基于Ontology与Jena的研究综述

何来坤，缪健美，刘礼芳，潘 红

(1. 杭州师范大学信息化中心，浙江 杭州 310036;2. 杭州师范大学科技处，浙江 杭州 310036;3. 杭州师范大学杭州国际服务工程学院，浙江 杭州 310036)

基于Ontology与Jena的研究综述

何来坤1，缪健美2，刘礼芳1，潘 红3

(1. 杭州师范大学信息化中心，浙江 杭州 310036;2. 杭州师范大学科技处，浙江 杭州 310036;3. 杭州师范大学杭州国际服务工程学院，浙江 杭州 310036)

Ontology是共享概念模型明确的形式化的规范说明.它是实现语义Web的关键技术之一.Ontology的目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇(术语)和词汇之间相互关系的明确定义.文章首先对Ontology在语义Web中地位、Ontology的定义、相关理论、构建方法以及构建工具等方面加以系统阐述，然后介绍了构造语义Web应用程序Java框架的工具Jena.最后对目前基于Ontology与Jena的应用现状进行综述性介绍.

Ontology；Jena； 语义Web；本体建模；RDF

随着互联网的高速发展，Internet中的数据资源不断增长，无论是有用的信息还是脏数据，都会随时间的推移而不断出现在Internet资源库中.存储在互联网中的数据，绝大部分是以Hypertext Markup Language (HTML)结构化格式表示的，是一种松散的[1]、不严格的组织数据文件.人们在生活中从这些HTML中查找信息时，借助搜索引擎，输入关键词后获得匹配的文档链接，人们需要自己逐一排查这些文档链接.为提高人与计算机的交互能力，1998年，Tim Berners-Lee提出了语义网概念[2]，让计算机程序或搜索工具更加有效的自动聚集信息.目前，许多国内外众多科研人员在研究和关注语义网，并且在某些领域中已经获得应用.本文针对语义网架构中的核心Ontology层及相关技术和应用进行系统性分析，阐述目前Ontology技术在一些领域应用的现状.

1 Ontology

1.1 Ontology与语义Web

图1 语义Web框架Fig. 1 the Semantic Web Architecture

在1980年期间，Tim Berners-Lee为了与同事们分享一些文档而发明了超文本链接，并在1990年第一次使用了超文本标记语言(HTML)，将万维网推向了全世界，互联网成为全球性的信息空间.但随着信息量越来越大，在链接库中查找信息变得很困难，为了让计算机够智能理解互联网的信息，Tim Berners-Lee，在2000年XML主题会议上又提出了语义Web的愿景框架[3].语义Web框架如图1所示.

语义Web框架包括了7层(见图1)：底层的Unicode和URI是整个语义Web框架的基础，保障了全球互联网中的资源编码的统一性和信息唯一性；第二层XML是一种用来结构化文档和数据的通用且适应性强的格式，方便应用程序交换数据，通过命名空间(Name Space，简称NS)可以自由的定义标记；第三层资源描述框架(Resource Description Framework，RDF)，可以方便通过类、属性和值来表示丰富的Web资源内容与结构.虽然RDF/RDFS[4-6]能够用断言句(主语+谓语+宾语)描述资源之间的关系，但是在某些领域相对简单，不易描述复杂的资源关系；第四层为本体层，是在RDF/RDFS的扩展，可以进一步描述复杂的资源关系；第五层主要任务是逻辑推理与建立推理规则；第六层负责应用推理规则对资源推理出的结果实现验证；第七层，对验证推理结果的基础上实现信任评估.

数字签名贯彻了从RDF层到Proof层，来确保建立资源、资源之间的关系、推理规则及逻辑推理结果的来源可信任性，它是实现Web信任的关键技术.从语义Web框架中可知，第二至第四层为实现语义Web框架的核心层，即XML、RDF/RDFS及Ontology为三大关键技术.

1.2 Ontology定义

Ontology源于古希腊，根据文[7]可知，Ontology原本是哲学领域的核心术语，即存在论，国内一般翻译为“本体”.20世纪90年代，本体论被应用到了计算机领域.在计算机界，1991年Neches等最早给出Ontology定义[8]，即给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇外延规则的定义.1993年，斯坦福大学的Gruber给出的定义[9]，即本体论是对概念化的精确描述.1997年Borst认为Ontology是“共享概念模型的形式化规范说明”[10].1998年Studer等进一步完善后给出目前被广泛认可的定义：Ontology是共享概念模型的明确的形式化的规范说明[11].文献[12]认为“Ontology的目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇(术语)和词汇间相互关系的明确定义”.文献[13]认为“Ontolgoy是某个领域内不同主体之间进行交流的一种语义基础”.国内大多数研究者在引入本体论最初目的都是为实现应用程序间的“共享”，例如，引用本体论主要解决联邦体与主体之间的交互[14]；“本体论的最终目标是精确地表示那些隐含(或不明确的)信息，使得它们可被软件系统重用和共享”[15]；利用本体论找出事务本质，统一知识的组织和知识的表达，以此来解决知识共享问题[16]；制定关于生产过程领域内的标准Ontology的目的，是使应用软件可以共享生产过程知识[17]；开发本体的目的是用于人类、计算机对知识的共享和重用[18].综合上述，笔者认为本体论的内涵应该是以共享概念为目的而进行一种对特定领域概念(概念之间的关系)用规范术语格式化表示的活动过程框架.

1.3 Ontology相关理论

Ontology建模需要详细说明Perez等人提出的本体模型中涵盖的5个基本元语[12]：类(Classes)或概念(Concepts)、关系(Relations)、函数(Functions)、实例(Instances)、公理(Axioms).类是Ontology的焦点，类描述在某一领域的概念，例如，教师、学生等.关系是指概念与概念之间的关系，主要分为4种关系[19]：属性关系、继承关系、聚集关系、类与实例关系.一类特殊的关系，该关系的前n-1个元素可以唯一决定第n个元素，其形式化的定义为F:C1×C2×…×Cn-1→Cn.实例就是元素、对象.公理即永真的断言，一个断言的逻辑形式.

图2 本体分类图Fig. 2 The Ontology classification diagram

Ontology形式定义：OntologyO= {C,R,A}，其中：C是某个领域的概念集合；R⊆C×C是指概念与概念之间的关系集合.如r=(c1,c2)∈R，也可以这样表示r(c1)=c2；A是一组描述公理(规则)的词汇集，有L={Lc,Lr,F,G}.Lc是一组与概念有关的词汇元素集，Lr是一组与关系有关的词汇元素集，引用概念集F⊂Lc×C|F(lc)={c∈C(lc,C)∈F} ，则对于所有lc∈Lc；引用关系集G⊂Lr×R|G(lr)={r∈R(lr,R)∈F}，则对于所有lr∈Lr.依据对领域的依赖程度，Ontology可以分为4类[20]：顶级本体(Top-level ontology)、领域本体(Domain ontology)、任务本体(Task ontology)、应用本体(Application ontology)(见图2).顶级本体描述的是最一般的概念，比如空间、时间等不依赖于任何特定问题或领域；领域本体和任务本体用于描述特定领域(医药、汽车等)或一般任务或一种活动(销售等)中的概念及概念间的关系；应用本体描述的概念是常依赖于特定领域和任务领域这两者中的概念及概念间的关系.

1998年Studer[21]等人，将本体分为轻量级(lightweight)和重量级(heavyweight)本体.2001年Lassila和McGuinness[22]将两大类本体进一步细化.他们用一条连续带有节点的直线表示从非常轻量级类到非形式化本体甚至重量级本体分类.Kayed和Colomb[23]在2002年将本体分为两类：一类是领域本体，表示关于概念和关系的；另一类为结构化领域本体(Structure Domain，SADO)，表示概念和结构的.虽然对本体有各种分类方式，说法不一，但目的是一致的，为了更好的理解本体，建设好本体.

1.4 Ontology构建方法及工具

本体建模离不开建模语言，目前有很多种本体语言，主要有两大类：基于人工智能(Artificial Intelligence，AI)的本体描述语言，代表的有KIF、Ontolingua、Loom、OCML、Flogic等；另一种是基于Web的本体语言，代表的有SHOE、XOL、RDF(S)、OIL、OIL+DAML、OWL，其中W3C先后将RDF(S)，DAML+OIL及OWL作为本体描述语言的推荐标准.本文将重点介绍W3C推荐的Web本体语言(Web Ontology Language，OWL).OWL的起点是DAML+OIL[24]，并且与RDF(S)有着重要的联系.

RDF(S)是RDF和RDF Schema的合称.RDF与领域无关，但可以借助RDFS完成描述特定的领域，并且可对RDFS表示的内容加以限制或约束.RDF与RDFS关系类似于对象与类的关系.DARPA Agent Markup Language (DAML)，是一种通过行为代理将智能内置在语言之内的技术.Ontology Interface Layer(OIL)是欧洲研究机构设计的描述逻辑、基于框架及基于XML、RDF(S)的本体语言.DAML+OIL是建立在RDFS基础之上，并继承OIL的特性，丰富了约束条件，增强了语言表达能力，是RDFS的扩展.

OWL[25]，以RDF和RDFS为基础，使用基于XML的RDF语法，目前W3C为积极发展语义网而推荐众多标准之一.OWL新增了更多用来描述属性与类别的词汇，比如：类别之间的关系、基数约束、相等、属性的对称、枚举类等.OWL既具有描述各种本体和知识的充分表达能力，又具有高效的推理能力.OWL分3种不同的子语言(OWL Full、OWL DL及OWL Lite)，每个子语言在不同层次上满足不同的需求.本体设计的原则(最有影响的是Gruber于1995年在文献[26]中提出的5条规则)：明晰、一致性、可扩展性、完全性、最小本体承诺.

本体构建过程是一个复杂过程，如何利用好现有的工具，可以有效提高本体构建的效率.本体工具目前主要分为两大类[22]：一是基于AI本体描述语言的工具，比如Ontolingua、OntoSaurus、WebOnto等.二是基于Web的本体描述语言工具，比如Protégé、WebODE、OntoEdit、OilEd、KAON[27]等.其中，Protégé[28]已成为目前使用最广泛的本体论编辑器之一，是一套用于对本体知识进行描述、表达和推理的软件.它拥有一个灵活的架构，支持插件开发，并且提供了一套JavaAPI供编程人员使用.

2 Jena

2.1 Jena介绍

图3 Jena2框架图[30]Fig. 3 The Jena2 Architecture

Jena最初是来自HP(惠普)实验室语义网研究项目的开源工具.Jena是一个构造语义网应用程序的Java框架.它能够帮助我们利用工具包、Java库去开发语义网及相关的应用程序.在2000年出了第一版本Jena1，随后在2003年8月出了Jena2[29].Jena1提供丰富的RDF模型接口，包括各种工具，例如：RDF/XML解析器；一种查询语言(RDQL)；以及为N3、N-triple及RDF/XML输出的I/O模型.使用API可以让用户实现RDF模型存储在内存或永久存储在磁盘上.Jena1还提供了对DAML+OIL的支持.Jena2扩展了新的APIs对RDFS和OWL的支持，确保能够访问和处理本体知识库.Jena2相比Jena1，一方面允许开发者利用APIs开发新的功能应用，另一方面，可以动态实现对传统数据访问及推理进行输出某些处理结果.Jena2的框架如图3所示.

Jena2框架包括：ARP(N3 I/O)、RDQL、Model(Ontology)、EnhGraph、Graph及数据持久层.其中：1)Model(Ontology)层：为应用程序员提供丰富的方法来操作图(模型，Model)和节点(资源，Resource)；2)EnhGraph层：多态同步视图.该层提供了图的视图和带有节点图的视图，通常需要Model(Ontology)层的API，并且允许同步使用多态的图和节点视图；3)Graph层：统一的三元数据结构.Graph层以RDF为标准.该层仅仅向下提供功能：三元数据存储；将非三元数据当作只读的三元数据处理；通过推理产生的三元数据(虚拟三元数据).该层可以通过高效率的快速查询引擎，获得不同种类的结果.

目前Jena2提供的功能主要有：1)RDF API：读取、处理、创建RDF文档(XML、N-triples及Turtle格式)；2)Ontology API：管理OWL和RDFS本体集；3)推理子系统，具备建立推理引擎的规则库：利用RDF和OWL数据资源实现推理应用；4)提供实现将RDF的模型数据在内存存储或磁盘上的可持久性存储；5)提供支持SPRQL规范的查询引擎.2008年1月15日，SPARQL[31]正式成为一项W3C推荐标准.

2.2 Jena推理

图4 Jena推理框架[30]Fig. 4 The Inference Architecture of Jena

Jena2中推理子系统是基本核心系统之一，它提供了基于规则的推理机，除包含一般的推理功能外，应用程序员还可以根据自定义规则实现推理.Jena推理框架如图4所示.RDF/XML文档是最基本的信息资源文件，通过ARP(一个RDF解析器)和RDF API接口程序转换成RDF模型，模型可以暂时放置内存中，也可以永久性的存储在磁盘(Mysql、Oracle等数据库)中.这样，RDF模型可以被用于信息检索，也可以通过推理子系统和Ontology子系统生成具有语义推理能力的模型对象(InfGraph).

Jena2通过ModelFactory实现访问推理机制，即把ModelFactory类将推理机与数据模型关联起来实现推理的目的.Jena2实现推理的过程如下：1)通过推理机注册(Reasoner Register).根据已经创建的RDF三元数据信息资源与Ontology内包含的信息利用通用规则或自定义规则创建出推理机(Reasoner)；2)把需要进行查询推理的数据实例(Graph-base assertions)或本体(Graph-ontology definitions)同推理机绑定在一起，生成了核心的模型对象(InfGraph)；3)利用Ontology/Model API对建立的模型对象(InfGraph)进行操作和处理，完成推理过程.当用户使用查询时，不仅能够获得数据模型本身所包含的数据，同时还可以获得推理机所生成的推理数据.

3 基于Ontology与Jena的应用

目前基于Ontology与Jena的应用领域有很多.比如，通过具体的实例来阐述Jena推理机如何在现代企业雇员本体中进行推理的过程[32]；用Jena集成网格开发工具GT3实现模拟语义网格[33]；使用OWL语言创建TBT领域本体，并引入Jena工具实现了TBT搜索系统对本体的查询、处理及推理应用[34]；给出用Jena工具构建OWL本体的5个步骤的具体方法[35]；利用Protégé 工具构建OWL教学资源本体库，并实现基于Jena工具的查询及推理应用[36]；采用Jena对RDF模型中的潜在知识进行查询，实现了基于语义网技术的制造业多源异构知识集成[37]；利用Jena工具实现了动态提取和处理RDF模型的方法及语义检索[38]；重点研究了Jena的结构与推理机制，并利用Jena对装备领域本体实现了推理查询应用[39]；采用Jena并构造了三条推理规则，完成了对徐悲鸿的油画本体知识推理应用[40]；采用Jena对旅游饭店本体实现查询和推理应用[41]；实现Jena在地理本体空间信息查询和在自定义规则下利用Jena推理机实现空间推理的应用[42]；在数字图书馆信息检索领域，采用Protégé 手工建立人工智能本体，并利用Jena实现对本体的检索与推理应用[43]；利用Jena提供的RDQL查询语言实现了对计算机科学本体的基本语义信息查询功能[44]；采用Jena工具，借助推理规则实现了基于网状知识方面的推理应用[45]；基于Jena并采用SPARQL查询语言实现对博物馆领域本体进行查询和推理的应用[46]；进行了在知识管理中基于Jena及SPARQL的通用检索系统构建的应用研究[47]；利用Jena及构造推理规则，实现交通领域本体的查询与推理应用[48].上述文献在各自领域中都采用了Jena技术来实现本体的查询及推理，但在高校信息化建设领域中的应用几乎是空白.例如，学生课程本体，科研信息本体，网络运维本体，数字应用服务本体等等.

Jena能获得如此广泛应用，得益于它是开源工具包，支持权威可靠的DC元数据(DCMI，Dublin Core Metadata Initiative)，支持功能强大的SPARQL查询语言，提供丰富的API，可自由定义推理规则及推理，方便嵌入到应用系统中等特点.

4 结 语

随着目前全球大数据时代的到来，数据的无序化越来越严重，如何让已有的数据更加智能化，帮助使用者发现更多的信息价值是未来几年的发展趋势.目前Ontology的发展与应用还处于起步阶段，但预计将在未来大数据时代发挥着重要角色，将原本相对孤立的信息变得更加有序化及智能化.研究者很多情况下受限于研究经费的影响而放弃Ontology相关技术研究.因此，本文介绍的Jena工具、Protégé等工具，本身是基于开源的产品，可以为广泛研究者提供基础研究环境，也有利于Ontology技术的推广.

构建Ontology的目的就是为了实现软件共享、重用，随着Internet不断发展，计算机应用不断丰富，Ontology领域也会越来越丰富，越来越完善.并且与之相关的开发工具也会越来越强大.另外，随着高校各领域的研究不断丰富，往往很多研究源于高校，但很多研究成果却未能够反哺于高校，特别表现在高校信息化建设领域中.在此阐述的Ontology知识、Jena框架知识及其目前在领域中的应用与研究状况，能对在语义网领域中的研究开发人员起到一定作用.

[1] Dave R. HTML 4.01 Specification[EB/OL]. [1999-10-29].http://www.w3.org/TR/html4

[2] Tim B-L. A roadmap to the Semantic Web [EB/OL]. [1998-10-14].http://www.w3.org/DesignIssues/Semantic.html

[3] Tim B-L. Semantic Web-XML2000 [EB/OL]. [2000-12-06].http://www.w3.org/2000/Talks/1206-xml2k-tbl/

[4] Brickley D, Guha R V. RDF Vocabulary Description Language 1.0: RDF Schema [EB/OL]. [2004-02-10]. http://www.w3.org/TR/rdf-schema/

[5] Beckett D. RDF/XML Syntax Specification (Revised) [EB/OL]. [2004-02-10].http://www.w3.org/TR/2004/REC-rdf-syntax-grammar-20040210/

[6] Jeen Broekstra, Michel Klein, Stefan Decker,etal. Enabling knowledge representation on the Web by extending RDF Schema[J]. Computer Network, 2002, 39:609-634.

[7] 张红霞,李海青.巴门尼德Ontology浅释[J].湖南师范大学社会科学学报,2006(1):24-25.

[8] Neches R, Fike R F, Gruber T R,etal. Enabling Technology for Knowledge Sharing[J]. AI Magazine,1991,12(3):36-56.

[9] Gruber T R.A Translation Approach to Portable Ontology Specifications[J]. Knowledge Acquisition,1993(5):199-220.

[10] Borst W N. Construction of Engineering Ontologies for Knowledge Sharing and Reuse[D]. Enschede: University of Twente,1997.

[11] Studer R, Benjamins V R, Fensel D. Knowledge Engineering, Principles and Methods[J]. Data and Knowledge Engineering,1998,25(122):161-197.

[12] 邓志鸿,唐世渭,张铭,等.Ontology研究综述[J].北京大学学报：自然科学版,2002(5):730-737.

[13] 杜小勇,李曼,王大治.语义Web与本体研究综述[J].计算机应用,2004(10):14-16.

[14] 王念滨,徐晓飞,王刚,等.基于本体论的联邦式多主体系统设计[J].计算机工程,1999(3):49-50.

[15] 廖明宏.本体论与信息检索[J].计算机工程,2000(2):56-58.

[16] 金芝.基于本体的需求自动获取[J].计算机学报,2000(5):486-490.

[17] 傅谦,张申生,胡锦敏.基于本体的领域知识共享研究[J].计算机集成制造系统-CIMS,2001(11):54-58.

[18] 徐振宁,张维明,陈文伟.基于Ontology的智能信息检索[J].计算机科学,2001(6):21-26.

[19] 张东民,廖文和,胡建,等.基于本体的设计知识建模[J].华南理工大学学报：自然科学版,2005(5):26-30.

[20] Guarino N. Semantic Matching: Formal Ontological Distinctions for Information Organization, Extraction and Integration[J]. Lecture Notes in Computer Science,1997,1299:139-170.

[21] Mohammad N A, Robert M C. Overview of Ontology Servers Research [EB/OL]. [2007-04-25].http://www.webology.org/2007/v4n2/a43.html

[22] Corcho, O. Ontology based document annotation: trends and open research problems[J]. International Journal of Metadata, Semantics and Ontologies,2006:1(1),47-57.

[23] Kayed A , Colomb R M.Ontological and conceptual structures for tendering automation[C]//Gable G, Vitale M, Proceedings of the 11th Australasian Conference on Information Systems: ACIS 2000, Brisbane:2000(1-15):6-8.

[24] 尹奇韡,李善平.语义Web语言DAML+OIL及其应用初探[J].计算机科学,2003(1):139-141.

[25] W3C.OWL Web Ontology Language Guide [EB/OL].[2003-03-01].http://www.w3.org/TR/owl-guide/

[26] Gruber T R. Towards Principles for the Design of Ontologies Used for Knowledge Sharing[J]. International Journal of Human Computer Studies,1995,43:907-928.

[27] Bozsak E, Ehriq, M, Handschuh S,etal. KADN-Towards a large scale semantic web[J]. Ecommerce and Web Technologies Lecture Notes in Computer Science,2002,2455:304-313.

[28] Stanford University School of Medicine. What is protégé [EB/OL]. [2011-12-01]. http://protege.stanford.edu/over view,

[29] The Apache Software Foundation. What is Jena? [EB/OL]. [2011-10-10].http://incubator.apache.org/jena/about_jena/about.html

[30] Carroll J J, Dickinson I, Dollin C,et.al. Jena: Implementing the Semantic Web Recomandations[EB/OL].[2003-11-24].http://www.hpl.hp.com/techreports/2003/HPL-2003-146.PDF

[31] Herman I. SPARQL is a Recommendation [EB/OL]. [2008-01-15]. http://www.w3.org/blog/SW/2008/01/15/sparql_is_a_recommendation/

[32] 耿科明,袁方.Jena推理机在基于本体的信息检索中的应用[J].微型机与应用,2005(10):62-64.

[33] 韩贵来,余远波.集成Jena和GT3模拟语义网格[J].计算机时代,2006(12):10-11.

[34] 张占一,蒋国瑞,黄梯云.Jena在基于Ontology的TBT文档搜索中的应用研究[J].中国科技信息,2007(15):132-134.

[35] 向阳,王敏,马强.基于Jena的本体构建方法研究[J].计算机工程,2007(14):59-61.

[36] 陈和平,郭晶晶,吴怀宇,等.基于Ontology和Jena的个性化E-Learning系统研究[J].武汉理工大学学报：交通科学与工程版,2007(6):1049-1052.

[37] 王晶,张文学,徐琪,等.基于RDF/Jena的制造业信息系统多源异构知识集成框架[J].计算机应用与软件,2008(7):103-104.

[38] 盛秋艳,印桂生.基于Jena的动态语义检索方法[J].计算机工程,2009，16:62-64.

[39] 谭月辉,肖冰,陈建泗,等.Jena推理机制及应用研究[J].河北省科学院学报,2009(4):14-17.

[40] 梁晔,刘宏哲.运用Jena对本体模型进行推理及其应用[J].北京联合大学学报：自然科学版,2009(3):23-27.

[41] 何胜利,陈福.网络环境下基于Jena的规则推理方法研究[J].铁路计算机应用,2009(6):38-41.

[42] 李宏伟,蔡畅,李勤超.基于Jena和地理本体的空间查询与推理研究[J].测绘工程,2009(5):5-9.

[43] 严武军.基于Jena规则推理数字图书馆信息检索系统研究[J].电脑开发与应用,2010(2):40-42.

[44] 李桂华.基于Jena的语义信息检索应用研究[J].计算机与信息技术,2010(1):8-13.

[45] 林桢.基于Jena的网状知识推理与应用研究[J].情报探索,2010(4):94-96.

[46] 季严亮,刘厚泉.基于Jena的博物馆展品信息语义查询[J].大众科技,2010(6):59-60.

[47] 李刚,钱省三,叶春明.基于Jena的知识检索系统的优化研究[J].微计算机信息,2011(8):23-24.

[48] 田宏,马朋云.基于Jena的城市交通领域本体推理和查询方法[J].计算机应用与软件,2011(8):57-59.

OverviewofOntologyandJena

HE Laikun1, MIAO Jianmei2, LIU Lifang1, PAN Hong3

(1. Informatization Center, Hangzhou Normal University, Hangzhou 310036, China; 2. Science and Technology Department of Administration, Hangzhou Normal University, Hangzhou 310036, China; 3. Institute of Service Engineering, Hangzhou Normal University, Hangzhou 310036, China)

Ontology is a formal, explicit specification of a shared conceptualmodel. It is one of the key technologies to implement the semantic Web. The target of ontology is to capture the domain knowledge, provide the comprehension of domain knowledge, ensure the acknowledgeable vocabularies of the domain, and explicitly define the vocabularies and relationships between these vocabularies by formal models in different gradation. This paper first systematically stated the position of ontology in the semantic web, and the basic knowledge of the ontology such as the definition, the correlation theories, the construction method as well as the construction tools. Jena which was the tool to construct Java framework of the semantic Web application was also presented, and the current application based on Ontology and Jena was finally reviewed.

Ontology; Jena; semantic Web; ontology modeling; RDF

2012-12-06

浙江省自然科学基金项目(Y1110820);浙江省教育厅科研项目(Y201121188).

何来坤(1975—)，男，工程师，主要从事数字化校园建设与管理等研究.E-mail: hlk@hznu.edu.cn

10.3969/j.issn.1674-232X.2013.05.016

TP301

A

1674-232X(2013)05-0467-07