开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >Ontology（本体）Part 2：构建 Ontology 实战

Ontology（本体）Part 2：构建 Ontology 实战

顺势而为

发布于 2026-09-23 23:44:35

发布于 2026-09-23 23:44:35

1550

举报

概述

数仓 + LLM 自然语言查询分析是 2024 年以来很热的方向，但实际落地时大家很快会遇到几个痛点：

本文系转载，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

目录

0. 为什么要做这件事

1. 数据源与映射 Schema
- 1.1 数据源：AdventureWorks
- 1.2 核心映射规则
- 1.3 NULL 处理策略

2. 项目用到的 OWL 进阶概念
- 2.1 FunctionalProperty — 一对一约束, 这是用到 Object Property 也就是 Relationship 的约束。
- 2.2 TransitiveProperty — 递归层次，Object Property 约束。
- 2.3 inverseOf — 双向关系，Object Property 约束。
- 2.4 equivalentClass + Restriction — 定义类（Defined Class）
- 2.5 disjointWith — 互斥，Class定义约束。
- 2.6 someValuesFrom / hasValue / qualifiedCardinality
- 2.7 xsd facet — 用数值范围定义类

3. 用 LLM 生成初版 OWL
- 3.1 Ontology 的构建是一个复杂的，繁琐的人力工程，有了大语言模型势必事半功倍！
- 3.2 工作流 — 我选择先用"LLM 生成脚本"而非"直接吐 .owl文件"
- 3.3 关键代码片段
- 3.4 验证：跑脚本，看统计

4. 导入 Protégé 做可视化增强
- 4.1 Protégé 面板巡礼
  - Active ontology — 本体头部和指标
  - Classes — 类层次和可视化
  - Object Properties — 对象属性
  - Data Properties — 数据属性
  - Datatypes — 可用的数据类型
  - Individuals — 所有命名个体
  - 如果你想直观的查看个体之间的关系，Individuals by class — 按类查看个体是最常用的
  - OntoGraph — 关系图
- 4.2 手动增强示例：调整类型映射
- 4.3 其他典型的手动增强

5. 查询和验证 Ontology
- 5.1 DL Query 实战：高价值订单
- 5.2 SPARQL 实战：最贵的自行车排序

6. 总结
- 5 步动手清单
- 适合的场景
- 不适合什么场景

附录