语义网若干基本问题的讨论 申思 2003年5月

目录 语义网的由来 Web上的知识表示 XML(S)和RDF(S) XML和RDF进行Web知识表示的比较 Ontology 一个语义网应用的描述 研究热点和展望

一 . 语义网的由来 当前Web所存在的问题 更好的通讯模式 什么是语义网 语义网同现有网络的区别 语义网所要解决的问题

当前Web的特点 WWW是最大的信息资源仓库， 包含几乎任何领域内的文档和媒体资源，并且这些数据可以在瞬间被个人和组织访问

当前Web存在的问题 Web的大小使得很难定位相关的信息资源 目录服务（Yahoo）和搜索引擎（Google）提供了一些帮助，但远不能满足用户的需求 进一步的，用户更难以让Web作更多的、功能远远超过目录和搜索的事情，比如让Web为用户安排一个完美的度假 其根本的障碍在于一个事实：Web不是设计给机器处理的

人类之间的通讯 人类的交流建立在语义的基础上，通过指称把客观世界和意识世界联系起来 语言 主体A 主体B Common Knowledge

当前Web上的通讯 主体A把信息放到网页中，Web在主体B的浏览器端显示出来，实际上仍然是人之间的通讯，Web并不理解网页中的内容 World Wide Web Common Knowledge

语义网上的通讯 Web携带语义信息，使机器能够理解Web页面，从而实现强大的功能。 需要一个人和机器都能理解的Ontology 主体A Machine Ontology

如何让机器理解Web 两种途径： 1. 自然语言理解技术，然而仍然有很多关键问题没有解决 2. 用知识表达语言来描述Web页，即构造一种新的Web－－语义网

什么是语义网 Tim Berners-Lee的定义： The Semantic Web is not a separate Web but an extension of the current one, in which information is given well-defined meaning, better enabling computers and people to work in cooperation.

Semantic Web - Layers

Semantic Web - Layers 最底层是URI和Unicode层，该层是整个语义网的基础，其中Unicode处理资源的编码，URI负责标识资源。 第二层是XML+NS+XMLSchema层，用于表示数据的内容和结构。 第三层为RDF＋RDFSchema，用于描述资源及其类型。 第四层为Ontology 层，它用于描述各种资源之间的联系。 第五层到第七层是在下面四层的基础上进行的逻辑推理操作。 其中核心层为XML,RDF,Ontology,这三层用于表示Web信息的语义。

A scenario by Berners-Lee 彼得的妈妈需要进行理疗,让代理来安排这个预约。给语义网络代理下指令后，代理立即从医生的代理处查到了妈妈的治疗处方，在诊所清单中进行查找，从中找出那些在母亲家方圆20英里的范围内，在信用评级服务中评级为出色或很好，在母亲的保险计划范围之内的诊所。然后，它将可能的预约时间（由各家诊所通过其网页提供）和彼得日程进行匹配。 几分钟之后，代理给他们提供了一个方案。彼得对此不太满意。从母亲家到这个医院要横穿整个城镇，而他从医院返回的时间又恰好是交通高峰时间。他设置了更多的时间和地点方面的限制，让自己的代理重新进行搜索。 几乎一瞬间，新的方案又出来了：医院离家近了，时间也提前了。但是，同时有两点警告。首先，彼得要重新安排他的一些不太重要的预约。彼得查了一下，没什么问题。另一点是，这家医院不在保险公司的理疗医院的清单上。代理为解除彼得的顾虑，说, “通过其他方式，可以保证予以确认服务类型和保险计划，需要细节内容吗？” 彼得表示同意，事情就这么定下来了。

语义网同当前Web的区别 大多数当前的Web是设计给人浏览的，语义网是设计给机器处理的 当前的计算机可以解析Web的显示，处理header，链接到其他页面，但是他们无法处理语义：比如这个页面是张先生的主页，这个链接会指向孙小姐的简历等等。

语义网所要解决的问题 搜索引擎的缺陷，不理解词语的语境和检索词之间的关系 代理在处理Web服务时必须依赖于一些预先定义的Web页面 推系统在匹配用户Profile和Web页相关性时的不准确 通过对Web信息的抽取，可以支持对更复杂内容的可视化

二 . Web上的知识表示 传统的知识表示结构 Web上知识表示相对于传统知识表示的特点

传统的知识表示结构 语义网络 在一个语义网络中，每一个概念用一个节点来表示，互相关联的概念由箭头连接起来 语义网络使用特别的箭头来表示抽象概念，一个is－a箭头，表示一个概念是另一个概念的子类，而instance－of表示一个概念是另外一个概念的实例。这些箭头同基本的集合理论相关：is－a类似于子集关系，instance－of类似于元素关系。 is－a的集合定义了类序，这个类序通常称为分类法或类继承。分类法用来用一个概念来归纳很多的抽象类，或者为很多抽象概念定义一个类。Yahoo和Open Direcotry的流行已经证明，分类法在辅助用户定位信息的时候非常有用

传统的知识表示结构 框架系统 这个系统中，一个框架是一个数据对象，有一些槽，每个槽表示这个对象的一个属性。 KRL是一个早期使用在框架系统中的语言。KRL的基本实体是单元，由一个唯一的名称，一个目录类，和一些槽构成。每个类都有一个原型个体，代表类的典型成员。一个有趣的特征是，KRL可以从不同的角度来看一个个体。比如，the age from Person G0043 可能是整数，而the age from Traveler G0043可能是一个集合中的元素{Infant,Child,Adult}. KL-One继承了框架系统的传统，同时派生出了描述逻辑。描述逻辑关注词的定义，以提供比语义网络和框架系统更精确的语义。词的定义通过比较概念和其作用而形成。描述逻辑系统的一个重要的特征是处理自动分类的能力，即自动把一个给定的概念插到分类表中合适的位置

Web上知识表示的特点 语义网依赖于将内容同形式化的意义表示对应起来。这一点上，知识表示领域为设计语义网的语言提供了一个很好的起点，因为它的研究一直在努力的将知识形式化。然而，Web的特性对传统的知识表达工作是一个挑战，需要我们从一个新的角度来看这个问题。Web的一些重要特征所带来的影响主要有：

Web上知识表示的特点 Web是分布式的 Web的发展的推动力量就是自由而非集中控制。然而，由于Web是许多个人的产物，缺少集中控制对信息的推理带来了很大的挑战： 不同的组织可能会使用不同的词表，导致了同义和一词多义现象 缺少审查和质量控制，可靠性是个问题，有相当数量的Web欺骗，其发布信息的目的是为了误导 由于没有一个全球统一的信息合成，Web上不同来源的信息可能会发生冲突。

Web上知识表示的特点 Web是动态的 Web以惊人的速度变化着，没有任何一个用户或是智能代理可以跟的上 随着新的页面不断增加，已有页面的内容也在不断变化。一些页面相对稳定一些，另外一些则定期或不定期的更新,这些变化可能会完全改变内容 一个Web代理必须清楚它的数据会并且经常会过期

Web上知识表示的特点 Web的数量巨大 虽然每个Web页可能只有一点代理可以收集的知识，但是累计起来的数据库将使推理很难进行 大多数情况下，代理应该假设它只采集了相当少的，并不完备的知识。然而，为了推断更多的事实，许多推理系统用来完整世界假设，即那些没有收到知识库中的都认为不真。

三 . XML(S)和RDF(S) 从HTML说起 XML和DTD(XML Schema) RDF和RDF Schema

从HTML说起 Berners-Lee开发HTML的初衷是使用超文本作为组织分布式文档系统的一种方式，Html的标签主要是面向显示的，但其一直在努力增加一些标签来提供语义： HTML2.0引入了META元素和REL属性。META元素以名称、值的形式规定了元数据。META一个流行的用法是表示关键字，比如<META name = “kewyords” content=“Semantic Web”>,这样会帮助搜索引擎标引这个页面。 HTML3.0增加了Class属性，可以被任何标签使用来建立该元素的子类，不过这个语义标记很少被使用，不过即使被使用了，他们所提供的语义也是很有限的。 为了解决HTML的语义局限性，Dobson and Burrill试着将其同ER关系模型结合。这就是超级HTML,它由一系列简单的标签定义了文档中的实体，文档体的标记部分作为这些实体的属性，然后定义从实体的外部实体的关系。这是正式为Web页面增加结构数据的首次尝试，从而为解决这个问题提供了一种方法，也是之后XML设计的动机。

从HTML说起 尽管非常流行，HTML存在两大问题： 因为HTML主要设计成显示给人看的，它很难让机器抽取内容以及执行自动的文档处理。为了解决这两个问题，W3C开发了XML。RDF和XML成为开发语义网需的两个主要技术

XML XML让每个人都能创建自己的标签，例如<姓名>,从而支持应用程序将这些标签运用到复杂的应用中。也即XML允许用户在文档中加入了任意的结构 由于结构任意，XML交换的双方需要一个使用上的一致性，这样的一致性描述就是DTD(XML Schema) 然而，XML并不提供标签的意义。标签<p>可能意味着分段(paragraph)，也可能意味着一部分(part)。这需要通讯双方事先达成理解的一致

DTD&XML Schema DTD仅仅提供了一个简单的结构描述：他们定义了元素出现的结构，位置，可能的属性等等。 XML Schema被设计来代替DTD。XML Schema有几个优于DTD之处： XML Schema提供了一个丰富的语法来描述元素的结构，比如你可以定义元素出现的次数，默认值； XML Schema提供支持数据类型。比如你可以定义电话号码是一个五位数字； XML Schema提供了包含和继承机制，使你可以重用共同的元素定义，也可以将存在的定义运用于新的应用 XML Schema以XML作为其编码的语法（因为XML是一个元语言），使得工具的开发变简单了，因为文档和文档定义都使用了相同的语法。

DTD&XML Schema 尽管DTD为XML文档提供了一个语法规范，DTD并不提供语义信息。也就是说，DTD中的一个元素的意义，或者是由人根据在DTD中的自然语言描述的名称和注释来理解，或者在DTD之外再编写一个文档中来专门描述意义。 这样，XML文档的交换就必须要求交换的实体事先在DTD的使用和意义理解上都达成一致。 如果只是固定的合作实体之间，可能不会有问题，但是如果是在Web上……

DTD&XML Schema Web的一个很重要的目标是建立互操作关系，从而我们无法预知信息的使用者，从而也不可能向每一个使用者解释DTD的语义 这就产生了一个信息合成的问题，由于软件工具无法获取语义，它们就不可能通过DTD来合成信息资源

DTD&XML Schema 当然，如果我们在一个普遍的DTD上达成一致，DTD之间的映射问题就不存在了； 但是即使在一个企业，数据标准化也是很困难和很耗时的，而Web上的数据标准化就更不可能了。 即使可能有一个理解普遍的DTD，它会大到没法使用，也没法维护，修改它

RDF RDF定义了一个简单的模型，用于描述资源，属性和值之间的关系。资源是可以用URI标识的所有事物，属性是资源的一个特定的方面或特征，值可以是另一个资源，也可以是字符串。总的来说，一个RDF描述就是一个三角：一个对象，一个属性，一个值。 在RDF中，文档中的声明通常是某个事物——人、网页或其他任何东西对于某些值——另一个人、另一网页拥有某些属性（例如……是……的父母，……是……的作者）。

RDF RDF是一个机制，用于描述数据。它不是一个语言，而是一个模型，用于表达Web上数据。 RDF是忽略语法的，它仅仅提供一个模型用于表达元数据。这种可能的表达可以是有向图，列表或其他，当然XML也可以是一种可选的表达。 以下是几个RDF的简单示例

RDF 用XML表示的RDF示例： <rdf:Description about=“www.books.org/ISBN0012515866”> <rdf:type rdf:resource=“http://description.org/schema/#book”> </rdf:Description>

RDF 用列表表示的RDF示例： Object Attribute Value ========================== http://w3.org/ created_by #anonymous # anonymous name "John" # anonymous phone "477738"

RDF 用属性－值三角的形式表示的RDF示例： hasName ( "http://www.ddddddddddd", "jime lenr") authorof ("http"//www.ddddddddddd", "http://book/ieiei") hasPrice ("http://book/ieiei", "$83")

RDF 用有向图的形式表示的RDF示例： John name http://www.w3.org 匿名对象 Created By phone 48382

RDF 虽然可以有很多种方式来表示RDF数据，RDF数据的交换必须由一个固定有序的语法来支持。XML是一个选择，而RDF规范使用的正是它。 然而，RDF数据模型并没有被帮定到一个特定的语法上，它可以用任何语法来表示，它也可以从非RDF的数据资源中抽取。用XML序列语法来表示的RDF很难理解，而RDF应用程序接口使开发者可以不管序列语法的具体细节，而把RDF数据当作是图表来进行处理。

RDF RDF被设计用来为元数据提供一个基本的对象、属性、值的数据模型。 对于这些语义，RDF并没有预先建模，同XML一样，RDF数据模型没有提供声明属性名的机制。 RDF Schema和XML Schame，提供了一个词汇定义的方式，还可以定义哪些属性可以应用到哪些对象上。换句话说，RDF Schema为RDF模型提供了一个基本的类型系统。

RDF Schema RDF Schema，使用了一些预先定义的词汇集，比如class，subpropertyof，subclassof，来指定特定的schema。 RDF Schema是一个有效的RDF表达，就像xml Schema是一个有效的xml表达 subclassof允许开发者去定义每一个类的继承机制，subpropertyof对属性是一样的。属性的限制可以用domain和range结构来实现，这个结构可以用来扩展词汇表，下面是一些简单的示例：

RDF Schema 定义类及子类 <rdfs:Class rdf:ID=“Wine” /> //定义类Wine <rdfs rdf:ID=“RedWine”> <rdfs:subClassOf rdf:resource=“#Wine”/> </ rdfs :Class> //定义Wine的子类RedWine <rdfs :Class rdf:about=“#WhiteWine”> <rdfs:comment>no wine is both a red and a white wine</rdfs:comment> //注释 <rdfs :disjointWith rdf:resource=“#RedWine”/> </rdfs :Class> //定义子类WhiteWine及相斥关系

RDF Schema 定义类的实例 <RedWine rdf:ID=“MyFavoriteDrink”> <rdfs:label>MyFavoriteDrink</rdfs:label> <rdfs:comment>MyFavoriteDrink is a RedWine.</rdfs:comment> </RedWine> //RedWine的实例 <RedWine rdf:ID=“MariettaZinfandel”> <rdfs:label>MariettaZinfadel</rdfs:label> </RedWine>

RDF Schema 定义类的属性 <rdf:Property rdf:ID=“hasWineColor”> //定义属性ID <rdfs:range rdf:resource=“#WineColor”/> //属性所属的类 <rdfs:domain rdf:resource=“#Wine”/> //属性所赋予的类 </ rdf:Property >

四 . XML和RDF进行Web知识表示的比较

知识表示对语言的要求 普遍的表示能力。因为无法预测可能用途，一个基于Web的交换格式必须可以用来表达任何格式的数据。 语法的互操作行。应用程序必须能够抽取数据,并将其用于开发。软件模块（比如Parser和查询API），应该可以在不同的应用程序之间尽可能的重用。当用来操作数据的Parsers和APIs很容易获得时，语法的互操作行就是很高的。 语义的互操作性。数据交换格式的一个最重要的需求时数据可以被理解。语法互操作性是关于解析数据的，语义互操作性是关于定义语言到内容之间的映射，因而需要内容分析。

使用XML进行知识表示 XML完全满足普遍的表示能力需求，因为一个语法所能定义的任何数据，都可以用XML来编码。 它也满足语法的互操作性，因为一个XML的Parser可以解析任何XML文档，它也可以作为一个重用的模块。 但是在语义的互操作性上，XML就有了弱点。 XML的主要局限性在于它仅仅描述语法。我们没有办法从一个XML文档中识别一个语义单元，因为XML的目标是文档的结构，而没有对文档中使用的数据附加任何的解释。

使用XML进行知识表示 假设两个组织之间要交换数据，那么他们必须使用相同的DTD（或Schema）。因此，就必须首先分析他们相关的领域和对象模型，然后通过对象关系表述出来，再将其转换为DTD 而且，重要的一点，他们必须都同意并且使用DTD所给出的文档结构的隐含意义，否则就无法利用XML数据。 如下图：

使用XML进行知识表示

使用XML进行知识表示 但是，由于同样的域模型可以构造出很多不同的DTD，这样就丢失了从域模型到DTD之间的直接对应 丢失这种直接对应，一是名称使用习惯上的差别。比如，元素<PERSON> and <INDIVIDUAL> 可能是同义词；类似的，元素<SPIDER>可能是一词多义的，这里可能是爬行软件，那里可能指蜘蛛。而且名字问题在属性名称中同样存在。 另一个困难是结构的差别。XML的灵活性使得DTD的作者可以有很多选择。设计者对于同样的概念可以有很多种方式来描述。

使用XML进行知识表示 也就是说，在域模型和DTD之间并没有直接的联系。因此就不可能从一个DTD来推断概念以及概念之间的关系，即很难从DTD中重建域模型 考虑到这一点，使用XML的优点就只有解析模块的重用性了。这只在组织间固定通讯，并且事先有一致认识时有用。而忽略了Web通讯的需求，即很多的合作者，而且他们不断的更新。 XML在应用程序都知道数据是什么的时候，进行数据交换非常有用，但是它并不适合新的通讯对象不断变化的情况。而在Web上，新的信息资源不断的涌现，新的合作伙伴不断的加入。因此减少这种通讯成本就非常重要。 一个域模型不能被简单的映射为另一个域模型，是因为他们都以DTD的形式编码。基于不同DTD的直接映射是很困难的，因为这不是简单的语法映射，而是一个领域到另一个的映射。

使用RDF进行知识表示 RDF的对象－属性－值的结构满足我们普遍表示能力的需求。而独立于应用程序的RDF Parser也可以得到，因此RDF满足语法的互操作性。 在语义的互操作性方面，明显优于XML。 RDF的对象－属性结构自然的给出了语义单元，而所有的对象都是实体。 定义了兴趣领域中的对象和关系的域模型，可以用RDF自然表达。域模型到RDF有着直接的映射关系，因此两个RDF就可以直接进行语义的转换

使用RDF进行知识表示 在某种程度上，RDF是Web应用程序之间建立互操作的最小集。由于是面向对象的，它比XML更是交换信息，而且它在定义新词表上是完全灵活的。 使用RDF作为数据交换模型，提高了复用的层次，远高于Parser的重用，Parser正是XML所能提供的层次。 而且，RDF模型在当前的XML语法发生变化或消失时仍然可以使用，因为RDF描述了一个独立于XML的层次。

五 . 为什么需要 Ontology Ontology为人类和应用程序系统提供了一个对于主题的共同理解

Ontology的概念 最早是一个哲学概念，从哲学的范畴来说，Ontology 是客观存在的一个系统的解释或说明，关心的是客观现实的抽象本质

Ontology的组成 在Web团体内，通常认为Ontology由一组知识术语，包括词汇，语义互联和一些简单的推理规则与逻辑组成，用于某个特定的主题。

Ontology的类型 顶级Ontology: 描述的是最普通的概念及概念之间的关系，如空间、时间、事件、行为等等，与具体的应用无关

Ontology的构造规则 Precision 形式化，无歧义，高度忠实 Flexibility Explicitness 表达性，演化性 清晰，重用 Systematic 控制，质量，明确

An example ontology (OIL) class-def animal % animals are a class class-def plant % plants are a class subclass-of NOT animal % that is disjoint from animals class-def tree subclass-of plant % trees are a type of plants class-def branch slot-constraint is-part-of % branches are parts of trees has-value tree class-def leaf slot-constraint is-part-of % leaves are parts of branches has-value branch class-def defined carnivore % carnivores are animals subclass-of animal slot-constraint eats % that eat only other animals value-type animal

目前被广泛使用的Ontology Worldnet (http://www.cogsci.princeton.edu/~wn) Framenet(http://www.icsi.berkeley.edu/~framenet) GUM(http://www.darmstadt.gmd.de/publish/komet/gen-um/newUM.html) SENSUS(http://www.isi.edu/natural-language/resources/sensus.html)

Ontology Languages XOL(Ontology Exchange Language) SHOE OML(Ontology Markup Language) RDFS OIL(Ontology Inference Layer) DAML+OIL

六 . 一个语义网的应用描述 由知识工程师建立Ontology 用户用语义标记生成页面 整合信息资源 查询语义网

由知识工程师建立Ontology 知识工程师根据需求分析域模型 用RDF Schema 做的域模型分析图例子：

由知识工程师建立Ontology 知识编辑者利用Protégé工具创建Ontology Protégé 2000的用户界面

用语义标记生成页面 用户首先确定欲编辑的页面所属的领域，选择该领域的Ontology 用户可以选择使用普通的文本编辑器注释Web页，也可以使用SHOE开发项目提供的Knowledge Annotator Knowledge Annotator会显示实例，ontologies和声明，用户可以任意添加，编辑，删除这些对象

用户用语义标记生成页面 一个基于SHOE的知识编辑器界面

整合信息资源 Web爬行工具Expose解析爬过的每个Web页面，如果页面指向了不认识的Ontology，则装入 根据装入的Ontology分析页面，获取Web页面中的知识，存入本地知识库 根据页面的重要程度赋予权重

查询语义网 用户选择查询所用的Ontology 根据Ontology选择所感兴趣的查询对象，输入欲查询的属性值 SHOE根据查询检索知识库，返回查询结果

查询语义网 SHOE的查询界面：

研究挑战和热点 知识形式化的程度 异质问题 包容和安全推理 促进语义网的尽快应用

知识形式化的程度 在知识形式化的程度上，至今没有共识 形式化的可能性可以小到Dublin Core，也可以大到一个完整的逻辑表示语言 于是目前的语义网发展就存在这样一个问题，即需要设计一个框架，能够包含各种形式化程度的知识，包容对Web的不同理解

异质问题 异质是语义网的内在特性 没有一种语义网语言可以满足所有需求，没有一种模型可以应用到所有实例，也没有一个Ontology可以覆盖所有潜在的应用领域 因此语义网的发展需要考虑对异质的处理

异质问题 对于SW的异质性，考虑下述几种方式 按照层及模块来开发表示语言 研究模型的假设对于互操作性的影响 提供一个异质转化的基础架构 通过网络提供模型和组件的重用以及版本的进化

包容和安全推理 对于不同的应用，应该由不同的推理方法 包容那些混乱的元数据和非语义内容 提供一个安全基础结构来保证推理的准确性

促进语义网的尽快应用 语义网的应用，取决于语义网上每个应用可以获得的资源，这需要： 基本的Ontology的开发 文本挖掘 偶然信息的扑获

参考资料 http://www. Semanticweb.org/ http://www.w3.org/2001/sw/Activity http://www.daml.org/2001/03/daml+oil-index http://www.ontoknowledge.org/oil/

开发工具 RDF和RDF(S)开发工具:http://www.w3.org/RDF/ Protege-2000: Ontology 编辑器 http://www.smi.stanford.edu/projects/protege/ SErgey Meelnik:一个基于Java的RDF Api,其中包括XML和RDF的解析器，基于Schema的验证，RDF模型的加密，RDF之上的UMI支持，RDF Shcema的java处理htttp://wwww-db.stanford.edu/~melnik/rdf/api.html. SiLRI:一个轻线程的推理数据库，可以用RDF元数据来进行推理,基于Java http://wwww.aifb.uni-karlsruhe.de/~sde/rdf