袁 滿, 楊 靜, 陳 萍

(東北石油大學 a. 計算機與信息技術(shù)學院； b. 經(jīng)濟管理學院, 黑龍江 大慶 163318)

0 引 言

隨著本體技術(shù)的發(fā)展, 除了通用領(lǐng)域的頂層本體外, 各個領(lǐng)域內(nèi)出現(xiàn)了許多滿足該領(lǐng)域需求的領(lǐng)域本體, 而這些本體之間由于本體構(gòu)建的方式、語言或結(jié)構(gòu)的不同, 導致了本體之間的異構(gòu), 降低了領(lǐng)域內(nèi)甚至領(lǐng)域間不同本體的互操作性, 加大了領(lǐng)域之間公用知識共享的難度, 本體間的互操作成為一個亟待解決的問題。

本體融合可以把不同來源, 不同角度建立的知識本體結(jié)合在一起, 形成一個統(tǒng)一的公用的知識本體庫, 解決本體異構(gòu)問題, 但目前缺乏一個標準的本體信息管理模式以及映射模式。2007年國際標準組織ISO/IEC(International Organization for Standardization/International Electro technical Commission)正式發(fā)布了本體互操作元模型MFI(Metamodel Framework for Interoperability)的第3部分----本體注冊元模型(MFI4OR)。該標準定義了本體注冊信息且提供了一個統(tǒng)一注冊模型, 使本體信息管理規(guī)范化。筆者在此基礎(chǔ)上, 將MFI4OR模型應用于本體融合中, 在標準框架的基礎(chǔ)上為融合的本體信息提供了劃分標準, 并提供了一個標準的本體信息管理模式, 在確定本體構(gòu)件也就是類相似的基礎(chǔ)上進行與之相關(guān)的屬性以及關(guān)系的融合, 可減少相似度計算次數(shù), 提高融合效率。

1 研究現(xiàn)狀

本體融合強調(diào)兩個或多個本體資源通過映射合并成為一個統(tǒng)一的本體資源。隨著本體技術(shù)發(fā)展, 目前國內(nèi)外對本體融合的研究越來越多, 也有許多成熟的本體融合系統(tǒng), 如PROMPT、GLUE、OntoMap等。此外, 近幾年的OAEI(Ontology Alignment Evaluation Initiative)比賽中的映射方法也很引人注目。Faria等[1-2]在OAEI中參賽的AML本體映射系統(tǒng)是基于本體概念的映射系統(tǒng), 在對用不同語言創(chuàng)建的本體進行翻譯和對輸入本體之間進行匹配操作時, 運用了背景知識作為知識庫輔助本體的翻譯和匹配。而中國東南大學的Lily本體映射系統(tǒng)[3-5]在OAEI競賽中表現(xiàn)亮眼, 在競賽給出的測試集中, 獲得了97%準確率, 召回率也達到了83%, F1值為90%。

無論是對本體融合系統(tǒng)還是對本體融合方法的研究, 歸根結(jié)底都是對本體映射過程中的語義相似度計算的研究。而目前這些融合方法都向混合式的相似度算法結(jié)合的方向發(fā)展。Li等[6]提出的RiMOM是一個動態(tài)多策略本體映射模型系統(tǒng), 同時運用了編輯距離、 WordNet詞典、 向量距離和相似性傳播等相似度算法, 并在此基礎(chǔ)上提出了風險概率最小化模型, 以此提高融合效率。He等[7]提出的WNPntoSim是一種混合型本體映射方法, 其使用了WordNet詞典和原子概念標志計算本體概念元素的結(jié)構(gòu)語義相似度。混合式的本體映射方法代表了本體映射系統(tǒng)的發(fā)展趨勢, 雖然這種混合式方法可提高本體融合的準確性, 但在相似度計算過程中難免會進行繁瑣重復的詞匯計算。樓雯等[8]提出了一種基于二值相似度的融合方法, 為簡化融合過程中繁瑣的相似度計算, 該方法提出在原始本體構(gòu)建的過程中即進行語義相似度計算, 并在融合時只考慮概念和關(guān)系的二值匹配, 同時還能進一步簡化融合過程中的再次相似度計算。近幾年, 許多學者將機器學習以及統(tǒng)計學的思想運用于相似度計算中。徐飛翔等[9]提出一種基于SA-BP(Simulated Annealing Back Propagation)算法的本體概念語義相似度綜合計算模型, 通過模擬退火算法改進BP(Back Propagation)神經(jīng)網(wǎng)絡, 提高相似度計算的精確度。Zhang等[10]提出的MSBN(Multi-Strategy and Bayesian Network)通過編輯距離對概念名稱進行詞匯相似度計算, 并在此基礎(chǔ)上進一步應用了概念的描述信息以及實例特征, 以多策略的貝葉斯網(wǎng)絡為基礎(chǔ)進行本體映射。

綜上所述, 無論目前流行的基于機器學習方法還是基于統(tǒng)計學方法, 都要經(jīng)過大量的數(shù)據(jù)計算, 從某種程度上降低了融合效率, 并且這些方法都缺少統(tǒng)一融合模型?；诖? 筆者提出通過對本體信息的標準劃分, 以減少后續(xù)融合過程中不必要的重復計算, 以提高融合效率。除此之外, 筆者從國際標準的角度, 對本體注冊的信息進行本體融合。眾所周知, 標準化才是知識共享的前提, 標準化的融合模型適用于各領(lǐng)域本體融合。

2 基于MFI4OR的本體融合模型

2.1 MFI4OR標準體系研究

MFI4OR標準為本體的結(jié)構(gòu)和語義信息提供了一個注冊機制, 以便于管理和進行系統(tǒng)間互操作。其為本體的分類注冊提供了一個基本的3層架構(gòu), 用于促進本體和基于本體的系統(tǒng)之間的語義互操作[11]。MFI4OR在元級對本體信息進行注冊和管理, 這就在元級上屏蔽了本體異構(gòu)問題, 進而解決了本體之間的互操作問題[12]。

從兩個基于本體的信息系統(tǒng)的角度看, 本體在系統(tǒng)中起到承上啟下的中間層作用[13], 兩個系統(tǒng)若要進行互操作, 就需要這兩個系統(tǒng)的本體滿足互相理解的要求, 也就是說需要存在相同的描述以及建立相應的映射關(guān)系。但是, 由于不同的信息系統(tǒng)存在不同的需求, 構(gòu)建時使用的建模語言也會有所區(qū)別, 應用的本體必然存在異構(gòu)性, 這在很大程度上造成了信息共享障礙。因此, 有必要為本體提供一個科學合理的管理機制, 對本體元級的信息進行注冊管理, 這就是MFI4OR本體注冊元模型所研究的范圍[11]。MFI4OR本體注冊元模型在元級上考慮了本體的異構(gòu)性, 并致力于本體之間的互操作(見圖1)。

圖1 本體注冊元模型Fig.1 Ontology registration meta model

從橫向看, MFI4OR提供了兩種類型的本體模型, 分別為參考本體(Reference-Ontology)和本地本體(Local-Ontology)。參考本體是由標準組織或領(lǐng)域?qū)＜叶x的領(lǐng)域內(nèi)的標準本體, 該本體的特點是具有穩(wěn)定性。本地本體是在具體的信息系統(tǒng)需求的基礎(chǔ)上, 根據(jù)參考本體修改得到。由于本地本體對參考本體進行了復用, 故其含有參考本體的部分內(nèi)容, 此外還包含系統(tǒng)需求的內(nèi)容。2008年, 曾誠等[14]提出了一種基于MFI4OR的語義互操作Web服務注冊模型, 運用標準中本地本體的演化規(guī)則解決Web服務注冊庫中的語義互操作問題。在本文中應用到了參考本體的概念, 并將其作為融合過程中融合本體的基準, 并將該本體中的構(gòu)件視為標準構(gòu)件。

從縱向看, MFI4OR提供了一種3層模型對本體信息進行記錄和管理, 該模型的基礎(chǔ)為“本體(Ontology)-本體構(gòu)件(Ontology-Component)-本體原子構(gòu)件(Ontology-Atomic-Construct)”。在標準3層模型中, 本體是一個元類, 表示一個本體并包含關(guān)聯(lián)的管理信息； 本體構(gòu)件是一個抽象的元類, 表示包含在本體中的句子并包含相關(guān)的管理信息, 沒有指定句子的粒度, 但其是一個用戶的選擇； 本體原子構(gòu)件表示非邏輯符號的抽象元類, 用于句子中并且包含相關(guān)的管理信息。本體原子構(gòu)件組成了本體構(gòu)件, 本體構(gòu)件組成了本體, 其中本體原子構(gòu)件是本體最基本的單位, 即最小組成單位[12]。MFI4OR的3層注冊模型關(guān)注本體元級的結(jié)構(gòu)組成信息, 即本體中的句子以及非邏輯符號的模型元素, 其中包括類、 屬性和關(guān)系等。

MFI4OR將本體元模型作為理論基礎(chǔ), 提供了一個公共的元模型框架, 用于處理本體注冊和本體之間互操作的問題, 便于異構(gòu)本體的語義信息的注冊、 共享和管理。而本體融合涉及到了本體之間的互操作, 以及在本體信息之間的概念相似度計算和實體對齊等技術(shù), 因此MFI4OR可以為本體融合提供一個統(tǒng)一的融合模型, 并可在此基礎(chǔ)上進行本體信息的融合。

2.2 融合映射模型

在MFI4OR中縱向定義了一種3層結(jié)構(gòu)記錄本體的結(jié)構(gòu)信息, 基于此對融合中的本體信息粒度進行劃分(見圖2)。圖2左側(cè)虛線框內(nèi)為語法層, 在標準中規(guī)定“本體構(gòu)件”對應了本體中的“句子”, 但“句子”劃分的粒度由用戶決定, “本體原子構(gòu)件”對應了本體中的“非邏輯符號”, 即從本體文件里可以提取出“句子”注冊成為“本體構(gòu)件”, 而“句子”粒度的劃分由用戶決定, 然后從句子中提取“非邏輯符號”注冊成為“本體原子構(gòu)件”。圖2中間的虛線框是標準中定義的3層“本體-本體構(gòu)件-本體原子構(gòu)件”模型, 從本體中可以提取若干本體構(gòu)件, 本體構(gòu)件中可以提取若干本體原子構(gòu)件。圖2最右側(cè)的虛線框表示融合層, 將標準中需注冊的管理信息對應到融合過程中的需要融合本體的信息元素, “本體構(gòu)件”對應本體模式層的元素“類”, “本體原子構(gòu)件”對應與類相關(guān)的屬性, 例如對象屬性和數(shù)據(jù)屬性, 融合類和融合屬性為融合對象。

圖2 基于MFI4OR的本體融合模型Fig.2 Ontology fusion model based on MFI4OR

3 融合過程與算法

3.1 融合過程

對模式層, 本體中概念的相似度達到某個特定的較高值時, 即可認定兩個概念的語義是相同的, 這就給予了融合的最基本條件[15]?；贛FI4OR的本體融合模型, 提出如下的本體融合過程。圖3描述了輸入、 輸出和融合過程中的6個主要步驟, 即輸入兩個領(lǐng)域內(nèi)或不同領(lǐng)域的相似的兩個本體, 經(jīng)過融合后, 輸出一個融合了兩個本體基本元素的完整本體。

圖3 基于MFI4OR的融合過程Fig.3 Fusion process based on MFI4OR

步驟1 三元組提取。

首先準備需要融合的本體, 規(guī)定其中一個為參考本體(ClassOnto), 另外一個本體則為融合本體(FuseOnto)。然后將輸入的本體通過rdflib技術(shù)和pandas技術(shù)提取出兩個本體中所有的三元組,并通過三元組描述的兩實體的關(guān)系抽取本體中所有的類、 實體、 對象屬性和數(shù)據(jù)屬性等。

步驟2 構(gòu)件提取。

將抽取的三元組中的類、 對象屬性、 數(shù)據(jù)屬性等根據(jù)基于MFI4OR的映射模型, 將“本體-本體構(gòu)件-本體原子構(gòu)件”與“本體-類-屬性”相互映射, 存儲到相應的關(guān)系表或CSV文件中進行結(jié)構(gòu)化處理。

步驟3 相似度計算。

筆者利用基于編輯距離的相似度算法對已經(jīng)劃分的本體構(gòu)件即兩個本體中的類進行相似度計算, 并輸出一個相似度值, 該值的取值在0～1之間(包括0和1)。在此規(guī)定閾值U為0.7, 當相似度值大于或等于0.7, 認定兩個本體構(gòu)件相似, 即可進行融合。當相似度小于0.7, 利用外部資源WordNet判斷的兩個本體構(gòu)件是否存在近義詞的關(guān)系, 若存在則融合。外部資源主要判斷兩個詞匯的語義相似度, 減少因詞匯相似度低而語義相同的信息不能融合的情況。根據(jù)信息論中的信息傳遞損失理論, 在融合中用語義相似度算法計算后所得結(jié)構(gòu), 必然造成知識在一定程度上的損失[15]。

步驟4 融合。

在步驟2中, 得出相似的本體構(gòu)件即相似的類, 將它們進行融合。若兩個本體構(gòu)件相似, 融合時, 保留參考本體中的本體構(gòu)件, 并去除融合本體中的相似本體構(gòu)件, 但需要保留融合本體中的原子構(gòu)件, 將其添加到參考本體的本體構(gòu)件中。

步驟5 原子構(gòu)件匹配。

將本體構(gòu)件融合后, 合并原兩個本體構(gòu)件中的原子構(gòu)件, 并對其進行匹配查重, 若有重復的原子構(gòu)件則將其去除。這一步的主要目的是保證合并后的本體構(gòu)件中不存在重復的本體原子構(gòu)件, 避免融合后的本體存在冗余。原子構(gòu)件的匹配與步驟4相同, 保留參考本體中的原子構(gòu)件, 去除融合本體中的原子構(gòu)件。

步驟6 迭代。

反復執(zhí)行步驟3～步驟5, 直到融合徹底結(jié)束。

3.2 融合算法描述

根據(jù)MFI4OR本體融合映射模型, 對本體的基本元素進行標準化注冊, 再利用Edit Distance算法和基于WordNet詞典的Edit Distance-WordNet相似度算法進行相似度計算, 簡稱E-W算法, 如下所示。由于本體原子構(gòu)件融合與本體構(gòu)件融合算法相似, 故不再贅述。

E-W算法:

1)U←0.7∥設置閾值U=0.7, 判讀是否符合融合標準

2) import BasicOnto, FuseOnto∥導入?yún)⒖急倔w和待融合本體

3) 提取兩本體的本體構(gòu)件

4) for each triples in BasicOnto and FuseOnto do∥提取三元組

5) for each BasicClass and FuseClass in triples do∥提取本體構(gòu)件

6) fori←0 to BasicClass do∥遍歷本體構(gòu)件

7) forj←0 to FuseClass do

8) 通過Levenshtein Distance算法進行相似度分析

9) Pairs[i]←compareTwoClass(BasicClass, FuseClass)

10) Pairs[i]_K←sim(BasicClass, FuseClass)

11) if Pairs[i]_K

12) 通過WordNet進行語義相似度判斷

13) if Pairs [i] in WordNet do

14) FusionClass←BasicClass∥進行本體構(gòu)件融合

15) else

16) return Pairs [i] to NextCompare

17) end if

18) else

19) FusionClass←BasicClass

20) end if

21) end for

22) end for

23) end for

24) end for

4 實驗結(jié)果與分析

實驗是以黑龍江省哲學社會科學研究規(guī)劃項目“黑龍江省高等教育教學改革基金資助項目”(項目編號： SJGY20200107)中的學習者模型構(gòu)建需求為背景。項目采用FOAF與RELATIONSHIP進行學習者模型構(gòu)建, 利用提出的融合模型實現(xiàn)將兩個本體的融合。FOAF本體是一種提供管理社區(qū)內(nèi)信息的詞匯表, 其定義了關(guān)于用戶個人信息、 用戶與用戶之間關(guān)系[16]。而RELATIONSHIP[17]本體是描述人與人之間各種關(guān)系的標準詞匯表, 例如親屬關(guān)系、 工作關(guān)系、 婚姻及居住關(guān)系等, 涵蓋了幾乎所有的人與人之間的關(guān)系模型。這兩個頂層本體都是描述人物基本信息及人物間關(guān)系的標準本體, 因此在該項目系統(tǒng)架構(gòu)的學習者模型構(gòu)建模塊中, 筆者基于MFI4OR標準的本體融合模型融合FOAF本體和RELATIONSHIP本體, 為學習者模型提供一個更精確更全面的關(guān)系表示。

實驗采用Win10系統(tǒng)環(huán)境, 并用Python語言進行本體的解析和融合。經(jīng)過實驗, 結(jié)合基于MFI4OR的融合模型得到融合后的FOAF-RELATIONSHIP本體, 稱之為F-R本體(見圖4)。該本體不但具有FOAF本體的相關(guān)信息, 如knows和account；而且還有RALATIONSHIP本體中的相關(guān)信息, 如worksWith(見圖5)。

圖4 F-R本體 圖5 F-R本體局部圖 Fig.4 F-R ontology Fig.5 Partial diagram of F-R ontology

融合后的F-R本體中既包含參考本體FOAF中的信息, 又包括了融合本體RELATIONSHIP中的相關(guān)信息, 實現(xiàn)了兩個本體的融合, 并形成一個基于FOAF本體的包含RELATIONSHIP本體中所有人際關(guān)系的統(tǒng)一本體。

計算并獲得融合本體的4個融合分析項, 即準確率(Accuracy)、 精確率(Precision)、 召回率(Recall)和F1值。筆者分別計算了類(Class)、 對象屬性(ObjectProperty)、 數(shù)據(jù)屬性(DatatypeProperty)以及融合(Fusion)的分析項, 得到結(jié)果如表1所示。

表1 融合結(jié)果

實驗結(jié)果顯示, 無論是類、 對象屬性還是數(shù)據(jù)屬性, 基于該模型的融合實驗的準確率都達到了80%以上, 除了對象屬性的召回率在68.5%以外, 其余概率都在70%以上?？傮w的融合可達87.6%的準確率, 查準率在79.8%, 召回率和F1值也都保持在80%以上。

5 結(jié) 語

筆者針對目前本體融合的研究中本體映射缺乏統(tǒng)一的標準融合模型的問題, 提出了基于國際標準MFI4OR的本體融合模型, 并進行了實驗。在MFI4OR的融合模型基礎(chǔ)上, 利用編輯距離的相似度算法, 能精確地計算出兩個概念的詞匯相似度。為避免出現(xiàn)異形同義, 筆者考慮了基于詞典WordNet的方法, 查找詞匯近義詞進行語義相似度的比較, 在確保詞匯相似度的基礎(chǔ)上考慮了異形同義的情況, 這在很大程度上增加了融合的準確性。實驗表明, 基于MFI4OR的本體融合模型適用于本體融合過程, 可融合兩個相似本體且具有較高的適用性。該模型為本體融合信息提供一個標準的本體信息管理模式, 并根據(jù)注冊標準提出一個本體元級的標準劃分, 減少了相似度計算的次數(shù), 簡化了繁瑣的計算過程。以教育領(lǐng)域?qū)W習者模型的構(gòu)建為背景, 將該方法應用于教育領(lǐng)域的學習者模型中, 很好地解決了學習者模型構(gòu)建中的融合問題。