一種從XML Schema 到本體模型的映射方法

彭 靜 羅 偉

遼寧裝備制造職業(yè)技術(shù)學(xué)院（ 沈陽 110161 ）

主要研究如何從半結(jié)構(gòu)化(這里主要指XML格式的文件)數(shù)據(jù)源獲取期望的本體。首先對XML Schema作簡要介紹，然后討論了XML Schema到本體的映射規(guī)則，最后是實(shí)例分析，將XML Schema及符合XML Schema的XML內(nèi)容轉(zhuǎn)換為本體，對映射規(guī)則進(jìn)行了驗(yàn)證。

借助于元素及內(nèi)嵌的數(shù)據(jù)類型，XML Schema可以使得用戶準(zhǔn)確的描述文件的結(jié)構(gòu)、內(nèi)容和語法。與DTD相比，XML Schema提供了豐富的數(shù)據(jù)類型；XML Schema中的節(jié)點(diǎn)型態(tài)分為簡單節(jié)點(diǎn)和復(fù)雜節(jié)點(diǎn)，簡單節(jié)點(diǎn)沒有屬性，也沒有非文字的子節(jié)點(diǎn)；在XML Schema中可以定義群組及衍生類型；另外，XML Schema還提供了定義唯一限制及參考限制的功能，如唯一限制聲明xsd：unique和參考限制xsd：keyref等。

1 相關(guān)工作

對于 XML模式語言 XML Schema（或DTD），主要采取建立映射規(guī)則的方法將其中的一些元素映射到本體。Kavalec等人采用機(jī)器學(xué)習(xí)的方法來建立映射規(guī)則；Doan等采用預(yù)定義規(guī)則，對DTD的語義信息進(jìn)行了分析，以生成相應(yīng)的概念模型，然后由概念模式產(chǎn)生最終的本體；Volz等人將XML文檔數(shù)據(jù)首先映射成一棵語法樹，然后使用一些規(guī)則將語法樹中的元素映射成本體中的概念和屬性。但該方法在將XML Schema映射到本體時(shí)，較少考慮到XML Schema的完整性約束；Matthias等人提出了 XML Schema到OWL本體描述語言的映射規(guī)則，但論述較為粗略且映射規(guī)則的正確性有待商榷；Yuan等人則將基于XML的Web文檔映射為用OWL-DL語言描述的本體。與現(xiàn)有方法不同的是本文提出的XML Schema到本體的映射考慮了XML Schema的完整性約束，同時(shí)實(shí)現(xiàn)了符合XML Schema的XML內(nèi)容到本體的轉(zhuǎn)換。

2 映射規(guī)則

Rule1：XML Schema的根節(jié)點(diǎn)映射為一個(gè)類，以根節(jié)點(diǎn)為父節(jié)點(diǎn)的復(fù)雜元素轉(zhuǎn)化為其子類(subClassOf)。

Rule2：以根節(jié)點(diǎn)為父節(jié)點(diǎn)的簡單元素(或?qū)傩浴傩越M(xsd：attributeGroup)中各屬性)轉(zhuǎn)化為根節(jié)點(diǎn)對應(yīng)類的數(shù)據(jù)類型屬性。

Rule3：復(fù)雜元素(節(jié)點(diǎn)類型為complexType)的屬性(或引用屬性組中的各個(gè)屬性)及所包含的簡單元素(節(jié)點(diǎn)類型為simpleType)轉(zhuǎn)化為復(fù)雜元素對應(yīng)類的數(shù)據(jù)類型屬性。數(shù)據(jù)類型屬性的定義域?yàn)閺?fù)雜元素對應(yīng)的類，值域由原映射屬性的Type值來決定。

Rule4：復(fù)雜元素映射為一個(gè)類Ci，復(fù)雜元素所包含的復(fù)雜元素也映射為一個(gè)類 Cj，同時(shí)生成一個(gè)對象屬性b，b的定義域和值域分別為Ci和 Cj。

Rule5：將xsd：key映射成一個(gè)類公理，設(shè)定minCardinality的基數(shù)為1。

Rule6：將與 xsd：unique所修飾屬性對應(yīng)的數(shù)據(jù)類型屬性設(shè)置為函數(shù)屬性。

Rule7：元素的maxOccurs、minOccurs屬性分別映射成一個(gè)類公理，即設(shè)定minCardinality、maxCardinality、Cardinality的基數(shù)。

Rule8：將xsd：group映射為一個(gè)類，若復(fù)雜元素中顯式包含xsd：group修飾的子元素或引用了xsd：group修飾的元素，則同時(shí)生成一個(gè)對象屬性b。假定復(fù)雜元素對應(yīng)的類為Ci，對應(yīng)的類為Cj，則b的定義域和值域分別為Ci和Cj。

Rule9：由于OWL內(nèi)嵌了XML Schema的數(shù)據(jù)類型，如 xsd：string、xsd：int等，因而 XML Schema中的數(shù)據(jù)類型不用作轉(zhuǎn)換。

本文提出的映射規(guī)則與 Matthias Ferdinand等人提出的映射規(guī)則主要有以下幾點(diǎn)區(qū)別：

(1)Matthias Ferdinand等人的方法將復(fù)雜元素與其所包含的復(fù)雜元素映射為 subClassOf關(guān)系，而本文將兩者分別映射為類，則新定義一個(gè)對象屬性。其原因在于復(fù)雜元素及其所包含的復(fù)雜元素在語義上并不能構(gòu)成subClassOf關(guān)系。

(2)Matthias Ferdinand等人的方法沒有考慮xsd：key 和 xsd：unique 等限制。

(3)Matthias Ferdinand等人的方法僅將xsd：group映射為一個(gè)類，而本文考慮了其他復(fù)雜元素對xsd：group的引用，并定義了描述兩者關(guān)系的一個(gè)對象屬性。

(4)Matthias Ferdinand等人將complexType類型的元素映射為對象屬性，而本文則將之映射為一個(gè)類。

(5)Matthias Ferdinand等人將sequence、all映射為 owl：intersectionOf，sequence 意味著組合次序而非intersection，因而該映射的合理性值得商榷。

此外，由于Matthias Ferdinand等人沒有原型實(shí)現(xiàn)，因而其所定義的映射規(guī)則：xsd：choice到 owl：intersectionOf、owl：unionOf 、owl：complementOf布爾組合的映射可行性無法驗(yàn)證。

3 實(shí)例研究

以一個(gè)實(shí)例的形式對比加以描述。以一個(gè)XML Schema為例，描述略，符合該模式的XML內(nèi)容片段如下：

轉(zhuǎn)換后的本體內(nèi)容如下：

4 結(jié)束語

討論了XML Schema到本體的轉(zhuǎn)換方法，并與現(xiàn)有的方法進(jìn)行了對比分析，同時(shí)結(jié)合理論分析給出了轉(zhuǎn)換實(shí)例，表明了本文所述方法的正確性和有效性。

[1]杜小勇,李 曼等.本體學(xué)習(xí)研究綜述.軟件學(xué)報(bào),117(9).