知識(shí)圖譜人物本體模型設(shè)計(jì)方法

魏玉良 黃純 王佰玲

摘要：人物本體在眾多領(lǐng)域知識(shí)圖譜中具有重要的作用，但目前人物本體設(shè)計(jì)較為簡(jiǎn)單，難以通用。本文通過人物相關(guān)案例構(gòu)建小型的本體模型，分析其中存在的多元關(guān)系問題，結(jié)合多元關(guān)系的定義介紹多元關(guān)系的表示方法。對(duì)于在多元關(guān)系設(shè)計(jì)中存在不同設(shè)計(jì)方案，提出通過將本體模型部分映射為關(guān)系數(shù)據(jù)庫(kù)，利用關(guān)系數(shù)據(jù)庫(kù)N泛式原則優(yōu)化多元關(guān)系設(shè)計(jì)。利用現(xiàn)有的本體模型基礎(chǔ)上設(shè)計(jì)領(lǐng)域本體模型，在兼顧領(lǐng)域問題的同時(shí)保證擴(kuò)展性和通用性，并基于Wikidata中的Human類設(shè)計(jì)，給出了本文中的人物本體泛式，專門針對(duì)地理位置和時(shí)間本體進(jìn)行了優(yōu)化設(shè)計(jì)。

關(guān)鍵詞：本體模型;多元關(guān)系;領(lǐng)域圖譜;知識(shí)圖譜

0引言

知識(shí)是數(shù)據(jù)中有規(guī)律的信息和信息上下文的集合，知識(shí)的上下文表示信息之間的關(guān)系，知識(shí)具有經(jīng)驗(yàn)性。為了讓計(jì)算機(jī)可以存儲(chǔ)和計(jì)算知識(shí)，上世紀(jì)五十年代學(xué)者提出的一種可以在計(jì)算機(jī)硬件中的存儲(chǔ)和表示知識(shí)形式一語(yǔ)義網(wǎng)絡(luò)（Semantic Network）。

語(yǔ)義網(wǎng)使用w3C制定的資源描述框架RDF（Resource Description Framework）作為知識(shí)表示的數(shù)據(jù)模型，在RDF中知識(shí)使用SPO二元組（Subject，Predicate，Object）的形式存儲(chǔ)。目前比較知名的開放RDF知識(shí)數(shù)據(jù)庫(kù)有DBpedia、Freebase等。RDF在發(fā)布之初定義了常用的Predlcate關(guān)系，通過固定的IRI表示，統(tǒng)一的IRI定義可以實(shí)現(xiàn)不同知識(shí)之間的共享。但RDF定義中可以表示的知識(shí)有限：RDF預(yù)定義的Predicate關(guān)系中沒有區(qū)分概念和實(shí)體，也無法定義概念的屬性和概念之間的關(guān)系，RDF僅能表示Subject和Object之間的關(guān)系，沒有泛化和抽象的表達(dá)能力。為了提高知識(shí)表達(dá)范圍，在RDF的基礎(chǔ)上提出了RDFS（Resource DescriptionFramework Schema），在知識(shí)數(shù)據(jù)存儲(chǔ)之前需要定義知識(shí)的概念和關(guān)系等，對(duì)知識(shí)概念和關(guān)系的定義成為本體模型（Ontology Model）。隨后在RDFS的基礎(chǔ)上，根據(jù)定義中的實(shí)際需求擴(kuò)展了OwL（webOntologyLanguage）本體語(yǔ)法以及隨后的OWL2，其中OwL相比于RDFS增加了數(shù)值屬性和對(duì)象屬性的不同定義。彌補(bǔ)了RDFS的定義中無法區(qū)分實(shí)體的屬性以及實(shí)體之間的關(guān)系問題。OWL2在OWL基礎(chǔ)上增加了角色鏈。雙關(guān)等特性定義，規(guī)范了表達(dá)技巧。目前OWL2已經(jīng)成為本體建模的推薦標(biāo)準(zhǔn)，國(guó)際萬維網(wǎng)組織WWW（world Wildweb）負(fù)責(zé)本體描述語(yǔ)言的標(biāo)準(zhǔn)制定。

1 相關(guān)研究介紹

主流知識(shí)圖譜大致可以分為通用知識(shí)圖譜UKG和領(lǐng)域知識(shí)圖譜DKG。UKG是面向全領(lǐng)域信息構(gòu)建知識(shí)表示和關(guān)聯(lián)關(guān)系，強(qiáng)調(diào)的是廣度，而DKG是面向特定的垂直領(lǐng)域構(gòu)建知識(shí)關(guān)系，對(duì)于數(shù)據(jù)有更嚴(yán)格的前置數(shù)據(jù)模式和準(zhǔn)確度要求，強(qiáng)調(diào)的是深度。DKG在金融量化交易、學(xué)者信息搜索智能教育、歷史研究、生物醫(yī)學(xué)等垂直領(lǐng)域有廣泛的應(yīng)用。構(gòu)建UKG和DKG時(shí)，兩者之間的主要區(qū)別在于UKG一般使用“自底向上”的方法構(gòu)建知識(shí)庫(kù)，而DKG使用“自頂向下”的方法。UKG的“自底向上”方法體現(xiàn)在利用開放式關(guān)系抽?。∣pen Information Extraction，OIE），通過語(yǔ)法結(jié)構(gòu)分析文本中的實(shí)體和關(guān)系構(gòu)建二元組，構(gòu)建DKG的“自頂向下”方法需要在設(shè)計(jì)之初首先確定待解決的領(lǐng)域問題，通過本體建模的方法明確問題的范圍、包含的實(shí)體以及實(shí)體的屬性和關(guān)系，并且根據(jù)領(lǐng)域內(nèi)的規(guī)律構(gòu)建推理規(guī)則。DKG與UKG之間相輔相成，DKG可以從UKG中獲取通用性的知識(shí)。而DKG本身就是UKG在具體領(lǐng)域的豐富和延展。為了通用性，DKG在設(shè)計(jì)時(shí)需要考慮與UKG的兼容性。

近年來為了實(shí)現(xiàn)知識(shí)計(jì)算和共享，DKG的研究逐漸增多。文獻(xiàn)[11]中介紹了目前自動(dòng)構(gòu)建本體模型的主要方法，通過自動(dòng)識(shí)別實(shí)體，語(yǔ)法分析獲取實(shí)體之間概念上的層級(jí)關(guān)系，文中指出目前自動(dòng)構(gòu)建方法主要針對(duì)層次關(guān)系（is-a關(guān)系）的構(gòu)建，而對(duì)于應(yīng)用中的領(lǐng)域本體模型。大量非層次關(guān)系更為重要。因此自動(dòng)構(gòu)建的方法只能在領(lǐng)域?qū)嶓w和概念的發(fā)現(xiàn)過程中有所幫助。

從目前本體模型的研究可以發(fā)現(xiàn)：

（1）自動(dòng)化構(gòu)建本體模型的方法主要應(yīng)用于UKG中的層級(jí)關(guān)系，在DKG中大量的非層級(jí)關(guān)系仍無有效地自動(dòng)化構(gòu)建方法，以領(lǐng)域?qū)＜胰斯?gòu)建為主。

（2）DKG在各行各業(yè)中逐漸產(chǎn)生重要的作用，相比DKG指導(dǎo)工業(yè)應(yīng)用和生產(chǎn)的價(jià)值更高。

（3）目前沒有健全的DKG本體模型的構(gòu)建思路和方法。ODP的設(shè)計(jì)理念可以提高領(lǐng)域模型的設(shè)計(jì)規(guī)范，但仍處于工業(yè)探索階段，仍需要大量的領(lǐng)域?qū)＜覙?gòu)建不同的DKG積累量變，逐步到質(zhì)變的過程。

（4）公開的ODP中關(guān)于人物、機(jī)構(gòu)、事件的ODP研究較少，目前定義最完善的人物本體是Wikidata的Human定義，多元關(guān)系定義依賴于傳統(tǒng)的百科詞典的詞條轉(zhuǎn)化，為了保證兼容性，定義冗余程度高，表意區(qū)分度不明顯。

本文主要研究人物本體應(yīng)該如何在滿足本體要求的情況下，精簡(jiǎn)概括地建模，并提出包含多元關(guān)系的人物、機(jī)構(gòu)、事件相關(guān)的ODP，供構(gòu)建領(lǐng)域知識(shí)圖譜中與人物相關(guān)的本體模型參考。

2 人物本體建模案例分析

本體模型案例：“HA在2010年7月從OB學(xué)校計(jì)算機(jī)專業(yè)研究生畢業(yè)，HA的本科就讀于OB校信息安全專業(yè)，2010年8月HA進(jìn)入OD公司工作，剛?cè)寺毦头浅Ｓ袩崆?。工作積極主動(dòng)，在2012年12月的“年度公司綜合競(jìng)賽”中獲得第一名的成績(jī)，很快在2013年4月升職為項(xiàng)目負(fù)責(zé)人，獨(dú)立帶領(lǐng)團(tuán)隊(duì)。2015年5月OD公司改組。HA離開OD公司進(jìn)入OE公司擔(dān)任大數(shù)據(jù)分析組項(xiàng)目負(fù)責(zé)人，并工作至今。HA的感情生活并不像事業(yè)那樣如意，2011年12月HA與HF結(jié)束三年的愛情長(zhǎng)跑步人婚姻，但是因?yàn)榉N種原因，在2014年4月協(xié)議離婚，在2015年進(jìn)入新公司后。遇到HG讓HA再一次激起了愛情的火花，2016年3月，HG與HA組成新的家庭，并在2017年10月喜得千金。

在例子中首先可以明確確定4個(gè)主要類別：Human人物類別、Organization機(jī)構(gòu)類別、Event事件類別、Position職位類別，在Human與Organization關(guān)系中，還存在Position的職位屬性，為了在知識(shí)庫(kù)中進(jìn)一步表示職位屬性，需要綜合考慮三個(gè)類別之間的關(guān)系。Postion屬于Organization的組成屬性，公司中一定會(huì)包含各種不同的職位從CEO、CTO到普通雇員、HR等。因此使用“hasPosition”屬性關(guān)聯(lián)Organization和Position。Human和Postion之間也可以通過類似“hasPosition”的方式關(guān)聯(lián)。但是這樣會(huì)產(chǎn)生歧義，如圖1所示。由于RDF表示的知識(shí)中是沒有時(shí)序性的，因此“ed。corn/human/1”通過“hasPosition"只能表示“ed。corn/human/1”曾經(jīng)擔(dān)任過“ed。com/pos/1”和“ed。com/pos/2”，但無法知道是在“ed。com/org/1”和“ed。com/org/2”公司中分別擔(dān)任哪些職務(wù)。Human和Postion之間的關(guān)聯(lián)需要第3個(gè)實(shí)體Organization才能確定，這種涉及到多個(gè)不同實(shí)體之間的關(guān)聯(lián)的關(guān)系屬性稱為多元關(guān)系（N-ary）。

OWL通過SPO二元組表示的知識(shí)只能表達(dá)二元關(guān)系，但在真實(shí)數(shù)據(jù)中存在大量的多元關(guān)系（N-ary Relation），一個(gè)具體的多元關(guān)系C_Rn被定義為一種特殊的本體類，通過定義C_Rn的類關(guān)系確定多元關(guān)系中共現(xiàn)的不同本體類。對(duì)應(yīng)前文中確定的Human、Organization、Position之間的關(guān)系，可以抽象為同一個(gè)Employee類表示多元關(guān)系，如圖2所示。Employee繼承自N-ary Relation表明是一個(gè)關(guān)系類，而不是對(duì)應(yīng)的實(shí)體類。

圖2的定義中雖然實(shí)現(xiàn)了3個(gè)之間多元關(guān)系。但是進(jìn)一步詳細(xì)分析會(huì)發(fā)現(xiàn)對(duì)于一個(gè)Employee關(guān)系，Human和Organization是固定的，而Position并不是唯一的，因一個(gè)人在一個(gè)公司可以擔(dān)任多個(gè)職位。當(dāng)增加時(shí)間屬性時(shí)，問題會(huì)更加明顯。一個(gè)Employee關(guān)系包含人職時(shí)間和離職時(shí)間，而對(duì)Position也需要描述具體職位的當(dāng)選時(shí)間和離開時(shí)間。如果按照?qǐng)D2的定義。則需要在此基礎(chǔ)上增加4個(gè)時(shí)間屬性，如圖3所示。從例中得知，HA在OB公司從員工升職為項(xiàng)目負(fù)責(zé)人。因此需要?jiǎng)?chuàng)建2個(gè)Employee關(guān)系的實(shí)體，分別描述當(dāng)員工時(shí)的信息和擔(dān)任項(xiàng)目負(fù)責(zé)人時(shí)的信息，這2個(gè)實(shí)體中“workStartTime”和“workEndTime”重復(fù)出現(xiàn)，屬于冗余的知識(shí)信息，在本體建模中需要避免冗余性的出現(xiàn)。

為了更好的解釋圖2和圖3中本體建模的問題，本文提出將本體模型部分映射到關(guān)系型數(shù)據(jù)庫(kù)表的方法，利用數(shù)據(jù)庫(kù)設(shè)計(jì)的3NT原則指出設(shè)計(jì)的不規(guī)范性，并將數(shù)據(jù)庫(kù)設(shè)計(jì)的泛式原則轉(zhuǎn)化為多元關(guān)系的定義準(zhǔn)則。本體模型映射到關(guān)系型數(shù)據(jù)庫(kù)的步驟如下。

（1）包含多元關(guān)系類的所有類分別轉(zhuǎn)化為一張表，以類名作為表名。

（2）所有類的數(shù)值屬性轉(zhuǎn)化為表的字段，表的鍵值對(duì)應(yīng)本體中屬于該類別的實(shí)體IRI。

（3）非多元關(guān)系類的關(guān)系屬性獨(dú)立生成一張關(guān)系表，表包含雙鍵值，分別對(duì)應(yīng)關(guān)系屬性的Domain和Range類的實(shí)體IRI：

（4）多元關(guān)系類表的鍵值是多元關(guān)系的關(guān)系屬性中所有Range對(duì)應(yīng)類的IRI。

通過轉(zhuǎn)化可以得到多元關(guān)系轉(zhuǎn)化的關(guān)系型數(shù)據(jù)庫(kù)，ER圖如圖4（a）所示，多元關(guān)系表中的“workStartTime”和“workEndTime”屬性只依賴于Human和Organization鍵值，而不依賴于Position鍵值，違反數(shù)據(jù)庫(kù)定義中第二范式原則“非主屬性完全依賴于主關(guān)鍵字”，本例Employee表是多鍵值表，存在屬性依賴于部分主鍵，而不是整體鍵值，因此需要進(jìn)行修改。根據(jù)關(guān)系型數(shù)據(jù)庫(kù)的修改規(guī)范，將只依賴于部分主鍵的屬性獨(dú)立成表，創(chuàng)建新的鍵值，原表中使用新表的鍵值代替原來的部分主鍵，如圖4（b）所示。得到轉(zhuǎn)化的ER圖后，根據(jù)從關(guān)系型數(shù)據(jù)庫(kù)轉(zhuǎn)化到本體模型的算法，可以轉(zhuǎn)化為本體模型，再經(jīng)過修改增加相應(yīng)的屬性描述。

3 復(fù)用現(xiàn)有本體模型

人物摘要本體模式，是為了給具體的領(lǐng)域知識(shí)圖譜設(shè)計(jì)者提供基本概念的設(shè)計(jì)思路和復(fù)用泛式。本節(jié)介紹基于Wikidata的基礎(chǔ)概念，結(jié)合前文中介紹的多元關(guān)系設(shè)計(jì)，給出本文中設(shè)計(jì)的人物摘要本體ODP，方便其它領(lǐng)域知識(shí)圖譜參考。圖5是本文中涉及的人物摘要本體模型。主要的實(shí)體類和關(guān)系類。涉及的對(duì)象包括表示人物的Human類，表示機(jī)構(gòu)的Organization類以及表示事件的Event類。為了領(lǐng)域知識(shí)圖譜可以直接兼容Wikidata中現(xiàn)有數(shù)據(jù)，頂層繼承關(guān)系承襲自Wikidata的schema，ObJect、SubJect、Agent、Individual、TemporalEntity借鑒自Wikidata中的抽象概念，Subject表示具有獨(dú)特意識(shí)或獨(dú)特個(gè)人經(jīng)歷的人，或與其它實(shí)體存在關(guān)系的實(shí)體;Object描述與Subject相反的概念，表示物體不具有獨(dú)立意識(shí)：Agent表示能夠執(zhí)行行動(dòng)的個(gè)人和可識(shí)別實(shí)體，可以在事件中擔(dān)任行為的發(fā)起方：Individual指人或特定物體：TemporalEntity表示可以在一段時(shí)間內(nèi)包含的內(nèi)容，或者狀態(tài)的變化。Wikidata中構(gòu)建了大量較為完善的抽象層概念，可以在此基礎(chǔ)上通過多繼承的方式豐富領(lǐng)域內(nèi)實(shí)體的概念，便于實(shí)現(xiàn)邏輯上的推理和定理的描述。核心實(shí)體類包括Organization、Human、Award、Event，分別表示機(jī)構(gòu)、人物、榮譽(yù)和事件，可以根據(jù)具體的領(lǐng)域問題方便增加社交網(wǎng)絡(luò)屬性信息，通過集成Relation類擴(kuò)展網(wǎng)絡(luò)中賬號(hào)之間的關(guān)系。圖中省略了地理位置和時(shí)間的定義，在存在基于時(shí)間和地理位置查詢索引時(shí)，可以增加相關(guān)的實(shí)體設(shè)計(jì)。在通過擴(kuò)展實(shí)體時(shí)，如果實(shí)體不具有主動(dòng)意識(shí)，可以通過繼承ObJect類進(jìn)行定義，如增加作品實(shí)體的定義，可以適用于學(xué)者論文、明星作品等不同領(lǐng)域的知識(shí)表示。對(duì)于可以作為事件主動(dòng)者的實(shí)體。可以繼承自Agent類。新增多元關(guān)系時(shí)，可以參考已有的多元關(guān)系。

4 結(jié)束語(yǔ)

本文中介紹了目前本體模型設(shè)計(jì)的基本語(yǔ)法結(jié)構(gòu)和設(shè)計(jì)思路。并給出了通過二元關(guān)系表示多元關(guān)系的方法，通過例子分析了不同情況中多元關(guān)系的設(shè)計(jì)思路。其次針對(duì)多元關(guān)系設(shè)計(jì)中可能存在的冗余問題，本文提出本體模型到ER圖的映射算法，通過數(shù)據(jù)庫(kù)設(shè)計(jì)N泛式的規(guī)則又換多元關(guān)系設(shè)計(jì)。最后以Wikidata為主要模板。給出了人物摘要本體ODP，便于在具體應(yīng)用中知識(shí)圖譜的設(shè)計(jì)參考。