基于抽取規則和本體映射的領域XML語義集成

李華昱，張培穎，肖　晗

(中國石油大學(華東)計算機與通信工程學院，山東青島　266580)

?

基于抽取規則和本體映射的領域XML語義集成

李華昱，張培穎，肖晗

(中國石油大學(華東)計算機與通信工程學院，山東青島266580)

油氣井工程領域中存在大量的XML文檔，傳統的XML集成方案無法提供面向語義的信息查詢，導致數據利用率不高。針對油氣井XML文檔WeXML語義集成與查詢應用需求，提出一種基于抽取規則和本體映射的語義集成方法。首先定義一系列類、屬性抽取規則，分別將WeXMLSchema中的元素、屬性映射為WeOWL本體中的類和屬性；然后，利用實例轉換算法將WeXML文檔轉換為本體實例數據；由于WeOWL提供有限的局部語義模型，需要在兩者之間建立語義映射，并借助WeOWL中的術語對全局語義模型中的類和屬性進行解釋，進而提供面向領域全局本體的語義查詢。通過構建WeXML數據語義集成原型系統，對提出的轉換規則、轉換算法和映射規則進行了驗證。

計算機信息管理系統；抽取規則；本體映射；領域XML；語義集成

XML是領域數據重要的信息表示和存儲形式，也是應用系統之間進行數據交換的主要標準。然而，由于XML缺乏足夠的語義信息，傳統的XML集成方案無法提供基于領域術語的語義查詢，而利用語義Web與本體技術，對XML文檔進行語義集成，是一種有效的解決方案，也是領域數據集成的研究熱點之一。

目前，XML語義集成主要采用2類方法：1)定義一系列映射規則，從XML文檔或XMLSchema中抽取本體，并利用映射信息將XML數據轉換為本體實例數據，再通過構建基于語義的查詢訪問接口，實現語義集成。針對此類方法，劉顯敏等[1]提出了一種基于XML鍵規則語義實體抽取方法，以此提高XML查詢效率；XML2OWL系統首先采用XSLT描述語義抽取規則建立OWL本體，再通過實例轉換過程生成本體實例數據[2]；FERDINAND等[3]提出了XMLSchema映射為OWL本體和將XML轉換為RDF數據的2種獨立方法；XU等[4-5]提出了一種基于映射規則的領域本體構建方法，該方法能夠從XMLSchema抽取語義信息并構建XML本體。喬衛[6]設計了XML語義信息抽取模型，通過4個功能模塊解決了XML的語義信息抽取問題，特別是XML結構所隱含的語義。2)在XMLSchema與已有本體之間建立語義映射，利用本體模型描述XML數據并通過實例轉換或者查詢重寫，提供面向本體模型的語義查詢。例如，WEESA[7]和XMLTOWL[8]采用XML和XSLT定義XMLSchema與本體之間的映射規則，自動將XML文檔轉換為本體實例；文獻[9]采用2個子過程，借助XSLT，分別將XMLSchema和XML文檔映射為本體模型和實例數據；LEHTI等[10]提出的本體映射方法中，不提供實例數據轉換功能，而是利用查詢重寫，將基于語義的查詢轉換為面向XML的Xquery查詢。CRUZ等[11-12]和XIAO[13]提出了一個基于本體的XML語義數據集成框架，該框架首先將局部XML本體進行合并生成全局RDF本體，再構造一個模式映射表，記錄全局和各個局部本體之間的映射，進而實現語義集成。

石油、材料領域中存在若干個XML模型[14]，如PetroXML，WellLogML，WITSM[15]和MatML[16]等，針對油氣井XML文檔WeXML，基于文獻[17]和文獻[18]中的MatML語義集成方法及相關領域數據集成方案[19-20]，提出了語義解決方案，首先通過定義抽取規則從WeXMLSchema中抽取油氣井局部本體WeOWL，并通過實例轉換部件將WeXML文檔轉換為WeOWL本體實例數據；由于MatOWL是從WeXMLSchema中抽取而來，僅提供油氣井的基本語義信息，需要利用邏輯規則，在WeOWL與領域本體之間建立語義映射，并借助語義映射信息和邏輯規則，實現面向領域語義概念模型的油氣井XML數據的語義集成與語義查詢。

1　WeXML語義集成框架

1.1WeXML基本結構

WeXML(wellXML)是一種描述油氣井日常生產相關數據的XML文檔，通過XML數據類型、complexType和simpleType，WeXMLSchema定義了Dept,Well和Geology3類一級元素和75種其他子元素和屬性，WeXML基本結構如圖1所示。

圖1　WeXML 基本結構 Fig.1　Basic sturcture of WeXML

圖1中，實線矩形框表示元素類型，以@開頭的矩形框表示屬性。Dept，Well和Geology是3類一級元素類型：Dept描述油氣井單位隸屬關系，包括礦區和小隊；Well是WeXML中的核心類型，包括油井和氣井2種類型，記為OilWell和GasWell，每種類型定義產量、壓力、泵工藝等子元素，分別描述日產油、日產液、日產氣、月產油、月產液、月產氣、工藝措施、含水、含砂、壓力類型、泵壓力、泵排量、泵徑、泵深等相關數據；Geology類型描述油田、區塊和儲層等信息。

1.2相關定義

定義1WeXMLSchema=(CT,ST)，ST={st|stisxsd:simpleType}，CT={ct|ctisxsd:complesType}=E∪ATT，其中：E={e|eisaxsd:Element}，ATT={att|attisaxsd:Attribute}

定義2XSDType為XMLSchema類型集合，XSDType={string,date,dicimal,integer,…}

建立函數集合FSchema={getEles,getAttrs,getXSDType}：

1)getEles(ct),getAttrs(ct) 分別獲取ct的子元素和屬性;

2)getXSDType(att/st) 分別獲取att/st的名稱、類型和對應的XMLSchema數據類型。

定義3WeOWL=(C,OP,DP,I,A0)

WeOWL(wellOWLontology)是從WeXMLSchema抽取而來，其中，C是概念集合，OP是對象屬性集合，DP是數據類型屬性集合，I是實例集合，A0是公理集合。針對WeOWL定義，建立函數集合FWeOWL={hasDomain,hasRange,hasSuperclass}:

1)?p∈OP∪DP，?x,y∈C∪XSDType，p.hasDomain(x) 表示屬性p的Domain中包含類x，p.hasRange(y) 表示屬性p的Range中包含類y;

2)?c,x∈C,x=hasSuperclass(c) 用于表示類x為類c的一個父類。

由于WeOWL是從WeXMLSchema抽取而來，無法表達比WeXMLSchema更豐富的語義信息，需要將WeOWL與領域本體建立映射關聯，才能提供更為有效的語義集成服務，為此，引入油氣井工程領域本體WeDOWL(wellengineeringdomainOWLontology)。

定義5y=fC/P(x) 為語義抽取函數：x∈ST∪CT∪XSDType，y∈C∪OP∪DP，x為WeXMLSchema中的類型或者屬性；y=fC/P(x) 表示y是由x抽取生成的WeOWL類、對象屬性或者數據類型屬性

圖2　WeXML 語義集成框架Fig.2　Semantic integration framework of WeXML

1.3語義集成框架

WeXML語義集成框架如圖2所示，包括WeXML數據層、本體實例轉換層、語義集成業務層和應用層。

1)WeXML數據層：包括由各個采油生產單位提交的WeXML文檔。

2)本體實例轉換層：參照語義抽取規則，通過實例轉換算法，將WeXML中的油氣井數據轉換為WeOWL實例數據，即填充WeOWL實例集合I。

3)語義集成業務層：針對WeXMLSchema結構，定義語義抽取規則，將WeXMLSchema中元素和屬性映射為WeOWL中的類、屬性以及層次關系并建立WeOWL本體；在WeOWL與WeDOWL之間建立語義映射，提供基于領域概念模型的語義查詢。

4)應用層：基于WeOWL語義概念模型，提供可視化查詢構造界面，能夠根據查詢需求構造SPARQL[21]查詢語句；通過讀取規則庫中的邏輯規則并借助推理機，實現面向WeOWL實例數據進行語義查詢。

2　WeOWL構建

2.1語義抽取規則

通過對WeXMLSchema結構進行分析，并參照HUNTER等[22]提出的方法，分別針對類、層次結構、對象屬性、數據對象屬性和基數定義5項抽取規則，從WeXMLSchema中抽取語義信息并建立WeOWL本體，規則如下。

規則1Class抽取規則

?t∈CT∪STR→(?c∈C)∧(c.id=getName(t))

規則說明：對于任意CT或STR類型t，它將被轉換為WeOWL中的一個類c，并將t的名稱作為c的標志符。該規則簡記為c=fC(t)。

規則2ClassHierarchy生成規則

規則2.1?c1∈C∧(c1.id=’Well’)∧?c2∈C(c2.id=’OilWell’∨c2.id=’GasWell’)→c1=hasSuperclass(c2)

規則2.2?c1∈C∧(c1.id=’ProdO’)∧?c2∈C(c2.id=’DOProd’∨c2.id=’MOProd’)→c1=hasSuperclass(c2)

規則2.3?c1∈C∧(c1.id=’ProdG’)∧?c2∈C(c2.id=’DGProd’∨c2.id=’MGProd’)→c1=hasSuperclass(c2)

規則說明：2.1將’Well’類設置為’OilWell’和’GasWell’的父類，即將“油井”和“氣井”設置為“井”的子類；2.2將’ProdO’類設置為’DOProd’和’MOProd’的父類，即將“日產油”和“月產油”設置為 “產油”的子類；2.3將’ProdG’類設置為’DGProd’和’MGProd’的父類，即將“日產氣”和“月產氣”設置為“產氣”的子類。

定義子類集合Cchild={OilWell,GasWell,DOProd,MOProd,DGProd,MGProd}，Cchild包含上述6個子類。

規則3ObjectProperty抽取規則

?ct∈CT∧(?x∈getEles(ct)∪getAttrs(ct))∧(x?Cchild)∧(getType(x)∈CT∪STR)→

(?op∈OP)∧(op=fOP(x))∧(op.id=getName(x))∧(op.hasDomain(fC(ct)))∧

(op.hasRange(fC(getType(x))))。

規則說明：對于任意CT類型ct，如果其包含的元素或屬性x是CT類型或是ST類型，并且x不包含在Cchild集合，則x將被抽取為對象屬性op。同時，類fC(ct)被添加到op的domain中，類fC(getType(x)) 被添加到op的range中。該規則簡記為op=fP(ct.x)。

規則4DataTypeProperty抽取規則

?ct∈CT∧(?x∈getElements(ct)∪getAttributes(ct))∧(getType(x)∈ST)∧(getXSDType(x)∈XSDType)→(?dp∈DP)∧(dp=fC/DP(x))∧(dp.id=getName(x))∧(dp.hasDomain(fC/P(ct)))∧(dp.hasRange(getXSDType(x)))。

規則說明：對于任意CT類型ct，如果其包含的元素或屬性x為ST簡單類型或為XMLSchema數據類型，x將被抽取為一個數據類型屬性dp。同時，類FC/P(ct)將被添加到dp的domain中，類FC/P(getXSDType(x))將被添加到dp的range中。該規則簡記為dp=fP(ct.x)。

規則5PropertyCardinality生成規則

?ct∈CT∧(?x∈getEles(ct)∪getAttrs(ct))∧(?c=fC(ct))∧(?p=fP(ct.x))，定義如下子規則：

規則5.2(x.minOccurs=m)∧hasAtt(x.maxOccurs)→p.MinCardinality(c) =m

規則說明：如果元素x沒有定義minOccurs和maxOccurs屬性，則p對于類c的Cardinality設定為1；如果x的minOccurs數值為m，并且沒有定義maxOccurs屬性，則p對于類c的Cardinality設定為m。

基于1.2定義的函數和2.1定義的抽取規則，通過“本體抽取”模塊從WeXMLSchema中獲取結構信息并建立WeOWL本體，WeOWL結構如圖3所示，其中WeXML是WeOWL的root類。

在利用抽取規則建立WeOWL本體過程中，設置映射表MapTab(mappingtable)描述WeXMLSchema中元素、屬性和WeOWL中類、屬性之間的對應關系。

圖3　WeOWL 本體結構 Fig.3　Structure of WeOWL ontology

2.2WeOWL實例數據轉換

生成WeOWL后，需要利用本體實例轉換部件(WeOWLinstancetransformation)并參照語義抽取規則，通過轉換算法對WeXML進行遍歷，依次讀取元素、屬性和數值信息，生成WeOWL實例數據。實例轉換算法如表1所示，輸入為WeXML文檔wexml.xml，WeOWL本體模型weowl.owl，輸出結果為包括本體實例數據的weowl’。

TraverseXML主要包括Transform和TransfromST2個函數。其中，Transform采用遞歸形式遍歷wexml.xml文檔，針對CT和ST類型元素分別進行轉換；TransformST專門處理ST類型元素的轉換。

表1　WeOWL實例轉換算法

算法首先讀取wexml.xml文檔并將文檔根節點記為rootNode；然后，針對rootNode每一個子節點執行Transform函數(1-4行)，Transform函數根據傳入的node參數類型，分別進行處理： 如果為CT類型，從MapTab映射表中獲取node對應的類記為c(5-7行)，并遍歷node的每一個屬性和子元素(8行)，其中，屬性直接轉換為數據類型實例數據(9-11行)，子元素如果為CT類型，遞歸執行Transform函數并轉換為對象類型實例數據(13-14行)，如果為ST類型，執行TransformST函數(15-16行)。TransformST函數根據ST是否為枚舉類型，分別處理ST類型的實例數據轉換(19-24行)。

3　本體映射

由于WeOWL是從WeXMLSchema中抽取而來，僅提供局部、有限的語義信息，需要在WeOWL和WeDOWL之間建立語義映射，進而提供面向領域全局語義模型的語義查詢。

本體映射由用戶通過邏輯規則進行定義，定義的邏輯規則將存入到規則庫中。通過參照邏輯規則，推理機引擎能夠利用WeOWL術語對WeDOWL中的類和屬性進行解釋，自動地將WeOWL本體實例數據歸類為WeDOWL實例。邏輯規則定義形式如下所示：

weowl:Oilwell(?x)∧weowl:hasMeasure(?x,?y)∧weowl:hasMeasureDate(?y,?z)→wedowl:MeaOilWell(?x)。

以上規則表示：如果在WeOWL中x為油井，并且在某一時間進行過工藝措施，那么x可以作為WeDOWL中的“措施油井”類型。

例如：查詢“2015年1月以后所有措施油井井號、增油產量及實施的工藝措施類型”，可以通過設定以下邏輯規則：

weowl:Oilwell(?x)∧weowl:hasWellNo(?x,a)∧weowl:hasMeasure(?x,?b)∧weowl:hasMeasureDate(?b,?c) ∧weowl:measureDate(?c,’2015.1’)∧weowl:oilAdd(?b,?d)∧weowl:hasMeaName(?b,?e)→wedowl:MeaOilWell(?x)∧wedowl:wellName(?x,?a)∧wedowl:oilAdd(?x,d)∧wedowl:MeaType(?x,?b)。

用戶可以通過查詢構造器設置如下SPARQL語句：

Select?a?b?c

Where{ ?ardf:typeMeaOilWell. ?awedowl:wellName?b.?awedowl:oilAdd?c. }

查詢語句提交給語義查詢處理器后，處理器將利用規則庫和推理機，自動將WeOWL中相關實例數據歸類為MeaOilWell實例，完成語義查詢。

4　系統實現

基于Eclipse開發平臺，開發了WeXMLSemSys原型系統。WeXMLSemSys采用JavaSwing設計查詢操作界面，將Dom4j作為WeXML文檔的解析工具，利用JenaAPI完成Sparql語義查詢和邏輯推理。該原型系統主要包括3個功能：瀏覽WeXML數據內容并將WeXML文檔轉換為WeOWL實例數據；通過Sparql語句對數據進行查詢；利用Jena推理機和邏輯規則實現推理并返回語義查詢結果。

在實際應用中，WeXMLSemSys讀取了勝利油田某采油廠2015年的103個WeXML文檔，每個文檔包含1-2口油井的生產數據，通過實例轉換算法產生了基于領域全局本體的WeDOWL的實例數據，能夠有效支持面向語義的數據查詢，提高數據使用效率。

5　結　語

近年來，很多學者關注XML語義集成和XML與本體之間映射的相關研究，并取得了一定的應用成果。通過比較，本文提出的方法具有以下特點：1)WeOWL本體構建方法并不是將XML文檔直接與特定本體進行映射，而是首先根據抽取規則，自動構建局部本體，然后再與領域全局本體進行語義映射；2)該方法是針對特定領域的XML文檔WeXML，除了與相關工作類似的集成方法之外，還根據WeXMLSchema和領域特點，加入了特定的抽取規則和映射方法。通過構建原型系統WeXMLSemSys，對本文提出的方法進行了驗證，取得了良好的應用效果。

/< class="emphasis_italic">References

：

[1]劉顯敏, 李建中. 基于鍵規則的XML實體抽取方法[J]. 計算機研究與發展，2014，51(1)：64-75.

LIUXianmin,LIJianzhong.Key-basedmethodforextractingentitiesfromXMLdata[J].JournalofComputerResearchandDevelopment, 2014, 51(1):64-75.

[2]BOHRINGH,AUERS.MappingXMLtoOWLontologies[J].LeipzigerInformatik-Tage, 2005,72:147-156.

[3]FERDINANDM,ZIRPINSC,TRASTOURD.LiftingXMLSchematoOWL[J].LectureNotesinComputerScience, 2004,3140:354-358.

[4]XUJiuyun,WANGHongquan,DUANYouxiang,etal.AutomaticallybootstrappingOWLontologiesfromdomain-specificXMLdocuments[J].JournalofComputationalInformationSystems, 2007,3(3): 1269-1276.

[5]XUJiuyun,WANGHongquan,DUANYouxiang.Auto-buildingOWLontologyfromXMLdatasources[J].JournalofComputationalInformationSystems, 2006,2(3):1051-1057.

[6]喬衛. 基于領域本體的XML語義信息抽取的研究與實現[D]. 武漢:武漢理工大學，2009.

QIAOWei.ResearchandImplementationofXMLSemanticInformationBasedonDomainOntology[D].Wuhan:WuhanUniversityofTechnology, 2009.

[7]REIFG,JAZAYERIM,GALLH.Towardssemanticwebengineering:WEESA-MappingXMLSchematoontologies[C] //InWorkshoponApplicationDesign.NewYork:IEEEComputerSociety, 2004:105-109.

[8]KOBEISSYN,GENETMG,ZEGHLACHED.MappingXMLtoOWLforseamlessinformationretrievalincontext-awareenvironments[C] //InternationalConferenceonPervasiveServices.[S.l.]:[s.n.], 2007:349-354.

[9]靖爭.XML/Schema到OWLDL本體映射的研究[D]. 沈陽:東北大學,2008.

JINGZheng.ResearchonMappingXML/SchematoOWLDLOntology[D].Shenyang:NortheasternUniversity,2008.

[10]LEHTIP,FANKHAUSERP.XMLdataintegrationwithOWL:Experiencesandchallenges[C] //InternationalSymposiumonApplicationsandtheInternet. [S.l.]:IEEEComputerSociety, 2004:160-167.

[11]CRUZIF,XIAOH,HSUF.Anontology-basedframeworkforXMLsemanticintegration[J].Ideas, 2004,26(1):217-226.

[12]CRUZIF,XIAOH,LABA.Theroleofontologiesindataintegration[J].InternationalJournalofEngineeringIntelligentSystemsforElectricalEngineeringandCommunications, 2005, 13(4):245-252.

[13]XIAOH.QueryProcessingforHeterogeneousDataIntegrationUsingOntologies[D].Chicago:UniversityofIllinois, 2006.

[14]王宏琳.石油勘探開發信息技術發展態勢——數據集成、應用集成和知識集成[J]. 石油工業計算機應用, 2007, 15(1)：6-11.

WANGHonglin.Thetrendofnformationtechnology:Dataintegrationapplicationintegrationandknowledgeintegrationinoilexplorationanddevelopment[J].ComputerApplicationsofPetroleum,2007, 15(1):6-11.

[15]WELLSITE.InformationTransferStandardMarkupLanguage[EB/OL].http://www.witsml.org,2007-03-16.

[16]BEGLEYEF.MatMLVersion3.1Schema[EB/OL].http://www.matml.org,2011-02-23.

[17]ZHANGXiaoming,HUChangjun,LIHuayui.SemanticqueryonmaterialsdatabasedonmappingMatMLtoanOWLontology[J].DataScienceJournal,2009,8:1-17.

[18]張曉明. 領域科學數據語義集成模型及映射[D]. 北京:北京科技大學,2009.

ZHANGXiaoming.Domain-specificSemanticModelandMappingforScientificDataIntegration[D].Beijing:UniversityofScienceandTechnologyBeijing, 2009.

[19]劉紫玉，楊國霞, 李學會. 基于本體的多專業領域知識語義檢索系統研究[J]. 河北科技大學學報, 2011, 32(5):471-476.

LIUZiyu,YANGGuoxia,LIXuehui.Researchinsemanticretrievalsystemforknowledgeofmultiplemajorsdomainbasedonontology[J].JournalofHebeiUniversityofScienceandTechnology, 2011,32(5)：471-476.

[20]張立巖，張世民. 基于語義相似度的主觀題評分算法研究[J]. 河北科技大學學報,2012,33(3)：263-265.

ZHANGLiyan,ZHANGShimin.Algorithmofsubjectiveitemmarkingbasedonsemanticsililarity[J].JournalofHebeiUniversityofScienceandTechnology, 2012,33(3)：263-265.

[21]PRUD'HOMMEAUXE,SEABORNEA.SPARQLQueryLanguageforRDF[EB/OL].http://www.w3.org/TR/rdf-sparql-query,2008-01-15.

[22]HUNTERJ,LITTLES,SCHROETERR.Theapplicationofsemanticwebtechnologiestomultimediadatafusionwithinescience[C]//SemanticMultimediaandOntologies.Springer:[s.n.], 2008: 207-226.

DomainXMLsemanticintegrationbasedonextractionrulesandontologymapping

LIHuayu，ZHANGPeiying,XIAOHan

(CollegeofComputerandCommunicationEngineering,ChinaUniversityofPetroleum,Qingdao,Shandong266580,China)

AplentyofXMLdocumentsexistinpetroleumengineeringfield,buttraditionalXMLintegrationsolutioncan’tprovidesemanticquery,whichleadstolowdatauseefficiency.InlightofWeXML(oil&gaswellXMLdata)semanticintegrationandqueryrequirement,thispaperproposesasemanticintegrationmethodbasedonextractionrulesandontologymapping.ThemethodfirstlydefinesaseriesofextractionruleswithwhichelementsandpropertiesofWeXMLSchemaaremappedtoclassesandpropertiesinWeOWLontology,respectively;secondly,analgorithmisusedtotransformWeXMLdocumentsintoWeOWLinstances.BecauseWeOWLprovideslimitedsemantics,ontologymappingsbetweentwoontologiesarethenbuilttoexplainclassandpropertyofglobalontologywithtermsofWeOWL,andsemanticquerybasedonglobaldomainconceptsmodelisprovided.ByconstructingaWeXMLdatasemanticintegrationprototypesystem,theproposedtransformationalrule,thetransferalgorithmandthemappingrulearetested.

computerinformationmanagementsystem;extractionrules;ontologymapping;domainXML;semanticintegration

1008-1542(2016)04-0416-07

10.7535/hbkd.2016yx04015

2015-10-13；

2015-11-24；責任編輯：陳書欣

山東省自然科學基金(ZR2014FQ018); 中央高校基本科研業務費專項資金(14CX02030A)

李華昱(1977—)，男，山東壽光人，副教授，博士，主要從事語義Web與數據集成方面的研究。

E-mail:lhyzj@upc.edu.cn

TP391

A

李華昱，張培穎，肖晗.基于抽取規則和本體映射的領域XML語義集成[J].河北科技大學學報,2016,37(4):416-422.

LIHuayu，ZHANGPeiying,XIAOHan.DomainXMLsemanticintegrationbasedonextractionrulesandontologymapping[J].JournalofHebeiUniversityofScienceandTechnology,2016,37(4):416-422.