基于语义网的数字化家具模型本体设计与检索

李文靖 胡书山 余日季

摘 要：针对传统检索方式在三维模型爆发性增长背景下出现的种种缺陷，以家具模型为切入点，对基于语义网和本体技术的三维创意素材模型的本体构建与检索进行研究设计，实现三维数字模型智能化检索。将本体技术和语义检索与三维模型结合，对不同类型的家具模型进行数字化描述、特征提取及要素分类，通过OWL本体描述语言创建本体，并将本体模型存入数据库从而形成模型素材本体库，根据语义规则构造可被机器理解的检索方式，为实现大众参与下的创新创意设计和产品快速原型设计打下基础。

关键词：数字化模型;三维模型;语义网;本体;语义检索

DOI：10. 11907/rjdk. 191541 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319 文献标识码：A 文章编号：1672-7800（2019）008-0136-04

Design and Retrieval of Digital Furniture Model Ontology Based on Semantic Web

LI Wen-jing1， HU Shu-shan1， YU Ri-ji1，2

（1. School of Computer & Information Engineering， Hubei University; 2. College of Art， Hubei University， Wuhan 430062， China）

Abstract： Aiming at the defects of traditional retrieval methods in the context of explosive growth of 3D models， this paper studies and designs the ontology construction and retrieval of 3D creative material models based on semantic web and ontology technology by taking the furniture model as the entry point to realize the intelligent retrieval of 3D digital models. In this paper， the ontology technology and semantic retrieval combined with 3D model， digital description of different types of furniture model， feature extraction and classification of elements were made， the ontology was created through the OWL ontology description language and the ontology model database was formed based on ontology model material. According to the rules of semantic structure retrieval query that can be understood by machine was made， which lays the foundation for the public participation of innovative creative design and product rapid prototype design.

Key Words： digital model; three-dimensional model; semantic web; ontology; semantic retrieval

基金项目：国家重点研发计划项目（2016YFB1101702）

作者简介：李文靖（1996-），女，湖北大学计算机与信息工程学院碩士研究生，研究方向为计算机技术;胡书山（1987-），男，湖北大学计算机与信息工程学院副教授、研究生导师，研究方向为基于关联数据技术建筑能效相关多元异构数据关联的算法与框架、基于多边形运算建筑模型转换算法;余日季（1976-），男，湖北大学计算机与信息工程学院硕士研究导师、湖北大学艺术学院教授、硕士研究生导师，研究方向为数字动画、数字媒体技术与应用（AR/VR/MR/体感交互）、文化遗产数字化保护与开发、数字创意产业。

0 引言

随着科学技术的创新和突破，传统检索方式已无法应对网络海量数据资源，公众对智能化网络的需求日益迫切，越来越多的研究者们将目光投向由W3C组织制定并推动的语义网，微软、IBM、HP、斯坦福大学、曼彻斯特大学等大型企业和高等教育机构对语义网技术进行了深入分析研究，并开发了一系列如Jena、Racer、KAON等语义网技术开发应用平台与基于语义网技术的信息集成及查询、推理和本体编辑系统[1]。同时，我国对于语义网技术的研究也非常重视，国内已有一批重点高校设立了语义网技术研究中心，其中，清华大学研发了SWARMS语义网辅助本体挖掘系统[2]，上海交通大学研发了ORIENT本体工程开发平台[3]等。

信息科学领域的蓬勃发展推动了信息相关产业的巨大进步，其中三维模型的应用发展尤为明显。从早期三维模型在工业产品设计、建筑领域、影视动画行业、游戏产业等领域中的应用，到如今医疗领域中的器官骨骼模型、地球科学领域中的三维地质模型及虚拟现实领域的虚拟模型等，三维模型的应用领域不断扩展。面对如此海量的三维模型，对三维模型更加快速、准确地匹配与检索的技术需求变得越发迫切。目前市场中流行的三维模型检索系统由于存在检索精度与检索效率较低、用户交互度不高等问题，无法很好地满足用户需求。国内外众多学者针对三维模型检索方面进行了深入研究与实践，包括最早出现的美国普林斯顿大学三维搜索引擎、Voyage模型搜索引擎、Google开发的SketchUP工具等[4]。 其中普林斯顿模型检索系统创造性提出的二维绘图检索、三维建模检索等交互操作方式为后续研究者打开了三维模型检索的新思路，但仍然存在检索效率低、用户交互度不高的问题。

针对传统检索方式在三维模型爆发性增长背景下出现的种种缺陷，本文以家具模型为切入点，将语义检索与三维模型相结合，通过语义网和本体技术对数字化三维素材模型进行本体构建，研究其关于智能化语义检索的实现方法，以期弥补三维模型检索中用户交互度低的问题，为实现Web环境下多客户、设计师协作交互的协同创意设计平台提供基础。

1 研究背景

1.1 语义网

W3C是语义网提供的一个允许在应用程序、企业和社区边界之间共享和重用数据的公共框架[5]。因此，语义网被视为跨越不同内容、信息应用程序和系统的集成者。语义网与Web3.0紧密结合，其作用是连接相关事件及实体。

语义网的7层框架体系结构由Berners-Lee在2000年提出，各层功能自下而上逐渐增强。其中第1层到第4层分别为用于描述资源位置的字符集层、根标记语言层、资源描述框架层以及本体层，而5至7层分别为Logic逻辑层、Proof证明层以及Trust信任层，Logic逻辑层为语义本体提供语义公理及推理规则，用于验证资源之间的相互关系以及推理所得结果的有效性; Proof证明层包含推理过程，为Logic逻辑层的规则提供认证; Trust层提供信任机制，确保信息在网络中进行交换的安全性与可靠性，并且验证该信息是否符合用户要求。语义网7层框架体系结构如图1所示。

图1 语义网层次体系

1.2 本体技术

本体论起源于西方哲学，是一种探索世界根基的哲学理论。随着信息科学领域的飞速发展，本体的概念被应用于信息科学领域并且被学者们不断完善。从其内涵来看，本体普遍被认为是同一领域内不同主体间相互交流的一种语义基础，指对某一特定领域的知识进行捕获，并对其进行概念分析、建模，从而对该领域包含的知识进行总结，并将其抽象为一系列共享概念，以得到这些概念在不同层次形式化及模式上的明确定义和描述，最终得到该领域内的共同认可。

1.3 SPARQL查询语言

SPARQL查询语言是专门为RDF开发、为满足数据访问工作组确定的用例和需求而设计的一种查询语言和数据获取协议，可检索所有由RDF语言表示的信息资源[6]。

2 三维家具模型素材概念分析及逻辑模型

由于人类自然语言表述的复杂性和不确定性，为使计算机理解自然语言，必须用形式化语言对自然世界进行抽象表示[7]。家具模型根据其作用功能的不同大致可分为床、桌、椅、柜等，根据它们的概念定义对其进行语义描述，如满足人类日常睡眠需求的家具为床， 其平面可用于摆放各类物品的家具为桌， 供人类坐于其上休息的家具为椅， 用于存放物品的家具为柜。不管是哪类家具，基本均由柱类、板材等组件组合而成，这些组件在家具中的作用各有不同，其中柱类家具大多起支撑作用，板材家具中不仅能起到支撑作用，有些还可放置物品。起到支撑作用的柱类、板材一般位于放置物品的板材之下，通過描述这些组件逻辑上的空间位置形成家具整体。

在构建家具本体时，根据上述分析对家具模型资源进行语义标注，将语义信息赋予家具资源对象，使其能够被机器理解。

该系统的架构模型在逻辑上分为资源层、语义描述层、本体层、检索层和服务层5层，其中资源层的主要作用是搜集各类信息资源并对其进行整合;语义描述层主要利用RDF资源描述框架和OWL语言对资源进行语义标注;本体层负责本体建立和存储管理，并将构建完成的本体存入本体库内;检索层负责对本体库内存储的本体文件进行解析，并分析用户输入的查询语句，实现语义层面的检索;服务层为用户提供检索结果的可视化界面[8]。该系统架构逻辑模型如图2所示。

图2 系统架构逻辑模型

3 三维家具模型素材语义本体构建与检索实现

对家具领域的重要术语进行列举，定义类与类的层次体系、属性及属性分面，最后通过本体描述语言创建本体并将本体模型存入数据库从而形成模型素材本体库。通过语义网络规则语言制定相应的本体推理机制。当用户输入查询语句后，由机器对其进行数据预处理操作，即对查询语句按照词语进行划分，并对无用的词语进行清洗;在预处理操作完成后，通过SPARQL语句对最终得到的查询词进行查询操作，并将查询结果输出至用户界面。

3.1 三维家具素材模型本体设计

本文在限定本体构建领域的基础上，确定本体类的构建领域为家具;对本体构建目的和用途进行设定，从而达到增强本体针对性的效果。本文采用斯坦福大学医学院开发的七步法[9]作为本体构建方法，最终得到的语义本体框架如图3所示。

图3 语义本体框架

3.1.1 家具本体类定义

面向创意家具素材模型设计的语义本体分别分选取家具（furniture）、垫子（cushion）、柱子（pillar）、板材（plank）作为实体类，每个实体类均可进一步被细化划分为更小的类，形成本体的层次结构。家具实体类可以进一步被细化划分为床（bed）、桌（table）、椅（chair）、柜（cabinet），而床、桌、椅、柜又可以被进一步划分为更小的概念，如单人床（single bed）、双人床（double bed）、靠背椅（back-rest chair）、无靠背椅（faldstool）、办公桌（office table）、餐桌（dining table）、衣柜（wardrobe）、书柜（bookcase）等。类的定义如图4所示。

3.1.2 家具本体类属性及其约束

对类的属性进行定义的过程在整个本体构建过程中至关重要，其可用于描述概念的内在含义，通过复用现有类的属性、扩展或自定义相关元数据标准定义类的属性，同时还需考虑到属性类型，如整数型、浮点型、文本等。在定义类属性的同时，还要对属性的函数性、自反性、传递性等进行约束设定。

图4 类的定义

针对创意家具素材模型库，对应素材应设定相应数据属性，如坐标（coordinate）、尺寸（size）、材质（texture）、颜色（color）等。

3.1.3 家具本体类间关系

针对创意家具模型素材，由于家具是由各种部件拼接组装而成，这些部件是家具类的一部分，但不属于家具类的子类，因此将垫子、柱子、板材这3类设定为家具类的兄弟类，与家具类存在包含和部分的关系，如家具类包含垫、柱、板3类，垫、柱、板3类又是家具类的一部分，同时这3个类之间又存在着装配关系。

3.1.4 家具本体形式化编码

完成家具模型本体构建后进行保存，保存的文件格式为owl格式。从文件中获取相应形式化编码，家具模型素材的本体模型概念定义的形式化编码片段如下：

3.1.5 实例添加

添加实例的过程实际上是利用之前定义完成的类和属性描述特定的对象，从而构造语义元数据的过程，这个过程也被称为语义标注。这些资源对象可以使用URL引用机制对其进行标识，通过RDF链接机制将彼此进行关联，形成语义元数据关联网络，如图5所示。

图5 语义元数据关联

3.2 三维家具模型素材检索设计

针对检索步骤进行设计时，首先构造知识库的推理规则，建立本体的语义推理规则，分析创意设计模型的逻辑对象、逻辑关系、概念体系等，以便实现逻辑概念的相互关联，从而完成基于语义的检索。用户输入查询语句后，由后台对数据进行预处理操作，即对查询语句进行分词处理和词语清洗，通过SPARQL语句生成最终的检索式执行查询，并将查询结果输出。

3.2.1 查询语句预处理

由于用户输入的查询信息往往夹杂着一些无用的语句信息，查询系统在获取用户输入的查询语句后，一般不会直接使用用户输入的查询信息执行查询操作，而是先对其进行文本预处理操作。文本预处理包括分词处理、词语清洗等操作。

分词处理指对查询语句按照词语进行划分，将查询语句划分为由一个个词语构成的查询信息词组，而词语清洗则是针对上述分词处理后得到的结果进行去噪处理，主要是将划分后的词组中的每个词语在词典中对应到每个词语的词性，删去文本中无用的虚词、代词、语气词等，并通过合并同义词等方式，对用户输入的查询语句根据其语义进行概念提取，得到最终查询语句。

为查询语句中存在的虚词、停顿词等，需要在分析前对其进行删除操作，然而，针对一些包含该类虚词但有具体意义的词语，如“了解”、“目的”等词语应该另作处理，以防在分析查询语句时造成分析误差。

3.2.2 查询语句检索实现

面向语义的检索在本体库推理的基础上，实现语义服务对语义元数据的推理功能。通过本体推理功能，可以推理出具有直接关系的概念及实例，完成相關概念检索。在检索推理机制中，有3类最基础的语义操作：①基于概念的操作。通过实行基于概念的语义操作，可以实现概念导航;②基于概念关系的操作。通过实行基于概念关系的语义操作，可以揭示概念之间的语义关联;③结合推理规则的操作。通过实行结合推理规则的操作，可以构建较为复杂的语义推理查询，这是检索系统的核心功能。

检索式1：查询所有实例的归属的类及其类间关系。

部分检索结果如图6所示。

图6 检索式1检索结果

检索结果如图7所示。

图7 检索式2检索结果

图8 检索式3检索结果

4 结语

本文对基于语义网和本体技术的三维家具素材模型的逻辑概念进行分析，在此基础上设计了语义本体模型，实现了基于语义的检索方法，为构建大众参与的个性化产品协同创意设计平台打下了基础。如何通过创意设计知识库构建、产品设计要素特征提取与分类、知识迭代与融合及设计交互与智能整合，形成知识与设计的协同演进机制、实现产品个性化定制与创意设计的高效对接是今后研究重点。

参考文献：

[1] YWH_1231. 浅谈语义网[EB/OL]. https：//blog.csdn.net/YWH_1231/article/details/44046373？utm_source=itdadao&utm_medium=referral.

[2] 吴刚，唐杰，李涓子，等. 细粒度语义网检索[J]. 清华大学学报：自然科学版，2005， 45（S1）：139-146.

[3] 王洪伟，吴家春，蒋馥. Extened ontology model and ontology checking based on description logics[J]. 上海交通大学学报：英文版，2004，（1）：195-198.

[4] 杨涛. 基于内容的三维模型检索[D]. 北京：北京工业大学，2009.

[5] CoolSummer. 语义Web简单综述[EB/OL]. https：//blog.csdn.net/hohaizx/article/details/8004.

[6] 痴澳超. RDF查询语言SPARQL[EB/OL]. https：//blog.csdn.net/u011801161/article/details/7.

[7] 王飞，易绵竹，谭新. 基于本体语义网络的语言理解模型[J]. 计算机科学，2018，45（S1）：101-105.

[8] 马文峰，杜小勇. 数字资源整合：理论、方法与应用[M]. 北京：北京图书馆出版社，2007.

[9] 刘艺，万蓉，裴新涌，等. 一种基于本体的移动学习资源语义检索模型[J]. 软件导刊，2015，14（9）：25-27.

[10] 夏翠翠，刘梦赤，胡婕. 基于信息网模型的Web实体语义信息搜索平台[J]. 计算机工程，2017，43（3）：18-23+31.

[11] 夏美翠，时鸿涛. 基于语义网的高效信息查询方法[J]. 计算机应用，2015，35（10）：2915-2919.

[12] 戎军涛. 基于本体的学科知识门户语义检索机制研究[J]. 情报科学，2016，34（6）：47-51+62.

[13] 张斌，郭黎，陈健. 语义网的地名检索服务初探[J]. 地矿测绘，2018，34（4）：1-3+31.

[14] 任志远. 版权知识本体构建方法研究[J]. 软件导刊，2017，16（6）：142-144.

[15] 李京杰. 基于语义本体的个性化学习推荐研究[J]. 软件导刊：教育技术，2016，15（9）：77-78.

[16] 涂春梅. 基于语义的文献检索系统研究[J]. 软件导刊，2012，11（3）：3-5.

[17] QASSIMI S，ABDELWAHED E H. The role of collaborative tagging and ontologies in emerging semantic of web resources[J].  Computing， 2019（2）：1-23.

[18] ALHAKBANI N，HASSAN M M，YKHLEF M，et al. An efficient event matching system for semantic smart data in the Internet of Things （IoT） environment[J].  Future Generation Computer Systems，2019，17（9）：1-19.

[19] HEYDARI B，AAJAMI M. Providing a new model for discovering cloud services based on ontology[J].  Engineering， Technology & Applied Science Research，2017，7（6）：2269-2272.

[20] MICHEL F， FARON-ZUCKER C， MONTAGNAT J. Bridging the semantic web and NoSQL worlds： generic SPARQL query translation and application to MongoDB[M]. Berlin： Springer， 2019.

（責任编辑：江 艳）