关系型数据的知识抽取和RDF转换框架及实现

doi:10.3778/j.issn.1002-8331.2101-0517

摘要/Abstract

摘要： 关系数据库是行业中广泛使用的数据存储和管理方案，根据自定义的本体模型从关系型数据中进行知识抽取并转换成RDF是构建行业知识图谱的关键步骤。但是当前关系数据的知识抽取方案，需要进行大量的查询语句和映射的编辑工作，映射语句编码的工作量和映射的维护是关系型数据的知识抽取的主要障碍。针对以上问题提出一种能够自动解析关系数据和本体模型并生成对应关系，支持可视化调整和修正的关系型知识抽取转换框架。该框架简化了映射编辑和维护工作，提供了更自动化和简单易用的关系型数据的知识抽取的解决方案。最后应用该框架进行知识图谱的构建的实验表明，该框架能够较为高效地对关系数据进行知识抽取并转换成RDF。

关键词: 知识图谱, 知识抽取, 关系型数据, RDB2RDF, 本体模型

Abstract: Relational database is a widely used data storage and management scheme in the industry. According to the user-defined ontology model, knowledge extraction from relational data and conversion to RDF is the key step to build the industry knowledge graph. However, the current knowledge extraction scheme of relational data needs a lot of editing work of query statements and mapping. The workload of mapping statement coding and the maintenance of mapping are the main obstacles of knowledge extraction of relational data. To solve the above problems, a relational knowledge extraction and transformation framework is proposed, which can automatically parse relational data and ontology model and generate corresponding relationships, and support visual adjustment and correction. The framework simplifies the mapping editing and maintenance, and provides a more automatic and easy-to-use solution for knowledge extraction from relational data. Finally, the framework is applied to the construction of knowledge graph, and the experimental results show that the framework can extract knowledge from relational data automatically and efficiently and transform it into RDF.

Key words: knowledge graph, knowledge extraction, relational data, RDB2RDF, ontology model

张永威, 张岩, 唐新余, 王蒙. 关系型数据的知识抽取和RDF转换框架及实现[J]. 计算机工程与应用, 2022, 58(17): 213-223.

ZHANG Yongwei, ZHANG Yan, TANG Xinyu, WANG Meng. Framework and Implementation of Knowledge Extraction and RDF Transformation for Relational Data[J]. Computer Engineering and Applications, 2022, 58(17): 213-223.

参考文献

[1] 王昊奋，丁军，胡芳槐，等.大规模企业级知识图谱实践综述[J].计算机工程，2020，46（7）：1-13.
WANG H F，DING J，HU F，et al.Survey on large scale enterprise-level knowledge graph practices[J].Computer Engineering，2020，46（7）：1-13.
[2] 黄恒琪，于娟，廖晓，等.知识图谱研究综述[J].计算机系统应用，2019，28（6）：1-12.
HUANG H Q，YU J，LIAO X，et al.Review on knowledge graphs[J].Computer Systems and Applications，2019，28（6）：1-12.
[3] 赵军，刘康，何世柱.知识图谱[M].北京：高等教育出版社，2018.
ZHAO J，LIU K，HE S Z.Knowledge graph[M].Beijing：Higher Education Press，2018.
[4] 王鑫，邹磊，王朝坤，等.知识图谱数据管理研究综述[J].软件学报，2019，30（7）：2139-2174.
WANG X，ZOU L，WANG C K，et al.Research on knowledge graph data management：a survey[J].Journal of Software，2019，30（7）：2139-2174.
[5] BOLLACKER K，EVANS C，PARITOSH P，et al.Freebase：a collaboratively created graph database for structuring human knowledge[C]//Proceedings of the 2008 ACM SIGMOD International Conference on Management of Data，2008：1247-1250.
[6] MAHDISOLTANI F，BIEGA J，SUCHANEK F M.Yago3：a knowledge base from multilingual wikipedias[C]//Conference on Innovative Data Systems Research，2014.
[7] AUER S，BIZER C，KOBILAROV G，et al.Dbpedia：a nucleus for a web of open data[M]//The semantic web.Berlin，Heidelberg：Springer，2007：722-735.
[8] IMDB Official.IMDB[EB/OL].[2020-06-25].http：//www.imda.com.
[9] DrugBank Office.DrugBank[EB/OL].[2020-06-25].http：//www.drugbank.ca.
[10] AcemapOfficial.Acemap[EB/OL].[2020-06-25].http：//www.acemap.Info/.
[11] 杭婷婷，冯钧，陆佳民.知识图谱构建技术：分类、调查和未来方向[J].计算机科学，2021，48（2）：175-189.
HANG T T，FENG J，LU J M.Knowledge graph construction techniques：taxonomy，survey and future directions[J].Computer Science，2021，48（2）：175-189.
[12] ARENAS M，BERTAILS A，PRUD’HOMMEAUX E，et al.A direct mapping of relational data to RDF[J].W3C Recommendation，2012，27：1-11.
[13] Das S.R2RML：RDB to RDF mapping language[EB/OL].[2020-06-25].http：//www.w3.org/TR/r2rml/.
[14] 吴思竹，修晓蕾，李艳梅，等.基于R2RML的医学主题词表RDF转换实现[J].医学信息学杂志，2019，40（5）：65-71.
WU S Z，XIU X L，LI Y M，et al.Conversion of medical subject headings（MeSH） to RDF based on R2RML[J].Journal of Medical Informatics，2019，40（5）：65-71.
[15] 李悦，孙坦，赵瑞雪，等.大规模RDF三元组转换及存储工具比较研究[J].数字图书馆论坛，2020（11）：2-12.
LI Y，SUN T，ZHAO R X，et al.A comparative study of large-scale RDF triple conversion and storage tools[J].Digital Library Forum，2020（11）：2-12.
[16] BIZER C，SEABORNE A.D2RQ-treating non-RDF databases as virtual RDF graphs[C]//Proceedings of the 3rd International Semantic Web Conference（ISWC2004），2004.
[17] 陈涛，张永娟，陈恒.Web数据到RDF数据的框架实现[J].现代图书情报技术，2015（2）：1-6.
CHEN T，ZHANG Y J，CHEN H.Implementation of the framework for converting Web-data to RDF[J].New Technology of Library and Information Service，2015（2）：1-6.
[18] ERLING O，MIKHAILOV I.RDF support in the virtuoso DBMS[M]//Networked knowledge-networked media.Berlin，Heidelberg：Springer，2009：7-24.
[19] 夏翠娟，金家琴.从关系数据库到关联数据：W3C标准应用探析[J].图书馆杂志，2015，34（5）：85-94.
XIA C J，JIN J Q.On the application of W3C’s RDB2RDF standards[J].Library Journal，2015，34（5）：85-94.
[20] CALVANESE D，COGREL B，KOMLA-EBRI S，et al.Ontop：answering SPARQL queries over relational databases[J].Semantic Web，2017，8（3）：471-487.
[21] SENGUPTA K，HAASE P，SCHMIDT M，et al.Editing R2RML mappings made easy[C]//Proceedings of the 12th International Semantic Web Conference（Posters & Demonstrations Track），2013：101-104.
[22] HAZBER M A G，LI R，XU G，et al.An approach for automatically generating R2RML-based direct mapping from relational databases[C]//International Conference of Pioneering Computer Scientists，Engineers and Educators.Singapore：Springer，2016：151-169.
[23] SICILIA á，NEMIROVSKI G，NOLLE A.Map-on：a web-based editor for visual ontology mapping[J].Semantic Web，2017，8（6）：969-980.
[24] MCBRIDE B.Jena：a semantic web toolkit[J].IEEE Internet Computing，2002，6：55-59.
[25] NOY N F，SINTEK M，DECKER S，et al.Creating semantic web contents with Protege-2000[J].IEEE Intelligent Systems，2005，16：60-71.
[26] HORRIDGE M，JUPP S，MOULTON G，et al.A practical guide to building owl ontologies using protégé 4 and co-ode tools[Z].The University of Manchester，2009.