面向关系型数据的本体学习研究.pdf

摘要 从当前语义网和本体研究领域的热点问题——自动构建领域本体出发，本文 提出了基于关系文本分析的本体建模（Relational Context Analysis based Ontology Modeling ，简称 RCAOM ）。RCAOM 应用以形式概念分析（Formal Concept Analysis，简称FCA ）为主的一系列数学方法，面向关系型数据展开本 体学习。RCAOM 作为一种新的本体学习模型，一方面利用了 FCA 能于目标背 景中获取概念和概念关系，构造概念格、形成概念层次结构的能力，另一方面 借助了 FCA 与本体之间存在的双向互动关系，形成了不仅能够分析结构化数据 源中关系模式的语义，而且能够获取关系元组间隐含语义信息的本体学习方法 和模型。 本文详细介绍了 RCAOM 的理论依据、研究线索和形成过程。RCAOM 的 目标背景是有经典结构的关系数据库，分析其中语义应从其元数据层和具体元 组数据两个层面进行。对于元数据层的语义，本文结合关系数据库逆工程和模 式查询等方法进行分析和获取，并将其作为元组语义模型的骨干处理；对于关 系数据库中的大量元组数据，蕴含了丰富的隐性知识，本文设计了基于关系概 念分析的方法对元组数据内的元组和属性值进行预处理，进而构造关系概念格， 利用概念格的分析能力获取概念和概念间关系，并形成以包含关系为主的概念 层次结构。本体学习效果的评价一直以来是学术界争论的热点，至今尚未形成 一致的意见。本文结合已有的分析原理和方法，形成了基于近似性的面向关系 型数据的本体学习效果评价指标，并利用这些评价指标对 RCAOM 作以学习效 果分析。本文还对本体学习可视化问题作了简单的讨论，可视化可使人们更好 的理解和参与本体学习过程和结果，由于本体学习过程目前完全自动化是十分 困难的，所以阶段性的学习结果可视化，并在此基础上加入专家定义的学习规 则对本体学习这一研究来说，会有直接的帮助。 RCAOM 作为一种新的面向关系型数据的本体学习模型，可降低分析关系数 据库中大量元组语义分析的复杂度，修正收集的盲点，提高本体学习效率，是 对面向关系型数据库的本体学习，构建大型本体模型和实现基于语义的知识应 用的新探索。RCAOM 不仅对已有的基于关系数据库的系统向现代语义级应用 的整合与迁移具有积极意义，而且也是对本体学习、语义网等趋势科技的新探 索。 关键字： 本体学习、关系文本分析、RCAOM Abstract Caming with automatic building of domain ontology, as a focus of semantic web and ontology research currently, this paper presents a new approach and framwork, Relational Context Analysis based Ontology Modeling (RCAOM). Utilizing Formal Concept Analysis (FCA) and others mathematic approach, RCAOM focuses relational context oriented processing of ontology learning. On the one hand, RCAOM takes advantage of FCA’s ability of acquiring concepts and relations, building concept lattices and concept hiberarchy, and on the other hand, it is able not only to analyse relational schema semantic in relational database (RDB), but also to acquire connotative semantic information from huge relational tuples and attribute