[发明专利]一种面向Web数据交换的自动语义抽取的方法

说明书

技术领域

本发明涉及数据交换技术领域，尤其涉及一种面向Web数据交换的自动语义抽取的方法及系统。

背景技术

当前Web数据的结构化研究主要有微格式（Microformat）、微数据（Microdata）、资源描述框架的属性（Resource Description Framework in Attributes，RDFa）。其中，Microformat通过重用现有的超文本标记语言（HTML）/可扩展超文本标识语言（XHTML）标签或Web页面的某些属性来传送元数据，标注事件、人物、地点等内容。Microdata是第五代超文本标记语言（HTML5）的子集，是Web内容语义描述的一种规范。Microdata标签格式用于机器对网页资料的语义解析和理解。RDFa是W3C推荐用来在HTML、XHTML以及其它基于XML的文档中嵌入元数据的一种框架，元数据通过属性的方式实现的。

Microformat、Microdata、RDFa都是对Web内容进行结构化标记的方式，用于人机对Web数据的理解，这三种Web语义化技术主要针对已有的页面内容的增强，其缺点在于：需要页面制作者在创建页面时添加，不利于Web数据结构化的自动化处理。

同时，除Web内容的结构化标签外，语义网技术也用于Web内容结构化知识的构建，已有的研究集中于语义数据的数据传输解析方式的研究，如基于JavaScript表示和传输互联数据的方法（JavaScript Object Notation for Linked Data，JSON-LD）提供了语义结构数据向数据交换格式的映射标准，将关联数据（Linked Data）转化为JavaScript对象表示法（JavaScript Object Notation，JSON）作数据交换，但是缺少数据交换格式向语义网结构化数据转换，因此也需要一种将Web数据交换格式抽取为语义增强数据的机制，扩充数据的语义内涵，便于数据基于语义的自动化应用。

发明内容

本发明实施例的目的在于提供一种面向Web数据交换的自动语义抽取的方法及系统，可以解决现有技术中Web内容的结构化标签需要手工创建以及Web数据交换无法自动转换成语义网结构化数据的问题。

一种面向Web数据交换的自动语义抽取的方法，其特征在于，其在Web服务对于应用的数据请求返回JSON对象上实现，所述方法包括：

获得所述JSON对象的数据交换格式，JSON对象，包括key-value值对，其中key为字符串，value为数据内容、数组或对象，数据内容包括字符串、数值或布尔值，数组包括数据内容数组或对象数组；将所述获得的JSON对象的数据交换格式基于对象键值对进行解析，使得所述对象键值对中嵌套的键值元素解析为三元组，并确定所述解析获得的三元组中数据对象的唯一标识；

采用主谓宾<s,p,o>的形式形成初始化的三元组数据集合；s表示主语，p表示谓语，o表示宾语；

主语s：s对应为JSON中的对象，在三元组中，对象通过唯一标识符表示；

谓语p：p对应为JSON中的key键；p包括数据属性和对象属性；

宾语o：o对应为JSON中key键所指向的value，o包括数据内容和对象（数组被分解为多个数据内容），数据内容包括数据的值以及数据类型；

最终生成的语义数据为OWL格式的文件，描述语法为XML/RDF、RDF/OWL、Turtle或Manchester；

其中：类class对应于JSON对象的抽象描述，类的实例为具体JSON对象，其为三元组中的s，o项；属性包括对象属性和数据属性，对应于三元组中的p项。

最终生成的OWL格式的文件中其他的描述信息通过预定义规则推理而来，其他的描述信息包括类、属性的约束、标注附加信息或值域定义域。

实施本发明具有如下有益效果：

本发明实施例提出了一种面向Web数据交换的自动语义抽取方法，能够实现Web数据的语义化标注，将JSON数据重构为标准的语义网数据，应用于语义推理计算，本发明实施例的方法具有良好的适应性和扩展性，能够对不同的数据资源进行语义处理，并实现相关领域数据的语义融合。

具体实施方式

本文提出的方法利用JSON数据交换格式中数据对象键值对嵌套的特性，逐层抽取Web数据的属性，对属性进行语义扩充形成具有语义约束的结构化语义描述，并利用语义网技术对元数据和数值进行建模，最终形成本体模型和实例，方法的整体框架如图1所示。