基于本体的通用管道编辑器探索

### 基于本体的通用管道编辑器探索 #### 1. 引言 管道概念可追溯到 60 年代，当时 Douglas McIlroy 在 UNIX 外壳上工作时，设计了一种并行执行数据处理命令的机制。如今，管道概念在计算机科学中广泛用于表示非顺序计算，它可视化了数据流范式，即子进程在其输入可用时随时运行。 管道的应用场景十分广泛： - **工作流描述**：在工作流描述中，进程可以是本地操作符库的实例，也可以是对 Web 服务的远程调用。对于科学工作流，研究人员经常需要重用其他研究人员定义的工作流，管道的自上而下方法非常有效。 - **转换或操作表示**：管道可用于表示转换或操作，允许流式评估。例如，从 UNIX 系统管道到提供结构化数据复杂操作能力的语言，如用于 XML 文档的 XProc。 - **声明性数据语言**：在声明性数据语言中，数据视图可以通过一组基本操作符（如关系代数操作符）在数据源或其他数据视图之上构建。这种数据语言已在数据库管理系统、复杂事件处理、ETL 系统和语义 Web 应用等多个领域得到应用。 由于管道是一种高度可视化的计算表示，因此使用可视化编辑器来创建和修改管道是很自然的。可视化编程还能显著降低编程技能不常见的社区的编程门槛。然而，现有的可视化管道编辑器却跟不上可用管道语言的发展。一些管道语言没有可视化编辑器，而另一些的可视化编辑器仍处于原型阶段或未得到维护。开发新的或现有的管道语言的可视化编辑器是一项艰巨的任务，这阻碍了这类语言的广泛采用。 为了解决这些问题，我们探索了构建通用可视化管道编辑器的可能性。该编辑器将集中维护和编辑管道所需的功能，每个特定的管道语言通过一个配置文件来定义，该配置文件指定可用的组件、它们的属性、约束以及如何将管道转换为原生语言。为了促进采用，特别是在编程技能较低的社区，我们提出的可视化编辑器将基于 Web。同时，我们采用基于本体的方法，使用 Web 本体语言（OWL）来定义每个特定语言的组件、属性和约束，OWL 是一个成熟的标准，具有很强的表达能力，可以定义和约束特定语言。基本的管道概念也在一个本体中定义，这是表示特定语言的本体的基础。由于 OWL 是基于资源描述框架（RDF）数据模型定义的，因此可以使用 RDF 的标准查询语言（SPARQL）将通过特定本体定义的管道映射到相应的原生管道语言。 #### 2. 科学/技术背景 ##### 2.1 语义 Web 1999 年，Tim Berners - Lee 创造了“语义 Web”一词，描述了一个机器可处理数据的未来 Web。其愿景是将万维网从文档网络扩展到数据网络，并为数据附加可操作的语义，使自主代理能够推断有用的事实。近年来，由于 2006 年 Berners - Lee 引入的“链接数据”概念，大量结构化数据在 Web 上可用并得到重用。如今，“语义 Web”和“链接数据”这两个术语有时可互换使用，后者不太强调使用逻辑模型来正式定义数据的语义。 以下是语义 Web 中使用的一些关键技术： - **资源描述框架（RDF）**：关系模型广泛用于表示各种结构化信息，而 RDF 将关系模型推广到万维网中的结构化数据领域。在 RDF 数据模型中，知识通过关于资源的 RDF 语句表示，资源是关于某个领域的任何信息的抽象。一个 RDF 语句由一个 RDF 三元组表示，包括主语（一个资源）、谓语（也由一个资源指定）和宾语（一个资源或一个字面量）。一个 RDF 图是一组 RDF 三元组，资源由统一资源标识符（URI）唯一标识，或者在本地上下文中无意义时由本地标识符（空白节点）标识。用于指定谓语的资源称为属性，一个资源可以有一个或多个类型，由预定义属性 rdf:type 指定。一个 RDF 数据集是一组图，每个图与一个不同的名称（URI）相关联，再加上一个没有名称的默认图。在 RDF 中，可以使用前缀代替 URI 的初始部分，代表特定的词汇表或资源集的命名空间。RDF 有不同的语法，本文主要使用 Turtle 语法，因为它简洁且与 SPARQL 语法的部分兼容，并且系统设计为与所有已建立的 RDF 语法兼容。 - **词汇表**：为了实现链接数据的可重用性，重用现有的词汇表非常重要。RDF 词汇表是一组具有特定含义的类和属性（可能还有特定资源）。词汇表的维护者应将其以机器可读的格式发布，并正式记录其使用限制和自然语言表达的预期含义。RDF 模式（RDF Schema）用于定义词汇表，它可以定义类层次结构、属性层次结构以及属性的域和范围。为了定义更复杂的约束，如某个类具有特定属性，则使用更强大的本体 Web 语言（OWL）。 - **SPARQL**：我们广泛使用 SPARQL，它是 RDF 数据集的标准查询语言，具有类似于传统关系语言（如 SQL）的关系代数语义。当前标准版本是 SPARQL 1.1，其代数提供了一组扩展的操作符，能够表达以前无法表达的查询。SPARQL 查询以 RDF 数据集为输入，有四种不同的形式：SELECT、CONSTRUCT、ASK 或 DESCRIBE，本文仅使用前两种形式。SPARQL 的基本构建块是三元组模式，其中每个组件都可以用变量替换。基本图模式是一组与特定输入图相关联的三元组模式，每个基本图模式与输入数据集进行匹配，结