概念节点表示为为N(x)，N为节点名字，x为具体实体名；

b)将XML Element树中的节点属性边表示为N(x,t)，N由概念节点和属性的关系与属性名组成，x为属性边所连接的概念节点的具体实体名，t为属性边所连属性节点的属性名；

c)对于节点父子边生成结构N(x,y)，N为父子节点的关系，x为具体的父节点实体名，y为具体的子节点实体名。

以图3的XML Element树为例，加入相应本体概念后得到的对应的映射结构如下所示：

Employee(E1),hasEid(E1,1),hasName(E1,Bill),Manager(E1,M1)

Manager(M1),hasMid(M1,2),manages(M1,E3),manages(M1,E4)

Employee(E3),hasEid(E3,3),hasName(E3,Gary)

Employee(E4),hasEid(E4,4),hasName(E4,Mark)

其中，Manager和manages是同一关系相反的表示，从Emplyee节点到Manager节点是Manager，从Manager节点到Employee是manages，即manages(M1,E3)等价于Manager(E3,M1)。

需要说明的是，上述映射结构各项的顺序在用计算机自动生成时，顺序会随着算法的变化而变化，上面的顺序只是为了方便理解的一个例子，每一行可对应于一个节点。

子步骤S1302，通过如下处理将映射结构转化为OWL文档。具体处理可包括：

a1)N(x)形式转换为<x>…</x>；

b1)N(x,t)形式转换为<N>t</N>，且必须出现在<x>和</x>之间；

c1)N(x,y)形式转换为<N rdf:resource＝”#y”/>，且必须出现在<x>和</x>之间。

这样，即可将上述映射结构转化为OWL文档，从而最终实现将XML文档转化为OWL文档。

根据本发明，以图3所示的XML Element树为例，可转化得到图4所示OWL文档。

根据本发明的另一实施例，还提供了一种将XML文档自动转化为OWL文档的转换装置。该装置包括第一确定模块10、第一确定模块20和第一确定模块30，这三个模块分别用于执行与上述步骤S110、S120和S130的处理。在此不再一一赘述。可以理解，本实施的装置可以为一设置有用于实现本发明方法中各步骤的处理的功能扩展卡的计算装置等，也可以是一处理器，通过由CPU调用存储着执行上述方法的处理的程序的存储介质中的程序来实现本发明的装置。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (8)

1.一种将XML文档自动转化为OWL文档的转换方法，其特征在于，包括：

第一确定步骤，基于XML文档生成XML Schema树；

第二确定步骤，对所生成的XML Schema树进行深度遍历，得到XML Schema树的结构，并基于XML文档对XML Schema树的结构的各个属性节点进行赋值，将赋值后的树称为XML Element树；

第三确定步骤，基于所述XML Element树和相应本体，生成OWL文档；

所述第二确定步骤进一步包括：

对所述XML Schema树进行深度遍历，得到分别以XML Schema树的根节点的各子节点为根节点的各个结构树，并对各结构树中的属性节点进行赋值，得到与分别以XML Schema树的根节点的各子节点为根节点且各属性节点被赋值的各个XML Element树；

合并所述各个XML Element树中概念节点相关联的XML Element树。

2.根据权利要求1所述的方法，其特征在于，所述第一确定步骤进一步包括：

从XML文档中提取XML Schema信息或基于XML文档生成XMLSchema信息；

基于所述XML Schema信息生成XML Schema树。

3.根据权利要求1所述的方法，其特征在于，所述合并所述各个XMLElement树中概念节点相关联的XML Element树的处理进一步包括：

针对所述各个XML Element树，判断是否存在其根节点是所述各个XML Element树中另一XML Element树的概念节点的树的关联关系，若判断为存在，则依据所述关联关系将其根节点是所述各个XML Element树中另一XML Element树的概念节点的XML Element树合并到所述另一XML Element树中。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第三确定步骤进一步包括：

通过如下处理将所述XML Element树转换成中间数据：

a)将XML Element树中的概念节点表示为为N(x)，N为节点名字，x为具体实体名；

b)将XML Element树中的节点属性边表示为N(x,t)，N由概念节点和属性的关系与属性名组成，x为属性边所连接的概念节点的具体实体名，t为属性边所连属性节点的属性名；

c)对于节点父子边生成结构N(x,y)，N为父子节点的关系，x为具体的父节点实体名，y为具体的子节点实体名；通过如下处理将映射结构转化为OWL文档：

a1)N(x)形式转换为<x>…</x>；

b1)N(x,t)形式转换为<N>t</N>，且必须出现在<x>和</x>之间；

c1)N(x,y)形式转换为<N rdf:resource＝”#y”/>，且必须出现在<x>和</x>之间。

5.根据权利要求1至3中任一项所述的方法，其特征在于，以字符串形式表示所述XML Element树。

6.根据权利要求5所述的方法，其特征在于，根据如下规则以字符串形式表示所述XML Element树：

a2)所述XML Element树的单个节点由其名称直接表示；

b2)节点属性边的表达方式是在节点后面紧跟一对小括号，括号内为使用逗号分隔的属性值对；

c2)所述XML Element树的节点父子边的表达方式是在节点后面紧跟一对中括号，括号内为子节点的完全表示。

7.一种将XML文档自动转化为OWL文档的转换装置，其特征在于，包括：

第一确定模块，基于XML文档生成XML Schema树；

第二确定模块，对所生成的XML Schema树进行深度遍历，得到XML Schema树的结构，并基于XML文档对XML Schema树的结构的各个属性节点进行赋值，将赋值后的树称为XML Element树；

第三确定模块，基于所述XML Element树和相应本体，生成OWL文档；

所述第二确定模块进一步用于：

对所述XML Schema树进行深度遍历，得到分别以XML Schema树的根节点的各子节点为根节点的各个结构树，并对各结构树中的属性节点进行赋值，得到与分别以XML Schema树的根节点的各子节点为根节点且各属性节点被赋值的各个XML Element树；

合并所述各个XML Element树中概念节点相关联的XML Element树。

8.根据权利要求7所述的装置，其特征在于，所述第一确定模块进一步用于：

从XML文档中提取XML Schema信息或基于XML文档生成XMLSchema信息；

基于所述XML Schema信息生成XML Schema树。