FIBO词汇表|知识图谱改变银行业务模式？基于GraphDB探索FIBO( 二 ) 改变|模式|词汇表|知识图谱|探

在本文的FIBO应用中，我们选择了OWL2RL语言配置文件，该配置适用于对可扩展推理有一定要求，同时保留一定表达能力的应用。我们还用RDF Schema（RDFS）规则集加载FIBO，该规则集非常简单，只包含rdfs:subPropertyOf, rdfs:subClassOf, rdfs:domain和rdfs:range。正如预期的那样，使用RDFS加载FIBO本体的NQ文件只需不到一秒钟，而使用OWL2RL则需要一分钟以上。但是，RDFS只推断出170804个隐式语句，比OWL2RL少2倍多，一些重要的推论被忽略。例如，执行以下查询将会提取出OWL2RL知识库存在但RDFS缺失的子类关系：
GraphDB内部联合能够实现跨知识库的相同实例数据高效查询。以下是RDFS推理库缺失的子类关系：

文章插图
究其原因，是因为RDFS推理器无法处理概念的定义。例如，Rate和Ratio类被定义为与以下语句等价：
在OWL2的所有语言配置文件中，这表示它们是彼此的子类，但RDFS语义却不是如此。
基于属性路径的增强推理
在FIBO本体中，类层次结构由及物谓词表示，即rdfs:subClassOf。FIBO词汇概念的层次结构由不及物谓词表示，如skos:broader。这意味着，本体的类层次结构与常用编程语言的层次结构的概念类似，如java、python和C++，以及UML等规范语言。类层次结构被映射到谓词，然而由于无法精准表示预期，映射是有损的，谓词概念一般无法完整表达原有语义。
至于词汇表的使用，则是为了给领域特定词汇提供更广泛的上下文。因此，使用者必须区分他们的词汇结构和FIBO的词汇结构。因为层次结构隐式地反映了本体的及物类结构，所以任何情况下进行集成都要求外部词汇表与隐式FIBO层次结构相关联。
由于FIBO本体层次结构实际上是要映射到skos:broaderTransitive和skos:narrower_transitive谓词，因此通过推理可以缓解映射问题。将GraphDB知识库与OWL2RL (Optimized) 规则集配合使用，能够创建所有必需三元组。SKOS语义属性的顶层结构是skos:semanticRelation，该谓词提供了可视化表示和词汇表导航所必需的结构。skos:broader 和skos:narrower三元组可用于降低对FIBO的本体需求。
skos:broader和skos:narrower可用于FIBO的高层本体，至于选择何种方式，由使用者自行决定，可以单独应用，也可以按一定策略结合SPARQL使用。
对两种层次结构的lint check验证了属性路径和推断的实用性。每个词汇概念都由本体中的实体定义，那么哪些实体由于词汇表没有相应词汇而进行了类层次结构的映射呢？
结构完整性约束

文章插图
使用SPARQL分析图谱
利用SPAERL查询语句，查找与类层次结构的概念槽子类相关联、但与FIBO词汇表的概念层次结构缺乏关联的类别。
Lint查询
至于词汇表和本体之间的属性路径，一部分依赖于skos:semanticRelation，另一部分依赖于rdfs:subClassOf。
skos：semanticRelation后面的加号（+）表示此谓词可用作与主语通过rdfs:subClassOf匹配的一个或多个谓语之间的路径。此外，在属性路径中可以执行其他许多操作，本文不再讨论，有兴趣的读者请查阅SPARQL 1.1 Query language W3C Recommendation 21 March 2013。
至此，我们得到一个知识库，该库包含FIBO本体和FIBO词汇表的显式和隐式RDF语句。执行lint查询将会生成不满足上述完整性检查的类列表：父类应该链接到词汇表中与相应子类相关的概念。
结论
FIBO是本体工程一个非常复杂的展示，需要由具有广泛金融知识以及具有丰富的本体及其管理知识的人员执行，只靠阅读代码是不够用的。为了最好的利用FIBO，需要借助GraphDB这样强大的工具，以充分利用FIBO的丰富知识来辅助开发。本文证明，在FIBO执行推理时，OWL2RL是比RDFS更好的选择。同时，结合推理和属性路径能够检测到一些结构性问题，这些技术的研究为大型、复杂的本体和知识图谱提供质量保证。