第 9 章 · 02 本体工程：OWL/SHACL/SKOS 与导出

第 9 章 · 02 本体工程：OWL/SHACL/SKOS 与导出

本节摘要：图谱有了、检索通了，本节装语义质量的守门人与交付的出货口。semantica/ontology/（22 个文件、7927 行）装下本体工程四件事：本体自动生成（六段流水线从数据归纳 schema）、OWL 生成（Web 本体语言，rdflib 序列化 Turtle）、SHACL 约束验证（pyshacl 把"每个人有唯一身份证号"变成机器可查的质量规则）、SKOS 词表与本体评估器（健康度评分）；semantica/export/（19 个文件）提供 11 种导出——RDF Turtle/JSON-LD/N-Triples/OWL/SHACL/Parquet/Cypher/GraphML/CSV/HTML/距离矩阵，让图谱与整个生态互通。

内容来源：原项目源码 semantica/ontology/ontology_generator.py、owl_generator.py、ontology_validator.py、ontology_evaluator.py、engine.py、semantica/export/rdf_exporter.py、export/__init__.py、report_generator.py、distance_exporter.py。

⚠️ 注意：SHACL 验证依赖 pyshacl 是可选 extras——_run_pyshacl 的 ImportError 信息明示 pip install semantica[shacl]；Parquet/Arrow 导出器同样条件导入，缺依赖时 export/__init__.py 会以 Mock 类占位并在调用时报错。跑通本节前先确认 extras。

学习目标

阅读完本节，你应当能够：

1. 说出本体自动生成六段流水线的每段输入输出。
2. 解释 OWL 生成器如何用 rdflib 把类/属性定义变成 Turtle。
3. 用 OntologyEngine.to_shacl + validate_graph 走通"定义约束→验证数据"闭环，并举一个基数约束例子。
4. 区分本体评估器的 completeness/gaps/granularity 三类指标。
5. 按"下游要什么"从 11 种导出格式里选对出口。

一、本体自动生成：从数据归纳 schema

手写本体慢，OntologyGenerator（ontology_generator.py:47）把它变成六段流水线（模块 docstring 17 行起）：

1. Stage 1 语义网络解析（_stage1_parse_semantic_network，239 行）：从实体/关系里按类型计数（Counter）提取领域概念与关系模式；
2. Stage 2 YAML 转定义（_stage2_yaml_to_definition，393 行）：概念转类定义，ClassInferrer.infer_classes 按出现频次过滤（min_occurrences 默认 2）；
3. Stage 3 定义转类型：映射成 OWL 类型（owl:Class/owl:ObjectProperty/owl:DatatypeProperty），PropertyGenerator 从关系推 ObjectProperty、从属性推 DatatypeProperty（含 XSD 类型嗅探）；
4. Stage 4 层级构建（189 行进度提示）：推理父子关系，DFS 检测环形依赖——本体里 A⊂B⊂A 是致命伤；
5. Stage 5 TTL 生成：rdflib 序列化 Turtle，命名空间前缀绑定；
6. Stage 6 符号校验：结构验证 + 一致性检查。

入口 generate_ontology(data)（114 行）吃抽取产物，generate_from_graph(graph)（224 行）直接吃知识图谱——schema 是从数据里长出来的，不是先验画出来的。命名归 naming_conventions.py（类 PascalCase、属性 camelCase），IRI 由 namespace_manager.generate_class_iri 统一生成；reuse_manager.py 还会查 FOAF/Dublin Core/Schema.org 目录，能复用的标准词表绝不自造。

二、OWL 生成：语义网的"类型系统"

OWLGenerator（owl_generator.py:53）把类/属性定义编译成 Web 本体语言。generate_owl（95 行）接收 classes/properties 列表，实际序列化走 _generate_with_rdflib（210 行）：建 rdflib.Graph、绑定命名空间、逐条加 rdfs:subClassOf（259 行注释处）、domain/range 三元组，export_owl（415 行）落盘。OWL 在这里的角色是图谱的强类型系统：声明"作者是一种 Person""hasAuthor 的定义域是 Book、值域是 Person"之后，下游任何系统（含推理机）都能按同一契约理解你的数据——这是第 5 章 Rete/Datalog 推理与 SHACL 验证的共同地基。

三、SHACL 约束验证：把数据质量变成机器可查

SHACL（Shapes Constraint Language）回答 OWL 不回答的问题——数据必须满足什么约束。ontology 模块两层实现。声明层在 OntologyEngine：to_shacl（engine.py:196 行，可 include_inherited 把父类属性形状传播给子类）与 export_shacl（270 行）。验证层在 ontology_validator.py：

 26  class SHACLViolation:
 27      """Represents a single SHACL constraint violation."""
...
 51  class SHACLValidationReport:
 54      violations: List[SHACLViolation] = field(default_factory=list)
 55      warnings: List[SHACLViolation] = field(default_factory=list)
 56      infos: List[SHACLViolation] = field(default_factory=list)
...
138  def _run_pyshacl(data_str, shacl_str, shacl_format="turtle"):
...
158          import pyshacl
...
161              "pyshacl is required for SHACL validation. "
162              "Install it with: pip install semantica[shacl]"
...
181      shacl_g = rdflib.Graph()
182      shacl_g.parse(data=shacl_str, format=...)
​

报告分 violation/warning/info 三级，summary()（67 行）给一句话结论，explain_violations()（72 行）人话解释每条违例。典型约束形如本节标题那句话："每个人有唯一身份证号"＝sh:PropertyShape 上 sh:path :idCard + sh:maxCount 1 + sh:minCount 1；"身份证号必须是 18 位"＝sh:pattern 正则。validate_graph（engine.py:297 行）把数据图对着形状图一跑，数据质量规则从 review 评论变成 CI 里可断言的测试——这正是第 4 章冲突治理想要的"仲裁依据有出处"的语义版。

四、SKOS 词表与本体评估器

SKOS（简单知识组织系统）管"概念体系"：add_skos_concept（第 8 章 02 节已拆，triplet_store.py:504）把 prefLabel/altLabel/broader/narrower/related 写成标准三元组；ontology 侧 engine.list_vocabularies（393 行）管理词表。用途即"同义词层"——"AI""人工智能""Artificial Intelligence"三个标签归并到同一 skos:Concept，检索与归一化（第 2 章）都能借力。

本体评估器（ontology_evaluator.py）给本体打健康分：evaluate_ontology（84 行）汇总 coverage score（类/属性/关系覆盖度，88-91 行）与 completeness score（_calculate_completeness，176 行）；_identify_gaps（206 行）找缺失类目并经 _generate_suggestions（239 行）给出改进建议（如"类粒度过粗——按实例分布建议拆分"）；evaluate_class_granularity（300 行）评粒度与泛化、evaluate_relation_completeness（332 行）评关系完整度；generate_report（365 行）出报告。还有 competency_questions.py（能力问题）从反方向验证：你关心的问题本体答得上来吗？

五、export：11 种格式出货

semantica/export/（19 个文件）在 __init__.py（231 行 __all__）里列满出口。按"下游是谁"归类：

另有 LPGExporter（86 行，面向 Neo4j/Memgraph 的属性图 JSON）、ArangoAQLExporter（多模型库）、VectorExporter（向量回灌别的向量库）、ArrowExporter、YAMLExporter（语义网络回灌）。两点设计值得一提：其一，rdf_exporter.py 的 NamespaceManager（74-78 行）让 semantica: 前缀复用 ProvenanceManager 的 DEFAULT_BASE_URI——KG 导出与 PROV-O 导出的同一实体 URI 能对上，第 7 章溯源链在导出后不断裂；其二，所有导出器同构（export(data, path, format=...)），与第 8 章存储后端如出一辙——polyglot 的不止存储，还有交付。

💡 装配要点：本体工程闭环五步——数据（Stage1-4）归纳出 schema → OWL 固化类型契约 → SHACL 写质量规则并进 CI → SKOS 管同义词 → 评估器打健康分；交付则按下游选格式：语义网走 Turtle/JSON-LD、数仓走 Parquet、Neo4j 走 Cypher/CSV、可视化走 GraphML、老板走 HTML。URI 贯穿溯源与导出，别让前缀分家。

本节要点回顾

1. 六段生成流水线：语义网络解析→YAML 转定义→定义转 OWL 类型→层级构建（DFS 防环）→TTL 生成→符号校验；generate_from_graph 可直接吃图谱。
2. OWL：rdflib 编译类/属性为 Turtle，是图谱的强类型契约与推理地基。
3. SHACL：to_shacl/export_shacl 声明形状，_run_pyshacl（ontology_validator.py:138）三级报告 + 人话解释；基数/正则约束让"唯一身份证号"可机检。
4. SKOS：prefLabel/altLabel/broader/narrower 标准三元组，管同义词与概念层级。
5. 评估器：coverage/completeness 双评分、gap 识别带建议、粒度与关系完整度分项、能力问题反向验证。
6. 11 种导出：Turtle/JSON-LD/N-Triples/OWL/SHACL/Parquet/Cypher/GraphML/CSV/HTML/距离矩阵；semantica: 前缀与 PROV-O 同源保证溯源 URI 全链一致。

下一节：第 9 章装完检索与本体，管线的可运行部分全部就绪。第 10 章逛生态——explorer 图工作台把你的图谱变成可视战场，MCP 把它交到任何 Agent 手里，CLI 与 deploy 把它送上生产线。