高級(jí)數(shù)據(jù)庫技術(shù) 知識(shí)庫技術(shù)02(本體)

1、目錄n4.1 知識(shí)的概念n4.2 知識(shí)表示與推理n4.3 知識(shí)庫與知識(shí)庫系統(tǒng)n4.4 基于知識(shí)的數(shù)據(jù)庫技術(shù)4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（1）本體基本概念n本體（ontology）: 最初是哲學(xué)概念 n用于表示客觀對象及其相互關(guān)系，進(jìn)而建立關(guān)于存在及其本質(zhì)規(guī)律的學(xué)說理論。n在計(jì)算機(jī)信息科學(xué)領(lǐng)域：n通常用于描述層次化的數(shù)據(jù)結(jié)構(gòu)，其中包含實(shí)體和實(shí)體間關(guān)系以及相關(guān)領(lǐng)域的基本規(guī)則n在人工智能領(lǐng)域：“n用于知識(shí)管理、自然語言處理、電子商務(wù)和語義WEB等n在網(wǎng)絡(luò)技術(shù)領(lǐng)域：n語義WEB需構(gòu)造不同本體用于不同表示、查詢和推理4.2.3 知識(shí)的本體表示知識(shí)的本體表示n“本體”: “元概念” 需從多個(gè)

2、角度進(jìn)行描述。nNeches在1991年提出：n一個(gè)本體定義了組成主題領(lǐng)域的詞匯的基本術(shù)語和關(guān)系n以及用于組合術(shù)語和關(guān)系以及定義詞匯外延的規(guī)則nGruber 在1993年指出：n本體是概念化的一個(gè)顯式的規(guī)格說明nBorst在1997年說明：n本體可定義為被共享的概念化的一個(gè)形式的規(guī)格說明n按照Borst解釋，本體概念釋義如圖所示 4.2.3 知識(shí)的本體表示知識(shí)的本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n概念化 通過標(biāo)示某個(gè)現(xiàn)象相關(guān)概念得到其抽象模型n顯式性 指出所用概念類型，以及定義概念所使用約束n形式化 本體應(yīng)是機(jī)器可讀的n共享性 本體獲取一致知識(shí)，不是某個(gè)個(gè)體私有而是可被n 一個(gè)群

3、體所接受。n當(dāng)需建立一個(gè)本體時(shí)n首先 要識(shí)別所面對領(lǐng)域基本術(shù)語和術(shù)語關(guān)系，然后要識(shí)別組合這些術(shù)語和關(guān)系規(guī)則，并提供這些術(shù)語和關(guān)系的規(guī)則4.2.3 知識(shí)的本體表示知識(shí)的本體表示n在知識(shí)表示和管理領(lǐng)域 “本體”意義：n 促進(jìn)人與組織間信息交流 n本體的核心是知識(shí)共享，減少概念和術(shù)語歧義n為某一組織提供統(tǒng)一框架或者規(guī)范模型n在保持語義一致性前提下使得來自不同背景、持不同觀點(diǎn)和目的人員間進(jìn)行有效理解與交流n 加強(qiáng)系統(tǒng)間互操作 n對于實(shí)際問題，本體描述實(shí)現(xiàn)應(yīng)用程序在異構(gòu)系統(tǒng)之間互操作、完成不同系統(tǒng)或工具間數(shù)據(jù)傳輸。如語義WEB服務(wù)就屬于此類。4.2.3 知識(shí)的本體表示知識(shí)的本體表示n 建立需求分析和系統(tǒng)

4、設(shè)計(jì)基礎(chǔ)n 支持知識(shí)重用n 顯式定義對領(lǐng)域的認(rèn)識(shí) n過去處理領(lǐng)域相關(guān)問題時(shí)，領(lǐng)域知識(shí)往往被隱含地編碼到程序，領(lǐng)域知識(shí)既難以發(fā)現(xiàn)又不便于改變，使用本體可顯式描述這種領(lǐng)域相關(guān)知識(shí)。知識(shí)能夠清晰的從代碼中獨(dú)立出來，將領(lǐng)域知識(shí)同使用領(lǐng)域知識(shí)的融合。n在實(shí)際應(yīng)用中各類本體關(guān)系如下圖所示 4.2.3 知識(shí)的本體表示知識(shí)的本體表示n以計(jì)算機(jī)學(xué)院本體為例簡要說明領(lǐng)域本體建模過程n（1）從教學(xué)、科研的角度n標(biāo)識(shí)對象、發(fā)現(xiàn)類、標(biāo)識(shí)類的分類結(jié)構(gòu)與組裝結(jié)構(gòu),n得到領(lǐng)域中的概念分類體系和概念組合結(jié)構(gòu)如下圖所示4.2.3 知識(shí)的本體表示知識(shí)的本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n以此為基礎(chǔ)，獲取概念之間的聯(lián)系

5、集合R如圖所示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n識(shí)別概念間關(guān)系過程中,領(lǐng)域本體構(gòu)建者認(rèn)為需要添加學(xué)術(shù)活動(dòng)組織者(OrganizerofAetivity)概念n學(xué)生(student)和教師(teaeher)共同構(gòu)成學(xué)術(shù)活動(dòng)組織者n領(lǐng)域本體構(gòu)建者定義了領(lǐng)域本體的局部如下圖所示n圖中為了簡明起見忽略每個(gè)概念屬性定義n關(guān)系繼承和聚合的名稱可由領(lǐng)域本體的構(gòu)建者定義n也可在轉(zhuǎn)換時(shí)由系統(tǒng)生成4.2.3 知識(shí)的本體表示知識(shí)的本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n參與關(guān)系(researehAt):n表示每個(gè)課題組(researeherGrouP)中必須接納5至10名研究生(graduate)

6、參與研究;n隸屬關(guān)系(affiliation):n科研人員(researeher)與系(department)的工作關(guān)系n 系管理200至400名科研人員n 每個(gè)科研人員只能夠隸屬于一個(gè)系n研究生和本科生(undergraduate)與學(xué)生(student)存在 n 完全一不相交繼承關(guān)系n 研究生和本科生存在繼承關(guān)系4.2.3 知識(shí)的本體表示知識(shí)的本體表示n課題組與教研室(staffR。m)存在聚合關(guān)系;n教研室與系存在聚合關(guān)系;n參與關(guān)系與隸屬關(guān)系之間存在繼承關(guān)系;n學(xué)術(shù)活動(dòng)組織者與本科生存在類不相交關(guān)系;n學(xué)生和教師(teaeher)與學(xué)術(shù)活動(dòng)組織者 n (OrganizerofAetiv

7、ity) 存在聚合關(guān)系;n 學(xué)生和教師與科研人員存在繼承關(guān)系n虛線圓圈標(biāo)出部分為不滿足一致性檢查的部分n粗線表示的建模符號(hào)為據(jù)已有領(lǐng)域本體得出的邏輯結(jié)果4.2.3 知識(shí)的本體表示知識(shí)的本體表示n2.本體與語義Webn本體理論主要應(yīng)用于語義Webn解決Web上信息共享時(shí)的語義問題n在互聯(lián)網(wǎng)時(shí)代，語義Web提供一個(gè)通用框架n允許跨越不同應(yīng)用程序、企業(yè)和團(tuán)體邊界共享和重用數(shù)據(jù)n從技術(shù)角度考慮：n語義Web要提供足夠而又合適的語義描述機(jī)制n從整個(gè)應(yīng)用構(gòu)想來看：n語義Web實(shí)現(xiàn)信息在知識(shí)級(jí)別上共享和語義級(jí)別上互操作這需要不同系統(tǒng)間有一個(gè)語義上的“共同理解”n 本體自然地成為指導(dǎo)語義Web發(fā)展的理論基礎(chǔ)

8、4.2.3 知識(shí)的本體表示知識(shí)的本體表示n語義Web以資源描述框架（RDF）為基礎(chǔ)nRDF以XML作為語法、URI作為命名機(jī)制，n將各種不同的應(yīng)用集成在一起n對Web上的數(shù)據(jù)所進(jìn)行的一種抽象表示。n語義Web中“語義”是“機(jī)器可處理語義”n不是自然語言語義和人推理等計(jì)算機(jī)所不能夠處理信息n語義Web基礎(chǔ)架構(gòu)如圖所示4.2.3 知識(shí)的本體表示知識(shí)的本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n URI（Uniform Resource Identifiers）： URI提供對資源的標(biāo)準(zhǔn)化名字描述 Unicode提供世界上各種語言統(tǒng)一字符編碼標(biāo)準(zhǔn)n XML(Extensible Markup

9、Language)：n定義結(jié)構(gòu)化的數(shù)據(jù)描述方式，數(shù)據(jù)互操作語法基礎(chǔ)n Namespace：n提供將名字分類機(jī)制n使得重名但含義不同的資源能夠一起使用4.2.3 知識(shí)的本體表示知識(shí)的本體表示n(1）RDFRDF Schema 層n RDF（Resource Description Framework）是描述數(shù)據(jù)語義的基礎(chǔ)，定義描述資源以及陳述事實(shí)的三類對象：資源（resource）、屬性（property）和值（value）。n資源（resource）：網(wǎng)絡(luò)上數(shù)據(jù)，n屬性（property）：用來描述資源的一個(gè)方面、特征、屬性以及關(guān)系n值（value）：特定資源，包括命名的屬性和對應(yīng)資源值nRD

10、F描述實(shí)際上是一個(gè)三元組：n (objectresource, attributeproperty, n valueresource or literal)4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（2）本體層n本體給出數(shù)據(jù)語義信息即元數(shù)據(jù)n本體定義可直接基于RDF Schema。n但RDF Schema詞匯集表達(dá)能力有限nW3C在參考DAMLOIL(DARPA Agent Markup Language with Ontology Inference Layer)n在RDF之上制定了OWL(Web Ontology Language)n（3）邏輯層n在本體所描述的知識(shí)之上提供邏輯推理能力（基

11、于規(guī)則）4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（4）證明層n語義Web開放環(huán)境中進(jìn)行推理比較困難n任何一個(gè)推理都可能涉及大量信息處理n由此提出語義Web總線(Semantic Web Bus)設(shè)想n語義Web中有著各種信息處理器n其中一些僅提供本體數(shù)據(jù)供其它處理器使用n另外一些則根據(jù)這些本體數(shù)據(jù)構(gòu)建邏輯規(guī)則n啟發(fā)式引擎則負(fù)責(zé)根據(jù)本體、數(shù)據(jù)和邏輯規(guī)則進(jìn)行推理n得到“結(jié)論”(Proof)并把結(jié)論返回邏輯規(guī)則和本體數(shù)據(jù)中4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（5）可信層n在前述各層基礎(chǔ)上會(huì)形成大量對于某一事實(shí)的陳述n這些陳述合理與否依賴于它們所處上下文環(huán)境。n當(dāng)人或計(jì)算機(jī)訪問這些陳述時(shí)n需根

12、據(jù)上下文和需求自行判定該陳述是否可信（Trust）。n采用加密和數(shù)字簽名技術(shù)（滲透到每個(gè)層次的規(guī)范當(dāng)中）是實(shí)現(xiàn)判定可信性的一個(gè)重要手段n并由此形成一個(gè)可信的Web。 4.2.3 知識(shí)的本體表示知識(shí)的本體表示n3.本體描述語言n本體表示語言需具有豐富而直觀的表達(dá)能力n用該語言表示本體需方便地被計(jì)算機(jī)理解、處理和應(yīng)用n現(xiàn)有本體表示語言多采用XML語法n還需解決對推理有效支持（計(jì)算復(fù)雜性和可判定性等）n和充足的語義表示機(jī)制以及標(biāo)準(zhǔn)化問題n這將依靠基于描述邏輯的本體語言的發(fā)展4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（1）RDF/SnRDF特性: 在提供簡單機(jī)器可理解語義模型的同時(shí)n為領(lǐng)域化的本休語言

13、提供了建模基礎(chǔ)n并使得基于RDF應(yīng)用可方便地與所生成本體進(jìn)行合并n這使得基于RDF語義描述結(jié)果具備可和更多領(lǐng)域知識(shí)進(jìn)行交互的能力n也使基于XML和RDF的Web數(shù)據(jù)描述具備良好生命力n（2）OWL：本體的標(biāo)準(zhǔn)描述語言nOWL建立在RDF基礎(chǔ)上，以XML為書寫工具n主要用來表達(dá)需計(jì)算機(jī)應(yīng)用程序處理文件中的知識(shí)信息 4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（3）都柏林核心元數(shù)據(jù)集(Dublin Core)n美國OCLC公司發(fā)起，國際性合作項(xiàng)目Dublin Core Metadata Initiative設(shè)計(jì)描述Web資源的元數(shù)據(jù)規(guī)范n主要用于出版信息描述也被用于描述其他領(lǐng)域信息nDublin C

14、ore定義一組基本元素來描述資源的元數(shù)據(jù)n很多知識(shí)描述標(biāo)準(zhǔn)如RDF、DAML+OIL都有對Dublin Core直接引用，用來描述作者、主題等元數(shù)據(jù)nDublin Core是一組“標(biāo)準(zhǔn)詞匯集”n（4）CycL: 一階謂詞邏輯的一種擴(kuò)展n為增強(qiáng)知識(shí)表示的靈活性，n在一階邏輯的基礎(chǔ)上增加缺省知識(shí)的表示、二階謂詞等nCycL中有大量的類和類之間的關(guān)系 4.2.3 知識(shí)的本體表示知識(shí)的本體表示n3.本體構(gòu)建與映射n實(shí)際應(yīng)用中需要：n首先, 構(gòu)建所需要的本體，從某個(gè)領(lǐng)域中抽取知識(shí)n 形成描述該領(lǐng)域數(shù)據(jù)的語義概念、實(shí)例和其間關(guān)系n其次，在不同本體間進(jìn)行知識(shí)共享并保持對同一領(lǐng)域知n 識(shí)的共同理解n同時(shí), 解

15、決已有本體的維護(hù)和本體重用以及本體的服務(wù)n 進(jìn)行本體間的知識(shí)推理n 這些需要進(jìn)行本體間映射4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（1）本體構(gòu)建 n包括本體語言和本體構(gòu)建方法兩種途徑n目前本體構(gòu)建方法多采用手工方式n即知識(shí)工程師借助于本體編輯器全手工的構(gòu)建本體。n1）本體構(gòu)建原理n本體構(gòu)建實(shí)際上是一個(gè)知識(shí)獲取的過程。n設(shè)計(jì)本體的基本準(zhǔn)則可以歸納為如下五條：n 明確性和客觀性(Clarity)：n本體應(yīng)該有效地傳達(dá)所定義的術(shù)語的內(nèi)涵。n 一致性(Coherence)：n一個(gè)本體應(yīng)該是前后一致的 n由它推斷出來的概念定義應(yīng)該與本體中的概念定義一致。4.2.3 知識(shí)的本體表示知識(shí)的本體表示n 可擴(kuò)

16、展性(Extensibility)：n本體提供的共享詞匯應(yīng)在預(yù)期任務(wù)范圍內(nèi)提供概念的基礎(chǔ)同時(shí)它的表示應(yīng)該使得能夠單調(diào)地?cái)U(kuò)展和專門化對這個(gè)詞匯的說明n也就是說人們應(yīng)該能夠在不改變原有定義的前提下n以這組存在的詞匯為基礎(chǔ)定義新的術(shù)語。n 最小編碼偏差(Minimal encoding bias)：n本體應(yīng)該處于知識(shí)的層次n而與特定符號(hào)級(jí)編碼無關(guān)4.2.3 知識(shí)的本體表示知識(shí)的本體表示n 最小本體承諾(Minimal commitment)：n本體應(yīng)在提供必須共享知識(shí)條件下有最小的本體承諾n應(yīng)該對所模擬的事物產(chǎn)生盡可能少的推斷n而讓共享者自由地按照需要去專門化和實(shí)例化這個(gè)本體n具體實(shí)施一個(gè)領(lǐng)域本體構(gòu)

17、建可分為8個(gè)步驟：n本體需求分析 本體構(gòu)建規(guī)劃n獲取本體信息 確定本體概念及關(guān)系n本體形式化編碼 本體評(píng)價(jià)n本體演化 本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n2）基于文本的本體自動(dòng)構(gòu)建n對文本集合應(yīng)用自然語言處理實(shí)現(xiàn)構(gòu)建本體所需要素抽取n 基于字典本體構(gòu)建n從機(jī)器可理解的字典中抽取相關(guān)概念以及概念間的關(guān)系n 基于知識(shí)庫本體構(gòu)建n將現(xiàn)有的知識(shí)庫作為知識(shí)來源實(shí)現(xiàn)本體抽取n 基于半結(jié)構(gòu)模式本體構(gòu)建n從預(yù)先定義結(jié)構(gòu)知識(shí)來源（如 XML Schema）中抽取本體n 基于關(guān)系型模式本體構(gòu)建n從數(shù)據(jù)庫中抽取相關(guān)概念及概念間關(guān)系形成本體4.2.3 知識(shí)的本體表示知識(shí)的本體表示n從基于文本本體構(gòu)建來看

18、，實(shí)現(xiàn)技術(shù)和手段可分以下幾類n 基于模式的抽?。簄通過詞語出現(xiàn)模式刻畫詞語之間的關(guān)系n匹配文本中連續(xù)詞語出現(xiàn)模式以識(shí)別詞語之間的關(guān)系n 關(guān)聯(lián)規(guī)則：n利用已有概念層次作為背景知識(shí)發(fā)現(xiàn)概念間非分類學(xué)關(guān)系n 概念聚類：n概念間因語義距離差異而形成概念集合并產(chǎn)生層次結(jié)構(gòu)n 本體修剪：n基于不同的異構(gòu)的知識(shí)來源生成領(lǐng)域本體。n 概念學(xué)習(xí)：n從現(xiàn)實(shí)世界文本集合獲取新概念并添加到已有的本體中4.2.3 知識(shí)的本體表示知識(shí)的本體表示n3）基于結(jié)構(gòu)化數(shù)據(jù)的本體構(gòu)建 n從關(guān)系數(shù)據(jù)庫中學(xué)習(xí)本體是一個(gè)半自動(dòng)化的本體學(xué)習(xí)過程n 第一次掃描數(shù)據(jù)庫的模式：n得到最初的一些粗糙的概念集合n掃描一趟得到每張表的元數(shù)據(jù)n可知這張

19、表是否有主鍵 如果有主鍵就創(chuàng)建一個(gè)概念n 第二趟數(shù)據(jù)庫模式的掃描：n找到概念與概念之間的對象屬性關(guān)系n對于關(guān)系數(shù)據(jù)庫中那些有外鍵的表n認(rèn)為至少存在一個(gè)對象屬性關(guān)系n通過外鍵找到前面對應(yīng)的概念n然后再建立概念之間的屬性關(guān)系4.2.3 知識(shí)的本體表示知識(shí)的本體表示n（2）本體映射 n通過手工方式去發(fā)現(xiàn)和操作本體間映射是費(fèi)時(shí)費(fèi)力易錯(cuò)n本體映射機(jī)制可看作是對大量已有本體的有效利用n進(jìn)而達(dá)到真正意義上知識(shí)共享的關(guān)鍵問題n1）本體映射體系結(jié)構(gòu) ：n 單本體結(jié)構(gòu)：n一個(gè)全局本體為具體的語義說明提供共享的詞匯表n所有信息源都聯(lián)系到這個(gè)全局本體上n因而它們在語義上一致4.2.3 知識(shí)的本體表示知識(shí)的本體表示n

20、多本體結(jié)構(gòu)：n每一個(gè)信息源都有自己本地本體n它們并不一定使用同樣的詞匯表n每個(gè)本體都是獨(dú)立發(fā)展，它們間有松散聯(lián)系n要完成本體間互操作須建立映射規(guī)則n 混合結(jié)構(gòu)：n綜合前兩種方法特征以克服它們不足之處n每個(gè)信息源都有自己的本地本體n但本地本體是在一個(gè)全局共享的詞匯表下發(fā)展起來n共享詞匯表定義領(lǐng)域內(nèi)基本術(shù)語n在本地本體中這些術(shù)語可以組合起來表達(dá)復(fù)雜的語義 4.2.3 知識(shí)的本體表示知識(shí)的本體表示4.2.3 知識(shí)的本體表示知識(shí)的本體表示n2）本體映射原型系統(tǒng) n斯坦福大學(xué)本體代數(shù) ：本體映射由本體代數(shù)來執(zhí)行n包括三個(gè)操作符，即集合交、集合并和集合差。n目標(biāo): 提供用來咨詢存在大量語義且互斥的知識(shí)資源

21、nCupid：基于元素級(jí)匹配和結(jié)構(gòu)級(jí)匹配混合方法n可用于數(shù)據(jù)庫、本體論等多種領(lǐng)域的匹配任務(wù)。n思想: 兩個(gè)概念子概念相似，這兩個(gè)概念就趨向于相似;n 兩個(gè)概念具相似祖先，它們也趨于相似nGLUE：n用機(jī)器學(xué)習(xí)方法完成不同本體間匹配任務(wù)n思想: 多策略學(xué)習(xí)。代表一種自動(dòng)合并不同匹配器(learner)匹配結(jié)果的組合方法，產(chǎn)生原子級(jí)1: 1的映射關(guān)系n知識(shí)庫中十分重要課題是研究知識(shí)庫語言n從數(shù)據(jù)庫領(lǐng)域引進(jìn)AI技術(shù)的角度n對知識(shí)庫語言研究主要集中在邏輯語言上n這是因?yàn)檫壿嬚Z言接近于自然語言n具有良好表達(dá)能力與推理能力n比較符合知識(shí)庫系統(tǒng)要求n知識(shí)庫邏輯語言: Prolog和Datalogn當(dāng)今兩個(gè)知識(shí)庫試驗(yàn)系統(tǒng)NAIL和NU-Prolog所使用都由Datelog和Prolog擴(kuò)充4.2.4 知識(shí)庫語言知識(shí)庫語言n1.Prologn基于一階謂詞邏輯程序設(shè)計(jì)語言n由R.Kowalskv和A.Colmerauer提出n在AI和知識(shí)庫的實(shí)現(xiàn)技術(shù)中具有重要作用nProl