让Jena帮我们想
----wuhui
谈到互联网的未来，人们自然的想到了语义网，虽然这个概念早在1999年就被伯纳斯－李先生提出，随后被学术界吵得沸沸扬扬，但是，真正基于语义网的应用似乎还处于孵化期。本文当然不想去解释什么是语义网、语义网的体系架构等等知识，本文将结合一个具体应用来说说语义网的一些特性，并由此希望能引起大家对语义网研究的兴趣和信心。
首先，我们来讲讲语义网的数据组织。目前比较常用的还是RDF规范，及其由此衍生的其他标准，例如OWL等。RDF(Resource Description Framework)是以XML为基础的，并结合W
好，废话少说，下面我们就来建立一个星座的RDF领域知识图。
|
<rdf:RDF xmlns:rdf="http://www.w3.org/ xmlns:xingzuo = "http://www.yahoo.com.cn/search/xingzuo/data/"> <xingzuo:Entity> <xingzuo:name rdf:datatype="http://www.w3.org/2001/XMLSchema#string">白羊座</xingzuo:name> <xingzuo:start rdf:datatype="http://www.w3.org/2001/XMLSchema#int">321</xingzuo:start> <xingzuo:end rdf:datatype="http://www.w3.org/2001/XMLSchema#int">420</xingzuo:end> <xingzuo:mstart rdf:datatype="http://www.w3.org/2001/XMLSchema#int">3</xingzuo:mstart> <xingzuo:mend rdf:datatype="http://www.w3.org/2001/XMLSchema#int">4</xingzuo:mend> </xingzuo:Entity> … </rdf:RDF> |
图1 星座类知识图
熟悉XML的高手一看就知道，这其实就是一个XML的文档，只是有些标签采用了特定的规范。
例如数据类型，表示字符串“string”为
rdf:datatype="http://www.w3.org/2001/XMLSchema#string"
表示整数“int”为
rdf:datatype="http://www.w3.org/2001/XMLSchema#int"
在RDF的模型里，任何关系都是一个Statement，每个Statement由三部分组成：subject、predicate和object。subject和object通过predicate建立关系，其中subject是主语，object是宾语。其他资料，大家可以参考中文版的RDF入门http://wiki.w3china.org/cn/rdfprimer.htm，如果英语够厉害，不妨看看http://www.w3.org/TR/rdf-primer/，此处不在累赘。
有了领域知识，我们就有了基础，呵呵，下面我们就开始来推理查询吧。目前，实现对RDF推理的免费Reasoner比较多，针对网上的评价和资源，我选择了Jena，至于其他的引擎，大家可以Yahoo(http://www.yahoo.cn)一下哦。 唉，总算能进入正题了，现在就让我们来开始Jena之旅吧。
在使用之前，我们先简单介绍一下Jena。Jena是面向语义Web的应用开发包，包含的内容比较全面，推理机只是其中一部分，该推理机是针对本体的。至于什么是本体，大家也去Yahoo一下吧J
Jena推理的流程是：
图2 Jena推理流程
下面对每个模块我们来分别介绍：
1. 装载数据
每个领域知识就是一个Ontology Model，因此，我们需要将RDF表述的领域知识装载到一个OntModel中，代码如下：
|
private OntModel model; … FileInputStream file = new FileInputStream(filePath); //filePath为领域库的保存路径 InputStreamReader in = new InputStreamReader(file, "UTF-8"); //文件为UTF-8编码 model = ModelFactory.createOntologyModel(); model.read(in, null); |
图3 装载OntModel代码片段
2. 构造查询
有了OntModel，那么该领域的知识就在内存中构造成了一张图，现在我们要做的就是对这个图进行查询了。如果您属于数据库的SQL查询语言，那么对OntModel的查询对您就非常简单了，因为这儿用的是和SQL思想非常类似的SPARQL语言。
我们先来看看SQL和SPARQL的一段对比代码吧。
|
Select age From table1 Where name=”张三” |
PREFIX test <http://test.cn/search/test/data/> Select ?age Where{?x test:name ?name . ?x test:age ?age. FILTER(?name = “张三”) } |
图4 SQL与SPARQL语法对比
呵呵，是不是很相似啊！SPARQL还有很多超妙的用法，别急着学那个，我还没有讲完呢J（更多内容请参考：
http://www.yahoo.cn/s?p=sparql%E4%BB%8B%E7%BB%8D&v=web&pid=hp）
好的，我们回头看看刚才那个星座类知识库中的Statement属性吧。从图1中我们可以看到，该图的属性有“name、start、end、mstart、mend”，其属性含义解释如下：
|
Name: 星座名称 Start: 该星座开始时间 End: 该星座结束时间 Mstart: 该星座开始月份 Mend: 该星座结束月份 |
图5 星座类知识图属性解释
假设，我们现在的需求是“查找9月份的星座”。Ok，首先，我们分析一下这句话的含义：9月份的日子可能出现的星座，由于星座的时间特殊性，那么可能是起始月在9月份，或者是终止月在9月份。那么这个SPARQL就可以写为：
|
PREFIX xingzuo: http://www.yahoo.com.cn/search/xingzuo/data/ Select ?name Where{ ?x xingzuo:name ?name . ?x xingzuo:mstart ?mstart . ?x xingzuo:mend ?mend . FILTER(?mstart = 9 || ?mend = 9) } |
图6 SPARQL查询语句实例
上面只是SPARQL语法，那么，在程序中如何执行查询呢？下面的代码会告诉你：
|
String queryStr = …; Query query = QueryFactory.create(queryStr); QueryExecution qe = QueryExecutionFactory.create(query, model); ResultSet results = qe.execSelect(); |
图7 Jena查询代码片段
这样的逻辑大家应该都不陌生，因为太想普通的数据库查询逻辑了J
3. 分析结果
走完上面的两步，从图7中我们已经得到查询结果对象results，我们想要的结果找到了，下面让我们来开始“收获”吧：
|
Vector mxz = new Vector(); while (results.hasNext()) { QuerySolution tqs = (QuerySolution) results.next(); mxz.addElement(new String(tqs.getLiteral("name").getString())); } |
搞定。
好，现在我们已经通过一个实例介绍了Jena对RDF文件的查询和推理。如果你想玩更酷的功能，请参阅Jena的随包文档。