以云计算为支撑的海量本体推理

收稿日期：2011－06－13；修回日期：2011－07－20。

基金项目：国家自然科学基金资助项目（70903047）；中央高校基本科研业务费专项资金资助项目（2009092）。

作者简介：屈振新（1972－），男，湖北房县人，副教授，博士，主要研究方向：语义Web 、云计算、电子政务；余传明（1978－），男，湖北潜江人，副教授，博士，主要研究方向：语义Web 、云计算。

文章编号：1001－9081（2011）12－3324－03doi ：10．3724/SP．J．1087．2011．03324以云计算为支撑的海量本体推理屈振新，余传明（中南财经政法大学信息与安全工程学院，武汉430073）(quzx72@gmail．com)摘要：为了解决海量本体可推理的问题，以云计算平台为支撑，将本体schema 转换为图结构，并设计相应的推理策略，以Map /Reduce 为计算模型，重写推理规则，设计推理算法，在Map 过程中通过一次迭代实现推理，在Reduce过程中消重，解决了海量资源描述框架模式（RDFs ）本体的推理问题，在合理时间实现了海量本体的推理。

实验显示，一亿条三元组的推理时间没有超过4min ，证明算法是有效的。

关键词：云计算；海量；本体；推理中图分类号：TP393文献标志码：AInference of mass ontology based on cloud computingQU Zhen-xin，YU Chuan-ming(School of Information and Safety Engineering，Zhongnan University of Economics and Law，Wuhan Hubei 430073，China )Abstract:To solve the problem of inference on mass ontology，a new algorithm was proposed based on cloud computing platform．Ontology schema was transformed into graph，inference strategy was designed accordingly．Inference algorithm was designed based on the computing model of Map /Reduce．After one time iteration，mass ontology could be inferred in the course of Map．Later，duplicated triples were eliminated in the course of Reduce．The experimental results show that inference of one hundred million triples costs less than four minutes．The algorithm is effective．Key words:cloud computing;mass;ontology;inference0引言本体技术可以方便描述各种信息的语义，使其成为机器可读、可理解的信息，进而实现信息资源的共享、重用和自动处理，应用领域广阔，如：物联网数据的智能处理、政务信息资源的语义整合、Web 3．0等。

这些应用表现出一个共性特征：要处理海量语义数据。

本文将三元组数量超过亿条以上的本体称为海量本体。

现有的本体推理机无法处理海量语义数据，如经典的Jena ［1］和Pellet ［2］等在单机上能处理的三元组数量一般不超过千万条，BigOWLIM ［3］能在单机上处理亿级的三元组，但性能非常低。

本体技术的大规模应用受到制约。

将云计算平台强大的、可伸缩的计算能力用于海量本体推理，能解决基本的计算问题。

本文以Hadoop ［4］为云计算平台，利用Map /Reduce［5］思想设计算法，较好地解决了海量资源描述框架模式（Resource Description Framework schema ，RDFs ）本体的推理问题。

1相关研究近年来，针对海量本体推理这一问题，有些学者已经做了一定的研究工作。

Seidenberg 等人［6］采用本体分割技术，在不影响局部语义的情况下缩小本体规模。

但该技术只考虑了类和属性的分割，没有关注实例，而海量本体中数量最多的往往是实例。

Soma 等人采用并行计算［7］、Oren 等人采用自组织的对等网［8］进行本体推理。

他们都只是用小规模数据展示了技术的可行性，没有提及对海量本体的处理。

Urbani 等人基于Map /Reduce 重写了推理规则，设计了WebPie ［9］，能较好地对RDFs 数据进行处理，但是几乎每个推理规则都要迭代一次，迭代次数太多，效率不高。

2有限语义图及推理策略海量本体中，schema 数据往往不多，数量众多的是实例。

以作者前期研究成果［10］为基础，将本体schema 数据转换为图结构———有限语义图，进一步应用Map /Reduce 思想，重新设计推理策略，实现RDFs 推理。

2．1有限语义图有限语义图［10］是本体schema 数据的图形化表示，定义如下。

定义1有限语义图。

有限语义图是一个五元组G =（K ，V ，E ，Pv ，Pe ）。

其中：，K 是本体知识库；V 是顶点集，由本体的概念和属性构成；E 是有向边集；Pv 是顶点的属性集，属性值有type ；Pe 是边的属性集，属性值有domain 、range 、subClassOf 和subPropertyOf 。

对应原始的三元组文件，可以采用Map /Reduce 思想设计并行算法，根据其schema 数据生成有限语义图，算法如下：map(key，Triple):if(Triple 是schema 数据)context．write(Triple．getSubject()，Triple);reduce(key，iterator values):for(Triple v:values)graph．add(v．getSubject，v．getPredicate()，v．getObject());第31卷第12期2011年12月计算机应用Journal of Computer Applications Vol．31No．12Dec．2011本体文件存放在Hadoop 分布式文件系统（Hadoop Distribution File System ，HDFS ）中，各Mapper 并行地将分布在各个DataNode 上的三元组逐条读取，以三元组的subject 为关键字，输出（key ，value ）；Mapper 输出的中间结果经shuffle 、排序后，subject 相同的三元组被分配给同一个Reducer 处理。

各Reducer 每次对subject 相同的三元组进行归并处理，以邻接表的方式实现图。

2．2有限语义图的搜索有限语义图中顶点由本体的概念和属性构成，概念间、属性间以及概念和属性间的关系通过边的属性来表示。

对整个图进行搜索没有意义，应该按照边属性的不同，把图分解成对应的子图，在子图上进行搜索，搜索算法如下：search(begin，type，result){入队(begin);while(队列非空){t =出队;while(node =t 的邻接顶点)if(边＜t，node ＞的属性==type ＆＆node 未被访问过){入队(node);result．add(node);}}}例如某顶点node 是rdfs ：Class ，列举出它的所有祖先类可以调用search （node ，subClassOf ，result ）进行搜索，搜索时算法仅考虑属性为subClassOf 的边，把有限语义图退化成一个子图进行搜索。

祖先关系这类具有传递性的关系很容易在一次搜索中穷举。

2．3推理策略万维网联盟（World Wide Web Consortium ，W3C ）已经给出了RDFs 推理的14条蕴含规则［11］，在输入数据集上反复应用这些规则，内容如表1。

表1RDFs 蕴含规则规则名若蕴含式包含那么添加rdfs1u p ldf:type rdfs:Literal rdfs2p rdfs:domain x u p y u rdf:type x rdfs3p rdfs:range x u p v v rdf:type xrdfs4a u p x u rdf:type rdfs:Resource rdfs4b x p uu rdf:type rdfs:Resource rdfs5a rdfs:subPropertyOf b b rdfs:subPropertyOf c a rdfs:subPropertyOf c rdfs6u rdf:type rdf:Property u rdfs:subPropertyOf u rdfs7u p vp rdfs:subPropertyOf p1u p1vrdfs8u rdf:type rdfs:Class u rdfs:subClassOfrdfs:Resourc rdfs9u rdfs:subClassOf x v rdf:type u v rdf:type x rdfs10u rdf:type rdfs:Class u rdfs:subClassOf u rdfs11u rdfs:subClassOf v v rdfs:subClassOf y u rdfs:subClassOf y rdfs12u rdf:typerdfs:ContainerMembershipProperty u rdfs:subPropertyOf rdfs:memberrdfs13u rdf:type rdfs:Datatypeu rdfs:subClassOf rdfs:Literal这14条规则中，规则1、4a 、4b 、6和10或者推导的新知识不重要，或者不会进一步推导出新知识，在本文算法中予以忽略。

剩余的9条规则中，以schema 数据为输入且推导出schema 数据的有规则5、8、11、12和13，以实例数据为输入且推导出实例数据的有规则2、3、7和9。

规则匹配按输入三元组类型的不同，分别处理，顺序不限，具体如图1所示。

图1匹配策略若输入是实例数据，谓词是自定义属性，依次匹配规则7、2和3，且规则2和3的输出再次触发规则9；若谓词是rdf ：type 则直接匹配规则9。