Page 252 - 《软件学报》2020年第9期

陈德彦 等:专家视图与本体视图的语义映射方法 2873

在基于专家知识构建的运动推荐模型中,个体的这些实例数据的作用见表 4.
Table 4 Roles of individual instance data in the exercise recommendation model
表 4 运动推荐模型中个体实例数据的作用
个体实例数据 作用
性别、年龄 确定可以参加的运动项目和运动强度
身高、体重 得到身体质量指数(BMI),从而获知体型.体型将决定运动的强度和持续时间
患病情况 是否可以做运动;是否需要做运动耐量实验
残疾情况、损伤情况 判断是否可以参与某些运动项目
兴趣爱好 基于此推荐最佳运动项目
日常体力活动水平 确定运动强度
生活习惯 确定运动项目和强度
具有的运动条件(如场地、设备、经济条件等) 判断是否可以参与某些运动项目

3.3 领域语义规则集的定义
[1]
任何基于知识的系统,其知识库至少由两个基础部分组成:静态领域知识和动态推理知识 .静态领域知识
描述领域明确的静态知识;动态推理知识又称为问题求解知识,问题求解知识从抽象层描述问题求解方法所需
要的知识,也就是关于如何满足需求的知识,它描述了要实现的目标、实现这些目标必要的行为、这些行为的
激活顺序以及执行这些行为所需要的领域知识.领域知识会影响问题求解知识,而问题求解方法可以用于指导
获取静态领域知识.为此,本体视图仅仅在语义上准确反映专家视图还不够,还需要从满足领域应用问题求解的
角度,调整本体视图中包含的对象类型、数量及其组织方式的合理性,或者补充问题求解所需要的知识.
基于表 4 可以知道:为了问题求解的需要,即为了描述推荐模型(运动推荐模型、饮食推荐模型等),还需要基
于 SWRL 构建动态推理规则集 F healthcare .例如在运动推荐模型中,基于个体的实例数据和推理规则,判断患者是
否适合做运动;如果适合做运动,是否需要做运动耐量实验,适合多大强度的运动;基于身体残疾、损伤、日常体
力活动水平、兴趣爱好、生活习惯、运动条件等因素判断适合个体的最佳运动项目.
SWRL 规则有 3 种不同的语法 [3,20] :抽象语法(abstract syntax)、XML 具体语法(XML concrete syntax)以及
RDF 具体语法,其中,XML 具体语法基于 OWL XML 表示语法和 RuleML XML 语法.但采用这几种 SWRL 语法
对规则进行序列化描述时,语句非常冗长,人类不容易阅读.于是,在规则表示中,经常使用一种相对非正式的“人
类可读的”语法形式 [20] :
antecedent→consequent.
一个 SWRL 规则包含了一个前提(antecedent)部分和一个结论(consequent)部分,前提又称为规则体(body),
结论部分又称为规则头(head).规则体和规则头可以只有一个原子公式(atomic formula),或者是多个原子公式的
合取(conjunction),其表示形式如下:
atom∧atom∧…∧atom→atom∧atom∧…∧atom.
一个 SWRL 规则可以这样理解:如果在前提中的所有原子是真实的,那么结果也必须是真实的.一个原子的
表示形式为
p(arg 1 ,arg 2 ,…,arg n ).
p 是谓词符号,arg 1 ,arg 2 ,…,arg n 是术语或表达式的参数.在 SWRL 中,谓词符号包括 OWL 类、属性、数据
类型或内置原语(builtin primitives)等.参数可以是 OWL 实例、数据值或者引用它们的变量.
另外,在本应用场景中,将个体的年龄、患病情况、残疾情况、损伤情况、经济条件等识别为个体的敏感
和隐私数据,为实现对这些数据的访问控制,首先需要建立用于授权和许可规则的访问控制原语本体
O access_control ,参见图 9.然后将识别出的敏感和隐私保护内容映射为领域实例库中的三元组,如图 7 所示.然后在
访问控制本体中将这些受保护的三元组具体化为陈述对象,如图 8 所示.最后,基于访问控制需求、陈述对象和
访问控制原语建立相应的访问控制策略规则 F access_control ,这个过程中遵循的约定见表 5.