XML向OWL本體的映射

1、XML向OWL本體的映射摘要：目前，XML在電子商務(wù)領(lǐng)域已經(jīng)作為一種交換數(shù)據(jù)標準被廣泛接受。但只有在商業(yè)伙伴對于其領(lǐng)域的基本概念形成一個共同理解并使用相同的語法時，他們之間的協(xié)作才能成為可能。XML能夠包括語法層，但缺少對于有效概念分享的支持。Web本體語言（OWL）使用類、屬性和實例在分布式環(huán)境例如互聯(lián)網(wǎng)中支持領(lǐng)域知識的表達。本體提供了一種XML中數(shù)據(jù)模型元素與OWL之間映射的方法，并對其在即將使用的XLST框架中的實現(xiàn)和通用應(yīng)用評估進行闡述。1 導(dǎo)言目前，XML在電子商務(wù)領(lǐng)域已經(jīng)作為一種交換數(shù)據(jù)標準被廣泛接受。但只有在商業(yè)伙伴對于其領(lǐng)域的基本概念形成一個共同理解并使用相同的語法時，他們之間

2、的協(xié)作才能成為可能。XML能夠包括語法層，但缺少對于有效概念分享的支持。Web本體語言（OWL）使用類、屬性和實例在分布式環(huán)境例如互聯(lián)網(wǎng)中支持領(lǐng)域知識的表達。本文的目的是解決XML和OWL之間的差異，我們提出了一種從現(xiàn)有XML數(shù)據(jù)中自動生成OWL本體的策略，該方法通過在XML不同數(shù)據(jù)模型和OWL本體之間建立適當映射來完成。研究者提出了很多XML與OWL映射的方法，部分方法解決XML與RDF之間的通用映射問題，而另外一些方法則解決不考慮XML實例數(shù)據(jù)時XML Schema與OWL的映射問題。但仍然沒有完整的方案來解決從一個“合法”的XML實例文檔行到OWL本體之間的轉(zhuǎn)換問題。Stefan Dec

3、ker甚至斷言，XML與RDF之間的自動映射方法是不可能的，因為XML并沒有包含任何語義約束，XML表達的是文檔的結(jié)構(gòu)，但是并沒有包含任何內(nèi)容含義的信息。然而另一方面，其他的一些方法則認為XML文檔中存在語義，這些語義可以通過文檔結(jié)構(gòu)發(fā)掘出來。例如，Melnik嘗試通過一個簡單的語法來檢測XML實例文檔中的語義并將其映射到RDF文檔中，Melnik認為每一個XML文檔都包含一個RDF模型。在Vie中，作者提出了一種自動從XML內(nèi)容映射到RDF元數(shù)據(jù)的方法（WEESA），該方法通過使用一個從相應(yīng)XML Schema中創(chuàng)建的本體來完成，其本體只包含模型，并不包含實例。XML數(shù)據(jù)不會被映射到它的OW

4、L對應(yīng)項上。目前從XML Schema到OWL本體的映射是通過手動完成的，我們的目標是自動創(chuàng)建該映射。通過結(jié)合本體結(jié)構(gòu)定義的RDF標注，WEESA系統(tǒng)能夠被進一步用來生成(X)HTML網(wǎng)頁。Steve Battle Bat04的目的是描述一個XML和RDF模型之間的直接映射，而不用通過一個特定的序列化對象，例如RDF/XML。此外Steve Battle還認為，相比于Melnik試圖建立通用映射的方法，XML Schema對于指導(dǎo)映射過程是有幫助的。要補充的是，我們試圖發(fā)現(xiàn)一個中間階段，如果我們已有了一份XML Schema，我們能夠使用它創(chuàng)建相應(yīng)的OWL模型，但是如果我們沒有合適的XML S

5、chema，我們通過XML實例文檔來產(chǎn)生一個，因此，我們想在缺少XML Schema時也能抽取出概念關(guān)系。FZT04作者描述了XML到RDF和XML Schema到OWL的映射，這兩個映射相互獨立，這也就意味著OWL實例不一定要適用于OWL模型，因為XML文檔中的元素可能會被映射到不同的OWL元素中。然而，該方法并沒有繼續(xù)討論在缺少XML Schema時如果生成OWL模型。另一個比較有意思的系統(tǒng)是Piazza 系統(tǒng)HSM+03，Piazza并不將現(xiàn)有的XML數(shù)據(jù)轉(zhuǎn)換為OWL本體相應(yīng)的RDF文檔，而是通過一個中間Schema來在XML數(shù)據(jù)源對之間調(diào)整。Pizza能夠幫助創(chuàng)建巨大的語義內(nèi)部鏈接數(shù)據(jù)

6、庫，但是不能構(gòu)建集成本體。本文提出的方法與Pizza系統(tǒng)的更大的一個區(qū)別是，后者源與目標必須已知才能創(chuàng)建映射，而本文的工作只需要源文檔已知，目標本體會被假設(shè)，然后產(chǎn)生合理的映射。本文提出了一個框架來執(zhí)行的轉(zhuǎn)換過程，從一個簡單的XML實例文檔，到（可能）產(chǎn)生XML Schema，最后生成帶有實例的OWL模型。本文認為XML數(shù)據(jù)包含關(guān)系數(shù)據(jù)，因此我們也試圖從XML文檔中檢測關(guān)系結(jié)構(gòu)，并將其存儲到數(shù)據(jù)庫中。本文提出的方法首要關(guān)注面向數(shù)據(jù)的XML，即將使用的框架實現(xiàn)了標準XML技術(shù)XLST中的映射。2、映射本節(jié)中我們將會提供一種從XML/XML Schema映射到OWL的方法，將XML源文檔提高到OW

7、L本體的層面上來。我們假設(shè)XML文檔包含關(guān)系結(jié)構(gòu)（見圖1），試圖檢測出它們并用OWL類、屬性和實例來表達出來。圖1 數(shù)據(jù)流圖XML數(shù)據(jù)模型Bos97描述了一個帶標注的節(jié)點樹，而OWL的數(shù)據(jù)模型基于RDF中主語-謂語-賓語（subject-predicate-object）的三元組。RDF-Schema BG02定義了創(chuàng)建類結(jié)構(gòu)、增加類屬性和類實例數(shù)據(jù)的詞匯表。因此我們試圖挖掘出XML的樹結(jié)構(gòu)來創(chuàng)建相應(yīng)的類層次。通過使用RDF和RDFS基礎(chǔ)之上OWL，可以表達一些例如屬性的基數(shù)約束的限制。這就確保了關(guān)系數(shù)據(jù)在OWL中的直接（straightforward）表達：關(guān)系/表相對于類，列相對于屬性，行

8、相對于實例。但是XML中關(guān)系結(jié)構(gòu)的檢測十分困難。例如，有一個更普遍的問題，如果處理嵌套（nested）標簽。一方面，它們可以被認為表達“part-of”關(guān)系，另一方面，它們可以表達“subtype-of”關(guān)系。由于關(guān)注面向數(shù)據(jù)的XML，我們可以假設(shè)關(guān)系結(jié)構(gòu)并使用源文檔中設(shè)計的隱形知識來提高優(yōu)化轉(zhuǎn)換過程。對于嵌套元素，我們選擇一個中間方法：例如，當一個元素包含另一個元素，而子元素不只一個文本（literal？）時，我們假設(shè)為“part-of”關(guān)系，即認為是1:N的關(guān)系，這種關(guān)系映射到owl:ObjectProperty中，它建立了兩類之間的關(guān)系。我們也可以創(chuàng)建“subtype-of”關(guān)系，例如我

9、們將“xsd:complexTypes”元素鏈接到一起，然后形成一個繼承元素（WTF?）。因此多重繼承也有可能（大于一個域）。根據(jù)以下規(guī)則，類（owl:Class）也從xsd:complexTypes和xsd:elements融合得到：如果源XML樹中的元素總是為葉節(jié)點，只包含文本而沒有屬性，當該類表達周圍元素時，該元素被映射到owl:DatatypeProperty對象中，XML屬性也同樣處理，即映射到owl:DatatypeProperty對象中。雖然XML屬性沒有真實的數(shù)據(jù)庫對應(yīng)對象，屬性大部分都是在面向文檔的XML中使用，這就是使得它們可以用來表達數(shù)據(jù)庫列。XML Schema也可以包

10、括數(shù)量限制例如xsd:minOccurs 或xsd:maxOccurs，我們可以將其映射到OWL中相應(yīng)的基數(shù)限制owl:minCardinality 和 owl:maxCardinality中，表1總結(jié)了具體的映射。3、例子本節(jié)我們展示一個從Citeseer元數(shù)據(jù)集的示例數(shù)據(jù)的映射。XML文檔類似于下面科技出版物的摘要（excerpt）描述。oai:CiteSeerPSU:1A title從一個XML文件示例的抽象開始，我們生成XML Schema。該XML實例自動抽取的XML Schema的片段如下所示：在執(zhí)行完轉(zhuǎn)換之后，OWL模型會包含表2中顯示的類和屬性。為了簡化問題，我們并沒有顯示OW

11、L語法。命名和命名空間（Naming and namespaces）：從表2中可以看出，有一些屬性名稱在XML源文檔中沒有相對應(yīng)的部分。如果兩個元素名稱相同，但是位于輸入樹的不同級別，它們將會映射到同名的類和屬性上。這種二義性在OWL中是不被允許的，因為OWL需要每個源都有唯一的標識。因此我們?yōu)閛wl:ObjectProperties的屬性has和owl:DatatypeProperties的屬性“dtp”引入兩個前綴（prexes）。類的示例會自動為rdf:ID產(chǎn)生值。XML實例中的XML元素會根據(jù)產(chǎn)生的OWL模型自動地轉(zhuǎn)換為OWL實例。表2 Citeseer示例數(shù)據(jù)產(chǎn)生的OWL模型owl:

12、DatatypeProperties可以用兩種方式表達。第一種引用是在內(nèi)部定義owl:DatatypeProperties。oai:CiteSeerPSU:1第二種方式描述在外部定義的來自于Dublin Core Metadata Initiative的元素。A title為了更好地支持面向文檔的XML，我們也引入一個特殊的數(shù)據(jù)類型屬性。這種屬性在xsd:element 包含文本內(nèi)容且不只一個xsd:attribute時被使用。xsd:element被映射到一個OWL類，xsd:attribute映射到一個數(shù)據(jù)類型屬性，文本內(nèi)容存儲為新增OWL數(shù)據(jù)類型屬性。通過owl:DatatypeProp

13、erties這個例子我們可以看出，XML中數(shù)據(jù)類型的信息也能集成到本體中。在owl:DatatypeProperties的值域范圍內(nèi)，我們使用XML內(nèi)置的數(shù)據(jù)類型BM04。4、實現(xiàn)框架映射過程通過XML stylesheet language transformations（XSLTCla99）來實現(xiàn)，因此需要在不同編程語言中互操作。對于沒有附帶XML Schema的XML數(shù)據(jù)，生成一個合適的中間XML Schema，完整的框架架構(gòu)圖如圖2所示。圖2 系統(tǒng)工作流程圖轉(zhuǎn)換過程最多需要三個階段（只有XML實例數(shù)據(jù)），最少一個階段（只有XML Schema）。當只處理XML Schema時，我們只創(chuàng)

14、建帶有類和屬性的本體模型。如果只有XML實例數(shù)據(jù)，我們需要執(zhí)行中間步驟。首先從XML實例數(shù)據(jù)中抽取XML Schema，這樣才能創(chuàng)建下一步的模型。為了可維護性，我們決定只通過XML Schema創(chuàng)建OWL 模型，而不直接從XML實例文件來創(chuàng)建。Stefan Mintert在Min05中認為，在每一個XML實例文檔都隱式地包含一個XML Schema，因此我們可以試圖提取出來。不幸的是，這樣一個自動生成XML Schema的過程是不完全的，因為XML實例文檔沒有包括手工創(chuàng)建XML Schema所需要的足夠的信息。還有一些XML Schema組件不能（至少目前還不能）通過樣式表（styleshee

15、t）驅(qū)動的抽取機制發(fā)現(xiàn)（例如，SimpleTypes, patterns, substitionGroups, facets, ID/IDREF機制）等。此外，XML實例文檔還可能包括可選元素或?qū)傩?，這些信息在文檔樣本中可能并不存在，因此在XML Schema和OWL本體中也不會出現(xiàn)。因此，我們需要XML Schema抽取器能夠合理地表達XML實例文檔，這樣XML Schema可以成為一個良好的基礎(chǔ)。這樣一個基礎(chǔ)的另一個優(yōu)勢是復(fù)用性。XML Schema提取基于Charlie Halpern-Hamu HH99的XLST樣式表，我們已經(jīng)將其擴展到我們的框架中。樣式表的未來版本是使用多源文檔并添

16、加對于確實XML Schema組件的檢測，來提高XML Schema的提取過程。將XML實例文檔數(shù)據(jù)轉(zhuǎn)化為本體實例部分的樣式表是同時創(chuàng)建的。樣式表自動配置以O(shè)WL模型的轉(zhuǎn)換過程。它還會檢測元素是否映射到類或?qū)傩陨?，這一過程是必要的，因為XML實例數(shù)據(jù)會包括可選的元素和屬性，而創(chuàng)建的樣式表是他們的通用命名器。為了支持模型和數(shù)據(jù)的分離，OWL模型與OWL實例分開來存儲。OWL實例通過owl:import屬性來與模型關(guān)聯(lián)，因此每一個引用OWL模型的OWL實例都會獲取一個修改后的命名空間前綴。到目前為止，我們的實現(xiàn)包括四個XLST樣式表，還有一個是在XML實例數(shù)據(jù)轉(zhuǎn)換為OWL實例的過程中自動生成的。該

17、框架設(shè)計為可擴展的，因此缺失XSD組件的支持能夠包含進來，對于面向文檔的XML支持也會被集成進來。5 數(shù)據(jù)用例為了評估本文提出的方法，我們使用Citeseer公開的XML格式生物數(shù)據(jù)集，以及從關(guān)系數(shù)據(jù)庫MySQL和Firebird產(chǎn)生的XML文件，以及使用Mircosoft Excel XML導(dǎo)出的XML數(shù)據(jù)。不幸的是，這些導(dǎo)出XML數(shù)據(jù)都不是純面向數(shù)據(jù)的XML，因此我們不得不多少處理一些面向文檔的XML。MySQL的XML導(dǎo)出器dump了整個數(shù)據(jù)庫，因此可以很容易的映射到本體中。我們也試圖映射諸如外鍵的關(guān)系約束，但MySQL目前還不支持。因此我們檢查了Firebird RDBMS，它可以使用

18、類似的關(guān)系約束，不幸的是，它的XML導(dǎo)出器只能將單個數(shù)據(jù)庫表導(dǎo)出到XML文件中。因為產(chǎn)生的XML Schema對于從某一確定Firebird數(shù)據(jù)庫導(dǎo)出的所有XML文檔都是通過的，OWL模型也適合所有對應(yīng)的OWL實例。另外，通過XML Schema產(chǎn)生的樣式表可以用在素有數(shù)據(jù)庫導(dǎo)出的XML文件上。最終的OWL示例可以通過owl:imports機制結(jié)合起來。這樣就產(chǎn)生了一個優(yōu)勢，即我們獲得了一個模塊化的本體。但問題是，外鍵約束并不能很容易地被檢測出來，因為XML文件中沒有標識外鍵的信息。因此很多情況下，它們只是通過列名稱（例如，author_id表示authors表中的id列），該功能計劃在架構(gòu)的

19、未來版本中添加。因為Mircosoft Excel被廣泛用于關(guān)系數(shù)據(jù)的工作中，我們也選用其作為另一個數(shù)據(jù)用例。Excel表可以被導(dǎo)出為XML文件，而Excel表與關(guān)系數(shù)據(jù)庫中的表有很多相似之處。不幸的是，Excel文件導(dǎo)出的XML是面向文檔的XML，它并不包含對于數(shù)據(jù)結(jié)構(gòu)的描述，但是可以被用來編碼樣式信息，它很難來區(qū)別一個元素是語義目的還是樣式目的。數(shù)據(jù)庫可能包含大量的數(shù)據(jù)，導(dǎo)出數(shù)據(jù)的XML文件也會很龐大。因此如果scale轉(zhuǎn)換過程就很重要。轉(zhuǎn)換過程可以與原始的關(guān)系數(shù)據(jù)加載相比較，轉(zhuǎn)換Citeseer數(shù)據(jù)效率評估的結(jié)構(gòu)見表3。表3 轉(zhuǎn)換Citeseer數(shù)據(jù)的效率評估6 總結(jié)和下一步工作本文提出

20、了從已有XML數(shù)據(jù)和關(guān)系中自動產(chǎn)生本體的技術(shù)。該方法對于在語義網(wǎng)中引用和集成可轉(zhuǎn)換XML和關(guān)系數(shù)據(jù)源來說是非常重要的。OWL在語義上比我們映射結(jié)果所表達的能多，而且轉(zhuǎn)換（尤其是沒有XML Schema）可以基于啟發(fā)式（heuristic）的方法，這樣就不會產(chǎn)生最優(yōu)的結(jié)果。因此，在轉(zhuǎn)換源文檔后需要一些后續(xù)的手工工作，來優(yōu)化和適應(yīng)本體的需要。我們下一步的工作是解決XML Schema缺失的組件，因此能夠產(chǎn)生更精細和準確的本體。此外，我們計劃通過讓用戶控制轉(zhuǎn)換過程來對映射施加更多影響，以此提高對面向文檔XML（也包括混合內(nèi)容）的支持。我們也嘗試在處理OWL實例的過程中實現(xiàn)更好的效率。我們提供本文方法

21、在擴展XLST框架下的一個高效實現(xiàn)。該框架可以被任意XLST處理器來使用，并提供下載（/XML2OWL_XSLT）。參考文獻Bat04 Steve Battle. Round-tripping between XML and RDF. In International Semantic WebConference(ISWC), Hiroshima, Japan, November 2004. Springer, 2004.Bec04 Sean Bechhofer. Web Ontology Language (OWL) Reference

22、version 1.0.W3C. Tech-nical report, W3C, /TR/owl-ref/, 2004.BG02 Dan Brickley and R.V. Guha. RDF Vocabulary Description Language 1.0: RDFSchema. Technical report, W3C, /TR/2002/WD-rdf-schema-20021112/, 2002.BM04 P. V. Biron and A.Malhotra. XML Schema Part 2: DatatypesW3C

23、Recommendation.Technical report, W3C, /TR/2004/REC-xmlschema-2-20041028/,2004.Bos97 Bert Bos. The XML data model. /XML/Datamodel.html, 1997.Cla99 James Clark. XSL Transformations (XSLT). Technical report, W3C,/TR/xslt, 1999.DMvH+00 Stefan Decker, Serge

24、y Melnik, Frank van Harmelen, Dieter Fensel, Michel C. A.Klein, Jeen Broekstra, Michael Erdmann, and Ian Horrocks. The Semantic Web:The Roles of XML and RDF. IEEE Internet Computing, 4(5):6374, 2000.FZT04 Matthias Ferdinand, Christian Zirpins, and D. Trastour. Lifting XML Schema toOWL. In Nora Koch, Piero Fraternali, and Martin Wirsing, editors, Web Engineer-ing - 4th International Conference, ICWE 2004, Munich, Germany, July 26-30, 2004,Proceedings, pages 354358. Springer Heidelberg, 2004.HH99 Charlie Halpern-Hamu. Transform a sample instance to a schema. 1999.HSM+0