CN113704367B - 一种基于语义的自融合数据库系统 - Google Patents

Abstract

本发明公开了一种基于语义的自融合数据库，其特征在于：引入关联作为一等对象，分解实体关系模型和锚链建模技术中的关系；——从而能够表达各类属性在时间等维度上的元信息；在关联的基础上引入几类信息元来表达所有的数据信息；——支持对数据的规范化描述、表示和交换；引入描述逻辑，对信息元所表达的语义信息进行描述；——支持语义表达和使用；引入MBox的概念，对TBox进行描述，从而支持完整的信息交换，为建模工具等提供基础；——支持将模型表示为1、2中的数据，进行交换。

Description

一种基于语义的自融合数据库系统

技术领域

本发明涉及数据库技术领域，尤其涉及是一种基于语义的自融合数据库系统。

背景技术

传统的基于实体关系模型(Entity Relation Model,ERM)的数据库仅描述了数据的语法结构和实例信息。为了实现数据的自动融合，首先基于锚链建模(Anchor Modeling,AM)技术对ERM进行分解和扩展，引入Infolet信息元的概念来灵活表示各类数据实例；其次引入描述逻辑(Description Logic,DL)的思想，用TBox中公式来描述数据的语义信息，并将Infolet信息元作为DL中ABox；然后为TBox中公式建立称作MBox的元模型，并将TBox(乃至MBox)自身用Infolet信息元进行表示，从而支持建模工具对包含ABox和TBox的数据库InfoSet进行建模和描述。

在实体关系模型中，实体及其属性组成一张二维表格，如下：

Anchor Modling(锚链建模方法，AM)建议采用一个属性一张表的形式来表达数据，同时赋予数据时间这一元信息，使得数据库能够表达时间维度上的历史信息。即如下：

表1实体表

ID	Time
			123-345-456	1990-01-01
223-345-456	1991-01-01

表2姓名属性

上表中，张三三在2012年改名为张三。

表3性别属性

表4出生日期属性

表5职务等级属性

进一步的，可以在AM的基础上，扩展元属性，即每个属性子表可以增加时间之外的元信息。例如对职务等级属性，可以增加见证人，如下：

表6带其它元信息的职务等级表

尽管如此，要对这些信息进行交换和规范，仍然缺少灵活性和语义信息。例如，在另一套系统中。对职务等级的表示如下：

表7其他系统中的职务等级表

由于字段名称不一致，两份相同的数据，信息系统也不能自动的进行数据的合并。为此，需要进一步进行扩展。

仍然是在表6中，如果需要更多的元信息，就要插入更多的列。这就会与AM的思想相悖。为此，需要对数据表示进一步进行简化。

发明内容

针对以上问题，本发明提供一种基于语义的自融合数据库系统，改进了传统数据库操作繁琐的问题。

为实现上述发明目的，本发明采用如下技术方案：

引入关联作为一等对象，分解实体关系模型和锚链建模技术中的关系。——从而能够表达各类属性在时间等维度上的元信息。

在关联的基础上引入几类信息元来表达所有的数据信息。——支持对数据的规范化描述、表示和交换。

引入描述逻辑，对信息元所表达的语义信息进行描述。——支持语义表达和使用。

引入MBox的概念，对TBox进行描述，从而支持完整的信息交换，为建模工具等提供基础。——支持将模型表示为1、2中的数据，进行交换。

首先对传统的ALCF(D)描述逻辑进行扩展，使之能描述新引入的关联，对其中的关系R进行分解和扩展。

Def 1(保持不变).有型域由(Δ_D，Φ_D)组成，Δ_D是值域，Φ_D是值域中元素之间的谓词名组成的集合。若P是Φ_D中谓词名，则它表示的是一个n元(n-ary)的谓词/>有型域/>是可接受的(admissible)的，iff(1)Φ_D中谓词是否定封闭的，且存在一元谓词T_D对Δ_D中所有元素均成立；(2)谓词的有限合取的可满足性是可判定的。

为了对关系R进行拆分扩展，首先引入关联名集合O_R。其次需要对特征f和特征链f₁f₂…f_n进行扩展。

原来的(全称限定)和/>(存在限定)，用一阶逻辑来表示，应该是：

在逻辑系统的解释中，R会被解释为Δ_I×Δ_I的子集，即一个关系。f会被解释为一个Δ_I到Δ_I∪Δ_D的偏函数(partial function)。无论R还是f，都可以看做是一种变换，将给定的实体变换为指定的属性(另一个关联、实体或特征，即关联名集合O_R、概念C、有型域元素名称集合O_D中的元素)。

而在扩展后的逻辑系统中，引入的关联破坏了这种变换关系，实际上需要两个步骤或两次变换，即首先由角色将实体或关联(逆)变换为关联，再由另一个角色将关联变换为关联、实体或特征值。

令是角色名的集合，/>直觉上，e_i可被解释为Δ_R到Δ_R∪Δ_I∪Δ_D的部分函数，/>可被解释为e_i的逆函数。那么，经过两次变换即/>后，就能得到与R和f相同的效果。这里对原来ALCF(D)中R的描述不十分准确，但不影响正确性。

但考虑如下情况：

<HasName#1,HasName:owner,Tom$1>

<HasName#2,HasName:owner,Tom$1>

Tom$1因更名而具有两个名字和两个HasName关联(#1和#2)，这使得HasName:owner的逆函数在计算时违反了函数的定义——一个自变量对应两个取值。

为了解决这个问题，首先将定义域和值域进行扩展，即将ei解释为

到/>的部分函数。如：

HasName:owner({HasName#1})＝{Tom$1}，

HasName:owner({HasName#2})＝{Tom$1}，…

此时，e_i具有如下特性

e_i(X∪Y)＝e_i(X)∪e_i(Y)

如

HasName:owner({HasName#1,HasName#2})＝{Tom$1}U{Tom$1}＝{Tom$1}

此时，就符合函数定义了；如

HasName：owner^-1({Tom$1})＝{HasName#1,HasName#2}

同理，有如下特性

此时，可以用的形式合成原来的R和f。例如

HasName:name(HasName：owner^-1({Tom$1}))

将返回Tom$1的两个名字{“tom”,“tim”}。相当于原来的HasName(Tom$1,“tom”)和HasName(Tom$1,“tim”)。

进一步的，在映射之后，可以对得到的结果集合做一个选择，比如在{HasName#1,HasName#2}中选择HasName:appear最近的，即HasName#2。这实际上利用了Φ_D中定义的一个偏序谓词(名)P(如after(x,y))，由该谓词选出集合中最大元，再返回。据此，可以定义关于角色和谓词的映射e_P，它是/>到/>若P是一个偏序谓词，则可以使得结果集为单元素集或空集。

此时，的形式可以扩展为/>如

HasName:name(HasName:appear_after(HasName：owner^-1({Tom$1})))

这将返回最新的名字{“tim”}。直接相当于原来的HasName(Tom$1,“tim”)。

最后需要指出的是，e_j、e_P和中出现的角色名必须源自同一个关联，否则它们的复合函数将总是返回空集。

为了保持一致，在的基本定义上，对原来的R和f重新进行定义。

R是中角色名e_j、e和e_i和Φ_D谓词名P的组合，即/>表示/>其中e_j限定为/>到/>的部分函数。F也是/>中角色名e_j、e和e_i和Φ_D谓词名P的组合，即/>表示/>在不引起歧义的地方，仍然用R和f进行标示。

Def 2-E(拆分表达关联).令/>是互不相交的概念和角色(concept、role)名的集合。特征f和关系R按照/>的形式构成的。特征的复合f₁f₂…f_n称为特征链(featurechain)。/>中元素C、D称概念或原子概念(concept,atomconcept)，/>中元素R称角色或特征。若P∈Φ_D是一个n元谓词，u₁，u₂，…，u_n是特征链。则DL中公式按如下构成：

(1)(否定)，/>(合取)，/>(析取)

(2)(全称限定)，/>(存在限定)

(3)P(u₁，u₂，…，u_n)(特征限定)——是中值和相互关系

(4)u₁↓u₂(特征一致)，u₁↑u₂(特征相异)——是Δ_I中元素的异/同关系。

由于采用如上所述技术方案，本发明产生如下积极效果：

有了上述定义，可以继续定义逻辑系统的解释，给出基于Tableau的ABox一致性和概念可满足性判定过程及其相关证明，从而支持计算机自动进行逻辑判断和推理。

具体实施方式

1.生成一个数据库

条件：无

输入：1)数据库名，2)名字空间(NameSpace，NS)，3)其它可选的如建立者组织、时间等描述性属性。

说明：一个数据库包括数据实例和概念谓词等定义(即TBox和ABox)。这里的数据库实际上是一个“分库”的，因为InfoSet中，所有的数据库都是内在统一的，不同的只是每个分库中包含的信息元不同。

一个数据库最为重要的是对名字空间及其内容进行解释，即形如“nsx:$1Human”等中“nsx”的原始定义，如nsx＝"http://www.xxx.org/n/s/x/"。当第三方收到形如“nsx:$1Tom”的信息元时，能够根据"http://www.xxx.org/n/s/x/$1Tom"获得其完整的数据信息(如持有<nsm:Entity guid＝“nsx:$1Tom”/>但并不知道$1Tom的实体类型，则可查询得到<nsm:EntityAssertion entity＝“nsx:$1Tom”type＝“nst:Human”/>，进一步还可以获得nst:Human的相关信息)。

按照名字空间及其访问接口，可以递归的获取所有的信息元，(理论上)也就能将各个分库合成为总的数据库InfoSet。

一般地，一个数据库所定义的TBox和MBox(如果有)中的内容应该是开放访问的，ABox中内容则根据权限等进行访问。

2.定义一个实体类及其伴随的原子概念

条件：打开的数据库

输入：实体类名(含可缺省的NS和名称)、原子概念名

说明：实体类是领域中有具体含义的概念，例如教学中的学生、教师等。

3.定义一个关联

条件：1)查找得到与关联相关的实体类和有型域名称(提供按类名等查询和包含类名、说明等的全文检索)。

输入：1)关联的名称(含可缺省的NS)。2)各个角色名(含可缺省的NS，一般角色名用“NS:关联名:角色名”的形式。分隔符“:”可以用其它的符号。)

说明：关联本身是一等对象(FCO)，和AM中的Tie相同。角色是附着在关联上的，可以动态增加的。

4.定义一个复合概念及概念别名

条件：参与的概念

输入：概念间的关系

说明：按照描述逻辑中概念的构成(参见Def 2-E)方式，生成新的复合概念并命名。

5.对概念间包含等关系进行判定

条件：参与的概念

输入：概念间关系

说明：对概念间关系的判定，包括包含、相等等。

6.指定公式中的变元

在描述逻辑中，每个概念公式(复合和原子)都有一个隐含的自由变元，如(全称限定)和/>(存在限定)，用一阶逻辑来表示是：

其中就隐含了自由变元x。而全称限定和存在限定公式还会引入额外的约束变元y。同时改变了C中的变元。

之所以隐藏变元，是因为这些变元可以自动的填充适当的符号名而不会改变公式的含义。

若建模工具中显式的引入了变元，则应该按照下面的规则对公式中的变元进行检测：

1)为给定的公式赋予一个FreeVariableName变量

2)若用户为该公式设定了自由变元，如x，则令其FreeVariableName＝”x”

3)对公式的子公式递归进行

i.对否定、合取、析取，为其子公式赋予一个FreeVariableName变量，若本公式FreeVariableName不空，则子公式FreeVariableName赋值。若子公式设定了变元，不同于FreeVariableName则报错，FreeVariableName为空则用设定的变元填充。递归判断各子公式。

ii.对于(全称限定)和/>(存在限定)，为其赋予一个BoundVariableName变量，为子公式C赋予一个FreeVariableName变量。若用户设定了BoundVariableName，则设定C的FreeVariableName为BoundVariableName。若用户为C设定了变元，，不同于C的FreeVariableName则报错，FreeVariableName为空则用设定的变元填充。递归判断子公式C。

iii.对于原子公式和特征限定、特征检测，作为基本公式。判断其FreeVariableName和用户设定是否冲突。

上述过程中，将赋予的FreeVariableName和BoundVariableName变量进行链接，则可以自动填充那些用户没有设定的变元。

实例层ABox

1.增加一个实体的实例

条件：存在并找到实例所属的概念(一般为原子概念)

输入：实例的GUID(自动生成)，实例所属的概念

说明：增加一个实例就是增加ABox中的实体对象，形如<$i,Concept>，如<$1Tom,Man>。注意，一个实例对象可能属于多个概念。因此，实例和概念断言通常是同时添加的，概念断言也是可以动态添加的。

2.增加一个关系(含关联和角色)

条件：存在并找到关联待连接的实例。

输入：关联的GUID(可自动生成)，关联所属的类型，关联到各实例的角色联系，有型域的取值实例。

其它：

1.定义有型域及其谓词

条件：打开的数据库

输入：1)域名(含可缺省的名字空间)。2)值域，通常用字符串表示。3)谓词集合。

说明：谓词通常是由用户定义的一段代码，用于检测给定的n个值域中元素是否满足(返回T或F)。

2.实例一致性检测和概念可满足性检测

条件：打开的数据库

输入：查找待检测的实例或概念

说明：检测有无违反的谓词或有无满足概念的实例。

5.图形模式与文本模式转换

条件：打开的数据库

输入：选定的图形或待导入/出的文本

说明：将图形元素导出为文本形式，或反之。可以将实例断言和概念公式等导出为文本形式，同理支持导入。

数据查询：

要从InfoSet中查询所需数据，实际就需要定义一个复合概念，例如前述的“所有孩子都是医生的父亲”，然后1)检测该概念的可满足性，2)逐个判定ABox中实体对象是否满足该概念(实际就是检测a:C的可满足性，实现上可以做各种优化)。

查找到满足概念的实体实例后，就可以进一步获得其属性、关联关系等信息。

每一个查询都可以获得一条或多条完整的Infolet信息元，从而组成一个信息元的集合，作为查询结果，并打包成一个数据包，即可进行数据传输。收到数据包后，可将其纳入本地InfoSet数据库中，成为新的ABox断言。

对于不同名字空间中的信息元，也可以通过TBox中相应的语义知识来自动完成查询转换，从而获得所需的信息元和数据包。

MBox与数据标准化：

InfoSet数据库不仅需要包含表达信息的信息元(Infolet，简称信元)，而且应存储相应的TBox等模型信息。为了支持对TBox的编辑、存储和交换，还需要对其进行描述Tbox，即引入TBox的(元)模型信息，MBox。

InfoSet数据库存储了由信元(Infolet)表达的实例数据(ABox)和模型信息(TBox)以及元模型信息(MBox)。

为了支持将TBox中信息转换为信息元，需要利用TBox对TBox本身进行建模(形成所谓的MBox，元模型)。逐个讨论如下：

0.名字空间

InfoSet中MBox的缺省名字空间为http://www.xxx.org/infoset/mbox，简记为nsm。

1.数据库

理论上，InfoSet将所有的数据库都视作一个分库，信息元(包括ABox中实例断言、TBox中概念公式等)可以在各个分库间自由流动和融合，因此并不存在数据库的概念。但从软件实现和用户使用的角度，应该定义数据库这一概念。

4.复合概念或概念别名，略

5.概念间关系，参见关联及关系中图例

由1～5等，可以将TBox中信息表示为ABox中实例(断言)，这些元模型就是MBox的内容。根据MBox，建模工具可以进行扩展后，进行图形化的建模等。

例如，GME可以在实体的基础上定义它的位置、颜色等信息，从而将实体渲染为指定的图形。

可视化数据规范编辑器(以下简称编辑器)以可视化的形式，依照MBox对TBox进行编辑，实际就是制定领域内的数据标准。编辑器同时支持对信息查询语句(包)的编辑，从而生成数据萃取需求。

依照MBox编辑得到的TBox的信息，同样以信元的形式表示和存储到InfoSet中，并且可以通过网站进行发布。必要时，还可以按照同样方式，将MBox转换为信元。注意，MBox在完成建模后，一般不会变化，更不会随不同的TBox而变化。

实际上，可以存在两个版本的编辑器：单机版编辑器和联机B/S模式编辑器。前者支持用户在本地进行编辑(主要是编辑数据和数据查询需求)，编辑结果也可以提交到网站平台中；后者支持用户对网站平台中统一管理的信息进行编辑，实质就是对现有规范的在线增加和修订。

用户编辑得到的数据查询需求通过网站等渠道发布后，作为数据采集目标的用户将其提交到本地的InfoSet数据库。对于已有数据，直接萃取；对于缺失的数据，根据TBox自动生成相应的数据录入界面，支持用户手工录入。

硬件传输层的一次一密传输体系可用于确保数据的安全传输。由于一次一密传输体系的特点和密钥的分发管理需求，通常用于InfoSet数据交换时，需要设立数据交换中心，从而支持星形的(逻辑)网络拓扑结构，并管理密钥的分发。

数据标准化就是对TBox的编辑，即在可视化编辑器中遵循MBox的描述，对TBox中内容进行增加和修订。例如增加新的名字空间来扩展标准化设计的组织或(遗留)系统，增加新的概念或概念的属性、关系来扩展领域信息等。nfoSet的文本表示和语义查询：

InfoSet数据库中，实例断言是固定的几种格式的信息元，这些信息元可以直接表示为Prolog中的事实谓词；而TBox中的公式又可以表示为Prolog的公式形式。因此，可以用Prolog规范来作为InfoSet的文本表示，同时表达带语义的查询。

名字空间：

引入名字空间用于1)区别不同领域和建模项目中同名的元素，2)指明获取元素详细信息的路径。

XML交换格式：

在表8中，给出了ABox中的五类形式，下面给出它们的XML中间表示形式。

表8Infolet信息元的XML交换格式

基于上述定义，以及在MBox中保留的一些概念、关联和角色，进一步表示TBox中信息。

下面用表8中ABox的XML格式，描述TBox中的内容。

表9TBox的XML交换格式描述(部分示例)

/>

/>

/>

/>

遵循表9可将TBox内容全部用ABox的XML表示格式进行描述，包括TBox中复杂的概念公式(含概念查询)和命题公式(含满足性等检测)。因此，XML表示格式可以描述整个InfoSet数据库中所有的信息。并且，这些信息是以一个XML节点的形式存在的，便于交换和存储、转换。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于语义的自融合数据库系统，其特征在于：引入关联作为一等对象，分解实体关系模型和锚链建模技术中的关系；——从而能够表达各类属性在时间等维度上的元信息；

在关联的基础上引入几类信息元来表达所有的数据信息；——支持对数据的规范化描述、表示和交换；

引入描述逻辑，对信息元所表达的语义信息进行描述；——支持语义表达和使用；

引入MBox的概念，对TBox进行描述，从而支持完整的信息交换，为建模工具提供基础；

首先对传统的ALCF(D)描述逻辑进行扩展，使之能描述新引入的关联，对其中的关系R进行分解和扩展；

Def 1，有型域由(Δ_D，Φ_D)组成：Δ_D是值域，Φ_D是值域中元素之间的谓词名组成的集合；若P是Φ_D中谓词名，则它表示的是一个n元(n-ary)的谓词/>有型域/>是可接受(admissible)的，iff(1)Φ_D中谓词是否定封闭的，且存在一元谓词/>对Δ_D中所有元素均成立；谓词的有限合取的可满足性是可判定的；

为了对关系R进行拆分扩展，首先引入关联名集合O_R，其次需要对特征f和特征链f₁f₂…f_n进行扩展；

原来的(全称限定)和/>(存在限定)，用一阶逻辑来表示，应该是：

在逻辑系统的解释中，R会被解释为Δ_I×Δ_I的子集，即一个关系；f会被解释为一个Δ_I到Δ_I∪Δ_D的偏函数(partial function)；无论R还是f，都可以看做是一种变换，将给定的实体变换为指定的属性；

而在扩展后的逻辑系统中，引入的关联破坏了这种变换关系，实际上需要两个步骤或两次变换，即首先由角色将实体或关联(逆)变换为关联，再由另一个角色将关联变换为关联、实体或特征值；

令是角色名的集合，/>e_i可被解释为Δ_R到Δ_R∪Δ_I∪Δ_D的部分函数，可被解释为e_i的逆函数；那么，经过两次变换即/>后，就能得到与R和f相同的效果；这里对原来ALCF(D)中R的描述不十分准确，但不影响正确性；

但考虑如下情况：

<HasName#1，HasName：owner，Tom$1>

<HasName#2，HasName：owner，Tom$1>

Tom$1因更名而具有两个名字和两个HasName关联，这使得HasName：owner的逆函数在计算时违反了函数的定义——一个自变量对应两个取值；

为了解决这个问题，首先将定义域和值域进行扩展，即将e_i解释为2^ΔR到2^{ΔR∪ΔI∪ΔD}的部分函数，如：

HasName：owner({HasName#1})＝{Tom$1}，

HasName：owner({HasName#2})＝{Tom$1}，…

此时，e_i具有如下特性

e_i(X∪Y)＝e_i(X)∪e_i(Y)

如

HasName：owner({HasName#1，HasName#2})＝{Tom$1}U{Tom$1}＝{Tom$1}此时，就符合函数定义了；如

HasName：owner^-1({Tom$1})＝{HasName#1，HasName#2}

同理，有如下特性：

此时，可以用的形式合成原来的R和f；例如

HasName：name(HasName：owner^-1({Tom$1}))

将返回Tom$1的两个名字{“tom”，“tim”}，相当于原来的HasName(Tom$1，“tom”)和HasName(Tom$1，“tim”)；

进一步的，在映射之后，可以对得到的结果集合做一个选择，比如在{HasName#1，HasName#2}中选择HasName：appear最近的，即HasName#2；这实际上利用了Φ_D中定义的一个偏序谓词(名)P，由该谓词选出集合中最大元，再返回；据此，可以定义关于角色和谓词的映射e_P，它是2^ΔR到2^ΔR，若P是一个偏序谓词，则可以使得结果集为单元素集或空集；

此时，的形式可以扩展为/>如

HasName：name(HasName：appear_after(HasName：owner^-1({Tom$1})))

这将返回最新的名字{“tim”}，直接相当于原来的HasName(Tom$1，“tim”)；

最后需要指出的是：e_j、e_P和中出现的角色名必须源自同一个关联，否则它们的复合函数将总是返回空集；

为了保持一致，在的基本定义上，对原来的R和f重新进行定义：

R是中角色名e_j、e和e_i和Φ_D谓词名P的组合，即/>表示/>其中e_j限定为2^ΔR到2^ΔI的部分函数，F也是/>中角色名e_j、e和e_i和Φ_D谓词名P的组合，即/>表示，在不引起歧义的地方，仍然用R和f进行标示；

Def 2-E(拆分表达关联)，令/>是互不相交的概念和角色(concept、role)名的集合，特征f和关系R按照/>的形式构成的；特征的复合f₁f₂…f_n称为特征链(featurechain)，/>中元素C、D称概念或原子概念(concept，atomconcept)，/>中元素R称角色或特征；若P∈Φ_D是一个n元谓词，u₁，u₂，…，u_n是特征链，则DL中公式按如下构成：

(1)(否定)，/>(合取)，/>(析取)

(2)(全称限定)，/>(存在限定)

(3)P(u₁，u₂，…，u_n)(特征限定)——是D中值和相互关系

(4)u₁↓u₂(特征一致)，u₁↑u₂(特征相异)——是Δ_I中元素的异/同关系。