摘   要： 对Jean推理机的结构及推理规则的构造语法进行系统介绍，通过实例说明Jena在基于本体的信息检索中的应用。
关键词： 本体  Jena  OWL  RDF

　　随着因特网技术迅速发展，网上信息与知识急剧增长。所以，对信息检索技术的研究日显重要，信息检索已成为信息社会中不可或缺的一种重要工具。
　　当前的信息检索技术可分为三类：全文检索（Text Retrieval）、数据检索(Data Retrieval)和知识检索(Knowledge Retrieval)。全文检索和数据检索的本质都是直接基于关键字的检索技术，不能满足用户在语义和知识上的需求。知识检索强调的是基于知识的、语义上的匹配，因此在查全率和查准率上有更好的保证。
本体（Ontology）原本是一个哲学中的概念，被哲学家用来描述事物的本质。在计算机界，明确本体的定义经历了一个过程，最后Gruber关于本体的定义得到了业内同行的一致认同，即“本体是概念模型的明确的规范说明”。本体作为一种能在语义和知识层次上描述信息的概念模型建模工具，在信息检索，特别是在基于知识的信息检索中得到了广泛的应用。
　　OWL(Web Ontology Language)是W3C组织于2004年2月正式推出的一个专门用来描述本体的语言。它既有强大的语义表达能力，又可以实现描述逻辑的可判定推理。OWL可以用来存储本体中的概念和关系。
RDF（Resource Description Framework）是资源描述框架语言，用来描述元数据以及元数据与元数据之间的关系。其中元数据是“关于数据的数据”，是描述网络资源的数据。RDF可以用来存储本体中的实例。
1  Jena推理机简介
　　Jena是专门用来构建语义网的应用软件，它为RDF、RDFS和OWL提供了一个可编程实现的环境。推理功能是Jena中的一个子系统，它的目的就是把推理机制和推理器引入到Jena中。Jena推理机结构如图1所示。

　　所有应用都是通过使用ModelFactory访问图1的推理机制，并为相关联的Reasoner建立一个新的Model。查询这个新的Model不但会返回对原来数据的描述信息，还会返回通过Reasoner中的规则执行后的附加描述信息。整个推理机制的核心部分是InfGraph，因为所有应用的执行都是在Graph SPI层进行。Ont/Model API为用户构建的本体提供了一种便利的方式与合适的推理器连接。推理结构中的Graph-base assertions指的是和Reasoner一起绑定的数据(XML数据-实例），而Graph-ontology definitions指的是和Reasoner一起绑定的数据结构的限制（也就是XML模式-概念和关系）。Reasoner Registry是一个静态类，它包含了当前用到的所有Reasoner。
2  Jena推理规则的构造语法
　　用户一方面可以利用上面的结构实现本体中的推理，另一方面，如果用户对Java很熟悉，则可以自己开发推理规则。规则的语法格式如下：
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)//三元组模式
　　　   or     (node，node，functor)//扩展三元组模式
　　　   or     builtin(node，...node)//调用处理元语
functor ：=     functorName(node，...node)
　　　　　　　　　　　　　//结构化的文字表述
node  ：=     uri-ref//例如 http：//foo.com/eg
　　　   or prefix：localname//例如rdf：type
　　　   or     ?varname//变量名
　　　   or     ′a literal′//字符串
　　　   or     number//例如42或25.5
　　用户根据上述语法格式写出针对特定问题的规则，就可以更加方便、快捷地查询各种信息了。
3  Jena推理机的应用
　　下面通过一个具体的实例讨论Jena推理机是如何在本体中进行推理的。
　　在现代企业管理中，人们越来越清楚地认识到知识、尤其是雇员的知识是企业非常重要的财富。如何组织、管理好这些知识财富已成为现代管理重要的研究课题。传统的做法是建立一个数据库系统对企业雇员进行管理。然而，基于关键词的查询有时是不能满足要求的。对于这个问题，文献[9]进行了研究并给出了示例。示例如下：查找一个懂得“数据库”的雇员来从事一个项目的开发工作，假设在建立的查询系统中找不到一个人懂得“数据库”，系统只能返回空记录给用户。而事实上存在某些人懂得“演绎数据库”或“面向对象数据库”，按常识，这些人应该懂得数据库的知识，他们可以作为候选人提交给用户。但传统的数据库做不到这一点。虽然可以通过进一步输入这些关键词达到查询目的，但是不能保证用户了解“数据库”所有的子领域。文献[9]借助于本体，可以实现这一目的。文中假设为企业建立了一个本体，其中一个部分如图2所示。

　　由图2可以看到，李四具有“面向对象数据库”的能力。一般认为，具有某领域的子领域能力的雇员，同样具备该领域的知识。进一步把问题推广到项目因素。现在要查询具备“演绎面向对象数据库”能力的雇员，同样没有结果。然而从图2中可以看到张三在做项目1，而项目1应用了“演绎面向对象数据库”技术。因此张三可以作为候选人输出。
　　文献[9]是根据本体的启发式算法实现查询功能的。启发式算法是先定义几个基本函数，然后利用函数的组合及函数之间的映射实现概念之间的联系。针对这个问题，在Jena推理机的基础上，加入自己设计的规则，只要输入限定条件，就可以输出满足该条件的雇员。由于可以根据实际环境加入相应的规则，从而使算法具有更好的灵活性和适应性。
　　使用Jena推理机制实现这种查询功能，必须做好两方面的工作。第一，把图2中所有与数据库相关的概念、关系和实例用OWL和RDF表示出来，存储成XML文档。这又分两个步骤：(1)把图2中本体的概念用OWL表示出来，存储成CONCEPT.owl文件。这里的概念有计算机科学（CS）、数据库(DB)、演绎数据库(DDB)、面向对象数据库（OODB）、演绎面向对象数据库（DOODB）和项目（P）；(2)把图1中本体的实例用RDF存储成INSTANCE.rdf 文件。一共有两个项目，分别是项目1和项目2，有三个雇员：张三、李四和王五。其中张三工作于项目1，王五工作于项目2，李四有“面向对象数据库”的能力。第二，根据查询条件构造两条规则实现查询功能：
　　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说明如果某个雇员x有能力y，而y属于z，则x拥有能力z。
　　Rule2说明如果某个雇员x工作于项目y，而y使用了z技术，则x拥有能力z。
　　把这两条规则放入Jena推理机中，然后基于上面两个相关联的XML文档进行推理。代码如下：
　　Model schema=
　　ModelLoader.loadModel(″file：data/CONCEPT.owl″)；
　　　　　　　//把本体中的概念文件CONCEPT.owl读入推理机
　　Model data=
　　ModelLoader.loadModel(″file：data/INSTANCE.rdf″)；
　　　　　　　//把本体中的实例文件INSTANCE.rdf读入推理机
　　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))；
　　　　　　　//把编写的规则加入到已有的推理规则中
　　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函数输出所有
　　　　　　　//与数据库有关的推理结果
　　printStatements定义如下：
　    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))；
　　　　 }
　  　}
　　上面操作的输出结果是：
　　DB*：
　　-(eg：DOODB owl：subclassof eg：DB)    //演绎面向对象数据库是数据库的子集
　　-(eg：DDB owl：subclassof eg：DB)    //演绎数据库是数据库的子集
　　-(eg：OODB owl：subclassof eg：DB)    //面向对象数据库是数据库的子集
　　-(eg：李四 eg：hascompetence eg：DB)    //李四具有数据库的能力
　　-(eg：张三 eg：hascompetence eg：DB)    //张三具有数据库的能力
　　-(eg：project1 eg：usetech eg：DB)    //项目1使用了数据库的技术
　　因为RDF是用三元组表示的，所以在结果中张三、李四都以这样的形式作为候选人输出了。最后使用针对RDF格式的数据库查询技术RDQL把雇员的姓名选择出来，此工作便完成了。
4  结  论
　　随着科学技术的发展，信息检索技术也在发展，本体的引入提高了信息检索的效率。Jena作为一种支持本体的工具，在今后本体的研究过程中，必将会有重要的作用。
参考文献
1   邓志鸿，唐世渭，张铭等.Ontology研究综述.北京大学学报，  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   宋炜，张铭.语义网简明教程.北京：高等教育出版社，2004
8   廖明宏.本体论与信息检索.计算机工程，2000；(2)
9   Dauiel E.Knowledge management System：Converting and Connecting.IEEE Intellsyst，1998；(5)～(6)