本体建模规则提取：国内外技术方案整理汇总

01概念界定:本体系统、本体建模与规则提取

要谈「本体系统进行本体建模的规则提取」,首先需要把三个层层嵌套的概念厘清,它们分别对应知识的容器、知识的建模过程、以及知识中最难获取的「规则/公理」部分。

1.1 本体与本体系统

本体(Ontology)源自哲学,在信息科学中被 Gruber 定义为「概念模型的明确的、形式化的规范说明(explicit, formal specification of a shared conceptualization)」。一个本体在工程上通常被形式化为五元组:

O = { C, R, F, A, I }C 概念/类(Concepts/Classes)· R 关系(Relations)· F 函数(Functions)· A 公理/规则(Axioms)· I 实例(Instances)。其中 A(公理与规则)正是本报告聚焦的「规则提取」的目标产物——它决定了本体能否「推出没有被显式写下的新事实」,这也是本体区别于普通数据库/taxonomy 的根本所在。

「本体系统」在实践中指围绕本体的建模—存储—推理—查询—应用全栈环境,典型由本体编辑器(Protégé)、三元组库/图数据库(GraphDB、Jena、AllegroGraph、Neo4j)、推理机(HermiT、Pellet)、规则引擎(Jess、Drools)与查询接口(SPARQL)组成。

1.2 本体建模

本体建模是运用某种方法论,把某一领域的概念、层级、属性、约束与规则,转化为机器可读的形式化模型(通常以 OWL/RDF 编码)的系统工程。它包含知识获取、概念化、形式化、编码、评估与维护等环节。

1.3 规则提取(本报告核心)

「规则提取」在文献中有几个相互关联的术语,理解它们的差异很重要:

一句话定位「规则提取」= 用(半)自动方法,把领域中隐含的约束、推理关系、类定义,转化为本体可承载、推理机可执行的形式化规则/公理。它是本体学习「层次蛋糕」中最顶层、最难、也最有价值的一层。

02本体建模方法论(国内外经典方法对比)

规则提取不是孤立环节,而是嵌在本体建模方法论的「定义约束/规则」阶段。国际上形成了若干成熟方法论,国内工程实践中斯坦福七步法与 METHONTOLOGY 使用最广,并常做「本土化改进」。

2.1 斯坦福七步法(工程主流)

七步法因流程清晰被国内外领域本体广泛采用:①确定领域与范畴 ②考察复用现有本体 ③列出重要术语 ④定义类与层级(自顶向下/自底向上/综合) ⑤定义类的属性 ⑥定义属性分面(取值类型、值域、基数等约束) ⑦创建实例。

规则提取切入点第 6 步的「约束/分面」本质上就是轻量级规则(基数约束、值域约束);而更复杂的 IF-THEN 推理规则则通过 SWRL 补充,常配合 Jess/Drools 规则引擎或 Pellet/HermiT 推理机执行。国内电网应急预案、故障树等领域本体正是走这条路线。

2.2 国内的「本土化改进」倾向

国内研究普遍反映七步法「缺乏与具体情景衔接、缺乏对成品本体的检查评估反馈」两大局限,常见改进是:借鉴 TOVE 的「假设场景提出能力问题」在确定范围时加入应用情景分析;借鉴骨架法的「本体评价与完善」在建实例后加入定性定量评估(丰富度评价、软件一致性验证)。这是国内相较国外方案的一个鲜明特征——偏工程落地与验证闭环。

03本体中的「规则」如何表示:技术标准栈

提取出来的规则必须落到一种形式化、机器可执行的表示上。W3C 语义网技术栈提供了从数据模型到规则语言的完整分层,理解这一栈是理解「规则提取产物」的前提。

SWRL 示例(规则提取的典型产物形态)   规则「祖父定义」:hasParent(?x,?y) ∧ hasParent(?y,?z) → hasGrandparent(?x,?z);   业务规则「合同已完成」:Contract(?c) ∧ paidAmount(?c,?p) ∧ totalAmount(?c,?t) ∧ swrlb:greaterThanOrEqual(?p,?t) → CompletedContract(?c)。   这类 body→head 的 Horn 规则,既是知识工程师手工书写的形态,也是 AMIE 等挖掘算法自动输出的形态。

3.1 描述逻辑(DL)——规则可计算性的地基

OWL 以 DL 为逻辑基础,保证了严格语法、形式语义与良好可计算性(可判定推理)。这既是优势(推理机可自动检测不一致、推导新事实),也是约束(过于复杂的规则会破坏可判定性)。规则提取时必须在表达力(重量级本体)与可判定/可扩展性之间权衡——这是贯穿全领域的核心张力。

04规则提取总体框架:本体学习「层次蛋糕」

Buitelaar & Cimiano(2005)提出的本体学习层次蛋糕(Ontology Learning Layer Cake)是整个领域公认的基石框架,它把本体学习从易到难分层,规则提取处于金字塔顶端。

规则 / 一般公理 (Rules / General Axioms)最难 · SWRL/一阶逻辑 · 类表达式包含

公理模式 (Axiom Schemata)disjoint、domain/range 约束

关系 (Relations,非分类关系)属性/谓词抽取

概念层级 (Concept Hierarchies)is-a 分类体系

概念 (Concepts)内涵/外延/词元

同义词 (Synonyms)

术语 (Terms)最易 · 术语抽取

W3C 栈与该框架对应:前 5 层可由 RDF/RDFS 承载;「公理模式」层由 OWL 承载;最顶「规则」层则依赖 SWRL / RIF。绝大多数早期研究集中在底部(术语/分类),而公理与规则层长期是短板——因为规则往往是隐式、抽象的,连人类专家建模都困难。

4.1 三大技术流派

无论在哪一层,规则/本体提取的技术手段可归为三类(常混合使用):

① 语言学方法 (Linguistic)

词性标注、句法分析、依存分析、Hearst 词汇-句法模式(如「X such as Y」抽 is-a)、子范畴框架。贯穿术语/概念/关系抽取各层。

② 统计方法 (Statistical)

C/NC-value、共现分析、LSA、聚类、形式概念分析(FCA)、关联规则挖掘(ARM)、统计模式归纳(statistical schema induction)。用于概念/关系发现与规则归纳。

③ 逻辑方法 (Logical)

归纳逻辑编程(ILP)、描述逻辑概念学习(DL-Learner)、马尔可夫逻辑网络。用于最顶层公理与规则的形式化学习。

④(新增)神经/LLM 方法

深度学习序列标注、图神经网络、KG 嵌入、以及大语言模型 Prompt/RAG/CoT。近两年成为跨全层的「通用引擎」。

下文按数据来源与技术范式,分四条路线展开规则提取的具体技术方案。

05技术路线一:基于文本的本体/规则学习

目标:从非结构化/半结构化文本语料中,(半)自动地构建本体各层直至规则。这是「本体学习(Ontology Learning from Text)」的经典范式,演进脉络为:浅层学习 → 深度学习 → 大模型。

5.1 浅层学习阶段(规则/模式驱动)

• Hearst 模式 / 词汇-句法模式:用手写模板抽取 is-a、part-of 等关系,是分类层与关系层的经典手段。
• 统计与聚类:C/NC-value 抽术语,共现/LSA/层次聚类发现概念簇,FCA 构造概念格。
• 关联规则挖掘(ARM,Apriori 系):发现概念/属性间的共现规则,是国内早期「规则抽取」的常见做法。
• ILP 归纳公理:在获得概念与关系后,用归纳逻辑编程形成公理与规则。

5.2 深度学习阶段

命名实体识别与关系抽取全面转向神经网络:BiLSTM-CRF、BERT 预训练 + 注意力、CNN/RNN,以及实体关系联合抽取(如 CasRel 级联二进制标注解决关系重叠)。这一阶段极大提升了「概念/关系」两层的自动化与精度,但对顶层公理与规则帮助有限。

5.3 公理与规则层的专门方法

现状判断综述(Armary 等,2025《Ontology learning towards expressiveness》;PMC 本体学习综述)一致指出:底层(术语/分类/关系)已相对成熟,而公理与规则层仍是主要瓶颈——规则隐式、抽象、建模方式灵活,难以自动识别。

06技术路线二:基于知识图谱的规则挖掘(最活跃)

当已有一个(可能不完整、含噪的)知识图谱/实例库时,可直接从已有三元组中归纳出 Horn 规则,用于知识补全、纠错与推理。这是近十年最活跃、成果最密集的方向,核心挑战是 KG 的开放世界假设(OWA)、不完整性、噪声与超大规模。

6.1 符号/统计规则挖掘算法谱系

6.2 神经/可微与强化学习路线

• NeuralLP / DRUM:端到端可微规则学习,用邻接矩阵乘积学习闭式规则;可解释但大图上算力开销大、易内存溢出。
• 强化学习(RL)规则挖掘:把「逐步向规则体添加谓词」建模为序贯决策,用值函数引导搜索高质量规则(复旦等,受国家重点研发计划资助),兼顾效率与效果。
• KG 嵌入辅助:TransE/DistMult/ComplEx 等嵌入用于对候选规则打分、缓解不完整性。

选型要点若追求补全精度与效率→ AnyBURL / AMIE 3;若 KG 含噪、要挖负规则/条件规则→ RuDiK;若要可解释 + 少样本→ MPRM;若需结合嵌入语义→ RuLES / RL 路线。综述《Rule Learning over Knowledge Graphs: A Review》(TGDK,2024)对此有系统分类。

07技术路线三:基于描述逻辑的公理/概念学习

这条路线直接面向 OWL 本体本身,从已有本体 + 实例中学习类的定义式(class expression)与 schema 公理,产物天然是 OWL 可承载的重量级公理。

7.1 DL-Learner 家族

• OCEL(OWL Class Expression Learner):用「适当且完备的精化算子」构建搜索树,启发式遍历,忽略「弱节点」以提效。
• CELOE(Class Expression Learning for Ontology Engineering):在 OCEL 上改进启发式并偏好更短的类表达式,更适合本体工程,按精度排序输出候选规则。
• DL-FOIL:面向描述逻辑的 FOIL 式监督概念学习。

DL-Learner 输出示例对 KG 中某组实体,CELOE 可挖出并按精度排序:born_in some Thing (100%)、(alma_mater some (UCL)) or (born_in some Scotland) (100%) 等类定义式。这类「类表达式」即是可推理的重量级公理。

7.2 特点与局限

优点:产物逻辑严谨、可直接进入推理链、可与本体调试(不一致诊断与修复)紧耦合。局限:多基于 ILP,需要把推断知识载入内存,在大而复杂的 KG 上扩展性受限,常需统计采样缓解。Lehmann《Perspectives on Ontology Learning》指出该领域正走向混合与集成(概念学习 + 规则学习 + 众包 + 迁移复用 + 不确定性建模)。

08技术路线四:LLM 与神经符号新范式(2023—2025 前沿)

大语言模型把本体/规则提取带入新阶段,尤其擅长填补长期短板的公理与规则层(依赖抽象推理与上下文理解)。但幻觉、可审计性、与既有本体对齐是核心难题。

8.1 LLMs4OL:领域基准与范式

Babaei Giglou 等发起的 LLMs4OL Challenge(ISWC 2023 起,2024/2025 已办两届)把本体学习标准化为任务 A(Text2Onto 术语+类型抽取)、B(术语类型分配)、C(分类体系发现)、D(非分类关系抽取),直至公理发现。评测不仅看 P/R/F1,还看本体一致性与幻觉率。2025 届结论:混合流水线(商用 LLM + 领域微调嵌入 + 微调)效果最佳,Prompt 工程、RAG、集成学习是关键。

8.2 代表性技术手段

约束式 Prompt + 结构化输出

OntoGPT(Monarch)把本体约束直接写入 prompt,引导 LLM 产出符合语法的 JSON-LD/OWL,降低歧义;用 Pydantic 校验、domain/range 一致性检查、错误回填重试。

RAG + 少样本 / CoT

检索相似样例增强抽取;思维链(CoT)在术语类型与关系上做上下文推理;零样本用多嵌入余弦相似度加权分类。

LLM 作为语义匹配器

KGGen/Mo 等把 LLM 当匹配器,判断新术语是否匹配/从属目标本体概念,实现与既有本体对齐。

端到端微调(OLLM)

把术语与分类学习整合进统一架构端到端微调。

8.3 公理识别专门基准

2025 年出现 OntoAxiom 基准(9 个本体、1.7 万三元组、2771 条公理),对比「一次性预测全部公理」与「逐类型公理(Axiom-by-Axiom)」两种 prompt 策略,评测 12 个 LLM。结论:LLM 在公理识别上有潜力但尚不能替代专家,更适合做「建议式半自动」辅助。

神经符号(Neuro-Symbolic)融合是主线纯 LLM 抽取存在幻觉与不可审计问题;主流做法是「LLM 生成 + 符号约束/校验」:候选空间限定、JSON 契约、证据指针、确定性校验与回退机制,兼得神经的召回与符号的严谨。中科院信工所王鑫团队 SCION 框架(ICML 2026)是这一思路的代表(详见第 10 节)。

09工具与平台生态

典型工程管线Protégé 建模(类/属性/SWRL 规则)→ HermiT/Pellet 一致性校验与推理 →(可选)DL-Learner/AMIE 从实例挖新规则 → GraphDB/Jena 存储 → SPARQL/Cypher 查询 → 应用(问答、配置、告警、决策)。

10国内代表性技术方案与工程实践

国内在方法论落地、领域本体 + SWRL 规则、以及 LLM 神经符号本体归纳三条线上都有活跃产出,总体特征是「重工程落地、重领域垂直、重与知识图谱一体化」。

10.1 前沿研究(算法层)

• 前沿中科院信工所 王鑫团队 —— SCOPE 基准 & SCION 框架(ICML 2026):提出「从文本自动归纳本体并与已有本体融合」的评测基准 SCOPE(覆盖 24 个信息抽取数据源)与框架 SCION。SCION 先从语料构建实体/关系/事件/角色候选空间,再把 LLM 的命名/合并/过滤严格限制在候选空间内,通过 JSON 契约、证据指针、确定性校验与回退保证输出可解析、可追溯、可审计——是「规则约束型本体归纳」的代表,直接呼应「本体是规则约束型信息抽取与 KG 构建的前置基础」。
• 综述清华 + BSH《A Short Review for Ontology Learning from Text》(2024):系统梳理本体学习从浅层→深度→LLM 的演进与挑战,并展望 LLM 与本体学习结合的方向。
• 算法基于强化学习的 KG 规则挖掘(复旦等,受国家重点研发计划、国自然基金资助):用值函数引导规则搜索,提升效率与效果。

10.2 领域本体 + SWRL 规则(工程层)

故障树领域本体 + SWRL

《计算机科学》相关工作:七步法建本体,用 SWRL 扩充隐含知识(Atom 定义限制式、Imp 定义规则),使本体具备实际推理价值。

电网应急预案领域本体

清华学报:改进七步法(加入应用情景分析 + 定性定量评估),Protégé 建模,关联「情景-任务/预案」,软件+定性+丰富度三重验证。

中药知识图谱(《中国药典》)

自顶向下、Protégé 建本体,参考 SNOMED CT 顶层;基于规则(符号/关键词切分)抽取实体关系;RDF 三元组存 Neo4j,Cypher 问答。119 类/9136 实体/25 对象属性。推理逻辑与中医辨证一致(寒者热之)。

网络安全知识图谱本体

《信息网络安全》(2025):本体统一 schema + BERT-BiLSTM-多头注意力-CRF 做 NER、BERT-自注意力-CNN 做关系抽取,支撑图谱自动更新扩展。

此外还有再制造工艺本体(多源异构实体对齐 + 关键节点匹配的知识重用)、作战仿真本体(军事领域,OWL+SWRL 弥补事实推理)、绿色降碳技术知识图谱(本体建模 + 主题模型)等垂直案例,普遍将「本体建模」作为知识图谱构建的前置步骤。

国内规则提取的两种主流打法   ① 规则驱动抽取:利用领域文本的强规范性(如药典「【】」「用于」「归…经」等标志符),用符号规则切分抽取实体关系 —— 简单、精度高、可解释,适合结构规范语料。    ② 模型驱动抽取:BERT + 序列标注/联合抽取(CasRel、RD-CNN-CRF)做 NER 与 RE —— 适合非结构化大规模语料。二者常与「本体顶层设计 + SWRL 规则推理」结合形成闭环。

11国内外对比分析

12关键挑战

• 顶层短板:术语/分类/关系较成熟,公理与规则层仍是全球性瓶颈(隐式、抽象、建模灵活)。
• 开放世界与不完整/含噪:KG 缺失事实使 CWA 失效,负例难得,传统支持度/置信度失真(PCA、嵌入辅助置信度是应对手段)。
• 可扩展性:实例路径空间指数爆炸;ILP/DL 学习需载入内存,大图受限(本体路径搜索、并行、采样缓解)。
• 表达力 vs 可判定性:重量级规则可能破坏 DL 可判定性与推理效率。
• LLM 幻觉与可审计:自动生成规则的正确性、可追溯与一致性保障(→ 神经符号约束)。
• 评估难:缺乏统一的规则/公理层金标准;需 gold-standard、应用驱动、数据驱动、人工多维评估。
• 本体演化与维护:领域变化下规则的动态更新与冲突消解成本高。

13趋势研判与选型建议

13.1 趋势

• 神经符号融合成为主线:LLM 负责召回与语义理解,符号(候选空间约束、DL 推理、SHACL 校验)负责严谨与可审计。
• LLM 攻顶层公理/规则:从术语/分类向公理层推进,但定位为「半自动建议 + 专家确认」。
• 与 RAG/KG 一体化:本体作为结构化脚手架约束、grounding LLM 输出,提升可信度(检索增强生成)。
• 可审计流水线:JSON 契约、证据指针、确定性校验、回退机制成为工程标配。
• SHACL 约束校验热度上升,作为数据质量型「规则」的落点。

13.2 分场景选型建议

总体建议不存在「一招通吃」的方案。务实路径是「方法论(改进七步法)定框架 → 神经/LLM 抽底层概念与关系 → 符号方法(DL-Learner/AMIE/SWRL)+ 专家确认攻顶层规则 → 推理机/SHACL 校验闭环」的混合流水线,并把「可审计」作为一等目标。

14参考来源(节选)

1. 国际Armary P. 等. Ontology learning towards expressiveness: A survey. Computer Science Review, 2025. sciencedirect.com
2. 国际Rule Learning over Knowledge Graphs: A Review. TGDK, 2024(含 AMIE/AnyBURL/RuDiK/ScaLeKB/RARL/TyRuLe 分类). drops.dagstuhl.de
3. 国际Ortona S. 等. Mining Expressive Rules in Knowledge Graphs (RuDiK). ACM JDIQ, 2019. eurecom.fr
4. 国际Steenwinckel B. 等. Efficient and performant rule mining (DL-Learner OCEL/CELOE, RuLES). Semantic Web Journal. semantic-web-journal.net
5. 国际MPRM: A Markov Path Rule Miner. arXiv, 2025. arxiv.org/2505.12329
6. 国际Rule mining over knowledge graphs via reinforcement learning. Knowledge-Based Systems, 2022. sciencedirect.com
7. 国际Lehmann J. 等. Perspectives on Ontology Learning(概念学习/统计模式归纳/众包). jens-lehmann.org
8. 国际A survey of ontology learning techniques and applications(层次蛋糕/语言学-统计-逻辑三分). PMC. ncbi.nlm.nih.gov/PMC6173224
9. 国际Babaei Giglou H. 等. LLMs4OL 2025 Overview(第二届大模型本体学习挑战赛). doi.org/10.52825/ocp.v6i.2913
10. 国际Ontology Learning with LLMs: A Benchmark Study on Axiom Identification (OntoAxiom). arXiv, 2025. arxiv.org/2512.05594
11. 国际Prompt-guided LLM agent for end-to-end ontology learning(OntoGPT/LangChain/Pydantic 校验). 2025. itce.vn.ua
12. 国际Ontology Engineering in Practice: Standards, Tools, and AI(RDF/OWL/SKOS/SPARQL/Protégé/TopBraid). beigemedia.org
13. 国内中科院信息工程研究所 王鑫团队. SCOPE and SCION: Benchmark and Auditable Pipeline for Schema Induction and Fusion from Text. ICML 2026. iie.cas.cn
14. 国内Du R., An H., Wang K., Liu W.(清华). A Short Review for Ontology Learning from Text: Shallow, Deep to LLMs. arXiv, 2024. ar5iv.labs.arxiv.org/2404.14991
15. 国内《故障树领域本体及 SWRL 规则的构建方法研究》. 计算机科学. jsjkx.com
16. 国内《电网应急预案领域本体模型构建及应用》(改进七步法). 清华大学学报. jst.tsinghuajournals.com
17. 国内《基于〈中国药典〉的中药知识图谱构建与应用》(Protégé+Neo4j+规则抽取). yxxxx.ac.cn
18. 国内《基于本体的网络安全知识图谱构建方法》. 信息网络安全, 2025. netinfo-security.org
19. 国内《领域本体构建方法概述》(骨架法/TOVE/METHONTOLOGY/循环获取法/七步法). uml.org.cn
20. 国内《作战仿真本体构建研究》(OWL+SWRL). 指挥控制与仿真. zhkzyfz.cn

说明:本报告综合公开学术文献与技术资料整理,部分论文为期刊/会议出版物,访问原文可能需机构权限。算法效果与年份以原始论文为准。

— 本体建模「规则提取」国内外技术方案深度研究报告 · 完 —