魏玉良 黃純 王佰玲

摘要：人物本體在眾多領(lǐng)域知識圖譜中具有重要的作用，但目前人物本體設(shè)計較為簡單，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。對于在多元關(guān)系設(shè)計中存在不同設(shè)計方案，提出通過將本體模型部分映射為關(guān)系數(shù)據(jù)庫，利用關(guān)系數(shù)據(jù)庫N泛式原則優(yōu)化多元關(guān)系設(shè)計。利用現(xiàn)有的本體模型基礎(chǔ)上設(shè)計領(lǐng)域本體模型，在兼顧領(lǐng)域問題的同時保證擴展性和通用性，并基于Wikidata中的Human類設(shè)計，給出了本文中的人物本體泛式，專門針對地理位置和時間本體進行了優(yōu)化設(shè)計。

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

0引言

知識是數(shù)據(jù)中有規(guī)律的信息和信息上下文的集合，知識的上下文表示信息之間的關(guān)系，知識具有經(jīng)驗性。為了讓計算機可以存儲和計算知識，上世紀五十年代學者提出的一種可以在計算機硬件中的存儲和表示知識形式一語義網(wǎng)絡（Semantic Network）。

語義網(wǎng)使用w3C制定的資源描述框架RDF（Resource Description Framework）作為知識表示的數(shù)據(jù)模型，在RDF中知識使用SPO二元組（Subject，Predicate，Object）的形式存儲。目前比較知名的開放RDF知識數(shù)據(jù)庫有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定義可以實現(xiàn)不同知識之間的共享。但RDF定義中可以表示的知識有限：RDF預定義的Predicate關(guān)系中沒有區(qū)分概念和實體，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能力。為了提高知識表達范圍，在RDF的基礎(chǔ)上提出了RDFS（Resource DescriptionFramework Schema），在知識數(shù)據(jù)存儲之前需要定義知識的概念和關(guān)系等，對知識概念和關(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)定義中的實際需求擴展了OwL（webOntologyLanguage）本體語法以及隨后的OWL2，其中OwL相比于RDFS增加了數(shù)值屬性和對象屬性的不同定義。彌補了RDFS的定義中無法區(qū)分實體的屬性以及實體之間的關(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)范了表達技巧。目前OWL2已經(jīng)成為本體建模的推薦標準，國際萬維網(wǎng)組織WWW（world Wildweb）負責本體描述語言的標準制定。

1 相關(guān)研究介紹

主流知識圖譜大致可以分為通用知識圖譜UKG和領(lǐng)域知識圖譜DKG。UKG是面向全領(lǐng)域信息構(gòu)建知識表示和關(guān)聯(lián)關(guān)系，強調(diào)的是廣度，而DKG是面向特定的垂直領(lǐng)域構(gòu)建知識關(guān)系，對于數(shù)據(jù)有更嚴格的前置數(shù)據(jù)模式和準確度要求，強調(diào)的是深度。DKG在金融量化交易、學者信息搜索智能教育、歷史研究、生物醫(yī)學等垂直領(lǐng)域有廣泛的應用。構(gòu)建UKG和DKG時，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)建知識庫，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），通過語法結(jié)構(gòu)分析文本中的實體和關(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、包含的實體以及實體的屬性和關(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。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)計時需要考慮與UKG的兼容性。

近年來為了實現(xiàn)知識計算和共享，DKG的研究逐漸增多。文獻[11]中介紹了目前自動構(gòu)建本體模型的主要方法，通過自動識別實體，語法分析獲取實體之間概念上的層級關(guān)系，文中指出目前自動構(gòu)建方法主要針對層次關(guān)系（is-a關(guān)系）的構(gòu)建，而對于應用中的領(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）自動化構(gòu)建本體模型的方法主要應用于UKG中的層級關(guān)系，在DKG中大量的非層級關(guān)系仍無有效地自動化構(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指導工業(yè)應用和生產(chǎn)的價值更高。

（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)計理念可以提高領(lǐng)域模型的設(shè)計規(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該如何在滿足本體要求的情況下，精簡概括地建模，并提出包含多元關(guān)系的人物、機構(gòu)、事件相關(guān)的ODP，供構(gòu)建領(lǐng)域知識圖譜中與人物相關(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學校計算機專業(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進入OD公司工作，剛?cè)寺毦头浅Ｓ袩崆?。工作積極主動，在2012年12月的“年度公司綜合競賽”中獲得第一名的成績，很快在2013年4月升職為項目負責人，獨立帶領(lǐng)團隊。2015年5月OD公司改組。HA離開OD公司進入OE公司擔任大數(shù)據(jù)分析組項目負責人，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)束三年的愛情長跑步人婚姻，但是因為種種原因，在2014年4月協(xié)議離婚，在2015年進入新公司后。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個主要類別：Human人物類別、Organization機構(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，為了在知識庫中進一步表示職位屬性，需要綜合考慮三個類別之間的關(guān)系。Postion屬于Organization的組成屬性，公司中一定會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)。但是這樣會產(chǎn)生歧義，如圖1所示。由于RDF表示的知識中是沒有時序性的，因此“ed。corn/human/1”通過“hasPosition"只能表示“ed。corn/human/1”曾經(jīng)擔任過“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”公司中分別擔任哪些職務。Human和Postion之間的關(guān)聯(lián)需要第3個實體Organization才能確定，這種涉及到多個不同實體之間的關(guān)聯(lián)的關(guān)系屬性稱為多元關(guān)系（N-ary）。

OWL通過SPO二元組表示的知識只能表達二元關(guān)系，但在真實數(shù)據(jù)中存在大量的多元關(guān)系（N-ary Relation），一個具體的多元關(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。對應前文中確定的Human、Organization、Position之間的關(guān)系，可以抽象為同一個Employee類表示多元關(guān)系，如圖2所示。Employee繼承自N-ary Relation表明是一個關(guān)系類，而不是對應的實體類。

圖2的定義中雖然實現(xiàn)了3個之間多元關(guān)系。但是進一步詳細分析會發(fā)現(xiàn)對于一個Employee關(guān)系，Human和Organization是固定的，而Position并不是唯一的，因一個人在一個公司可以擔任多個職位。當增加時間屬性時，問題會更加明顯。一個Employee關(guān)系包含人職時間和離職時間，而對Position也需要描述具體職位的當選時間和離開時間。如果按照圖2的定義。則需要在此基礎(chǔ)上增加4個時間屬性，如圖3所示。從例中得知，HA在OB公司從員工升職為項目負責人。因此需要創(chuàng)建2個Employee關(guān)系的實體，分別描述當員工時的信息和擔任項目負責人時的信息，這2個實體中“workStartTime”和“workEndTime”重復出現(xiàn)，屬于冗余的知識信息，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)庫表的方法，利用數(shù)據(jù)庫設(shè)計的3NT原則指出設(shè)計的不規(guī)范性，并將數(shù)據(jù)庫設(shè)計的泛式原則轉(zhuǎn)化為多元關(guān)系的定義準則。本體模型映射到關(guān)系型數(shù)據(jù)庫的步驟如下。

（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，表的鍵值對應本體中屬于該類別的實體IRI。

（3）非多元關(guān)系類的關(guān)系屬性獨立生成一張關(guān)系表，表包含雙鍵值，分別對應關(guān)系屬性的Domain和Range類的實體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對應類的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，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，因此需要進行修改。根據(jù)關(guān)系型數(shù)據(jù)庫的修改規(guī)范，將只依賴于部分主鍵的屬性獨立成表，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)過修改增加相應的屬性描述。

3 復用現(xiàn)有本體模型

人物摘要本體模式，是為了給具體的領(lǐng)域知識圖譜設(shè)計者提供基本概念的設(shè)計思路和復用泛式。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，給出本文中設(shè)計的人物摘要本體ODP，方便其它領(lǐng)域知識圖譜參考。圖5是本文中涉及的人物摘要本體模型。主要的實體類和關(guān)系類。涉及的對象包括表示人物的Human類，表示機構(gòu)的Organization類以及表示事件的Event類。為了領(lǐng)域知識圖譜可以直接兼容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表示具有獨特意識或獨特個人經(jīng)歷的人，或與其它實體存在關(guān)系的實體;Object描述與Subject相反的概念，表示物體不具有獨立意識：Agent表示能夠執(zhí)行行動的個人和可識別實體，可以在事件中擔任行為的發(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)實體的概念，便于實現(xiàn)邏輯上的推理和定理的描述。核心實體類包括Organization、Human、Award、Event，分別表示機構(gòu)、人物、榮譽和事件，可以根據(jù)具體的領(lǐng)域問題方便增加社交網(wǎng)絡屬性信息，通過集成Relation類擴展網(wǎng)絡中賬號之間的關(guān)系。圖中省略了地理位置和時間的定義，在存在基于時間和地理位置查詢索引時，可以增加相關(guān)的實體設(shè)計。在通過擴展實體時，如果實體不具有主動意識，可以通過繼承ObJect類進行定義，如增加作品實體的定義，可以適用于學者論文、明星作品等不同領(lǐng)域的知識表示。對于可以作為事件主動者的實體?？梢岳^承自Agent類。新增多元關(guān)系時，可以參考已有的多元關(guān)系。

4 結(jié)束語

本文中介紹了目前本體模型設(shè)計的基本語法結(jié)構(gòu)和設(shè)計思路。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)計思路。其次針對多元關(guān)系設(shè)計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)庫設(shè)計N泛式的規(guī)則又換多元關(guān)系設(shè)計。最后以Wikidata為主要模板。給出了人物摘要本體ODP，便于在具體應用中知識圖譜的設(shè)計參考。