研究本体逻辑Nosql方案

一．研究说明

1.本体

本体论是一个概念化的规范（a specification of a conceptualization），在计算机科学领域，其核心意思是指一种模型，用于描述由一套对象类型（概念或者说类）、属性以及关系类型所构成的世界。尽管不同的本体对于这些构成成分的确切称谓有所不同，但它们却都是一部本体不可或缺的基本要素。一般来说，人们所普遍期望的一点就是，本体之中模型的那些特征应当非常类似于相应的现实世界。

2.mongoDB数据库

MongoDB是一个基于分布式文件存储的数据库，旨在为WEB应用提供可护展的高性能数据存储解决方案。

它的特点是高性能、易部署、易使用，存储数据非常方便。主要功能特性有：
*面向集合存储，易存储对象类型的数据。
*模式自由。
*支持动态查询。
*支持完全索引，包含内部对象。
*支持查询。
*支持复制和故障恢复。
*使用高效的二进制数据存储，包括大型对象（如视频等）。
*自动处理碎片，以支持云计算层次的扩展性
*支持RUBY，PYTHON，JAVA，C++，PHP等多种语言。
*文件存储格式为BSON（一种JSON的扩展）
*可通过网络访问

根据本体的结构特点，设计了一种基于mongoDB的存储方法。mongoDB是一个面向文档的数据库，没有模式的概念，可以很方便的存储结构对象的信息，可以很方便的将本体转换成文档结构的BSON（一种类似JSON的格式，但是是二进制序列化的）结构存储在mongoDB中。

3．Jena工具

一、介绍Jena
Jena由 HP Labs（http://www.hpl.hp.com）开发的Java开发工具包,用于Semantic Web(语义网)中的应用程序开发；Jana是开源的，在下载的文档中有Jena的完整代码。Jena框架主要包括:
a)以RDF/XML、三元组形式读写RDF
资源描述框架是(RDF)是描述资源的一项标准(在技术上是W3C的推荐标准)，Jena文档中有一部分呢详细介绍了RDF和Jena RDF API，其内容包括对Jena RDF包的介绍、RDF模型的创建、读写、查询等操作，以及RDF容器等的讨论。

b)RDFS，OWL，DAML+OIL等本体的操作
Jena框架包含一个本体子系统（Ontology Subsystem），它提供的API允许处理基于RDF的本体数据，也就是说，它支持OWL，DAML+OIL和RDFS。本体API与推理子系统结合可以从特定本体中提取信息，Jena 2还提供文档管理器（OntDocumentManager）以支持对导入本体的文档管理。

c)利用数据库保存数据
Jena 2允许将数据存储到硬盘中，或者是OWL文件，或者是关系数据库中。本文处理的本体就是OWL文件读入的。

二.研究思路

方案一 Jena读取本体OWL文件解析存储到mongoDB

通过Jena的API可以将描述本体的OWL文件解析每一个statement的Subject，predicate，Object。解析后的形式：如下

[url] http://dbpedia.org/ontology/VolleyballLeague

[subClassOf] http://dbpedia.org/ontology/SportsLeague

[label] ligue de volleyball@fr volleyball league@en

[type] http://www.w3.org/2002/07/owl#Class

[comment] A group ofsports teams that compete against each other in volleyball.@en

存储后的文档格式：如下

{ "_id" : {"$oid" : "507a71093b731926baa997a6"},

"name" :"http://dbpedia.org/ontology/GrandPrix/distance",

"domain": "[http://dbpedia.org/ontology/GrandPrix]",

"label" : "[distance (km)@en]",

"type" :"[http://www.w3.org/2002/07/owl#DatatypeProperty]"

}

解析出来的每一个标签组（每一个statement）视作一个document，以key-value的形式存储在同一个collection中。这种方式解析完之后，mongoDB中只有一个collection，存储的文档根据type来区分是类（class），还是类的实例（objectproperty），还是属性（dataproperty）。

方案二 分集合存储

采取解析OWL的另一种方式，以类型（type）分类，建立三个collection，分别为类的描述（classRes），类实例的描述(instanceRes),属性的描述(propertyRes).此时每个collection中的文档的key包含了name,label,comment,subclass,range,domain等等。

存储后文档的格式

{ "_id" : { "$oid" :"507a72013b738a6e3026a944"},

"ClassName" :"http://dbpedia.org/ontology/Athlete",

"subClassOf" :

{ "ClassName" :"http://dbpedia.org/ontology/Person","equivalentClass" :"http://xmlns.com/foaf/0.1/Person","label" : ["person","Person","pessoa","personne"],"_id" : { "$oid" :"507a72013b738a6e3026a943"}

},

"label" : [ "athlete","athlète"]

｝

三．Q&A

Q1：Jena解析有的本体没有类型（type）输出（徐恩所说），至于其他的没有type输出的本体有待研究。若存在没有type的本体，该怎样判别它的类型（不建议用手工的形式去判别后存储）

Q2：OWL标签中的所有owl，rdf等子标签的xmlns均用一个collection存储，在这种情况下，存储稳定的时候，可以在value上只需存储本地化名字（localhost），在后续的事物逻辑上会不会有不方便之处？