面向多領(lǐng)域知識(shí)融合的本體集成方法

周建慧，張旭龍，高 云，郭艷萍，彭 煒

（山西大同大學(xué) 計(jì)算機(jī)與網(wǎng)絡(luò)工程學(xué)院，大同 037009）

0 引言

復(fù)雜產(chǎn)品的設(shè)計(jì)涵蓋多個(gè)學(xué)科領(lǐng)域的工程知識(shí)，面向具體的設(shè)計(jì)任務(wù)實(shí)例，在各學(xué)科領(lǐng)域本體存在的基礎(chǔ)上，構(gòu)建融合多個(gè)學(xué)科領(lǐng)域的集成化本體能夠?yàn)樵O(shè)計(jì)任務(wù)提供相關(guān)的工程知識(shí)[1]。不同學(xué)科領(lǐng)域的本體，無論是在結(jié)構(gòu)層面還是在內(nèi)容層面，均存在較大的差異，導(dǎo)致多領(lǐng)域本體之間的規(guī)模差異較大。

本體集成是指以不同領(lǐng)域或相同領(lǐng)域下的多個(gè)本體，采用信息集成的手段，求同存異地建立一個(gè)集成化的本體。本體集成能夠?yàn)楫悩?gòu)系統(tǒng)之間互通信和互操作提供有效的支撐[2]，其過程是對(duì)本體中存在的異構(gòu)信息的集成處理過程，本體集成中所能利用的異構(gòu)信息包括詞法信息、結(jié)構(gòu)信息、語義信息、外部信息、個(gè)體信息等[3～6]，充分利用上述信息，能夠計(jì)算本體中節(jié)點(diǎn)之間的相似度，進(jìn)而為本體集成提供依據(jù)。

目前常見的本體集成工具包括GLUE[7～9]、ASMOV[10～12]、Falcon[13]、DSSim[14]、Lily[15]等。這些工具也利用不同類型的信息進(jìn)行相似度的計(jì)算。它們存在一個(gè)共同的特點(diǎn)：通常情況下，多本體的集成策略采用兩兩依次集成，即有本體O1，O2，O3，…，On，將O1與O2集成獲得O12，再將O12與O3集成獲得O123，依次進(jìn)行最終獲得O123…n。兩兩依次集成更加適用于相同領(lǐng)域下多本體的集成，因?yàn)樵谙嗤I(lǐng)域條件下，領(lǐng)域本體的論域相同，其大多數(shù)概念和結(jié)構(gòu)相似或者說領(lǐng)域本體的交集較大，兩兩依次集成獲得的中間本體的規(guī)模與原有領(lǐng)域本體的規(guī)模差距較小。

然而多領(lǐng)域本體之間的論域不同，大多數(shù)概念和結(jié)構(gòu)不相似或者說領(lǐng)域本體的交集較小，所以兩兩依次集成獲得的中建本體的規(guī)模將不斷增大，例如O12與O3的規(guī)模差距較大，在O12與O3的集成過程中，將因?yàn)橐?guī)模差距較大帶來信息不對(duì)稱的現(xiàn)象，導(dǎo)致集成效果降低，本體之間信息不對(duì)稱現(xiàn)象越嚴(yán)重，本體集成效果越不理想[16]。

1 基于映射聯(lián)結(jié)的本體集成總流程

基于上述原因，本文針對(duì)性地提出了一種新的本體集成方法，如圖1所示，該策略避免了領(lǐng)域不同帶來的影響，首先通過相似度計(jì)算獲得多個(gè)領(lǐng)域本體兩兩之間的映射結(jié)果，然后對(duì)映射結(jié)果進(jìn)行聯(lián)結(jié)獲得全局映射結(jié)果，最后以全局映射結(jié)果為載體將領(lǐng)域本體中的節(jié)點(diǎn)依次按照規(guī)則合并至其中，最終獲得本體集成結(jié)果，總體流程的算法偽代碼如表1所示。

表1 算法總體流程偽代碼

圖1 基于映射聯(lián)結(jié)的本體集成總流程圖

2 本體映射

2.1 元素級(jí)相似度

元素級(jí)相似度是指領(lǐng)域本體中節(jié)點(diǎn)之間在字符串或語義層面的相似度。字符串相似度以領(lǐng)域本體節(jié)點(diǎn)的名稱作為計(jì)算條件求取相似度；語義相似度以領(lǐng)域本體節(jié)點(diǎn)的解釋性文本作為計(jì)算條件求取相似度。由于專業(yè)領(lǐng)域術(shù)語較為規(guī)范，且有明確定義，即解釋性文本，因此在求得兩類相似度之后，取二者中較大的相似度作為最終的元素級(jí)相似度。

1）字符串相似度

字符串相似度采用QRST方法進(jìn)行計(jì)算。設(shè)字符串x和字符串y，采用中文分詞方法獲得x和y的分詞結(jié)果分別為{x1，x2，…，xn}和{y1，y2，…，ym}，由式(1)計(jì)算字符串x和字符串y的相似度，式中相似度量值simstring（x，y）與Q值成正比，與R、S、T值成反比。

QRST方法中關(guān)鍵要素的含義如下：

Q代表字符串x和字符串y中均存在的詞匯總數(shù)；

R代表字符串x中存在、字符串y中不存在的詞匯總數(shù)；

S代表字符串x中不存在、字符串y中存在的詞匯總數(shù)；

T代表字符串x和字符串y中詞匯的總數(shù)；

λ為調(diào)節(jié)系數(shù)，其含義是如果字符串x和字符串y中出現(xiàn)了相同的詞匯，認(rèn)為字符串x和字符串y的相似度較大，則將λ值調(diào)增；反之則調(diào)減。

2）語義相似度

語義相似度的計(jì)算依賴于領(lǐng)域概念解釋性文本，解釋性文本通常以自然語言的形式存在，是對(duì)領(lǐng)域概念的說明，大多數(shù)情況下解釋性文本由若干語句組成。在文本相似度計(jì)算的研究中，基于特征向量空間模型的文本相似度計(jì)算方法是一種最為普遍并被廣泛應(yīng)用的方法，該方法通過分詞獲得文本的關(guān)鍵詞，依據(jù)關(guān)鍵詞的詞頻確定特征詞，通常以詞頻較高的詞匯作為文本的特征詞，在事先構(gòu)建的向量空間中生成文本對(duì)應(yīng)的特征向量，根據(jù)向量之間的夾角最終計(jì)算文本之間的相似度，夾角越小，相似度越高。

2.2 結(jié)構(gòu)級(jí)相似度

對(duì)于領(lǐng)域本體之間的節(jié)點(diǎn)對(duì)，通過判斷其所屬本體中附近節(jié)點(diǎn)的映射關(guān)系，計(jì)算節(jié)點(diǎn)對(duì)之間的相似度。尋找附近節(jié)點(diǎn)主要依賴于領(lǐng)域本體中的分類關(guān)系，即父子/兄弟關(guān)系。依據(jù)領(lǐng)域本體構(gòu)建的原理和本體論的原理，結(jié)構(gòu)級(jí)相似度計(jì)算的啟發(fā)性規(guī)則分為三類：

1）父類規(guī)則：對(duì)于節(jié)點(diǎn)C1和C2，如果C1的父節(jié)點(diǎn)與C2的父節(jié)點(diǎn)存在元素級(jí)映射關(guān)系，則認(rèn)為C1和C2在結(jié)構(gòu)級(jí)上具有一定相似度。

設(shè)C1的父節(jié)點(diǎn)為SC1，C2的父節(jié)點(diǎn)為SC2，則C1與C2的結(jié)構(gòu)級(jí)相似度計(jì)算方法如式(2)所示。

其中μP是父類規(guī)則中相似度衰減系數(shù)；

2）子類規(guī)則：對(duì)于節(jié)點(diǎn)C1和C2，如果C1子節(jié)點(diǎn)集合中大部分節(jié)點(diǎn)與C2子節(jié)點(diǎn)集合中的節(jié)點(diǎn)存在元素級(jí)映射關(guān)系，則認(rèn)為C1和C2在結(jié)構(gòu)級(jí)上具有一定相似度。

設(shè)C1的子節(jié)點(diǎn)集合為BC1，C2的子節(jié)點(diǎn)集合為BC2，則C1與C2的結(jié)構(gòu)級(jí)相似度計(jì)算方法如式(3)所示。

其中μB是相似度子類規(guī)則中相似度衰減系數(shù)；設(shè)BC1包含m個(gè)節(jié)點(diǎn)，BC2包含n個(gè)節(jié)點(diǎn)，若BC1中存在k個(gè)節(jié)點(diǎn)與BC2中的k個(gè)節(jié)點(diǎn)具有元素級(jí)映射關(guān)系，則BC1與BC2的相似度計(jì)算方法如式(4)所示。

其中：ei1∈BC1，ei2∈BC2。

3）兄弟規(guī)則：對(duì)于節(jié)點(diǎn)C1和C2，如果C1兄弟節(jié)點(diǎn)集合中大部分節(jié)點(diǎn)與C2兄弟節(jié)點(diǎn)集合中的節(jié)點(diǎn)存在元素級(jí)映射關(guān)系，則認(rèn)為C1和C2在結(jié)構(gòu)級(jí)上具有一定相似度。

設(shè)C1的兄弟節(jié)點(diǎn)集合為RC1，C2的兄弟節(jié)點(diǎn)集合為RC2，則C1與C2的結(jié)構(gòu)級(jí)相似度計(jì)算方法如式(5)所示。

其中μR是相似度兄弟類規(guī)則中相似度衰減系數(shù)；設(shè)RC1包含m個(gè)節(jié)點(diǎn)，RC2包含n個(gè)節(jié)點(diǎn)，若RC1中存在k個(gè)節(jié)點(diǎn)與RC2中的k個(gè)節(jié)點(diǎn)具有元素級(jí)映射關(guān)系，則RC1與RC2的相似度計(jì)算方法如式(6)所示。

其中：ei1∈RC1，ei2∈RC2。

上述三歸類規(guī)則的結(jié)構(gòu)級(jí)相似度求得后，通過加權(quán)求和的方式對(duì)三類結(jié)構(gòu)級(jí)相似度進(jìn)行融合，進(jìn)而獲得領(lǐng)域本體節(jié)點(diǎn)之間最終的結(jié)構(gòu)級(jí)相似度，如式(7)所示。

其中α、β、γ分別為父類規(guī)則結(jié)構(gòu)級(jí)相似度、子類規(guī)則結(jié)構(gòu)級(jí)相似度、兄弟規(guī)則結(jié)構(gòu)級(jí)相似度所占的絕對(duì)權(quán)重，并且根據(jù)領(lǐng)域本體分類關(guān)系構(gòu)建的原理，可以得出啟發(fā)性的規(guī)律：父子關(guān)系比兄弟關(guān)系更重要，父類比子類更重要，即α＞β＞γ。

3 映射聯(lián)結(jié)

3.1 本體映射結(jié)果形式化表達(dá)

每兩個(gè)本體之間包含若干條映射關(guān)系，每條映射關(guān)系包含兩個(gè)本體中的節(jié)點(diǎn)、映射類型和相似度。在進(jìn)行映射結(jié)果聯(lián)結(jié)之前，需要對(duì)映射關(guān)系按照某種規(guī)范進(jìn)行形式化表達(dá)以滿足計(jì)算機(jī)語言的執(zhí)行要求。本文將采用范疇論原理對(duì)映射結(jié)果進(jìn)行形式化表達(dá)。

考慮如圖2所示的映射結(jié)果示意，其中包含兩部分信息：映射關(guān)系信息和領(lǐng)域本體的信息。依據(jù)范疇論原理，對(duì)兩部分信息分別進(jìn)行形式化表達(dá)。

圖2 本體映射結(jié)果示意圖

1）領(lǐng)域本體的形式化表達(dá)

依據(jù)范疇論原理，領(lǐng)域子本體可以看作一個(gè)范疇，即領(lǐng)域子本體O1可以表示為范疇C1，領(lǐng)域子本體O2可以表示為范疇C2。則范疇C1和C2可以表示為：

其中eij為領(lǐng)域本體中存在映射關(guān)系的節(jié)點(diǎn)，ri和si為存在映射關(guān)系的節(jié)點(diǎn)在領(lǐng)域本體中的關(guān)系。

2）映射關(guān)系的形式化表達(dá)

依據(jù)范疇論原理，領(lǐng)域本體之間的映射關(guān)系可以看作態(tài)射，即圖中所示的三條映射關(guān)系可以表示為：

除此之外，圖中隱含了兩條關(guān)系之間的映射關(guān)系，可以表示為：

領(lǐng)域本體的映射關(guān)系可以表示為：

有上述范疇論的表示，依據(jù)范疇論中的原理，可以獲得如下結(jié)果：

其中態(tài)射f的取值為二元組，可以表示為：

L為映射關(guān)系類型，w為映射關(guān)系相似度。

3.2 映射聯(lián)結(jié)規(guī)則

對(duì)映射關(guān)系進(jìn)行形式化表達(dá)后，針對(duì)映射關(guān)系的不同類型和權(quán)重對(duì)其進(jìn)行聯(lián)結(jié)以獲得全局映射結(jié)果。映射結(jié)果中映射關(guān)系的類型包括相等、包含和不相交三種類型。相等關(guān)系表示兩個(gè)節(jié)點(diǎn)完全等價(jià)；包含關(guān)系表示兩個(gè)節(jié)點(diǎn)具有父子關(guān)系，不相交關(guān)系表示兩個(gè)節(jié)點(diǎn)的子節(jié)點(diǎn)交集為空。相等關(guān)系主要用于映射結(jié)果中節(jié)點(diǎn)的聯(lián)結(jié)，包含關(guān)系主要用于判斷相等關(guān)系是否正確，不相交關(guān)系主要用于判斷獲得的全局映射結(jié)果中是否存在冗余或錯(cuò)誤。

1）相等關(guān)系

當(dāng)f滿足f.L=“=”；f.w＞δ條件時(shí)，即為相等關(guān)系。此時(shí)，依次判斷態(tài)射f的定義域和值域，即映射關(guān)系連接的兩個(gè)節(jié)點(diǎn)在其領(lǐng)域本體中與其他包含在映射結(jié)果中的節(jié)點(diǎn)的關(guān)系是否存在矛盾，若存在矛盾，則依據(jù)f的權(quán)重進(jìn)行矛盾消解，消解規(guī)則將在下文詳細(xì)闡述，此處重點(diǎn)闡述映射結(jié)果聯(lián)結(jié)的規(guī)則。若不存在矛盾或矛盾消解后，隨機(jī)選擇一個(gè)態(tài)射f的定義域節(jié)點(diǎn)或值域節(jié)點(diǎn)添加至全局映射結(jié)果中。

2）包含關(guān)系

當(dāng)f滿足f.L=“?”or f.L=“?”；f.w＞δ條件時(shí)，即為包含關(guān)系。包含關(guān)系用于判斷具有相等關(guān)系的領(lǐng)域本體節(jié)點(diǎn)之間是否存在矛盾，以圖2所示的本體映射結(jié)果為例，f1（e11）=e21，f2（e12）=e22。若f1.L=“=”并且f2.L=“?”，由于e11和e12在領(lǐng)域子本體O1中的關(guān)系r1為父子關(guān)系，同理s1也為父子關(guān)系，因此判定f1與f2存在矛盾，矛盾發(fā)生后，比較f1.w和f2.w的值的大小關(guān)系，保留權(quán)重較大的關(guān)系，即：若f1.w＞f2.w，則忽視f2，反之則忽視f1并刪除相等關(guān)系做出的操作。

3）不相交關(guān)系

當(dāng)f滿足f.L=“⊥”；f.w＞δ條件時(shí)，即為不相交關(guān)系。與包含關(guān)系類似，當(dāng)不相交關(guān)系連接的節(jié)點(diǎn)在全局映射結(jié)果中存在一級(jí)關(guān)系時(shí)，則判定該關(guān)系與一級(jí)關(guān)系存在矛盾，所謂一級(jí)關(guān)系，是指直接父子/兄弟關(guān)系，通俗地說，當(dāng)A的上一級(jí)父節(jié)點(diǎn)或下一級(jí)子節(jié)點(diǎn)為B，則A與B存在直接父子關(guān)系；當(dāng)A的上一級(jí)父節(jié)點(diǎn)C的下一級(jí)子節(jié)點(diǎn)為B，則A與B存在直接兄弟關(guān)系。矛盾發(fā)生時(shí)，同理，依據(jù)權(quán)重進(jìn)行矛盾消解，保留權(quán)重較大的關(guān)系。

4 節(jié)點(diǎn)合并

獲得全局映射結(jié)果后，依次對(duì)每個(gè)本體中的節(jié)點(diǎn)與全局映射結(jié)果合并。如圖3所示，首先需要基于全局映射結(jié)果對(duì)領(lǐng)域本體進(jìn)行標(biāo)定，將其中包含的節(jié)點(diǎn)進(jìn)行標(biāo)記；然后以標(biāo)定節(jié)點(diǎn)為起點(diǎn)按照分類和約束關(guān)系查找其附近節(jié)點(diǎn)，并對(duì)查找獲得的節(jié)點(diǎn)進(jìn)行判斷，判斷其是否存在復(fù)合關(guān)系，復(fù)合關(guān)系是指領(lǐng)域本體中通過查找獲得的節(jié)點(diǎn)可能與全局映射結(jié)果中多個(gè)節(jié)點(diǎn)均具有分類關(guān)系，對(duì)復(fù)合關(guān)系進(jìn)行處理后，處理過程在下文詳細(xì)闡述，將查找獲得的節(jié)點(diǎn)與全局映射結(jié)果通過新增的方式進(jìn)行合并；隨后更新全局映射結(jié)果重復(fù)上述步驟直至領(lǐng)域子本體中所有節(jié)點(diǎn)均被標(biāo)記，迭代結(jié)束。

圖3 節(jié)點(diǎn)合并流程圖

1）標(biāo)定領(lǐng)域本體

標(biāo)定領(lǐng)域本體是遍歷全局映射結(jié)果中所有的節(jié)點(diǎn)，若存在該節(jié)點(diǎn)則將其標(biāo)記。

2）查找附近節(jié)點(diǎn)

標(biāo)定領(lǐng)域本體后，以被標(biāo)記的節(jié)點(diǎn)為起點(diǎn)，在領(lǐng)域本體中依次查詢其父節(jié)點(diǎn)和子節(jié)點(diǎn)，并將其加入節(jié)點(diǎn)合并候選集中。

3）復(fù)合關(guān)系判斷與分解

復(fù)合關(guān)系判斷是領(lǐng)域概念合并過程中的關(guān)鍵問題，復(fù)合關(guān)系是指如果領(lǐng)域本體中被標(biāo)記的節(jié)點(diǎn)x存在父節(jié)點(diǎn)y，而y與除x外的其他某被標(biāo)記的節(jié)點(diǎn)z存在分類關(guān)系，則稱y在具有復(fù)合關(guān)系。例如圖4所示的領(lǐng)域子體和全局映射結(jié)果中，右側(cè)領(lǐng)域本體中，節(jié)點(diǎn)“仿人機(jī)器人”與被標(biāo)記的節(jié)點(diǎn)“導(dǎo)航系統(tǒng)”和“機(jī)器人”同時(shí)存在分類關(guān)系，則稱節(jié)點(diǎn)“仿人機(jī)器人”在全局映射結(jié)果中具有復(fù)合關(guān)系。

圖4 節(jié)點(diǎn)復(fù)合關(guān)系示例圖

當(dāng)出現(xiàn)復(fù)合關(guān)系時(shí)，則需要對(duì)全局映射結(jié)果中的分類關(guān)系進(jìn)行分解，即將分類關(guān)系{導(dǎo)航，subClassOf，機(jī)器人}分解為{導(dǎo)航，subClassOf，仿人機(jī)器人}和{仿人機(jī)器人，subClassOf，機(jī)器人}。分解的依據(jù)來自于領(lǐng)域本體中被標(biāo)記的節(jié)點(diǎn)之間的分類關(guān)系。

4）節(jié)點(diǎn)與全局映射結(jié)果合并

所有復(fù)合關(guān)系通過分解處理后，將領(lǐng)域本體中的節(jié)點(diǎn)添加至全局映射結(jié)果模型中。添加完成后，以更新后的全局映射結(jié)果為基礎(chǔ)，重新標(biāo)定領(lǐng)域本體，重復(fù)上述步驟，當(dāng)領(lǐng)域本體中所有領(lǐng)域概念均被標(biāo)記時(shí)，則認(rèn)為該領(lǐng)域本體的節(jié)點(diǎn)已全部合并至全局映射結(jié)果中，算法結(jié)束。

5 實(shí)例驗(yàn)證

本文將以工業(yè)機(jī)器人機(jī)構(gòu)領(lǐng)域本體、控制領(lǐng)域本體、力學(xué)領(lǐng)域本體的集成為例進(jìn)行詳細(xì)說明。首先，分別通過本體映射獲得兩兩之間的本體映射結(jié)果，計(jì)算結(jié)果如表2所示，映射過程的參數(shù)如前文所述，根據(jù)經(jīng)驗(yàn)，λ取2.2；參照GLUE中的參數(shù)取值，μP和μB取0.8，μR取0.7（GLUE中μR取值也為0.8，本文認(rèn)為兄弟關(guān)系的重要程度低于父子關(guān)系的重要程度，因此取0.7）；參照Falcon中的參數(shù)取值，α、β、γ分別取0.5、0.3、0.2；然后將映射結(jié)果進(jìn)行形式化表達(dá)后，分別對(duì)映射結(jié)果之間存在的相等關(guān)系、包含關(guān)系和不相交關(guān)系按照上文給定的規(guī)則進(jìn)行合并，獲得合并后的全局映射結(jié)果，如圖5所示；最后，將領(lǐng)域本體中的節(jié)點(diǎn)依次與全局映射結(jié)果合獲得最終集成結(jié)果，如圖6所示。

圖5 全局映射結(jié)果片段實(shí)例

圖6 集成化本體片段實(shí)例

表2 工業(yè)機(jī)器人多領(lǐng)域本體映射結(jié)果

本文以本體集成的準(zhǔn)確率、召回率以及冗余度作為評(píng)價(jià)指標(biāo)，與常見的本體集成系統(tǒng)DSSim、GLUE、Falcon、Lily進(jìn)行對(duì)比，對(duì)比結(jié)果如圖7所示。可以看出，本文方法除準(zhǔn)確率不及GLUE，召回率和冗余度都優(yōu)于其他方法。

圖7 實(shí)驗(yàn)結(jié)果對(duì)比圖

6 結(jié)語

本文根據(jù)多學(xué)科領(lǐng)域本體規(guī)模差異性明顯的特點(diǎn)，針對(duì)兩兩依次集成在多領(lǐng)域本體集成中存在的問題，提出一種面向多領(lǐng)域知識(shí)融合的本體集成方法。該方法依據(jù)映射結(jié)果一次性生成全局映射結(jié)果，隨后依次將每個(gè)領(lǐng)域本體與全局映射結(jié)果合并，規(guī)避了因規(guī)模和復(fù)雜度依次遞增而產(chǎn)生信息不對(duì)稱現(xiàn)象最終影響其集成結(jié)果的問題。通過實(shí)例驗(yàn)證和對(duì)比，說明本文提出的方法更加適用于多領(lǐng)域本體的集成，在召回率和冗余度方面表現(xiàn)的效果較優(yōu)。能夠應(yīng)用于復(fù)雜產(chǎn)品的設(shè)計(jì)與制造系統(tǒng)中，為不同專業(yè)學(xué)科系統(tǒng)之間的互通信和互操作提供一種解決方案。