JenaAPI的分析介绍

4.4.1　Jena API

Jena来自于惠普实验室语义网研究项目的开放资源，它用于创建语义网应用系统的Java框架结构，为RDF，RDFS，OWL提供了一个程序开发环境，以及一个基于规则的推理引擎。语义网推荐规范中的本体描述语言的核心是RDF图(Graph)，这是全球通用的数据结构。Jena将RDF图作为其核心的接口。Jena有以下几个主要功能:

(1)RDF API(主要是com.hp.hpl.jena.rdf.model包)，可将RDF模型视为一组RDFStatements集合。

(2)RDQL查询语言(主要是com.hp.hpl.jena.rdql包)，对RDF数据的查询语言，可以伴随关系数据库存储一起使用以实现查询优化。

(3)推理子系统(主要是com.hp.hpl.jena.reasoner包)，包括基于RDFS，OWL等规则集的推理，也可自己建立规则。

(4)内存存储和永久性存储(主要是com.hp.hpl.jena.db包)。Jena提供了基于内存暂时存储的RDF模型方法，目前仅支持MySQL，Oracle和PostgreSQL的数据存储。

(5)本体子系统(主要是com.hp.hpl.jena.ontology包)。Jena对OWL，DAML+OIL和RDFS提供不同的接口支持。

(6)SPARQL查询语言(主要是com.hp.hpl.jena.query包)。可使用Jena创建和执行SPARQL查询。

Jena被设计成一个具有三层(Layer)架构和多种视图(View)的语义网开发框架(Framework)。它有很多应用程序开发接口提供给系统级和应用级的开发人员，因此它具有很高的灵活性。

Jena的系统架构分成三层:Graph层，EnhGraph层，Model(Ontology)层。图4-11是Jena的完整系统架构图。

图4-11　Jena系统架构图

Jena系统架构的核心就是RDF图(由结点组成的三元组的集合)。这可以从Graph层中体现出来。这一层采用RDF的语法，并且采用最小限度的设计，仅实现最简单功能，而其他可能的功能就由其他层来实现。这样就允许对Graph层实现很多扩充的功能，比如在内存中或持久的实现三元组存储。

EnhGraph层是建立各种API的基石。在Jena中，这层所提供的功能可以用于实现Jena1中的Model API和Jena中新的Ontology API(用于支持OWL，RDFS和DAML)。

I/O操作是在Model层中实现的。Jena的系统架构支持使用RDQL从该层上对底层的SQL数据库实现查询，而且允许用户查询时采用SQL查询优化。

下面我们对三层进行详细说明:

(1)Graph层:用三元组作为全局数据结构

Graph层是采用RDF标准的。该层仅仅面向以下的功能来实现:

●三元组存储，包括内存和持久性存储方式。

●可以将非三元组的数据当作只读的三元组来处理，比如从一个网页中抽取，或者是从一个文件系统获取的数据。

●虚拟的三元组数据。例如推理过程中产生的三元组的结果集。

Jena中Graph层的实现提供了多种持久性存储三元组的方式，并且内置了基于RDFS和OWL-Lite的推理。

(2)Model层:为应用程序员提供的视图

Jena中的Model API是程序开发人员获取RDF图数据的主要方式。这一层提供了大量的方法来操作图(通过Model接口)和图中的结点(通过Resource接口及其子类)。图可以理解成模型(Model)本身，而结点可以理解成模型中的资源(Resource)。此外，DAML API也得到了进一步的加强。Jena中扩充了的Ontology API不仅支持了DAML，而且支持OWL。

(3)EnhGraph层:多种同步的视图

Model层和Ontology层和Graph层之间有一个中间层:EnhGraph层。该层必须能支持上面的Model层和Ontology层的多种表现视图。这一层的作用是使得表现层不固定，可以根据需要而改变。但是所有的表现层都是基于图的。EnhGraph层被设计成能同步提供多种图或结点视图方式。Java的单继承机制避免了在这层出现多个不同状态的对象，但又能将一个对象以多种视图方式表现出来。

RDF API主要用来创建，解析，处理和查询RDF模型。Jena定义了很多的接口来访问和处理RDF数据，如图4-12所示。

图4-12　RDF API的主要接口图

(1)创建和读、写RDF模型:Jena具有一系列的方法创建一个RDF模型，并将其内容写入到RDF文件中，也可以把RDF文件中的信息读取到模型中，如代码4-1所示，当然相关的RDF文件都要遵循XML语法和格式规则。

代码4-1　创建和读、写RDF模型

//创建一个空的RDF模型

Modelmodelname=ModelFactory.createDefaultModel()

//将模型中的信息写入到RDF文件

modelname.write(system.out)

//将RDF文件中的信息读取到模型中

modelname.read(new InputStreamReader(inputstreamname)，″″)

(2)操纵和检索RDF模型:Jena提供一系列的方法用于对RDF模型中的数据进行操纵和检索。在操纵RDF模型时，首先可以根据Resource的UR I(Universal Resource Identifier)地址从模型中提取一个Resource对象，然后可以利用Resource对象提供的接口来操纵其中的相关内容，例如检索符合一定条件的特定值;使用RDF API对RDF模型只能进行比较粗糙和简单的检索，更强大的检索功能要借助于RDQL查询语言，可以使用一定的Jena API方法在RDF模型中检索出符合条件的信息。如代码4-2所示。

代码4-2　在RDF模型中检索信息

//根据Resource的UR I返回Resource对象

Resource resourcename=model.getresource(URI)

//利用Resource对象的接口列出符合条件的信息(一个例子)

String stringname=resourcename.getProperty(propertyname).getString()

//使用一般的方法检索RDF模型

ResIterator iteratorname=model.listSubjectsWithProperty(propertyname)

//使用Selector对象以三元组匹配的形式检索RDF模型

Selector selectorname=new SimpleSelector(Subject，Predicate，Object)

//然后可以使用liststatement方法输出相关结果

StmtIterator interatorname=model.listStatements(selectorname)

前面已经讲解了怎样将RDF模型中的信息写入到文件中进行存储。Jena还提供一个持久化模型，该模型扩充了Model类，可以透明地使用基于数据库引擎的持久性存储。该模型可以支持三种常见的数据库:MySQL，Oracle，PostgreSQL，支持的平台有Linux和Windows。

有两种方式来创建持久性模型，一种是工厂方法，另一种是构造ModelRDB类。

(1)工厂方法

如代码4-3，用工厂方法创建或打开一个持久性数据库模型可以分成三步。第一步，加载JDBC驱动类，建立与数据库的连接。注意:Jena中数据库的类型需要在建立连接的时候特别指明。第二步，构造ModelMaker类。该类用来创建模型的持久性实例。第三步，调用ModelMaker类的方法创建新的模型或者打开已经存在的数据库持久性模型。

代码4-3　用工厂方法创建持久化模型

//加载数据库驱动程序

Class.forName(M_DBDRIVER_CLASS);

//创建数据库连接

IDBConnection conn=new DBConnection(M_DB_URL，M_DB_USER，M_ DB_PASSWD，M_DB);

//用所给的连接创建ModelMaker

ModelMaker maker=ModelFactory.createModelRDBMaker(conn);

//创建一个空模型

Model defModel=maker.createModel();

//创建一个有名字的模型

Model nmModel=maker.createModel(″MyNamedModel″);

//打开一个以前就存在的模型(www.xing528.com)

Model prvModel=maker.openModel(″AnExistingModel″);

(2)ModelRDB方法

基于数据库的RDF模型可以看作ModelRDB的一个实例。ModelRDB继承了Model接口的所有方法，而且提供了静态(static)方法来创建、扩充、打开数据库持久性模型。如代码4-4所示，创建或打开一个持久性数据库模型可以分成两步。第一步同工厂方法一样，加载JDBC驱动类，建立与数据库的连接。第二步，使用ModelRDB的静态方法创建ModelRDB的实例或者打开已存在的实例。

代码4-4　用ModelRDB方法创建持久化模型

//加载数据库驱动程序

Class.forName(M_DBDRIVER_CLASS);

//创建数据库连接

IDBConnection conn=new DBConnection(M_DB_URL，M_DB_USER，M_ DB_PASSWD，M_DB);

//用ModelRDB创建一个有名字的模型

ModelRDB nmModel=ModelRDB.createModel(conn，″MyModelName″);

Jena中允许每个数据库对应多个存储Model，每个模型都用不同的表来存储。代码4-5是一个来检查数据库中是否存在指定命名的Model的代码示例。这在需要创建新Model或者是打开已存在的Model的时候是必需的，否则可能会抛出异常。

代码4-5　检查数据库中是否存在制定命名的Model

//创建数据库连接

Class.forName(M_DBDRIVER_CLASS);

DBConnection dbcon=new DBConnection(M_DB_URL，M_DB_USER，M_ DB_PASSWD，M_DB);

ModelRDB model;

//检测是否已经存在指定命名的Model，若不存在则创建一个新的，若存在则使用已有的

if(!dbcon.containsModel(″myModelName″)

model=ModelRDB.createModel(dbcon，″myModelName″);

else

model=ModelRDB.open(dbcon，″myModelName″);

在了解如何使用Jena来构建和存储本体之后，还需要进一步使用已经构建好的本体为我们服务，其中最重要的一种利用方式就是进行基于本体的语义检索。语义检索是基于概念及其概念之间的关系进行的语义层面的检索，关键在于概念之间的推理。Jena提供基于规则的推理机(如RDFSReasoner、OWL Reasoner等)，它包含了一般的推理功能，此外用户还可以根据需要自定义推理规则，也可以注册使用第三方推理引擎。如图4-13所示，推理机的工作原理是:推理机注册机制根据基本RDF三元组描述(信息资源)和Ontology(可选)创建出推理机，由此推理机可以生成包含推理机制的模型对象(Inference Graph，InfGraph)，在Jena中，图(Graph)也被称为模型(Model)，而表现形式为模型界面(ModelInterface)，然后可以使用Model API和Ontology API对此模型进行操作和处理，从而实现语义层面的信息检索。

图4-13　Jena推理机的工作机制图

在应用程序中，通常使用ModelFactory类把推理机与数据模型关联起来，以达到推理的目的。在创建推理机时，主要有三种方式:

(1)借助于Jena自带的RDFReasoner和OWLReasoner，同时支持DAML。这些推理机中的推理规则都是基于一般用途的，以OWL Reasoner为例，具体的使用过程如代码4-6所示。

代码4-6　推理机的使用(以OWL Reasoner为例)

//获取Ontology数据

Model schema=ModelLoader.loadModel(SchemaFileURI)

//获取信息资源数据

Model data=ModelLoader.loadModel(DataFileURI)

//创建空的OWL注册机

Reasoner reasoner=ReasonerRegistry.getOWLReasoner()

//向注册机中绑定Ontology数据

reasoner=reasoner.bindSchema(schema)

//向注册机中绑定信息资源数据

InfModel infmodel=ModelFactory.createInfModel(reasoner，data)

(2)使用基于自定义规则的推理机。推理机的内部是根据一定的触发机制，通过对推理规则的解释，从而实现推理的效果。具体的触发机制包括向前链引擎、向后链引擎和混合式规则引擎，向前链引擎和向后链引擎可以彼此独立使用，或者向前链引擎可以初始化向后链引擎;对于推理规则，用户可以根据需要定制自己的规则，然后根据自定义的规则可以创建特定的推理机，实际上，Jena自带的推理规则可以在$\etc下的相关文件中找到。自定义推理规则的推理机的创建如代码4-7所示。

代码4-7　自定义规则推理机的创建和使用

//自定义推理规则

String rules=″［r1:(?c eg:concatFirst?p)，(?c eg:concatSecond?q)-＞

″+″［r1b:(?x?c?y)＜-(?x?p?z)(?z?q?y)］］″

//根据自定义推理规则创建对应的推理机

Reasoner reasoner=new GenericRuleReasoner(Rule.parseRules(rules))

//根据自定义的推理机创建包含推理关系的数据模型

InfModel inf=ModelFactory.createInfModel(reasoner，rawData)

(3)使用第三方推理机。除了Jena自带的推理机机制之外还有其他可以应用在语义网中的推理机(如Racer)，这些推理机可以与Jena进行集成，所以对于Jena而言，称之为第三方推理机。

如果不能对构建好的本体库中的内容(包括推理出的新的内容)进行快捷且细致的查询，构建本体库和进行本体推理就显得毫无意义。Jena API对这两种查询语言都提供了良好的支持。

RDQL从RDFModel(包InfModel和OntModel等)中检索数据，检索的结果存储在一定的数据结构中可供调用，如代码4-8所示，将其与用户的检索界面实现联接和集成，则可解决语义检索应用系统与用户交互的问题。

代码4-8　用RDQL实现信息检索示例

//构建查询语句

String querystring=″Select??″

//创建查询对象

Query queryname=new Query(querystring)

//设定检索目标Model

Queryname.setSource(modelname)

//创建查询执行对象

QueryExecution qename=new QueryEngine(queryname)

//查询执行并存储结果

QueryResults resultsname=qename.exec()

SPARQL协议和RDF查询语言(SPARQL)是W3C规定的本体查询标准。SPARQL构建在以前的RDF查询语言(例如rdfDB、RDQL和SeRQL)之上，拥有一些有价值的新特性。在Jena中使用SPARQL，可以通过调用名为ARQ的模块得以实现。除了实现SPARQL之外，ARQ的查询引擎还可以解析使用RDQL或者它自己内部的查询语言表示的查询。ARQ的开发很活跃，但它还不是标准Jena发行版本中的一部分。但是，可以从Jena的CVS仓库或者自包含的下载文件中获得它。如代码4-9所示，可使用Jena来创建和执行SPARQL查询。

代码4-9　创建和执行SPARQL查询

JenaAPI不仅仅支持RDF格式的本体数据的开发，也支持基于RDF格式的其他本体数据的程序开发。比如像OWL，DAML+OIL和RDFS，它们都是基于RDF格式的本体语言。对于以上的三种语言的本体API都是从RDF API中继承实现的。通用的RDF模型允许获取RDF数据模型中的Statement，而本体模型OntModel扩展了这种方式，可以通过将通用模型中的Resource类对象对应成本体模型中的Class，Property和Individual类对象等，然后调用这些类的方法来获取数据。使用本体模型中最常用的类有OntModel，OntClass，OntResource，OntProperty，Individual。对应OntModel类继承了Model类，OntClass类则继承了Class类，OntResource类则继承了Resource类。本体中的类OntClass，属性OntProperty，还有实例Individual都可以看成是OntResource对象。还有OntProperty类继承了Property类。Individual类是指一个实例，相当于Java中一个类的对象。