本體構建工具 源碼【Ｐｒｏｔｅｇｅ本體構建工具應用調查分析】

　　[摘要]分析Protege本體構建工具的管理機制，通過應用實例的調查統(tǒng)計，對其應用學科范圍進行總結；并從運用領域、規(guī)模、細節(jié)處理等方面入手，分析國內外4個本體實例的特點，Protege應用的優(yōu)勢在于是開源軟件、提供多種可選擇的插件以及支持基于框架和網(wǎng)絡本體語言兩種可選模式等方面，但本體關系的可視化表示有待改進。
　　[關鍵詞]Protege　本體構建工具　應用
　　[分類號]TP391
　　
　　1　Protege簡介
　　
　　1.1　含義
　　Protege的無數(shù)據(jù)首先是由馬克?姆森(MarkMusen)于1987年為了一些醫(yī)學項目的知識系統(tǒng)化而創(chuàng)建的，后由斯坦福大學藥學院藥學信息學系研究人員在其基礎上研發(fā)而成。Protege常寫作Protege，在斯坦福大學Protege Wila中對其的解釋為：“Protege是一種免費共享的平臺，為不斷增長的用戶群提供一套工具，用以建立基于本體(ontologms)的領域模型和基于知識的應用軟件。其核心是提供豐富的知識建模和運行功能，以支持本體對不同格式的資源進行創(chuàng)新、可視化和管理。Protege可以為某一領域進行定制，便于知識建模和數(shù)據(jù)輸入。此外，還可以用導入插件和基于程序設計界面(API)的java方式擴展，來建立基于知識的工具和應用軟件”。該編輯工具最初應用于醫(yī)學和信息管理領域，如斯坦福大學的Design-a-Trial、SAGE Project、Virtual Soldier等項目，目前在Protege Wiki中列有164個使用Plot6g6各版本及相關插件的項目。
　　
　　1.2　管理機制
　　Protege之所以成為較成功的本體編輯工具，其原因之一在于有以下一套完善的管理機制：
　　1.2.1　Protege Wild Protege鼓勵用戶將自己的項目成果鏈接到Protege Wiki上，支持注冊者對成果進行說明。因此任何登陸該網(wǎng)站的人都可以通過項目Wiki看到創(chuàng)始人愿意共享的成果，同時也可以隨時注冊。
　　1.2.2　Protege協(xié)會Protege協(xié)會集合了研發(fā)和使用Prot國§Protege方法和工具的學者及研究人員，其注冊用戶達到76 311人，使用成員名單達到17 313人，參與討論成員名單達到4 122人，OWL使用人員名單達到2075人。
　　
　　1.2.3　Protege國際會議Protege協(xié)會已成功舉辦過9次國際會議，建立了會議反饋機制，并在網(wǎng)上公布部分反饋信息。作為討論Protege應用軟件現(xiàn)狀與將來發(fā)展的首要論壇，會議討論的主題主要有：關于基于框架OWL和RDF的本體發(fā)展、語義網(wǎng)的本體、相關軟件支持發(fā)展、醫(yī)學應用軟件以及可視化工具和推理與推論等。Protege第10次國際會議干2007年7月15～18日在匈牙利的布達佩斯召開。
　　1.2.4　Protege用戶培訓在Protege Wiki中列有Protegehbrary(知識庫)，用以介紹有關本體的知識，并有實例說明。同時Protege還提供收費的用戶培訓，并成立了用戶協(xié)會，便于開發(fā)者和使用者以及使用者之間的交流。“使用中用戶協(xié)會”包括的研究和實際應用項目，覆蓋了超過100個國家。這些項目均被列入Protege協(xié)會Wiki之中。
　　
　　2　Protege應用的學科范圍分析
　　
　　Protege Wlki中列舉164個項目(統(tǒng)計分析的數(shù)據(jù)采集時間為2007年5月21日至6月10日)，筆者逐一進行調查，其中在國內可以打開的鏈接有99個。下而對這99個項目涉及的學科范圍進行統(tǒng)計分析(見圖1)。
　　由圖1可見，Protege在自然科學領域(生物和醫(yī)學、信息技術、數(shù)學、工業(yè)、天文、航海、機械、石油開采、農(nóng)業(yè)、人體測量學等)的應用占到了59％、社會科學方面(信息管理、經(jīng)濟、法律、教育、國土規(guī)劃、社會、管理、旅游等)占26％、人文學科領域(語言學、歷史、地理、藝術、哲學等)占16％。其中列在前4位的分別是“生物和醫(yī)學”(24％)、“信息技術”(22％)、“信息管理”(10％)、和“語言學”(7％)。生物和醫(yī)學所占比例最大，這與Protege開發(fā)機構為斯坦福大學藥學院藥學信息學系有關，在邏輯結構的創(chuàng)建方面比較適合這一領域；而信息技術領域占22％，說明Protege和本體這種信息組織的方式得到了技術開發(fā)者的青睞；信息管理方法和語言學則是本體開發(fā)和應用中關鍵因素，Protege在這兩個領域中的應用也得到研發(fā)者的重視。
　　
　　圖中“其他”包括哲學、社會、安全、管理、天文、航海、旅游、機械、石油開采、工業(yè)、制造、農(nóng)業(yè)、人體測量學等方面，說明Protege的學科使用面已相當廣泛。
　　
　　3　Protege應用實例分析
　　
　　3.1　FMA解剖學本體基本模型
　　FMA全稱為Foundational Model of Anatomy(解剖學本體基本模型)，是數(shù)字解剖學信息系統(tǒng)(Digital AnatomistInformation System)的一部分。由華盛頓大學結構信息組(stmcmral Informatics Group at the University of Wasbangten)1995年開發(fā)并維護。
　　FMA采用象征模型表達人體的解剖學結構，構造了大約7.5萬余個類、13萬余條術語、20.5萬余個框架以及174種槽來表示不同的關系和屬性。概念和術語包括超過4.4萬條規(guī)范化后的詞匯，用以消除英文同義詞的歧義以及超過1.5萬條非英語同義詞匯。術語中包括8 500條拉丁語術語、4 700條法語術語、500條西班牙語術語和350條德語術語。由于解剖學為其它生物科學提供了基礎，因此FMA適用于所有生物醫(yī)學領域。
　　FMA最突出的特色是靈活應用了“槽(slot)”及“槽”的屬性“面”來表達各實體之間復雜的關系。在網(wǎng)頁上同時提供樹形結構的瀏覽和關鍵詞查詢，并顯示被選實體的各種關系。其樹形結構提供了子類(subclass)、部分(part)、系統(tǒng)局部(systemic part)、區(qū)域局部(regional part)等四種組織方式，力圖在二維空間內顯示多維結構。值得一提的是：FMA雖然現(xiàn)在只是使用文字描述，尚未提供可視化的內容，但是華盛頓大學組正在開發(fā)其層級可視化功能，重點是帶有注釋的圖片管理，并且以“不僅管理者，連使用者也可以插入圖片”為目標。
　　
　　3.2　RadLex放射線學詞典
　　RadLex全稱為Radiology lexicon(放射線學詞典)，創(chuàng)建于2003年，由北美放射學社(RSNA，Radmlogical Societyof North America)提供全部基金資助并籌劃。
　　RadLex目的在于提供統(tǒng)一結構的術語，用以放射學信息資源以及醫(yī)學圖片資源的捕獲、索引和檢索。該計劃的實現(xiàn) 并非通過建立一個全新的詞典，而是著重干吸取成功經(jīng)驗，在任何必要的時候選擇和采用已成熟的術語和標準，如：ACRIndex(活動空腔輻射計索引)、the Unified Medical LanguageSystem(UMLS，統(tǒng)一醫(yī)學語言系統(tǒng))，the Fleischner SocietyGlossaries(Fleischner社會術語表)，等等。它將統(tǒng)一和完善其它詞典中的術語，并交叉參考其他詞典和標準，以提供網(wǎng)上的免費資源，具有“視圖瀏覽”和“搜索”兩種檢索方式。
　　RadLex列表分為解剖學位置、發(fā)現(xiàn)、圖像的獲取與展示、圖像質量、調整、關系、教學屬性等幾類術語，可以從相鄰、子類、超類3種方式用圖形表達術語之間的關系(見圖2)。圖形中選中對象與相關術語用不同顏色區(qū)分。相互關系用箭頭和附加的文字來說明。圖形可以反映出列表難以表達的關系。
　　
　　3.3　BioPAX生物學途徑交換
　　BioPAX全稱為Biological Pathway Exchange(生物學途徑交換)。該計劃始建于2002年10月初，是在2002年8月ISMB分子生物學智能系統(tǒng)國際會議(International ConferenceOn Intelligent Systems for Molecular Biology)加拿大埃德蒙頓分會場第四屆“生物學途徑數(shù)據(jù)交換會議”的提議下建立的。其目標在于開發(fā)一個共同的生物途徑數(shù)據(jù)交換平臺，包括的數(shù)據(jù)庫有aMAZE、BioCyc、BIND、eMIM、INOH、PATIKA、Reactome、WIT/PUMA2等。
　　由于OWL語言具有在本體庫類目層級描述和數(shù)據(jù)交換格式方面的優(yōu)勢，其技術與XML工具可兼容，而用戶對其表現(xiàn)出的興趣和令人矚目的技術發(fā)展前景，開發(fā)者決定使用OWL網(wǎng)絡本體語言開發(fā)。在本體庫構造過程中，BioPAX只采用了數(shù)量有限的概括性類目，而并未創(chuàng)建大量特定細目。一方面是因為在細目(specialized classes)的劃分上分歧較多，而在大類上則易于達成共識，BioPAX就能為更廣泛的用戶群體服務；另一方面概括類目體系可以更方便地建立、維護和發(fā)展。為了整合的各個數(shù)據(jù)庫的內容特色，BioPAX在這簡潔的類目體系下，用大量的實例來代替類目細分，以便更符合提供者和使用者的認知習慣。
　　BioPAX的OWL文件可以使用Protege本體編輯器和OWL插件查看。BioPAX Wild中有逐步截圖介紹，引導用戶使用Protege瀏覽和分析數(shù)據(jù)。其最新版本BioPAX Level 2Version 1０0在的Level 1原有的代謝途徑基礎上，增加了分子交感、蛋白質轉譯修正等新內容，目前仍在完善中。
　　
　　3.4　Harmon ISA區(qū)域數(shù)據(jù)資源的跨界協(xié)調計劃
　　HarmonISA是Harmonisation of regional data resources forcross-border plannmg(區(qū)域數(shù)據(jù)資源的跨界協(xié)調計劃，簡稱ISA-Map)的主要成果之一。該計劃始于2003年4月，在2006年3月完成，由歐盟、歐洲部分國家和一些非歐洲國家基金資助，耗資共1 812 880歐元。作為ISA-Map的子項目，HarmonISA用于處理基于本體描述的地表類型和土地用途的分類，以達到英語、德語、意大利語和斯洛文尼亞語的語意會通，成為提供土地使用情況和地表植被情況的跨國界綜合咨詢工具。
　　HarmonISA采用的OWL語言編輯功能、表現(xiàn)出的較強的可兼容性和眾多插件的支持。在開發(fā)過程中對開發(fā)工具Protege給予了相當?shù)暮迷u。Protege具有避免在本體庫建立過程中出現(xiàn)錯誤的功能設置，相關過程中可以隨時獲得來自軟件的幫助，并可以使用邏輯檢查工具來保證類與子類的劃分，在本體的框架建立時十分便捷。
　　Harmon ISA網(wǎng)站不僅提供用顏色區(qū)分土地屬性的地圖瀏覽器，還提供本體觀察器。在地圖瀏覽器中可以隨時點擊地圖中相應所對應的土地類型，利用圖例、目錄、過濾目錄、詢問等方式中的列表來查看所對象對應的屬性。本體觀察器內容由“母類”、“定義”、“子類”、“領域”、“范圍”等構成，可以實現(xiàn)逐級展開并支持跳轉來現(xiàn)實術語之間的聯(lián)系。
　　
　　4　結語
　　
　　作為開發(fā)平臺，Protege提供了對本體的解釋和對其產(chǎn)品的使用說明。使這種開源軟件為更多人所了解、接受和利用。Protege應用的優(yōu)勢在于是開源軟件、提供多種可選擇的插件以及支持基于框架和網(wǎng)絡本體語言兩種可選模式等。Protege雖然開發(fā)于生物醫(yī)學領域，但可以針對其他學科進行適應性調整，不斷進化使其成為世界上眾多研究機構所采用的本體建模工具。
　　從對Protege用戶列表中所鏈接的項目情況看來，用戶多采用語詞列表的表達方式，用多重列表來表達多維關系，本體關系可視化表示仍有待開發(fā)。
　　Protege雖然支持多語種，但使用中文構建的本體并不多見，至今在有關文獻中可見的本體有李景的“花卉學本體模型’、董慧的歷史領域本體“國共合作數(shù)據(jù)庫”、王莉的“學位論文服務系統(tǒng)”，崔雷、趙鵬的“臨床藥物本體”和何琳、曹玲的“農(nóng)業(yè)古籍本體”等。如何消除在某些科學前沿領域對外語，尤其是英語的依賴，將成為開發(fā)中文環(huán)境下的本體模型所面臨的重要問題之一。

相關熱詞搜索：本體 構建 調查 Ｐｒｏｔｅｇｅ本體構建工具應用調查分析 protege本體構建實例 本體構建 圖數(shù)據(jù)庫