用于構(gòu)建數(shù)據(jù)挖掘知識(shí)管理的本體推理架構(gòu)

1、數(shù)據(jù)挖掘知識(shí)管理中的本體推理架構(gòu)摘要：為了實(shí)現(xiàn)數(shù)據(jù)挖掘（Data Mining，DM）領(lǐng)域知識(shí)的智能化管理，本文提出了一種基于本體的DM知識(shí)管理架構(gòu)。使用本體庫(kù)，這個(gè)架構(gòu)可以通過(guò)本體服務(wù)手段實(shí)現(xiàn)智能知識(shí)檢索和數(shù)據(jù)挖掘任務(wù)的自動(dòng)完成。其主要功能包括：使用基于Web本體語(yǔ)言（Ontology Web Language，OWL）描述數(shù)據(jù)挖掘本體和元數(shù)據(jù)。 本體推理功能。基于現(xiàn)有的概念和關(guān)系，本體的隱性知識(shí)可以用推理機(jī)獲得。本文主要側(cè)重于數(shù)據(jù)挖掘本體的構(gòu)建和基于OWL DL(s)的數(shù)據(jù)挖掘本體的推理。關(guān)鍵字：本體；數(shù)據(jù)挖掘；知識(shí)管理；本體推理0 引言由于數(shù)據(jù)挖掘（DM）領(lǐng)域知識(shí)的不斷擴(kuò)充和更新，一些新

2、的問(wèn)題也隨之出現(xiàn)了。比如：對(duì)于新出現(xiàn)的領(lǐng)域知識(shí)，DM知識(shí)管理系統(tǒng)無(wú)法實(shí)現(xiàn)新領(lǐng)域知識(shí)的自動(dòng)定義及歸類，而需要專家的人工操作。因此，出現(xiàn)了定義及歸類的人為差異。當(dāng)一個(gè)不具備很多領(lǐng)域知識(shí)的普通用戶提交一個(gè)數(shù)據(jù)挖掘任務(wù)時(shí)，可能得不到解決該任務(wù)的DM方法及算法的最佳組合。為了解決以上問(wèn)題，協(xié)助用戶進(jìn)行數(shù)據(jù)挖掘工作，對(duì)數(shù)據(jù)挖掘領(lǐng)域知識(shí)進(jìn)行智能型管理是必要的。一些學(xué)者也在這方面做了一些研究Bernstein提出了智能發(fā)現(xiàn)助理系統(tǒng)（IDAs）,它給用戶提供系統(tǒng)列舉的有效DM過(guò)程中，為了不會(huì)將重要的，潛在的富有成效的選項(xiàng)忽視，通過(guò)不同的標(biāo)準(zhǔn)對(duì)有效過(guò)程進(jìn)行有效的排名，以促進(jìn)對(duì)DM的進(jìn)程執(zhí)行的選擇。Cannatar

3、o提出的數(shù)據(jù)挖掘本體的概念（DAMON），這是一個(gè)DM領(lǐng)域本體并且被DAML+OIL描述。此外，DAMON-MAP架構(gòu)和主要功能也進(jìn)行了描述。DAMON的使用在知識(shí)網(wǎng)格中體現(xiàn)和應(yīng)用，提供本體瀏覽和查詢。然而，IDAs和DAMON只是對(duì)數(shù)據(jù)挖掘過(guò)程中本體的描述，而不是對(duì)整個(gè)DM領(lǐng)域知識(shí)的描述，也不是基于本體推理的可以實(shí)現(xiàn)知識(shí)概念和知識(shí)智能檢索的自動(dòng)分類和解決沖突的系統(tǒng)。本文介紹了DM領(lǐng)域知識(shí)管理的本體論，構(gòu)造了一個(gè)DM基于本體推理的知識(shí)管理（DMKM）架構(gòu)，并著重于本體庫(kù)的建設(shè)和基于Web本體語(yǔ)言(OWL)數(shù)據(jù)挖掘本體推理)DL(S)。1 DMKM架構(gòu)本次研究使用Protégé

4、;, PAL (Protégé Axiom Language)推理模塊，OWL API和推理機(jī)創(chuàng)建一個(gè)開(kāi)放和可擴(kuò)展的DMKM架構(gòu)。它包含的Protégé, PAL推理模塊，Tab查詢模塊，OWL API，推理機(jī)，用戶查詢界面，知識(shí)庫(kù)維護(hù)界面，DM元數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘本體數(shù)據(jù)庫(kù)，它是在圖1所示。首先，將介紹組成DMKM的每一個(gè)模塊的主要功能，然后它會(huì)對(duì)DMKM的基本功能給予描述。1.1每個(gè)模塊的功能Protégé是本系統(tǒng)的核心模塊。通過(guò)使用DM元數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘本體集，提供必要的知識(shí)的分類，每個(gè)類的屬性，不同類別之間的相互關(guān)系，和不同類別

5、各屬性之間的關(guān)系。圖1 DMKM架構(gòu)OWL API它是一個(gè)模塊接收到OWL文件，RDF文件和RULE文件，用Protégé輸出，并將它們傳遞給本體推理機(jī)。Jena可以用作OWL API模塊。推理機(jī)它是處理更進(jìn)一步的邏輯查詢系統(tǒng)的模塊。它可以定義更復(fù)雜的邏輯關(guān)系，并自動(dòng)根據(jù)DM本題庫(kù)中建立的基本的本體知識(shí)推導(dǎo)出新的知識(shí)。它被命名為RACER，可以用作本體推理機(jī)。本體庫(kù)是該系統(tǒng)的主要組成部分。它是一個(gè)DM專家定義的本體集。它包括數(shù)據(jù)域的知識(shí)的分析，特別是數(shù)據(jù)挖掘過(guò)程。DM元數(shù)據(jù)庫(kù)它是一個(gè)知識(shí)庫(kù)系統(tǒng)的一個(gè)組成部分，存儲(chǔ)了DM領(lǐng)域的各種元數(shù)據(jù)，如數(shù)據(jù)挖掘工具和算法等。PAL推理模塊

6、它是邏輯查詢系統(tǒng)的核心模塊。它可以根據(jù)用戶的查詢方式，找出數(shù)據(jù)挖掘本體數(shù)據(jù)庫(kù)和DM元數(shù)據(jù)庫(kù)中用戶所需的有用的知識(shí)進(jìn)行扣除。Query Tab查詢模塊是負(fù)責(zé)開(kāi)展查詢請(qǐng)求，這可以從DM元數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘本體數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有用的知識(shí)。使用者查詢接口它分為兩個(gè)子接口：PAL查詢接口和Query Tab查詢界面.PAL查詢接口提供了一個(gè)通過(guò)PAL邏輯表示法的公式編輯器并將輸入的查詢式傳遞給PAL推理模塊進(jìn)行解析。當(dāng)使用者填寫的查詢語(yǔ)句是空白的，它會(huì)把問(wèn)句交給Query Tab查詢模塊進(jìn)行解析。Query Tab查詢界面是查詢系統(tǒng)中的圖形用戶界面并提供固定查詢模式。知識(shí)庫(kù)維護(hù)接口用來(lái)新增DM元數(shù)據(jù)文件盒數(shù)據(jù)

7、挖掘本體于Protégé的知識(shí)庫(kù)中。1.2 DMKM的基本功能知識(shí)工作者通過(guò)知識(shí)維護(hù)接口手動(dòng)更新數(shù)據(jù)挖掘本體庫(kù)。當(dāng)有新的數(shù)據(jù)挖掘本體和DM元數(shù)據(jù)文件，知識(shí)數(shù)據(jù)庫(kù)通過(guò)知識(shí)維護(hù)接口更新。它可以對(duì)新領(lǐng)域知識(shí)實(shí)現(xiàn)自動(dòng)定義和分類，所以它并不需要專家的手動(dòng)操縱。用戶可以通過(guò)兩個(gè)不同的查詢方式查詢DM知識(shí)：PAL查詢接口和Query Tab查詢接口。這兩個(gè)模塊查詢Protégé知識(shí)庫(kù)，然后他們會(huì)各自提供給用戶結(jié)果。當(dāng)一個(gè)不具備大量領(lǐng)域知識(shí)的普通用戶提交一個(gè)數(shù)據(jù)挖掘任務(wù)，可以獲得一個(gè)DM方法與算法的最佳組合來(lái)解決這個(gè)問(wèn)題。2 DM知識(shí)本體數(shù)據(jù)挖掘本體將通過(guò)本體建模元語(yǔ)句

8、來(lái)構(gòu)建。Perez歸納出五個(gè)基本建模元語(yǔ)，即,類別或概念（Concepts），關(guān)系（Relation），函數(shù)（Functions），公理（Axioms）和實(shí)例(Instances)。根據(jù)文獻(xiàn)研究結(jié)果并結(jié)合自己的分析，構(gòu)建了以下DM領(lǐng)域詞匯。2.1 概念（Concepts） 本文所歸納的DM概念包括：數(shù)據(jù)挖掘任務(wù)(DM-Task)、數(shù)據(jù)挖掘方法(DM-Method)、數(shù)據(jù)挖掘算法(DM-Algorithm) 、數(shù)據(jù)挖掘軟件(DM-Software) 、數(shù)據(jù)集(Data-Sets) 、預(yù)言模型(Predict-Model)、應(yīng)用域(Application-Domain)。數(shù)據(jù)挖掘任務(wù)(DM-Tas

9、k) 它表明了通過(guò)該數(shù)據(jù)挖掘過(guò)程要達(dá)到的目標(biāo)。它從特定的應(yīng)用域中數(shù)據(jù)集的大量數(shù)據(jù)中提取預(yù)言數(shù)據(jù)模型。數(shù)據(jù)挖掘方法(DM-Method) 指在數(shù)據(jù)挖掘過(guò)程中為達(dá)到不同的數(shù)據(jù)挖掘任務(wù)(DM-Task)的目標(biāo)能夠采用的不同方法。數(shù)據(jù)挖掘算法(DM-Algorithm) 指當(dāng)采用不同的數(shù)據(jù)挖掘方法時(shí)的不同算法。不同的數(shù)據(jù)挖掘方法對(duì)應(yīng)不同的數(shù)據(jù)挖掘算法。數(shù)據(jù)挖掘軟件(DM-Software) 指利用不同的編程語(yǔ)言，對(duì)不同的數(shù)據(jù)挖掘算法的具體實(shí)現(xiàn)。數(shù)據(jù)集(Data-Sets) 指數(shù)據(jù)挖掘任務(wù)中要挖掘的數(shù)據(jù)集。預(yù)言模型(Predict-Model) 指對(duì)數(shù)據(jù)集的大量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘后，得到的正確的、有用的和

10、可以被理解并進(jìn)一步利用的數(shù)據(jù)模型。應(yīng)用域(Application-Domain) 指當(dāng)執(zhí)行數(shù)據(jù)挖掘任務(wù)時(shí)具體的應(yīng)用領(lǐng)域。2.2關(guān)系（Relation）本文歸納了十個(gè)數(shù)據(jù)挖掘本體的關(guān)系Subclass-of 表達(dá)概念之間的繼承關(guān)系。如：數(shù)據(jù)挖掘任務(wù)和方法都是數(shù)據(jù)挖掘本體的兩個(gè)子類。Attribute-of 表達(dá)某個(gè)概念是另一個(gè)概念的屬性。例如：“名稱”是上面列出的概念的一個(gè)公有屬性。Part-of 表達(dá)概念之間部分與整體的關(guān)系。例如：一個(gè)數(shù)據(jù)挖掘任務(wù)可以分為幾個(gè)部分任務(wù)來(lái)共同完成一個(gè)數(shù)據(jù)挖掘任務(wù)。Instance-of 表達(dá)概念的實(shí)例與概念之間的關(guān)系，類似于面向?qū)ο笾械膶?duì)象和類之間的關(guān)系。Ado

11、pts 在數(shù)據(jù)挖掘過(guò)程中，數(shù)據(jù)挖掘任務(wù)采用何種數(shù)據(jù)挖掘方法進(jìn)行工作。Performed-by 指數(shù)據(jù)挖掘方法由哪個(gè)數(shù)據(jù)挖掘算法來(lái)執(zhí)行。Implement-algorithm 指數(shù)據(jù)挖掘算法由哪個(gè)數(shù)據(jù)挖掘軟件來(lái)實(shí)施。Handled-data(DM-Software，Data-Sets) 數(shù)據(jù)挖掘軟件要處理的何種數(shù)據(jù)集。Adapted-application 數(shù)據(jù)挖掘任務(wù)與實(shí)際應(yīng)用領(lǐng)域的關(guān)系，即數(shù)據(jù)挖掘任務(wù)適應(yīng)于何種應(yīng)用領(lǐng)域。Gained-knowledge(DM-Software, Predict-Mode1) 數(shù)據(jù)挖掘軟件在數(shù)據(jù)挖掘后預(yù)期得到的模型。2.3 實(shí)例（Instance） 實(shí)例在本體

12、論中代表了概念的一個(gè)案例，而每個(gè)實(shí)例將會(huì)繼承其概念的所有屬性或關(guān)系。 下面我們以金融業(yè)中的對(duì)目標(biāo)市場(chǎng)中具有相同屬性客戶分類的數(shù)據(jù)挖掘任務(wù)為例來(lái)描述所構(gòu)建的數(shù)據(jù)挖掘本體的例子，如圖2所示。圖2 金融業(yè)的目標(biāo)市場(chǎng)中的數(shù)據(jù)挖掘本體在數(shù)據(jù)挖掘本體中，金融業(yè)是一個(gè)應(yīng)用域概念的實(shí)例，對(duì)目標(biāo)市場(chǎng)中具有相同屬性客戶分類是一個(gè)數(shù)據(jù)挖掘任務(wù)概念的實(shí)例；AC2 是一個(gè)數(shù)據(jù)挖掘軟件概念的實(shí)例。在數(shù)據(jù)挖掘本體中，數(shù)據(jù)挖掘算法與數(shù)據(jù)挖掘軟件間存在叫做“實(shí)施算法”的關(guān)系，則ID3算法與AC2軟件之間存在這樣的關(guān)系。因?yàn)樗鼈兪菑母拍铋g繼承而來(lái)的，他們具有相同的屬性和關(guān)系。3 基于OWL的數(shù)據(jù)挖掘本體推理在語(yǔ)義Web中，存在一

13、個(gè)標(biāo)準(zhǔn)的本體語(yǔ)言O(shè)WL DL的，這是描述邏輯（DL）的基礎(chǔ)上，提供了一個(gè)良好的表達(dá)能力和可計(jì)算性的平衡。從這個(gè)角度看，通過(guò)推理機(jī)的幫助信息（隱性知識(shí)）可以從知識(shí)和數(shù)據(jù)中得到明確，如RACER和FaCT。3.1 本體沖突解決方案如果建設(shè)者要建立一個(gè)正確的，一致的本體，他/她需要借助于本體推理。所以一個(gè)好的本體推理是能夠檢測(cè)沖突，包括沖突的實(shí)例系統(tǒng)，概念和關(guān)系系統(tǒng)。例如，神經(jīng)網(wǎng)絡(luò)是是數(shù)據(jù)挖掘方法的一個(gè)實(shí)例，它也是一種分類方法的實(shí)例。但隨后，另一個(gè)實(shí)例被添加到這個(gè)本體。owl: DM-Method rdf: about =“Neural Network”rdf: resource =“Cluster

14、ing”/owl: DM-Method此代碼表明，神經(jīng)網(wǎng)絡(luò)是一個(gè)聚類方法的實(shí)例。由于之前神經(jīng)網(wǎng)絡(luò)已經(jīng)成為分類方法的實(shí)例，分類方法和聚類分析方法是兩個(gè)概念，沒(méi)有從一個(gè)到另一個(gè)的交集，結(jié)果導(dǎo)致了不一致的情況，形成實(shí)例系統(tǒng)的沖突。這種沖突也存在于概念系統(tǒng)，它通常會(huì)導(dǎo)致致命的錯(cuò)誤。所以RACER提供的是檢測(cè)一個(gè)類是否是另一個(gè)類的子類。在所有的概念中通過(guò)進(jìn)行這樣的測(cè)試，消除沖突的目的就達(dá)到了。3.2 實(shí)例分類實(shí)例的分類是指把一個(gè)實(shí)例分類為可以準(zhǔn)確描述其特點(diǎn)的種類。因此通過(guò)推理實(shí)現(xiàn)自動(dòng)分類有至關(guān)重要的實(shí)踐意義。推理邏輯是用PAL（Protégé公理語(yǔ)言）設(shè)計(jì)的，并且它可以用來(lái)實(shí)現(xiàn)實(shí)例分

15、類。下面是一個(gè)PAL邏輯推理的例子：定義1數(shù)據(jù)挖掘任務(wù)實(shí)例的關(guān)鍵字和數(shù)據(jù)挖掘方法實(shí)例之間的關(guān)系只要數(shù)據(jù)挖掘任務(wù)關(guān)鍵字是當(dāng)前的，數(shù)據(jù)挖掘的方法將成立?；蛴幸粋€(gè)子數(shù)據(jù)挖掘任務(wù)隸屬于數(shù)據(jù)挖掘任務(wù)并且子數(shù)據(jù)挖掘任務(wù)的名稱和數(shù)據(jù)挖掘任務(wù)關(guān)鍵詞相匹配，所以這個(gè)語(yǔ)句是可以成立的。其邏輯推論是：(DM-Task: the DM task (substring-of (DM-Task-Keyword, (the name of DM task)( Sub-DM-Task: the name of DM subtask(be-included (DM task, DM subtask)(substring-of

16、(DM-Task-Keyword, (the name of DM subtask)The Correlation (DM-Task-Keyword, DMMethod).4 數(shù)據(jù)挖掘本體推理的實(shí)驗(yàn)該系統(tǒng)是通過(guò)Protégé3.2，Jena2，Java2.1和Java2SDK 1.4的實(shí)施的。protégé3.2作為本體編輯和Jena2作為推理機(jī)。為了用Jena實(shí)現(xiàn)智能查詢功能，必須把兩個(gè)方面的工作做得很好。首先，表達(dá)所有的概念，關(guān)系和OWL和RDF形式的數(shù)據(jù)挖掘有關(guān)事例，然后保存為XML文件的形式。這部分包括兩個(gè)步驟：使用OWL表示本體概念并保存為Co

17、ncept.owl文件。這些概念是數(shù)據(jù)挖掘任務(wù)，數(shù)據(jù)挖掘方法，數(shù)據(jù)挖掘算法，數(shù)據(jù)挖掘軟件，數(shù)據(jù)集和新增知識(shí)。使用RDF以Instance.rdf的形式保存本體的實(shí)例。有分類模型，決策樹(shù)法，ID3算法和AC2軟件。根據(jù)查詢條件建立兩個(gè)規(guī)則以實(shí)現(xiàn)查詢功能。代碼如下：Rule 1 (? X adopts? Y), (? Y subclass of? Z) (?X adopts? Z) /if X can adopt Y and Y is a subclass of Z,so X can also adopt Z.Rule 2 (? X be gained-knowledge? Y), (? X ad

18、opts? Z) (? Y adopts? Z) /if X can gain the knowledge by Y and X adopts Z, then Y can also adopt Z.這兩個(gè)規(guī)則都存儲(chǔ)在Jena，然后基于以上兩個(gè)相關(guān)的XML文件進(jìn)行推理。代碼如下：Model schema=ModelLoader.1oadModel (“”);Model data=ModelLoader.1oadModel (“file: Instance.rdf”);String rules=“Rule 1: (? X adopts? Y), (? Y subclass of? Z) (? X

19、adopts? Z)”+“Rule2: (? X be gainedknowledge?Y), (? X adopts? Z) (? Y adopts? Z)”;Reasoner reasoner=new GenericRuleReasoner (Rule.parseRules (rules);/*按照現(xiàn)有的推理規(guī)則增加規(guī)則*/reasoner=reasoner.bindSchema(schema);InfModel infmodel = ModelFactory.createInfModel(reasoner,data);Resource Predict-Model=infmodel.get

20、Resource (“urn:x-hp: eg/Predict-Model”);System.Out.println (“Predict-Model* :”);printStatements(infmodel, null, null, Predict-Model);/*通過(guò)使用printStatements導(dǎo)出所有與預(yù)測(cè)模型有關(guān)的推理結(jié)果。printStatements的定義如下： */public void printStatements(Model m, Resource s,Property p, Resource o)for(StmtIterator i=m.listStatement

21、s(s,p,o);i.hasnext( )Statement stmt=i.nextStatement()；System.out.println (“-”+PrintUtil.print(stmt);/* 以上操作的輸出結(jié)果是：*/Predict-Model*:-(eg: Classification Model owl: subclassof eg: Predict Model)-(eg: Decision Tree owl: subclassof eg: DM-Method)-(eg: ID3 algorithm owl: subclassof eg: DM-Algorithm)-(eg:

22、 AC2 software owl: subclassof eg: DM-Software)-(eg: Classification Model owl: adopts eg: ID3 algorithm)這個(gè)輸出證明了使用Jena的推理機(jī)可以實(shí)現(xiàn)簡(jiǎn)單的概念關(guān)系推理。5 結(jié)論本文首先介紹了數(shù)據(jù)挖掘知識(shí)管理本體推理架構(gòu)。然后詳細(xì)定義了數(shù)據(jù)挖掘本體，包括概念，關(guān)系等，構(gòu)建數(shù)據(jù)挖掘的知識(shí)管理架構(gòu)的底層模塊。最后，介紹了基于OWL DL（S）的數(shù)據(jù)挖掘本體。由于時(shí)間有限，這項(xiàng)研究并不完美。因此，未來(lái)的研究方向的重點(diǎn)，主要有兩點(diǎn)總結(jié)：邏輯推理的自動(dòng)挖掘。當(dāng)本研究構(gòu)建了本體，知識(shí)工作者協(xié)助了邏輯推理。在分

23、析過(guò)程中，發(fā)現(xiàn)邏輯推理是人類通過(guò)分析大量的數(shù)據(jù)挖掘材料實(shí)現(xiàn)的。未來(lái)，我們可以利用數(shù)據(jù)挖掘技術(shù)自動(dòng)獲取知識(shí)。更多的用戶友好的查詢界面。通過(guò)圖形化的方式，它可以轉(zhuǎn)換成由OWL自動(dòng)描述的邏輯表達(dá)式。參考文獻(xiàn)1 Hand D, Mannila H. Principles of Data Mining M. Cambridge:MIT Press, 2001.2 Bernstein A, Provost F. Intelligent Assistance for the Data Mining Process: An Ontology-Based ApproachR. New York:New York

24、University, 2002.3 Cannataro M, Comito C. A Data Mining Ontology for Grid ProgrammingEB/OL. 2006-11-09. =10.1.1.14.5123.4 Neches R. Enabling Technology for Knowledge Sharing J,AI Magazine, 1991, 12(3): 36-56.5 Gruber T R. A Translation Approach to Portable Ontology Specifications J. Knowledge Acquisition, 1993, 5(2): 199-220.6 Dean M, Schreiber G. OWL Web Ontology Language Reference EB/OL. 2003-03-31. .7 Noy N F, Fe