[发明专利]一种基于XML数据自动构建RDF数据的方法

权利要求书

1.一种基于XML数据自动构建RDF数据的方法，其特征在于，包括如下步骤：

步骤S1、解析XML数据文档的树形模型；先将元素按照起始标签的名称进行聚类，确定同类元素所对应的子模型，对同类所有元素的子模型进行整合，获得该聚合类所对应的抽象模型；根据所得抽象模型构建术语表RDF Schema；具体地，

针对XML数据文档中的进行归类，聚合为若干类E_n1,E_n2,L,E_ni,L(n_i∈N_e)，将元素e_i按照起始标签的名称归类到相应的聚合类E_ni：

f₁:(e∈E)→E_n1,L E_niL,(n_i∈N_e)

步骤S2、对所有元素的子模型mod_ej∈MOD_ni进行抽象整合获得该聚合类所对应的抽象模型smod_ni＝(n_i,{CN_ni,AN_ni,v_ni})；其中n_i是聚合类E_ni中所有元素的标签名称，CN_ni是子元素的名称集合，AN_ni是元素的起始标签所包含的属性的名称集合,其中v_ni是逻辑变量，v_ni存在说明元素内嵌内容包含文本值，具体地：

(1)、当CN_ni＝φ、AN_ni＝φ、v_ni存在时，聚合类E_ni所对应的抽象模型为smod_ni＝(n_i,v_ni)，此时元素e_j对应的子模型mod_ej是简单子模型，即mod_ej∈S；其中S代表子模型的集合，此时构建RDF三元组如下：

f_pi:n_i→pi_ni,(n_i∈N_e,pi_ni∈PI)

Type(？pi_ni,Property)

PropVal(range,？pi_ni,？DateTypeIRI)

其中，PI代表RDF词汇表中属性的集合，DateTypeIRI代表了内置数据类型，pi_ni代表n_i所映射为的属性；

(2)、当v_ni不存在时，聚合类E_ni所对应的抽象模型为smod_ni＝(n_i,{CN_ni,AN_ni})；此时构建RDF三元组如下：

f_ci:n_i→ci_ni,(n_i∈N_e,ci_ni∈CI)

Type(？ci_ni,Class)

f_pi:{cn₁,cn₂,L,cn_j,L}→{pi₁,pi₂,L,pi_j,L}(cn_j∈CN_ni,pi_j∈PI,j＝1,2,L,n)

Type(？pi_j,Property)(j＝1,2,L,n)

PropVal(domain,？pi_j,？ci_ni)

f_ci:cn_j→ci_cnj(cn_j∈CN_ni,ci_cnj∈CI)

PropVal(range,？pi_j,？ci_cnj)

PropVal(range,？pi_j,？DateTypeIRI)

f_pi:{an1,an₂,L,an_k,L}→{pi₁,pi₂,L,pi_k,L}(an_k∈AN_ni,pi_k∈PI,k＝1,2,L,n)

Type(？pi_k,Property)(k＝1,2,L,n)

PropVal(domain,？pi_k,？ci_ni)

PropVal(range,？pi_k,？DateTypeIRI)

其中，CI代表RDF词汇表中类的集合。假设cn_j∈CN_ni，则基于cn_j可以构建属性pi_j。

(3)、聚合类E_ni所对应的抽象模型为smod_ni＝(n_i,{CN_ni,AN_ni,v_ni})；此时基于n_i、CN_ni、AN_ni分别构建RDF Schema中的类和属性规则如下：

f_ci:n_i→ci_ni,(n_i∈N_e,ci_ni∈CI)

Type(？ci_ni,Class)

f_pi:{cn₁,cn₂,L,cn_m,L}→{pi₁,pi₂,L,pi_m,L}(cn_m∈CN_ni,pi_m∈PI,m＝1,2,L,n)

Type(？pi_m,Property)(m＝1,2,L,n)

PropVal(domain,？pi_m,？ci_ni)

f_ci:cn_q→ci_cnq(cn_q∈CN_ni,ci_cnq∈CI)

PropVal(range,？pi_m,？ci_cnm)

PropVal(range,？pi_m,？DateTypeIRI)

f_pi:{an₁,an₂,L,an_p,L}→{pi₁,pi₂,L,pi_p,L}(an_p∈AN_ni,pi_p∈PI,p＝1,2,L,n)

Type(？pi_p,Property)(p＝1,2,L,n)

PropVal(domain,？pi_p,？ci_ni)

PropVal(range,？pi_p,？DateTypeIRI)

Type(value,Property)

步骤S3、根据步骤S2所述抽象模型对应的映射规则，构建当前领域的术语表RDFSchema如下：

f_rdfs:{En1,…Eni…}→RDF Schema(n_i∈N_e)

其中XML文档全部聚合类的集合为XSD＝{En1,…Eni…}(n_i∈N_e)；

步骤S4、识别XML文档数据中的重复元素，具体地，

遍历XML文档的全部元素E和属性A，并附加唯一的ID；调整当前XML文档中元素和属性的ID，使等价元素和等价属性的ID相同；采用后根遍历法再次遍历XML的树形模型，从树形模型的底部向根部调整，识别文档中的等价元素和等价属性，并将等价元素和等价属性的ID调整统一；具体如下：

e_m∈CE_ei,e_n∈CE_ej,a_m∈EA_ei,a_n∈EA_ej

CL_ei＝{ID_e1,ID_e2,L ID_em,L,ID_a1,ID_a2,L ID_ap,L}

CL_ej＝{ID_e1,ID_e2,L ID_en,L,ID_a1,ID_a2,L ID_aq,L}

e_m∈CE_ei,e_n∈CE_ej,a_p∈EA_ei,a_q∈EA_ej,e_i→v_i,e_j→v_j

CL_ei＝{ID_e1,ID_e2,L ID_em,L,ID_a1,ID_a2,L ID_ap,L}

CL_ej＝{ID_e1,ID_e2,L ID_en,L,ID_a1,ID_a2,L ID_aq,L}

步骤S5、对当前的XML文档中的元素进行聚类后，基于步骤S2所述，将XML文档映射为RDF三元组序列；根据步骤S4，遍历对元素和属性的ID调整完成后的XML树形模型，存储映射过的元素ID集合为OID，构建RDF三元序列如下：

f_r:(n_i,ID_ei)→r_ei,(n_i∈N_e,r_ei∈R)

t₁＝t_v＝(r_ei,rdf:value,v_i)

PropVal(value,？r_ei,？v_i)

{t₁,t₂,L}＝{t_em|m＝1,2,L}∪{t_an|n＝1,2,L}(pi_em→t_em、pi_an→t_an)

f_r:(n_i,ID_ei)→r_ei,(n_i∈N_e,r_ei∈R)

f_r:(n_m,ID_em)→r_em,(n_m∈N_e,r_em∈R)

t_an＝(r_ei,pi_an,v_n)

PropVal(？pi_an,？r_ei,？v_i)

f_r:(n_i,ID_ei)→r_ei,(n_i∈N_e,r_ei∈R)

t_v＝(r_ei,rdf:value,v_i)

t_v∈{t₁,t₂,L}

PropVal(value,？r_ei,？v_i)。