25、个性化医疗知识图谱推理：实现、评估与未来展望

个性化医疗知识图谱推理：实现、评估与未来展望

1. 系统组件概述

在个性化医疗知识图谱（PHKG）的构建与应用中，有几个关键组件发挥着重要作用：
- 语义标注器 ：它能依据 kAO 本体自动对异构数据进行标注。例如，对于 SenML/XML 格式的花粉数据，会将其明确标注为 kAO:PollenLevel，体现了 W3C SSN/SOSA 本体的应用。
- 推理引擎 ：从语义数据中推断抽象信息。它包含一组与 kAO 本体兼容的可互操作规则，通过执行这些规则来得出有意义的知识。
- 知识图谱（KG） ：复用了来自知名可靠本体目录（如 BioPortal、LOV、LOV4IoT 和 AberOWL）的健康知识。kAO 本体整合了多个特定领域本体的部分内容，如哮喘本体（AO）、W3C SOSA/SSN、天气本体、智能家居本体、Schema.org、RXNORM 本体和 SMART PRODUCTS 本体等，并且还计划集成更多本体。
- 查询引擎 ：提供通用请求以查询智能数据。通过一个通用的 SPARQL 查询，可以检索表 10.3 中分类的数据。

2. 实施细节

2.1 技术选型

当前的实现采用 Java 7 语言和 Jena 语义 Web 框架。Jena 是由 Apache 支持的开源 Java 框架，用于开发语义 Web 应用。它提供了推理引擎（基于规则的推理），能从语义数据集中推导出有意义的知识。AndroJena 是 Jena 框架的轻量级版本，与 Androi