煤矿安全本体研究

史秦甫1, 刘秀磊1,2, 刘旭红1, 盛立国1, 黄秩先1

(1.北京信息科技大学 数据科学与情报分析实验室, 北京 100192;2.网络文化与数字传播北京市重点实验室, 北京 100876)

摘要:总结了目前常用的本体语言、本体构建原则及构建方法,经比较认为构建煤矿安全本体宜采用OWL-DL语言,以循环获取法或七步法作为构建方法;从煤矿挖掘与煤矿灾害事件本体、煤矿安全数据库查询本体、煤矿安全知识概念本体的角度分析了煤矿安全本体研究现状,总结了3种煤矿安全本体的优缺点、应用场景和构建流程,并针对3种煤矿安全本体提出了本体集成策略。

关键词:煤矿安全本体; 本体语言; 本体构建; 本体集成; 煤矿灾害; 煤矿安全数据库; 煤矿安全知识

0 引言

中国煤矿领域知识的数据库设计表示方式较成熟,并存在较成熟的煤矿安全领域专家系统。但煤矿安全数据库在不同矿井不同部门的表示各不相同,本身存在信息表示的异构性问题,难以集成为统一的数据源,无法解决煤矿安全信息孤岛问题;专家系统的作用在于概念解析及决策帮助,无法串联概念形成语义,从而无法产生语言逻辑。本体作为一种形式化知识表示方式,可以完成知识的描述。构建一个良好、完善的煤矿领域本体,是实现煤矿领域人机信息互联互通、统一煤矿领域信息数据的解决方案。同时,本体推理获得的隐含语义可以扩展样本的信息量,为机器学习技术构建矿山模型提供丰富信息,使矿山模型更加精确、完善。

目前中国对煤矿领域本体的研究大多停留在煤矿安全领域的构建方法上,或只针对煤矿安全的小部分领域进行本体构建,缺乏相对完整、与顶层本体相关联的煤矿安全本体研究。而其他国家针对煤矿领域本体的研究大多涉及露天煤矿,难以为中国煤矿安全本体构建提供参考。

本文在总结国内外主流本体语言、本体构建原则、本体构建方法,以及现有煤矿安全本体研究成果的应用场景、构建流程基础上,根据煤矿领域应用需要,提出了一种煤矿安全本体集成策略。

1 本体研究概述

1.1 本体语言

目前应用较广的本体语言主要包括OWL,SROIQ[1-3],KIF[4-5],Ontolingua[6]等。

OWL是一种比较成熟的网络本体语言,其在表达能力和推理能力之间取得了平衡。OWL的形式化基础是描述逻辑。OWL根据表达能力和推理能力分为OWL-Lite,OWL-DL,OWL-Full 3个子语言。OWL-Lite带有最多的限制条件,支持基数约束,具备高效且完整的推理能力,但同时抛弃了部分语言表达,导致表达能力不强。OWL-DL具有完整的语言表达,但在使用时需要满足一定的约束条件,OWL-DL对隐性知识的推理一定正确,但与OWL-Lite推理的结果相比不一定完整。OWL-Full具有完整的表达能力,并且不具备约束条件,但其推理结果不太可靠。

SROIQ是基于描述逻辑的本体语言,在描述逻辑的子语言中具有较强的表达能力,比OWL更适合推理,常用于构建模糊本体云模型。

KIF可用作本体语言变换的交换语言,其逻辑是完整的,可包含任意本体语言的逻辑。

Ontolingua是基于KIF的网络本体语言,主要用于Ontolingua Server服务器帮助知识与本体间的交互,提供在本体中添加本体模块的功能,并将KIF的内在逻辑表现为类和对象的形式。

考虑到煤矿安全本体需要较高的表达能力,同时需要保证可靠的推理,因此选用OWL-DL作为煤矿安全本体的构建语言。

1.2 本体构建原则

最有影响力、最通用的本体构建原则为Gruber提出的5条原则[7-9],即明确性(Clarity)、一致性(Coherence)、可扩展性(Extendibility)、最小编码倾向(Minimal Encoding Bias)、最小化承诺(Minimal Ontological Commitment)。

Perez在上述5原则基础上进行扩充,提出了本体构建10原则[10],即明确性和客观性(Clarity and Objectivity)、完整性(Completeness)、一致性(Coherence)、最大单调可扩展性(Maximum Monotonic Extendibility)、最小化承诺(Minimal Ontological Commitment)、本体差别原则(Ontological Distinction Principle)、概念层次多样化(Diversification of Hierarchies)、最小模块耦合(Minimal Modules Coupling)、同属概念具有最小语义距离(Minimization of the Semantic Distance between Sibling Concepts)、命名标准化(Standardization of Names Whenever is Possible)。

李景等[11]提出了本体构建6原则,即面向特定应用目的,基于一定的专业领域、应用范围或学科领域,概念数目应该尽可能最小、去除冗余重复,定义概念的规模应该是有限的,“类”独立性,共享性。

目前还没有统一的本体构建原则和标准,往往会随本体构建方法、本体领域的不同而不同。如Perez提出的本体构建10原则在一般的知识概念领域中应用时不会产生逻辑冲突,且推理效果良好,但在构建本体时却因其过于严谨而需要投入更多人力,难以实现半自动化。李景等提出的本体构建6原则更容易应用到企业中,但弱化了本体的严谨结构。

1.3 本体构建方法

目前国内外常用的本体构建方法有IDEF5法[12-13]、骨架法[14-15]、TOVE法[16-17]、Methontology法[18-19]、KACTUS工程法[20-21]、SENSUS 法[22-23]、七步法[24-25]、循环获取法[26]、五步循环法[27]、基于Folksonomy的本体构建法[28-29]

从构建方式、可扩展性、评价、应用领域、特点等方面对现有本体构建方法进行总结和比较,见表1。

煤矿安全本体的构建倾向于分析、查询、推理等应用,数据源主要为煤矿安全数据库和国家规章制度等文献资料。考虑到煤矿领域不存在现有本体,没有明确的方法与技术,需要不断地评价扩展,同时考虑本体构建成本,采用循序渐进不断优化的循环获取法或节约成本的七步法来构建煤矿安全本体较为合适。

表1 本体构建方法比较
Table 1 Comparison of ontology construction methods

方法构建方式可扩展性本体评价主要应用领域主要特点IDEF5法手工否否企业方便展示骨架法手工否是企业结构明确TOVA法手工否是企业重视评价Methontology法手工否否化学重视重用KACTUS工程法不确定否否电子网络重视重用SENSUS法不确定否否电子商务跨领域重用七步法半自动否是医学实用、简洁循环获取法半自动是是多领域重视改良进化发展五步循环法半自动是否语义网络循环构建基于Folksonomy的本体构建法自动化否是电子网络不需要专家参与

2 国内外煤矿安全本体研究现状

国内外煤矿领域本体仍处于研究阶段,没有应用于煤矿安全生产中。国内研究重点主要集中在以下3个方面。

2.1 煤矿挖掘与煤矿灾害事件本体

按照煤矿安全事故发生、调查、应急响应、善后处理的顺序构建煤矿挖掘与煤矿灾害事件本体[30-32],将灾害发生的过程用事件六元组[33-34](动作、对象、时间、环境、断言、语言表现)的形式进行表达。根据事件本体中的环境、断言关系,可通过灾害现场对灾害发生原因进行逆向推理,找出灾害发生的原因,预防灾害再次发生。煤矿挖掘与煤矿灾害事件本体在事件描述、事件时间关系上具有良好的表达性,在煤矿的挖掘与灾害救援领域具有较高的实用价值。

煤矿挖掘与煤矿灾害事件本体构建流程:

(1) 选择本体构建领域。包括煤矿挖掘事件本体、煤矿灾害事件本体。

(2) 选择数据源。从每日生产检查获得的安全隐患信息报表中选取煤矿开采日程表和煤矿事故报表。

(3) 构建事件本体。对于煤矿挖掘事件本体,可从煤矿开采日程表中提取人员分工、机器、任务开始/截止时间、任务流程信息;对于煤矿灾害事件本体,可从煤矿事故报表中得到事故发生环境、危险等级、损失、事故处理等信息。根据事件本体表示模型细分概念,通过事件关系(继承关系、组成关系、因果关系、跟随关系、并发关系、条件关系)形成关系,使用OWL语言建立本体,并将报表中的报告作为实例填充。

通过事件动作表示煤矿领域知识具有局限性,无法表示煤矿领域全方位的知识,如无法细分煤炭种类(无烟煤、烟煤、褐煤、泥炭、腐植煤、腐泥煤等),难以将事件发生原因有规律地表示出来,缺少对概念性知识的解释,往往只能推理得出煤矿挖掘与煤矿灾害事件发生的表面原因,而不能得出煤矿挖掘与煤矿灾害机理。

对于上述问题,可将煤矿挖掘与煤矿灾害事件本体作为一个子本体集成到煤矿安全领域的巨大本体中,在需要判断煤矿开采流程及救援工作时,将其作为一个单独的子本体拆分出来,而在需要判断矿难发生的根本原因时,在煤矿安全领域的巨大本体上进行推理。

2.2 煤矿安全数据库查询本体

煤矿安全数据库查询本体是一种自底向上、服务于煤矿不同数据库集成查询的本体[35-37],包括将数据库转换为本体和集成数据库本体为统一的本体。构建者基于煤矿各安全数据库构建本体,以解决煤矿安全领域的信息孤岛问题。将煤矿各种数据库作为数据源,从中提取关键字和实例,依靠数据库外键关系为本体的概念之间添加关系,再通过手工方式集成多个数据库的本体,形成统一的数据库本体。本体构建后可根据查询的关键字快速锁定数据库,再进行数据库查询,或者对构建后的数据库本体进行推理,发现数据库之间的隐含关系。

煤矿安全数据库查询本体构建流程:

(1) 选择本体构建领域。即煤矿安全数据库查询本体。

(2) 选取数据源。数据库主要包括应急救援指挥数据库、隐患排查数据库、矿压管理数据库、物资管理数据库、员工培训数据库等。

(3) 建立各个数据库的局部本体。从各数据库中提取概念,将上述数据库中的每一个表作为一个类,表的字段名作为该类的属性,并定义属性的定义域和值域,然后使用OWL语言建立本体,再将数据库中的数据作为实例填充到知识库中,这样就建立了各矿井各数据库对应的局部本体,即矿井部门数据库查询本体。

(4) 建立全局本体。首先将各数据库中局部本体中的概念汇集到一起;然后分析各概念间的关系,并根据它们之间的关系做出相应的处理;接下来选择应该写入共享词汇库的术语或概念,选择后定义全局本体;最后利用选择的全局术语创建全局本体。这样即可形成自底向上的煤矿安全数据库查询本体,同时满足自顶向下的数据查询要求。

煤矿安全数据库查询本体只是作为一种煤矿数据库的查询手段,根据集成后的数据库查询本体形成的查询系统只能用于煤矿部门进行数据库查询,并不具备隐性知识推理能力[38-39]。想要获得隐性知识需要通过本体集成再次加工。

2.3 煤矿安全知识概念本体

从国家采矿安全章程、国内外论文等资料中可分解煤矿产业概念,包含煤矿知识、矿山差异、矿难事故及处理知识。根据相关概念及其解释,可形成概念逻辑的知识概念本体。该本体覆盖整个煤矿领域,构建难度极大,需要煤矿领域专家全程参与。煤矿矿难事故知识模型的构建在国内已有研究,主要应用于专家系统[40-41],包括对灾害事件的问答处理和煤矿知识体系的整体构建。可考虑对应用到专家系统的知识模型进行重构,用于构建煤矿安全知识概念本体。

煤矿安全知识概念本体构建流程:

(1) 考虑重用本体。可考虑重用现有的煤矿安全专家系统,用OWL语言表示。

(2) 选择本体构建领域。即煤矿安全知识概念本体。

(3) 选择数据源。主要包括国内外政府针对煤矿安全出台的相关法律法规和行业标准,不同地区政府、机关、公司的规章文件,以及国内外研究者的论文文献资料(通常为专业性较强的文献资料,如文献[42]中对矿山压力和煤层控制方面的研究)。

(4) 选择重要术语。包括矿山矿种分类、挖掘技术流程参数、地址环境因素、危险因素、法律规定等,并获得其中的关系(继承、父子、因果等)。

(5) 构建概念本体。将获得的概念关系等用OWL语言表示,并填充术语的取值范围和实例。

煤矿安全知识概念本体构建难度高,较难采用半自动本体构建,需要构建者对煤矿领域术语有较高的理解及专家全程参与,人力成本高,同时缺少一种合适的评价指标。

2.4 煤矿安全本体比较

上述3种煤矿安全本体的比较见表2。

表2 煤矿安全本体比较
Table 2 Comparison of coal mine safety ontology

名称本体语言实例数量构建难度构建规范性领域覆盖面推理能力表达能力煤矿挖掘与煤矿灾害事件本体OWL较多较大较好较小好好煤矿安全数据库查询本体OWL很多一般差较大差一般煤矿安全知识概念本体OWL一般极大好大好好

2.5 煤矿安全本体构建研究重点

在煤矿安全领域中,预测预警煤矿安全事故的发生一直是难点。矿山环境的特殊性及灾害数据结构复杂、耦合性强等特点,使深度机器学习生成模型预测煤矿灾害变得难以实现。一个足够完整的煤矿安全本体可以为机器学习提供更加丰富的语义信息,使生成煤矿安全事故预测模型所需的部分数据量被本体的语义信息替代。除本体需要满足的基本原则(明确性、一致性、可扩展性、最小编码倾向、最小化承诺)外,一个完整的煤矿安全本体应具备尽可能完整且准确的推理能力和丰富的实例。

3 煤矿安全本体集成研究

本体集成[43-44]是指对多个独立的、相同领域或不同领域的异构本体进行本体映射,以达到本体对齐或本体融合的目的。本体对齐后,多个本体之间逻辑一致,可以在多个本体之间进行本体推理,挖掘隐性知识。本体融合则是将多个本体合并为一个本体。

3.1 本体集成意义

本体异构是不可避免的,而本体集成可以解决本体异构问题,使领域内的多个本体间逻辑一致、信息互联互通。根据本体异构[43]产生的原因,将其划分为表示层、术语层、概念层和语义层。

(1) 表示层异构源于本体的表示语言不同。

(2) 术语层异构是指本体中与实体(如个体、类、属性、关系)命名过程有关的不一致。主要表现为同一个实体由不同的词汇进行定义,同一个词汇被用于表示多个实体;不同语言定义同一个实体。术语层异构通过词汇映射来解决。

(3) 概念层异构是指同一领域中的2个本体内容上不一致。概念层异构的产生原因:2个本体因其针对的子领域不同而产生异构;2个本体因对于同一实体的描述详细程度不同而产生异构;针对同一领域,一个本体给出的领域描述因其视角与另外一个不同而产生异构。

(4) 语义层异构产生的原因是不同个体或团队在不同上下文中对于相同本体产生不同的理解。

构建本体时统一使用OWL语言可避免表示层异构,尽可能采用领域中标准统一的术语,以减少或避免术语层异构。对于不同团队构建的本体,概念层异构和语义层异构问题往往不可避免,需要本体集成解决。本体集成后,本体之间的通信畅通,推理完整,本体之间共享实例,大大增加了信息的有效性。

3.2 本体集成程度

本体集成程度随其使用方法层次深度的增加而增加。

本体匹配[45]:挖掘分析2个本体概念之间的差异度或相似度[46],找到2个本体中概念名词文字相似的部分,并得到相似部分的逻辑结构,是本体映射的前提操作。

本体映射[47]:分析挖掘本体概念之间的语义相似度,根据概念及概念间的关系进行分析,形成局部的逻辑关系。从本体匹配中查找到相似性强的术语,如果对应有相似的层次结构或其他关系,则认为它们的部分语义是相似的。本体匹配和本体映射之间往往会修改概念术语的表达方式,让术语保持一致。

本体联结[48]:让2个本体之间产生完整的逻辑关系,但不合并2个本体,这时往往需要添加新的概念、关系、概念公理,比如构建后的2个本体,一个拥有概念“煤块”,另一个拥有概念“孔隙”,那么需要添加聚合关系,使“煤块”拥有“孔隙”。2个概念之间存在相似语义,但相似度不足以进行本体映射时,需要人工干预判断添加概念公理或元素,才可以让2个本体间产生完整的语义关系。

本体融合:完成本体联结后,根据本体联结结果融合2个或2个以上本体,形成一个新的本体。本体融合往往用于一个作者构建的多个本体需要整合为一个本体的场合,合并的是本体的源。本体联结和本体融合的逻辑结构一致。

本体协同[49]:包含从本体匹配到本体融合全部内容的集合,达到众多本体映射通信产生逻辑的目的。在设计本体时考虑本体协同,可减少或避免领域内的本体异构。

本体集成是操作步骤的集合:本体匹配→本体映射→本体联结→本体融合。完成任意步骤后都可以停止,停止的位置代表本体集成的程度。

3.3 煤矿安全本体集成

本文考虑对煤矿挖掘与煤矿灾害事件本体、煤矿安全数据库查询本体、煤矿安全知识概念本体进行集成。集成的优势:

(1) 统一煤矿领域内的本体,使多个本体之间产生足够的交互效果并形成逻辑,本体之间存在推理可行性。同时使煤矿安全本体之间产生通信,有效解决煤矿领域的信息孤岛问题。

(2) 共享煤矿安全本体实例,得到本体集成后产生更多的语义关系,为矿难预警提供大量有结构的显性数据和推理获得的隐性知识。

煤矿安全本体集成操作步骤:

(1) 本体匹配,映射查找煤矿挖掘与煤矿灾害事件本体、煤矿安全数据库查询本体对应语义相似的煤矿安全本体概念节点,完成部分概念的关系映射。

(2) 为不能直接产生逻辑的相关概念添加公理(如某种逻辑关系或包含关系)及一些中间概念,完成本体联结。

上述3种本体相对独立,通过本体匹配、本体映射、本体联结,可以达到逻辑完全通畅,进而实现本体之间的相互推理。煤矿挖掘与煤矿灾害事件本体、煤矿安全数据库查询本体可以对应到煤矿安全概念知识本体中的部分概念,作为煤矿安全概念知识本体的子本体。

4 结语

构建煤矿安全本体可为整合煤矿安全多参量多耦合信息、建立矿山模型、矿难预警和精准开采提供有效的数据支持。而本体集成可将构建好的本体融会贯通,使煤矿安全领域的知识体系统一,为煤矿安全领域的学习研究和应用提供信息管理工具和帮助。

参考文献(References):

[1] BOBILLO F,DELGADO M,GMEZ-ROMERO J. DeLorean: a reasoner for fuzzy OWL 2[J]. Expert Systems with Applications,2012,39(1):258-272.

[2] BOBILLO F,STRACCIA U. Reasoning with the finitely many-valuedukasiewicz fuzzy description logic SROIQ[J].Information Sciences,2011,181(4):758-778.

[3] NURMAMAT H, HAN S Y. Semantic based RBAC with negative authorization and permission hierarchy[J].International Journal of Engineering Intelligent Systems for Electrical Engineering and Communications,2011,19(3):149-157.

[4] KALIBATIENE D,VASILECAS O. Survey on ontology languages[C]// International Conference on Business Informatics Research, Berlin,2011:124-141.

[5] BOSTJAN B, MIRKO V, LECTURE N. Simple life-events ontology in SU(M)O-KIF[C]//The 5th IFIP International Working Conference on Knowledge Management in Electronic Government,Krems,2004:128-135.

[6] TSOU J C. The ontology of a supply chain model based on IDEF5 and ontolingua[J]. Production Planning & Control,2008,19(3):265-274.

[7] 黄美.基于分众分类法的图书馆书目本体构建研究[J].图书馆学刊,2016,38(11):46-48.

[8] 刘宇松.本体构建方法和开发工具研究[J].现代情报,2009,29(9):17-24.

LIU Yusong. Research of approaches and development tools in constructing ontology[J]. Journal of Modern Information,2009,29(9):17-24.

[9] KARP P D, GMBER T R.A generic knowledge-base access protocol[EB/OL].[2017-09-01].http://xueshu.baidu.com/s?wd=paperuri%3A%28349b645f6b54873c46fbb35c96fbd7c3%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Bjsessionid%3D2F860B BF3E524AEA4DFCF43CA2F81B60%3Fdoi%3D10.1.1.81.5531%26rep%3Drep1%26type%3Dpdf&ie=utf-8&sc_us=3019893701712096796.

[10] 宋佳,陈玉华.本体构建及发展趋势研究[J].科技广场,2011(5):10-13.

SONG Jia, CHEN Yuhua.Research on ontology construction and development trend[J].Science Mosaic,2011(5):10-13.

[11] 李景,孟连生.构建知识本体方法体系的比较研究[J].现代图书情报技术,2004(7):17-22.

LI Jing, MENG Liansheng. Comparison of seven approaches in constructing ontology[J]. New Technology of Library and Information Service, 2004(7):17-22.

[12] 张节松,肖庆宪.一种新的属性分类方法与应用刍议[J].计算机工程与应用,2014,50(2):15-20.

ZHANG Jiesong, XIAO Qingxian. New method of attribute classification and its application[J]. Computer Engineering and Applications,2014,50(2):15-20.

[13] 叶艳,杨东,江志斌,等.基于Ontology的电子政务流程知识建模与集成管理[J].上海交通大学学报,2006,40(9):1549-1555.

YE Yan, YANG Dong, JIANG Zhibin,et al. Ontology-based e-government process knowledge modeling and integration management[J]. Journal of Shanghai Jiaotong University,2006,40(9): 1549-1555.

[14] 鲍笑.电子信息产品领域的本体构建与应用[J].科技展望,2016,26(9):8.

[15] USCHOLD M, KING M. Towards a methodology for building ontologies[C]//Proceedings of the Workshop on Basic Ontological Issues in Knowledge Sharing,Montreal,1995:137-142.

[16] 张玉峰,周磊,王志芳,等.领域本体构建与可视化展示研究[J].情报理论与实践,2012,35(10):95-98.

ZHANG Yufeng, ZHOU Lei, WANG Zhifang, et al. Research on domain ontology construction and visualization[J].Information Studies:Theory & Application,2012,35(10):95-98.

[17] 金智勇,李天健,吕何新.基于本体的高校毕业生就业综合服务系统研究[J].计算机应用研究,2007,24(12):235-237.

JIN Zhiyong,LI Tianjian, LV Hexin. Research of integrated system of college graduates' employment based on ontology[J]. Application Research of Computers,2007,24(12):235-237.

[18] FEMANDEZ M,GOMEZ-PEREZ A, JURISTO N. Methontology:from ontological arts towards ontological engineering[C]//Proceedings of the AAAI97 Spring Symposium Series,Palo Alto,1997:33-40.

[19] 段磊,李洪伟.OIA技术支持的高分辨率影像乡村居民地本体建模方法[J].现代农业科技,2016(2):338-340.

DUAN Lei, LI Hongwei. Method of rural residential area ontology modeling supported by OIA technology[J]. Modern Agricultural Science and Technology, 2016(2):338-340.

[20] KISILEVICH S,ROKACH L,ELOVICI Y,et al. Efficient multidimensional suppression for K-Anonymity[J].IEEE Transactions on Knowledge and Data Engineering,2010,22(3):334-347.

[21] 刘卓燕.化学化工文献本体的构建与实现研究[D].上海:上海交通大学,2008.

[22] REED S L, LENAT D B. Mapping ontologies into Cyc[C]//AAAI Workshop on Ontologies and the Semantic Web,Edmonton,2002:165-166.

[23] 丁晟春,李岳盟,甘利人.基于顶层本体的领域本体综合构建方法研究[J].情报理论与实践,2007,30(2):236-240.

DING Shengchun, LI Yuemeng, GAN Liren. Research on integrated domain ontology construction method based on top-level ontology[J]. Information Studies:Theory & Application,2007,30(2): 236-240.

[24] 穆榕榕,全宇,郭启勇.基于医学本体的电子病历系统研究[J].现代医院管理,2016,14(6):83-86.

MU Rongrong,QUAN Yu,GUO Qiyong. Study of electronic medical record based on medical ontology[J]. Modern Hospital Management,2016,14(6): 83-86.

[25] 张波涛,代晏,顾进广.面向工业消防决策的本体构建[J].计算机应用与软件,2014,31(3):31-35.

ZHANG Botao,DAI Yan,GU Jinguang. Ontology construction oriented towards industrial firefighting decision-making[J].Computer Applications and Software,2014,31(3):31-35.

[26] ZANE O R,ANTONIE M L.Classifying text documents by associating terms with text categories[C]//The 13th Australasian Database Conference,Melbourne,2002:215-222.

[27] MAEDCHE A,STAAB S. Ontology learning for the semantic web[J]. IEEE Intelligent Systems,2001(2):72-79.

[28] ANGELETOU S, SABOU M, SPECIAL L,et al.Bridging the gap between folksonomies and the semantic web:an experience report[C]//The 4th European Semantic Web Conference,Innsbruck,2007:93.

[29] DOU Y,HE J,JIU D. A method for ontology construction derived from folksonomy[J]. International Journal of Services Technology and Management,2012,18(1/2):88-101.

[30] 李婧.煤矿安全事件本体中案例推理的研究与应用[D].北京:北京工业大学,2015.

[31] 郭晓黎.煤矿安全事件本体及其在查询扩展中的应用研究[D].北京:中国矿业大学(北京),2016.

[32] 郭晓黎,王宇,刘瑞祥.面向煤矿安全事件本体模型研究与应用[J].中国煤炭,2014,40(12):113-116.

GUO Xiaoli,WANG Yu, LIU Ruixiang. Research and application of event ontology model of coal mine accidents[J].China Coal,2014,40(12):113-116.

[33] ZHONG Zhaoman,LIU Zongtian,LI Cunhua,et al. Event ontology reasoning based on event class influence factors [J].International Journal of Machine Learning and Cybernetics,2011,3(2):133-139.

[34] 张旭洁,刘宗田,刘炜,等.事件与事件本体模型研究综述[J].计算机工程,2013,39(9):303-307.

ZHANG Xujie,LIU Zongtian,LIU Wei,et al. Survey of event and event ontology model research[J]. Computer Engineering,2013,39(9):303-307.

[35] 沈学利,周纪超.基于多本体的煤炭调度集成系统的研究[J].世界科技研究与发展,2009,31(2):245-246.

SHEN Xueli, ZHOU Jichao. Research on coal scheduling integration system based on multi-ontology[J].World Sci-Tech R & D,2009,31(2):245-246.

[36] 张瑞新,赵红泽,巴全光.本体集成技术在煤矿安全隐患治理与预警系统的应用[C]//第24届全国煤矿自动化与信息化学术会议暨第6届中国煤矿信息化与自动化高层论坛论文集,太原,2014:445-456.

[37] 胡静文,赵继娣.突发危机事件本体知识库构建方法研究[J].图书馆学研究,2012(4):58-62.

HU Jingwen, ZHAO Jidi. A study on the ontology construction approach based on emergency decision-making[J]. Research on Library Science, 2012(4): 58-62.

[38] CHEN S M,HUANG M H.Automatically generating the weather news summary based on fuzzy reasoning and ontology techniques [J].Information Sciences,2014,279:746-763.

[39] 刘柱子.基于描述逻辑的本体推理技术研究[D].天津:天津理工大学,2015.

[40] 许多.煤矿安全诊断专家知识库研究与实现[D].徐州:中国矿业大学,2015.

[41] 郭文斌.HSVE2.8型矿用提升机故障诊断专家系统设计[J].江西煤炭科技,2016(4):44-46.

GUO Wenbin. Design of expert system of fault diagnosis of HSVE2.8 mining hoist[J]. Jiangxi Coal Science & Technology,2016(4):44-46.

[42] 彭赐灯.矿山压力与岩层控制研究热点最新进展评述[J].中国矿业大学学报,2015,44(1):1-8.

PENG Cideng. Topical areas of research needs in ground control:a state of the art review on coal mine ground control[J]. Journal of China University of Mining & Technology,2015,44(1):1-8.

[43] 于娟,党延忠.本体集成研究综述[J].计算机科学,2008(7):9-13.

YU Juan, DANG Yanzhong. Review on ontology integration[J].Computer Science,2008(7):9-13.

[44] 郭进京.基于领域本体的异构资源语义集成方法研究[D].北京:中国科学院大学,2016.

[45] 沈国祥.基于WordNet的语义相似度算法改进研究[J].软件导刊,2016,15(5):34-37.

基金项目:国家自然科学基金资助项目(61471362)。

作者简介:谭章禄(1962-),男,江西赣州人,教授,博士,研究方向为信息化、可视化、大数据、信息标准化,E-mail:tanzl@vip.sina.com。通信作者:马营营(1992-),女,河北保定人,硕士研究生,研究方向为大数据、信息标准化,E-mail:yingying_jy@126.com。

引用格式:谭章禄,马营营.煤炭大数据研究及发展方向[J].工矿自动化,2018,44(3):49-52. TAN Zhanglu, MA Yingying. Research on coal big data and its developing direction[J].Industry and Mine Automation,2018,44(3):49-52.

[46] 王瑞琴,杨小明,楼俊钢.词汇语义相关性度量研究[J].情报学报,2016,35(4):389-404.

WANG Ruiqin,YANG Xiaoming,LOU Jungang. Research of lexical semantic relatedness measurement[J]. Journal of the China Society for Scientific and Technical Information,2016,35(4): 389-404.

[47] 孙煜飞,马良荔,郭晓明,等.基于模块化的大规模本体映射方法[J].模式识别与人工智能,2016,29(5):410-416.

SUN Yufei,MA Liangli,GUO Xiaoming,et al. Modularization based large-scale ontology mapping approach[J]. Pattern Recognition and Artificial Intelligence,2016,29(5):410-416.

[48] 卢胜军,真溱.本体集成相关的基本概念研究[J].情报理论与实践,2008,31(3):443-446.

LU Shengjun, ZHEN Qin. Studies on some basic concepts of ontology integration[J]. Information Studies: Theory & Application,2008,31(3):443-446.[49] 孙辉,王颖,张智雄.本体构建中的协同问题研究——以中华人民共和国史本体为例[J].情报学报,2015,34(9):958-969.

SUN Hui,WANG Ying,ZHANG Zhixiong. Research on collaborative ontology construction-through the practice of the contemporary Chinese history ontology[J]. Journal of the China Society for Scientific and Technical Information,2015,34(9):958-969.

Research on coal mine safety ontology

SHI Qinfu1, LIU Xiulei1,2, LIU Xuhong1, SHENG Liguo1, HUANG Zhixian1

(1.Data Science and Competitive Intelligence Laboratory, Beijing Information Science and Technology, Beijing 100192, China; 2.Beijing Key Laboratory of Network Culture and Digital Communications, Beijing 100876, China)

Abstract:Common ontology languages, construction principles and construction methods were summarized. It was considered that constructing coal mine safety ontology should adopt OWL-DL language and the construction method of cyclic acquisition method or seven-step method. Current research status of the coal mine safety ontology was analyzed from aspects of coal mine digging and coal mine disaster event ontology, coal mine safety database query ontology and coal mine safety knowledge concept ontology. Advantages, disadvantages, application scene and construction process of the three coal mine safety ontologies were summarized, and an ontology integration strategy of the above three coal mine safety ontologies was proposed.

Key words:coal mine safety ontology; ontology language; ontology construction; ontology integration; coal mine disaster; coal mine safety database; coal mine safety knowledge

文章编号:1671-251X(2018)03-0042-08

DOI:10.13272/j.issn.1671-251x.2017100007

中图分类号:TD67

文献标志码:A 网络出版时间:2018-01-24 15:23

网络出版地址:http://kns.cnki.net/kcms/detail/32.1627.TP.20180123.1339.001.html

收稿日期:2017-10-10;

修回日期:2018-01-17;责任编辑:李明。

基金项目:国家重点研发计划资助项目(2016YFC0801407);国家自然科学基金资助项目(61601039);北京信息科技大学科研基金资助项目(1625008);网络文化与数字传播北京市重点实验室开放课题资助项目(ICDD201607)。

作者简介:史秦甫(1993-),男,山东烟台人,硕士研究生,研究方向为计算机技术,E-mail:1342359344@qq.com。

引用格式:史秦甫,刘秀磊,刘旭红,等.煤矿安全本体研究[J].工矿自动化,2018,44(3):42-49. SHI Qinfu,LIU Xiulei,LIU Xuhong,et al.Research on coal mine safety ontology[J].Industry and Mine Automation,2018,44(3):42-49.

收稿日期:2017-11-28;

修回日期:2018-01-16;责任编辑:李明。