2022年本体的概念和应用总结 .pdf

一、Ontology 的定义 ：Ontology是一种能在语义和知识层次上描述信息系统的概念模型建模工具。Ontology是对概念模型的明确的、形式化的、可共享的规范。这包含 4层含义： 概念模型 ( conceptualization)、 明确(explicit) 、 形式化 ( formal)和共享 (share)。概念模型 ：指通过 抽象出客观世界中一些现象( Phenomenon) 的相关概念 而得到的模型。概念模型所表现的含义独立于 具体的环境状态。明确：指所使用的 概念及使用这些 概念的约束 都有明确的定义 。形式化 ：指Ontology是计算机可读的 (即能被计算机处理 )。共享：指Ontology中体现的是 共同认可的知识 , 反映的是 相关领域中公认的概念集 ,即Ontology针对的是 团体而非个体的 共识。Ontology的目标是 捕获相关领域的 知识,提供对该领域知识的 共同理解 ,确定该领域内 共同认可的词汇 ,并从不同层次的形式化模式上给出这些词汇 (术语)和词汇间相互关系的 明确定义 。补充1：在与领域的本体概念计算机科学信息科学在与领域，理论上，本体是指一种“形式化的，对于共享概念体系的明确而又详细的说明”。本体提供的是一种 共享词表 ，也就是特定领域之中那些存在着的或概念及其属性和；或者说，本体就是一种特殊类型的， 具有结构化的特点 ， 且更加适合于在之中使用；或者说，本体实际上就是对特定之中某套及其相互之间的形式化表达（formal representation） 。计算机科学信息科学对象类型相互关系术语集计算机系统领域概念关系二、Ontology 的建模元语Perez 等人认为 Ontology可以按分类法来组织 ,他归纳出 Ontology包含5个基本的建模元语 (Modeling Primitive) 。这些元语分别为： 类(classes), 关系(relations),函数(functions),公理(axioms)和实例 (instances) 。通常也把 classes 写成concepts 。概念的含义很广泛 ,可以指任何事物 ,如工作描述、功能、行为、策略和推理过程等等。类：集合（ sets ）、概念、对象类型或者说事物的种类。关系代表了在领域中 概念之间的交互作用 。形式上定义为 n维笛卡儿乘积的名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 12 页 - - - - - - - - - 子集: R : C1 C2 Cn 。如: 子类关系 ( sub class of) 。函数是一类特殊的关系。在这种关系中前n-1个元素可以惟一决定第 n个元素。形式化的定义如下 : F :C1 C2 Cn - 1 Cn。例如 Mother-of 关系就是一个函数 , 其中 Mother-of (x,y) 表示y是x的母亲 ,显然x可以惟一确定他的母亲y。公理代表永真断言 ,比如概念乙属于概念甲的范围。实例代表元素。补充2：附加的元素属性：对象（和类）所可能具有的属性、特征、特性、特点和参数。约束（限制） ：采取形式化方式所声明的，关于接受某项断言作为输入而必须成立的情况的描述。规则：用于描述可以依据特定形式的某项断言所能够得出的逻辑推论的，if-then（前因后果）式语句形式的声明。事件 ：属性或关系的变化。从语义上分析 ,实例表示的就是 对象,而概念 表示的则是 对象的集合 ,关系对应于对象元组的集合。 概念的定义一般采用 框架( frame)结构, 包括概念的名称 ,与其他概念之间关系的集合, 以及用自然语言对该概念的描述。基本的关系有 4种：part of,kind of, instance of 和attribute of。Part of表达概念之间 部分与整体的关系 ; kind of表达概念之间的 继承关系 ,类似于面向对象中的父类和子类之间的关系,给出两个概念 C和D,记= x|x 是C的实例 , CD=x|x 是D的实例 ,如果对任意的x属于,x都属于,则称C为D的父概念 , D为C的子概念 ; DCinstance of表达概念的 实例和概念之间的关系 ,类似于面向对象中的对象和类之间的关系 ; attribute of表达某个概念是另外一个概念的属性。例如概念“价格”可作为概念“桌子”的一个属性。在实际的应用中 ,不一定要严格地按照上述5类元语来构造 Ontology。同时概念之间的关系也不仅限于上面列出的4种基本关系 , 可以根据特定领域的具体情况定义相应的关系 ,以满足应用的需要。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 12 页 - - - - - - - - - 简单的本体示例：关于动物的概念及其相互关系所构成的语义网络三、Ontology 的描述语言在具体的应用中 , Ontology的表示方式可以多种多样 , 主要可分为 4大类：非形式化、半非形式化、半形式化、形式化语言。(1) 完全非形式化的 : 用自然语言自由、随意地表达；(2) 半非形式化的 : 用受限定的、结构式自然语言表达；(3) 半形式化的 : 用人工定义的形式语言表达；(4) 严格形式化的 : 用这些属性的形式语义、定理和证明严格、仔细地定义术语, 并使之具有确定性和完整性。虽然具体描述 Ontology的方法很多 , 但是目前使用最普遍的方法是Ontolingua、CycL和Loom等。Ontolingua 是一种基于KIF( knowledge interchange format ) 的, 提供统一的规范格式来构建 Ontology的语言。Ontolingua 为构造和维护 Ontology 提供了统一的、计算机可读 ( 可处理 ) 的方式。由Ontolingua 构造的 Ontology 可以很方便地转换到各种知识表示和推理系统, 使得对 Ontology 的维护与具体使用它的目标表示系统分离开来。可以把Ontolingua 转换成 Prolog、CORBA的IDL 、CLIPS、LOOM 、 Epikit、 Algernon 和标准的 KIF。 目前, Ontolingua 主要是作为 Ontology 服务器上提供的 , 用于创建 Ontology 的语言。另外有不少项目使用 Ontolingua 作为实现Ontology 的语言。CycL 是Cyc 系统的描述语言 , 它是一种体系庞大而非常灵活的知识描述语言。该语言在一阶谓词演算的基础上, 扩充了等价推理、缺省推理等功能, 而且具备一些二阶谓词演算的能力。 在该语言的环境中配有功能很强的可进行逻辑推名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 12 页 - - - - - - - - - 理的推理机。Loom 是Ontosaurus 的描述语言 , 是一种基于一阶谓词逻辑的高级编程语言, 属于描述逻辑 (Description Logic) 体系。它具有以下的特点 : ( 1) 提供表达能力强、声明性的规范说明语言;(2) 提供强大的演绎推理能力 ; ( 3) 提供多种编程风格和知识库服务。该语言后来发展成为PowerLoom 语言。 PowerLoom 是KIF 的变体 , 它是基于逻辑的 , 具备很强表达能力的描述语言,采用前后链规则( backward and forward chainer) 作为其推理机制。四、已有的 Ontology 及其分类为了对 Ontology进行有效的分类 , Guarino提出以详细程度 和领域依赖度 两个维度作为对 Ontology划分的基础。详细程度是相对的、较模糊的一个概念, 指描述或刻画建模对象的程度。详细程度高的称作参考 ( reference) Ontologies, 详细程度低的称为共享(share)Ontologies 。 依照领域依赖程度 , 可以细分为顶级 (top level)、 领域(domain)、任务(task)和应用 (application) Ontologies等4类。其中：顶层Ontologies描述的是 最普通的概念及概念之间的关系, 如空间、时间、事件、行为等等 ,与具体的应用无关 ,其他种类的 Ontologies都是该类 Ontologies 的特例。领域Ontologies描述的是 特定领域 (医药、 汽车等)中的概念及概念之间的关系。任务Ontologies描述的是 特定任务或行为中的概念及概念之间的关系。应用Ontologies描述的是 依赖于特定领域和任务的概念及概念之间的关系。图1、面向应用的多层次 Ontology 补充3：领域本体与上层本体的举例：领域本体举例： 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 12 页 - - - - - - - - - 例 1：就拿具有许多种含义的“”来说。关于领域的本体可能会赋予该词以“打扑克”的意思， 而关于领域的本体则可能会赋予其“穿孔卡片”和“视频卡”的意思。 英文单词card扑克计算机硬件例 2：本体的局部：“Car” （汽车） 这个类拥有两个子类“2-Wheel Drive Car”（两轮驱动型汽车）和“4-Wheel Drive Car”（四轮驱动型汽车） 。关系：“Ford Explorer ”（探索者）是一种“4-Wheel Drive Car”（四轮驱动型汽车） ，而后者则是一种“Car”（汽车） 。 交通工具福特上层本体的举例：通用形式化本体（ General Formal Ontology ，GFO）的基本分类树：五、构造 Ontology 的规则目前已有的 Ontologies很多, 出于对各自问题域和具体工程的考虑, 构造名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 12 页 - - - - - - - - - Ontologies的过程也是各不相同的。由于没有一个标准的Ontology 构造方法 , 不少研究人员出于指导人们构造Ontologies的目的 ,从实践出发 ,提出了不少有益于构造Ontology的标准 , 其中最有影响的是 Gruber于1995年提出的 5条规则：明确性和客观性 :即Ontology 应该用自然语言对所定义术语给出明确的、 客观的语义定义 。完全性 : 即所给出的 定义是完整的 , 完全能表达所描述术语的含义。一致性 : 即由术语得出的推论与术语本身的含义是相容的, 不会产生矛盾。最大单调可扩展性 : 即向Ontology中添加通用或专用的术语时, 不需要修改其已有的内容。最小承诺 : 即对待建模对象给出尽可能少的约束。补充4：关于领域本体的构建一）领域本体的构建过程1、确定本体的领域与范围 首先要明确构建的本体将覆盖的专业领域、应将本体的目的、 作用以及它的系统开发，维护和应用对象，这些对于领域本体的建立过程中有着很大的关系，所以应当在开发本体前注意。 对于特定的专业领域的一些特殊的表达法和特定的详细内容等的注释，应当明确。另外能力问（ competency questions ）是由一系列基于该本体的知识库系统应该能回答出的问题组成（Gruninger和Fox， 1995 ） ，能力问题被用来检验该本体是否合适： 本体是否包含了足够的信息来回答这些问题？问题的答案是否需要特定的细化程度或需要一个特定领域的表示。 2、列举领域中重要的术语、概念。 在领域本体创建的初始阶段， 尽可能列举出系统想要陈述的或要向用户解释的所有概念。 这上面的概念和术语是需要声明或解释的。而不必在意所要表达的概念之间的意思是否重叠， 也不要考虑这些概念到底用何种方式（类、属性还是实例）来表达。 3、建立本体框架。 上一步骤中已经产生了领域中大量的概念，但却是一张毫无组织结构的词汇表，这时需要按照一定的逻辑规则把它们进行分组，形成不同的工作领域， 在同一工作领域的概念， 其相关性应该比较强。 另外，对其中的每一个概念的重要性名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 12 页 - - - - - - - - - 要进行评估， 选出关键性术语， 摒弃那些不必要或者超出领域范围的概念，尽可能准确而精简的表达出领域的知识。从而形成一个领域知识的框架体系，得到领域本体的框架结构。 上述Step 2和 Step 3 并非是绝对的顺序，这两个步骤往往也可以颠倒过来进行，有时会先列举出领域中的术语和概念，然后从概念中抽象出本体框架；也可以先产生本体框架， 再按照框架列举出领域的术语。至于如何具体进行， 应该根据开发人员对领域的认识程度， 如果领域内已经存在非常清晰的框架或者认识已经很深刻，则可以直接产生框架。当然，这两个步骤也可以交叉进行。 4、设计元本体，重用已有的本体，定义领域中概念及概念之间的关系。 为了描述各个概念， 利用术语对概念进行标识， 并对其含义进行定义， 在这一步定义时先采用自然语言进行定义。为了定义一个概念， 设计了元本体。 一个概念可以采用元本体中定义的元概念进行定义，或采用在本体中已经被定义的概念进行定义，或重用已有的本体。 元本体是指本体的本体，其术语用于定义本体中的概念，如实体、关系、角色等。它可以说是更高层次的本体，是领域内概念的抽象。在设计元本体时，尽量做到领域无关性，并且包含的元概念数目尽可能的少。 目前，web 上有许多可重用的本体资源库。重用已有的本体，既可以减少开发的工作量， 又能增强与其它使用该本体的系统的交互能力。目前有许多本体可以通过internet 获得，许多现成的本体，例如：UNSPSC、 DMOZ 、Ontolingua 的本体文库和DAML 的本体文库等，可以导入倒本体开发系统中。本体被表达的形式通常并不重要， 因为许多知识表示系统能够导入和导出本体。即使某个知识表示系统不能直接使用某种形式的本体， 将本体从一种形式到另一种形式通常也不难实现。 除了概念， 还要定义概念之间的关系。 这些关系不仅仅涉及同工作领域的概念，不同工作领域的概念也可以相关，只是这些关系总是属于某一个工作领域。 定义类（class ）及类的层次体系。创建的概念中，很大一部分属于类，而对类的层次的定义有以下3种方法： (1) 自上向下法（top-down） ：先定义领域中综合的、概括性的概念，然后逐步细化、说明。 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 12 页 - - - - - - - - - (2) 自下向上法（bottom-up） ：先定义具体的、特殊的概念，最底层、最细小的类的定义开始，然后对这些概念泛化成综合性的概念。 (3) 混合法 （combination）：混合使用自上向下法与自下向上法。先建立那些显而易见的概念，然后分别向上与向下进行泛化与细化。 这3种方法各有利弊，采用那种方法取决于开发人员对领域认识的角度。如果设计人员对该领域有自上向下系统的认识，第 1种方法比较适合。一般来说，混合法比较适合大部分设计人员。但不论采用哪种方法， 都需要从概念类的定义开始，从步骤2建立的概念中，选择那些独立存在的对象所对应的概念（注意：不是那些描述这些对象性质的概念） ，并采用术语来表示。这些术语将以类的形式组织到本体的类的层次分类系统中去。二） 、领域本体的设计原则 在开发过程中，Onotlogy 的设计遵循以下几点基本原则： 可扩展性： 领域本体的概念层次树应该可以根据应用需求方便地进行扩充、进 一步细化或者修改。 若采用由底向上的开发方式， 可扩展性是领域本体必须具备 的特性； 智能性： 领域本体应该能够充分体现出领域知识，具有比较强的描述能力。 利 用领域本体描述的数据所具备的相应概念的语义，能够为应用程序处理数据提供 一种结合了领域知识的智能帮助； 开放性： 领域本体应该是一个开放的框架，可以采用开放源码方式进行开发，从而可以让更多专家参与到领域本体的开发和建设中来； 易用性： 领域本体不仅仅是计算机可读、可理解的领域知识， 而且应该具备良 好的人可阅读性； 持久性： 领域本体刻画了领域知识，这些知识相对稳定。因此，领域本体需要 采用一种可以持久保存的数据格式存储。数据格式应该具有开放、 公开、非专有、平台中立的特性。 三） 、领域本体建模的生命周期 本体的存在是为了人类更好的对知识进行共享与重用，因此就必然要求开发出来的本体相对稳定且独立于具体的应用。在领域本体建模的起点就必须详细说明模型中涵盖的概念、 实例、关系和公理等实体， 至少是初步认定描述这些实体的名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共 12 页 - - - - - - - - - 绝大部分词汇。综合现有系统的开发过程，可以用领域本体建模的生命周期对领域本体建模 的方法、概念、步骤和设计标准进行有机的集成。 领域本体建模的生命周期从总体上可以划分为规划、概念化和实现 三个主要的阶段，知识获取主要集中在规划与概念化这两个阶段，而评价、集成和技术文档应当贯穿于开发的整个过程，详情可见下图。 所谓规划 就是以文档的形式详细说明开发该领域本体的目的，明确开发目标和本体的用途 ，并预期最终用户。 概念化 则是统一开发人员 对领域概念化模型的认识，并以一种明确的方式详细记录概念化模型 。 实现则比较容易理解，是指 用形式化的语言对概念化阶段产生的领域概念化模型进行编码 。 当然以上只是在宏观上对一般的领域本体建模进行分析，不排除某些特定领域本体的生命周期模型可能还更为复杂。 六、举例：基于 Ontology 的智能信息检索1、智能信息检索的流程基于Ontology 的智能信息检索的特征是对某个具体检索请求有一定的分析和理解 , 在基本把握检索请求的语义内容的基础上制定或选取相应的检索策略和答案抽取算法 , 其中Ontology 为技术实施和目标实现提供了支撑平台。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 12 页 - - - - - - - - - 如图2所示, 智能信息检索的大致流程是：首先对检索请求（问句）进行预处理, 即对问句进行分词、词法分析、句法分析等, 这是后续处理的基础。当前对真实文本的句法分析还不过关, 但是对于检索问句的句法分析 , 尤其是对于某个专业领域的检索问句的句法分析, 属于受限程度较高的句法分析 , 借助于构建的面向信息检索的task ontology, 可以得到较好的处理。在预处理的基础上 , 进行语义分析 。其关键是分析出 检索请求的类型和请求的目标, 并建立相应的 检索策略 ,对处理的结果给出 一个置信度 , 当置信度值低于阈值时 , 即进行反问 , 请用户重新确定检索请求 , 在这里 domain ontology和task ontology起关键的支撑作用 。搜索代理进行检索 。这和传统意义上的检索并没有多大的区别, 检索入口是前面过程形式化后的检索请求, 即布尔表达式形式 , 检索的对象可以是数据库、知识库或 Internet。对搜索代理检索到的结果进行筛选, 过滤掉与答案无关的内容, 并进行相关度排序和答案的抽取 。这一步和前面分析处理的请求类型和请求目的紧密相关, 如是询问地点、人物、时间、数量、机构等信息的简单问句, 则命名实体的识别技术有助于抽取精确的答案。2、一个基于 Ontology 的信息检索实例以“ 请检索有关中美关系的资料” 这样一个检索请求为例 , 说明基于 ontology的智能检索系统的处理过程和优势。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 12 页 - - - - - - - - - 这样的问题对于基于关键词的检索系统, 一般是输入关键词 “ 中美关系 ” 或“ 中美” 进行检索 , 所返回的检索结果是所有含有“ 中美关系 ” 或“ 中美” 的文本 ，这无疑是一种粗略的方法 ，查全率和查准率都不能令人满意，且不易给出关联度和重要度的排序。在基于 ontology的智能检索中 ，首先是对检索请求做预处理，即自然语言处理中通常意义上的分词、词法、句法处理，如前所述 ，借助于已建立好的 task ontology, 可以对诸多检索句型进行分析, 如“ 请检索 , .的.”, “.是什么间 .”, “某某是谁 ”, “为什么 . ” 等等。深化处理即进一步分析问句语义、目的, 进而确定检索的策略 , 如图3所示。图3 检索要素的解析通过task ontology中类型的知识描述 ，“ 资料” 型问题的特征是宽泛检索，答案不唯一 ，且应给出时间序和重要程度序。“ 中美关系 ” 属于国家与国家的关系 , 属抽象对象 , 在形式化中需将抽象问题具体化： 中|? 中国、中华人民共和国、华夏、北京、长城 ， 美|? 美国、美利坚合众国、白宫、美帝国主义、华盛顿, 即在ontology中将可能指代 “ 中” 与“ 美” 的词语找出 , 分别组成集合 A和B,则检索的目标为含有 C的文献资料 ,CAB。对检索得到的文献进行重要性排序,需综合各种因素 ,可通过公式计算：12123111()ijkijijkRank mKKKWW=+3kW其中, m表示第 m篇文献 , 1iK表示在文献中出现的关于 文献性质的说明 , “公告” 、“ 声明” 、“ 白皮书 ” 等, 是其对应的 权重; 1iW2jK 是文献中出现的 人物、机构、场合 等, 如总统、主席、国务卿、部长、国务院、中央、白宫等, 是对应的权重；2jW3kK是文献中的时间 , 是对应权重。默认为离现在越近权重越大, 3kW名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 11 页，共 12 页 - - - - - - - - - 但如果是问 “ 抗战时期的中美关系 ”,则权值以抗战时期为大。通过这样一些步骤 , 可以得到较为理想的检索结果, 与关键词检索相比 , 增加了复杂的语义理解与分析处理, 从而向智能化信息检索前进了一步。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 12 页，共 12 页 - - - - - - - - -