领域本体构建研究及在专利信息服务中的应用.pdfVIP

江苏省系统工程学会第十一届学术年会 领域本体构建研究及在专利信息服务中的应用1 孙涌，韦小丽 (苏州大学计算机科学与技术学院；江苏苏州215006) 摘要：本体是语义检索的核心。本体构建主要包括领域概念获取和概念间关系获取，其中领 域概念获取是本体构建的基础。本文采用基于最大熵模型的方法来获取概念，该模型首先通过对领 域文本进行挖掘而得到名词性短语，然后使用改进的TF．IDF公式从中抽取具有领域性的短语，经人 工修正后得到本体概念。本工作以专利服务平台为背景，并以电梯专利信息为例进行实际应用，结 果表明此方法提高了概念的准确性和完整性。 关键词：本体：最大熵模型；自然语言处理：专利信息服务 1引 言 专利信息作为集技术信息、经济信息和法律信息于一体的实用知识，是技术情报的重要来源， 它具有内容广泛详尽、实用性强、格式统一规范和传递信息快等特点。据统计，世界上已发布的专 利文献已近4000万件，每年出版的专利文献有100多万件，约占世界科技出版物总数的1／4，另据 的发明成果从未在其他非专利文献上发表【l】o由此可见，专利信息具有其它类型文献信息无法替代 的优点，有着非常高的利用价值。 目前，国内外有许多著名的专利检索系统，如欧洲专利局专利检索系统【I】、美国专利商标局专 15]、世界知识产权组织专利数据库WIPO(61、中华人民共和国国家知识产权局专利检索系统SIPO(玎、 中国知识产权网专利检索系统CNIPR[81等，通过对上述组织和机构专利检索系统提供的数据库、检 索方式、检索入口以及支持的逻辑运算符等方面进行比较，发现目前的专利检索系统存在两个方面 的不足： 首先，目前专利检索系统主要采用基于关键字匹配的检索方式，这种方式曾在一定程度上方便 和帮助用户进行专利信息的检索，但是随着用户对专利信息需求发生根本性的改变，即转化为知识 需求，由于传统信息检索方式无法忠实地表达用户的真实检索意图，仅仅是字面意义或某层意义， 因此检索的查全率和查准率得不到保证，无法很好的满足用户的需求。 其次，目前专利检索系统的检索结果通常直接展示给用户，用户需要从数量庞大的结果集中寻 找实际需要的专利信息，专利检索系统对用户检索的导向很弱。 而本体具有良好的概念层次结构和对逻辑推理的支持，因而在信息系统中得到了广泛的应用。 目前，国外开发的系统有SCORE、OEDSeW、Time2Search、RDF OntoBroker、KAONPORTAL、Sydom、OntoSeek等。 I基金项目：国家自然科学基金项目：教育部科学技术研究重点项目(2070加) 作者简介：孙涌，副教授，博士，研究生导师，主研方向：智能信息处理．软件T程，科学计算可视化；韦小爵(1983-)。女．硕士研究生， 主研方向：智能信息处理，数据挖掘．E-wail：stmyon90092@vip．sina．com·weihuili5；@sina．c,om· -955． 江苏省系统工程学会第十一届学术年会 国内的研究相对来说起步比较晚，但是研究成果也相继出现。2001年，武成岗[91等人提出了基 于本体和多智能主体的信息检索服务器，该系统利用本体协助智能主体对网络上的文档进行领域分 类，同时对用户的查询信息进行规范，由于仅提供给用户所关注领域的资源索引，因而检准率较高。 2003年，万捷【lo】等人提出基于内容的信息检索，利用本体将用户的检索要求扩充成语义集，并将检 索到的文档通过文档分析器进一步过滤，使用户最终得到与检索要求内容匹配度较高的文档。董慧 01-12]等认为传统的信息检索机制在数字图书馆中存在“忠实表达”、“表达差异”和“词汇孤岛”三 个深层次的问题。认为基于知识(或概念)层面的检索系统能解决此类问题，在文中提出数字图书馆本 体论模型，并设计了一个基于本体论的检索算法。 通过对本体在信息系统中应用现状的分析，作者认为，在专利信息检索中借助领域本体，一则 可以对用户给出的检索词进行语义扩展，把未意识到的、未清晰表达的用户检索意图进行显现，充 实用户检索词，从而使检索的结果更全面、更精确；二则可以将基于本体的扩展检索词显示给用户， 用于引导用户进一步定位检索，启发其深入检索以获得更好的检索效果。 本文的研究工作属于《基于VLDB集