2107.基于粗糙形式概念分析的海洋本体构建及集成毕业论文最终版1.doc

学位论文 学位论文题 目：基于粗糙形式概念分析的海洋本体构建及集成英文题目：Using Rough Formal Concept Analysis for Automatic Ocean Ontology Building and Integration专 业：研究方向：姓 名：指导教师： 摘 要本体是共享概念模型的明确的形式化规范说明，通过描述概念及概念之间关系来描述概念的语义。其作用是获取、描述和表达相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇和词汇间相互关系的明确定义。作为一种有效表现概念层次结构和语义的模型，本体被广泛运用到计算机科学的众多领域。随着本体应用的深入，本体发展也面临着一些现实的问题：如何方便的构建本体、本体的形式化描述、如何集成己有本体以及本体的应用等。目前，本体的构建方法主要分为两大类：一类是采用手工方式来构建，该类方法的问题是：(1)遇到复杂的领域就费时费力；(2)在建立各自的本体时均采用不同的标准、建模方法，所以构建的本体不通用；第二类是本体学习技术(Ontology Learning)，采用本体学习技术。虽然可以简化手工构建本体的工作量，但这些技术不能寻找到领域内所有隐含的概念和概念间关系，而且不能明确地以形式化方式表达所形成的概念及概念模型。另外，构建的本体具有很大的主观性，不同的领域专家会采用不同的观点去构建新的本体，以至构建出的本体不统一，存在异构的情况。因此，本文在概述分析本体研究现状和研究热点的基础上，针对本体研究中两个关键性问题领域本体构建和领域间本体集成，将粗糙集引入其中，提出了基于粗糙形式概念分析的领域本体构建方法和领域本体集成方法，并给出了以海洋领域为背景的海洋本体原型实现。本文的主要工作和创新点包括：1. 本体理论和粗糙形式概念分析的研究首先介绍了本体的基本概念，包括其定义、基本构成、描述语言、分类等；然后介绍了粗糙形式概念分析和粗糙概念格的基本理论、粗糙概念格的构造算法；最后，分析了粗糙形式概念分析与本体的区别和联系，介绍了二者结合的意义。2. 基于粗糙形式概念分析的本体构建方法研究在研究了本体构建的基本原则及介绍了已有的几种基于形式背景本体构建方法的基础上，提出了一种基于粗糙形式概念分析的本体构建方法RDOBM(Rough Domain Ontology Building Method)。这种本体构建方法，通过循环添加、编辑对象(类)和属性构建粗糙概念格，以粗糙概念格将本体可视化，构建本体原型。由于可视化的表达了概念以及概念之间的关系，因此容易为人们所理解。3. 基于粗糙形式概念分析的本体集成方法研究本文在给出本体现有的一些集成方法之后，针对粗糙形式分析这一特有的形式背景，将RFCA技术引入到本体集成中，分别对同一领域和交叉领域的本体集成过程进行了详细的描述，并给出了海洋领域本体集成的实例。4. 基于海洋领域的本体实例及实现方法根据之前介绍的RDOBM方法，本文以海洋领域为背景，给出了海洋粗糙本体的实例，首次将RDOBM方法运用到了海洋领域中；并在此基础上，给出了详细的海洋本体原型设计和实现。将其与目前的半自动本体技术做了相应的比较，说明了该方法的优越性。关键词：粗糙形式概念分析；海洋本体构建；海洋本体集成58Using Rough Formal Concept Analysis for Ocean Ontology Building and IntegrationAbstractOntology is the explicit and formal description of shared-conceptualization. It can provide semantic meaning through relations between concepts. The aim of ontology is to obtain, describe and express the knowledge of related domain. Ontology provides common understanding of the domain knowledge and confirms common approbatory vocabularies in the domain, as well as gives specific definition of the relation between these vocabularies from formal model of different levels. As a fine model for presenting hierarchy and semantic meaning of concepts, ontology has been used widely in the fields of computer science. With the broad application of ontology, ontology development also faces some problems of reality. Such as, how to conveniently build ontology, formally describe ontology, integrate ontology and the ontology application.The construction method of ontology is mainly divided into two kinds at present:One is manual ontology building, in while the problem is: (1) In a complicated field itis time-consuming and strenuous; (2) We adopt different standards and modeling methods while building ontology, so that ontology is not currency; The second method to build ontology is 0ntology Learning. By this way we can simplify the manual workload of ontology building. But the teleology cant search concepts and the relation among all connotative concepts in the field. Moreover, it cant present the concepts and conceptual model with definite formalized way. Besides, ontology building is of great subjectivity. It will lead to the disunity of ontology construction because different domain experts adopt different views. On the basis of a brief analysis of ontology research status and hotspots, this thesis focuses on two key problems of ontology research: ontology building and ontology integration. We propose approaches of RFCA-based ontology building and integration through introducing the method of rough formal concept analysis.The primary work and contributions of this thesis are as follows:1. The research of ontology theories and rough formal concept analysisFirstly, this thesis introduces the basic concepts of ontology, including the definitions of ontology, the description language of ontology and ontology classifications. Secondly the thesis introduces the theories of rough formal concept analysis and rough concept lattice. Lastly, analyze the differences and relations between ontology and rough formal concept analysis.2. Research on approaches of RFCA-based ontology buildingAfter researching the basic criterion and methods of ontology building, a domain ontology building framework based on formal concept analysis is proposed. This method constructs rough concept lattice by adding objects (classes) and properties and to visualizing ontology by rough concept lattice, then builds original ontology. The approach that describes visualizing concepts and relations between concepts is easily comprehended by people.3. Research on approaches of RFCA-based ontology integrationIn this paper, it introduces the rough formal concept analysis into ontology integration after the existed integration are described and instructs the course of ontology integration between the same domain and the different fields in detail. The examples of Ocean Ontology Integration are shown to further explanation.4. An instance and implementation within the Ocean An ocean rough ontology instance is built on the ground of the domain of ocean with the RDOBM referred previously, which is the first time that RDOBM is used in that domain. Then on the basis of the instance, a detailed description of the implementation of Ocean ontology system is presented in the following section. Lastly, some advantages of this method are given out, in comparison with the semi-automatic ontology technology.Keywords: Rough formal concept analysis, Ocean ontology building, Ocean ontology integration目 录引 言11本体定义12 课题研究背景22.1 目前本体的构建方法22.2 本体构建存在问题32.3 本体集成存在的问题33 本文研究的目标和内容44 课题来源及论文的组织结构55 小结5第一章 本体及粗糙形式概念分析理论简介61.1本体的基本理论61.1.1 本体基本构成61.1.2 本体的描述语言71.1.3 本体分类101.2 粗糙形式概念分析相关理论基础121.2.1 粗糙形式背景的基本概念121.2.2 粗糙概念格模型的数学基础131.2.3 粗糙概念及粗糙概念格相关定义151.3 小结16第二章 粗糙概念格构建算法及与本体的结合172.1批处理算法 (batch algorithm)172.2 渐进式构造算法(On-line Construction)182.3 粗糙概念格构造算法202.3.1 粗糙概念格构造的基本思想202.3.2 粗糙概念格构造的算法描述212.3.3 算法分析242.3.4 实例分析252.4 粗糙概念格与本体结合的研究意义262.4.1 粗糙概念格用于本体的构建262.4.2 本体改善粗糙概念格中大数据集的质量272.5 小结27第三章 基于粗糙形式概念分析的海洋本体构建293.1 现阶段本体构建293.1.1 本体的构建原则293.1.2 本体构建的流程分析303.1.3 基于概念格的本体构建方法313.2 粗糙形式概念分析用于领域本体的构建353.2.1粗糙形式概念分析构建领域方法研究353.2.2基于粗糙形式概念分析的本体构建方法RDOBM353.2.3基于粗糙形式概念分析构建海洋本体383.3 小结39第四章 基于粗糙形式概念分析的海洋本体集成404.1本体异质的原因404.2现有本体集成方法(Ontology integration)414.3 基于粗糙概念格的本体集成424.3.1同一领域本体集成过程描述434.3.2 交叉领域本体集成过程描述454.4 小结46第五章 基于粗糙形式概念分析的海洋本体原型系统485.1 系统设计思想485.2 系统设计实现485.3 系统分析525.4 小结52第六章 结论与展望536.1 本文总结536.2 进一步工作54参考文献55致谢58附录 攻读硕士学位期间发表学术论文情况59引 言目前，因特网在信息表达和检索方面存在着缺陷。比如：查全率、查准率、检索速度及客户响应时间尚不能很好地满足用户的需要，主要原因在于其设计目的是面向用户直接阅读与处理，而没有提供计算机可读的语义信息，因此限制了计算机在信息检索中的自动分析处理以及进一步智能化的信息处理能力。解决这些问题的方法就是语义网的构想，目的是为因特网上的信息提供具有计算机可以理解的语义。主要思想是通过在语义Web中引入本体来表达信息，实现语义信息的共享。本体是共享概念模型的明确的形式化规范说明，它的本质是概念模型，通过概念模型，对信息作完全的形式化描述，使计算机可以理解网上的信息。1本体定义本体论(Ontology)的概念最初起源于哲学领域。随着计算机的不断发展，本体的定义不断变化。最早给出本体定义的是Neches等人，他们将Ontology定义为“本体定义了组成主题领域的词汇表的基本术语和关系，以及组合这些术语和关系来定义词汇表外延的规则”1。Grube2于1939年指出：“本体是概念化(Conceptualization)的一个显式的(Explicit)规范说明或表示”。Guarino和Giaretta3为了澄清对本体的认识，针对本体七种不同的概念解释进行了深入的分析，于1995年给出了如下定义，即“本体是概念化的某些方面的一个显式的规范说明或表示”。Borst4于1979年给出了一个类似的定义：“本体可定义为被共享的概念化的一个形式的规范说明”。陆汝钤院士等5从实用的角度出发，也采用对本体的如下定义，即“本体是关于某个主题的形式化和说明性表示，包括它的论域、论域中诸对象的名称、定义及相互关系”。目前被大部分人公认的定义是Tom Gruber在1949年提出的6：“本体是关于共享概念的一致约定。共享概念包括用来对领域知识进行建模的概念框架、需要互操作的主体之间用于交互的与内容相关的协议，和用于表示特定领域的理论的共同约定。在知识共享的情况下，本体的形式特化为具有代表性的词汇的定义。一种最简单的形式是一种层次结构，用来详细描述类和它们之间的包含关系。关系数据库的框架(schemata)也是一种本体，它用来描述能共享的数据库之间的关系和集成这些数据库需遵循的约束”。尽管定义的方式不同，但从内涵上来看，不同研究者对于本体的认识是统一的，本体的概念有下面四层含义7：(1) 概念化(conceptualization)：通过抽象出客观世界中一些现象(phenomenon)的相关概念而得到的模型，其表示的含义独立于具体的环境状态。(2) 形式化(formal)：有精确的数学描述，是计算机可读的。(3) 明确化(explicit)：概念与概念之间的联系及使用这些概念的约束都被明确定义。(4) 共享(share)：本体中体现的是共同认可的知识，反映的是相关领域中公认的概念集，它所针对的是团体而不是个体。总之，本体的目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的词汇，并从不同层次的形式化模式上给出这些词汇(术语)和词汇之间相互关系的明确定义。本体既包括一个领域内的知识也包括各种领域之间的知识。人类、数据库和应用软件使用本体来共享领域知识。2 课题研究背景Web环境下实现语义检索的首要条件是有丰富的领域本体。因此，构建本体的方法是当前研究中的热点问题。本体的构建多是面向特定领域，如果没有好的方法路线指导，就难以在不同领域本体的构建中保持一致，也不利于本体的规模化和规范建设。因此关于本体构建方法的研究对于本体的应用具有至关重要的作用。但目前该领域研究还处于探索阶段，没有成熟、统一的方法作为指导。2.1 目前本体的构建方法目前本体的构建方法主要分为两大类：(1) 采用手工方式来构建手工构建，即知识工程师与领域专家合作，对有关领域知识和专家知识进行挖掘、搜集、分析、综合、整理和归纳，然后以某种表示形式存入本体库。这是把领域专家和知识工人头脑中的知识结构转化为形式化的、计算机可以处理的知识的过程。目前的情况下，人们普遍认为本题获取需要领域专家的参与。手工构建本体，基本上都需要本体构建工具辅助，如比较流行的工具OILEd8、WebOnto8、Protégé8等，这些工具的使用极大地方便了人们进行本体的构建活动。利用此方法构建的本体虽然比较精确，但需要耗费大量的人力资源，成本也相对比较高，而构建出来的领域本体往往不够全面。因此，此方法仅适用于小规模的本体构建。(2) 半自动本体获取目前，一些专家、学者为了降低手工构建本体时的开销，开始研究如何利用知识获取技术自动或半自动地获取本体。他们以半结构化文本（如词典、工具书、手册、叙词表等）作为本体的知识源，通过一定的方法对这种与本体之间具有联系和区别的资源进行形式化和提取，最后获取其资源的核心知识，形成本体。利用此方法构建的本体虽然可以简化手工构建本体的工作量，但这些技术不能寻找到领域内所有隐含的概念和概念间关系，而且只能呈现出精准的、确定的信息。对于实际中，大量复杂性、不精确性的柔性信息却束手无策。2.2 本体构建存在问题经分析发现上述的构建方法存在着以下缺点：(1) 采用手工方式，一旦遇到复杂的领域就费时费力，成本也相对比较高；(2) 构建的本体不可能采用统一的标准及建模方式，故本体的通用性低；(3) 具有很大的主观性，针对某个领域，不同的领域专家会采用不同的观点以至构建的本体不统一。最重要的是在寻找领域概念和概念之间的关系时，所采取的方法和手段有较大差异，而且也只能找到一些已知的概念(从辞海或叙词表中)；(4) 具有很强的局限性，只能针对精准、明确的知识源采用半自动方法构建本体。而现实中某一领域，与该领域相关的概念以及概念之间的关系是含糊地存在于文档、人的大脑中。采用上述的构建方法，可能不易寻找到领域内所有隐含的概念和概念间关系，而且不能明确的以形式化方式表达所形成的概念及概念模型。2.3 本体集成存在的问题本体是人和机器、程序间知识交流的语义基础6，使用本体的目的是为了知识的共享和重用。然而由于各自建立本体的局限性和不同本体之间存在个体丰富性，本体间的语义冲突也就不可避免地存在着。如何集成不同概念间的语义冲突的本体是构建新的领域本体后将要解决的另一个问题。目前，OntoMorph、Chimaera系统使用一种基于描述逻辑的方法，对集成本体进行局部性地描述。例如：叙述了检验术语间的包含关系。但这些方法都没有为集成本体提供一种全局结构化地描述方案。 3 本文研究的目标和内容正是由于以上问题存在着很大的缺陷，因此如何将含糊的知识明确化、如何将隐含存在的知识具体化并在领域本体中表示出来，即如何找出所有可能的抽象概念和概念之间的分类关系、如何实现不同的本体甚至是结构完全不同、概念抽取方法迥异的本体之间的共享和重用是关键的问题。针对本体研究中关键性问题，本文将数学中的粗糙集引用进来，给出了粗糙形式概念分析的背景，从中提取所有隐含的概念和概念之间的相互关系，形成带有上近似和下近似外延的概念层次结构，即粗糙概念格。从数据集中生成粗糙概念格的过程实际上是一种概念聚类的过程，而且粗糙概念格的二维可视化形式使粗糙概念格的展现更加直观、生动。同时，本文针对领域本体集成难这一问题，分析了本体异构的实质原因，介绍了现有的集成方法，将粗糙形式概念分析技术引入到本体集成的过程中，从而使得本体得到了很好的维护，使其有可延续性。为了实现以上目标，本文主要从以下几个方面进行研究和阐述：1. 本体理论和粗糙形式概念分析的研究首先介绍了本体的基本理论，包括其基本构成、描述语言、分类等；其次介绍了粗糙形式概念分析和概念格的基本理论、粗糙概念格的构造算法；再次，分析了粗糙形式概念分析与本体的区别和联系，介绍了二者结合的研究。2. 基于粗糙形式概念分析的海洋本体构建方法研究在研究本体构建的基本原则及介绍了已有的几种本体构建方法后，提出了一种基于粗糙形式概念分析的领域本体构建方法RDOBM(Rough Domain Ontology Building Method)，将粗糙形式概念分析引入领域本体的构建过程。这种本体构建方法，通过循环添加、编辑对象(类)和属性构建粗糙概念格，以概念格将本体可视化，构建领域本体原型。可视化的表达概念以及概念之间的关系，容易为人们所理解。并给出了以海洋领域为背景的粗糙本体实例及海洋本体原型系统的实现。3. 基于粗糙形式概念分析的本体集成方法研究本文将RFCA技术引入到本体集成中，介绍了本体集成的意义，阐述了本体集成的方法并提出存在的问题，最后对基于形式概念分析的本体集成方法，给出了全局过程描述，并通过了实例来说明集成的过程。4 课题来源及论文的组织结构本文的课题来源于国家科技支撑计划专题农村知识本体的研究与知识库构建（2006BAD10A05_1_2）及国家科技部公益性行业科研专业临港新城风暴潮灾害评估与对策辅助决策系统研究（200805016）。论文共分为六章：第一章: 本体及粗糙形式概念分析理论概述。详细介绍了本体的基本理论、粗糙形式概念分析的相关理论，并给出了粗糙概念及粗糙概念格的定义。第二章：粗糙概念格构建算法及与本体的结合。分析了一般性概念格构造的算法，并在此基础上给出了粗糙概念格构造算法；分析粗糙概念格与本体的区别和联系。第三章：基于RFCA(Rough Formal Concept Analysis)的本体构建方法研究。介绍本体的构建原则、方法，提出基于粗糙形式概念分析的领域本体构建方法RDOBM(Rough Domain Ontology Building Method)，并通过一个实例说明构建过程。第四章：基于RFCA的本体集成方法。介绍了本体集成的意义，阐述了本体集成的方法并提出存在的问题，最后对基于形式概念分析的本体集成方法，给出了全局过程描述，并通过了实例来说明集成的过程。第五章：介绍了基于RFCA的本体原型系统的设计、实现并给出了相应的分析。第六章：总结与展望。总结了本文研究工作的成果并对未来的工作做了展望。5 小结Web环境下实现语义检索的首要条件是有丰富的领域本体。因此，构建本体的方法是当前研究中的热点问题。而目前本体构建方法存在着许多弊端、不同本体之间存在着异构的问题，因此本章分析了本体构建及集成存在问题，给出了课题研究的背景。在此基础上，介绍了研究目标、课题来源及论文的组织结构。第一章 本体及粗糙形式概念分析理论简介本章主要介绍相关的基础知识，内容涉及本体理论、概念格模型的数学基础以及粗糙概念格的构建算法等。1.1本体的基本理论1.1.1 本体基本构成从知识工程角度，我们把本体形式地表示为如下形式：定义2.1 (本体结构) 本体的逻辑结构可以看成一个五元组，其中各个字母代表了不同的含义如下所述8：概念 。本体中的概念是广义上的概念，它除了包括一般意义上的概念，如“宗海”、“水深”、“海滨浴场”等外，还包括行为、策略、推理过程等等。本体中的这些概念通常按照一定的关系形成一个层次结构。例如，按照“subclass-of”关系，本体中的概念形成一个分类层次结构。在复杂的本体中，概念还包括更详细的描述，即概念的定义、性质等描述。：概念之间的关系，表示概念之间的一类关联。如概念之间的“subclass-of”关系、“part-of”关系等。一般情况下，可以用关系表示概念之间存在各个元关系。一般地，本体中概念之间至少存在以下三类二元关系：继承关系、聚合关系、关联关系，概念和概念中属性之间的关系也是一种关系，称为属性关系。：函数，是一种特殊的关系，其中第个元素相对于前面个元素是唯一确定的。函数可以用如下形式表示，。例如，一片宗海的水深、盐度、溶解氧及水深的变化可以唯一地确定这宗海未来的用途，是作为海滨浴场、还是海洋养殖区。：概念或者概念之间的关系所满足的公理，是一些永真式。例如，这片海的历史情况肯定是之前就了解的，历史信息是不能改变的。：为领域内概念实例的集合。其中，为概念实例到所属相应概念的映射，概念的实例具有所属概念定义的属性。1.1.2 本体的描述语言本体的描述语言使得用户为领域模型编写清晰的、形式化的概念描述，一般要具有丰富而直观的表达能力，用此语言表示的本体要能方便地被计算机理解、处理和应用。因此它应该满足以下要求9：(1) 良好定义的语法 (a well-defined syntax)；(2) 良好定义的语义 (a well-defined semantics) ；(3) 有效的推理支持 (efficient reasoning support)；(4) 充分的表达能力 (sufficient expressive power)；(5) 表达的方便性 (convenience of expression)。当前的本体描述语言基本可以分为三大类：基于谓词逻辑的本体表示语言、基于Web的本体表示语言、基于图的本体表示语言。(1) 基于谓词逻辑的本体表示语言：开始使用的本体表示语言多数基于框架模型和谓词逻辑，现在的本体表示语言在此基础上多数采用了XML语法。比较有代表性的基于谓词逻辑的本体表示语言如下： KIF(Knowledge Interchange Format)10：Stanford大学人工智能实验室专家在研究本体时，提出了一种基于谓词演算的形式化语言，它重点研究语言的表达能力，主要功能包括对象、函数、和关系的定义，它允许元级知识和非单调推理规则的表示，并基于一阶谓词逻辑，具有描述性语义，为采用不同知识表示方式的计算机程序之间的通讯搭建了桥梁。Ontolingua11：以KIF为其核心语言，定义本体框架作为知识表示的基础。该语言支持三种本体定义形式： KIF表示；仅使用Frame Ontolingua的词汇库； 同时使用上述两种表示方法。无论采用哪种表示方法，Ontolingua都包括3个组成部分：定义头部分、用自然语言描述的非形式化定义部分、用KIF或者Frame Ontolingua定义的转换器。这些Ontolingua转换器可将由Ontolingua表示的本体转换为LOOM等目标语言。CycL12：Cyc系统的描述语言，本质上讲，CycL是一阶逻辑语言。但是，为了增强知识表示的灵活性，CycL在一阶逻辑的基础上增加了缺省知识的表示、等价推理、二阶谓词等，具备二阶谓词演算的能力；其语言环境中配有功能很强的可进行推理的推理机。LOOM13：一种基于一阶谓词逻辑的知识表示语言，由美国南加州大学信息科学学院设计并实现。LOOM提供了明确定义而且表达力强的模型描述语言，能描述定义、规则、事实和缺省规则等；提供了有效的推理机制，能利用向前推理、语义一致化和面向对象的真值维护等技术实现推理：提供了编程范例如逻辑范例、产生式规则范例和面向对象范例等，并能方便地把范例集成到应用中。LOOM还提供了知识库服务功能以方便用户对知识库的操作和维护。目前南加州大学又推出了LOOM的第二代Power-LOOM。F-logic( Frame logic) 14：集成了基于框架的语言和一阶谓词演算，特点在于知识表示和推理两个方面。在知识表示方面，F-logic支持简单和复杂的对象定义，支持继承定义、多态类型、封装等。在演绎推理方面，F-logic同时支持谓词演算和结构以及行为继承。(2) 基于Web的语言系列：随着Web的发展，又出现了一系列基于Web的本体语言，也叫做本体标记语言，如SHOE、XOL、RDF、RDF-S、OIL DAML、DAML+OIL、OWL。SHOE15 (Simple HTML Ontology Extensions)作为HTML的扩展，是马里兰大学开发的。它是基于框架和规则的，它使用不同于HTML的一些标记，使得可以在HTML文档中插入本体。当XML产生并成为Web上交换信息的标准后，SHOE的语法被修改为基于XML。目前，马里兰大学己经停止研究SHOE，他们有关本体的研究项目开始使用OWL和DAML+OIL作为本体的描述语言。 XOL15(0ntology Exchange Language)是SRI International的人工智能中心(AIC)开发的。它是一种简单通用的定义本体的方法。其目的是在不同的数据库、本体开发工具、或者其他应用程序之间交换本体。XOL设计之初是为生物信息学领域本体的交换，但是它可以应用于各种领域。 RDF15(资源描述框架，Resource Description Framework)、RDF-S (RDF Schema)，是W3C在XML的基础上推荐的一种标准，用于表示任何的资源信息。RDF提出了一个简单的模型用来表示任意类型的数据。这个数据类型由节点和节点之间带有标记的连接弧组成。节点用来表示Web上的资源，弧用来表示这些资源的属性。因此，这个数据模型可以方便的描述对象(或者资源)以及它们之间的关系。RDF的数据模型实质上是一种二元关系的表达，由于任何复杂的关系都可以分解为多个简单的二元关系，因此RDF的数据模型可以作为其他任何复杂关系模型的基础模型。RDF Schema为RDF资源的属性和类型提供定义良好的词汇表。W3C推荐以RDF / RDF-S标准来解决XML的语义局限。 OIL16(本体推理层/本体交换语言，Ontology Inference Layer/0ntology Interchange Language)是在欧洲的IST项目On-To-Knowledge中开发的。OIL以RDF-S为起点，用更为丰富的Ontolog建模原语对RDF Schema进行扩充。OIL将框架系统、描述逻辑和Web标准(XML和RDF) 这三个不同领域的优点结合起来，提供了一种通用的语义Web的标记语言。其中，基于框架的语言在AI中有很长的历史，它们的中心建模元语是类(称为框架)和属性(称为槽)。描述逻辑(DL)通过概念(对应于类或者框架)和角色(对应于槽)描述知识，具有良好的语义和有效的推理。OIL的使用比较广泛，支持OIL的工具也很多，最著名的有以OILEd，是一个基于OIL的本体编辑器。其他一些工具，比如OntoEdit、the FACT(Fast Classification of Terminologies) System等也都支持OIL。 DAML15 (DARPA Agent Markup Language)是DARPA计划第一阶段所创建的一种语言。DARPA(Agent Markup Language)项目始于2000年8月，由美国政府支持，目标是开发一种语言和一组工具，为语义Web提供支持。Mark Greaves是该项目的领导者。DAML形成于DAML-ONT(一种本体语言)和DAML-Logic(一种表达公理和规则的语言)。DAML扩展了RDF，增加了更多更复杂的类、属性等定义。它一度很流行，成为网上很多本体的描述语言，直到DAML的研究者和OIL的研究者开始合作，推出了DAML+OIL语言，成为W3C研究语义Web中本体描述语言OWL的起点，并成为标准。 OWL15(Web本体语言，Web Ontology Language)是W3C推荐的本体描述语言的标准，位于W3C绘制的本体语言栈的栈顶。它是为了在WWW上发布和共享本体而提供的语义标记语言。OWL是在DAML+OIL的基础上发展起来的，作为RDF(S)的扩展，目的是提供更多的元语以支持更加丰富的语义表达，并更好的支持推理。(3) 基于图的本体