基于抽取规则和本体映射的领域XML语义集成

李华昱，张培颖，肖　晗

(中国石油大学(华东)计算机与通信工程学院，山东青岛　266580)



基于抽取规则和本体映射的领域XML语义集成

李华昱，张培颖，肖晗

(中国石油大学(华东)计算机与通信工程学院，山东青岛266580)

油气井工程领域中存在大量的XML文档，传统的XML集成方案无法提供面向语义的信息查询，导致数据利用率不高。针对油气井XML文档WeXML语义集成与查询应用需求，提出一种基于抽取规则和本体映射的语义集成方法。首先定义一系列类、属性抽取规则，分别将WeXMLSchema中的元素、属性映射为WeOWL本体中的类和属性；然后，利用实例转换算法将WeXML文档转换为本体实例数据；由于WeOWL提供有限的局部语义模型，需要在两者之间建立语义映射，并借助WeOWL中的术语对全局语义模型中的类和属性进行解释，进而提供面向领域全局本体的语义查询。通过构建WeXML数据语义集成原型系统，对提出的转换规则、转换算法和映射规则进行了验证。

计算机信息管理系统；抽取规则；本体映射；领域XML；语义集成

XML是领域数据重要的信息表示和存储形式，也是应用系统之间进行数据交换的主要标准。然而，由于XML缺乏足够的语义信息，传统的XML集成方案无法提供基于领域术语的语义查询，而利用语义Web与本体技术，对XML文档进行语义集成，是一种有效的解决方案，也是领域数据集成的研究热点之一。

目前，XML语义集成主要采用2类方法：1)定义一系列映射规则，从XML文档或XMLSchema中抽取本体，并利用映射信息将XML数据转换为本体实例数据，再通过构建基于语义的查询访问接口，实现语义集成。针对此类方法，刘显敏等[1]提出了一种基于XML键规则语义实体抽取方法，以此提高XML查询效率；XML2OWL系统首先采用XSLT描述语义抽取规则建立OWL本体，再通过实例转换过程生成本体实例数据[2]；FERDINAND等[3]提出了XMLSchema映射为OWL本体和将XML转换为RDF数据的2种独立方法；XU等[4-5]提出了一种基于映射规则的领域本体构建方法，该方法能够从XMLSchema抽取语义信息并构建XML本体。乔卫[6]设计了XML语义信息抽取模型，通过4个功能模块解决了XML的语义信息抽取问题，特别是XML结构所隐含的语义。2)在XMLSchema与已有本体之间建立语义映射，利用本体模型描述XML数据并通过实例转换或者查询重写，提供面向本体模型的语义查询。例如，WEESA[7]和XMLTOWL[8]采用XML和XSLT定义XMLSchema与本体之间的映射规则，自动将XML文档转换为本体实例；文献[9]采用2个子过程，借助XSLT，分别将XMLSchema和XML文档映射为本体模型和实例数据；LEHTI等[10]提出的本体映射方法中，不提供实例数据转换功能，而是利用查询重写，将基于语义的查询转换为面向XML的Xquery查询。CRUZ等[11-12]和XIAO[13]提出了一个基于本体的XML语义数据集成框架，该框架首先将局部XML本体进行合并生成全局RDF本体，再构造一个模式映射表，记录全局和各个局部本体之间的映射，进而实现语义集成。

石油、材料领域中存在若干个XML模型[14]，如PetroXML，WellLogML，WITSM[15]和MatML[16]等，针对油气井XML文档WeXML，基于文献[17]和文献[18]中的MatML语义集成方法及相关领域数据集成方案[19-20]，提出了语义解决方案，首先通过定义抽取规则从WeXMLSchema中抽取油气井局部本体WeOWL，并通过实例转换部件将WeXML文档转换为WeOWL本体实例数据；由于MatOWL是从WeXMLSchema中抽取而来，仅提供油气井的基本语义信息，需要利用逻辑规则，在WeOWL与领域本体之间建立语义映射，并借助语义映射信息和逻辑规则，实现面向领域语义概念模型的油气井XML数据的语义集成与语义查询。

1　WeXML语义集成框架

1.1WeXML基本结构

WeXML(wellXML)是一种描述油气井日常生产相关数据的XML文档，通过XML数据类型、complexType和simpleType，WeXMLSchema定义了Dept,Well和Geology3类一级元素和75种其他子元素和属性，WeXML基本结构如图1所示。

图1　WeXML 基本结构 Fig.1　Basic sturcture of WeXML

图1中，实线矩形框表示元素类型，以@开头的矩形框表示属性。Dept，Well和Geology是3类一级元素类型：Dept描述油气井单位隶属关系，包括矿区和小队；Well是WeXML中的核心类型，包括油井和气井2种类型，记为OilWell和GasWell，每种类型定义产量、压力、泵工艺等子元素，分别描述日产油、日产液、日产气、月产油、月产液、月产气、工艺措施、含水、含砂、压力类型、泵压力、泵排量、泵径、泵深等相关数据；Geology类型描述油田、区块和储层等信息。

1.2相关定义

定义1WeXMLSchema=(CT,ST)，ST={st|stisxsd:simpleType}，CT={ct|ctisxsd:complesType}=E∪ATT，其中：E={e|eisaxsd:Element}，ATT={att|attisaxsd:Attribute}

定义2XSDType为XMLSchema类型集合，XSDType={string,date,dicimal,integer,…}

建立函数集合FSchema={getEles,getAttrs,getXSDType}：

1)getEles(ct),getAttrs(ct) 分别获取ct的子元素和属性;

2)getXSDType(att/st) 分别获取att/st的名称、类型和对应的XMLSchema数据类型。

定义3WeOWL=(C,OP,DP,I,A0)

WeOWL(wellOWLontology)是从WeXMLSchema抽取而来，其中，C是概念集合，OP是对象属性集合，DP是数据类型属性集合，I是实例集合，A0是公理集合。针对WeOWL定义，建立函数集合FWeOWL={hasDomain,hasRange,hasSuperclass}:

1)∀p∈OP∪DP，∀x,y∈C∪XSDType，p.hasDomain(x) 表示属性p的Domain中包含类x，p.hasRange(y) 表示属性p的Range中包含类y;

2)∀c,x∈C,x=hasSuperclass(c) 用于表示类x为类c的一个父类。

由于WeOWL是从WeXMLSchema抽取而来，无法表达比WeXMLSchema更丰富的语义信息，需要将WeOWL与领域本体建立映射关联，才能提供更为有效的语义集成服务，为此，引入油气井工程领域本体WeDOWL(wellengineeringdomainOWLontology)。

定义5y=fC/P(x) 为语义抽取函数：x∈ST∪CT∪XSDType，y∈C∪OP∪DP，x为WeXMLSchema中的类型或者属性；y=fC/P(x) 表示y是由x抽取生成的WeOWL类、对象属性或者数据类型属性

图2　WeXML 语义集成框架Fig.2　Semantic integration framework of WeXML

1.3语义集成框架

WeXML语义集成框架如图2所示，包括WeXML数据层、本体实例转换层、语义集成业务层和应用层。

1)WeXML数据层：包括由各个采油生产单位提交的WeXML文档。

2)本体实例转换层：参照语义抽取规则，通过实例转换算法，将WeXML中的油气井数据转换为WeOWL实例数据，即填充WeOWL实例集合I。

3)语义集成业务层：针对WeXMLSchema结构，定义语义抽取规则，将WeXMLSchema中元素和属性映射为WeOWL中的类、属性以及层次关系并建立WeOWL本体；在WeOWL与WeDOWL之间建立语义映射，提供基于领域概念模型的语义查询。

4)应用层：基于WeOWL语义概念模型，提供可视化查询构造界面，能够根据查询需求构造SPARQL[21]查询语句；通过读取规则库中的逻辑规则并借助推理机，实现面向WeOWL实例数据进行语义查询。

2　WeOWL构建

2.1语义抽取规则

通过对WeXMLSchema结构进行分析，并参照HUNTER等[22]提出的方法，分别针对类、层次结构、对象属性、数据对象属性和基数定义5项抽取规则，从WeXMLSchema中抽取语义信息并建立WeOWL本体，规则如下。

规则1Class抽取规则

∀t∈CT∪STR→(∃c∈C)∧(c.id=getName(t))

规则说明：对于任意CT或STR类型t，它将被转换为WeOWL中的一个类c，并将t的名称作为c的标志符。该规则简记为c=fC(t)。

规则2ClassHierarchy生成规则

规则2.1∃c1∈C∧(c1.id=’Well’)∧∃c2∈C(c2.id=’OilWell’∨c2.id=’GasWell’)→c1=hasSuperclass(c2)

规则2.2∃c1∈C∧(c1.id=’ProdO’)∧∃c2∈C(c2.id=’DOProd’∨c2.id=’MOProd’)→c1=hasSuperclass(c2)

规则2.3∃c1∈C∧(c1.id=’ProdG’)∧∃c2∈C(c2.id=’DGProd’∨c2.id=’MGProd’)→c1=hasSuperclass(c2)

规则说明：2.1将’Well’类设置为’OilWell’和’GasWell’的父类，即将“油井”和“气井”设置为“井”的子类；2.2将’ProdO’类设置为’DOProd’和’MOProd’的父类，即将“日产油”和“月产油”设置为 “产油”的子类；2.3将’ProdG’类设置为’DGProd’和’MGProd’的父类，即将“日产气”和“月产气”设置为“产气”的子类。

定义子类集合Cchild={OilWell,GasWell,DOProd,MOProd,DGProd,MGProd}，Cchild包含上述6个子类。

规则3ObjectProperty抽取规则

∀ct∈CT∧(∀x∈getEles(ct)∪getAttrs(ct))∧(x∉Cchild)∧(getType(x)∈CT∪STR)→

(∃op∈OP)∧(op=fOP(x))∧(op.id=getName(x))∧(op.hasDomain(fC(ct)))∧

(op.hasRange(fC(getType(x))))。

规则说明：对于任意CT类型ct，如果其包含的元素或属性x是CT类型或是ST类型，并且x不包含在Cchild集合，则x将被抽取为对象属性op。同时，类fC(ct)被添加到op的domain中，类fC(getType(x)) 被添加到op的range中。该规则简记为op=fP(ct.x)。

规则4DataTypeProperty抽取规则

∀ct∈CT∧(∀x∈getElements(ct)∪getAttributes(ct))∧(getType(x)∈ST)∧(getXSDType(x)∈XSDType)→(∃dp∈DP)∧(dp=fC/DP(x))∧(dp.id=getName(x))∧(dp.hasDomain(fC/P(ct)))∧(dp.hasRange(getXSDType(x)))。

规则说明：对于任意CT类型ct，如果其包含的元素或属性x为ST简单类型或为XMLSchema数据类型，x将被抽取为一个数据类型属性dp。同时，类FC/P(ct)将被添加到dp的domain中，类FC/P(getXSDType(x))将被添加到dp的range中。该规则简记为dp=fP(ct.x)。

规则5PropertyCardinality生成规则

∀ct∈CT∧(∀x∈getEles(ct)∪getAttrs(ct))∧(∃c=fC(ct))∧(∃p=fP(ct.x))，定义如下子规则：

规则5.2(x.minOccurs=m)∧hasAtt(x.maxOccurs)→p.MinCardinality(c) =m

规则说明：如果元素x没有定义minOccurs和maxOccurs属性，则p对于类c的Cardinality设定为1；如果x的minOccurs数值为m，并且没有定义maxOccurs属性，则p对于类c的Cardinality设定为m。

基于1.2定义的函数和2.1定义的抽取规则，通过“本体抽取”模块从WeXMLSchema中获取结构信息并建立WeOWL本体，WeOWL结构如图3所示，其中WeXML是WeOWL的root类。

在利用抽取规则建立WeOWL本体过程中，设置映射表MapTab(mappingtable)描述WeXMLSchema中元素、属性和WeOWL中类、属性之间的对应关系。

图3　WeOWL 本体结构 Fig.3　Structure of WeOWL ontology

2.2WeOWL实例数据转换

生成WeOWL后，需要利用本体实例转换部件(WeOWLinstancetransformation)并参照语义抽取规则，通过转换算法对WeXML进行遍历，依次读取元素、属性和数值信息，生成WeOWL实例数据。实例转换算法如表1所示，输入为WeXML文档wexml.xml，WeOWL本体模型weowl.owl，输出结果为包括本体实例数据的weowl’。

TraverseXML主要包括Transform和TransfromST2个函数。其中，Transform采用递归形式遍历wexml.xml文档，针对CT和ST类型元素分别进行转换；TransformST专门处理ST类型元素的转换。

表1　WeOWL实例转换算法

算法首先读取wexml.xml文档并将文档根节点记为rootNode；然后，针对rootNode每一个子节点执行Transform函数(1-4行)，Transform函数根据传入的node参数类型，分别进行处理： 如果为CT类型，从MapTab映射表中获取node对应的类记为c(5-7行)，并遍历node的每一个属性和子元素(8行)，其中，属性直接转换为数据类型实例数据(9-11行)，子元素如果为CT类型，递归执行Transform函数并转换为对象类型实例数据(13-14行)，如果为ST类型，执行TransformST函数(15-16行)。TransformST函数根据ST是否为枚举类型，分别处理ST类型的实例数据转换(19-24行)。

3　本体映射

由于WeOWL是从WeXMLSchema中抽取而来，仅提供局部、有限的语义信息，需要在WeOWL和WeDOWL之间建立语义映射，进而提供面向领域全局语义模型的语义查询。

本体映射由用户通过逻辑规则进行定义，定义的逻辑规则将存入到规则库中。通过参照逻辑规则，推理机引擎能够利用WeOWL术语对WeDOWL中的类和属性进行解释，自动地将WeOWL本体实例数据归类为WeDOWL实例。逻辑规则定义形式如下所示：

weowl:Oilwell(?x)∧weowl:hasMeasure(?x,?y)∧weowl:hasMeasureDate(?y,?z)→wedowl:MeaOilWell(?x)。

以上规则表示：如果在WeOWL中x为油井，并且在某一时间进行过工艺措施，那么x可以作为WeDOWL中的“措施油井”类型。

例如：查询“2015年1月以后所有措施油井井号、增油产量及实施的工艺措施类型”，可以通过设定以下逻辑规则：

weowl:Oilwell(?x)∧weowl:hasWellNo(?x,a)∧weowl:hasMeasure(?x,?b)∧weowl:hasMeasureDate(?b,?c) ∧weowl:measureDate(?c,’2015.1’)∧weowl:oilAdd(?b,?d)∧weowl:hasMeaName(?b,?e)→wedowl:MeaOilWell(?x)∧wedowl:wellName(?x,?a)∧wedowl:oilAdd(?x,d)∧wedowl:MeaType(?x,?b)。

用户可以通过查询构造器设置如下SPARQL语句：

Select?a?b?c

Where{ ?ardf:typeMeaOilWell. ?awedowl:wellName?b.?awedowl:oilAdd?c. }

查询语句提交给语义查询处理器后，处理器将利用规则库和推理机，自动将WeOWL中相关实例数据归类为MeaOilWell实例，完成语义查询。

4　系统实现

基于Eclipse开发平台，开发了WeXMLSemSys原型系统。WeXMLSemSys采用JavaSwing设计查询操作界面，将Dom4j作为WeXML文档的解析工具，利用JenaAPI完成Sparql语义查询和逻辑推理。该原型系统主要包括3个功能：浏览WeXML数据内容并将WeXML文档转换为WeOWL实例数据；通过Sparql语句对数据进行查询；利用Jena推理机和逻辑规则实现推理并返回语义查询结果。

在实际应用中，WeXMLSemSys读取了胜利油田某采油厂2015年的103个WeXML文档，每个文档包含1-2口油井的生产数据，通过实例转换算法产生了基于领域全局本体的WeDOWL的实例数据，能够有效支持面向语义的数据查询，提高数据使用效率。

5　结　语

近年来，很多学者关注XML语义集成和XML与本体之间映射的相关研究，并取得了一定的应用成果。通过比较，本文提出的方法具有以下特点：1)WeOWL本体构建方法并不是将XML文档直接与特定本体进行映射，而是首先根据抽取规则，自动构建局部本体，然后再与领域全局本体进行语义映射；2)该方法是针对特定领域的XML文档WeXML，除了与相关工作类似的集成方法之外，还根据WeXMLSchema和领域特点，加入了特定的抽取规则和映射方法。通过构建原型系统WeXMLSemSys，对本文提出的方法进行了验证，取得了良好的应用效果。

/< class="emphasis_italic">References

：

[1]刘显敏, 李建中. 基于键规则的XML实体抽取方法[J]. 计算机研究与发展，2014，51(1)：64-75.

LIUXianmin,LIJianzhong.Key-basedmethodforextractingentitiesfromXMLdata[J].JournalofComputerResearchandDevelopment, 2014, 51(1):64-75.

[2]BOHRINGH,AUERS.MappingXMLtoOWLontologies[J].LeipzigerInformatik-Tage, 2005,72:147-156.

[3]FERDINANDM,ZIRPINSC,TRASTOURD.LiftingXMLSchematoOWL[J].LectureNotesinComputerScience, 2004,3140:354-358.

[4]XUJiuyun,WANGHongquan,DUANYouxiang,etal.AutomaticallybootstrappingOWLontologiesfromdomain-specificXMLdocuments[J].JournalofComputationalInformationSystems, 2007,3(3): 1269-1276.

[5]XUJiuyun,WANGHongquan,DUANYouxiang.Auto-buildingOWLontologyfromXMLdatasources[J].JournalofComputationalInformationSystems, 2006,2(3):1051-1057.

[6]乔卫. 基于领域本体的XML语义信息抽取的研究与实现[D]. 武汉:武汉理工大学，2009.

QIAOWei.ResearchandImplementationofXMLSemanticInformationBasedonDomainOntology[D].Wuhan:WuhanUniversityofTechnology, 2009.

[7]REIFG,JAZAYERIM,GALLH.Towardssemanticwebengineering:WEESA-MappingXMLSchematoontologies[C] //InWorkshoponApplicationDesign.NewYork:IEEEComputerSociety, 2004:105-109.

[8]KOBEISSYN,GENETMG,ZEGHLACHED.MappingXMLtoOWLforseamlessinformationretrievalincontext-awareenvironments[C] //InternationalConferenceonPervasiveServices.[S.l.]:[s.n.], 2007:349-354.

[9]靖争.XML/Schema到OWLDL本体映射的研究[D]. 沈阳:东北大学,2008.

JINGZheng.ResearchonMappingXML/SchematoOWLDLOntology[D].Shenyang:NortheasternUniversity,2008.

[10]LEHTIP,FANKHAUSERP.XMLdataintegrationwithOWL:Experiencesandchallenges[C] //InternationalSymposiumonApplicationsandtheInternet. [S.l.]:IEEEComputerSociety, 2004:160-167.

[11]CRUZIF,XIAOH,HSUF.Anontology-basedframeworkforXMLsemanticintegration[J].Ideas, 2004,26(1):217-226.

[12]CRUZIF,XIAOH,LABA.Theroleofontologiesindataintegration[J].InternationalJournalofEngineeringIntelligentSystemsforElectricalEngineeringandCommunications, 2005, 13(4):245-252.

[13]XIAOH.QueryProcessingforHeterogeneousDataIntegrationUsingOntologies[D].Chicago:UniversityofIllinois, 2006.

[14]王宏琳.石油勘探开发信息技术发展态势——数据集成、应用集成和知识集成[J]. 石油工业计算机应用, 2007, 15(1)：6-11.

WANGHonglin.Thetrendofnformationtechnology:Dataintegrationapplicationintegrationandknowledgeintegrationinoilexplorationanddevelopment[J].ComputerApplicationsofPetroleum,2007, 15(1):6-11.

[15]WELLSITE.InformationTransferStandardMarkupLanguage[EB/OL].http://www.witsml.org,2007-03-16.

[16]BEGLEYEF.MatMLVersion3.1Schema[EB/OL].http://www.matml.org,2011-02-23.

[17]ZHANGXiaoming,HUChangjun,LIHuayui.SemanticqueryonmaterialsdatabasedonmappingMatMLtoanOWLontology[J].DataScienceJournal,2009,8:1-17.

[18]张晓明. 领域科学数据语义集成模型及映射[D]. 北京:北京科技大学,2009.

ZHANGXiaoming.Domain-specificSemanticModelandMappingforScientificDataIntegration[D].Beijing:UniversityofScienceandTechnologyBeijing, 2009.

[19]刘紫玉，杨国霞, 李学会. 基于本体的多专业领域知识语义检索系统研究[J]. 河北科技大学学报, 2011, 32(5):471-476.

LIUZiyu,YANGGuoxia,LIXuehui.Researchinsemanticretrievalsystemforknowledgeofmultiplemajorsdomainbasedonontology[J].JournalofHebeiUniversityofScienceandTechnology, 2011,32(5)：471-476.

[20]张立岩，张世民. 基于语义相似度的主观题评分算法研究[J]. 河北科技大学学报,2012,33(3)：263-265.

ZHANGLiyan,ZHANGShimin.Algorithmofsubjectiveitemmarkingbasedonsemanticsililarity[J].JournalofHebeiUniversityofScienceandTechnology, 2012,33(3)：263-265.

[21]PRUD'HOMMEAUXE,SEABORNEA.SPARQLQueryLanguageforRDF[EB/OL].http://www.w3.org/TR/rdf-sparql-query,2008-01-15.

[22]HUNTERJ,LITTLES,SCHROETERR.Theapplicationofsemanticwebtechnologiestomultimediadatafusionwithinescience[C]//SemanticMultimediaandOntologies.Springer:[s.n.], 2008: 207-226.

DomainXMLsemanticintegrationbasedonextractionrulesandontologymapping

LIHuayu，ZHANGPeiying,XIAOHan

(CollegeofComputerandCommunicationEngineering,ChinaUniversityofPetroleum,Qingdao,Shandong266580,China)

AplentyofXMLdocumentsexistinpetroleumengineeringfield,buttraditionalXMLintegrationsolutioncan’tprovidesemanticquery,whichleadstolowdatauseefficiency.InlightofWeXML(oil&gaswellXMLdata)semanticintegrationandqueryrequirement,thispaperproposesasemanticintegrationmethodbasedonextractionrulesandontologymapping.ThemethodfirstlydefinesaseriesofextractionruleswithwhichelementsandpropertiesofWeXMLSchemaaremappedtoclassesandpropertiesinWeOWLontology,respectively;secondly,analgorithmisusedtotransformWeXMLdocumentsintoWeOWLinstances.BecauseWeOWLprovideslimitedsemantics,ontologymappingsbetweentwoontologiesarethenbuilttoexplainclassandpropertyofglobalontologywithtermsofWeOWL,andsemanticquerybasedonglobaldomainconceptsmodelisprovided.ByconstructingaWeXMLdatasemanticintegrationprototypesystem,theproposedtransformationalrule,thetransferalgorithmandthemappingrulearetested.

computerinformationmanagementsystem;extractionrules;ontologymapping;domainXML;semanticintegration

1008-1542(2016)04-0416-07

10.7535/hbkd.2016yx04015

2015-10-13；

2015-11-24；责任编辑：陈书欣

山东省自然科学基金(ZR2014FQ018); 中央高校基本科研业务费专项资金(14CX02030A)

李华昱(1977—)，男，山东寿光人，副教授，博士，主要从事语义Web与数据集成方面的研究。

E-mail:lhyzj@upc.edu.cn

TP391

A

李华昱，张培颖，肖晗.基于抽取规则和本体映射的领域XML语义集成[J].河北科技大学学报,2016,37(4):416-422.

LIHuayu，ZHANGPeiying,XIAOHan.DomainXMLsemanticintegrationbasedonextractionrulesandontologymapping[J].JournalofHebeiUniversityofScienceandTechnology,2016,37(4):416-422.