基于本體的農業數據集成

〔摘 要〕本文介紹了本體在數據集成中的作用，借簽Wrapper/Mediator架構模式，提出了基于本體的農業數據集成模式，并以一個簡單的農業古籍數據集成為例，闡述了此模式的具體應用。

〔關鍵詞〕本體;農業數據;數據集成

〔中圖分類號〕TP391 〔文獻標識碼〕B 〔文章編號〕1008-0821(2009)03-0062-04

隨著信息處理技術的發展，農業信息急劇增長，產生了大量不同類型的數據，這些數據以不同形式存放在各個部門的不同應用系統中，而且往往處于采集時的原始狀態，具有異構性，包括數據結構異構和語義異構。如何將這些異構數據進行合理有效地集成，成為農業信息共享必需解決的問題。

1 基于本體的農業數據集成模式

語義異構(即語義沖突)包括概念模糊、命名沖突和域沖突。利用本體為特定領域的實體給出名字和描述，使用謂詞來表示這些實體之間的關系。通過對概念的嚴格定義和概念之間的關系來確定概念的精確含義，表示共同認可的、可共享的知識，從而解決語義異構的問題。

在農業數據集成中使用農業本體有以下優勢:本體提供了一個豐富的、預定義的詞匯庫，可作為與數據源的穩定的概念接口，并且獨立于數據模式;本體表示的知識足夠支持所有相關信息源的轉換;本體支持一致的管理和非一致數據的識別等。

本文利用本體在解決語義異構上的優勢，研究解決農業數據集成中語義異構的問題，借鑒Wrapper/Mediator架構方式[1]，提出適應農業數據的集成模式，如圖1所示。

此模式研究包括:農業數據全局本體構建、農業數據局部本體構建、全局本體與局部本體映射，以及局部本體與數據源的映射。本文以一個簡單的農業古籍數據集成為例，闡述這一模式在農業數據集成中的具體應用。

2 農業數據全局本體構建

農業數據全局本體的建立主要包括確定本體應用的目的和范圍、查找術語(原語)，定義全局本體，本體編碼，具體步驟如下:

2.1 確定本體應用的目的和范圍

應用目的是幫助集成與農業古籍有關數據，方便知識共享。應用范圍包括農業古籍相關領域的數據。

2.2 查找術語

這是提取數據集成領域中詞匯(術語)的過程。這些詞匯用來構建全局本體的概念或者屬性。通過了解領域知識，找到該領域中的主要的、關鍵的概念，并將其提取出來作為全局本體中的詞匯，由這些全局的詞匯構成公共語義詞匯庫，作為待集成數據源語義上統一的基準。提取出來的詞匯必須是概念明確、無二義性、領域相關度高的詞匯。例如:農業古籍相關術語提取如下:農書、出版機構、研究機構、出版活動、研究活動、農史專家、農書作者、姓名、主題、版本等。

2.3 定義全局本體

這個步驟包括3個方面的內容:定義類的等級結構、定義類的屬性、定義類之間的關系。

2.3.1 定義類和類等級結構

本文在定義類的等級結構時采用自頂向下的方法，在全局本體中，從頂層出發，分為農書、機構和活動;其中:活動又分為出版活動，研究活動和收藏活動，機構又分為研究機構，出版機構和收藏機構。先創建父概念，再創建其子概念。其類層次結構如如圖2所示:

2.3.2 定義類的屬性

定義類的屬性即是描述這些概念的內部結構。從已創建的術語表中篩選出類后，剩下的大多數術語(除一些個體或實例外)基本上都是這些類的屬性。這些屬性包括主題、版本等。

2.3.3 定義類之間的關系

關系定義了本體中不同類之間的聯系，以及類與數據類型之間的聯系。如圖2所示:關系對應與圖中連接不同的矩形的邊，表示不同類之間的聯系。

2.4 本體的編碼

使得本體能以計算機可以理解的方式表示，從而有效利用本體的語義描述能力。本文采用OWL語言描述本體，使用斯坦福大學的 protégé本體建模工具進行建模。以下是部分OWL文件代碼，以及如圖3所示的本體圖。

agrbook.owl文件部分內容:

＜owl:Class rdf:ID=″AgrBook″＞

＜rdfs:subClassOf

rdf:resource=″http:∥www.w3.org/2002/07/owl#Thing″/＞

＜rdfs:subClassOf＞

＜owl:Restriction＞

＜owl:allValuesFrom＞

＜owl:Class rdf:ID=″Author″/＞

＜/owl:allValuesFrom＞

＜owl:onProperty＞

＜owl:ObjectProperty rdf:ID=″has″/＞

＜/owl:onProperty＞

＜/owl:Restriction＞

＜/rdfs:subClassOf＞

＜/owl:Class＞

3 農業數據局部本體構建

農業數據局部本體是對農業局部數據源的語義描述。使用局部本體的優勢主要體現為以下兩點:

每個局部數據源都可能有不同的數據模型，即使相同的數據模型也可能有不同的語義異構問題。通過對局部數據源的分析，將局部數據源的語義信息提取出來，并用形式化的本體建模語言進行描述，通過映射能有效解決同名異義或異名同義等問題。

由于全局本體和局部本體的分離，降低了系統耦合性，使得局部數據源的數據模式的改變不會影響到全局本體，能較快的適應數據源模式頻繁改變的情況。

農業古籍數據集成中，預設存在一個數據源S1主要存儲收藏機構與農書信息，其對應局部本體如圖4所示。

Agrbook(Name，Version，Count，Cname);(農書的名稱、版本、數量和收藏機構名稱)

Collector(Cname，Address，Type);(收藏機構名稱、地址和類型)

Collect(Cname，Name);(收藏機構名稱和農書名稱)

同時，存在一個數據源S2主要存儲出版機構與農書信息，其對應局部本體如圖5所示。

Monograph(Aname，Version，Count，Name);(農書的名稱、版本、數量和收藏機構名稱)

Publisher(Name，Address，Type);(出版機構名稱、地址和類型)

Publish(Name，Aname);(出版機構名稱和農書名稱)

4 全局本體與局部本體映射

局部本體是全局本體的局部視圖，局部本體中的概念和關系在全局本體中可以找到一個對應的語義上相同的概念實體，通過這種映射建立語義上的相關性。

具體映射建立方法可以分為以下步驟:概念的映射、屬性的映射和角色的映射。

4.1 概念的映射

通過概念映射解決各個局部數據源的異名同義和同名異義問題。

如局部數據源S1中的Agrbook和全局本體中的Agrbook是代表相同的語義概念，則建立起從S1.Agrbook到Agrbook的映射關系。如圖6所示。

再如數據源S1中用Agrbook表示農書，而數據源S2中用Monograph表示農書。這兩個概念在語義上是相似的，則通過建立S1.Agrbook到全局本體中的Agrbook的映射和S2.Monograph到全局本體中的Agrbook的映射，使得兩個不同名字的概念在語義上得到了統一。如圖7所示。圖6 映射解決異名同義問題

4.2 定義局部本體中的屬性到全局本體中的屬性的映射關系

映射建立方法和概念的映射類似。

4.3 定義局部本體中的角色和全局本體角色的映射關系

角色是連接概念之間的關系，通過定義每個局部本體中的角色到全局本體中角色的映射關系，使得局部本體和全局本體之間的映射關系不再只是概念之間的對應關系，擴展到路徑之間的映射關系。局部本體之間的角色路徑對應到了全局本體的角色路徑。

5 局部本體與數據源的映射

具體的建立方法如下:

5.1 建立本體中的概念(本體圖中的矩形代表的實體)和關系表的映射

即將本體中的概念對應到關系數據庫中的表名。

5.2 建立本體中的屬性和關系表的映射

即將本體中的屬性對應到關系數據庫中關系表的具體的字段名。

5.3 局部本體中角色和關系數據庫的映射

由于關系數據庫中實體之間的關系主要分為一對一、一對多、多對多3種，不同的關系模式通過主鍵和外鍵的方式聯系起來。對于多對多的實體關系，需要單獨構造一個關系表，關系表的主鍵包含了2個外鍵，它們分別是關系表聯系的兩個實體的主鍵。

數據源S1和數據源S2建立局部本體到數據源的映射如表1和表2所示。

6 結束語

農業資源合理高效利用是農業可持續發展的重要保證，而農業數據共享是農業資源合理高效利用的前提。目前，農業數據的開發利用程度還很低，大量數據處在分散狀態，數據之間缺乏統一的標準。本文根據本體在數據集成中的作用，提出了將一種基于本體的數據集成模式應用于農業數據集成中，對當前農業數據集成中遇到的問題提出了一套解決方案。本研究的下一步工作是利用集成的農業數據建立一個基于本體的農業數據檢索平臺，實現數據共享。

參考文獻

[1]李珊，歷浩，張炯，等.基于本體的異構數據集成的研究[J].計算機工程與設計，2007，28(6):1460-1462.

[2]曹玲，何琳.農業古籍本體構建與應用[J].廣西師范大學學報:自然科學版，2007，(2):1-4.

[3]鄭婭峰.異構數據集成的研究與實現[D].西北大學，2005.

[4]馮志勇，李文杰，李曉紅.本體論工程及其應用[M].北京:清華大學出版社，2007.

[5]向紅.基于本體的異構數據集成系統研究與實現.[D]西安電子科技大學，2007.

[6]謝能付，王文生.農業知識本體構建方法[J].農業網絡信息，2007，(8):12-16.

[7]趙菊華.基于本體的水資源數據研究[J].計算機應用，2007，(10):31-33.

[8]賈暉.基于本體映射的異構數據集成中間件HDIM研究[J].現代電子技術，2007，(18):143-145.

[9]常春.聯合國農業與糧食組織AOS項目[J].農業圖書情報學刊，2003，(2):14-15.