基于本体的语义虚拟环境查询与推理模型

刘一松,王艳莲

(江苏大学计算机科学与通信工程学院,江苏镇江212013)

基于本体的语义虚拟环境查询与推理模型

刘一松,王艳莲

(江苏大学计算机科学与通信工程学院,江苏镇江212013)

当前将本体引入到语义虚拟环境的研究,只是将领域本体的可视化信息用本体表示,并未发挥本体本身具有的优势。为此,提出一种基于本体的语义虚拟环境查询与推理模型。利用OWL语言统一描述虚拟场景图形内容与语义信息,并分别对两者进行查询,在图形内容查询过程中引入本体的推理方法推理出隐含的图形内容信息,然后查询需要的信息。在语义信息查询时引入语义搜索方法,利用基于语义距离计算本体概念相似度的方法计算语义虚拟环境本体中类之间的相似度,搜索与被查询实例语义相似度最大的实例,并借助推理找出其间的关系。对语义虚拟家具商店进行本体的查询与推理,结果证明了该模型的可行性。

X3D标准;语义虚拟环境;本体;OWL语言;查询;推理;语义相似度

1 概述

在当前虚拟现实的研究中,为了把信息表示为计算机能够理解和处理的形式,即带有语义,文献[1]将语义Web应用于虚拟现实领域,提出了语义虚拟环境的概念。

在语义虚拟环境的研究方面,文献[2]提出了从本体论角度研究概念建模可视化认知的思路,研究了虚拟环境中静态结构建模,行为建模技术的图形化表达,但文中的图形化未涉及到虚拟现实的图形描述语言,也未研究如何用本体语言描述虚拟场景的构建。文献[3]提出了基于3D形状的检索方法,分别从表面模型与体积模型2个方面对3D形状检索,但文中主要考虑的是对象的几何信息,而忽略了它在具体领域的语义信息。综上所述,两者并没有很好地发挥语义虚拟环境的优势。

文献[4]通过X3D标准本体(X3DSO)与映射本体(Mapping Ontology,MO)对领域本体进行可视化,本文在该方法的基础上,利用Web本体语言OWL统一描述虚拟场景图形内容与语义信息,并分别对两者进行查询,在对图形内容查询的过程中,引入本体的推理方法,先推理出隐含的图形内容信息,然后查询需要的信息;在对语义信息查询时,引入语义搜索方法,先根据基于语义距离计算本体概念相似度的方法计算语义虚拟环境本体中类之间的相似度,然后搜索与被查询实例语义相似度最大的实例,并借助推理找出它们之间的关系。最后,通过对语义虚拟家具商店本体的查询与推理证明该模型的可行性。

2 基于X3D的语义虚拟环境本体构建

将本体的查询与推理机制引入到语义虚拟场景中,具有以下优势:

(1)基于OWL语言同时描述语义虚拟场景的可视化信息与语义信息,使推理可以帮助虚拟场景的自动建立、修改、查询、发现场景中隐含的语义信息。

(2)将领域本体可视化,推理可以帮助对具体领域的实际应用作出判断,有利于知识驱动可视化决策[5]。

(3)在语义虚拟环境本体中引入推理,使个性化场景的建立成为可能。

(4)用本体表示语义虚拟场景,扩展了场景的语义,在此基础之上的推理与查询又可以帮助虚拟现实的漫游与导航[6]。

根据文献[4]中的表1建立X3D标准本体,然后根据映射本体的各种映射规则,将领域本体的图形内容用X3D标准本体的方式描述,图形内容与语义信息分开描述,它们一起构成语义虚拟环境本体,对语义虚拟环境本体图形内容的描述从X3D根节点开始,详细的分类可参考文献[4]中的图4,其中, Scene节点类有X3D标准中对应的子节点类,为了给虚拟场景中所有对象赋予图形内容与语义,本文加入了X3D虚拟对象类(SVobject类),将其作为Scene节点的子类,在X3D标准中,场景中所有对象的图形内容是从X3D组节点(Group类)开始的,所以在这里定义上图中的Group类是SVobject类的子类。对照文献[4]中的表1与图4,在语义虚拟环境本体中对图形内容中类与属性的定义片段如下:

例1 语义虚拟环境本体图形内容中类与属性的定义

用OWL语言描述本体,类是对现实世界个体的抽象,属性是一个二元关系,主要有 2种属性: DatatypeProperty与ObjectProperty[7],将语义信息加入到虚拟环境本体中,是由具体的领域本体决定的,但描述的方式是相同的。在本文中,对语义虚拟商店本体中与语义信息有关的类与属性定义片段如下:

例2 语义虚拟环境本体语义信息中类与属性的定义

其中,Bathware表示浴室用品类;Cookingware表示厨房用品类。这些类与SVobject类拥有相同的实例,即SVobject类是图形内容与语义信息之间的连接。

3 OWL语言描述的本体推理

本文用OWL语言描述语义虚拟环境本体中的类、实例、属性、传递属性、逆反属性、对称属性等,它们相当于描述逻辑中的概念、个体、关系、关系传递、关系逆、关系对称等。根据文献[8]的定义,描述逻辑语义解释是一个二元对:I=(ΔI,·I),其中,ΔI代表论域的非空集合;·I是解释函数,它将每个概念C∈NC映射为ΔI的子集,每个关系R∈NR映射为ΔI×ΔI的子集。描述逻辑知识库包含表示概念间蕴含和等同关系的TBox和表示个体和关系间隶属关系的ABox,在ABox中,令OI为可数的个体集,C,R是概念和关系,a,b是OI中的个体,解释I满足关系断言(a,b):R(概念断言a:C),当且仅当(aI,bI)∈RI(aI∈CI)成立。由此可见,本文的本体可以用描述逻辑知识库表示,描述逻辑是本文的逻辑基础。选择OWL语言是因为OWL语言可以更好地作为表示描述逻辑本体的一种实现。

OWL有以下属性推理:

(1)函数属性(FunctionalProperty):若对象属性P,它具有函数性,则对于实例 x,y,z,P(x,y)^ P(x,z)=＞y≡z。

(2)对称属性(SymmetricProperty):若对象属性P具有对称性,则P(x,y)=＞P(y,x)。

(3)逆反属性(InverseOf):任意对象属性A是对象属性B的逆反属性,则A(x,y)(B(y,x)。

(4)传递属性(TransitiveProperty):若对象属性P具有传递性,P(x,y)^P(y,z)=＞P(x,z)。

4 语义虚拟环境本体图形内容的查询与推理

根据以上的方法建成语义虚拟环境本体后,要将本文的查询与推理模型真正发挥作用,应该结合某个具体的虚拟场景,本文选择了语义虚拟家具商店场景,并对其可视化,如图1所示。

图1 语义虚拟家具商店本体可视化场景

基于例1与例2的描述,对场景中虚拟对象实例table语义信息与图形内容的描述如下:

例3 虚拟对象table的本体描述片段

例3中声明了hasChild对象属性及其InverseOf属性是hasParent,描述了本体中类之间的父子关系,如Tranform类hasChild Shape类,通过OWL逆反属性推理得到Shape类hasParent Transform类。在对本体中类实例化后,推理引擎也能推理出它们的个体存在这样的关系。

除上述推理外,还可以推理出2个虚拟对象共享的图形内容,例3中定义了SVobject类hasMaterial Material类,如 table hasMaterial material1,chair hasMaterial material1,即当2个SVobject类的实例拥有相同的Material类的实例时,它们便是共享材质,但hasMaterial这一属性不能描述共享材质特性,因此,本文引入shareMaterial属性来表达2个或多个实例之间的共享材质关系,在本文的语义虚拟商店本体中定义 table shareMaterial chair,chair shareMaterial bed。为从任一实例开始可以查询到其与哪些实例共享材质,这里定义shareMaterial具有SymmetricProperty与TransitiveProperty属性,由以上对称属性推理可得:

shareMaterial(table,chair)=＞shareMaterial(chair,table)

由传递属性推理可得:

shareMaterial(table,chair)^shareMaterial(chair,bed)=＞shareMaterial(table,bed)

经过上述推理后可以得到table与chair,bed共享材质,chair与 table,bed共享材质,bed与 table, chair共享材质,即此推理可以得到任一实例在某对象属性上相关的其他所有实例。

建立语义虚拟环境本体及其推理模型后,就可以用SPARQL语言对其查询,根据文献[9]的定义,目前,SPARQL查询规范已经成为W3C的推荐标准,为了简化查询语句,本体里命名空间前缀用ex代替。

查询与bed共享材质的语义虚拟对象实例:

Select?x where{ex:SVobject ex:bed ex:shareMaterial ex:SVobject ?x}

借助上面的推理,查询会返回table、chair及其他所有的实例,若继续查询共享的材质实例名,则直接查询table的Material实例:

Select?material where{ex:SVobject ex:table ex: hasMaterial ex:Material ?material}

查询会返回material1,如果需要修改这些虚拟对象材质的属性,只需要修改查询到的material1即可。查询虚拟对象中颜色为白色的所有实例的名称:

查询会返回Refrigerator与Oven实例。

5 语义虚拟环境本体语义信息的查询与推理

在一个大的虚拟场景中,基于语义信息的查询可以帮助用户更好地实现虚拟现实的漫游与导航,但盲目查询很难得到正确的结果,本文引入语义搜索方法,先根据基于语义距离计算本体概念相似度的方法计算语义虚拟环境本体中类之间的相似度,然后搜索与被查询实例语义相似度最大的实例,并借助推理找出它们之间的关系。语义距离方法认为概念间的语义相似度可以通过语义距离经过公式转化而得,具体定义如下[10]:

语义距离即2个概念间最短路径上的有向边权值之和。这种方法需要结合其他一些因素才能得到较为准确的有向边的权值,本文考虑了本体概念树中有向边的深度、强度因素来计算有向边的权值,下面给出相关定义。

定义1 有向边深度

有向边eij的深度为Dep(eij)=min(Dep(Ci),Dep(Cj))。其中,eij是连接概念Ci和Cj的有向边,Dep(C)为概念C的深度,定义根节点深度为1,Dep(C)=Dep(Parent(C))+1。随着有向边的不断加深,它的权值会减少,概念之间的语义距离随之减小,语义相似度会增加,有向边深度的权值为:

定义2 有向边强度

有向边eij的强度为Int(eij)=|Info(Ci)-Info(Cj)|,其中,Info(C)为概念C的信息量,根据文献[11]的定义,Info(C)=-lbP(C),P(R)=1(R为根节点),P(C)=P(P)/n,概念P为概念C的父概念,n为概念P直接子概念的数量,每一个子概念是其父概念的细化,概念的子节点越多,有向边强度越大,经过分析,当有向边强度增大时,其权值成反比地减小,由此可得有向边强度的权值为:

综合以上2个因素,即可得到有向边eij的权值计算公式[12]:

Weight(eij)=WeightDep(eij)×WeightInt(eij)

根据语义距离法计算本体概念相似度,该方法定义语义距离为2个概念间最短路径上的有向边权值之和,则:

其中,m为连接两概念间最短路径上的边数和。

本文的语义虚拟家具商店本体片段如图2所示。

图2 语义虚拟家具商店本体片段

当查询某一水龙头实例时,不能确定它是在浴室用品,还是在厨房用品中,可以分别计算两者语义相似度,然后取相似度高的。设水龙头为Ci,浴室用品区为Cj,由上面的公式可得:Dep(Ci)=3,WeightDep(eij)= 1/2,P(Cj)=1/3,Info(Cj)=-lb(1/3),……,依次计算可得Sim(水龙头,浴室用品)=0.760 2,Sim(水龙头,厨房用品)=0.666 7。

在虚拟商店场景中,将用品分类放到相应的区中,如本文中的浴室用品区(bathroom)、厨房用品区(cookingroom)、客厅用品区(livingroom)。当用以上公式计算出水龙头与浴室用品语义相似度更高时,在语义虚拟场景中查询某一水龙头实例时,可以先搜索浴室用品区,然后推理它们之间是否存在一些语义关系,这样可以缩小查询范围,更好地定位。在语义虚拟环境本体中,定义Contain与Within这一互逆属性来表现它们之间的包含与被包含关系,即Contain (bathroom,bathtub),其中,bathtub表示水龙头。然后查询bathtub是否在bathroom里,使用Sparql语句:

Select?y where{ex:Bathtub?y ex:Within ex: Bathroom bathroom}

由上面的定义Contain与Within是互逆属性,则Contain(bathroom,bathtub)= ＞Within(bathtub, bathroom),那么上面的查询就会返回bathtub。

6 模型功能分析

为了方便系统实现,传统的实验只是在语义虚拟环境本体中添加了部分的可视化信息,并没有对虚拟对象的语义信息进行复杂的设计,本文对X3D标准用本体进行了描述,构建的X3D标准本体包含了X3D标准中描述虚拟现实所需的所有节点及其属性。其次,传统的对虚拟环境的语义查询涉及更多的只是比较简单的信息,也没有引入推理机制帮助查询,而本文通过X3D标准本体和映射本体统一集成了语义虚拟环境本体的可视化信息与语义信息,借助本体推理与语义搜索方法,可以发掘出隐含的信息,更有效率地查询到需要的信息,进而帮助语义虚拟环境的自动建立、漫游与导航。最后,中间本体扩展了可视化模型的应用范围,将领域本体可视化,使推理可以辅助知识可视化决策。

7 结束语

本文在X3D标准本体与映射本体对领域本体可视化的基础上,通过OWL语言统一描述虚拟场景图形内容与语义信息,提出基于本体的语义虚拟环境查询与推理模型,在对两者查询的过程中,引入本体推理与基于语义距离的本体概念相似度计算方法。实验结果验证了查询的有效性和该模型的可行性。但本文只是提出了一种通用的模型,并未具体说明此模型将如何帮助虚拟现实的漫游与导航,也未说明知识辅助可视化决策的过程,所以,上述两点将是下一步研究的内容。

[1] Li Caiyan,Zhu Yulin.Realizing Customizable Semantic Virtual Environment with the Concept of Web[C]// Proc.of the 13th Conference on Artificial Intelligence and Applications.Yilan,China:[s.n.],2008.

[2] 卢朝阳.基于本体的虚拟环境概念建模[J].南京理工大学学报,2010,34(1):51-55.

[3] Tangelder J W H,Veltkamp R C.A Survey of Content Based 3D Shape RetrievalMethods[C]//Proc.of SMI’04.Genova,Italy:[s.n.],2004:145-156.

[4] 刘一松,赵吉庆,许祥虎,等.语义虚拟环境本体可视化模型的研究[J].计算机科学,2012,39(6):240-244.

[5] Kalogerakis E,Christodoulakis S,Sutztsl N.Coupling Ontologies with Graphics Content for Knowledge Driven Visualization[C]//Proc.ofIEEE VirtualReality Conference.[S.l.]:IEEE Press,2006:43-50.

[6] 纪连恩,张凤军,付永刚,等.虚拟环境下基于语义的三维交互技术[J].软件学报,2006,17(7):1535-1543.

[7] 钟秀琴,刘 忠,丁盘苹.基于混合推理的知识库的构建及其应用研究[J].计算机学报,2012,35(4): 761-766.

[8] 陆建江,张亚菲,苗 壮,等.语义网原理与技术[M].北京:科学出版社,2008.

[9] Prud’hommeaux E,Seaborne A.W3C,SPARQL Query Language for RDF[EB/OL].(2008-04-14).http:// www.w3.org/TR/rdf-sparql-query/.

[10] 彭 辉,史忠植,邱莉榕,等.基于本体概念相似度的语义Web服务匹配算法[J].计算机工程,2008, 34(15):51-53.

[11] 杨永齐,符云清,余 伟.基于多阶段匹配的语义Web服务发现框架[J].计算机科学,2010,37(9): 164-167.

[12] Liu Min,Shen Weiming.An Weighted Ontology-based Semantic Similarity Algorithm for Web Service[J]. Expert Systems with Applications,2009,36(10): 12480-12490.

编辑 金胡考

Semantic Virtual Environment Querying and Reasoning Model Based on Ontology

LIU Yi-song,WANG Yan-lian
(School of Computer Science and Telecommunication Engineering,Jiangsu University,Zhenjiang 212013,China)

The research on introducing ontology into semantic virtual environment at present,only uses ontology to visualize the specific domain ontology,and does not display ontology’s advantage.Aiming at this problem,this paper proposes a semantic virtual environment querying and reasoning model based on ontology.The web ontology language named OWL is used to uniformly describe the graphic content and semantic information,and query them respectively.In the process of querying graphic content,it introduces reasoning method of ontology to get out the connotative graphic content,then queries the information which is needed.In the process of querying semantic information,it introduces semantic search method,according to the method which is based on semantic distance to compute ontology concept similarity to compute the similarity between classes in the semantic virtual environment ontology,then searches the instance which has the maximum similarity with the queried instance,and finds out the relation between them with the help of reasoning.This model makes ontology play bigger role in semantic virtual environment,and the feasibility of this Mapping Ontology(MO)is proved by querying and reasoning a semantic virtual furniture shop ontology.

X3D standard;semantic virtualenvironment;ontology;OWL language;querying;reasoning;

1000-3428(2014)10-0181-05

A

TP181

10.3969/j.issn.1000-3428.2014.10.034

江苏大学高级专业人才科研启动基金资助项目(10JDG063);江苏省社会发展计划基金资助项目(BS2001046);江苏省高校自然科学研究计划基金资助项目(03kjd520075)。

刘一松(1965-),男,教授、博士,主研方向:人工智能,虚拟现实;王艳莲,硕士研究生、CCF会员。

2013-08-26

2013-10-01E-mail:liuyisong@ujs.edu.cn

中文引用格式:刘一松,王艳莲.基于本体的语义虚拟环境查询与推理模型[J].计算机工程,2014,40(10):181-185.

英文引用格式:Liu Yisong,Wang Yanlian.Semantic Virtual Environment Querying and Reasoning Model Based on Ontology[J].Computer Engineering,2014,40(10):181-185.

semantic similarity