知识表示模型与本体语言

知识图谱的核心使命在于将混沌无序的现实世界信息，转化为结构清晰、语义明确、可被机器理解和计算的形式化知识。这一转化过程的首要且最关键的步骤，便是知识表示（Knowledge Representation）。选择何种模型与语言来刻画实体、概念及其间关系，直接决定了知识图谱的语义表达能力、推理潜力以及最终的应用效能。本章将系统性地审视知识表示模型的演进历程，深入剖析构建现代知识图谱的两大基石——RDF（Resource Description Framework）与OWL（Web Ontology Language），并厘清其设计哲学、核心机制与适用边界。我们将从逻辑学的古老思辨出发，历经框架语言的兴起，最终落脚于语义网标准化的 triumvirate（三巨头）：RDF、RDFS（RDF Schema）与OWL，揭示它们如何共同编织出描述世界的基本范式。

1.1 知识表示的演进：从逻辑到框架，再到语义网

知识表示的历史，本质上是人类试图将理性思考过程外化、形式化、计算化的历史。其演进脉络深深植根于哲学与逻辑学，并在计算机科学中焕发新生。

逻辑学基石：早在古希腊时期，亚里士多德（Aristotle）的词项逻辑（Term Logic） 便试图用“主词-谓词”结构（S-P）来表述基本命题，如“苏格拉底是人”。这构成了后世谓词逻辑的雏形。17世纪，莱布尼茨（Leibniz）提出了“普遍符号语言”（Characteristica Universalis）的构想，梦想一种能够精确表达所有科学概念的形式语言，使争议可通过计算解决。19世纪末至20世纪，弗雷格（Frege）、罗素（Russell）与怀特海（Whitehead）等人创立的一阶谓词逻辑（First-Order Logic, FOL） 成为现代逻辑的基石。FOL 提供了无与伦比的精确性与表达力，其核心包括个体（Individuals）、谓词（Predicates，即关系或属性）、量词（Quantifiers，∀ 全称，∃ 存在） 与逻辑连接词（∧, ∨, ¬, →）。例如，“所有人都会死”可形式化为 ∀x (Human(x) → Mortal(x))。FOL 为知识表示提供了理论上最强大的语义基础，但其计算复杂性（Co-NP完全） 极高，难以直接用于大规模、开放世界的知识处理。

框架与语义网络：20世纪70-80年代，人工智能研究者寻求更贴近人类认知、计算更高效的知识组织方式。框架（Frames） 理论由马文·明斯基（Marvin Minsky）提出，将知识组织为“框架”——描述对象类（如“鸟”）的 stereotypical（典型）数据结构，包含槽（Slots） 和填值（Facets）。例如，“鸟”框架可能有槽“颜色”，其 facet “默认值”为“羽毛色”。这强调了默认值、继承等认知特性。同期，语义网络（Semantic Networks） 通过节点（代表概念/实体） 和有向边（代表关系） 的图结构来表示知识，直观易懂，如 `[鸟] --[是-a]--> [动物]`。然而，早期框架和语义网络缺乏形式化语义，其“边”的含义模糊，导致不同系统间难以互操作，推理规则也常常是系统私有的。

走向标准化：语义网与本体语言：万维网（WWW）的发明者蒂姆·伯纳斯-李（Tim Berners-Lee）早在1990年代初期就提出了语义网（Semantic Web） 的愿景：在现有的超文本网络之上，叠加一层机器可读的语义数据，使智能代理能更有效地检索、集成与处理信息。为实现这一愿景，需要一个开放、通用、形式化的数据模型。1998年，W3C（万维网联盟）启动了RDF的标准化工作，它承袭了语义网络“主-谓-宾”三元组图的直观，但赋予了其严格的形式语义（基于FOL的子集） 与标准化序列化语法。随后，为赋予RDF数据以词汇表（Vocabulary） 和结构约束，RDFS应运而生，提供了一套轻量级的“类-属性”本体原语。然而，面对复杂领域建模（如医学、工程）对等价性、不相交、基数约束、复杂类表达式的需求，RDFS的表达力捉襟见肘。于是，更强大的本体语言OWL被开发出来，它基于描述逻辑（Description Logic, DL） ——FOL一个可判定的、计算友好的子集——提供了丰富的公理与类表达式，并保证了关键推理任务的可判定性。RDF/RDFS/OWL 构成了语义网技术栈的“本体层”，是知识图谱数据建模的标准范式。

1.2 RDF：数据建模的原子基石

资源描述框架（RDF） 是知识图谱的数据模型基石。其核心思想极端简洁而强大：宇宙间一切可标识、可描述的事物，皆为资源（Resource）。对资源的描述，通过三元组（Triple） 完成。

一个RDF三元组由三部分组成：

• **主体（Subject）**：被描述的资源，通常是一个URI（统一资源标识符）或空白节点（Blank Node）。
• **谓词（Predicate）**：描述主体与客体之间关系的属性，也必须是一个URI。
• **客体（Object）**：描述所指向的值，可以是一个URI（指向另一资源）、一个文本字面量（Literal）或一个数据类型字面量。

其逻辑形式可视为一个二元关系：`P(s, o)`，其中 `P` 是谓词，`s` 是主体，`o` 是客体。从图的角度看，主体和客体是节点，谓词是有向边，标签即为谓词的URI。整个知识图谱因此呈现为一个巨大的有向标记图（Directed Labeled Graph），这正是语义网络的现代、形式化版本。

形式语义：RDF的语义被精确定义为在所有可能的解释（Interpretations） 上为真的陈述集。一个RDF解释 `I` 包含一个资源集合 `Res`，一个属性集合 `Prop`，以及一个将URI映射到 `Res ∪ Prop` 的映射函数 `I(·)`。三元组 `(s, p, o)` 在 `I` 下为真，当且仅当 `I(s) ∈ Res`， `I(p) ∈ Prop`，且 `(I(s), I(o)) ∈ I(p)`。这种基于模型论的语义，使得RDF具备了逻辑推理的理论基础。

序列化格式：RDF数据需要以文本格式存储与交换。W3C定义了多种标准序列化格式，核心思想是将三元组集合 以不同语法形式表达。

1. Turtle（Terse RDF Triple Language）：最流行、最简洁的文本格式。它允许通过前缀声明（`@prefix`）缩写URI，使用分号（`;`）连接同一主体的多个谓词-客体对，使用逗号（`,`）连接同一谓词-客体的多个主体，极大地提高了可读性。 ```turtle @prefix ex: <http://example.org/> . @prefix foaf: <http://xmlns.com/foaf/0.1/> .

ex:Alice a foaf:Person ; foaf:name "Alice" ; foaf:knows ex:Bob, ex:Charlie . ex:Bob foaf:name "Bob" . ``` 这段Turtle代码定义了三条关于`ex:Alice`的陈述（她是`foaf:Person`，名字是"Alice"，认识`ex:Bob`和`ex:Charlie`）和一条关于`ex:Bob`的陈述。

2. JSON-LD（JSON for Linking Data）：专为Web开发者设计的格式，将RDF数据嵌入到标准的JSON（JavaScript Object Notation）结构中。它通过`@context`（上下文）来映射JSON键到RDF URI，使得熟悉JSON的开发者能轻松上手，同时保持完整的RDF语义。 ```json { "@context": { "name": "http://xmlns.com/foaf/0.1/name", "knows": "http://xmlns.com/foaf/0.1/knows", "Person": "http://xmlns.com/foaf/0.1/Person" }, "@id": "http://example.org/Alice", "@type": "Person", "name": "Alice", "knows": [ { "@id": "http://example.org/Bob" }, { "@id": "http://example.org/Charlie" } ] } ``` JSON-LD的优势在于与主流Web开发栈的无缝集成，其`@id`和`@type`直接对应RDF的主体和类型谓词（`rdf:type`）。

3. RDF/XML：最早的RDF序列化格式，基于XML语法。因其冗长且不易读，如今已较少用于手动编写，但在早期工具链中仍有遗留。

RDF的核心设计原则：

• **统一标识**：任何事物（网页、人、概念、日期）都可用URI唯一标识，成为RDF图中的节点。
• **陈述式**：数据即一系列陈述（三元组），无层次结构，易于合并与扩展。
• **开放世界假设（Open World Assumption, OWA）**：RDF不假定我们已知所有事实。未被陈述的信息，其真值**未知**，而非**假**。这是OWA与封闭世界（如数据库）的根本区别，为知识的增量集成提供了基础，但也意味着默认推理需谨慎。
• **无唯一名称假设（No Unique Name Assumption）**：两个不同的URI可能指向同一现实实体，除非用`owl:sameAs`等显式声明其等价。这允许不同数据源使用不同标识符描述同一事物。

示例分析：考虑描述“《知识图谱：世界的数字镜像》这本书的作者是张三，张三的单位是XX大学”。使用RDF（Turtle）表示： ```turtle @prefix book: <http://example.org/book/> . @prefix foaf: <http://xmlns.com/foaf/0.1/> .

book:KG a book:Book ; dc:title "知识图谱：世界的数字镜像" ; dc:creator book:ZhangSan .

book:ZhangSan a foaf:Person ; foaf:name "张三" ; foaf:workplace <http://www.xxu.edu.cn> . ``` 这里，`book:KG`和`book:ZhangSan`是资源（URI），`dc:title`、`dc:creator`、`foaf:name`、`foaf:workplace`是谓词（URI），"知识图谱：世界的数字镜像"、"张三"是字面量。`a`是`rdf:type`的简写。这个简单的图，已具备机器可解析的语义。

1.3 RDFS：轻量级的词汇约束与类层次

RDF本身只提供原始的三元组机制，缺乏对“类（Class）”、“属性（Property）”及其关系（如子类、子属性）的建模能力。RDF Schema（RDFS） 正是为RDF数据提供词汇表（Vocabulary） 和轻量级类型系统的W3C标准。

RDFS引入了一系列核心类与属性来构建本体（Ontology）的骨架：

• **类（Class）**：资源的集合，如`foaf:Person`、`book:Book`。用`rdf:type`声明个体属于某个类。
• **属性（Property）**：关系的名称，如`foaf:knows`、`dc:creator`。属性本身也是资源，可以有类型（如`owl:DatatypeProperty`或`owl:ObjectProperty`，但RDFS不区分）。
• **子类关系（Subclass）**：`rdfs:subClassOf`。若`C1 rdfs:subClassOf C2`，则所有`C1`的实例也是`C2`的实例。这建立了类的**继承层次**。

```turtle ex:Student rdfs:subClassOf ex:Person . ``` 意味着每个学生都是一个人。

• **子属性关系（Subproperty）**：`rdfs:subPropertyOf`。若`P1 rdfs:subPropertyOf P2`，则任何通过`P1`关联的主体-客体对，也必然通过`P2`关联。这允许属性**泛化**。

```turtle ex:hasFather rdfs:subPropertyOf ex:hasParent . ```

• **域（Domain）与值域（Range）**：`rdfs:domain` 和 `rdfs:range` 是**约束性**（但非强制性，在OWA下）声明。
• `P rdfs:domain C` 意味着：若资源 `s` 通过谓词 `P` 与某客体关联（即存在三元组 `(s, P, o)`），则**可以推断** `s` 的类型是 `C`（即 `s rdf:type C`）。
• `P rdfs:range C` 意味着：若资源 `o` 作为谓词 `P` 的客体出现（即存在三元组 `(s, P, o)`），则**可以推断** `o` 的类型是 `C`。

```turtle ex:teaches rdfs:domain ex:Professor ; rdfs:range ex:Course . ``` 若数据中有 `(ex:ProfA, ex:teaches, ex:Course101)`，RDFS推理机可自动添加 `ex:ProfA rdf:type ex:Professor` 和 `ex:Course101 rdf:type ex:Course`。

• **注释属性**：`rdfs:label`（人类可读名称）、`rdfs:comment`（描述）用于提供文档。

RDFS的推理（RDFS Entailment）：基于上述原语，RDFS定义了一套简单的推理规则。例如： 1. 若 `C1 rdfs:subClassOf C2` 且 `x rdf:type C1`，则 `x rdf:type C2`（类继承）。 2. 若 `P rdfs:subPropertyOf Q` 且 `(s, P, o)`，则 `(s, Q, o)`（属性传递）。 3. 如上所述的域与值域推导。 这些推理是单调的（新增事实不会使已有推断失效），且计算复杂度相对较低（通常为PTime完全）。

RDFS的表达力与局限：RDFS提供了构建简单类层次和属性层次的能力，并支持基于域/值域的弱类型推断。然而，它无法表达：

• **不相交类（Disjointness）**：无法声明`ex:Student`和`ex:Professor`无交集。
• **基数约束（Cardinality Constraints）**：无法声明“一个人恰好有一个父亲”或“一本书至少有一个作者”。
• **属性特征**：无法声明`ex:hasParent`是对称的（若A是B的父母，则B也是A的父母？不成立，但像`ex:spouse`是对称的）、传递的（`ex:ancestor`）或函数性的（`ex:hasMother`应唯一）。
• **复杂类表达式**：无法定义“既是学生又是运动员”这样通过布尔运算（交、并、补）构造的类。
• **等价性**：无法声明两个不同URI的类或属性是语义等价的（`owl:equivalentClass` / `owl:equivalentProperty`）。

因此，RDFS适用于对表达力要求不高、推理需求简单（主要是继承和类型推导）的场景，或作为OWL的简化子集。其优势在于简单、易实现、计算高效。

1.4 OWL：丰富的语义与可判定推理

Web本体语言（OWL） 是W3C推荐的、基于描述逻辑（DL）的、用于在Web上表示丰富知识的本体语言。它旨在提供比RDFS更强的表达能力，同时通过精心限制语法，确保关键推理任务的可判定性（即存在算法能在有限步骤内给出“是/否”答案）。OWL有三个推荐规格（OWL Lite, OWL DL, OWL Full），其中OWL 2（当前主流）在OWL DL基础上做了扩展，并保持了与DL的可判定性联系。我们聚焦于OWL 2的核心特性。

核心构造块：类表达式（Class Expressions） OWL允许通过布尔运算和约束构造复杂的类：

• **原子类**：已命名的类（如 `ex:Person`）。
• **交集（Intersection）**：`ObjectIntersectionOf(C1, C2, ...)` 或语法 `C1 and C2`。表示同时属于所有列出的类。如“既是学生又是运动员”：`ex:Student and ex:Athlete`。
• **并集（Union）**：`ObjectUnionOf(C1, C2, ...)` 或 `C1 or C2`。表示属于至少一个类。
• **补集（Complement）**：`ObjectComplementOf(C)` 或 `not C`。表示不属于类C的个体。
• **属性限制（Property Restrictions）**：
• **存在量词限制（Existential）**：`ObjectSomeValuesFrom(P, C)` 或 `P some C`。表示至少存在一个通过属性P关联的、属于类C的个体。例如，“有学生的人”：`ex:hasStudent some ex:Person`。
• **全称量词限制（Universal）**：`ObjectAllValuesFrom(P, C)` 或 `P only C`。表示**所有**通过属性P关联的个体都属于类C。例如，“只教学生的人”：`ex:teaches only ex:Student`。

*