知识图谱基础之RDFRDFS与OWL.docx
《知识图谱基础之RDFRDFS与OWL.docx》由会员分享，可在线阅读，更多相关《知识图谱基础之RDFRDFS与OWL.docx（7页珍藏版）》请在冰豆网上搜索。
知识图谱基础之RDFRDFS与OWL
知识图谱基础之RDF，RDFS与OWL
看过之前两篇文章（[1]（为什么需要知识图谱？
什么是知识图谱？
——KG的前世今生）,[2]（语义网络，语义网，链接数据和知识图谱））的读者应该对RDF有了一个大致的认识和理解。
本文将结合实例，对RDF和RDFS/OWL，这两种知识图谱基础技术作进一步的介绍。
其实，RDF、RDFS/OWL是类语义网概念背后通用的基本技术，而知识图谱是其中最广为人知的概念。
一、知识图谱的基石：
RDFRDF表现形式RDF（ResourceDescriptionFramework），即资源描述框架，其本质是一个数据模型（DataModel）。
它提供了一个统一的标准，用于描述实体/资源。
简单来说，就是表示事物的一种方法和手段。
RDF形式上表示为SPO三元组，有时候也称为一条语句（statement），知识图谱中我们也称其为一条知识，如下图。
RDF由节点和边组成，节点表示实体/资源、属性，边则表示了实体和实体之间的关系以及实体和属性的关系。
在第一篇文章中（为什么需要知识图谱？
什么是知识图谱？
——KG的前世今生），我们结合罗纳尔多的例子，介绍了RDF节点和边的类型约束，这里不再赘述。
对RDF不熟悉的读者，可以参考第一篇文章，里面有更直观的描述和解释。
RDF序列化方法RDF的表示形式和类型有了，那我们如何创建RDF数据集，将其序列化（Serialization）呢？
换句话说，就是我们怎么存储和传输RDF数据。
目前，RDF序列化的方式主要有：
RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等几种。
RDF/XML，顾名思义，就是用XML的格式来表示RDF数据。
之所以提出这个方法，是因为XML的技术比较成熟，有许多现成的工具来存储和解析XML。
然而，对于RDF来说，XML的格式太冗长，也不便于阅读，通常我们不会使用这种方式来处理RDF数据。
N-Triples，即用多个三元组来表示RDF数据集，是最直观的表示方法。
在文件中，每一行表示一个三元组，方便机器解析和处理。
开放领域知识图谱DBpedia通常是用这种格式来发布数据的。
Turtle,应该是使用得最多的一种RDF序列化方式了。
它比RDF/XML紧凑，且可读性比N-Triples好。
RDFa,即“TheResourceDescriptionFrameworkinAttributes”，是HTML5的一个扩展，在不改变任何显示效果的情况下，让网站构建者能够在页面中标记实体，像人物、地点、时间、评论等等。
也就是说，将RDF数据嵌入到网页中，搜索引擎能够更好的解析非结构化页面，获取一些有用的结构化信息。
读者可以去这个页面感受一下RDFa，其直观展示了普通用户看到的页面，浏览器看到的页面和搜索引擎解析出来的结构化信息。
JSON-LD，即“JSONforLinkingData”，用键值对的方式来存储RDF数据。
感兴趣的读者可以参考此网站。
下面，我们结合第一篇文章中罗纳尔多知识图的例子，给出其N-Triples和Turtle的具体表示。
Example1N-Triples:
"罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.
"足球运动员"^^string.
"RonaldoLuísNazáriodeLima"^^string.
"1976-09-18"^^date.
"180"^^int.
"98"^^int.
"巴西"^^string.
.
"里约热内卢"^^string.
"-22.908333,-43.196389"^^string.用Turtle表示的时候我们会加上前缀（Prefix）对RDF的IRI进行缩写。
Example2Turtle:
@prefixperson:
.
@prefixplace:
.
@prefix:
.person:
1:
chineseName"罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.
person:
1:
career"足球运动员"^^string.
person:
1:
fullName"RonaldoLuísNazáriodeLima"^^string.
person:
1:
birthDate"1976-09-18"^^date.
person:
1:
height"180"^^int.
person:
1:
weight"98"^^int.
person:
1:
nationality"巴西"^^string.
person:
1:
hasBirthPlaceplace:
10086.
place:
10086:
address"里约热内卢"^^string.
place:
10086:
coordinate"-22.908333,-43.196389"^^string.
同一个实体拥有多个属性（数据属性）或关系（对象属性），我们可以只用一个subject来表示，使其更紧凑。
我们可以将上面的Turtle改为：
Example3Turtle:
@prefixperson:
.
@prefixplace:
.
@prefix:
.person:
1:
chineseName"罗纳尔多·路易斯·纳萨里奥·德·利马"^^string;
:
career"足球运动员"^^string;
:
fullName"RonaldoLuísNazáriodeLima"^^string;
:
birthDate"1976-09-18"^^date;
:
height"180"^^int;
:
weight"98"^^int;
:
nationality"巴西"^^string;
:
hasBirthPlaceplace:
10086.
place:
10086:
address"里约热内卢"^^string;
:
coordinate"-22.908333,-43.196389"^^string.
即，将一个实体用一个句子表示（这里的句子指的是一个英文句号“.”）而不是多个句子，属性间用分号隔开。
RDF的表达能力在第二篇文章（语义网络，语义网，链接数据和知识图谱）中我们提到，RDF的表达能力有限，无法区分类和对象，也无法定义和描述类的关系/属性。
我的理解是，RDF是对具体事物的描述，缺乏抽象能力，无法对同一个类别的事物进行定义和描述。
就以罗纳尔多这个知识图为例，RDF能够表达罗纳尔多和里约热内卢这两个实体具有哪些属性，以及它们之间的关系。
但如果我们想定义罗纳尔多是人，里约热内卢是地点，并且人具有哪些属性，地点具有哪些属性，人和地点之间存在哪些关系，这个时候RDF就表示无能为力了。
不论是在智能的概念上，还是在现实的应用当中，这种泛化抽象能力都是相当重要的；同时，这也是知识图谱本身十分强调的。
RDFS和OWL这两种技术或者说模式语言/本体语言（schema/ontologylanguage）解决了RDF表达能力有限的困境。
二、RDF的“衣服”——RDFS/OWL之所以说RDFS/OWL是RDF的“衣服”，因为它们都是用来描述RDF数据的。
为了不显得这么抽象，我们可以用关系数据库中的概念进行类比。
用过Mysql的读者应该知道，其database也被称作schema。
这个schema和我们这里提到的schemalanguage十分类似。
我们可以认为数据库中的每一张表都是一个类（Class），表中的每一行都是该类的一个实例或者对象（学过java等面向对象的编程语言的读者很容易理解）。
表中的每一列就是这个类所包含的属性。
如果我们是在数据库中来表示人和地点这两个类别，那么为他们分别建一张表就行了；再用另外一张表来表示人和地点之间的关系。
RDFS/OWL本质上是一些预定义词汇（vocabulary）构成的集合，用于对RDF进行类似的类定义及其属性的定义。
Notice:
RDFS/OWL序列化方式和RDF没什么不同，其实在表现形式上，它们就是RDF。
其常用的方式主要是RDF/XML，Turtle。
另外，通常我们用小写开头的单词或词组来表示属性，大写开头的表示类。
数据属性（dataproperty，实体和literal字面量的关系）通常由名词组成，而对象数据（objectproperty，实体和实体之间的关系）通常由动词（has，is之类的）加名词组成。
剩下的部分符合驼峰命名法。
为了将它们表示得更清楚，避免读者混淆，之后我们都会默认这种命名方式。
读者实践过程中命名方式没有强制要求，但最好保持一致。
轻量级的模式语言——RDFSRDFS，即“ResourceDescriptionFrameworkSchema”，是最基础的模式语言。
还是以罗纳尔多知识图为例，我们在概念、抽象层面对RDF数据进行定义。
下面的RDFS定义了人和地点这两个类，及每个类包含的属性。
@prefixrdfs:
.
@prefixrdf:
.
@prefix:
.###这里我们用词汇rdfs:
Class定义了“人”和“地点”这两个类。
:
Personrdf:
typerdfs:
Class.
:
Placerdf:
typerdfs:
Class.###rdfs当中不区分数据属性和对象属性，词汇rdf:
Property定义了属性，即RDF的“边”。
:
chineseNamerdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.:
careerrdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
fullNamerdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
birthDaterdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
date.:
heightrdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
int.
:
weightrdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
int.
:
nationalityrdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
hasBirthPlacerdf:
typerdf:
Property;
rdfs:
domain:
Person;
rdfs:
range:
Place.
:
addressrdf:
typerdf:
Property;
rdfs:
domain:
Place;
rdfs:
rangexsd:
string.
:
coordinaterdf:
typerdf:
Property;
rdfs:
domain:
Place;
rdfs:
rangexsd:
string.我们这里只介绍RDFS几个比较重要，常用的词汇：
1.rdfs:
Class.用于定义类。
2.rdfs:
domain.用于表示该属性属于哪个类别。
3.rdfs:
range.用于描述该属性的取值类型。
4.rdfs:
subClassOf.用于描述该类的父类。
比如，我们可以定义一个运动员类，声明该类是人的子类。
5.rdfs:
subProperty.用于描述该属性的父属性。
比如，我们可以定义一个名称属性，声明中文名称和全名是名称的子类。
其实rdf:
Property和rdf:
type也是RDFS的词汇，因为RDFS本质上就是RDF词汇的一个扩展。
我们在这里不罗列进去，是不希望读者混淆。
RDFS其他的词汇及其用法请参考W3C官方文档。
为了让读者更直观地理解RDF和RDFS/OWL在知识图谱中所代表的层面，我们用下面的图来表示例子中的数据层和模式层。
Data层是我们用RDF对罗纳尔多知识图的具体描述，Vocabulary是我们自己定义的一些词汇（类别，属性），RDF（S）则是预定义词汇。
从下到上是一个具体到抽象的过程。
图中我们用红色圆角矩形表示类，绿色字体表示rdf:
type，rdfs:
domain，rdfs:
range三种预定义词汇，虚线表示rdf:
type这种所属关系。
另外，为了减少图中连线的交叉，我们只保留了career这一个属性的rdf:
type所属关系，省略了其他属性的此关系。
RDFS的扩展——OWL上面我们提到，RDFS本质上是RDF词汇的一个扩展。
后来人们发现RDFS的表达能力还是相当有限，因此提出了OWL。
我们也可以把OWL当做是RDFS的一个扩展，其添加了额外的预定义词汇。
OWL，即“WebOntologyLanguage”，语义网技术栈的核心之一。
OWL有两个主要的功能：
1.提供快速、灵活的数据建模能力。
2.高效的自动推理。
我们先谈如何利用OWL进行数据建模。
用OWL对罗纳尔多知识图进行语义层的描述：
@prefixrdfs:
.
@prefixrdf:
.
@prefix:
.
@prefixowl:
.###这里我们用词汇owl:
Class定义了“人”和“地点”这两个类。
:
Personrdf:
typeowl:
Class.
:
Placerdf:
typeowl:
Class.###owl区分数据属性和对象属性（对象属性表示实体和实体之间的关系）。
词汇owl:
DatatypeProperty定义了数据属性，owl:
ObjectProperty定义了对象属性。
:
chineseNamerdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.:
careerrdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
fullNamerdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
birthDaterdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
date.:
heightrdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
int.
:
weightrdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
int.
:
nationalityrdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Person;
rdfs:
rangexsd:
string.
:
hasBirthPlacerdf:
typeowl:
ObjectProperty;
rdfs:
domain:
Person;
rdfs:
range:
Place.
:
addressrdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Place;
rdfs:
rangexsd:
string.
:
coordinaterdf:
typeowl:
DatatypeProperty;
rdfs:
domain:
Place;
rdfs:
rangexsd:
string.schema层的描述语言换为OWL后，层次图表示为：
数据属性用青色表示，对象属性由蓝色表示。
罗纳尔多这个例子不能展现OWL丰富的表达能力，我们这里简单介绍一下常用的词汇：
描述属性特征的词汇1.owl:
TransitiveProperty.表示该属性具有传递性质。
例如，我们定义“位于”是具有传递性的属性，若A位于B，B位于C，那么A肯定位于C。
2.owl:
SymmetricProperty.表示该属性具有对称性。
例如，我们定义“认识”是具有对称性的属性，若A认识B，那么B肯定认识A。
3.owl:
FunctionalProperty.表示该属性取值的唯一性。
例如，我们定义“母亲”是具有唯一性的属性，若A的母亲是B，在其他地方我们得知A的母亲是C，那么B和C指的是同一个人。
4.owl:
inverseOf.定义某个属性的相反关系。
例如，定义“父母”的相反关系是“子女”，若A是B的父母，那么B肯定是A的子女。
本体映射词汇（OntologyMapping）1.owl:
equivalentClass.表示某个类和另一个类是相同的。
2.owl:
equivalentProperty.表示某个属性和另一个属性是相同的。
3.owl:
sameAs.表示两个实体是同一个实体。
本体映射主要用在融合多个独立的Ontology（Schema）。
举个例子，张三自己构建了一个本体结构，其中定义了Person这样一个类来表示人；李四则在自己构建的本体中定义Human这个类来表示人。
当我们融合这两个本体的时候，就可以用到OWL的本体映射词汇。
回想我们在第二篇文章中提到的LinkedOpenData，如果没有OWL，我们将无法融合这些知识图谱。
rdf:
typeowl:
Class.
rdf:
typeowl:
Class.
owl:
equivalentClass.
更多的OWL词汇和特性请参考[W3C官网文档]（OWLWebOntologyLanguageOverview）。
接下来我们谈一下OWL在推理方面的能力。
知识图谱的推理主要分为两类：
基于本体的推理和基于规则的推理。
我们这里谈的是基于本体的推理。
读者应该发现，上面所介绍的属性特征词汇其实就创造了对RDF数据进行推理的前提。
此时，我们加入支持OWL推理的推理机（reasoner），就能够执行基于本体的推理了。
RDFS同样支持推理，由于缺乏丰富的表达能力，推理能力也不强。
举个例子，我们用RDFS定义人和动物两个类，另外，定义人是动物的一个子类。
此时推理机能够推断出一个实体若是人，那么它也是动物。
OWL当然支持这种基本的推理，除此之外，凭借其强大的表达能力，我们能进行更有实际意义的推理。
想象一个场景，我们有一个庞大数据库存储人物的亲属关系。
里面很多关系都是单向的，比如，其只保存了A的父亲（母亲）是B，但B的子女字段里面没有A，如下表。
如果在只有单个关系，数据量不多的情况下，我们尚能人工的去补全这种关系。
如果在关系种类上百，人物上亿的情况下，我们如何处理？
当进行关系修改，添加，删除等操作的时候，该怎么处理？
这种场景想想就会让人崩溃。
如果我们用inversOf来表示hasParent和hasChild互为逆关系，上面的数据可以表示为：
绿色的关系表示是我们RDF数据中真实存在的，红色的关系是推理得到的。
通过这个例子，相信读者应该初步了解了OWL的推理功能和能力。
目前，OWL的最新版本是OWL2，在兼容OWL的基础上添加了新的功能，有兴趣的读者可以查阅W3C文档。
另外，OWL2包含了三个标准，或者三种配置（Profile），它们是OWL2完整标准（OWL2/Full）的一个子集。
读者目前不用考虑它们之间的差别，只有当我们要用到OWL自动推理功能的时候才需要考虑到底使用哪一种配置。
且在大多数情况下，我们需要知道哪种配置才是最合适的。
下面简单说说它们使用的场景：
1.OWL2/EL使用场景：
本体结构中有大量相互链接的类和属性，设计者想用自动推理机得到里面复杂的关系。
2.OWL2/QL使用场景：
有大量的实例数据。
OWL2QL本体可以被改写为SQL查询，适用于使用OBDA（ontologybaseddataaccess）的方式来访问关系数据库。
也就是说我们不用显式地把关系数据库中的数据转为RDF，而是通过映射的方式，将数据库转为虚拟RDF图进行访问。
3.OWL2/RL使用场景：
需要结合基于规则的推理引擎（rule-basedreasoningengine）的场合。
三、总结本文主要介绍了RDF的序列化方式，如何利用RDFS/OWL进行schema层的建模，和OWL的推理功能。
接下来我们将介绍如何根据现有的关系数据库，利用protege自顶向下地构建自己的本体结构。
参考资料1.LearnRDF-CambridgeSemantics2.LearnOWLandRDFS-CambridgeSemantics3.RDFSchema1.14.OWLWebOntologyLanguageOverview5.OWL2WebOntologyLanguageDocumentOverview（SecondEdition）6.ExploitingLinkedDataandKnowledgeGraphsinLargeOrganisations
升级会员 