基于本體與面向服務(wù)的信息集成

摘要：信息集成的難點(diǎn)在于異構(gòu)數(shù)據(jù)的處理。為了解決這個問題，提出一種基于本體和面向服務(wù)（SOA）的解決方案。SOA可以很容易解決信息集成擴(kuò)展性的問題，使用本體可以實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的集成和互操作性。此外還提出了一種高效的本體映射算法，該算法結(jié)合兩種本體映射算法，在本體映射的效率和精確度上都有很好的表現(xiàn)。

關(guān)鍵詞關(guān)鍵詞：信息集成；面向服務(wù)架構(gòu)；本體；本體映射

DOIDOI：10.11907/rjdk.143908

中圖分類號：TP301

文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2015）002000103

作者簡介作者簡介：宋鵬（1989-），男，江蘇徐州人，華北電力大學(xué)控制與計算機(jī)工程學(xué)院碩士研究生，研究方向?yàn)楸倔w映射；陳璐（1979-）女，廣東汕頭人，博士，海軍工程大學(xué)信息安全系講師，研究方向?yàn)樾畔踩⒖尚庞嬎恪?/p>

1本體與SOA

本體是對領(lǐng)域中概念和概念之間關(guān)系的規(guī)范化描述[1]。一個典型的本體通常提供一個詞匯表來描述感興趣的領(lǐng)域，并對詞匯表中用到的術(shù)語進(jìn)行詳細(xì)說明[2]。通過使用本體技術(shù)，可以實(shí)現(xiàn)機(jī)器與機(jī)器之間的交互。

SOA是開放的軟件體系架構(gòu)。該架構(gòu)下應(yīng)用程序的不同服務(wù)之間通過定義良好的接口和契約聯(lián)系起來，接口采用中立的方式進(jìn)行定義。它應(yīng)該獨(dú)立于實(shí)現(xiàn)服務(wù)的硬件平臺、操作系統(tǒng)和編程語言，使構(gòu)建在各種系統(tǒng)中的服務(wù)可以以一種統(tǒng)一和通用的方式進(jìn)行交互。 SOA的主要特性是松耦合性。SOA的主要作用是把服務(wù)從復(fù)雜的環(huán)境中獨(dú)立出來，使各服務(wù)之間是可互操作、獨(dú)立、模塊化、位置明確的并且是可相互調(diào)用、不依賴于其它系統(tǒng)的。

2基于本體和SOA的體系架構(gòu)

2.1系統(tǒng)架構(gòu)

現(xiàn)有集成技術(shù)主要通過定制適配器（或包裝器）以及通過配置文件在不同數(shù)據(jù)以及消息格式之間建立映射。這種基于語法結(jié)構(gòu)的集成方式難以解決信息語義上的沖突和互聯(lián)，且集成的代碼也往往固化在硬編碼的邏輯中，難以支持新概念及事實(shí)的動態(tài)擴(kuò)展?？紤]到SOA架構(gòu)在解決企業(yè)信息集成方面的靈活性和可擴(kuò)展性，以及本體技術(shù)能夠很好地解決信息異構(gòu)問題，本文提出一種基于本體和面向服務(wù)的信息集成方案。以3個系統(tǒng)的信息集成為例，具體如圖1、圖2所示。

圖1傳統(tǒng)SOA信息集成架構(gòu)

圖2基于本體的SOA的信息集成架構(gòu)

要實(shí)現(xiàn)該集成架構(gòu)，首先要做兩項(xiàng)基本工作：

（1） 對子系統(tǒng)進(jìn)行領(lǐng)域本體的抽象。根據(jù)子系統(tǒng)的不同特點(diǎn)，對其進(jìn)行領(lǐng)域本體的抽象，在實(shí)際建模過程中主要有以下3種形式： ①基于數(shù)據(jù)庫的結(jié)構(gòu)進(jìn)行本體抽象，例如對關(guān)系型數(shù)據(jù)庫的ER模型進(jìn)行本體抽象；②基于組件和服務(wù)提供的接口描述進(jìn)行本體抽象；③基于非結(jié)構(gòu)化資源的本體抽象，例如對文檔管理等系統(tǒng)中形式各異的文件資料進(jìn)行本體抽象。

（2）在不同領(lǐng)域本體之間建立映射。通過建立不同領(lǐng)域本體之間的映射可以消除各本體所表示的數(shù)據(jù)源異構(gòu)，協(xié)調(diào)本體之間的沖突。

以上兩項(xiàng)基本工作主要完成的是對來源不同的信息進(jìn)行本體抽象，并最終通過本體映射建立集成本體。這樣形成的集成本體比直接建立全局本體有著更好的靈活性和可擴(kuò)展性。集成本體的構(gòu)建有利于實(shí)現(xiàn)全局模式下的信息交互，消除信息之間的異構(gòu)，并可通過本體具有的推理特性實(shí)現(xiàn)對隱性關(guān)聯(lián)知識的發(fā)現(xiàn)與推理。

2.2系統(tǒng)構(gòu)成

該系統(tǒng)主要由查詢接口、推理引擎、本體映射接口和數(shù)據(jù)存取接口組成。

（1） 查詢接口：接受查詢請求，并把這些查詢請求轉(zhuǎn)換為一種RDF查詢語言，如SPARQL。然后將轉(zhuǎn)換后的查詢命令傳給推理引擎，并接受來自推理引擎的查詢結(jié)果，查詢結(jié)果可以用XML語法格式表示。最終向請求方返回其不同格式要求的信息。

（2） 推理引擎：通過 URL 加載推理所需的本體結(jié)構(gòu)以及本體實(shí)例信息，進(jìn)行本體推理以及合法性驗(yàn)證。主要工作是對查詢接口傳來的查詢命令進(jìn)行邏輯推理，并形成各個子系統(tǒng)對應(yīng)的查詢請求格式，以實(shí)現(xiàn)對具體系統(tǒng)的查詢。

（3） 本體映射接口：建立不同系統(tǒng)本體的映射。由于現(xiàn)有的本體映射技術(shù)還未能實(shí)現(xiàn)完全的自動構(gòu)建，一般需要領(lǐng)域?qū)＜业膮⑴c。

（4） 數(shù)據(jù)存取接口（DAI）：主要實(shí)現(xiàn)對不同系統(tǒng)不同形式存儲介質(zhì)的訪問。例如可以通過SQL查詢語言獲取關(guān)系數(shù)據(jù)庫的相關(guān)信息，通過FTP協(xié)議獲取一些系統(tǒng)的FTP服務(wù)器上的非結(jié)構(gòu)化文件等，還可以通過UDP協(xié)議獲取相關(guān)的實(shí)時數(shù)據(jù)等。數(shù)據(jù)存儲接口對數(shù)據(jù)操作的命令來源于推理引擎對查詢請求的推理分解成的相應(yīng)系統(tǒng)的數(shù)據(jù)操作查詢請求。

2.3信息交互過程

（1） 可以把查詢接口、推理引擎、本體映射接口和數(shù)據(jù)存取接口所組成的一個整體看作Broker。當(dāng)一個系統(tǒng)需要加入該集成系統(tǒng)，首先要構(gòu)建自己的領(lǐng)域本體，并向Broker發(fā)送自己的注冊信息，得到批準(zhǔn)后將構(gòu)建好的領(lǐng)域本體上傳到Broker，本體映射接口會將其與其它本體關(guān)聯(lián)映射，擴(kuò)充原有的集成本體。系統(tǒng)變更都需要向Broker更新自己的本體信息。

（2） 當(dāng)一個系統(tǒng)向其它系統(tǒng)發(fā)起查詢請求時，查詢請求首先被發(fā)送到Broker的查詢接口中，查詢接口會將查詢請求轉(zhuǎn)換為RDF查詢語言。RDF查詢語言將會被分解成不同系統(tǒng)的查詢請求格式，然后DAI將會實(shí)現(xiàn)對不同系統(tǒng)的查詢，查詢結(jié)果由查詢接口返回給請求者。

3本體映射

本體集成是為了解決不同本體之間的共享和交流，其中本體映射是語義網(wǎng)中能夠成功進(jìn)行異構(gòu)數(shù)據(jù)集成的先決條件[3]。本體映射是指在兩個本體中存在語義級的概念關(guān)聯(lián)，通過語義的聯(lián)系，實(shí)現(xiàn)將源本體的實(shí)體（概念、實(shí)例、屬性等）映射到目標(biāo)本體實(shí)體上的過程。映射性能的好壞直接關(guān)系著信息集成的效果。

本文采用的本體映射方法結(jié)合了文獻(xiàn)[4]的基于模式結(jié)構(gòu)分類的方法和文獻(xiàn)[8]的綜合相似度評估方法實(shí)現(xiàn)本體映射。該方法首先將待映射的本體按照自身的繼承關(guān)系轉(zhuǎn)換為圖，其中將本體中每個概念描述為樹。初始時待映射的兩個本體中的所有樹是在同一個類中，只對同一個類中的元素做映射操作。本體映射操作可以分為以下4個步驟：（1）葉節(jié)點(diǎn)相似度計算。采用文獻(xiàn)[8]中提出的方法計算葉節(jié)點(diǎn)相似度。在相似性計算中，同義詞集、特征以及語義鄰居都會被考慮在內(nèi)。使用一個根據(jù)各部分相似度加權(quán)之和定義的相似度計算函數(shù)，如公式1所示。函數(shù)Sl、Su、Sn分別是本體O1中類e1和本體O2中類e2之間的同義詞集、特征和語義鄰居的相似度，wl、wu、wn分別是這3部分對應(yīng)的相似度權(quán)重。

leafnodes-sim（e1，e2）=wl·Sl（e1，e2）+wu·Su（e1，e2）+wn·Sn（e1，e2）（1）

其中 wl· wu· wn >= 0 ，且wl+ wu+wn = 1。Sl、Su和Sn的權(quán)重要依據(jù)本體特性而定。公式2給出了一個基于標(biāo)準(zhǔn)的Tversky[9]模型和集合論中的交集和差集的相似度測量公式。其中e1和e2是實(shí)體類，A和B分別是e1和e2的描述集合（例如同義詞集、特征集、語義鄰居的實(shí)體類集等），| |表示集合的基數(shù)，a是一個定義非公共特性相關(guān)度的函數(shù)。

S（e1，e2）= |A∩B||A∩B|+a（e1，e2）|A/B|+（1-a（e1，e2））|B/A|（2）

其中0≤a≤1。為了更好地獲得實(shí)體類的層次，虛構(gòu)一個根節(jié)點(diǎn)，它的兩個子節(jié)點(diǎn)是兩個獨(dú)立本體的根節(jié)點(diǎn)。根據(jù)這種模型，函數(shù)a可以定義如公式3，其中函數(shù)depth對應(yīng)實(shí)體類節(jié)點(diǎn)到虛根節(jié)點(diǎn)的最短路徑長度。

a（e1，e2）=depth（e1）depth（e1）+depth（e2）depth（e1）≤depth（e2）1-depth（e1）depth（e1）+depth（e2） depth（e1）>depth（e2） （3）

文獻(xiàn)[8]詳細(xì)闡述了字符匹配Sl、特征匹配Su和語義鄰居匹配Sn。采用文獻(xiàn)[5]的n percent方法設(shè)定一個閾值，以判斷兩個葉節(jié)點(diǎn)所代表的實(shí)體是否相似。該方法通過計算最高葉節(jié)點(diǎn)的相似度與固定百分比的乘積得到閾值，具體如公式4所示。

cut-off=max（leafnodes-sim（ex，ey）|ex∈O1，ey∈O2）（1-p）（4）

可以根據(jù)閾值過濾葉節(jié)點(diǎn)映射結(jié)果，將結(jié)果集存在葉節(jié)點(diǎn)映射矩陣中。

（2）非葉節(jié)點(diǎn)的相似度計算。可以采用文獻(xiàn)[6]、[7]中的方法計算非葉節(jié)點(diǎn)之間的相似度，即根據(jù)葉節(jié)點(diǎn)的相似度計算非葉節(jié)點(diǎn)的相似度，如公式5所示。

sim（e1，e2）=∑i∈set（e1，mapping（O1，O2））We2i/∑j∈set（e2）We2j（5）

其中，set（e1，mapping（O1，O2））表示本體O2中能夠與本體O1中e1的葉節(jié)點(diǎn)建立映射的葉節(jié)點(diǎn)集合；set （e2）表示本體O2中e2的葉節(jié)點(diǎn)集合；W表示這些節(jié)點(diǎn)在O2中的相對權(quán)重?？梢园聪率鏊枷攵x相對權(quán)重：l是本體O中節(jié)點(diǎn)e的葉節(jié)點(diǎn)，如果l距離e越近，則l的權(quán)重越大，即權(quán)重與距離成反比。（3） 概念分類。概念分類指將語義相似的樹分到一類。映射操作也只在同一類中進(jìn)行，這樣，不具有相關(guān)性的類之間的映射操作會被省略，算法的效率也得以提升。通過計算兩棵樹根節(jié)點(diǎn)之間的相似度決定兩棵樹是否能歸為一類。當(dāng)兩棵樹根節(jié)點(diǎn)間的相似度大于一個固定的閾值，則這兩棵樹歸為一類。根據(jù)文獻(xiàn)[5]，使用一個合適的常數(shù)作為這個閾值。b = c， 其中b是閾值，c是常數(shù)（6）當(dāng)且僅當(dāng)sim（e1，e2） < b且sim（e2，e1） < b時，e1和e2不被分在同一類，同時也可以推理出mapping （e1， e2， O1， O2） = null 并且mapping （e2， e1， O2， O1） = null。（4） 調(diào)節(jié)圖結(jié)構(gòu)。圖的結(jié)構(gòu)需要根據(jù)計算出的節(jié)點(diǎn)間相似度值和閾值b進(jìn)行調(diào)整。調(diào)整方式是根據(jù)規(guī)則移除部分根節(jié)點(diǎn)。被移除根節(jié)點(diǎn)的樹將會根據(jù)繼承關(guān)系分解成一系列子樹。如何選擇被移除的根節(jié)點(diǎn)，規(guī)則如下：①若sim （e1，e2） < b且sim （e2，e1） > b，則移除 e2，推理出mapping（e1，e2，O1，O2） = subclass且 mapping（e2，e1，O2，O1） = superclass；②若sim （e1，e2） > b且sim （e2，e1） < b，則移除 e1，推理出mapping（e1，e2，O1，O2） = superclass且 mapping（e2，e1，O2，O1） = subclass；③若sim （e1，e2） > b且sim （e2，e1） > b，則移除 e1和e2中任意一個，推理出mapping（e1，e2，O1，O2） = equivalentclass且 mapping（e2，e1，O2，O1） = equivalentclass。

迭代上述第2、3、4步驟，直到?jīng)]有樹可被分解。通過

綜合非葉節(jié)點(diǎn)和葉節(jié)點(diǎn)的映射結(jié)果，可以獲得本體之間的映射結(jié)果。上述過程可以用一個流程圖表示（見圖3）。

圖3基于模式結(jié)構(gòu)分類的本體映射流程

參考文獻(xiàn)參考文獻(xiàn)：

＼[1＼]VOGRINCIC S， BOSNIC Z. Ontologybased multilabel classification of economic articles[J]. Computer Science and Information Systems， 2011，8（1）：101119.

[2]SHVAIKO P，EUZENAT J. Ontology matching： state of the art and future challenges[J]. Knowledge and Data Engineering， IEEE Transactions on， 2013，25（1）：158176.

[3]NAGY M， VARGASVERA M. Multiagent ontology mapping framework for the semantic Web[J]. Systems， Man and Cybernetics， Part A： Systems and Humans， IEEE Transactions on， 2011，41（4）： 693704.

[4]XU ZHOU， LEI LIU， RENHONG FAN. A method of ontology mapping based on classifying schema structure[J].ACTA Electronica SINICA， 2011，39（4）：882886.

[5]EHRIG M， SURE Y. Ontology mappingan integrated approach[C].Proceedings of the European Semantic Web Symposium （ESWS）. Heraklion， Greece， 2004：7691.

[6]DO H H， RAHM E. COMAa system for flexible combination of schema matching approaches[C]. Proceedings of the Very Large Data Bases Conference （VLDB）.Roma， Italy，2001： 610621.

[7]MADHAVAN J，BERNSTEIN P，RAHM E.Generic schema matching with Cupid[C]. Proceedings of the Very Large Data Bases Conference （VLDB）.Roma， Italy， 2001： 4958.

[8]RODRIGUEZ M A， EGENHOFER M J. Determining semantic similarity among entity classes from different ontologies[J]. Knowledge and Data Engineering， IEEE Transactions on，2003，15（2）：442456.

[9]A TVERSKY.Features of similarity[J].Psychological Rev，1977：327352.

責(zé)任編輯（責(zé)任編輯：黃?。?