本体入门（一）：本体构建 101

本文旨在介绍本体的基本概念和通用构建方法。

1 为什么构建本体？

构建本体的原因主要有以下几点：

• 在人或软件之间分享对信息结构的共同理解
• 实现领域知识的重复使用
• 使得领域假设更明确
• 将领域知识与操作性知识分离
• 分析领域知识

2 什么是本体？

在本文中，本体指对某个领域内的概念的正式且详细的描述，其包括：

• classes：描述领域中的概念
• slots：描述每个概念的属性
• facets：描述属性的限制

一个本体及其 classes 的实例集构成一个知识库。实际应用中，构建一个本体包括：

• 定义本体中的概念
• 将概念进行分层，确定超类与子类关系
• 定义概念的属性以及对这些属性的值的限制
• 为实例填充这些属性值

3 本体构建方法

下面介绍一种可行的构建本体的方法。首先，需要强调本体构建中的三条基础准则：

1. 不存在对一个领域建模的绝对正确的方法
   • 总是存在可行的替代方法
   • 最佳解决方法取决于具体的应用场景和预期的扩展性
2. 本体开发必然是一个迭代的过程
3. 本体中的概念应该与对应领域中的对象（物理或逻辑上）和关系接近
   • 这些最可能作为名词（对象）或动词（关系）出现在描述领域的句子中

第一步 确定本体的领域和范围

我们首先应该定义本体的领域和范围，即回答下列的基本问题：

• 本体覆盖的领域是什么？
• 我们要用这个本体来干什么？
• 本体中的信息应该为何种类型的问题提供答案？
• 谁将来使用并维护本体？

在确定了本体的基本范围后，一种确定本体具体范围的方法是，列出一系列本体应该能够回答的问题，这些问题被称为 competency questions，其专注于本体所涉及的领域，但也不用过于具体，我们将用这些问题来对已完成的本体进行测试，观察其是否能提供足够的信息。

第二步 考虑重用现有的本体

在从头开始构建本体之前，最好先调研是否有相关的本体已经被构建出来了。我们可以基于这些本体进行进一步的改进和扩展。当前大部分本体都以电子形式提供，能够直接导入，可以方便地进行扩展。

第三步 列举本体中的重要术语

写下我们想要展示的所有术语的列表是很有用的。一开始并不需要考虑术语之间的关系或概念重叠等问题，先保证列表的全面性。

接下来的两步是开发类层次结构以及定义概念属性。这两步是本体设计中最重要的步骤，也是联系紧密的两步，我们通常先在层次结构中创建一些概念，然后描述这些概念的属性。

第四步 定义类及其层次结构

定义类及其层次结构通常有以下几种方法：

• 自顶向下的方法：先定义领域中最宽泛的概念，然后进行细化
• 自底向上的方法：先定义领域中最具体的概念，然后进行归纳
• 混合方法：将上述两种方法结合起来

上述三种方法没有优劣之分，取决于开发者对于领域的视角。不论使用哪种方法，我们都需要先定义类，再定义层次结构。先从第三步中的列表中选取能描述对象独特性的术语作为类，然后将这些类按层次结构组织。

如果一个类 A 是类 B 的父类，则每一个 B 的实例都是 A 的实例。

第五步 定义类的属性

仅仅靠类无法提供足够的信息，我们还需要定义类的属性来进一步描述类

我们已经从第三步的列表中选择了术语来构建类，大部分剩余的术语都将是类的属性。

一般来说，属性可以分为以下几种：

• 内在属性：如酒的味道
• 外在属性：如酒的名称、地域
• 部件：针对结构化的对象，可以是物理或抽象的部件
• 关系：与其他个体之间的关系（注意和类层次结构区分）

所有的子类都会继承其父类的属性，属性应该被放置到最宽泛的类中（即越靠近顶层越好）。

第六步 定义属性的限制

类的属性有着许多限制（facets），如值的类型、允许的值、值的数量等。下面将介绍一些常见的 facets：

属性基数

定义一个属性可以有多少个值。有些本体只区分单数或复数的基数，有些本体则进一步定义基数最大和最小值；

属性值类型

描述一个属性的值的类型，常见的类型有：

• String 类型
• Number 类型
• Boolean 类型
• Enumerated 类型
• Instance 类型

需要注意的是，Instance 类型用于表示个体之间的关系，需要定义允许的类的列表：

属性的领域和范围

对于 Instance 类型的属性，其允许的类的列表被称为属性的范围（range），而一个属性所属的类被称为该属性的领域（domain）。领域一般不需要单独指定，在设置属性时通常默认被设置的类为该属性的领域。

决定一个属性的领域和范围的法则是类似的：

尽量保持类的宽泛性，但不要过于宽泛。

第七步 创造实例

最后一步是创造类的具体实例，步骤如下

1. 选择一个类
2. 创造该类的实例
3. 填充属性值

4 定义类及其层次结构

本节介绍在定义类及其层次结构中可能会出现的错误。虽然类的层次结构取决于具体的应用场景，但是存在一些通用的规则。

4.1 确保类的层次等级是正确的

类 A 是类 B 的子类表示 A 为 B 的一种，两者之间是 is-a 关系。一个常见错误是将单数的类作为其复数的子类，两者间并不满足"一种"关系，在命名时可以统一单复数来避免这一错误。

等级关系具有传递性：

如果 B 是 A 的子类，C 是 B 的子类，那么 C 是 A 的子类。

距离一个类最近的子类称为直接子类。类层次结构不是一成不变的，可能随着时间的推移需要重构结构。

此外，还要注意区分类及其名称：

类表示的是一类概念，而不是表示这些概念的词语。

相同概念的近义词不应该被表示成多个类。很多系统允许为类关联近义词，如果不能，应该在类的文档中说明。

在构建类的层次结构时，还应该避免类的循环，即 A 是 B 的子类，同时 B 又是 A 的子类，这意味着 A 与 B 等价。

4.2 分析类层次结构中的兄弟姐妹

Siblings 指同一类的不同直接子类，它们应该处于同一层级下。

关于 siblings 的数量：一般在 2-12 个之间：

• 如果只有一个子类，说明建模可能有问题或本体不完整
• 如果超过一打子类，则可能需要一个额外的中间类

有时候，如果没有自然的中间类，那么可以保持原样（不需要人造类）。

4.3 多重继承

一个类可以同时是多个类的子类，它会继承所有父类的属性和限制。

4.4 什么时候创建新的类

一般来说，如果子类包含超类所不具有的特征时，可以考虑创建，包括：

• 有额外的属性
• 属性有不同的限制
• 参与了和超类不同的关系

在实际应用中，子类通常具有新属性，或新的属性值，抑或新的属性限制。但是，有时即便子类没有上述特征，也应该创建，例如：

• 类之间有术语层级结构关系。一个例子是对于疾病的分类，其可能没有属性或属性相同， 但也应该划分等级。
• 领域专家的判断。当领域专家普遍认为应该将某些概念与现有本体进行区分时，也需要为这些概念创建新的类。

最后，我们不应该为每种额外的限制都构建子类，需要在创建有用的新类和创建过多的类中间保持平衡。

4.5 新的类还是新的属性值

有时候，我们需要考虑是创建新的类还是将其用不同的属性值区分。一般来说，应该遵循如下原则：

1. 如果不同属性值的概念会导致其他类中的属性值发生变化，那我们应该考虑创建新的类。否则使用不同的属性值即可。
2. 如果不同属性值的区别在你研究的领域中非常重要，并且你将不同属性值的对象看作不同种类的对象，则应该考虑新建类。
3. 如果一个独立实例所属的类会经常发生变化，则那个类应该作为属性值。

一般我们常将数字、颜色、地点作为属性值。当然也存在例外情况，比如不同颜色的酒适合当作不同的类。

4.6 实例还是类

有时候，我们需要决定一个具体的概念是一个类还是单个实例。一般来说，应该遵循如下原则：

1. 单个实例是知识库需要表达的最具体的概念，这取决于本体的应用目标。
2. 如果概念形成了自然的层级，那么应该被表示为类。

只有类之间存在层级结构，知识表示系统中没有子实例的概念，因此我们需要将这些概念表示为类，即使其不再具有直接实例。

Protege 允许用户建立抽象类：

4.7 限制范围

下面给出一些判断本体是否完整的规则：

1. 本体不应该包含领域中所有可能的信息。
2. 本体不应该包含所有可能的属性和类之间的关系。

本体不要过于具体，也不要过于宽泛，一般最多定义一层额外的等级。例外，本体应该只保留最关键的属性，包含一些额外的关系信息会影响本体的使用，如一个生物学试验本体，不能将试验者看做生物体的子类，应该在文档中进行注明。

4.8 分离子类

许多系统要求在构建本体时明确哪些类是分离（disjoint）的，即这些类不含有共同的实例。明确分离的类有助于验证本体的合法性。

5 定义属性—更多细节

5.1 转置属性

一个属性的值可能会影响另外一个属性的值。例如制造者与制造的东西，两者之间相互关联，已知 A 是 B 的制造者，则可以推断出 A 制造了 B，这种关系称为转置关系。

虽然这种关系看上去有些冗余，但从知识获取的角度保留两者更加方便。定义了转置关系后，知识系统会根据一个值自动填充另一个：

5.2 默认值

大部分系统允许为属性指定默认值。如果一个类的大部分实例都具有相同的某个属性值，则我们可以将其设置为默认值。默认值可以在该属性的限制内改为任意值。

注意：要区分默认属性值与属性值，属性值一旦确定是无法更改的。如所有甜酒的糖度属性都为 SWEET，这并不是默认属性，不可修改。

6 命名

在本体中，为命名制定规范有助于本体更加容易被理解，也可以避免一些建模错误。

在制定命名规范时，我们需要明确系统的特征，例如：

• 对于类、属性和实例是否共享命名空间（即是否可以使用相同的名称）
• 是否大小写敏感
• 名字中允许哪些分隔符

6.1 大小写与分隔符

对于一个本体中的命名，保持同样的大小写习惯可以提升其可读性。通常将类名首字母大写，属性名首字母小写（如果系统大小写敏感）。

当一个概念名称包含超过一个单词，我们需要进行分割，下面给出一些可能的选择：

• 使用空格
• 将单词连在一起，首字母均大写
• 使用下划线、破折号或其他分隔符（要决定每一个单词要不要首字母大写）

一般如果系统允许，建议使用空格。如果要和其他系统交互，还要考虑那些系统是否支持空格。

6.2 单数或复数

在命名中使用单复数没有好坏之分，只要保持前后一致即可，通常用单数。有的系统可能会提前要求确定单复数并不允许更改。

6.3 前缀和后缀

有些系统会使用前缀或后缀来区分类和属性，如 has- 或 -of。这种方法可以快速区分出类和属性，只是名称会稍长。

6.4 其他命名规范

不要在名称后再添加 class、property、slot 这样的字符串，一般从上下文中已经可以区分类和属性，如类名首字母大写，属性名首字母小写。

尽量避免在名称中使用缩略词。对于一个类的所有直接子类，其名称中关于是否包括超类的名称应该统一。

7 结语

本文简单介绍了如何构建一个本体，最重要的信息是：任何领域都没有单一的正确本体。构建本体是一个创造性的过程，本体的质量只能通过实际应用来评价。