摘   要： 對Jean推理機的結構及推理規則的構造語法進行系統介紹，通過實例說明Jena在基于本體的信息檢索中的應用。
關鍵詞： 本體  Jena  OWL  RDF

　　隨著因特網技術迅速發展，網上信息與知識急劇增長。所以，對信息檢索技術的研究日顯重要，信息檢索已成為信息社會中不可或缺的一種重要工具。
　　當前的信息檢索技術可分為三類：全文檢索（Text Retrieval）、數據檢索(Data Retrieval)和知識檢索(Knowledge Retrieval)。全文檢索和數據檢索的本質都是直接基于關鍵字的檢索技術，不能滿足用戶在語義和知識上的需求。知識檢索強調的是基于知識的、語義上的匹配，因此在查全率和查準率上有更好的保證。
本體（Ontology）原本是一個哲學中的概念，被哲學家用來描述事物的本質。在計算機界，明確本體的定義經歷了一個過程，最后Gruber關于本體的定義得到了業內同行的一致認同，即“本體是概念模型的明確的規范說明”。本體作為一種能在語義和知識層次上描述信息的概念模型建模工具，在信息檢索，特別是在基于知識的信息檢索中得到了廣泛的應用。
　　OWL(Web Ontology Language)是W3C組織于2004年2月正式推出的一個專門用來描述本體的語言。它既有強大的語義表達能力，又可以實現描述邏輯的可判定推理。OWL可以用來存儲本體中的概念和關系。
RDF（Resource Description Framework）是資源描述框架語言，用來描述元數據以及元數據與元數據之間的關系。其中元數據是“關于數據的數據”，是描述網絡資源的數據。RDF可以用來存儲本體中的實例。
1  Jena推理機簡介
　　Jena是專門用來構建語義網的應用軟件，它為RDF、RDFS和OWL提供了一個可編程實現的環境。推理功能是Jena中的一個子系統，它的目的就是把推理機制和推理器引入到Jena中。Jena推理機結構如圖1所示。

　　所有應用都是通過使用ModelFactory訪問圖1的推理機制，并為相關聯的Reasoner建立一個新的Model。查詢這個新的Model不但會返回對原來數據的描述信息，還會返回通過Reasoner中的規則執行后的附加描述信息。整個推理機制的核心部分是InfGraph，因為所有應用的執行都是在Graph SPI層進行。Ont/Model API為用戶構建的本體提供了一種便利的方式與合適的推理器連接。推理結構中的Graph-base assertions指的是和Reasoner一起綁定的數據(XML數據-實例），而Graph-ontology definitions指的是和Reasoner一起綁定的數據結構的限制（也就是XML模式-概念和關系）。Reasoner Registry是一個靜態類，它包含了當前用到的所有Reasoner。
2  Jena推理規則的構造語法
　　用戶一方面可以利用上面的結構實現本體中的推理，另一方面，如果用戶對Java很熟悉，則可以自己開發推理規則。規則的語法格式如下：
Rule  ：=    bare-rule
　　　   or     [bare-rule]
　　　   or     [ruleName：bare-rule]
bare-rule：=     term，...term->hterm，...hterm//向前推理
　　　   or     term，...term<-term，...term//向后推理
hterm ：=    term
　　　   or     [bare-rule]
term  ：=    (node，node，node)//三元組模式
　　　   or     (node，node，functor)//擴展三元組模式
　　　   or     builtin(node，...node)//調用處理元語
functor ：=     functorName(node，...node)
　　　　　　　　　　　　　//結構化的文字表述
node  ：=     uri-ref//例如 http：//foo.com/eg
　　　   or prefix：localname//例如rdf：type
　　　   or     ?varname//變量名
　　　   or     ′a literal′//字符串
　　　   or     number//例如42或25.5
　　用戶根據上述語法格式寫出針對特定問題的規則，就可以更加方便、快捷地查詢各種信息了。
3  Jena推理機的應用
　　下面通過一個具體的實例討論Jena推理機是如何在本體中進行推理的。
　　在現代企業管理中，人們越來越清楚地認識到知識、尤其是雇員的知識是企業非常重要的財富。如何組織、管理好這些知識財富已成為現代管理重要的研究課題。傳統的做法是建立一個數據庫系統對企業雇員進行管理。然而，基于關鍵詞的查詢有時是不能滿足要求的。對于這個問題，文獻[9]進行了研究并給出了示例。示例如下：查找一個懂得“數據庫”的雇員來從事一個項目的開發工作，假設在建立的查詢系統中找不到一個人懂得“數據庫”，系統只能返回空記錄給用戶。而事實上存在某些人懂得“演繹數據庫”或“面向對象數據庫”，按常識，這些人應該懂得數據庫的知識，他們可以作為候選人提交給用戶。但傳統的數據庫做不到這一點。雖然可以通過進一步輸入這些關鍵詞達到查詢目的，但是不能保證用戶了解“數據庫”所有的子領域。文獻[9]借助于本體，可以實現這一目的。文中假設為企業建立了一個本體，其中一個部分如圖2所示。

　　由圖2可以看到，李四具有“面向對象數據庫”的能力。一般認為，具有某領域的子領域能力的雇員，同樣具備該領域的知識。進一步把問題推廣到項目因素?，F在要查詢具備“演繹面向對象數據庫”能力的雇員，同樣沒有結果。然而從圖2中可以看到張三在做項目1，而項目1應用了“演繹面向對象數據庫”技術。因此張三可以作為候選人輸出。
　　文獻[9]是根據本體的啟發式算法實現查詢功能的。啟發式算法是先定義幾個基本函數，然后利用函數的組合及函數之間的映射實現概念之間的聯系。針對這個問題，在Jena推理機的基礎上，加入自己設計的規則，只要輸入限定條件，就可以輸出滿足該條件的雇員。由于可以根據實際環境加入相應的規則，從而使算法具有更好的靈活性和適應性。
　　使用Jena推理機制實現這種查詢功能，必須做好兩方面的工作。第一，把圖2中所有與數據庫相關的概念、關系和實例用OWL和RDF表示出來，存儲成XML文檔。這又分兩個步驟：(1)把圖2中本體的概念用OWL表示出來，存儲成CONCEPT.owl文件。這里的概念有計算機科學（CS）、數據庫(DB)、演繹數據庫(DDB)、面向對象數據庫（OODB）、演繹面向對象數據庫（DOODB）和項目（P）；(2)把圖1中本體的實例用RDF存儲成INSTANCE.rdf 文件。一共有兩個項目，分別是項目1和項目2，有三個雇員：張三、李四和王五。其中張三工作于項目1，王五工作于項目2，李四有“面向對象數據庫”的能力。第二，根據查詢條件構造兩條規則實現查詢功能：
　　Rule1：（?x has competence ?y），(?y subclass of ?z)->（?x has competence ?z）
　　Rule2：（?x work in ?y)，(?y use tech ?z)->(?x has competence ?z)
　　Rule1說明如果某個雇員x有能力y，而y屬于z，則x擁有能力z。
　　Rule2說明如果某個雇員x工作于項目y，而y使用了z技術，則x擁有能力z。
　　把這兩條規則放入Jena推理機中，然后基于上面兩個相關聯的XML文檔進行推理。代碼如下：
　　Model schema=
　　ModelLoader.loadModel(″file：data/CONCEPT.owl″)；
　　　　　　　//把本體中的概念文件CONCEPT.owl讀入推理機
　　Model data=
　　ModelLoader.loadModel(″file：data/INSTANCE.rdf″)；
　　　　　　　//把本體中的實例文件INSTANCE.rdf讀入推理機
　　String rules=
　　″[Rule1：（?x has competence ?y）(?y subclass of ?z)
　　->（?x has competence ?z）]″+″[Rule 2：（?x work in ?y)
　　(?y use tech ?z)->(?x has competence ?z)]″；
　　Reasoner reasoner=new GenericRuleReasoner
　　(Rule.parseRules(rules))；
　　　　　　　//把編寫的規則加入到已有的推理規則中
　　reasoner=reasoner.bindSchema(schema)；
　　InfModel infmodel=ModelFactory.createInfModel(reasoner，data)；
　　Resource DB=infmodel.getResource(″urn：x-hp：eg/DB″)；
　　System.out.println(″DB*：″)；
　　printStatements(infmodel，null，null，DB)；
　　　　　　　//利用printStatements函數輸出所有
　　　　　　　//與數據庫有關的推理結果
　　printStatements定義如下：
　    public void printStatements(Model m，
        Resource s，Property p, Resource o)
　　　{
　　　　   for (StmtIterator i=
　　　      m.listStatements(s，p，o)；i.hasnext( )；)
　　   {
　　　    Statement stmt=i.nextStatement( )；
　　　    System.out.println(″-″ +
　  　PrintUtil.print(stmt))；
　　　　 }
　  　}
　　上面操作的輸出結果是：
　　DB*：
　　-(eg：DOODB owl：subclassof eg：DB)    //演繹面向對象數據庫是數據庫的子集
　　-(eg：DDB owl：subclassof eg：DB)    //演繹數據庫是數據庫的子集
　　-(eg：OODB owl：subclassof eg：DB)    //面向對象數據庫是數據庫的子集
　　-(eg：李四 eg：hascompetence eg：DB)    //李四具有數據庫的能力
　　-(eg：張三 eg：hascompetence eg：DB)    //張三具有數據庫的能力
　　-(eg：project1 eg：usetech eg：DB)    //項目1使用了數據庫的技術
　　因為RDF是用三元組表示的，所以在結果中張三、李四都以這樣的形式作為候選人輸出了。最后使用針對RDF格式的數據庫查詢技術RDQL把雇員的姓名選擇出來，此工作便完成了。
4  結  論
　　隨著科學技術的發展，信息檢索技術也在發展，本體的引入提高了信息檢索的效率。Jena作為一種支持本體的工具，在今后本體的研究過程中，必將會有重要的作用。
參考文獻
1   鄧志鴻，唐世渭，張銘等.Ontology研究綜述.北京大學學報，  2002；38（5）
2   Gruber T.Ontolingua：A translation approach to portable  ontology specifications.Knowledge Acquisition，1993；5(2)
3   McGuinness D L，Harmelen F V.OWL Web Ontology  Language Overview.W3C Recommendation，2004，2.http：//  www.w3.org/TR/owl-features
4   Manola F，Miller E.RDF Primer.W3C Recommendation， 2004，2.http：//www.w3.org/TR/rdf-primer
5   Verzulli J.Using the Jena API to Process RDF.O′Reilly  Xml.com，2001；(5).http：//www.w3.org/TR/rdf-Primer
6   Reynolds D.Jena 2 Inference support.HP United States，  2004；(2).http：//www.hpl.hp.co.uk/people/bwm/rdf/jena
7   宋煒，張銘.語義網簡明教程.北京：高等教育出版社，2004
8   廖明宏.本體論與信息檢索.計算機工程，2000；(2)
9   Dauiel E.Knowledge management System：Converting and Connecting.IEEE Intellsyst，1998；(5)～(6)