知识图谱基础之RDF，RDFS与OWL

https://blog.csdn.net/u011801161/article/details/78833958

https://blog.csdn.net/baidu_15113429/article/details/82144731

RDF：单纯的三元组，没有本体概念，若是构建一个公司的知识图谱，公司的董事和中层以及普通员工都是员工，你在查找员工的时候，就须要把董事以及各个职位的人都查找出来。

RDFS：会添加本体，例如员工下面有董事以及中层和普通员工，这样就能直接经过抽象的员工而不用访问所有。

OWL：在RDFS的基础上面添加了推理规则，例如添加传递性，A大于B，B大于C那么A大于C，定义A和B之间的关系具备传递性，那么咱们进行查询的时候，就能找到全部小于A的。

===============================

对知识图谱有兴趣的读者能够关注个人知乎专栏，主要介绍知识图谱的相关概念、技术，也包含一些具体实践。

看过以前两篇文章（1, 2）的读者应该对RDF有了一个大体的认识和理解。本文将结合实例，对RDF和RDFS/OWL，这两种知识图谱基础技术做进一步的介绍。其实，RDF、RDFS/OWL是类语义网概念背后通用的基本技术，而知识图谱是其中最广为人知的概念。

1、知识图谱的基石：RDF
RDF表现形式
RDF(Resource Description Framework)，即资源描述框架，其本质是一个数据模型（Data Model）。它提供了一个统一的标准，用于描述实体/资源。简单来讲，就是表示事物的一种方法和手段。RDF形式上表示为SPO三元组，有时候也称为一条语句（statement），知识图谱中咱们也称其为一条知识，以下图。

 

RDF由节点和边组成，节点表示实体/资源、属性，边则表示了实体和实体之间的关系以及实体和属性的关系。在第一篇文章中（为何须要知识图谱？什么是知识图谱？——KG的前世此生），咱们结合罗纳尔多的例子，介绍了RDF节点和边的类型约束，这里再也不赘述。对RDF不熟悉的读者，能够参考第一篇文章，里面有更直观的描述和解释。

RDF序列化方法
RDF的表示形式和类型有了，那咱们如何建立RDF数据集，将其序列化（Serialization）呢？换句话说，就是咱们怎么存储和传输RDF数据。目前，RDF序列化的方式主要有：RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等几种。

RDF/XML，顾名思义，就是用XML的格式来表示RDF数据。之因此提出这个方法，是由于XML的技术比较成熟，有许多现成的工具来存储和解析XML。然而，对于RDF来讲，XML的格式太冗长，也不便于阅读，一般咱们不会使用这种方式来处理RDF数据。

N-Triples，即用多个三元组来表示RDF数据集，是最直观的表示方法。在文件中，每一行表示一个三元组，方便机器解析和处理。开放领域知识图谱DBpedia一般是用这种格式来发布数据的。

Turtle, 应该是使用得最多的一种RDF序列化方式了。它比RDF/XML紧凑，且可读性比N-Triples好。

RDFa, 即“The Resource Description Framework in Attributes”，是HTML5的一个扩展，在不改变任何显示效果的状况下，让网站构建者可以在页面中标记实体，像人物、地点、时间、评论等等。也就是说，将RDF数据嵌入到网页中，搜索引擎可以更好的解析非结构化页面，获取一些有用的结构化信息。读者能够去这个页面感觉一下RDFa，其直观展现了普通用户看到的页面，浏览器看到的页面和搜索引擎解析出来的结构化信息。

JSON-LD，即“JSON for Linking Data”，用键值对的方式来存储RDF数据。感兴趣的读者能够参考此网站。

下面，咱们结合第一篇文章中罗纳尔多知识图的例子，给出其N-Triples和Turtle的具体表示。

 

Example1 N-Triples:

<http://www.kg.com/person/1> <http://www.kg.com/ontology/chineseName> "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/career> "足球运动员"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/fullName> "Ronaldo Luís Nazário de Lima"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/birthDate> "1976-09-18"^^date.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/height> "180"^^int.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/weight> "98"^^int.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/nationality> "巴西"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/hasBirthPlace> <http://www.kg.com/place/10086>.
<http://www.kg.com/place/10086> <http://www.kg.com/ontology/address> "里约热内卢"^^string.
<http://www.kg.com/place/10086> <http://www.kg.com/ontology/coordinate> "-22.908333, -43.196389"^^string.

同一个实体拥有多个属性（数据属性）或关系（对象属性），咱们能够只用一个subject来表示，使其更紧凑。咱们能够将上面的Turtle改成：

Example3 Turtle:

@prefix person: <http://www.kg.com/person/> .
@prefix place: <http://www.kg.com/place/> .
@prefix : <http://www.kg.com/ontology/> .

person:1 :chineseName "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string;
:career "足球运动员"^^string;
:fullName "Ronaldo Luís Nazário de Lima"^^string;
:birthDate "1976-09-18"^^date;
:height "180"^^int;
:weight "98"^^int;
:nationality "巴西"^^string;
:hasBirthPlace place:10086.
place:10086 :address "里约热内卢"^^string;
:address "-22.908333, -43.196389"^^string.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
即，将一个实体用一个句子表示（这里的句子指的是一个英文句号“.”）而不是多个句子，属性间用分号隔开。

RDF的表达能力
在第二篇文章（语义网络，语义网，连接数据和知识图谱）当中咱们提到，RDF的表达能力有限，没法区分类和对象，也没法定义和描述类的关系/属性。个人理解是，RDF是对具体事物的描述，缺少抽象能力，没法对同一个类别的事物进行定义和描述。就以罗纳尔多这个知识图为例，RDF可以表达罗纳尔多和里约热内卢这两个实体具备哪些属性，以及它们之间的关系。但若是咱们想定义罗纳尔可能是人，里约热内卢是地点，而且人具备哪些属性，地点具备哪些属性，人和地点之间存在哪些关系，这个时候RDF就表示无能为力了。不管是在智能的概念上，仍是在现实的应用当中，这种泛化抽象能力都是至关重要的；同时，这也是知识图谱自己十分强调的。RDFS和OWL这两种技术或者说模式语言/本体语言（schema/ontology language）解决了RDF表达能力有限的困境。

2、RDF的“衣服”——RDFS/OWL
之因此说RDFS/OWL是RDF的“衣服”，由于它们都是用来描述RDF数据的。为了避免显得这么抽象，咱们能够用关系数据库中的概念进行类比。用过Mysql的读者应该知道，其database也被称做schema。这个schema和咱们这里提到的schema language十分相似。咱们能够认为数据库中的每一张表都是一个类（Class），表中的每一行都是该类的一个实例或者对象（学过java等面向对象的编程语言的读者很容易理解）。表中的每一列就是这个类所包含的属性。若是咱们是在数据库中来表示人和地点这两个类别，那么为他们分别建一张表就好了；再用另一张表来表示人和地点之间的关系。RDFS/OWL本质上是一些预约义词汇（vocabulary）构成的集合，用于对RDF进行相似的类定义及其属性的定义。

Notice: RDFS/OWL序列化方式和RDF没什么不一样，其实在表现形式上，它们就是RDF。其经常使用的方式主要是RDF/XML，Turtle。另外，一般咱们用小写开头的单词或词组来表示属性，大写开头的表示类。数据属性（data property，实体和literal字面量的关系）一般由名词组成，而对象数据（object property，实体和实体之间的关系）一般由动词（has，is之类的）加名词组成。剩下的部分符合驼峰命名法。为了将它们表示得更清楚，避免读者混淆，以后咱们都会默认这种命名方式。读者实践过程当中命名方式没有强制要求，但最好保持一致。

轻量级的模式语言——RDFS
RDFS，即“Resource Description Framework Schema”，是最基础的模式语言。仍是以罗纳尔多知识图为例，咱们在概念、抽象层面对RDF数据进行定义。下面的RDFS定义了人和地点这两个类，及每一个类包含的属性。

@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix : <http://www.kg.com/ontology/> .

### 这里咱们用词汇rdfs:Class定义了“人”和“地点”这两个类。
:Person rdf:type rdfs:Class.
:Place rdf:type rdfs:Class.

### rdfs当中不区分数据属性和对象属性，词汇rdf:Property定义了属性，即RDF的“边”。
:chineseName rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:string .

:career rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:string .

:fullName rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:string .

:birthDate rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:date .

:height rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:int .

:weight rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:int .

:nationality rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range xsd:string .

:hasBirthPlace rdf:type rdf:Property;
rdfs:domain :Person;
rdfs:range :Place .

:address rdf:type rdf:Property;
rdfs:domain :Place;
rdfs:range xsd:string .

:coordinate rdf:type rdf:Property;
rdfs:domain :Place;
rdfs:range xsd:string .

咱们这里只介绍RDFS几个比较重要，经常使用的词汇：
1. rdfs:Class. 用于定义类。
2. rdfs:domain. 用于表示该属性属于哪一个类别。
3. rdfs:range. 用于描述该属性的取值类型。
4. rdfs:subClassOf. 用于描述该类的父类。好比，咱们能够定义一个运动员类，声明该类是人的子类。
5. rdfs:subProperty. 用于描述该属性的父属性。好比，咱们能够定义一个名称属性，声明中文名称和全名是名称的子类。

其实rdf:Property和rdf:type也是RDFS的词汇，由于RDFS本质上就是RDF词汇的一个扩展。咱们在这里不罗列进去，是不但愿读者混淆。RDFS其余的词汇及其用法请参考W3C官方文档。

为了让读者更直观地理解RDF和RDFS/OWL在知识图谱中所表明的层面，咱们用下面的图来表示例子中的数据层和模式层。

 

Data层是咱们用RDF对罗纳尔多知识图的具体描述，Vocabulary是咱们本身定义的一些词汇（类别，属性），RDF(S)则是预约义词汇。从下到上是一个具体到抽象的过程。图中咱们用红色圆角矩形表示类，绿色字体表示rdf:type，rdfs:domain，rdfs:range三种预约义词汇，虚线表示rdf:type这种所属关系。另外，为了减小图中连线的交叉，咱们只保留了career这一个属性的rdf:type所属关系，省略了其余属性的此关系。

RDFS的扩展——OWL
上面咱们提到，RDFS本质上是RDF词汇的一个扩展。后来人们发现RDFS的表达能力仍是至关有限，所以提出了OWL。咱们也能够把OWL当作是RDFS的一个扩展，其添加了额外的预约义词汇。

OWL，即“Web Ontology Language”，语义网技术栈的核心之一。OWL有两个主要的功能：
1. 提供快速、灵活的数据建模能力。
2. 高效的自动推理。

咱们先谈如何利用OWL进行数据建模。用OWL对罗纳尔多知识图进行语义层的描述：

@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix : <http://www.kg.com/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .

### 这里咱们用词汇owl:Class定义了“人”和“地点”这两个类。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.

### owl区分数据属性和对象属性（对象属性表示实体和实体之间的关系）。词汇owl:DatatypeProperty定义了数据属性，owl:ObjectProperty定义了对象属性。
:chineseName rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .

:career rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .

:fullName rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .

:birthDate rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:date .

:height rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:int .

:weight rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:int .

:nationality rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .

:hasBirthPlace rdf:type owl:ObjectProperty;
rdfs:domain :Person;
rdfs:range :Place .

:address rdf:type owl:DatatypeProperty;
rdfs:domain :Place;
rdfs:range xsd:string .

:coordinate rdf:type owl:DatatypeProperty;
rdfs:domain :Place;
rdfs:range xsd:string .
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
schema层的描述语言换为OWL后，层次图表示为：

数据属性用青色表示，对象属性由蓝色表示。

罗纳尔多这个例子不能展示OWL丰富的表达能力，咱们这里简单介绍一下经常使用的词汇：

描述属性特征的词汇
1. owl:TransitiveProperty. 表示该属性具备传递性质。例如，咱们定义“位于”是具备传递性的属性，若A位于B，B位于C，那么A确定位于C。
2. owl:SymmetricProperty. 表示该属性具备对称性。例如，咱们定义“认识”是具备对称性的属性，若A认识B，那么B确定认识A。
3. owl:FunctionalProperty. 表示该属性取值的惟一性。 例如，咱们定义“母亲”是具备惟一性的属性，若A的母亲是B，在其余地方咱们得知A的母亲是C，那么B和C指的是同一我的。
4. owl:inverseOf. 定义某个属性的相反关系。例如，定义“父母”的相反关系是“子女”，若A是B的父母，那么B确定是A的子女。

本体映射词汇（Ontology Mapping）
1. owl:equivalentClass. 表示某个类和另外一个类是相同的。
2. owl:equivalentProperty. 表示某个属性和另外一个属性是相同的。
3. owl:sameAs. 表示两个实体是同一个实体。

本体映射主要用在融合多个独立的Ontology（Schema）。举个例子，张三本身构建了一个本体结构，其中定义了Person这样一个类来表示人；李四则在本身构建的本体中定义Human这个类来表示人。当咱们融合这两个本体的时候，就能够用到OWL的本体映射词汇。回想咱们在第二篇文章中提到的Linked Open Data，若是没有OWL，咱们将没法融合这些知识图谱。

http://www.zhangsan.com/ontology/Person rdf:type owl:Class .
http://www.lisi.com/ontology/Human rdf:type owl:Class .
http://www.zhangsan.com/ontology/Person owl:equivalentClass http://www.lisi.com/ontology/Human .

更多的OWL词汇和特性请参考W3C官网文档。

接下来咱们谈一下OWL在推理方面的能力。知识图谱的推理主要分为两类：基于本体的推理和基于规则的推理。

咱们这里谈的是基于本体的推理。读者应该发现，上面所介绍的属性特征词汇其实就创造了对RDF数据进行推理的前提。此时，咱们加入支持OWL推理的推理机（reasoner），就可以执行基于本体的推理了。RDFS一样支持推理，因为缺少丰富的表达能力，推理能力也不强。举个例子，咱们用RDFS定义人和动物两个类，另外，定义人是动物的一个子类。此时推理机可以推断出一个实体如果人，那么它也是动物。OWL固然支持这种基本的推理，除此以外，凭借其强大的表达能力，咱们能进行更有实际意义的推理。想象一个场景，咱们有一个庞大数据库存储人物的亲属关系。里面不少关系都是单向的，好比，其只保存了A的父亲（母亲）是B，但B的子女字段里面没有A，以下表。

personNotation hasParent hasChild
A B
B
若是在只有单个关系，数据量很少的状况下，咱们尚能人工的去补全这种关系。若是在关系种类上百，人物上亿的状况下，咱们如何处理？当进行关系修改，添加，删除等操做的时候，该怎么处理？这种场景想一想就会让人崩溃。若是咱们用inversOf来表示hasParent和hasChild互为逆关系，上面的数据能够表示为：

 

绿色的关系表示是咱们RDF数据中真实存在的，红色的关系是推理获得的。经过这个例子，相信读者应该初步了解了OWL的推理功能和能力。

目前，OWL的最新版本是OWL 2，在兼容OWL的基础上添加了新的功能，有兴趣的读者能够查阅W3C文档。另外，OWL 2包含了三个标准，或者三种配置（Profile），它们是OWL 2完整标准（OWL 2/Full）的一个子集。读者目前不用考虑它们之间的差异，只有当咱们要用到OWL自动推理功能的时候才须要考虑到底使用哪种配置。且在大多数状况下，咱们须要知道哪一种配置才是最合适的。下面简单说说它们使用的场景：

OWL 2/EL 使用场景：本体结构中有大量相互连接的类和属性，设计者想用自动推理机获得里面复杂的关系。
OWL 2/QL 使用场景：有大量的实例数据。OWL 2 QL本体能够被改写为SQL查询，适用于使用OBDA（ontology based data access）的方式来访问关系数据库。也就是说咱们不用显式地把关系数据库中的数据转为RDF，而是经过映射的方式，将数据库转为虚拟RDF图进行访问。
OWL 2/RL 使用场景：须要结合基于规则的推理引擎（rule-based reasoning engine）的场合。
3、总结
本文主要介绍了RDF的序列化方式，如何利用RDFS/OWL进行schema层的建模，和OWL的推理功能。接下来咱们将介绍如何根据现有的关系数据库，利用protege自顶向下地构建本身的本体结构。

参考资料blog: Learn rdfblog: Learn owl and rdfsW3C: RDFS 1.1W3C: OWL overviewW3C: OWL2 overviewExploiting Linked Data and Knowledge Graphs in Large Organisations