基于语义Web的物流管理系统研究

DOIDOI：10.11907/rjdk.162021

文献标识码：A文章编号：1672780深圳到达州物流0（2016）010014903

0引言

随着互联网技术的发展，特别是电子商务的兴起，物流行业进入了快速发展时期。物流运作的好坏决定企业生产活动能否正常进行，因此它是企业生产经营活动的最基本条件[1]。

与西方国家相比，我国企业信息化起步较晚，虽然物流技术已经有了一定的发展基础，但仍然在信息获取、处理、运用能力方面稍显不足，主要表现在以下几个方面：①企业生产部门和销售部门不擅长经营管理，部门之间联系不够紧密；②信息技术不发达；③物流管理未引起足够的重视。

针对我国物流业存在的主要问题，研究适合时代发展，具有智能化、高效率、高度信息化的物流管理模式具有重要意义。本文结合语义Web优点，提出构建基于语义Web的物流管理系统。

1相关理论概述

1.1语义Web

语义Web（Semantic Web）1998年由万维网创始人Tim Berbers- Lee首先提出，它将语义Web描述为：“语义Web是对当前万维网的扩展和延伸，其信息具有良好的语义定义，能够在基于Web内容的基础上实现计算机智能搜索、组合与处理等[2]”。

1.2本体

“本体是概念化的明确的规范与说明”，这句话从以下4个方面阐述了本体含义：

（1）概念化（Conceptualization）：通过对客观世界中的一些现象进行抽象而韶关到凉山物流得到的模型，是对某一具体事实的非正式约束规则，概念模型表示的含义独立于具体的环境状态。

（2）明确（Explicit）：明确定义了所使用的概念以及它们之间的联系。

（3）形式化（Formal）：能够被计算机识别、可读并且理解。

（4）共享（Share）：本体中体现的是大家共同认可的知识，即本体反应的是相关领域中公认的概念集，不是个体之间的共识。

2本体逻辑设计

由斯坦福大学医学院提出的一种领域本体构建方法，被称为七步法[3]，它以Protégé为开发工具，主要包括7个步骤： ①确定范围：主要功能是确定所要建立本体模型属于哪一范围领域；②考查复用：随着语义Web技术的发展，已经构造的本体数量越来越多，可在这些基础上开发自己的本体；③枚举术语：在定义本体的第一步就应该列出本体中的相关术语，这些术语通常由类名和属性构成；④定义分类：根据上一步定义的相关术语，按照术语之间的关系将它们组织成层次结构。这个层次结构很重要，因为它必须符合内置原子的语义信息； ⑤定义属性：属性的定义一般和分类层次定义同时进行，主要是符合人们在定义属性的同时定义层次结构的习惯；⑥定义侧面：更加详细地描述属性，采用多角度多途径方式，具体包括3类：数量、特定值和属性性质； ⑦定义实例：实例就是对一个个概念或者类的形象化表示，将实例添加到本体里，由本体负责组织安排。

七步法是目前应用最为广泛的本体建构方法，本文也采用七步法作为本体构建方法。

本文按照国内某知名电子商务网站分类方法对商品进行分类，建立通用本体模型。

首先确定本体的领域范围――商品本体，根据通用本体模型对商品的划分依据如图1所示。从模型可以看出，通用本体模型主要是根据商品的属性及用途不同进行划分，共将商品划分为14个大类，在每个分类下还有更为详细的划分。

首先根据分类依据建立父类节点，在每个父类节点下又细分出子类，子类继承了父类的所有特征，但又有自己新的属性特征，就这样对商品类进行不断细化，建立详细的概念模型，如图2所示。

选取其中有代表性的分类Mobile digital举例。手机数码包括手机、相机、笔记本、电玩、平板电脑、台式机和数码配件等不同分类，每个子类下又建立对应的实例，例如在手机类下可以建立各种手机品牌，包括苹果、三星、小米、华为、HTC、诺基亚、索尼、LG等，在这些品牌下又有自己的产品，包括iPhone5s、iPhone5、小米3、红米、Galaxy S4等；在Camera下又有Canon、SLR、Card_machine等产品。

Protégé建立的本体模型中，各个类之间呈现一种树形结构，依然以手机数码产品为例，Mobile_digital为根节点产生了7个不同的子节点，分别代表着手机数码下的7种电子产品种类，而在7个子节点下又产生出更小的节点，代表着每一类电子产品下的具体实例，子节点与父节点之间是继承关系，因此所在边用is-a表示，通过安装Graphviz画图工具，点击Protégé工具下的show all classes选项卡得到展现手机数码的树形结构。

以上就是利用本体建模工具Protégé进行的商品信息模型。只有这些信息还远远不够，系统需要根据商品的属性来查找信息，构建类之间的联系，因此还要对商品进行属性定义。在属性定义中存在着以下几种关系：

Transitive（传递性）：例如类A具有属性C，类B是类A的子类，则类B也具有属性C，即A→B，B→C，则A→C。

Symmetric（对称性）：属性A与属性B具有同样的地位，可以互换角色而不会影响二者之间的关系。

Asymmetric（非对称性）：两个属性之间不具有互换角色功能，例如A的父亲是B，不能说成B的父亲是A，这个时候A与B具有非对称性。 Reflexive（自反性）：如果一个类的属性指向自身，那么这个类就是自反的。

考虑到属性具有可扩展性，是动态的，所以通过更新商品本体中货物的属性进而生成订单。根据商品的性质可以对其进行属性划分，根据危险性划分为易燃、易碎、易爆等；根据材质可以划分为棉、尼龙等；根据商品等级可以划分为高级、中级、低级；根据用途可以划分为吃的、玩的、保暖的、听音乐的、打游戏的等等。

用户在进行订单提交时，除了根据商品属性，在不同的分类下选择具有不同属性的商品，还可以提交关于货物送达的时间、运送方式等信息，这样便于物流调度根据不同需求选择不同的调配方式，安排不同的运送路线等。

3本体推理与查询

建立好商品本体后，用户根据商品属性选择好需要的商品，系统对用户提交的订单根据需求进行整合，订单处理的主要依据是所建立的逻辑推理规则。本体推理是基于语义Web的物流管理系统效率关键指标，主要用于检测商品本体库中概念、实例和属性之间的关系，对商品信息处理是实现语义分析和发现的基础。

3.1本体推理机Jena

语义推理其实就是借助推理规则对概念以及概念之间的关系进行解析，而Jena对多种本体描述语言都适合推理。

Jena是惠普实验室对语义网开源项目的研究成果[4]，它主要采用Java结构创建语义网，为RDF、RDFS和OWL语言提供程序开发环境[5]。具体包括RDF API、解析器、推理机子系统、Ontology子系统、查询语言。

Jena的推理功能较强大，支持的种类不受限制，对于定义好规则的推理可以受理，对于根据需要自己定义的推理同样支持。Jena利用com.hp.hpl.jena.rdf.model.包实现推理功能，利用Jena包含的部分包对类、实例、属性进行解析，实现推理规则[6]：①Jena本身带有一定的推理规则，具有推理功能；②使用其它服务提供的推理机，通常情况下具有独立推理功能；③使用基于自定义规则的推理机。用户可以自己定义推理规则，并将其加载到Jena内部，建立推理关系数据模型。

本文主要使用第3种推理规则，用户可根据需要自己定义推理规则。

（1）解析类。使用本体系统自带的方法解析概念类，比如可以用listClasses（）来获得本体模型定义的所有类；用listSuperClasses（）获得父类，用listSubClasses（）获得子类。

（2）解析属性。本体模型中的属性又分为两类，分别是对象属性和数据属性，其中对象属性是指概念类所具有的除了数值属性以外的属性。

（3）解析实例。在本体模型中，ListInstances（）用来获取当前类的所有实例，运用getLocalName（）来得到相应实例名称。

基于语义的检索考虑到查询请求词语相关词的匹配程度，所以基于语义检索与传统检索方法相比具有更高的检索效率。建立商品本体时定义了商品的概念实体、属性、概念之间的关系，所以本文采用基于商品属性相似度的检索方法，以属性间的整体部分关系、上下级关系、同义、反义关系等语义关系为基础属性相似度，实现商品信息检索。

3.2属性相似度

人们根据不同的属性特征来区分不同的事物。事物之间的关联程度与属性相关，基于属性的语义相似度是根据事物之间的关联程度提出的，事物之间的公共属性项越多，代表两者之间的相似度就越大。在本体概汕头到攀枝花物流念模型中，事物之间的关系可以用属性图表示，其中节点表示本体模型中的概念，连接节点的边代表概念之间的关系。本体模型中影响语义相似度的因素主要有以下几种：

（1）所检索的信息在本体模型中所处的深度。在本体树形结构中，节点所处的位置深度越深，所代表的信息越具体，而节点所处的位置越高，所代表的含义越广泛。位置越高的节点之间的属性相似程度一般小于位置较低的节点间的属性相似程度。

（2）所检索的信息在本体树形结构中所处的区域密度。所处区域的密度越大即节点的位置越低，描述的信息越详细，节点之间的属性相似度也越大。

（3）检索的信息在树形结构对应边所代表的关系。

在本体模型中，不可能通过手工方法建立完整的类之间的直接关系，因此允许使用自定义方法为本体查询进行定义，这样不仅可以建立本体之间的直接关系，还可以深入挖掘出间接关系，从而体现语义的完整性。例如基于Jena一般规则的推理：

Rule1：（？x isTransitiveOf ？y ），（？y isSubOf ？z）->（？x isTransitiveOf？z）

Rule2：（？x isSymmetricOf ？y）->（？y isSymmetricOf ？x）

Rule3：（？x isSubOf ？y），（？y isParallelOf ？z） ->（？x isSubOf ？ z）

4结语

语义Web被誉为下一代网络，具有非常良好的发展前景。但迄今为止，国内对于语义Web的研究成果还不是很成熟。需要改进之处：

（1）如何将语义Web真正应用到现实生活还有很多难题需要解决。网络的最大特点是分布性，这就带来了本体异构问题。因此，有必要加强对跨本体特别是异构本体的语义相似度相关研究。此外，对于语义Web本体中的语义相似度问题研究不是某个领域的问题，而是不同领域与专家共同的研究目标。

（2）本体是基于逻辑描述的，但是在一些应用中则采用比较简单的表达方式，目前对于语义Web的研究大都是将规则与逻辑描述结合在一起，这是今后研究语义Web的重点方向。