[发明专利]大规模语义知识库的动态维护系统

说明书

技术领域

本发明涉及网络信息处理技术，特别是涉及一种基于Web2.0网络的异构语义知识库的动态维护系统。

背景技术

本发明所涉及的有以下几个技术：

1.语义Web的知识库

语义Web已经发展了十余年时间。知识表示、知识存储和查询、知识推理等语义Web技术的研究已经有了长足的进步。但是与传统的Web相比，语义Web的知识库规模还相差甚远，能够实际应用的本体知识库凤毛麟角，很难满足语义Web对大规模知识库的需求。究其原因，本体的构建成本、效率，以及本体的管理难题都是制约语义知识库发展的障碍。本体是构成知识库的主体，目前构建本体的途径主要是由领域专家通过手工来制作本体，不但成本高、效率低，而且维护起来非常困难，也有研究人员通过统计分析和自然语言处理的方法对已有的Web页面进行标注或者抽取来获取语义知识，但是语义识别准确率不高，造成了本体质量低下。至今人们尚未找到一种能够持续、高效、优质地构建本体的途径。然而，自底向上的建设语义Web已经获得越来越多的共识，从简单地关联大量的开放数据集开始，逐渐积累并丰富其语义，从而构建带有语义的Web知识库的工作已经起步并获得了显著的进展。

2.分布式本体研究

语义Web的发展从一开始就是建立在Web2.0基础之上的，必将包含海量的语义数据。此外，在语义发展初期，众多的标准和技术形成了大量的异构语义数据源，如何联合异构语义数据源并在海量语义数据中进行查询和推理已经越来越受到科研人员的重视，然而由于大规模的语义Web知识库尚未建立，因此对分布式本体的研究也很难找到着力点。但是，在研究中提出来的一些思想和架构依然可以被借鉴，用来解决分布式本体条件下的难题。

3.知识库维护研究

语义知识库的维护主要是指对大量异构语义数据源的管理，以使整个语义知识库保持上层语义网应用所需的一致性以及推理和查询的效率。目前围绕知识库不一致性处理方面，已经产生了各个研究领域，如不一致性检测、不一致性推理、不一致性调试等，在提升推理和查询效率上，一方面有对本体推理查询算法的改进，如围绕描述逻辑推理算法tabular算法的优化，对SPARQL查询机制的优化，另一方面有通过对本体之间数据关系的挖掘，来优化知识库中本体的存储结构，进而提高推理查询的效率，如本体合并、本体分割。

针对大规模语义知识库的动态维护的难题，如何将各种本体维护算法结合起来构建一个能够提供不一致性本体处理，并能动态优化知识库中本体存储结构的管理接口是本领域所要解决的问题。

发明内容

基于上述现有技术，本发明提出一种大规模语义知识库的动态维护系统，结合本体合并算法、本体不一致性处理算法和本体分割算法，将不一致性处理算法与大规模语义知识库进行了整合，从而实现了大规模语义知识库的一致性管理。

本发明提出了一种大规模语义知识库的动态维护系统，该系统包括主服务器、分布式数据服务器以及存储采用OWL语言描述的本体知识库，其特征在于，该系统还包括部署于主服务器上的全局知识管理系统和部署于该系统的分布式数据服务器的局部数据管理系统，所述全局知识管理系统和所述局部数据管理系统通过知识总线控制器，以一套标准的知识通信指令进行交互，其中：

局部数据管理系统，用于监听通过总线MULE传送来的指令并根据总线返回的控制流指令返回本体处理数据，实现语义知识库动态维护算法数据的存储与管理，包括本体的合并、分割以及不一致性处理；

全局知识管理系统，用于统筹、维护和应用本体知识库，该系统包括：

局部服务器索引，该索引用来记录位于辅助数据服务器上的局部服务器的标注的信息，然后位于主服务器上负责统筹、维护和应用本体知识库的全局知识管理系统运行核心处理，依据请求查询相应索引信息，并发出多播和广播指令；

API解释器，用于将来自上层的功能API的请求，解释成基础的核心查询指令，支持系统运行；

全局知识库管理模块，运行于主服务器后台，用于执行本体知识库推理和演化算法，优化知识库结构和存储，实现一致本体视图抽取、本体合并、本体分割、负载均衡，具体算法如下：

本体合并算法，首先找到两个输入本体之间实体的关联，然后指定一个本体A作为基本体，将另一个本体B导入本体A中，然后在合并本体B中添加关联描述，则得到了所需的合并后的本体结果；