2.2本体
2.2.1 本体的起源和历史
本体是语义网技术的基石，也是本文研究的基本对象。本体从何而来？要回答这样的问题，就得从哲学领域和词源方面寻找答案。
2.2.1.1 哲学观点
在哲学上，和本体能大致对应的概念是范畴（category）。文献[57] 就指出本体其实是最早的科学，而本体包括发现范畴和将合适的对象放入范畴中使它有意义。（可见范畴类似于分类或类型系统）[58] 则从哲学的角度分析了范畴研究的起源和发展。周认为哲学上对范畴的探索至少可以回溯到公元前6世纪。古希腊哲学家建立的最基本的抽象范畴是赫拉克利特的逻各斯”（λóyos）, 逻各斯是后世范畴理论研究的起点。其后又有柏拉图对范畴的解释。最早给出比较完整的范畴理论的哲学家是亚里士多德: 他给出了基本的范畴类别, 将其看作任意被描述物的谓词,这为今天的范畴设定和范畴分类提供了一个古典的分析模式。亚里士多德的范畴分类启迪了中世纪早期的逻辑学家波菲利, 他是第一个企图用层级金字塔图形来描述和组织亚里士多德范畴体系的学者: “物”被看作为顶级范畴, （类似OWL语言中的Thing[2]）其他皆为子范畴。波菲利的这一贡献被19世纪意大利哲学家布伦塔诺所发挥, 他把亚里士多德范畴体系调整发展为一棵倒立的树形图。这就非常接近现代本体中的类层次结构图了。
布伦塔诺的范畴理论只是对亚里士多德范畴理论的继承。而康德则构建了范畴三分法。范畴三分法是发端于古典范畴理论、但又有突破的新分析模式。
近现代的哲学家Peirce继承康德范畴三分的理论[59], 把范畴直接三分为第一范畴( firstness) 、第二范畴( secondness) 和第三范畴( thirdness) 。这三个范畴分别被Peirce描述为:
第一范畴是存在概念, 或者是独立于其他东西的存在;
第二范畴是相关于存在的概念, 反应的概念, 某些其他东西;
第三范畴是中介概念, 借此概念第一范畴和第二范畴被带进了某种关系。
周进一步论证Peirce的范畴三分理论为范畴的形式化刻划提供了可能, 这三个范畴可以被在其定义中需要涉及到实体的最小数字来描述:
第一范畴可以用一元谓词P (x) 表示, 这个表达式表达了一个实体x, 该实体由其自身的性质P, 也就是内在的固有的性质所决定, 这种性质不依赖x的任何外部实体;
第二范畴需要一个二元谓词或者二元关系R (x, y) 来表示, 这个二元关系描述了某些反应, 在实体x和另一个独立的实体y之间的某种反应;
第三范畴需要某种不可归约的三元关系, 某种联接的性质M把三个不同实体x、y、z沟通起来, 这个三元关系可以表述为M ( x, y, z) 。
由此可见，这和现代知识工程领域所讨论的本体概念已经十分契合。
2.2.1.2 词源观点
根据维基（Wiki）百科[60]的观点，本体的含义来源于希腊的柏拉图和亚里士多德的观点。亚里士多德的学生首次用了“metaphysica”这个词来表示他们老师所谓的“事物之所以存在的科学”（the science of being qua being）。根据这种观点，本体是研究事物之所以存在的科学。具体来说，本体关注于确定关于存在的分类词表，而这个词表内的项能够说明它的存在。
图2-3 人类各种语言中的本体表示方法
图2-3是各种语言中本体的表达方法。从词源上讲，最早本体这个词出现于拉丁语，并写作ontologia。这是在1606年Jacob Lorhard的Ogdoas Scholastica中出现的。1613年Rudolph Göckel编辑的哲学辞典philosophicum中也出现了该词。英语中“ontology”这次词则于1721年首次出现于Bailey的辞典中。该辞典对本体的定义是“关于存在的抽象思考”（an Account of being in the Abstract）。
2.2.2本体的定义
随着现代人工智能的发展，本体作为知识工程领域的重要研究对象被知识工程界赋予了新的定义。最早给出Ontology定义的是Neches等人，他们定义[61]是“本体定义了组成主题领域的词汇表的基本术语及其关系，以及结合这些术语和关系来定义词汇表外延的规则。”而斯坦福大学的Tom Gruber在1993年提出的定义则最为著名：本体是概念化的明确的规范说明（An ontology is an explicit specification of a conceptualization）[62]。
很多学者都撰文研究了本体的一般化定义，人们根据自己的体会和理解，从各自的视角看待、认识本体，众说纷纭，各有所长。表2-1是目前收集到的一些关于本体的定义（部分工作来自于[63] ）。通过这些定义，可以从多个角度来考察本体概念的实质。
表2-1有关本体定义的列表
发表时间 发表人 定义
1991 Neches[61] 本体定义了组成主题领域的词汇表的基本术语及其关系，以及结合这些术语和关系来定义词汇表外延的规则
1993 Gruber[62] 本体是概念化的明确的规范说明
An ontology is an explicit specification of a conceptualization
1995 N. Guarino and P. Giaretta[64] 本体是概念化的明确的部分的说明/一种逻辑语言的模型
An ontology is an explicit, partial account of a conceptualization/ the intended models of a logical language
1996 M. Uschold and M. Gruninger[65] 本体是概念化的精确表示
Ontology is an explicit account or representation of (some part of) a conceptualisation
1997 W. N. Borst[66] 本体是共享的概念模型的形式化的规范说明
An ontology is a formal specification of a shared conceptualization
1997 Swartout[67] 本体是一个为描述某个领域而按继承关系组织起来作为一个知识库的骨架的一系列术语
An ontology is a hierarchically structured set of terms for describing a domain that can be used as a skeletal foundation for a knowledge base
1998 Studer[68] 共享概念模型的明确的形式化规范说明
2000 Fensel[69] 本体是对一个特定领域中重要概念的共享的形式化的描述
An ontology is a common, shared and formal description of important concepts in an specific domain
2001 F.N.Noy [70] 本体是对某个领域中的概念的形式化的明确的表示，每个概念的特性描述了概念的各个方面及其约束的特征和属性。
An ontology is a formal explicit representation of concepts in a domain, properties of each concept describes characteristics and attributes of the concept known as slots and constrains on these slots
2002 Fonseca[71] 本体是以某一观点用详细明确的词汇表描述实体、概念、特性和相关功能的理论
An ontology is a theory which uses a specific vocabulary to describe entities, classes, properties and related function with certain point of view
2003 StarLab[72] 本体必需包括所使用术语的规范说明、决定这些术语含义的协议、以及术语之间的联系，来表达概念
“An ontology necessarily includes a specification of the terms used (terminology) and agreements that allow to determine their meaning, along with the possible inter-relationships between these terms, standing for "concepts
通过以上众多的本体定义，可以发现：虽然定义的方式、角度不同。但所有这些定义都有一些共同点。Fensel教授[73] 将这些共同点整理为本体的四大特征：
概念化（cerptualization）：将客观世界中的现象抽象成概念模型。
形式化（formal）：用精确的数学语言而非自然语言描述这些概念，这样就保证本体是计算机可读的。
明确的（explicit）：本体中的概念及其关系都是明确的定义的。
共享（share）：本体可以看作是本体用户间的达成的共识。本体反映的是相关领域中公认的概念集，目的是为了知识的共享。
这些共同的特征合起来接近是关于本体的能被普遍接受的定义。因此我们给出如下关于本体的一般化定义：
定义2-1[本体]本体是明确表达的关于客观世界知识的概念模型，它用形式化的方式表示，用来实现知识的共享。
在这个定义中，首先指出本体是一种概念模型。这是本体最本质的特征。本体就是要将客观世界“存在”的事物抽象成概念，并在概念模型中加以定义、组织。本体的明确表达是指本体中知识模型是一种显见的定义型的模式来表达。本体表达的明确性要求是由本体的设计目的决定的。设计本体的目的就是为了应用本体知识，共享本体知识，明确表达知识才有可能高效、准确的使用知识。正因为如此，多数本体都可以看作是类似词表的知识集。这可以作为判断是否是本体的一个直觉的指标。比如数据库、计算机程序中也包含有丰富的知识，但它们设计之时就是为了完成特定的目标，其知识表达都不是基于明确的知识定义模型的。强调本体的形式化表示也是非常重要的。一个知识库能够被称之为本体，则它必须是按照某个形式化类型系统的要求来定义知识的。形式化的类型定义的知识才可能被序列化成机器可读的知识原语，计算机才有可能“阅读”其中的语义。因此形式化的目的，就是为了对知识赋予“语义”信息。共享是本体设计的目的。本体需要明确的形式化的概念表达，根本目的就是为了实现共享，尤其是机器间的共享。语义网同之前网络的区别就在于它是一个机器可理解的、强调机器间互操作的、高度自动化、智能化的网络。有了本体，很多复杂的网络应用就能够通过计算机相互交换、理解信息，自动实现各种功能，而无需人工干预。共享的要求也说明本体的构建必须具有一定的权威性，其中知识必须是公认的而非私有的认识。这样才能够真正为知识消费者之间共享和使用。
2.2.3本体的类型范围
虽然有了本体的定义，但是在实践中，人们对于本体的边界其实是模糊的。图2-4是表达语义内容的各种模型的光谱图。图的上方是研究的各种模型，下方是基于语义强弱的模型分类。按照Daconta[74]的分类标准，从弱语义到强语义分类成分类系统（Taxonomy）、辞典（Thesaurus）、概念模型（Concept Model）和定理（Thoery）。而各种语义模型则按照其表达能力和特性分别定位在光谱图上。
图2-4 本体分类的光谱图
目前学界关于哪些知识系统可以称为本体尚未有清晰的界定。本体的分类有广义和狭义之分。
从广义的观点来看，只要符合本体的四大特征的模型都可称为本体。从光谱图上看，该观点的取值区间有时甚至可以从紫光区一直到红光区（从图的中部到最右部）。
从狭义的观点来看，只有真正属于本体层、满足定义2-1的那些模型才称为本体。这种观点下，即使是RDFS也不算本体，而描述逻辑等更是属于逻辑层，也排除在外。这样就只有概念模型的部分绿光区的OWL等是其取值范围了。
本文认为，过广或者过窄的取值都不能很好的界定本体。比如将描述逻辑系统也称为本体，则有概念层次上的混淆,将UML作为本体的一种显得定义太宽。而RDFS描述的系统则在实践中都被作为一种本体来看待。因此本文所称的本体主要包括以RDFS、OWL等语言描述的系统。下面对这些语言作简要介绍。
2.2.4本体描述语言
本体描述语言是用来清晰、准确表达本体知识内涵和外延的语言。本体语言既是本体设计者的建模工具，也是本体使用者的解析对象。这就要求本体语言需要具备较好的可读性和良好定义的语言结构。在文献[75] 中指出，本体语言是用户为领域模型编写的概念描述，它是清晰的和形式化的。它必须具备：
- 良式定义的语法（a well-defined syntax）
- 良式定义的语义（a well-defined semantics）
- 高效的推理支持（efficient reasoning support）
- 足够的表达能力（sufficient expressive power）
- 表达的便利性（convenience of expression）
几十年来的大量的本体研究工作中，研究人员构建了许多本体描述语言。大致可分为以下几种[76]：1）基于逻辑演算的本体描述语言，2）基于图的本体描述语言，3）基于分布式环境的本体描述语言。
2.2.4.1 基于逻辑演算的本体描述语言
这类本体描述语言都是基于某种逻辑系统设计的，且语法具有明显的逻辑特征。和纯粹的逻辑系统相比，它们的语法又具有少量的自然语言的成分，但可读性较差。
1）KIF[77]（Knowledge Interchange Format）
KIF是Stanford大学人工智能实验室专家提出的一种基于谓词演算的形式化语言。它是一种为了在异质计算机系统之间交换知识而设计的语言。KIF重点研究语言的表达能力，主要功能包括对象、函数、和关系的定义，允许元级知识和非单调推理规则的表示，具有描述性语义。其主要目的是构成不同的计算机系统之间交换知识的接口规范。目前KIF已经成为美国国家标准（ANSI）。下面是一个KIF描述的例子。它说明如果关系X比Y要强，则对于任何Z,W，如果它们出现在X中，则一定出现在Y中。可以看到其强烈的逻辑设计背景。
(forall (?x ?y)
(<=> (stronger ?x ?y)
(forall (?z ?w)
(=> (?x ?z ?w)
(?y ?z ?w)))))
2）Ontolingua[78]
Ontolingua本身是一种支持浏览、创建、编辑和使用本体的分布式协作环境。其本地语言Ontolingua以KIF为其核心语言，定义本体框架作为知识表示的基础。该语言支持三种本体定义形式：1）KIF表示；2）使用Frame Ontolingua的词汇库表示；3）混用前述两种表示方式。
3）Loom[79]
Loom是一种基于一阶谓词逻辑的知识表示语言，由美国南加州大学信息科学学院设计并实现。Loom提供了明确定义而且表达力强的模型描述语言，能描述定义、规则、事实和缺省规则等；提供了有效的推理机制，能利用向前推理、语义一致化和面向对象的真值维护等技术实现推理；提供了编程范例如逻辑范例、产生式规则范例和面向对象范例等[80]。该语言现在发展成为PowerLoom语言。它是基于逻辑的，具备很强表达能力的描述语言，采用前后链规则（backward and forward chainer）作为推理机制，支持以模块为构建知识库的基本单位，支持假设推理等。例如下面是PowerLoom的一个例子，它定义了公司、小公司的概念，并说明小公司是雇员数少于30人的公司。
(defconcept company)
(defrelation company-name ((?c company) (?name STRING)))
(deffunction number-of-employees ((?c company)) :-> (?n INTEGER))
(defconcept small-company ((?c company))
:<=> (and (Company ?c)
(< (number-of-employees ?c) 30)))
(assert (company ACME-cleaners))
(assert (company-name ACME-cleaners "ACME Cleaners, LTD"))
(assert (= (number-of-employees ACME-cleaners) 8))
4）OCML[81]
可操作概念建模语言（Operational Conceptual Modelling Language），是由英国的Knowledge Media Institute实验室开发的一种本体描述语言。OCML建模语言通过函数、关系、类、实例和规则来规约知识系统的建模，它还包括定义本体及问题解决方法的机制。此外，可视化建模工具WebOnto[82]编辑器是基于该语言开发的。同Loom相比，该语言在分类推理（Classification）方面弱于Loom，但是OCML提供了诸如非操作性声明的归结（inclusion of non-operational statements）、公理规约(specificationof axioms)等功能。
5）CycL[83]
CycL是著名的Cyc系统的描述语言，它是由Doug Lenat 领导的Cyc人工智能项目开发的。CycL的最初版本是一种框架语言，不过现在的版本是基于经典一阶逻辑的，并且扩充了模态算子和高阶量化。它是一种体系庞大而非常灵活的知识描述语言。其特点是：在一阶谓词演算的基础上扩充了等价推理、缺省推理等功能；具备一些二阶谓词演算的能力；其语言环境中配有功能很强的可进行推理的推理机。CycL具有可处理量词、缺省推理、Skolem化和其他一些二阶特性。下面是CycL的简单例子，其中第一句说明Bill Clinton是美国总统，第二句声明所有的树都是植物，第三句声明巴黎是法国的首都。
(#$isa #$BillClinton #$UnitedStatesPresident) \;
(#$genls #$Tree-ThePlant #$Plant) \;
(#$capitalCity #$France #$Paris) \;
2.2.4.2 基于图的本体描述语言
这类语言除了底层的支持逻辑系统以外，还有专门的图表示层，即有一个图结构到底层逻辑结构的双射集合。同基于逻辑演算的语言相比，基于图的本体描述语言最大的优势就是对人的可读性好，但其对机器的可读性较差，此外对于复杂关系的表达能力比较弱。（计算机解析图结构模型的开销通常比较大）
概念图（Conceptual Graphs，CG）：概念图是Sowa教授提出的基于图的本体描述语言[84][85]。Sowa教授在著名哲学家Peirce的存在图（Existential Graphs）[]的基础上，创造了概念图。概念图包括“概念”和“关系”两类节点，分别称为“概念节点”和“概念关联节点”，二者之间通过由“概念关联节点”到“概念节点”的有向弧相连。概念图中的概念按照“IsKindOf”关系形成一个格（Lattice）。这个格的最顶层元素是“Entity(T)”，而最底层元素是“Absurdity(⊥)”。下图是关于“每个人都有父母，他们是两个不同的人”这个知识在概念图和存在图中的表示方法。图2.5的下方是这两种图所基于的一阶逻辑表示。
图2-5 EG和CG表示的区别
除了概念图、存在图以外，还有概念表示(Conceptual Representation)[87]等。基于图的本体描述语言还有Borgo等人的Lexical Semantic Graph[88]、Guarino和Masolo等人的Lexical Conceptual Graph（LCG）[89]等。
2.2.4.3 基于分布式环境的本体描述语言
进入上世纪90年代，越来越多的本体应用来自于分布式的计算环境，本体描述语言也与时俱进，发生了巨大的变化。分布式环境下的本体描述语言的最大特点是增加了基于标签语言的文本表示层。基于标签语言的本体描述是为了适应分布式环境下的知识描述特点，实现网络环境下的信息互享，数据互操作。基于标签的文本描述特别有利于解析本体文档，因而对机器的可读性较好。因为采用了近似自然语言的标签语言，其对人的可读性也要好于基于逻辑演算的描述语言。
1）SHOE[90]
SHOE是简单HTML的本体扩展（Simple HTML Ontology Extensions）的缩写，由马里兰大学并行理解系统组（Parallel Understanding Systems Group）开发。它是一种与XML一致的网络本体表达语言[]，用于对网络文档做本体标注。它通过集成Web文档的机器可读的语义知识扩展了HTML，以此来提高Agent对Web信息的检索和知识获取的效率。SHOE曾经是一个影响较大的语言，它的开发者Jim Hendler、Jeff Heflin都是目前语义网研究的主流人物和OWL语言的制定者。不过现在SHOE已经停止研究了。
2）OML（Ontology Markup Language）[91]
OML是华盛顿大学定义的本体标识语言。OML利用XML对SHOE进行了扩展，基本功能与SHOE类似。它包括四个不同层次的组成部分[]：OML核位于最内层，用于逻辑处理；简单OML负责到RDF的映射；抽象OML包括概念图；位于最外层的标准OML是表示层。
3）XOL[92]
基于XML的本体交换语言(XML-based Ontology Exchange Language) 是美国SRI的国际人工智能中心（IAIC）开发的。XOL设计目的[]主要是为了生物信息学领域本体的交换。XOL以Ontolingua和OML为基础，参照XML语法和OKBC语义定义，是一种严格定义的语言，只支持概念、分类、关系三种元素的定义。XOL文件可以直接用XML编辑器定制。XOL语言的优势在于简单和标准。
4）RDF、RDFS
资源描述框架(Resource Description Framework, 简称 RDF) 是W3C在XML的基础上推荐的一种标准，用于表达关于万维网(World Wide Web)上的资源信息. 它专门用于表达关于Web资源的元数据。RDF基于这样的思想：用Web标识符（URIs）来标识事物，用简单的属性（property）及属性值来描述资源。这使得RDF可以将一个或多个关于资源的简单陈述表示为一个由结点和弧组成的图（graph），其中的结点和弧代表资源、属性或属性值。RDF采用“主体－谓词－客体”的三元组（Triples）方式描述资源。理论上，三元组可以描述任何知识，但它不能直接描述复杂的类，描述效率不高。下图给出的是一个RDF声明的例子和它的三元组表示。
<http://www.example.org/index.html>;<http://purl.org/dc/elements/1.1/creator>; <http://www.example.org/staffid/85740>; .
<http://www.example.org/index.html>;<http://www.example.org/terms/creation-date>;"August 16, 1999" .
<http://www.example.org/index.html>; <http://purl.org/dc/elements/1.1/language>; "en" .
图2-6 RDF表示的例子[53]
RDFS（RDF Schema）类似于RDF的元数据层，它提供了描述类和属性的可能性 。因此，可以认为RDF Schema为RDF提供了一个类型系统。RDFS使得基于RDF的应用可以与OWL等语言所生成的本体进行合并。这一特性使基于RDF的语义描述结果具备了可以和更多的领域知识进行交互的能力。
5）OIL（Ontology Interchange Language）[93]
OIL是欧洲On-To-Knowledge项目组设计的本体语言。它的定义融合了三种范例：基于框架的建模、基于描述逻辑的形式化语义和基于XML的语法。使用OIL定义的本体能够被映射到描述逻辑的公理，因此能够借助已有的系统执行可靠性和完整性推理。
6）DAML+OIL（DARPA Agent Markup Language+OIL）[94]
DAML+OIL是基于RDF的一个扩展语言，它结合了DAML和OIL两种语言的优点，为RDF框架提供了推理规则的描述方法。DAML+OIL是OWL的前身，是OWL发展的关键一环。
7）OWL（Web Ontology Language）[95]
OWL全称Web Ontology Language，是W3C推荐的语义互联网中本体描述语言的标准。OWL是所有本体描述语言中最重要的一种语言。OWL是由DAML+OIL发展起来的。在语义网的层次结构图中，OWL处于本体层的核心位置。自2004年W3C公布其推荐标准以来，OWL在全世界得到了广泛的支持和 研究。目前已经成为本体描述语言公认的标准语言。
2.2.4.4 本体描述语言研究小结
基于逻辑演算的本体描述语言多数都类似于支持本体的逻辑系统。这些形式的本体描述语言基本都是在知识工程蓬勃发展的上世纪80、90年代产生的。它们的语法表达接近人工智能的编程语言（Prolog、Lisp等），带有那个时代特别的痕迹。由于目前以语义网为代表的网络化分布式知识工程已占主导地位，这一类的很多语言都已不太活跃，甚至销声匿迹。基于逻辑演示的本体描述语言虽然功能强大，但专业性太强，用户界面不友好，只适用于很小的科研圈子。现代的本体构建，一般是在分布式协作开发环境，参与者更多的是领域专家而不是逻辑学专家，不可能使用过于复杂的逻辑语言。这样它们的式微也就不可避免了。
基于图的本体描述语言相当于在逻辑系统上增加了一层图形表示语言层，并且保证两者之间的映射关系。这样就本体提高了对人的可读性。但是这样的语言缺乏文本表示层，操作较困难，对于机器相互理解的开销较大。
上世纪八九十年代还存在很多和基于逻辑演算语言处于同一层次的基于描述逻辑的本体描述语言系统（如KRSS[96]），不过它们在不断发展中，逐步在逻辑层上包装了一层本体语言层。这样本体描述语言就担当了用户接口的重任，而这样的本体描述语言在表现形式上更加接近于自然语言，具有友好的用户接口。且基于标签语言的文本表示对于机器操作十分容易，机器的可读性很好。这类语言就是基于分布式环境下的本体描述语言。
如图2-7，可以看到三种类型的本体描述语言之间的比较。从纵轴上看，逻辑表示到文本表达到图形表示，可读性是不断增强的；反过来看，则本体的抽象性不断提高。可以看到基于逻辑演算的本体描述语言只有一层，且在逻辑表示中混合了文本表示；基于分布式环境的本体描述语言则增加了文本表示层，因此具有较好的机器可读性；基于图的本体描述语言在对人的可读性上是最好的，但是因为缺少文本表示层描述，对机器的可读性稍差。
在图的最右侧给出的是我们认为的最理想的本体描述语言系统。它应该同时具备三个表达层次。在逻辑表示层依靠类似描述逻辑等成熟逻辑系统的支持；在文本表示层采用OWL、RDF等语言；在图形表示层则提供一种能够和下面两层同步的表示语言。这样的系统就可以在对人、对机器的可读性、操作性上达到较高的水平。
图2-7 本体描述语言的层次分析
由于不知道如何上图（需网址？），如需看完整版，请访问我的技术博客：
http://blog.sina.com.cn/softmanagement
[返回] W3CHINA.ORG讨论区 - 语义网·描述逻辑·本体·RDF·OWL →
W3CHINA.ORG讨论区 - Web新技术讨论 → 『 Semantic Web(语义Web)/描述逻辑/本体 』 → 有点老的语义网和本体介绍资料系列之二
(订阅本版)
2010/9/13 12:52:00
新浪微博
有点老的语义网和本体介绍资料系列之二
