《信息系统分析与设计 陈禹》文件5.docVIP

CNAIS2005 面向语义检索的本体建模及算法研究* 苏丹1，杨小平2 (中国人民大学 信息学院 100872) 文 摘：本文针对目前网络信息检索中存在的查全率和查准率低等问题，利用Ontology能够有效表述概念层次结构和语义的特点，提出了一种基于本体的信息检索系统模型，并对信息收集、存储、领域本体构建、语义匹配及扩展等几个关键的方面进行了介绍。 关键词：本体；领域本体；信息检索；语义检索 中图分类号：TP393 1 引言 随着Internet/Intranet的普及与推广，网络上的信息量呈指数级增长。搜索引擎为用户提供了一种方便快捷的信息检索途径，但是目前的搜索引擎主要是基于关键词的全文匹配或是基于主题分类的目录式检索(例如Yahoo)，其结果往往会返回大量无关的链接，使用户不得不花费大量的时间去排除无关信息。与此同时，不同用户对同一概念的表述形式往往会有差异，从而导致很多有用信息被遗漏。“信息过载”和“信息遗漏”的问题使得传统信息检索方法的查全率和查准率都得不到保证，并且传统方法无法搜索网页上的隐含信息和其他相关信息。因此在检索过程中应该导入网页内容的概念表述——语义，使检索过程由传统的关键词匹配进化为基于语义的概念匹配以克服上述种种缺陷。 在这种检索的智能化过程中，本体（ontology）扮演了一个十分重要的角色，为基于语义的智能检索提供了基础。本文在建立领域本体模型的前提下，提出了一种基于本体的Web信息检索模型，该模型将查询关键字与语义相结合，在一定程度上实现了语义检索，较好的解决了传统检索方法中存在的问题。 2 系统模型 信息检索的核心是对信息的表示、存储、组织和访问。传统基于关键字的检索方式很难解决“精确表达”和“表达差异”的问题，尤其是在中文环境下，由于中文表达的复杂性，同义、近义词以及一词多义的现象大量存在，给检索的精确度造成了较大的影响。为了解决这个问题，我们引入了本体（ontology）来表达概念间的语义关系。本体是对概念化对象的明确表示和描述；而领域本体（Domain Ontology）描述了某个专业学科领域中的概念词表以及概念间的关系。利用领域本体模型，我们能够将关键词映射为相应的本体概念，在一定程度上实现基于语义的检索，从而提高检索的查全率和查准率。通常本体在信息检索中能够起到以下作用：对文本依据概念进行分类，提高查询的效率准确率；消除歧义、理解语义；根据相关概念进行推理，挖掘隐含信息。 因此，我们将本体和语义引入到web信息检索中，针对中文信息检索环境的特点，提出了如图1所示的基于本体的信息检索系统模型。 图1.系统模型 整个系统模型采用B/S结构，可分为表示层、应用层和数据管理层，同时我们建立了多个Agent来实现语义查询过程。其中表示层主要是人机交互界面，用于用户输入查询请求、进行交互式确认以及展示最终的查询结果；应用层用于处理用户提交的查询请求，对用户查询进行预处理、查询规范和扩展，并完成最终的查询过程；而底层的数据管理层则用于管理本体知识库和文档数据库。 3 领域本体的建立 由于基于本体的语义检索建立在本体知识库以及文档数据库基础之上，因此在进行检索之前，首先需要建立起相应的底层数据结构。 3.1本体建模 本体是描述现实世界的概念化体系，而领域本体则是针对特定领域相关的术语或词汇。因此构建本体的关键在于定义类（概念）的等级体系及其相互关系。目前有多种用于描述本体的语言和本体建模工具，常用的本体描述语言有OKBC 、XML、RDF和RDFS、OWL、 OIL以及 DAML等，主要本体建模工具包括Protégé和OIED等。因此构建领域本体时，可以根据需要选用恰当的本体语言。通常建立领域本体过程如下所述： 首先确定本体的专业领域和范围； 其次，设计领域知识的整体概念结构，包括：识别本领域重要的概念项、概念属性和概念间的关系；提取或设立抽象概念作为组织特征；识别具有实例的概念；产生概念定义，决定如何已定义的项进行组织，确定本体的结构等； 然后通过定义本体中的类以及类的等级体系，定义属性槽以及槽的侧面等本体要素组织和表示领域概念知识； 最后定义类的单个实例，并添加特定的属性槽赋值信息和限制条件来建立具体的本体知识库。 根据上述步骤我们使用protégé构建了“大学教务系统”本体模型，如图2所示，它能够清晰的反映出概念间的层次关系，并通过属性约束指明各个概念间的联系。 图2教务系统模型 对于已建立的本体模型，可以采用不同的方式进行存储。例如，直接将OWL/RDF文件存储在磁盘上；或者将RDF/OWL文件以三元组的形式存储在关系数据库中；或者采用XML数据库进行存储，当然，也可以采取多种存储方式相结合的方法来存储本体模型。 3.2 文