【语义网】【读书笔记】Web 3.0与Semantic Web编程（三）查询、推理与语义网应用程序框架设计

参考资料：

• web3.0与Semantic Web编程（中文版）
• Web 3.0与Semantic Web编程 英文版
•  随书代码

一、SPARQL——基于语义网的查询

  语义网信息查询需要一种将RDF作为基本语法的语言。SPARQL是SPARQL协议与RDF查询语言（SPARQL Protocol and RDF Query Language）的缩写，是W3C的推荐标准。关于SPARQL的介绍，可以看我的另外一篇笔记——SPARQL——语义网的查询语言。   用于SPARQL查询的Jena包主要是org.apache.jena.query。包中主要的类及其功能介绍如下：  

  关于这些类更详细地用法可以参考官方文档——Apache Jena ARQ 3.17.0。在进行SPARQL查询时，一般的过程如下所示：   queryString = "..."; Query query = QueryFactory.create(queryString); QueryExecution qexec = QueryExecutionFactory.create(query, model); ResultSet results = qexec.execSelect(); List<QuerySolution> queryList = ResultSetFormatter.toList(results);   首先，先要创建查询语句queryString。需要注意的是，在创建查询语句时，需要标注所有使用到的前缀（PREFIX）。因为在JAVA中进行多行编辑的时候不方便（且不美观），比较推荐的方法是将查询语句放在一个txt文件中，通过读取这个txt文件来建立查询语句。这样做的好处有两个：一是代码的编写比较美观，而是可以对查询语句有很好的管理（包括后期的修改等）。接着，通过建立QueryFactory.create(queryString)查询。然后，通过QueryExecutionFactory.create(query, model)将查询绑定到本体模型。并通过qexec.execSelect()得到查询结果。代码的最后一行List<QuerySolution> queryList = ResultSetFormatter.toList(results)主要是将迭代器中的结果转化成一个列表，方便后面的访问和操作。   接下来，就可以通过对列表的遍历，读取每一个查询结果。获取查询结果通过下面的代码来进行。   QuerySolution soln = queryList.get(i); obj = soln.get("obj"); 其中get("obj")中的字段为查询语句中的变量名。例如，查询语句为SELECT ?obj ?n ?value WHERE……，那么就可以通过get("obj")来得到查询结果的第一个变量。

二、语义网推理语言

规则是表示知识的一种方式，它通常超过了OWL 1的表达能力。语义网上的规则是典型的条件语句，即“IF-THEN子句”。规则标记语言（Rule Markup Language）主要关注的是一种面向多种规则的基于XML的标记语言，SWRL（Semantic Web Rule Language）是基于语义网的规则语言之一，它采用一系列Horn子句来表示规则，具体的可以看SWRL的官方文档——SWRL: A Semantic Web Rule Language Combining OWL and RuleML。   Jena框架也支持自己的规则，即Jena规则。Jena规则和规则推理机绑定，对于任何Jena推理机来说，一个规则推理机绑定一个模型或者模式，通过bindSchema(schema)来实现。Jena推理机既支持正向推理，也支持反向推理，同时也支持两者的混合模式。一条Jena规则包含一个主体（或者称作前提，即if子句）项列表和一个头部（或者称作解困，即then子句）项列表。为了方便起见，每个规则都可以选用一个名称，而且混合规则可以选定一个处理方向。这些规则采用Jena专用格式进行描述，如下图所示。  
  和SWRL一样，Jena规则同样提供了一种基本规则语法来扩展本体的能力。不同的是，Jena规则允许灵活地采用正向链接和反向链接及二者混合结合的方式。此外，规则项中还允许采用各种内置方法（built-in方法）来表达更复杂的逻辑，比如数学运算等。   在Jena中进行推理的代码块如下，相关的API和包是reasoner。首先，从规则文件rulefile中读入规则，然后将规则绑定到推理机reasoner，并通过推理得到推理后的模型infmodel。   List rules = Rule.rulesFromURL(rulefile); Reasoner reasoner = new GenericRuleReasoner(rules); infmodel = ModelFactory.createInfModel(reasoner, _model);

三、设计语义网应用框架

  语义网程序的框架主要如上图的路径所示。这条路径主要包含两个部分——语义网数据开发和语义网数据管理。   总的来说，语义网数据开发生命周期按照下列步骤进行。  

1. 存储——在开发过程中，必须考虑语义网数据的存储。一般是内存或者数据库。
2. 填充（或者叫实例化）。框架将从文件、网站、数据库中检索到的数据或者将直接构造得到的数据填充到存储中。
3. 组合——将多个来源的数据进行组合，包括加、并、差、交等操作。
4. 推理——框架将允许对语义网进行内部推理或者外部推理，以得到额外的信息。既可以为这些额外信息增加新的陈述，也可以使用已有的陈述来表示推理得到的结果。
5. 询问——框架通过检索、导航或者查询来探查语义网数据。搜索采用简单匹配的方式进行，导航按照多种属性构成的路线进行，而查询需要形式化的查询语言。
6. 导出——框架提供了以各种标准格式导出语义网数据的方法。
7. 存储单元分配/关闭——框架将清除参考存储并且释放所有分配的计算资源。

语义网数据管理则涉及了四个方面：  

1. 信息——框架规定了语义网数据的规模、功能和特征。
2. 事件——框架中经常会出现多种事件的并发，例如，通过向数据添加陈述来进行事件驱动的程序设计。
3. 并发性——框架管理着多个线程，用户可以并发地对同意语义网数据进行操作。
4. 定制——框架允许通过自定义的方式来满足用户的特殊需求，例如：对数据存储机制进行修改。