桥本体是一种特殊的本体,完成不同领域本体概念之间关系的映射,进而实现本体整合,形成领域内的共享本体。

在概念上桥本体具有4层树形结构,如图1所示^{[ 9]}:

图1

	Figure Option ViewDownloadNew Window
	图1 桥本体的概念结构图

(1)第一层是最普遍的概念,标记为T;

(2)第二层具有概念桥(Concept Bridge)和关系桥(Relation Bridge)两个概念,它们分别表示了两种不同的桥关系;

(3)第三层由10种不同类型的子类桥组成,具体如表1所示^{[ 9]}:

表1

表1

表1 桥本体的概念结构 类别 桥关系 表示 概念桥 同义桥(Synonym Bridge) BCequal 多义桥(Polysemous Bridge) BCdifferent 隶属桥(“is-a”桥,Hypernym Bridge) BCisa 实例桥(“instance of”桥,Hyponym Bridge) BCinstanceof 部分重叠桥(Overlap Bridge) BCoverlap 所属关系桥(“part-whole”桥,Meronym Bridge) BChasa 反义桥(Opposed Bridge) BCopposed 连接桥(Connect Bridge) BCconnect 关系桥 包含关系桥(Subsume Bridge) BRsubsume 逆向关系桥(Inverse Bridge) BRinverse

表1 桥本体的概念结构

(4)第四层是一系列动态创建概念的集合,它们的属性描述了不同本体之间关系的信息。

其中上面三层是固定的,称之为静态层;第四层的概念是根据已知的多本体动态产生的,为动态层。

本体映射是本体集成的一个关键环节,它通过一定的方法在已存在的不同本体间建立映射,以便在已存在的和新的领域之间进行交流时有通用的接口和共同的理解^{[ 10]}。由于本体结构的复杂性及组织本体形式上的多种异构性等,使本体映射在实现上还存在诸多问题:

(1)构建本体映射大多还需要领域专家大量地人工介入,自动化程度还达不到大规模本体共享与交流的要求。

(2)本体映射采用的语言规范以及映射规则的表示、结果和处理方法还没有规范统一,这给本体的共享使用带来阻碍。

(3)实际的本体映射并不是简单地一对一的映射,还需要对继承和推理的一致性进行校验和确认,这使得本体映射规则的构建变得更加困难。

桥本体可以有效地解决目前多领域本体映射所面临的一些问题:

(1)桥本体避免了为每一个领域本体提供一组转换函数,避免了在没有中介本体的情况下直接跟其他领域本体交流所面临的计算复杂度。

(2)桥本体无需创建一个超复杂的共享本体。类似于本体聚类技术,只需将现存的本体进行简单加工,进行简单的语义标注,增加必要的语义链,即可与相关的本体进行关联,多个领域本体根据其相关性,利用语义知识链连接起来,形成一个既关联、又相对独立的桥本体。

(3)借助桥本体可以实现多对一、一对多和多对多的本体映射。桥本体并不储存概念的细节描述,只是给大量的领域本体建立相互参照通道,使领域概念和知识的描述通过复用其他领域本体变得丰富。

桥本体采用半自动化方法构建,其中桥本体的静态层采用手工建立方式,动态层采用计算机自动构建。静态层利用Protégé 3.4 构建桥本体BridgeOntology.owl的类、子类和属性,采用OWL DL描述语言。例如:其中的两个大类包含子类(概念类包括8个子类、关系类包括两个子类)。属性包括以下三种:

(1)come_From:为Concept类所具有的属性,表示此概念所在的本体;

(2)has_Concept:为ConneptBridge类所具有的属性,表示该种桥关系所包含的概念;

(3)has_Ontolgy:是RelationshipBridge类所具有的属性,表示该种桥关系所包含的本体。

具体如表2所示:

表2

表2

表2 桥本体类、子类、属性表 类 子类 属性 值域 Ontology Concept come_From Ontology类 ConceptBridge BCconnect has_Concept Concept类 BCdifferent BCequal BChasa BCinstanceof BCisa BCopposed BCoverlap RelationshipBridge BRinverse has_Ontology Ontology类 BRsubsume

表2 桥本体类、子类、属性表

在Protégé3.4 中类和属性如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 Protégé3.4 构建桥本体静态层——类和属性

在动态层构建过程中,只需根据给定的领域本体,增加、删除或修改桥本体动态层的属性值,将具有桥关系的来自不同本体的概念以实例形式写入各自的桥关系中,实现领域本体的聚合。第四层概念的构建采用语义相似度算法完成,这种方式创建桥本体的过程比较简易,而且能适应动态分布的数字资源环境。

(1)概念名称相似度

桥本体的构建是在同领域多个不同源本体的基础上进行的,因此对不同领域本体(O_M,O_N)的概念名称(C_i,C_j)相似度计算作出假设:两个领域本体的概念名称相同,则视为同一概念,即假设不存在同名异义的情况;若完全不同则视为概念名称不同;但概念是否相似将通过实例、属性进行语义相似度计算。

概念名称如果部分相同,则通过自然语言处理,进行分词,将字符串分成若干个词,每个独立的单词作为变量的一个属性,把所有的单词设定为变量属性集合R,要比较的两个概念(C_i,C_j)包含在这个集合R中。设q为两个概念名称中都存在的单词总数;s是C_i中存在,而C_j中不存在的单词总数;r是C_j中存在而C_i中不存在的单词总数。利用非恒定的相似度评价系数(Jaccard系数^{[ 11]})来描述两个字符串之间的相似度公式为:

NSim(C_i,C_j)=q/(q+r+s) (1)

对NSim(C_i,C_j)的结果进行分析,确定权重值,结果在50%以上的进行实例特征相似度计算。

具体程序代码如下:

//概念名称相似度计算//

public static int nSimAlg_equal(String str1,String str2){

//两个字符串前缀的最大相同个数

int i;

for(i=1;i<=str1.length()&&i<=str2.length();i++){

if(!str1.substring(0, i).equals(str2.substring(0, i)))break;

}

if(i==1||i==2)return 0;

else return i-1;

}

public static int nSimAlg_split(String myStr,Map map){

…

}

public static String nSimAlg(){

…

for(int i=0;i<=name_class[0].length();i++){

for(int j=0;j<=name_class[1].length();j++){

index= nSimAlg_equal(name_class[0].substring(i),name_class[1].substring(j));

if(index!=0){

map1.put(i,name_class[0].substring(i,i+index).trim());

map2.put(j,name_class[1].substring(j,j+index).trim());

j=j+index;

}

if(max_index

}

i=i+max_index;

}

double nsim=map1.size()/(float)(nSimAlg_split(name_class[0],map1)+nSimAlg_split(name_class[1],map2)-map1.size());

System.out.println("概念名称相似度计算:"+nsim);

if(nsim>=0.9999)return "BCequal";

else if(nsim<=0.0001)return "";

else return "BCoverlap";

}

(2)实例特征相似度计算

通过实例特征的比对计算(C_i,C_j)的关联程度。将O_M中C_i的实例定义为C_iI^M; 将O_N中C_j的实例定义为C_jI^N;其中C_iI^M和C_jI^N都是实例的集合。通过比较实例的重合程度计算概念之间的关联程度,重合程度越高代表概念之间的关联程度越高。如果实例完全重合,则代表虽然C_i与C_j之间的名称不同,但表示的是同一概念。实例重合程度通过实例相同和不同的个数进行计算,将概念在本体中的深度引入到实例不同个数的权重计算中,深度表示本体内部概念所在的层次。本体内部两个概念的语义相似度随着它们深度总和的增加而增加,本体间的两概念应对深度越深的概念予以较高权重,因为如果位于两个不同本体的类表达的概念相同,则类别处于越深层代表该本体的分类越详尽,对于同样领域的本体分类越详尽应得到较高的权重,因此类别的深度位置越深得到的权重越大。其计算公式^{[ 12]}如下:

ISim(C_i,C_j)= q/(q+α(r-s)+β(s-r)) (2)

其中,q为C_i与C_j实例相同的个数; r为C_i中有而C_j中没有的实例个数; s 为C_j中有而C_i中没有的实例个数;α和β分别为(C_i,C_j)深度的权重。

具体程序代码如下:

//实例特征相似度计算//

public static String IsimAlg(){ //实例特征相似度计算

double NUM_Sim=0,NUM;

for (Map.Entry entity : map.entrySet()){

if(entity.getValue()>=2)NUM_Sim++;

}

if(NUM_Ont[0]!=0&&NUM_Ont[1]!=0) {

NUM=NUM_Sim/((map.size()-NUM_Ont[0])/2.0+(map.size()-NUM_Ont[1])/2.0+NUM_Sim);

System.out.println("实例特征相似度计算:"+NUM);

}

else return "";

if(NUM>=0.9999)return "BCequal";

else if(NUM<=0.0001)return "";

else return "BCoverlap";

(3)实例向量相似度计算

通过(C_i,C_j)之间实例的相关程度进行相似度的计算。通过用矢量代表实例的集合,两个矢量相等当且仅当方向和数值都相同,则相似度用两向量的角度表示;假设方向相同,则相似度为1,方向垂直,则相似度为0。

设概念C_i 的实例集合为n,概念C_j 的实例集合为m,则每个概念用|n+m|维的向量表示。存在实例的维度用1表示,反之为0。计算公式^{[ 13, 14]}如下:

VSim(C_i,C_j) =N×M/|N|×|M| (3)

其中,N、M分别表示概念C_i 和C_j的|n+m|维向量;N×M表示向量相乘;|N|和|M|表示向量的长度。

当实例向量相似度为1时,认为不同本体的两个概念具有同义桥关系,并将其写入桥本体的同义桥下(具体程序代码略)。

选用两对相同领域本体,其中Family.owl和Generations.owl为本课题组所开发的测试本体,Meshionto4.owl和MDM0.73.owl是开源的医学领域本体。Meshionto4.owl是韩国生物医学知识工程实验室开发的MeSH本体^{[ 15]},MDM0.73.owl是Protégé 网站提供的乳腺癌本体^{[ 16]}。利用HP实验室开发的本体Java开发工具包Jean2.5.7,对选用的本体进行解析,提取概念,对概念进行语义相似度计算,在EclipseSDKv3.4.2开发平台下利用Jean API将计算结果写入桥本体BridegeOntology.owl文件中。以同义桥关系为例,测试结果具体如表3所示:

表3

表3

表3 桥本体的实例和属性值 类 子类 实例 属性 值域 Ontology Family.owl Generations.owl MDM0.73.owl Meshionto4.owl Concept Gender Come_From Family.owl Sex Generations.owl Breast Cancer MDM0.73.owl Breast_Neoplams Meshionto4.owl Concept Bridge BCequal BCequal_1 Has_Concept Gender Sex BCequal_2 Has_Concept Breast_ Neoplams Breast Cancer

表3 桥本体的实例和属性值