基于Virtuoso的疾病知识RDF描述与仓储研究
来源:用户上传
作者:李若宇 陈磊
摘要：疾病知识已逐步成为社会热点信息，RDF 技术在疾病知识的描述时具有极大的适配性和灵活性。文章介绍了疾病知识库的RDF 描述范式以及使用Virtuoso数据库实现 RDF数据的仓储，并使用SPARQL语言对RDF数据进行导入和检索，使疾病知识数据得以高效的建模、存储、检索及利用，在医学知识库构建和应用方面具有重要参考价值。
关键词：语义网;RDF;SPARQL;Virtuoso;疾病知识库
0引言
随着 2020 年暴发的新冠肺炎疫情席卷全球，各种 疾病知识已经成为最有价值的信息之一，建立高质量的疾病知识库，有助于推进医学现代化，推进全民医学知识科普。现阶段传统主流数据库以关系型数据库为主，在存储结构化数据时具有成熟的技术和良好的性 能，但疾病知识拥有着明显的树状结构和拓扑结构特 征，传统关系型数据库难以做到高效的存储。
资源 描 述 框 架（Resource Description Framework，RDF）是Web3.0 时代语义网技术中的一个概念，表达为一种基于图的数据类型，常作为知识图谱的存储介 质。选用RDF 进行疾病知识描述和仓储具有查询效率 高、扩展性强、对非结构化非关系型数据兼容性较好等 特点。国内外基于RDF 技术开发的知识库有清华大学的Xlore、复旦大学的CN-Dbpedia、谷歌的Freebase和维基的DBPedia。Openlink 公司的Virtuoso数据库能够实现 RDF数据的仓储，并使用SPARQL语句进行数据的检索和操作[1-2]。
1知识描述
1.1知识建模
作为语义网中的核心技术，使用RDF 构建知识工 程时，知识本体被当作资源表示为URI，不同资源间的联系以主谓宾的形式进行描述，形成知识图谱。构成RDF的数据类型包括：（1）URI。用于标记资源，以网 址的形式。如在疾病知识中，知识本体“高血压”被标 记为资源：<http：//kn.cn/terms/高血压 >。（2）字 面 量。表示具体值。如字符串值：" 脑动脉粥样硬化"。上述类型数据类型可构成主谓宾三元组的RDF 原生数据形式[3-4]。RDF 原生数据形式如表1所示。
疾病知识具有明显的医学知识特征，有较规则的知识结构，例如大多数疾病都包含中英文名称、就诊科 室、多发群体、病症分类、常见症状、诊断方法、治疗方法等共同属性，因此根据属性关系可以对疾病知识进 行有效组织。对疾病知识进行建模的步骤包括：（1）收 集知识文档。可以从网络百科、电子书籍等相对准确的资料上收集资料，注意可以采用爬虫的方式，但是需要对知识的准确性进行人工验核。（2）抽取主要属性。根据对大多数疾病知识的研究，归纳通用疾病属性，建 立数据字典。
在图1 中，唯一编号的ds125表示知识本体“冠心 病”，ds125 下包含有一级属性中文名、英文名、多发人群、就诊科室、症状、治疗方法、检查方法。值得注意的是，虽然 RDF稻菽Ｐ椭械氖粜悦类似于关系模型中的字段名，但这里的属性名可自由搭配属性值，如属性“检查方法”可以连接一个值，也可以连接若干个值。
1.2RDF数据描述
完成知识内容建模以后，需要将知识内容转化为RDF 描述，转化工作包括拼接前缀、格式化等工作，产出的结果应该是规范的RDF三元组文档。
值得注意的是，宾语除了字面量以外，还可能是资 源类型。如“检查方法”对应的属性值这里表示为资源 而非字串字面量，一方面，因为具体“检查方法”更趋向于是一个术语，符合被定义成为RDF 中的资源;另一方面，一种“检查方法”可能被多种疾病共享，如“心电图”可以是多种疾病的“检查方法”，这时与将“心电图”作为“检查方法”的疾病资源便建立了联系。如图2所示，让数据实体之间（ds125和ds126）建立丰富的联系，体现关联数据语义网的核心理念。
2Virtuoso数据仓储
2.1 Virtuoso数据库简介
RDF数据具有明显的“图”结构，需要使用图数据 库进行组织和存储，单纯的关系型数据库并不便于存 储 RDF数据。Openlink Virtuoso数据库支持以图的形式存储 RDF数据，支持使用SPARQL语句对RDF数据 进行 DML和DQL 操 作，兼 容主流 操 作系统，支 持 JDBC，ODBC，HTTP API 等主流数据访问接口和多种编 程语言，在海量数据存储和处理方面有着不错的表现，同时还 支 持 将 关系数据 转 换为RDF数据的技 术（RDB2RDF）。除了Openlink Virtuoso以外，MarkLogic，Jena，GraphDB 等数据库在RDF数据仓储方面都有着 优秀特性[5]。
2.2知识仓储
知识仓储在这里主要指将组织好的RDF数据存储 至数据库，在将 RDF数据导入 Virtuoso数据库时，常常 采用SPARQL-Update语句的方式进行。
（1）在Virtuoso数据库的namespace 定义命名空间和对应的前缀，有助于减小输入冗余。
@ prefix knt：<http：//kn.cn/terms/ >
@ prefix kna：<http：//kn.cn/attribute/ >
此时知识本体可被表示为knt：ds125，属性可以被表示为kna：属性。
（2）SPARQL语句支持 RDF 缩写形式，下面是相同主语和相同主谓两种情况下的缩写示例。INSERT语句同 SQL 中，表示将数据插入数据库，<http：//kn.cn >表示存储数据的图，这里的图名可以理解成关系数据 库的库名。
SPARQL：
nlc202208292104
转载注明来源:https://www.xzbu.com/8/view-15438719.htm
