语义网学习报告

语义网学习报告
Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
语义网学习报告
学院：计算机科学与工程
专业：计算机科学与技术
班级：
学号：
姓名：刘啸宇
指导教师：吴陈
一、语义网的概念与发展
语义网的定义及概述万维网之父——伯纳斯·李(Berners-Lee)在2002年描绘了下一代互联网的前景,并将下一代互联网称为“语义网”(Semantic Web)。

他描述道:“语义网是当前网络的延伸,信息在其中被赋予明确含义,从而实现人与计算机的更好协作。

”
蒂姆·伯纳斯-李在2006年普林斯顿大学演讲和后期接受媒体采访时公开表示，他最初将这种智能网络命名为语义网或许不够贴切，也许更准确的名称应该是数据网(外语:Data Web)。

语义网就是能够根据语义进行判断的智能网络，实现人与电脑之间的无障碍沟通。

它好比一个巨型的大脑，智能化程度极高，协调能力非常强大。

在语义网上连接的每一部电脑不但能够理解词语和概念，而且还能够理解它们之间的逻辑关系，可以干人所从事的工作。

它将使人类从搜索相关网页的繁重劳动中解放出来，把用户变成全能的上帝。

语义网中的计算机能利用自己的智能软件，在万维网上的海量资源中找到你所需要的信息，从而将一个个现存的信息孤岛发展成一个巨大的数据库。

语义网的建立极大地涉及了人工智能领域的部分，与web 智能网络的理念不谋而合，因此语义网的初步实现也作为web 的重要特征之一，但是想要实现成为网络上的超级大脑，需要长期的研究，这意味着语义网的相关实现会占据网络发展进程的重要部分，并且延续于数个网络时代，逐渐转化成"智能网"。

二、语义网的体系结构
erners-Lee于2000年提出了语义网的体系结构，并对此做了简单的介绍。

该体系结构共有七层，自下而上其各层功能逐渐增强。

第一层
第一层:""层。

Unicode和URI。

Unicode是一个字符集，这个字符集中所有字符都用两个字节表示，可以表示65536个字符，基本上包括了世界上所有语言的字符。

数据格式采用Unicode的好处就是它支持世界上所有主要语言的混合，并且可以同时进行检索。

URI(Uniform Resource Identifier)，即统一资源定位符，用于唯一标识网络上的一个概念或资源。

在语义网体系结构中，该层是整个语义网的基础，其中Unicode负责处理资源的编码，URI负责资源的标识。

第二层
第二层:根层。

XML+NS+xmlschema。

XML是一个精简的标准通用标记语言，它综合了标准通用标记语言的丰富功能与HTML的易用性，它允许用户在文档中加入任意的结构，而无需说明这些结构的含意。

NS(Name Space)即命名空间，由URI索引确定，目的是为了避免不同的应用使用同样的字符描述不同的事物。

XML Schema是文档类型定义(DTD)的替代品，它本身采用XML语法，但比DTD更加灵活，提供更多的数据类型，能更好地为有效的XML文档服务并提供数据校验机制。

正是由于XML灵活的结构性、由URI索引的NS而带来的数据可确定性以及XML Schema所提供的多种数据类型及检验机制，使其成为语义网体系结构的重要组成部分。

该层负责从语法上表示数据的内容和结构，通过使用标准的语言将网络信息的表现形式、数据结构和内容分离。

第三层
第三层:"资源描述框架"层。

+rdfschema。

RDF是一种描述WWW上的信息资源的一种语言，其目标是建立一种供多种共存的框架。

该框架能充分利用各种的优势，进行基于Web 的数据交换和再利用。

RDF解决的是如何采用XML标准语法无二义性地描述资源对象的问题，使得所描述的资源的元数据信息成为机器可理解的信息。

如果把XML看作为一种标准化的元数据语法规范的话，那么RDF就可以看作为一种标准化的元数据语义描述规范。

Rdfschema使用
一种机器可以理解的体系来定义描述资源的词汇，其目的是提供词汇嵌入的机制或框架，在该框架下多种词汇可以集成在一起实现对Web资源的描述。

第四层
第四层:"本体词汇"层。

"本体词汇"，(外语:Ontology vocabulary)。

该层是在RDF(S)基础上定义的概念及其关系的抽象描述，用于描述应用领域的知识，描述各类资源及资源之间的关系，实现对词汇表的扩展。

在这一层，用户不仅可以定义概念而且可以定义概念之间丰富的关系。

五至七层
第五至七层:Logic、Proof、Trust。

Logic负责提供公理和推理规则，而Logic一旦建立，便可以通过逻辑推理对资源、资源之间的关系以及推理结果进行验证，证明其有效性。

通过Proof交换以及，建立一定的信任关系，从而证明语义网输出的可靠性以及其是否符合用户的要求。

三、关于使用protege进行本体构建的探讨
Protégé软件是斯坦福大学医学院生物信息研究中心基于Java语言开发的本体编辑和知识获取软件，或者说是本体开发工具，也是基于知识的编辑器，属于。

Protégé提供了本体概念类，关系，属性和实例的构建，并且屏蔽了具体的本体描述语言，用户只需在概念层次上进行领域本体模型的构建。

Protégé使用JAVA和Open Source作为操作平台，可用于编制本体和知识库(Knowledge Base)，protégé可以根据使用者的需要进行定制，通过定制用户的界面以更好地适应新语言的使用;有可自行设置的数据输入模式，可以将protégé的内部表示转制成多种形式的文本表示格式，如:XML、RDF(S)、OIL、、DAML+OIL、OWL等系统语言。

Protégé工具本身没有嵌入推理工具，不能实现推理，但它具有很强的可扩展性，可以插入来扩展一些特殊的功能如推理、提问、XML转换等。

Protégé提供可扩展的独立平台环境，用于构建和编辑本体以及知识库。

Protégé，运行，提供本体建设的基本功能，而且它采用图形化界面，界面风格与OilEd一样，都与WINDOWS操作系统的风格一致，模块划分清晰。

另外，protégé本体结构和OntoEdit一样，也是以树形的等级体系结构来显示，用户可以通过点击相应的项目来增加或编辑类、子类、实例等，所以用户使用protégé不需要掌握具体的本体表示语言，是用户比较容易学习、使用的本体开发工具。

由于其优秀
的设计和众多的，其已经成为目前最广泛的之一，它已成为国内外众多本体研究机构的首选工具。

Protégé的特点
Protégé是一组自由开源的工具软件，用于构建与基于知识的本体化应用程序。

Protégé提供了大量的知识模型架构与动作，用于创建、可视化、操纵各种表现形式的本体。

可以通过用户定制实现域-友好(领域相关)的支持，用于创建知识模型并填充数据。

Protégé可以通过两种方式进行扩展:和基于java的API。

相比与其他的本体构建工具而言，Protégé最大的好处在于支持中文，在插件上，用Graphviz可实现中文关系的显示。

Protégé的用途
protégé可用于:
类模拟(Class modeling):protégé提供了一个图形化用户界面来模拟类(领域概念)和它们的属性及关系。

实例编辑(Instance editing):从这些类中，protégé自动产生交互式的形式，全用户或领域专家进入的有效实例成为可能。

模型处理(Model processing):protégé有一个插件库，可以定义语义、解答询问以及定义逻辑行为。

模型交换(Model exchange):最终的模型(类和实例)能以各种各样的格式被装载和保存，包括XML、UML和资源描述框架RDF.
举例：
用protégé实现植物本体的构建
1、本次所创建的本体是一个植物(plant)本体，所用的工具是。

首先根据植
物的分类来建立本体的Schema层，按照不同的分类方式可以有不同的分类例如可以分为花（flower）、草(grass)和树(tree)三类。

花又可以分为蔷薇科
（）、十字花科（cruciferae）、百合科（liliaceae）。

草又可以分为草坪草（）、孔雀草（）、千日草（One thousand days grass）。

树又可以分为乔木（arbor）、灌木()。

所建的Schema层如下图1所示。

图1 植物本体的Schema层构建图
2、添加属性，属性包括对象属性和数据属性。

所添加的对象属性有：颜色、
枯萎季节、茂盛季节开花时间、开花时长，其定义域均设置为Plant。

添加的数据属性有：根茎的长度。

具体的添加如下图2所示。

（1）对象属性添加图（2）数据属性添加图
图2 植物本体的属性构建图
•
3、添加相应的实例。

为百合科添加实例：百合花（
）为乔木添加实例：雪松和杨树，为草坪草添加实例：马蹄金草（The
horseshoe golden grass ）具体的实例图如下图3所示。

图3 具体实例添加图
4、定义公理，例如可以对其定义灌木为丛生状态比较矮小。

则需要添加对象
属性丛生状态（Cluster_State）和子属性主要丛生状态(Main_Cluster_State)，然后添加分类：Type，包括short and small和tall。

对草坪草定义为：主要丛生状态是short and small。

对乔木添加定义：主要丛生状态是tall。

在Plant类下面添加叶子(leaf)，然后添加对象属性is_part_of，给leaf定义为：叶子是树叶的一部分。

对草坪草的具体的定义效果如下图4所示。

图4 草坪草定义效果图
5、进行推理。

在Tree类下面添加松树（pine ），然后对其进行定义，定义
为：松树（pine ）的丛生状态是高大的（tall）。

然后进行推理，通过推理可以得出松树会自动归类到乔木下面。

推理效果图如下图5所示。

（1）推理前
（2）推理后
•图5 推理效果图
简单的植物本体创建完成，整体效果图如下图6所示。

植物本体整体效果图
四、思考与展望
语义网是的高级智能产物，其应用广泛，有着美好未来。

下面将介绍主要应用技术与研究趋势。

经典的自底向上和新兴的自顶向下的方式。

自底向上的方法关注于标注好的信息，使用RDF表示，所以这些信息是机器可读的。

自顶向下则着重于利用现成的页面信息，从中自动抽取出有意义的信息。

近年来每一种方法都有一定的发展。

自底向上的方法的一个喜讯来自于Yahoo搜索引擎支持RDF与microformats的声明。

这是一个对于内容发布者、Yahoo和消费者来说三赢的举措:发布者有了标注自己信息的激励，Yahoo可以更有效地利用这些信息，用户可以得到更好、更精确的结果。

另一个喜讯来自于Dapper关于提供语义网络服务的声明，这项服务可以让内容发布者给现有的网页添加语义标注。

可以期待的是，这种语义工具越多，发布者标注网页就会越容易。

自动标注工具的发展与标注激励的增多，会使得自底向上的方法更加引人注目。

尽管工具与激励都有了，但要使得自底向上的方法流行起来还是有相当的难度。

事实上，今天google的技术已经可以在一定程度上理解那些非结构化的网页信息。

类似地，自顶向下的语义工具关注点在于怎样处理现有的非完美的信息。

这些方法主要是利用的技术来进行实体的抽取，这些方法包括识别文档中特定实体(与人名、公司、地点等)的文本分析技术，以及能获取特定领域信息的垂直搜索引擎。

自顶向下的技术关注于从非结构化的信息中获得知识，但它同样可以处理结构化的信息，自底向上的标注技术越多，自顶向下方法的性能就越能得到提高。

在自底向上的标注方法中，有几种候选的标注技术，它们都很强大，对它们的选择需要在简单性及完全性之间作一个权衡。

最完备的方法是RDF:一种强大的基于图的语言，用于表示事物、属性及事物间的关系。

简单地来说，你可以认为RDF是这样的一种语言，它通过这样的方式来表达事实:Alex IS human (类型表达)，Alex HAS a brain (属性表达)，and Alex IS the father of Alice,Lilly,and Sofia (关系表达)。

RDF很强大，但因为它是以高度递归、
精确与数学化而着称的，同时它也是很复杂的。

当前，大多RDF的使用都是为了解决数据的互通性。

例如，医学组织使用RDF来表述染色体组数据库。

因为信息被标准化了，所以，原来孤立的数据库就可以被一起查询并相互比较了。

一般说来，除了语义方面的意义，RDF最主要的好处在于实现互通性与标准化，特别是对于企业来说(下文有论述)。

Microfomats提供了一个简单的方法――CSS风格-―来给现有的HTML文档添加语义标记，简洁的meta数据被嵌入到原有的HTML文档中。

比较流行的Microformats标签包括hCard:描述个人及公司联系信息;hReview:添加到评论页的meta信息;与hCalendar:描述事件的
标签。

Microformats因它的简单而得到流行，但它的能力仍然是很有限的。

例如被传统的语义团体认为是很必要的层次结构的描述，它就做不到。

此外，为了使得标记集最小化，难免地它们表达的意思就显得比较模糊。

这就引出了另外一个问题:把标签嵌入到HTML文档中是不是一种合适的做法然而，虽然仍存在很多的问题，Microformats还是因为它的简单而广受青睐，像Flickr,Eventful,LinkediIn及其它很多公司都在采用microformats，特别在是Yahoo的搜索声明发布之后。

还有一种更为简单的方法就是把meta数据放在meta头中。

这种方法已经在一定程度上被使用，可惜的是使用得还不是十分广泛。

纽约时报最近为他们的新闻页面启动了一个标注扩展，这种方法的好处已经在那些主题或事件页面中显现出来。

例如，一个新闻页面可以通过一组关键词来标识:地点、日期、时间、人物与类别。

另一个例子是关于书的页面，已经在页面的meta头里加入了书本的信息:作者、ISBN与书的类别。

尽管所有这些方法不尽相同，但相同之处是它们都是很管用的。

越多的网页被标注，就会有越多的标准会被实现，同时信息也会变得更为强大与更易于得到。

语义技术可增强计算机对数据的理解，在整合大型数据集时用处特别显着。

它对于搜索应用的用处也很大，因为语义技术让计算机推断出未有明确定义的数据元素之间的关系。

一个关键词搜索通常仅仅返回包含查询关键字的文档，而则能返回与搜索词汇的含义有关的结果(例如：Tank一词，有坦克、水容器等两种含义，语义技术能予以辨别)，或者是与搜索词汇的有关的结果(例如：Tank意为坦克时，同义字有Armored Vehicle，装甲车)。

语义网的高级阶段使得图书馆，售订票系统，，决策系统均能发挥很好的效果。

譬如要出去旅行，只要把具体时间要求与自己喜爱的国内旅游类型提供给语义网支持的查询系统，那么很快相应的国内景点，最佳与注意事项，提示以及旅行社的评价均能很快速得准备在浏览器页面上。

语义网终会把网络的高级阶段应用到世界的每一个角落，每个人均有自己的网络IP一样的身份证明.个人消费信用、医疗、档案等等全在自己的网络身份里面。

同时更比现实社区更有活跃力，网络社会更有秩序、更和谐。