（計算機軟件與理論專業(yè)論文）基于本體和服務發(fā)現(xiàn)的web信息集成研究.pdf

摘要 摘要 隨著w c b 信息的爆炸式增長，如何構(gòu)建w e b 信息集成系統(tǒng)來有效地組織和管理 分布于世界各地海量的w c b 數(shù)據(jù)，從中有效的獲取有用信息，成為人們最關(guān)注的問 題。本文在深入分析和討論w c b 信息集成系統(tǒng)的研究現(xiàn)狀和發(fā)展趨勢基礎之上，提 出了一個基于本體和服務發(fā)現(xiàn)的w e b 信息集成系統(tǒng)，并圍繞系統(tǒng)中的幾個主要關(guān)鍵 技術(shù)，如：在領域本體構(gòu)建和數(shù)據(jù)源的服務封裝和服務描述以及基于服務發(fā)現(xiàn)的 查詢分解技術(shù)等方面進行了研究，其主要內(nèi)容如下： 1 ) 改進了傳統(tǒng)的虛擬集成方法，在m e d i a t o r 和數(shù)據(jù)源之間增加了一個w e b 服 務庫層，包含了用w e b 服務技術(shù)封裝的各數(shù)據(jù)源包裝器的服務，并采用語義w e b 服務本體描述語言( o w l - s ) 對各數(shù)據(jù)源服務進行語義描述，形成了中介器和數(shù)據(jù)源 的松散耦合結(jié)構(gòu)，使得數(shù)據(jù)源訪問更具透明性。 2 ) 在m e d i a t o r 實現(xiàn)上，系統(tǒng)采用了帶語義的動態(tài)服務發(fā)現(xiàn)機制實現(xiàn)l a v 模式， 滿足了w e b 信息集成系統(tǒng)對數(shù)據(jù)源的動態(tài)擴展需求；在查詢分解方面提出了一種語 義匹配與選擇算法，它采用語義相似度的計算，實現(xiàn)服務選擇，完成查詢分解。 此外，系統(tǒng)使用基于領域本體構(gòu)建全局和局部視圖的策略，避免領域中概念的語 義沖突。 3 1 設計和實現(xiàn)了集成系統(tǒng)的領域本體、基于領域本體的數(shù)據(jù)源服務包裝與語 義描述和m e d i a t o r 模塊，包括查詢處理、服務發(fā)現(xiàn)與選擇策略等模塊。并介紹了主 要的本體結(jié)構(gòu)和查詢分解策略的實現(xiàn)情況。 關(guān)鍵詞：w e b 信息集成本體w e b 服務服務發(fā)現(xiàn)語義匹配 a b s t t a c t a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to ft h ew e bi n f o r m a t i o n h o wt oc o n s t r u c tt h ew e b i n f o r m a t i o ni n t e g r a t i o ns y s t e m ( w i i s ) t oo r g a n i z ea n dm a n a g es u c hd i s t r i b u t e dw e b i n f o r m a t i o ne f f e c t i v e l y ，a n dt of i n do u tu s e f u li n f o r m a t i o ne f f i c i e n t l y ，i sb e c o m i n ga c h a l l e n g i n gb u te x c i t i n gr e s e a r c ht o p i c t h i sd i s s e r t a t i o np r e s e n t e dan e ww e bi n f o r m a t i o ni n t e g r a t e ds y s t e m ，b a s e do nt h e o v e r v i e wo fc u r r e n tr e s e a r c ha n di m p l e m e n t a t i o ni n s t a n c e sf o rw i i s t h i sd i s s e r t a t i o n f o c u s e so ns e v e r a lp r o b l e m s ，w h i c ha r e h o wt ob u i l de f f e c t i v ed o m a i no n t o l o g y ，h o wt o w r a pd a t as o u r c e ：( s u c ha s ：w e bs e r v i c e , s e r v i c ed e s c r i p t i o n ) w e l l ，a n dh o w t oe x p l o r e t h eh i g hp e r f o r m a n c ef o rr e s o l v i n gq u e r yd e c o m p o s i t i o nb a s e do nw e bs e r v i c e s d i s c o v e r y t h em a i nw o r ko f t h i sd i s s e r t a t i o ni sa sf o l l o w s ： f i r s t ，a d das e r v i c e sl a y e rb e t w e e nm e d i a t o ra n dw r a p p e r , w h i c hi n c l u d e sa l l t h e v a r i o u sd a t as o n r o gs e r v i c e sw h i c hw r a p p e da sw e bs e r v i c e s t h es e m a n t i cw e b o n t o l o g yl a n g u a g e ( o w l - s ) i su s e dt od e s c r i b et h ed a t as o u r c es e r v i c e s ，w h i c hf o r m s t h el o o s ec o u p l i n ga r c h i t e c t u r eo ft h em e d i a t o ra n dd a t as o u r c ea n dm a k e st h ev i s i tm o r e t r a n s p a r e n t s e c o n d ，o nt h er e a l i z a t i o no ft h em e d i a t o r , t h es y s t e ma d o p t st h el a vm o d e lw i t h as e m a n t i cd y n a m i cs e r v i c ed i s c o v e r i n gm e c h a n i s m i ti se a s i e rt os u p p o r tt h ee x t e n d i n g o ft h ed y n a m i cd a t as o u r c e s ；d e c o m p o s i t i o nm a d ei n q u i r i e si nc o n n e c t i o nw i t ha s e m a n t i cm a t c h i n ga l g o r i t h m - - s e m a n t i cm a t c ha n dc h o i c ea l g o r i t h mu s i n gt h e s e m a n t i cs i m i l a r i t y ，i n q u i r i e so p t i o nt oa c h i e v ec o m p l e t ed e c o m p o s i t i o n f u r t h e r m o r e ， b e c a u s eg l o b a lv i e wa n dl o c a lv i e wa r ca l lc o n s t r u c t e db a s e do nd o m a i n b a s e d o n t o l o g y ，t h ec o n f l i c to fs e m a n t i cf i e l db ea v o i d e d t h i r d ，ad o m a i n - b a s e do n t o l o g y ，o n t o l o g y - b a s e dw r a p p i n gs e r v i c ea n ds e m a n t i c d e s c r i p t i o no ft h ed a t as o u r c e sa n dm e d i a t o rm o d u l e s ，i n c l u d i n gq u e r yp r o c e s s i n g , s e r v i c ed i s c o v e r ya n ds e l e c t i o ns t r a t e g ya r ed e s i g n e da n di m p l e m e n t e d t h e nab r i e f i n t r o d u c t i o no nt h em a i ns t r u c t u r eo fo n t o l o g ya n dt h ea c h i e v e m e n to fd e c o m p o s i t i o n a l g o r i t h mi sg i v e nb yt h i sd i s s e r t a t i o n k e y w o r d s ：w e b i n f o r m a t i o ni n t e g r a t i o n o n t o l o g y w e bs e r v i c e s e r v i c ed i s c o v e r ys e m a n t i cm a t c h i n g 創(chuàng)新性聲明 本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究 成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不 包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或 其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做 的任何貢獻均已在論文中做了明確的說明并表示了謝意。 申請學位論文與資料若有不實之處，本人承擔一切相關(guān)責任。 本人簽名：黑蘊縫 日期駕伴 關(guān)于論文使用授權(quán)的說明 本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生 在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學。本人保證畢業(yè) 離校后，發(fā)表論文或使用論文工作成果時署名單位仍然為西安電子科技大學。學 校有權(quán)保留送交論文的復印件，允許查閱和借閱論文；學?？梢怨颊撐牡娜?或部分內(nèi)容，可以允許采用影印、縮印或其它復制手段保存論文。( 保密的論文在 解密后遵守此規(guī)定) 本學位論文屬于保密在一年解密后適用本授權(quán)書。 本人簽名： 導師簽名： 日期崮軸犁疽 日期幽社犁且 第一章緒論 第一章緒論 1 1 研究背景 如今網(wǎng)絡已成為人們進行信息傳遞和共享的一種重要工具，i n t e r n e t 上海量的 w c b 信息資源成為了全球最大的知識倉庫，網(wǎng)絡技術(shù)作為一種新的環(huán)境資源為新技 術(shù)開辟了新的領域w c b 信息集成。w e b 信息集成的目標是將不相容的、不同模 式的分布式w e b 信息源的數(shù)據(jù)進行有效的集成。用戶可通過統(tǒng)一的訪問模式透明地 對分布式信息源進行訪問以完成對信息搜索，而無需了解具體的分布式信息源的 信息結(jié)構(gòu)和訪問接口。如何構(gòu)建集成的w e b 信息系統(tǒng)來有效地組織和管理分布于世 界各地的海量數(shù)據(jù)，提高信息獲得速度并合理、高效地利用這一巨大的信息資源 已經(jīng)成為信息集成研究領域的一個熱點問題。 傳統(tǒng)的信息集成數(shù)據(jù)源多集中在異構(gòu)數(shù)據(jù)庫、異構(gòu)多文檔等方面的集成，其 數(shù)據(jù)源有數(shù)據(jù)模式相對穩(wěn)定，數(shù)據(jù)源的數(shù)量變化不大的特點。如今，隨著信息源 分布的越來越廣泛，i n t e m e t 上的各站點信息已經(jīng)成為一種重要的信息源，然而， 當前w e b 信息來源多種多樣，有來自h t m l 網(wǎng)頁、電子郵件、電子表格、文本文件 及語音郵件等等，與傳統(tǒng)數(shù)據(jù)源相比這些w e b 數(shù)據(jù)源具有自己獨特的特點：首先， w e b 數(shù)據(jù)源分部廣泛，其數(shù)量成爆炸式增長；其次，數(shù)據(jù)源的建立、運行與維護相 互獨立；再次，w e b 數(shù)據(jù)源中的數(shù)據(jù)屬于非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)，每個數(shù)據(jù)源都 有自己的數(shù)據(jù)模式，各個數(shù)據(jù)源之間缺乏一個統(tǒng)一的語義集；最后，w c b 數(shù)據(jù)更新 和變化都非常頻繁。 正是由于w e b 數(shù)據(jù)源所具有以上幾個特點，而且內(nèi)容和表現(xiàn)方式也在動態(tài)變 化，結(jié)果使褥w e b 數(shù)據(jù)處于雜亂無序的狀態(tài)，數(shù)據(jù)集成性很差，給建立w c b 數(shù)據(jù)集 成系統(tǒng)帶來了很多挑戰(zhàn)性的問題?，F(xiàn)階段，w e b 信息集成引起了眾多研究者的興趣， 進行了大量的工作并取得了一定的成果，但是該領域仍然處于初級階段，有很多 關(guān)鍵的地方存在很多的困難。 1 2 研究內(nèi)容 我們針對w e b 信息集成所涉及的各個方面，尤其是其集成的對象w e b 信息 源服務的語義描述以及集成中的查詢分解技術(shù)進行了有效的研究。構(gòu)建了一個基 于本體的w e b 信息集成框架，其主要的研究工作有以下幾點： 1 ) o n t o l o g y ( 本體) 在w e b 信息集成中的應用，領域本體的建立，以及基于領域 本體的w e b 信息集成系統(tǒng)的結(jié)構(gòu)。 勁數(shù)據(jù)源的w e b 服務封裝，以及基于語義的服務描述方法。 2基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 3 1 在相應的中間層中，在領域本體指導下采用服務匹配和選擇策略解決查詢 分解等技術(shù)。 采用上述技術(shù)實現(xiàn)了一個w e b 信息集成的原型系統(tǒng)，并通過實驗對上述技 術(shù)進行了驗證。 1 3 論文結(jié)構(gòu) 全文共分為七章，各章內(nèi)容如下： 第一章簡要介紹本論文的研究背景、研究目的和意義以及論文的主要工作和 論文的章節(jié)組織。 第二章首先詳細論述了w e b 信息集成的原理、內(nèi)涵、主要方法、國內(nèi)外研究現(xiàn) 狀；然后給出了集成相關(guān)的本體技術(shù)，涉及本體概念、分類、特點以及本體在信 息集成中的應用；最后簡要說明了另一個和集成相關(guān)的技術(shù)：w e b 服務的相關(guān)內(nèi)容。 第三章提出一個基于本體和服務的w c b 信息集成系統(tǒng)框架，并詳細說明了框架 體系結(jié)構(gòu)、結(jié)構(gòu)中的各模塊功能以及系統(tǒng)的設計特點最后給出了一個系統(tǒng)的查詢 處理流程。 第四章主要介紹此w e b 信息集成系統(tǒng)中一個主要的問題領域本體的構(gòu)建 以及相關(guān)的內(nèi)容。包括領域本體構(gòu)建的元語、原則、構(gòu)建方法和步驟以及使用的 描述語言o w l 、語言實例和構(gòu)建工具p r o t 6 9 6 的介紹。 第五章介紹此w e b 信息集成系統(tǒng)中另一個主要的問題查詢分解問題。主要 內(nèi)容有：本系統(tǒng)采用的查詢分解方法的介紹，即帶語義的服務發(fā)現(xiàn)技術(shù)，基于領 域本體的w e b 信息源描述方法的詳細說明，以及如何使用領域本體的語義相似度匹 配實現(xiàn)服務發(fā)現(xiàn)和選擇等內(nèi)容。 第六章實現(xiàn)該w e b 信息集成技術(shù)的原型系統(tǒng)，并通過實例對所采用的方法進行 說明和驗證。 第七章總結(jié)與展望?？偨Y(jié)所做的工作，展望未來的工作和下一步的研究。 第二章相關(guān)研究內(nèi)容及現(xiàn)狀 3 第二章相關(guān)研究內(nèi)容及現(xiàn)狀 2 1w e b 信息集成 2 1 1w e b 信息集成概述 w e b 信息集成就是在w e b 環(huán)境中實現(xiàn)不同( 在橫向或縱向上存在著差異) 數(shù)據(jù) 源之間的信息交互，并能夠從這些不同的數(shù)據(jù)源中有效獲取信息并加以融合，以 支持對w e b 上多個信息源的統(tǒng)一查詢的數(shù)據(jù)庫技術(shù)。w e b 信息集成為全局應用和為 用戶提供統(tǒng)一、透明地訪問一組己存在的自治、分布和異構(gòu)數(shù)據(jù)源的方法，集成 的數(shù)據(jù)源包括獨立站點數(shù)據(jù)、x m l 數(shù)據(jù)集、文本數(shù)據(jù)集等結(jié)構(gòu)化和非結(jié)構(gòu)化信息。 w e b 信息集成需要處理大量的、數(shù)目不定的源。如何在w c b 上各種各樣存在形式的 數(shù)據(jù)源中準確的選擇合適的數(shù)據(jù)源并從中高效的找到查詢需要的結(jié)果是w c b 信息 集成的主要任務，它已成為數(shù)據(jù)庫研究中的一個重要研究領域。 w e b 信息集成技術(shù)應用領域非常廣泛，如電子商務，網(wǎng)絡搜索，企業(yè)應用整合 等。隨著互聯(lián)網(wǎng)的發(fā)展和各個機構(gòu)信息化的完善，許多合作密切的企業(yè)或組織的 桌面應用也會轉(zhuǎn)變?yōu)閣 c b 整合的應用，這也將促使對w e b 信息集成需求的增長。 2 1 2w e b 信息集成方法 w e b 信息集成系統(tǒng)具有多層體系結(jié)構(gòu)( 一般包括：用戶接口層，數(shù)據(jù)源層，中 間層) ，根據(jù)中間層的實現(xiàn)方法不同，信息集成系統(tǒng)可分為物化( m a t e r i a l i z e d ) 集成 和虛擬( v i r t u a l ) 集成兩種1 1 1 。 ( 1 ) 物化集成技術(shù) 物化集成的典型代表是數(shù)據(jù)倉庫方法。該方法將各信息源中的數(shù)據(jù)利用抽取 器全部抽取出來，然后再用包裝器、合成器將抽取的數(shù)據(jù)合成為一個全局模式， 集中存儲到數(shù)據(jù)倉庫中，系統(tǒng)針對數(shù)據(jù)倉庫進行數(shù)據(jù)維護和處理。該方法優(yōu)點是 對不同類型的數(shù)據(jù)源可以采用統(tǒng)一的管理，管理方式簡單方便；缺點是數(shù)據(jù)倉庫 不允許更新，只能定期重建，并且存在例如數(shù)據(jù)類型不支持、數(shù)據(jù)結(jié)構(gòu)無法映射、 轉(zhuǎn)換接口工作量大、系統(tǒng)網(wǎng)絡傳輸和處理瓶頸等問題。只適合于數(shù)據(jù)刷新頻率不 高且集成規(guī)模不大的以決策分析和數(shù)據(jù)挖掘等為主要應用的系統(tǒng)中。該類系統(tǒng)的 結(jié)構(gòu)見圖2 1 。 4基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 圖2 ，1 數(shù)據(jù)倉庫方法 ( 2 ) 虛擬集成技術(shù) 在用戶需要獲得及時的查詢結(jié)果，且數(shù)據(jù)源中的數(shù)據(jù)更新頻繁的情況下，物 化集成技術(shù)將不再是好的選擇。這時候我們選擇虛擬集成方法。虛擬集成方法又 稱m e d i a t o r w r a p p e r 方法。該類系統(tǒng)的結(jié)構(gòu)見圖2 2 。 圖2 2m e d i a t o r w r a p p e r 力- 法 第二章相關(guān)研究內(nèi)容及現(xiàn)狀5 一般來說，在虛擬集成方法構(gòu)建的信息集成系統(tǒng)中主要有中介器( m e d i a t o r ) 和 包裝器( w r a p p e o 兩部分，其中包裝器對特定數(shù)據(jù)源進行封裝，將其數(shù)據(jù)模型轉(zhuǎn)換 為系統(tǒng)所采用的通用模型，作為其輸出模式，并提供一致的物理訪問機制。中介 器不存儲任何數(shù)據(jù)，而是采用支持虛擬視圖的方式進行數(shù)據(jù)源操作。中介器的核 心是全局查詢處理、分解和優(yōu)化，即如何把用戶的查詢分派成各數(shù)據(jù)源自身能接 受的查詢。中介器有一個使用通用模型描述的全局模式，它通過調(diào)用包裝器或其 它中間層來集成數(shù)據(jù)源中的信息，解決數(shù)據(jù)冗余和不一致性，提供一致協(xié)調(diào)的數(shù) 據(jù)視圖和統(tǒng)一的查詢語言。通過在中介器和包裝器之間分割處理任務，可以提高 查詢處理的并發(fā)性，減少響應時間。包裝器既可與中間層處于同一位置，也可與 數(shù)據(jù)源處于同一位置，這取決于系統(tǒng)的性能要求、數(shù)據(jù)源的歸屬關(guān)系及其訪問控 制權(quán)限。 虛擬集成系統(tǒng)有下列一些特點： 1 ) 用戶的查詢提交給中間層。中間層具有一個其所集成數(shù)據(jù)源的全局視圖， 該視圖叫做中間模式( m e d i a t o rs c h e m a ) ，由一組虛擬的關(guān)系組成，其對應于下屬數(shù) 據(jù)源中的數(shù)據(jù)信息。中間層將用戶的查詢分解成對多個數(shù)據(jù)源的查詢，并合并所 有數(shù)據(jù)源提供的結(jié)果，形成最終的查詢結(jié)果返回給用戶。另外，為了進行查詢分 解中間層必須包含一組信息源模型，每個信息源模型描述了該信息源的內(nèi)容、屬 性、內(nèi)容完備性約束、可信度以及查詢處理能力，查詢分解的過程要以信息源的 上述一系列屬性為根本依據(jù)。 2 ) 中間層不直接與數(shù)據(jù)源進行聯(lián)系，它直接i 0 w r a p p e r 發(fā)送查詢請求；w r a p p e r 執(zhí)行收到的查詢，并將結(jié)果返回給中間層。 3 ) 由于采用m e d i a t o r w r a p p e r 結(jié)構(gòu)，這種信息集成系統(tǒng)不僅能夠集成結(jié)構(gòu)化 數(shù)據(jù)源如關(guān)系型數(shù)據(jù)庫、面向?qū)ο髷?shù)據(jù)庫等，而且可以集成半結(jié)構(gòu)化數(shù)據(jù)如h t m l ， x m l 和無結(jié)構(gòu)的數(shù)據(jù)如純文本文件等。 虛擬集成技術(shù)有以下優(yōu)點： 1 ) 能夠集成不同訪問模式的數(shù)據(jù)源。簡化了不同類型數(shù)據(jù)之間的統(tǒng)一存儲， 實現(xiàn)各種數(shù)據(jù)源的高度自治，便于擴展集成系統(tǒng)。 2 ) 可以利用系統(tǒng)中現(xiàn)有的先進方法進行數(shù)據(jù)處理，優(yōu)化了系統(tǒng)的性能。 3 ) 支持用戶的實時訪問，并可以針對不同的用戶提供不同的中間模式。 目前，很多的信息集成系統(tǒng)都采用- y m e d i a t o r w r a p p e r 體系結(jié)構(gòu)，國內(nèi)外研究 開發(fā)的基于m e d i a t o r w r a p p e r 的信息集成系統(tǒng)很多，例如：i b m 阿爾馬登研究中心 與s t a n f o r d 大學共同研究開發(fā)的t s i m m i s 系統(tǒng)”和i n f o m a s t e r 系統(tǒng)“1 ，a t & t 實驗研 究所研制出的i n f o r m a t i o n m a n i f o l d ( i m ) 系統(tǒng)”1 ，南加利福尼亞大學的c r a i g k n o b l o c k 和s t e v em i n t o n 等人設計的s i m s 信息系統(tǒng)腳以及在基于s i m s 的面向互聯(lián)網(wǎng)的w e b 6基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 信息集成系統(tǒng)a d r i a n e m 。國內(nèi)的有東南大學研制的v e r s a t i l e 系統(tǒng)以及g a l a 】【v 系統(tǒng) 等。 上述兩種方法各具優(yōu)勢，數(shù)據(jù)倉庫方法將被集成數(shù)據(jù)源的數(shù)據(jù)提取到本地存 儲，具有查詢速度快、效率高、實現(xiàn)簡單等特點，該方法對于命中的查詢效率要 比虛擬方法更高，但是不適用于動態(tài)變化強烈的數(shù)據(jù)源的集成；而虛擬方法更適 應于數(shù)據(jù)源數(shù)目多、各局部數(shù)據(jù)源的自治性很高且局部數(shù)據(jù)經(jīng)常變化的w e b 環(huán)境。 由于基于m e d i a t o r w r a p p e r 的虛擬集成技術(shù)可以集成范圍廣泛的數(shù)據(jù)源，且具 有高度模塊化和分布性，實現(xiàn)靈活、重用性、擴展性強等優(yōu)點，因此在w c b 信息集 成系統(tǒng)中通常采用虛擬集成技術(shù)。 2 1 3 國內(nèi)外研究現(xiàn)狀 w e b 信息集成是近些年才興起的一個研究領域，在此之前，解決異構(gòu)數(shù)據(jù)庫交 互的信息集成技術(shù)已有2 0 多年的歷史了。自1 9 9 4 年s t a n f o r d 大學提出集成和共享 i n t e m e t w e b 上分布式信息源m e d i a t o r w r a p p e r 架構(gòu)以來研究者在分布式信息集 成技術(shù)方面開展了大量研究工作，取得了許多研究成果。國際上重要的數(shù)據(jù)管理 學術(shù)會議如v l d b ，s i g m o d ，i c d e 等都會經(jīng)常有關(guān)于集成技術(shù)研究的會議；此 夕b c m m ，m a i m ，w i s e ，w i d m 等知名會議也特別關(guān)注w e b 信息和數(shù)據(jù)管理的研 究，重要的雜志有a c m 的t k d e 等。國外已有許多工作組，從事數(shù)據(jù)集成及w e b 信息集成領域的研究。比如u n i v e r s i t y o f w a s h i n g t o n 的a l o nh a l e v y 等人的工作組， s t a n f o r d 的j e f r e yu l i m a n 領導的實驗室；g a s h i s h 和h v e n k y 等人提出虛擬數(shù)據(jù)庫 f v i r t u a ld a t a b a s e ，簡稱v d 聊技術(shù)等。他們提出了許多好的w e b 信息集成和數(shù)據(jù)集 成方法，為該領域的發(fā)展奠定了一定的基礎。在國內(nèi)，目前已有相當一部分人員 從事w e b 數(shù)據(jù)管理，尤其是w e b 信息集成方面的研究：清華大學的周立柱，復旦大 學的施伯樂，中國人民大學的孟小蜂等。此外，國內(nèi)比較重要的會議：“全國數(shù) 據(jù)庫學術(shù)會議”，重要的雜志：軟件學報、計算機學報、計算機研究與發(fā)展等也 都關(guān)注著w e b 信息集成的發(fā)展。 2 2 本體技術(shù) 2 2 1 本體基本概念 本體是哲學概念，它是研究存在的本質(zhì)的哲學問題，即研究“世界的本原”。它 所要回答的問題是客觀世界的本質(zhì)是什么。本體具有兩個特性：靜態(tài)性和動態(tài)性。 靜態(tài)性指它反映的是概念模型，沒有涉及動態(tài)的行為。動態(tài)性指它的內(nèi)容和服務 第二章相關(guān)研究內(nèi)容及現(xiàn)狀 7 對象是不斷變化的，針對不同的領域，可以定義和構(gòu)造不同的本體。近幾年來， 這個詞被應用到計算機界，并在人工智能、計算機語言以及數(shù)據(jù)庫理論中扮演著 越來越重要的作用。然而，到目前為止，對于此概念，還沒有統(tǒng)一的定義和固定 的應用領域。在知識工程領域，對本體概念的理解先后出現(xiàn)了以下的幾個代表性 定義。 1 ) n e c h e s 等人在1 9 9 1 年首先指出：“一個本體定義了組成主題領域的詞匯的基本 術(shù)語和關(guān)系，以及用于組合術(shù)語和關(guān)系以定義詞匯外延的規(guī)則”【1 0 1 。 2 ) g r u b e r 于1 9 9 3 年指出：“本體是概念化( c o n c e p t u a l i z a t i o n ) 的一個顯式的( e x p l i c i t ) 規(guī)范說明或表示”1 1 1 1 。 3 ) g u a f i n o 和g i a r e t t a 于1 9 9 5 年給出了如下定義，即“本體是概念化的某些方面的一 個顯式的規(guī)范說明或表示”【“l(fā) 。 4 ) b o r s t 于1 9 9 7 年給出了一個類似的定義“本體可定義為被共享的概念化的一個形 式的規(guī)范說明”【1 5 】。 5 ) w i l l i a m 在1 9 9 9 給出定義：本體是用于描述或表達某一領域知識的一組概念或術(shù) 語。它可以用來組織知識庫較高層次的知識抽象，也可以用來描述特定領域的 知測1 6 1 。 從以上定義我們可以知道，本體通過對于概念、術(shù)語及其相互關(guān)系的規(guī)范化 描述，勾畫出某一領域的基本知識體系和共享概念模型。這包含4 層含義：概念模 型( c o n c e p t u a l i z a t i o n ) ，明確( e x p l i c i 0 ，形式化( f o r m a l ) 和共享( s h a r e ) 。 1 ) 概念模型指通過抽象出客觀世界中一些現(xiàn)象的相關(guān)概念而得到的模型。概念模 型所表現(xiàn)的含義獨立于具體的環(huán)境狀態(tài)。 2 ) 明確指所使用的概念及使用這些概念的約束都有明確的定義。 3 ) 形式化指o n t o l o g y 是計算機可讀的( 即能被計算機處理) 。 4 ) 共享指o n t o l o g y q h 體現(xiàn)的是共同認可的知識，反映的是相關(guān)領域中公認的概念 集，i i p o n t o l o g y 針對的是團體而非個體的共識。 o n t o l o g y 的目標是捕獲相關(guān)領域的知識，提供對該領域知識的共同理解，確定 該領域內(nèi)共同認可的詞匯，并從不同層次的形式化模式上給出這些詞匯( 術(shù)語) 和詞 匯間相互關(guān)系的明確定義。目前，普遍認為一個本體包括以下五種元素【1 8 】：類、 關(guān)系、函數(shù)、公理和實例。 ( 1 ) 類除了一般意義上的概念外，還可以是任務、功能、行為、策略、推理過程等。 本體中的這些類通常構(gòu)成一個分類層次。 ( 2 ) 關(guān)系表示類之間的關(guān)聯(lián)，一般情況下用r ：c i x c 2 x g 表示類c l ，q ，g 之 間存在n 元關(guān)系r 。 ( 3 ) 函數(shù)是一種特殊的關(guān)系，其中第n 個元素相對于前面1 1 1 個元素是唯一的。一般 情況下，函數(shù)用f ：c l x c 2 x g 1 一c n 表示。 8基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 ( 4 ) 公理表示一些永真式，用于說明函數(shù)之間或關(guān)聯(lián)之間存在的關(guān)聯(lián)或約束。 ( 5 ) 實例是指屬于某個類的個體。 2 2 2 本體分類 由于本體的分類方法比較雜。研究本體的機構(gòu)和組織也很多，目前還沒有能 夠被廣泛接受的分類標準，但是根據(jù)本體不同方面的屬性( 如形式化程度、目的和 描述對象等) ，可以對本體進行初步的分類。 根據(jù)本體的形式化程度不同，可以把本體分為高度非形式化的( h i 曲i y i n f o r m a l ) 、結(jié)構(gòu)非形式化的( s t r u c t u r e d - i n f o r m a l ) 、半形式化的( s e m i f o r m a l ) 和嚴格形 式化的( r i g o r o u s l yf o r m a l ) 。 按照描述或刻畫建模對象的詳細程度可將本體分為參考本體和共享本體，詳 細程度高的稱作參考本體( r e f e r e n c eo n t o l o g y ) ，詳細程度低的稱作共享本體( s h a r e o n t o l o g y ) 。 下面介紹一種典型的分類方式：根據(jù)本體對領域的依賴程度不同可以把本體 細分為頂級( t o p - l e v e l ) 、領域( d o m a i n ) 、任務( t a s k ) 和應用( a p p l i c a t i o n ) 本體等4 類。其 中： 1 ) 頂級本體： 描述的是最普通的概念及概念之間的關(guān)系，如空間、時間、狀態(tài)、事件、過 程、行為、部件等等，與具體的應用無關(guān)，其他種類的本體都是該類本體的特例。 因此頂級本體定義的概念可以跨越幾個領域通用。 2 ) 領域本體： 描述的是特定領域( 如金融、醫(yī)藥、地理等) 中的概念及概念之間的關(guān)系。它針 對特定的應用領域知識的結(jié)構(gòu)和內(nèi)容，包括各種領域知識的類型、術(shù)語和概念， 同時對領域知識的結(jié)構(gòu)和內(nèi)容加以約束，形成描述特定領域中具體知識的基礎。 3 ) 任務本體： 任務本體描述的是特定任務或行為中的概念及概念之間的關(guān)系。領域本體和 任務本體通過特殊化頂級本體來描述一般領域、任務或活動中的概念。 4 ) 應用本體： 描述的是依賴于特定領域和任務的概念及概念之間的關(guān)系。通常，應用本體 是一種概念的混合，這些概念來自領域本體和頂級本體，然而，應用本體可能包 含特定方法和特定任務的擴展，是領域本體和任務本體的特殊化。 圖2 3 表示了它們之間的層次關(guān)系： 第二章相關(guān)研究內(nèi)容及現(xiàn)狀 9 頂級本體 t o p - l e v e lo n t o l o g y 領域本體任務本體 d o m a i no n t o l o g yt a s ko n t o l o g y 應用本體 a p p l i c a t i o no n t o l o g y 圖2 3 本體層次關(guān)系 2 2 3 本體的特點 本體有以下突出的特點： ( 1 ) 本體可以在不同的建模方法、范式、語言和軟件工具之間進行翻譯和映射， 以實現(xiàn)不同系統(tǒng)之間的互操作和繼承。 ( 2 ) 從功能上來講，本體和數(shù)據(jù)庫有些相似。但是本體比數(shù)據(jù)庫表達的知識豐 富得多。首先，定義本體的語言，在詞法和語義上都比數(shù)據(jù)庫所能表示的信息豐 富得多；最重要的，本體提供的是一個領域嚴謹豐富的理論，而不單單是一個存 放數(shù)據(jù)的結(jié)構(gòu)。 ( 3 ) 本體是領域內(nèi)重要實體、屬性、過程及其相互關(guān)系形式化描述的基礎。這 種形式化的描述可成為軟件系統(tǒng)中可重用和共享的組件。 “) 本體可以為知識庫的構(gòu)建提供一個基本的結(jié)構(gòu)。以描述對象的類型而言： 有簡單事實及抽象概念，這些可以描述成一個本體的靜態(tài)實體部分，它們主要描 述的是事物或概念的各個組成部分以及這些組成部分之間的靜態(tài)聯(lián)系；本體也可 以描述事物或概念的運動和變化。應用本體，知識庫就可以運用這類結(jié)構(gòu)去表達 現(xiàn)實世界中浩如煙海的知識和常識。 ( 5 ) 對于知識管理系統(tǒng)來說，本體就是一個正式的詞匯表。本體可以將對象知 識的概念和相互問的關(guān)系進行較為精確的定義。在這樣一系列概念的支持下進行 知識搜索、知識積累、知識共享的效率將大大提高，真正意義上的知識重用和知 識共享也能成為現(xiàn)實。 ( 6 ) 本體適合表示抽象的描述，而領域模型是人們對領域內(nèi)概念的抽象描述， 因此在領域邏輯建模中，本體的使用可以幫助我們清楚地理解特定領域的相關(guān)元 素、關(guān)系和概念，讓知識表達更加準確便捷，幫助人們進行更好的各種處理。 1 0基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 2 2 4 本體在信息集成中的應用 當前的計算機正在從單一的設備向進行信息交換和事務處理的世界范圍網(wǎng)絡 轉(zhuǎn)變。如今，支持數(shù)據(jù)、信息和知識的交換、重用和共享成了當今計算機技術(shù)要 迫切面臨的任務。由于本體有以上六大特點，所以，目前，o n t o l o g y 成功地運用 于知識工程，知識表示，知識標準化，自然語言處理，數(shù)據(jù)庫設計，信息檢索與 抽取，智能信息集成和知識管理，電子商務等領域。 在信息集成方面，本體常用于將某個或多個特定領域的概念和術(shù)語規(guī)范化( 比 如軟件領域，醫(yī)學領域，機械工程領域) ，為異構(gòu)數(shù)據(jù)源數(shù)據(jù)集成提供統(tǒng)一的概念 和術(shù)語標準，并且本體可以為其在該領域或領域之間的實際應用提供便利。 基于本體的信息集成系統(tǒng)由于能提供查詢和資源描述所必需的語義信息，并 通過領域本體知識庫為信息源提供必要的語義標注信息，從而使系統(tǒng)對領域內(nèi)的 概念、概念之間的聯(lián)系及領域內(nèi)的基本公理知識有一個統(tǒng)一的認識，減少了因為 數(shù)據(jù)源采用不同命名造成的語義沖突，進一步提高了系統(tǒng)的聯(lián)想能力和精確性， 為用戶提供更有價值的信息。 2 3 w e b 服務 2 3 1w e b n 務簡介 ( 一) 定義； w e b 服務是部署在w e b 上的、分布式的、自包含的模塊化軟件組件，它為其他 應用程序提供功能，執(zhí)行特定的任務，遵守一系列的技術(shù)規(guī)范，這些規(guī)范使得w e b 服務可以在網(wǎng)絡中被描述、發(fā)布、查找和調(diào)用。本質(zhì)上說，w e b j 務是一種革命性 的分布式計算技術(shù)。它使用基于x m l 的消息處理作為基本的數(shù)據(jù)通信標準，消除 了不同操作系統(tǒng)、編程語言、應用架構(gòu)和不同組件模型之間存在的差異，解決了 異構(gòu)系統(tǒng)相互訪問的問題，使各系統(tǒng)下的功能能夠成為計算網(wǎng)絡的一部分協(xié)同運 行。 ( 二) w e b 服務技術(shù)的優(yōu)點： w c b 服務技術(shù)之所以成為解決當今分布式異構(gòu)系統(tǒng)之間的集成及互操作問題 的最佳解決方案，是由于這一技術(shù)具有一些傳統(tǒng)技術(shù)所不具備的特點。同時這一 技術(shù)也有其適用性。 第二章相關(guān)研究內(nèi)容及現(xiàn)狀 ( 1 ) 封裝完好：w e b 服務是一種部署在w e b 上的對象，它具備對象的良好封裝 性。對于用戶而言，他能且僅能看到該對象提供的功能信息、訪問信息和w e b 服務 提供的網(wǎng)絡編程接口。 。 ( 2 ) 松散耦合：w e b 服務技術(shù)的一個基本特點就是透明性，即當一個服務的實 現(xiàn)內(nèi)容或者實現(xiàn)方式發(fā)生變化之后，調(diào)用它的用戶不會發(fā)覺其中的變化，即服務 的內(nèi)容對用戶是透明的。松散藕合特性主要由相關(guān)協(xié)議來保證，x m l s o a p 協(xié)議 正是目前最為適合的消息交換協(xié)議。 ( 3 ) 互操作性：基于接口定義語言和協(xié)作協(xié)議，任倆 w e b 服務都可以與其它w c b 服務進行交互，真正實現(xiàn)了平臺和語言獨立性。開發(fā)者可以使用任何語言來編寫 w c b 服務，無需更改他們的開發(fā)環(huán)境就可生產(chǎn)和使用w c b 服務。 ( 4 ) 高度的可集成能力：由于w c b 服務采取簡單的、易理解的標準w e b 協(xié)議作 為組件界面描述和協(xié)同描述規(guī)范，完全屏蔽了不同軟件平臺的差異，無論是 c o r b a ，d c o m 還是e j b 都可以通過這一種標準的協(xié)議進行互操作，實現(xiàn)了在當 前環(huán)境下最高的可集成性。 2 3 2w e b j 臣務模型 w e b 服務模型基于三種角色( 服務提供者、服務注冊中心和服務請求者) 之間 的交互，見圖2 4 。交互具體涉及到發(fā)布、查找和綁定等操作。服務提供者首先提 供某種功能服務的實現(xiàn)模塊，然后定義了詳細的服務描述，最后把服務發(fā)布到服 務請求者或服務注冊中心。服務請求者使用查找操作從本地或服務注冊中心搜索 服務描述，然后使用服務描述與服務提供者進行綁定，并調(diào)用相應的服務實現(xiàn)。 圖2 4w e b 服務模型 服務提供者：提供服務，并對服務進行注冊以便于服務的利用。 服務請求者：向服務注冊中心請求服務，并調(diào)用這些服務以完成具體的任務。 基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 服務注冊中心：這是可搜索的服務描述注冊中心，服務提供者在此發(fā)布他們 的服務描述。 在靜態(tài)綁定開發(fā)或動態(tài)綁定執(zhí)行期間，服務請求者查找服務并獲得服務的綁 定信息( 在服務描述中) 。對于靜態(tài)綁定的服務請求者，服務注冊中心是體系結(jié)構(gòu)中 的可選角色，因為服務提供者可以把描述直接發(fā)送給服務請求者。同樣，服務請 求者可以從服務注冊中心以外的其它來源得到服務描述。 2 3 3w e b h 毆務在信息集成中的應用 w e b 服務的設計初衷就是為了屏蔽異構(gòu)系統(tǒng)的差別，異構(gòu)的數(shù)據(jù)源可以使用 w c b 服務對本數(shù)據(jù)源的數(shù)據(jù)服務進行封裝，并發(fā)布服務到注冊中心，供集成系統(tǒng)或 用戶調(diào)用。由于w e b 服務與生俱來的完好封裝性、松散耦合性以及規(guī)范的協(xié)議、高 度可集成能力等優(yōu)點非常適合用于信息集成領域。因此，基于w e b 服務的信息集成 方案已經(jīng)成為構(gòu)建w e b 信息集成系統(tǒng)較為理想的技術(shù)選擇。 2 4 本章小結(jié) 本章一開始給出了w e b 信息集成的定義，詳細的論述了w e b 信息集成的兩種方 法：物化集成方法和虛擬集成方法，說明了虛擬集成方法更適合用于w e b 信息集成， 然后討論了w e b 信息集成的國內(nèi)外研究現(xiàn)狀。接下來，我們介紹了本體的相關(guān)概念、 分類和特點以及本體在信息集成中的應用。在本章最后，我們繪出了w e b 服務的相 關(guān)介紹，包括w e b 服務的概念、優(yōu)點、模型以及w e b 服務在信息集成中的應用。在 下一章節(jié)我們將介紹本論文提出的基于本體和服務的信息集成框架。 第三章基于本體和服務發(fā)現(xiàn)的w e b 信息集成系統(tǒng) 第三章基于本體和服務發(fā)現(xiàn)的w e b 信息集成系統(tǒng) 3 1 體系結(jié)構(gòu) 由于m e d i a t o r w r a p p c r 的集成方法( 2 1 2 節(jié)已經(jīng)介紹齷! 適應于數(shù)據(jù)源數(shù)目多、 各局部數(shù)據(jù)源的自治性很高且局部數(shù)據(jù)經(jīng)常變化的w e b 環(huán)境，因此w c b 信息集成中 主要采用此方法。 本論文提出的信息集成系統(tǒng)在傳統(tǒng)的信息集成方法：m e d i a t o r w r a p p e r 方法上 加以改進，增加了一個w e b l t 務庫層，包含了所有用w e b 服務技術(shù)1 2 1 l 封裝的各數(shù)據(jù) 源包裝器的服務，采用語義w e b 服務本體描述語言( o w l - s ) 對各數(shù)據(jù)源的抽取服務 進行語義描述，形成了中介器和數(shù)據(jù)源的松散耦合結(jié)構(gòu)，使得數(shù)據(jù)源訪問更具透 明性，同時也使系統(tǒng)滿足了擴展性、維護性以及數(shù)據(jù)源數(shù)據(jù)更新的需求。在m e d i a t o r 實現(xiàn)上，系統(tǒng)采用了帶語義的動態(tài)服務發(fā)現(xiàn)機制實現(xiàn)l a v 模式f 矧，使系統(tǒng)非常容 易地支持數(shù)據(jù)源的動態(tài)擴展。此外，本系統(tǒng)使用基于領域本體構(gòu)建全局和局部視 圖的策略，避免了領域中概念的語義沖突。 系統(tǒng)包含領域本體、用戶查詢接口、中介器、w e b l t 務庫和包裝器，其中中介 器包含查詢處理、服務發(fā)現(xiàn)與選擇、服務調(diào)用、結(jié)果處理等功能；w c b 服務庫，包 括w e b 服務注冊和服務調(diào)用等功能；包裝器包含數(shù)據(jù)源包裝器生成、w e b 服務生成 等功能模塊。體系結(jié)構(gòu)如圖3 1 所示。 3 1 1 領域本體 領域本體包含所有數(shù)據(jù)源的通用語義模型。該語義模型規(guī)定了待集成各數(shù)據(jù) 源的數(shù)據(jù)對象的模式和數(shù)據(jù)的語義，從用戶查詢處理、全局數(shù)據(jù)視圖的定義、各 數(shù)據(jù)源局部數(shù)據(jù)視圖的定義、數(shù)據(jù)源描述的生成到基于領域知識的信息檢索與匹 配，可以說本集成系統(tǒng)的各個環(huán)節(jié)都要以領域本體為指導。 1 4基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 圖3 1 系統(tǒng)結(jié)構(gòu)圖 3 1 2 用戶查詢接口 用戶查詢接口負責所有的用戶查詢的預處理。用戶查詢接口分析其收到的查 詢，依據(jù)領域本體信息分析查詢條件，對用戶的查詢信息進行標準化和過濾，保 留應用于查找的條件和約束信息，剔除與領域內(nèi)容無關(guān)的查詢條件，使形成新的 用戶查詢描述。然后把處理過的查詢描述轉(zhuǎn)換成語義表示的查詢條件。用戶查詢 接口還接收中介器返回的查詢結(jié)果，或直接提交用戶，或做轉(zhuǎn)換處理( 比如使用 x s l t 把結(jié)果x m l 文件轉(zhuǎn)換為其他所需格式) 后提交給用戶。 第三章基于本體和服務發(fā)現(xiàn)的w e b 信息集成系統(tǒng) 3 1 3 中介器 圖3 2 中介器結(jié)構(gòu)圖 中介器是本系統(tǒng)的核心，中介器包含查詢處理、服務發(fā)現(xiàn)與選擇、服務調(diào)用、 結(jié)果處理等模塊，中介器結(jié)構(gòu)圖見圖3 2 ，其中查詢處理模塊根據(jù)領域本體框架信 息，分析用戶查詢接口發(fā)來的查詢條件包含的概念及其依賴關(guān)系，得到相關(guān)本體 的屬性信息；服務發(fā)現(xiàn)與選擇模塊把w e b 服務庫中的所有w e b j 艮務提供的語義信息 與查詢處理模塊得到的語義條件進行語義匹配( 匹配的語義包括服務的輸入條件和 輸出信息的語義模型1 ，根據(jù)語義匹配算法得出匹配結(jié)果集，再從語義匹配結(jié)果集 中按匹配度的高低進行排序，然后使用某種選擇策略選擇合適的服務；服務調(diào)用 模塊根據(jù)選取的各個服務所需的查詢輸入要求進行查詢重寫即把用戶的查詢條件 傳遞給服務的輸入條件，并通過服務綁定進行服務調(diào)用，完成所需信息的抽取工 作。由于一個查詢可能涉及到多個w e b 數(shù)據(jù)源，各個數(shù)據(jù)源之間的模式都不盡相同， 所以抽取的結(jié)果也可能有多種模式的x m l 3 檔，因此，中介器還需要結(jié)果處理模 塊對這些結(jié)果集數(shù)據(jù)文檔進行處理，生成一個完整的查詢結(jié)果。 3 1 4w e b y j 艮務庫 w e b 服務庫包含有所有已注冊的服務的詳細信息，它向上提供庫中已有的數(shù)據(jù) 源數(shù)據(jù)抽取服務，向下封裝數(shù)據(jù)源的包裝器。一個w e b j 艮務對應一個數(shù)據(jù)源包裝器， 負責調(diào)用包裝器抽取數(shù)據(jù)源上的某一類信息。注冊時，w c b 服務使用帶語義的描述 1 6 基于本體和服務發(fā)現(xiàn)的w e b 信息集成研究 語言詳細說明了被封裝的數(shù)據(jù)源提供信息時的必要輸入條件和其他限制信息，以 及該數(shù)據(jù)源提供數(shù)據(jù)的模式，最后提供了如何訪問該服務的方法。 3 1 5 包裝器 包裝器是根據(jù)一定的需求規(guī)則從特定的半結(jié)構(gòu)的或無結(jié)構(gòu)的數(shù)據(jù)源抽取數(shù)據(jù) 并形成結(jié)構(gòu)化數(shù)據(jù)的模塊。它接收從中介器發(fā)來的查詢條件，進行查詢分析，采 用特定的抽取方法【矧從數(shù)據(jù)源中按照所需結(jié)果的數(shù)據(jù)模式抽取合適的數(shù)據(jù)并返回 給中間器。在抽取過程中，還要結(jié)合領域本體對抽取詞匯進行修正，避免數(shù)據(jù)命 名沖突。 為了方便數(shù)據(jù)源的動態(tài)加入和修改，系統(tǒng)采用包裝器的w e b 服務封裝技術(shù)1 2 4 l 使系統(tǒng)具有完好封裝、規(guī)范協(xié)議、高度可集成能力等特性。每個w e b 服務向外提供 服務描述、查詢的輸入接口和輸出數(shù)據(jù)的模式并把它發(fā)布到中介器的服務注冊中 供中介器選用。 3 2 設計特點 系統(tǒng)采用w e b 服務技術(shù)