FIBO词汇表|知识图谱改变银行业务模式？基于GraphDB探索FIBO 改变|模式|词汇表|知识图谱|探

译者：AI研习社（季一帆）

文章插图
简介
FIBO概况
122个命名空间，表示模块结构；
1542类别
1328概念
535断言
自2017年首次发布FIBO以来，受益于金融业的广泛参与，该标准已取得广大发展，并符合许多现有标准。从一个称为“语义知识库”的Excel工作簿开始，FIBO已经发展成为基于RDF和OWL的复杂本体。在这个过程中，还发展了其他一些意外成果，包括本体工程的实践指南，例如使用传统基于文本的版本控制系统的RDF文本稳定性，通过与对象管理组（OMG）的密切关系实现严格的元数据标准，以及对OWL推理能力的使用。更多细节可见此处。
FIBO的内容多种多样，其中，RDF和OWL本体是包含业务知识的核心实体。这些业务知识可表示为RDF-XML、Turtle、JSON-LD和N-Quads/N-Triples等形式。此外：
【 FIBO词汇表|知识图谱改变银行业务模式？基于GraphDB探索FIBO】FIBO词汇表基于SKOS分类法，用于RDF-XML、Turtle和JSON-LD序列化的分类管理。
FIBO数据字典有.csv和.xlsx格式，包含FIBO中的操作类及其附带属性。
FIBO-DM是一种企业数据模型，可用作SAP PowerDesigner概念和逻辑数据模型。
在本文中，我们重点关注FIBO本体和词汇表。由于它们都使用RDF编码，因此可使用SPARQL和OWL推理进行分析。
两不同层次结构
FIBO词汇表中的所有概念都是由FIBO本体中的实体定义的。因此，这些概念包含有丰富的上下文信息，在应用中使用该词汇表会同时为用户提供这些信息。如，fibo-v-be:DomesticUltimateParent 由实体fibo-be-oac-cctl:DomesticUltimateParent所定义。

文章插图
FIBO词汇表中的概念由 skos:broader和skos:narrower两种不同层次的谓词进行定义。在上图中，Total Controlling Interest Party 是比 Domestic Ultimate Parent 更为宽泛的概念。在已公布的词汇表中，仅使用了skos:broader。如 SKOS 规范所述，“skos:broader 和 skos:narrower彼此相反。当概念X比概念Y表示更广泛时，意味着Y相对是X是更小、更准确的概念“。因此，从fibo-v-be:TotalControllingInterestParty 到fibo-v-be:DomesticUltimateParent存在skos:narrower的关系。
如果给定词汇表的层次结构和本体的层次结构，那么层次结构之间的关系是什么呢？fibo-be-oac-cctl:DomesticUltimateParent的每一个父类在词汇中都有对应概念吗？这些概念是否表达了skos:broaderTransitive/skos:narrowerTransitive与fibo-v-be:DomesticUltimateParent的层次结构？在本文的其余部分，我们将借助GraphDB解答这些问题。
FIBO导入GraphDB
GraphDB是Ontotext开发的一个可扩展、高性能的三元组数据库，其前身是OWLIM。当前的9.4.1版本支持RDF1.1、SPARQL 1.1和OWL2推理，此外还支持其他许多用于索引、可视化、分析和联合工具。同时，还提供有web访问的API（包括用于终端的SPARQL协议），因此可以结合任何编程语言使用。在下一节会展示该数据库对SPARQL1.1，OWL2推理及其规范属性路径的支持。
首先通过GraphDB创建一个存储库，通过导航窗口Setup -> Repositories > Create Repository 等步骤实现。其中，表单关键字包括：
Repository ID，本例中是FIBO。
Ruleset，本例中选择下拉菜单中的OWL 2-RL (Optimized)。
选中“Use context index”，因为FIBO本体包含反映本体模块结构的命名图。
其余字段使用默认值即可，以下为屏幕截图：

文章插图
接下来导入RDF图，有以下要求：
为了提高效率，最好将FIBO下载到本地磁盘，存储到GraphDB的import目录，而SKOS直接通过internet下载。
从磁盘导入词汇表需要1秒，导入本体需要1分10秒，通过互联网导入sko需要2秒。之所以速度相差之大，是因为在导入过程中要执行推断操作。词汇表基于开放SKOS，借助生成新三元组的结构元素，词汇表和SKOS的导入训练。而由于在本体构建过程中OWL的复杂性，消耗了较长时间。最终，导入图谱的106187条显式语句生成405493条推断语句，总计511680条语句。需要注意的是，所有推断语句存在于默认图，同时该图还包含命名图中的所有语句。
使用GraphDB Workbench的Explore菜单中的类层次结构图能够获得本体概述，该图将子类表示为嵌套在父类中的圆：

文章插图
GraphDB中的推理
OWL 2支持许多不同的推理机制，GraphDB为其中的一些程序语言配置文件提供支持。在GraphDB中，存储相关的语言配置文件由规则集合确定。无论是通过SPARQL插入数据还是直接导入图谱，只要将三元组添加到知识库中，就会调用专门的规则引擎——reasoner。除非不进行推理操作，否则任何规则集都通过额外的隐式三元组实现并存储，而不是显式插入的三元组。GraphDB的特殊指出在于，提交SPARQL DELETE操作后，将回收无效的推断语句。此外，存储内容和选定规则集决定了新建三元组的属性。例如，如果两个谓词的定义表明它们是相反的，那么当其中一个谓词出现在一个三元组时，将创建一个相应逆属性的三元组。