Mediator模式下基于语义映射的多本体融合机制研究_顾进广

第52卷第1期　2006年2月武汉大学学报(理学版)J.W uhan U niv.(N at.Sci.Ed.)V ol.52N o.1　Feb.2006,081～086 收稿日期:2005-04-11 基金项目:湖北省自然科学基金资助项目(2005ABA235);湖北省教育厅自然科学基金重点计划资助项目(Z200511005)作者简介:顾进广(1974-),男,博士,副教授,现从事分布式系统、语义网等研究.　E -mail :sim on @w u 文章编号:1671-8836(2006)01-0081-06Mediator 模式下基于语义映射的多本体融合机制研究顾进广1,2,黄　屹2,周　毅1(1.武汉科技大学计算机科学与技术学院,湖北武汉430081;2.武汉大学计算机学院,湖北武汉430072) 摘　要:针对现有本体融合机制的不足,提出了一种基于M ediator 模式的多本体融合机制.首先定义了基于语义相似性的语义映射概念,然后探讨了基于复杂映射的多本体融合机制,并详细介绍了多本体融合的步骤和算法,最后介绍了这种机制在O BSA 信息集成系统中的实现.关　键　词:多本体;本体融合;语义映射;语义相似性中图分类号:T P 391 文献标识码:A0　引　言 信息系统的广泛应用和互联网技术的发展,促进了人们对完整获取分布、异质信息的需求,特别是完整获取半结构化甚至非结构信息的需求,这就促进了信息集成(information integ ratio n )技术的产生.信息集成过程一般包括信息源描述、信息采集、信息过滤与清洗及信息存储等.然而,信息集成技术并不仅仅是为各个信息源提供一个接口就可以简单实现的,更重要的是如何构建全局环境下各信息源之间的互操作性,由于各信息源表示机制的不同以及语义环境的不同,这个过程可能会非常困难.利用本体来集成各局部结点的语义环境是信息集成系统中一般采用的克服语义异构性的方法,文献[1]对此进行了讨论.然而,如何集成各局部结点的本体信息并构建全局的本体环境仍然没有十分有效的解决方案,现有的工作一般只讨论了简单的一对一本体映射的问题,即将集成环境一个局部本体概念直接映射为一个全局本体概念,而且没有考虑映射中语义相似性的问题[1].本文对此主要做了以下工作:①定义了基于语义相似度的本体映射机制,包括直接映射、包含映射和组合映射等;②探讨了一个基于复杂映射的本体融合机制;③介绍了在OBSA [2]系统中的具体实现.1　基于本体的信息集成系统基于本体的信息集成可以表示成一个映射,它将多个处于分布式环境中的局部信息结点映射为一个全局的信息结点,可以表示为I :(S 1,S 2,…,S n )→S 0,每一个结点是一个基于本体的半结构化数据集合(如N ative XM L Database 、Web 站点、基于XM L 的应用程序等),每一个半结构化数据集合可以表示为一系列XM L 实例的集合,有关XM L 实例的形式化定义参考文献[3].本体可以采用下面的形式化方式来表示:定义1　本体(Ontology )可用以下五元组来表示O ∶=(C ,≤C ,R ,≤R ,σ),其中[4]:①C 和R 为两个集合,分别表示概念集合和关系集合;②一个作用于C 上的偏序关系≤C ,称为概念层次或分类法;③一个函数σ:R →C +,称为标识或签名;④一个作用于R 上的偏序关系≤R ,称为关系层次,对于1≤i ≤|σ(r 1)|,如果r 1≤R r 2则意味着|σ(r 1)|=|σ(r 2)|,而且πi (σ(r 1))≤C πi (σ(r 2)),πi 表示作用于R 上的一个操作;DOI 牶牨牥牣牨牬牨牳牳牤j 牣牨牰牱牨牠牳牳牫牰牣牪牥牥牰牣牥牨牣牥牨牴武汉大学学报(理学版)第52卷对于基于本体的信息集成,本文的理解是构建一个全局的语义环境,用户通过这个全局的语义环境对数据信息进行查询操作,由系统将这个查询请求分解成一个可执行的查询规划,交给相应的局部结点来执行,构建全局语义环境的主要方式是集成各个局部结点的基于本体的语义,文献[1]探讨了基于本体集成的相关技术,本文采用基于中介者(m e -diator )的方法,可用图1来表示.图1　基于M ediato r 模式的本体集成示意图2　基于本体的语义映射与集成机制2.1　语义映射的模式存在哪些映射、如何进行映射等是首先需要了解的问题.最普遍的映射是一个本体映射为另一个本体,是一个直接的一对一的映射,称之为直接本体映射,例如中国大学的教授本体可以直接映射为美国大学的Professor 本体,目前研究最多的是直接映射,然而,由于不同节点或者不同环境之间分类标准、本体表述机制的不同,本体映射不可能如此简单,例如映射关系address =co ntact (co untry ,state ,city ,street ,po stcode )是一个复杂的映射,它将一个本体中的地址概念address 映射为另一个本体中的contact 、country 、state 、city 、street 和po stcode 等几个概念的组合.一般来说,本体映射(匹配)包括直接映射、包含映射、组合映射和分解映射等,图2表示了这几种映射[5]. 定义2　映射:所谓映射可以表示为一个四元组M =(S ,D ,R ,v ),其中S 表示一个源本体的概念(c1oncept of Onto logy );D 表示一个目标本体的概念;R 表示映射关系,该映射用描述逻辑可以表示为S R.D.v 表示映射的信任度,其取值范围为(0,1),其取值主要取决于以下因素:①两个概念之间的语义相似度,一般来说,这是最主要的因素;②与映射概念对应的本体相关的启发式知识;③映射背景知识.定义3　包含本体映射:可以表示为一个六元组的S m ∶=(D m ,R m ,B m , m ,I m ,v m ),其中: ①D m 是一个直接映射表达式,它将一个全局本体的概念映射为一个局部本体的概念;②R m 是局部本体的第一个目标概念,它是一个最特定(m ost specialized )的概念.全局本体和R m 之间的映射称为Roo t onto logy concept m apping ,可以表示为C 0C iSubsume -.⊥,其中C 0是全局本体概念,C i 是局部本体概念中存在包含关系(即C 1C 2…C n )的最特定的本体概念;③B m 是局部本体中最后一个目标概念,它是一个最通用(mo st generalized )的概念.全局本体和B m 之间的映射称为Bo ttom onto logy concept m ap -ping ,可以表示为C0C i Subsume .⊥,其中C 0为全局本体概念,C i 为局部本体概念中存在包含关系(即C 1C 2…C n )的最通用的本体概念;图2　语义映射的4种形式82第1期顾进广等:M edia tor模式下基于语义映射的多本体融合机制研究 ④m是一个局部本体之间的包含关系,表示为C i Subsume.C i+1,其中C i包含于C i+1;⑤I m表示局部本体之间的反向包含关系,表示为C i≡ Subsume-.C i+1,其中C i包含于C i+1;⑥v m表示映射的信任度.定义4　组合本体映射:组合本体映射可以表示为一个四元组的C m∶=(F m,A m,B m,v m),其中:①F m是一个直接映射表达式,它将一个全局本体的概念映射为一个局部本体的概念,其映射关系为R.它表示了目标组合概念中的第一个目标概念;②A m表示了目标本体概念之间的连接关系集合,可以表示为C i A sso ciate i+1.C i+1,其中序号i表明了各个概念C i和C i+1及关系A sso ciate i+1在整个组合概念中的顺序;③B m是局部本体中最后一个目标概念,它是整个组合链表中的最后一个本体概念;④v m表示映射的信任度.定义5　分解本体映射:分解本体映射可以表示为一个四元组的D m=(A m,B m,L m,v m),其中:①A m表示全局本体间的组合关系集合,这种组合关系可以通过Ci A sso ciate i+1.C i+1来表示,其中序号i表明了各个概念C i和C i+1及关系Associate i+1在整个组合概念中的顺序;②B m表示全局本体中最后一个概念,或者说是整个链表中最后一个节点;③L m是全局本体至局部本体间的一个直接映射关系,它将第一个全局本体概念映射为一个局部本体概念,其映射关系为R;④v m表示映射的信任度.2.2　语义映射的特性在上述定义的基础上给出几个与本体融合相关的语义映射特性.第一个特性是传递性,对于两个映射M i-1,i= (C i-1,C i,R,v i-1,i),M i,i+1=(C i,C i+1,R,v i,i+1),则可以构造映射M i-1,i+1=(C i-1,C i+1,R, v i-1,i+1)满足映射关系R.第二个特性是对称性,对于直接映射M=(S, D,R,v),与M′=(D,S,R,v)是等价的;对于包含映射,包含映射关系m存在对应的反向包含关系I m;对于组合映射存在对应用分解映射,反之亦然.第三个特性是强映射(S tro ng mapping),多个语义映射如果能够融合则必须满足强映射的条件.定义6　强映射:映射M i(1≤i≤n)被称为强映射,当且仅当它满足:①M i(1≤i≤n)的映射关系R i是相同的或者满足语义相似性的要求.将这种映射关系简写为R,称为强映射关系;②对于任意i,j,k,v i,v j,v k为映射M i,M j, M k的信任度,则存在v i≤v j+v k.3　基于语义映射的多本体融合机制本体融合可以形式化地表示为:定义7　本体融合:假定O i(1≤i≤n)为n个不同的本体,I为一个有限的本体融合制约集合.当O 和O i满足下列条件时,本体O被称为O i(1≤i≤n)的融合:①存在n个映射M i(1≤i≤n)分别表示从O i (1≤i≤n)到O的映射;②( i{1,2,…,n})O i:x≤O i:y→M i(O i:x)≤M i(O i:y);③( x,y)((x∈O i∧y∈O j)∧(x op y)∈I→M i(x)o p M j(y)∈I).条件②的含义是在融合本体中各局部本体的语义层次结构仍然得到保留;I可以表示为被融合的各局部本体之间的互操作性,条件③的含义是在融合本体中,各局部本体之间的互操作性制约仍然得到保留.在具体介绍融合的步骤前,先定义几个在描述中需要用到的概念.定义8　融合连接(fusion connectio n)是在不同本体间存在语义映射的概念之间建立起一个连接标记,融合连接主要是指各个映射机制中存在直接映射关系的各个结点之间的连接,例如对于包含映射则主要是指D m映射关系的结点之间建立联接,而组合映射和分解映射则主要是指满足F m和L m映射关系的各个结点之间建立联接.用F c(O1:C1,O2: C2,M)来表示融合连接,其中C1表示本体O1的一个概念或概念集合,C2表示本体O2的一个概念或概念集合,M表示C1与C2之间存在映射关系,即{C1∈O1∧C2∈O2}→{C1=M(C2)∨C2=M(C1)}.为方便后面的描述,用F cd来表示直接映射的融合连接,用F cs表示包含映射的融合连接,用F cc表示组合或分解映射的融合连接.本体集成可以分为3个步骤,分别描述如下:第一步称为直接映射的本体融合,这一个步骤主要是根据已经存在的映射关系构建一个融合连接列表,这里的直接映射也包含复杂映射中的直接映射关系,用代码描述如下:83武汉大学学报(理学版)第52卷 A lg orithm 1:Direct _Fusion (S M )Input :S M 表示映射集合;Output :F l 表示融合连接列表.1 F l ←2 fo r each M in S M do 3 switch M do4 Case M belo ng s to M /*如果映射为简单的直接映射*/5 F l ←F l +F cd (O 1:C 1,O 2:C 2,M ),O 1:C 1∈S ∧O 2:C 2∈D6 Case M belongs to S m /*如果映射为包含映射,并且D m 是S m 的直接映射表达式*/7 let D m =(S ,D ,R ,v )8 F l ←F l +F cs (O 1:C 1,O 2:C 2,D m ),O 1:C 1∈S∧O 2:C 2∈D9 Case M belongs to C m /*如果映射为组合映射,并且F m 是C m 的直接映射表达式*/10 let F m =(S ,D ,R ,v )11 F l ←F l +F c c (O 1:C 1,O 2:C 2,F m ),O 1:C 1∈S ∧O 2:C 2∈D12 Case M belo ng s to D m /*如果映射为分解映射,并且L m 是D m 的直接映射表达式*/13 let L m =(S ,D ,R ,v )14 F l ←F l +F cc (O 1:C 1,O 2:C 2,L m ),O 1:C 1∈S∧O 2:C 2∈D15 o ther wise /*如果不满足上述4种条件,则进入失败处理*/16 Er ros H ander ;17　end case 18end fo r 19return F l第二步称为复杂映射的本体融合,主要针对复杂映射中不存在直接映射的各个结点之间建立联接关系,分包含映射和组合映射两种情况来考虑:①对于两个包含映射关系M 1和M 2,其中M 1的映射关系为R 1,C 0为全局结点,C 11,C 12,…,C 1n 等为局部结点;M 2的映射关系为R 2,C 0为全局结点,C 21,C 22,…,C 2m 等为局部结点;这里用到映射关系相似性的概念,如果J S (R 1,R 2)≥1-ε,构建一个新的映射关系M ′来建立相关概念之间的连接.通过下面的算法来构建它们的本体融合: A lg orithm 2:Subsumptio n _Fusion (M 1,M 2,ε) Input :M 1,M 2表示两个包含映射关系,ε为语义相似度阈值; Output :F l 表示融合连接列表. i =1,j =1,F l ← 1 for each C 2j in M 22 sw itch the semantic similarity betw een C 1i ,and C 2j do 3 ca se J S (C 1i ,C 2j )≥1-ε:4 F l ←F l +F cd (C 1i ,C 2j ,M ’),C 1i ∈M 1/*表明在二者之间建立直接融合连接*/5 i =i +1;6 ca se M SP (C 1i ,C 2j )≥1-ε:7 F l ←F l +F c s (C 1i ,C 2j ,M ’),C 1i ∈M 1/*表明在二者之间建立包含融合连接*/8 ca se M GC (C 1i ,C 2j )≥1-ε:9 F l ←F l +F cs (C 2j ,C 1i ,M ’),C 1i ∈M 1/*表明在二者之间建立包含融合连接*/10 o therwise :11 i =i +1;12 end case 13 end fo r 14 re tur n F l②对于两个合成映射关系或分解映射关系则比较复杂.假定M 1和M 2为两个合成映射关系,其中C 0为全局结点,对于映射关系M 1来说,C 0与C 11之间为直接映射,映射关系为R 1,C 1i 与C 1,i +1之间的关系分别为Concatenate 1i (1≤i ≤n );同理可以定义映射M 2,C 0与C 21之间为直接映射,映射关系为R 2,C 2i 与C 2,i +1之间的关系分别为Concatenate 2i (1≤i ≤m ),并且J S (R 1,R 2)≥1-ε.对组合映射和分解映射中各连接关系Conca tenate 作一个分析会就会发现存在两种情况:①连接关系并不代表实际的含义,例如前面的例子address =co ntact (country ,state ,city ,street ,po stco de )中,country 、state 、city 、street 、po stco de 之间的连接关系就符合这种描述.②某些连接关系代表具体的含义,例如对于映射:应付款=total (商品单价×购买数量),连接关系存在具体的含义.对于第一种情况,由于各个连接并不代表实际的意义,只需判断两个映射中的概念的语义相似度是否满足要求即可,如果J S (C 1i ,C 2j )≥1-ε(1≤i ≤n ∧1≤i ≤m ),则在F l 列表中增加一个F cc (C 1i ,C 2j ,M ′)记录.在具体介绍第二种情况之前,首先介绍一些概念.对于组合映射(或分解映射)M 1和M 2,A m 1和A m 2分别表示其连接关系,说A m 1和A m 2是等价的,当且仅当:◆A m 1和A m 2中连接关系的数量和概念数量是相同的,且连接关系均为有意义的连接;◆i Concatenate 84第1期顾进广等:M edia tor模式下基于语义映射的多本体融合机制研究Concatenate2,i+1.C2,i+1),存在(J S(C1i,C2i)≥1-ε)∧(J S(C1,i+1,C2,i+1)≥1-ε)∧(J S(Co ncate-nate1,i+1,Co ncatenate2,i+1)≥1-ε).用A m1A m2表示等价关系,如果其中A m1和A m2的概念数量分别为m和n,记为|A m1|=m, |A m2|=n,且m>n,但A m1中前n个概念及其连接关系仍与A m2保持等价关系,则称A m1包含A m2,表示为A m1A m2.设在A m1和A m2中,用U1和U2表示其连接关系为无意义连接概念和相应的连接的集合(这种集合最好用单个字母表示,以下同),用N1和N2为有意义连接的集合,并用E1和E2表示存在等价或包含连接的集合,在上述概念的基础上,通过下面的代码来描述组合映射的融合连接. A lg orithm3:Co mpo sitio n_Fusion(M1,M2,ε) Input:M1,M2表示两个包组合映射关系,ε为语义相似度阈值; Output:F l表示融合连接列表.1 i=1,j=1,F l← /*首先处理有意义连接中可以表示等价或包含关系的部分*/2 fo r each C1∈E1,C2∈E2do3 if C1C2then/*表示二者为等价关系*/4 F l←F l+F cc(C1,C2,M’)5 else　/*否则为包含关系*/6 if|C1|>|C2|then7 Let C′1C1and C′1C28 F l←F l+F cc(C′1,C2,M′) else9 Let C′2C2and C′2C110 F l←F l+F cc(C1,C′2,M′)11 end if12 end if13 e nd for14 /*然后处理无意义连接部分*/ for each C2j in U2do15 for each C1i in U116 if J S(C1i,C2j)≥1-εthen17 F l←F l+F c c(C1i,C2j,M′)18 end for19 e nd for20 return F l第三步称为规范融合,它最终完成将多个本体融合为一个本体的工作,描述如下:①根据强映射条件对融合列表F l中所涉及的本体概念及关系进行分类,对于类型为F cd或F cc的融合连接,直接将相应的概念合并为一个概念,对于直接映射M(C1,C2,R,v1),M(C2,C3,R,v2)和M(C1,C3,R,v3),满足强映射关系,可以直接将C1,C2,C3合并为一个结点,否则只能将C1和C2合并为一个接点,C2和C3合并为一个接点.对于类型为F cs的融合连接,用相应的映射关系构建他们之间的连接.②对于不在F l中的其他本体和及其连接关系,保持原有结构复制到新的本体结构中.4　Mediator模式下本体融合机制的实现 在OBSA系统中实现了一个基于本体融合的信息集成环境,它采用一个基于Web Service的语义适配器并利用本文讨论的映射机制来实现局部本体到全局本体的映射.同时,适配器还包括以下组件:①元数据字典.主要包含信息源的模式、信息源的存储路径、信息源的类型以及提供单位、信息源的域名等描述信息源的信息;②语义知识库:包含理解全局语义模式中Ontology的各概念、属性的语义所需的知识,主要为各种同义、近义词以及中英文对照等,这些知识对概念匹配至关重要;③词汇映射表,它是根据映射关系所形成的映射列表,包括本体概念之间的映射和相关实例映射的列表.整个映射机制可以参见文献[2]. 在半结构化信息集成环境下,语义适配器另一个功能是实现将各结点的信息采集,并将其存储于OBSA的语义存储层.OBSA的语义访问接口层接受用户的请求,并对请求进行验证、优化和制定执行规划,并将结果传送给用户[6].5　结束语本文主要讨论了基于复杂语义映射的本体集成机制,定义了基于语义相似度的复杂语义映射机制,然后在此基础上讨论了本体融合的步骤和算法.值得指出的是:①本文在讨论本体融合的步骤时没有考虑语义不一致(semantic inconsistent)的问题,文献[7]对此进行了探讨.但有一点可以肯定的是,本文探讨的基于复杂映射的本体融合对解决语义不一致的问题是有帮助的,这也是本文所介绍的方法相对于简单映射的融合方法优点之一.探讨语义不一致的问题也是今后的主要工作;②基于本体的信息查询也是一个需要考虑的问题,由于XM L 语言已经成为事实上的信息交换标准,扩展基于85武汉大学学报(理学版)第52卷XM L语言的信息查询机制使之支持基于本体的语义查询是一种可行的方法.目前的研究主要集中于扩展XM L代数来支持本体与语义相似性,TAX[8]是XM L代数的杰出代表,TAX是目前广泛接受的基于Pattern Tree的XM L代数语言,并且支持XQuery、XUpdate语言到TA X的转换,文献[9]讨论了如何扩展TAX用于支持基于本体的查询.参考文献:[1]　Wache H,Vögele T,V isser U,et al.Onto log y-BasedInteg ratio n o f Informa tion—A Survey o f Ex isting A p-proaches[C]//Proceedings o f I J CA I-01Work shop:Ontologies and In f ormation S haring.Seattle:A CMP ress,2001:108-117.[2]　Gu J G,Chen H P,Yang L X,et al.O BSA:O ntology-based Semantic I nfo rmatio n P rocessing A rchitecture[C]//Proceedings o f2004IEE E/WI C/ACM I nter-national Con ference on Web I ntelligence.Beijing:IEEE Co mputer So ciety P ress,2004:607-610.[3]　吕建华,王国仁,于　戈.XM L路径表达式查询优化技术[J].软件学报,2003,14(9):1615-1620.LüJ H,Wang G R,Yu G.O ptimizing Path ExpressionQ ue ries o f XM L Data[J].J ournal o f S of tw are,2003,14(9):1615-1620(Ch).[4]　Bo zsak E,Stojanovic L,Sto janovic N,et al.K A ON-T o wa rds a Larg e Scale Semantic W eb[C]//Pro-ceedings of the T hird I nternational Con f erence on E-Commerce and Web T echnologies.Aix-e n-P rov ence,F rance:Spring er-V erlag,2002:304-313.[5]　K w on J,Jeong D,Lee L-S,et al.Intelligent SemanticCo ncept M apping for Semantic Q ue ry Rew riting/o pti-mizatio n in O nto lo gy-Based Info rma tion Integ ratio nSy stem[J].I nternational J ourna l o f Sof t ware Engi-neering and K now ledge Engineering,2004,14(05): 519-542.[6]　G u J G,Chen H P,Chen X M,et al.A n O nto log y-Based Representatio n A rchitecture of U nstructured In-fo rmatio n[J].Wuhan University J ournal o f N aturalSciences,2004,9(5):595-600.[7]　Ras Z W,D ardzinska A.H andling Semantic I nconsist-encies in Q ue ry Answer ing Based o n DistributedK now ledge M ining[J].International J ournal of Pat-tern Recognition and Arti f icial I nte lli gence,2002,16(8):1087-1099.[8]　Jag adish H V,L akshmanan L V S,Srivastava D,et al.T A X:A T ree A lg ebra fo r XM L[C]//Proc DB PLCon f.Rome Italy:S pringer-Ver lag,2001:149-164. [9]　Hung E,Deng Y,Subr ahmanian V S.TO SS:An Ex-tension o f T AX with O ntologies and Simarity Queries[C]//P roceedings of the2004ACM S I GMOD Inter-national Con f erence on Management of Data.Pa ris,F rance:A CM P ress,2004:719-730.Multiple Ontologies Fusion Mechanism Based on ComplexSemantic Mapping in MediatorGU Jinguang1,2,HUANG Yi2,ZHOU Yi1(1.Co lleg e of Computer Science and T echnolog y,Wuha n U nive rsity of Scienceand T echno lo gy,Wuhan430081,Hubei,China;2.Schoo l of Com puter,Wuhan Univ ersity,W uhan430072,H ubei,China) A bstract:This paper develops an o ntolog y integ ration mechanism w hich is based o n the complex se-m antic mapping to avoid the insufficient of simple and direct sem antic m apping.It defines the complex on-to logy mapping co ncept with sem antic similarity enhanced firstly,and discusses the pro cedure and algo-rithm in the second.An implementation of the m echanism in OBSA sy stem is intro duced in the last o f the paper.Key words:multiple onto logy;o ntolo gy fusio n;schem a mapping;semantic similarity86。