CN103279458A

CN103279458A - 一种领域本体的构建及实例化方法

Info

Publication number: CN103279458A
Application number: CN2013100561919A
Authority: CN
Inventors: 符红光; 刘忠; 钟秀琴
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2013-02-22
Filing date: 2013-02-22
Publication date: 2013-09-04
Anticipated expiration: 2033-02-22
Also published as: CN103279458B

Abstract

本发明公开了一种领域本体的构建及实例化方法，其特征在于：选定领域，通过Wikipedia获取该领域的核心术语和核心术语之间的关系；将核心术语之间的关系与WordNet查询方式进行比较筛选，确定它们之间的对应模式，通过该对应模式确定所要构建的领域本体的本体关系；通过核心术语和本体关系来构建该领域的领域本体；确定所选定的领域的属性，将该属性添加到领域本体中；将所选定的领域的例题作为领域本体的个体进行实例化；再将实例化的领域本体存入AG数据库；本方法依赖全人类共享的Wikipedia与WordNet资源来构建本体，适合于大多数的特定领域本体的构建，且构建速度相当快捷；本发明还将领域本体实例化，使得构建的领域本体可读性强，易于维护，使用更方便。

Description

一种领域本体的构建及实例化方法

技术领域

本发明涉及本体的构建领域，具体涉及一种领域本体的构建及实例化方法。

背景技术

在本说明书中，以下术语除非特别指出都以所指明的意义被使用：

本体(Ontology)：构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇外延的规则的定义。

OWL：W3C开发的一种网络本体语言，用于对本体进行语义描述。由于OWL是针对各方面的需求在DAML+OIL的基础上改进而开发的，所以一方面要保持对DAML+OIL/RDFS的兼容性，另一方面又要保证更加强大的语义表达能力，同时还要保证描述逻辑(DL，Description Logic)的可判定推理，因此，W3C的设计人员针对各类特征的需求制定了三种相应的OWL的子语言，即OWL Lite、OWL DL和OWL Full，而且各子语言的表达能力递增。

Protégé：是斯坦福大学基于Java语言开发的本体编辑和知识获取软件，属于开放源代码软件。这个软件主要用于语义网中本体的构建，是语义网中本体构建的核心开发工具，由于其优秀的设计和众多的插件，其已经成为目前最广泛的本体论编辑器之一。Protégé提供了本体概念类、关系、属性和实例的构建，并且屏蔽了具体的本体描述语言，用户只需在概念层次上进行领域本体模型的构建。

Wikipedia：维基百科，是一个自由、免费、内容开放的百科全书协作计划，参与者来自世界各地。这个站点使用Wiki，这意味着任何人都可以编辑维基百科中的任何文章及条目。维基百科是一个基于wiki技术的多语言百科全书协作计划，也是一部用不同语言写成的网路百科全书，其目标及宗旨是为全人类提供自由的百科全书-用他们所选择的语言来书写而成的，是一个动态的、可自由访问和编辑的全球知识体。也被称作“人民的百科全书”。

WordNet：WordNet是由Princeton大学的心理学家，语言学家和计算机工程师联合设计的一种基于认知语言学的英语词典。它不是光把单词以字母顺序排列，而且按照单词的意义组成一个“单词的网络”。它是一个覆盖范围宽广的英语词汇语义网。名词、动词、形容词和副词各自被组织成一个同义词的网络，每个同义词集合都代表一个基本的语义概念，并且这些集合之间也由各种关系连接。

本体模型的构建(Ontology Building)，是在进行基于任何本体模型的应用之前都必须做的事情。本体模型的构建方法很多，有领域专家手工构建的领域本体，有自动或半自动构建的本体。但是到目前为止，还没有一种能够实现完全自动构建某个特定领域本体的方法。可如果是基于大批量数据的本体使用的话，手工构建所花费的时间将会被无限延长。

阿尔卡特朗讯公司提出的“专利号为ZL 200710154061.3、名称为用于从自然语言文本开发本体的方法和电子数据处理系统”的发明专利必须以自然语言文本作为数据源，而且要经过“语法分析”、“词典搜索”、“词汇图的构造”、“图的合并”等步骤，程序十分复杂，耗时长。

由复旦大学提出的“专利号为200810204074.1、名称为增量迭代的领域本体协同构建方法”的发明专利是一种迭代式的本体构建方法，这种方法必须依赖少量的核心专家与大量的领域专家来达到本体的阶段性评估、增量发布以及内容构建等工作；需要耗费大量的人力、物力，效率低下；

北京中机科海科技发展有限公司提出的“一种基于文本挖掘的的本体自动构建系统及方法”，经过领域资料搜集、语料资源处理、文本知识挖掘、本体自动构建等步骤来达到对特定领域的创建。该方法还需要对领域的资料进行大量搜集及文本知识挖掘，构建效率低下，并且该方法构建时没有把带有具体数据的实例本体与原抽象本体进行划分，导致构建时资源的冗余(包括抽象领域资源、实例领域资源)、层次关系不明确等，造成以后维护的困难。并且，当前的许多本体构建方式要么是针对单一领域，要么无法达到较为快速、多领域通用的效果。因此，如何快速生成本体、且适合于多领域本体的通用构建方法是当今社会亟需解决的一个难题。

发明内容

本发明要解决的技术问题是：针对现有技术的不足，提供一种领域本体的构建及实例化方法，该方法解决了现有的本体构建方法效率低下，无法达到快速构建的效果且只能针对单一领域进行本体构建的问题，实现了快速地，适合于大多数领域的本体的构建。

为了达到上述发明目的，本发明采用的技术方案是：提供一种领域本体的构建及实例化方法，其特征在于，包括以下步骤：

a、选定领域，通过Wikipedia的检索界面，获取该领域的核心术语和核心术语之间的关系；具体方法为：

首先，根据所要构建的领域本体，选定一个领域，通过Wikipedia的“中文”-“分类索引”定向到分类页面，选择该领域页面。比如平面几何领域，通过点击“数学”-“几何学”页面定向到几何学术语页面，通过对此页面以及相关链接内容的查询、筛选就可以获得平面几何领域的核心术语(中文)及核心术语之间的关系；实际上，所获得的核心术语就是本体中的类，核心术语之间的关系实际上是类之间的关系；

b、将核心术语之间的关系与WordNet查询方式进行比较筛选，确定核心术语之间的关系与WordNet查询方式之间的对应模式，通过该对应模式确定和扩展所要构建的领域的本体关系；具体过程为：

I、以核心术语作为WordNet的数据源，采用不同的WordNet查询方式获取扩展核心术语，将该扩展核心术语作为核心术语的一部分；并收集WordNet中的WordNet查询方式；

II、确定核心术语之间的关系的种类，将核心术语之间的关系与步骤I中收集的WordNet查询方式进行比较筛选，将筛选到的WordNet查询方式与核心术语之间的关系进行关联，确定它们之间的对应模式，通过该对应模式将WordNet查询方式确定为所要构建的领域本体的本体关系；并且将核心术语之间的关系中没有，而WordNet中有的查询方式作为对领域的本体关系的扩展也添加到上述本体关系中；对应模式可能存在一对多的情况；构建的领域本体不同，此步骤产生的对应模式也有可能有所不同；

c、通过核心术语和本体关系来构建该领域的领域本体；将核心术语和WordNet查询方式采用本体工具Protégé和本体描述语言OWL来构建领域本体；

d、确定步骤a所选定的领域的属性，将该属性添加到步骤c建立的领域本体中；具体过程为：

根据步骤c建立的领域本体，分析该领域本体中的类的属性，通过本体工具Protégé将这些属性添加到领域本体中。

e、将步骤a所选定的领域的例题作为步骤d所建立的领域本体的个体进行实例化；具体过程为：通过分词和自然语言处理的方式来对领域本体实例化；其中，将领域本体中的类和属性作为分词的依据，找出例题中存在的类、属性，使用类与个体之间的继承关系，根据Regex规则，找到和这些类、属性相关联的字母、数字，使例题中的字母和数字与类和属性相关联，实现该领域本体的实例化。

f、将实例化的领域本体存入AG数据库。

综上所述，本发明提供的领域本体的构建及实例化方法与现有技术相比，具有以下有益效果：

1)本方法通过已经分类好的人类最大的共享资源库Wikipedia来获取相应的领域资源，避免资源的繁杂搜集工作；通过存有大量资源相互关系的WordNet词典来查询资源间的相互关系，上述两个步骤使得领域本体的构建速度相当快捷；本发明还通过类与实例间的继承关系将例题实例化到领域本体中，实现对例题的本体自动构建，使得构建的领域本体可读性强，易于维护，使用更方便。

2)本发明的构建方法适合于大多数的特定领域，Wikipedia中汇聚了全人类诸多领域的相关数据，基于此方法可以获得相关领域的大部分核心数据；而且该方法很好地体现了概念及其关系之间的层次性和结构性，以及关系之间的约束性；并且基于类与个体之间的继承、传递关系又可以很好地解决自动实例化过程中的诸多复杂要素。

3)本方法将领域本体构建与实例化相结合，可有效地规避本体自动构建与实例化中的多次查找、判断相互关系的问题，实现了快速、高效的领域本体的构建。

附图说明

图1为本发明方法的流程图。

图2为本发明构建的平面几何领域本体的模型图。

图3为本发明构建的属性本体和实例化本体的模型图；虚线上方为属性的本体模型，下方为以例题数据进行实例化生成的个体本体。

图4为例题的示意图。

图5为本发明的平面几何领域本体与实例化本体的示意图。

具体实施方式

下面结合具体实施例对本发明的具体实施方式做详细地描述：

实施例

如图1所示，以构建平面几何领域的本体及实例化为例，对本发明的领域本体的构建及实例化方法进一步描述：

(1)构建平面几何领域的本体模型

a、平面几何领域中包含几何的各种元素，比如点、线、圆等，它们都属于所要构建的平面几何领域本体中的类；通过Wikipedia的检索界面来获得这些类即核心术语，具体过程如下：

通过Wikipedia(维基百科)的“中文”-“分类索引”-“数学”-“几何学”页面定向到几何学术语页面，此页面列举出了平面几何领域的大部分的核心术语及核心术语之间的关系；同时，为了使本体粒度更为精细，我们对获取到的核心术语进行再一次搜索、筛选由此获取到更多的核心术语及它们之间的关系。

下表列出了通过Wikipedia获取到的部分平面几何领域的核心术语：

表1平面几何领域的部分核心术语

b、一个类是一类个体的集合，一个特定领域中的最基本概念应分别对应于各个类以及类之间的层次关系。在步骤a中我们获得了平面几何领域的基本概念即核心术语及它们之间的关系，比如“矩形”类、“长方形”类、“三角形”类和“等腰三角形”类等，“矩形”类与“长方形”类是等价关系，“三角形”类与“等腰三角形”类是子类与父类的关系，本体中本身就存在的这些各个类之间的关系即核心术语之间的关系主要包括rdfs：subClassOf(子类关系)、owl：equivalentClass(等价关系)和owl：disjoinWith关系等；而WordNet查询工具也拥有与本体中的这些关系相类似的查询方式，将核心术语之间的关系与WordNet查询方式进行比较筛选，找出核心术语之间的关系与WordNet查询方式之间的对应模式即可，具体方法如下：

I、将步骤a中获得的核心术语翻译成英文，然后将该英文的核心术语作为WordNet的数据源，采用不同的WordNet查询方式获取与核心术语关系不同的扩展核心术语，将该扩展核心术语作为核心术语的一部分添加到领域本体中；并收集WordNet中的WordNet查询方式；

比如：输入三角形(triangle)，根据同义词查询方式(coordinate查询)可以得到三角形的同义词trigon和trilateral；并收集该同义词查询方式；

II、确定核心术语之间的关系的种类，将核心术语之间的关系与收集的WordNet查询方式进行比较筛选，筛选出核心术语之间的关系与WordNet查询方式共有的部分，并将筛选到的WordNet查询方式与核心术语之间的关系进行关联，确定它们之间的对应模式，通过该对应模式将WordNet查询方式确定为所要构建的领域本体的本体关系；并且将核心术语之间的关系中没有，而WordNet中有的查询方式作为领域的本体关系的一种扩展添加到上述本体关系中；

下表列出了部分核心术语之间的关系与WordNet查询方式之间的对照表：

表2部分对应模式

c、通过核心术语和本体关系来构建该领域的领域本体；通过核心术语和WordNet查询方式采用本体工具Protégé和本体描述语言OWL构建该平面几何领域的本体模型；上述核心术语包括从Wikipedia搜索到的核心术语和扩展核心术语；上述WordNet查询方式包括通过对应确定的WordNet查询方式和扩展得到的WordNet查询方式；如图2和图3所示。

d、确定步骤a所选定的领域的属性，通过本体工具Protégé将该属性添加到步骤c建立的领域本体中；

领域的属性即核心术语之间的属性，即类的属性，这些属性在上述步骤中不一定被搜集到；以平面几何领域为例，比如“长方形”类拥有“长”、“宽”、“面积”等属性，这些属性是每个领域特有且本体中不一定存在的，所以只能手动添加；每个特定领域的领域属性几乎都不相同，视构建的领域而定。平面几何领域的部分领域属性如图3和表3所示：

表3领域的部分属性列表

其中，Type关系表示一个RDF属性(RDF property)(RDF property)，用于关联个体和它所属的类。

(2)平面几何领域本体的实例化

将平面几何领域的例题作为平面几何领域本体的个体进行实例化；具体过程为：将平面几何领域本体中的类和属性作为分词的依据，找出例题中存在的类、属性，根据Regex规则，找到和这些类、属性相关联的字母、数字，使例题中的字母和数字与类和属性相关联，得到该平面几何领域的实例化本体，如图5所示，虚线上方为构建的本体，虚线下方为自动实例化后得到的本体；平面几何领域本体实例化后，将该实例化后的平面几何领域本体存入AG数据库中即可。

如图4所示，例题：已知任意四边形ABCD，点E、F、G、H分别是线段AB、BC、CD、DA的中点，证明四边形EFGH是平行四边形；

将该例题实例化的过程为：把构建好的平面几何领域本体中的类与属性作为分词依据，该例题就可以抽取出“四边形”、“点”、“线段”、“中点”类，并能找到它们相应的数据：“四边形”----ABCD；“点”----E、F、G、H；“线段”----AB、BC、CD、DA；“中点”----E、F、G、H；它们之间的关系都是类与实例之间的关系(Type关系)。不仅如此，它们的实例都还继承了各个类的属性：比如实例ABCD继承四边形的“长”、“宽”、“面积”、“周长”等属性。如图3所示，虚线下半部分是通过平面几何领域本体个体的自动实例化得到的实例本体，实例本体使用的都是具体的数字和字符，但是相互关系却是从该平面几何领域本体的类与属性中继承而来的。

虽然结合具体实施例对本发明的具体实施方式进行了详细地描述，但并非是对本专利保护范围的限定。在权利要求书所限定的范围内，本领域的技术人员不经创造性劳动即可做出的各种修改或调整仍受本专利的保护。

Claims

1.一种领域本体的构建及实例化方法，其特征在于，包括以下步骤：

a、选定领域，通过Wikipedia的检索界面，获取该领域的核心术语和核心术语之间的关系；

b、将核心术语之间的关系与WordNet查询方式进行比较筛选，确定核心术语之间的关系与WordNet查询方式之间的对应模式，通过该对应模式确定和扩展所要构建的领域的本体关系；

c、通过核心术语和本体关系来构建该领域的领域本体；

d、确定步骤a所选定的领域的属性，将该属性添加到步骤c建立的领域本体中；

e、将步骤a所选定的领域的例题作为步骤d所建立的领域本体的个体进行实例化；

f、将实例化的领域本体存入AG数据库。

2.根据权利要求1所述的领域本体的构建及实例化方法，其特征在于，步骤b中确定所要构建的领域本体的本体关系的具体方法为：

II、确定核心术语之间的关系的种类，将核心术语之间的关系与步骤I中收集的WordNet查询方式进行比较筛选，将筛选到的WordNet查询方式与核心术语之间的关系进行关联，确定它们之间的对应模式，通过该对应模式将WordNet查询方式确定为所要构建的领域本体的本体关系；并且将核心术语之间的关系中没有，而WordNet中有的查询方式作为对领域的本体关系的扩展也添加到上述本体关系中。

3.根据权利要求1或2所述的领域本体的构建及实例化方法，其特征在于，步骤c中，通过核心术语和WordNet查询方式来构建领域本体。

4.根据权利要求3所述的领域本体的构建及实例化方法，其特征在于，采用本体工具Protégé和本体描述语言OWL构建领域本体。

5.根据权利要求1所述的领域本体的构建及实例化方法，其特征在于，步骤d中，根据步骤c建立的领域本体，分析该领域本体中的类的属性，通过本体工具Protégé将这些属性添加到领域本体中。

6.根据权利要求1所述的领域本体的构建及实例化方法，其特征在于，步骤e中，通过分词和自然语言处理的方式来对领域本体实例化；其中，

将领域本体中的类和属性作为分词的依据，使用类与个体之间的继承关系，将例题中的字母和数字与类和属性相关联，实现该领域本体的实例化。