面向本体知识的可视化检索研究.docVIP

PAGE 3 - 面向本体知识库的可视化检索研究* * 本文受“十一五”科技支撑计划课题 “网络科技信息监测与评价”资助。 许德山1，2 张智雄2 邢美凤1，2 Xu Deshan Zhang Zhixiong Hong Na (1中国科学院研究生院，北京 100049） (2中国科学院国家科学图书馆，北京 100190） (1 Graduate University of Chinese Academy of Sciences ,Beijing 100049) (2 The National Science Library, Chinese Academy of Sciences ,Beijing 100190) [摘要] 可视化检索技术是图形生成和语义检索相结合的一种新技术。文章首先探讨了信息可视化的主要方法，然后介绍了领域本体知识库的内部结构，接下来重点说明可视化检索的实现思路和后期的研究要点。 [Abstract] Visual search is a new technology which integrates graphic generation and semantic retrieval. This paper first discusses the main method of information visualization, and then describes the internal structure of domain ontology knowledge base, followed by the introduction about design ideas of visual retrieval and the later study points. [关键词] 语义检索 本体可视化 Jung应用 [Keyword] Semantic Retrieval Ontology Visualization Jung Application 引言 近年来，随着科学研究的发展，产生的科技文献越来越多，如何获取海量文献中的重要概念，高效、迅速的了解前沿的科技发展动态越来越重要。搜索技术的提升带给用户诸多的方便，但现有搜索引擎的返回结果大多以相关性进行排序，面对数不清的海量链接，普通用户难以在短时间内找到所需的信息。即便发现相关的信息也需要通过比较、分析、综合等方法获取所需的知识。为了及时地处理信息、利用信息，快速的理解大量信息间的关系和其中隐含的知识，研究人员不断的探索各种信息可视化技术来辅助检索过程。将本体应用于信息可视化中，可以有效地将抽取到本体的网页资源可视化，更方便地搜索、浏览和分析。 1信息可视化的方法 知识可视化是在数据可视化、信息可视化的基础上发展起来的一种多维度的知识表示手段。它需要人工智能、知识科学、计算语言学和认知语言学等学科的强力支持。知识可视化技术是最近几年出现的，但是从它本身的特征来看，在不久的将来，它必将产生广泛的用途。 在高维的虚拟结构中，知识单元及其关系错综复杂，内在的规律和特征被大量的数据所淹没，要向在保留重要模式的条件下，实现其在二维或三维空间的可视化是整个知识可视化过程的关键。主要的映射方法如下[1]： 1.1聚类分析 聚类分析是指把分析对象根据彼此之间的相关程度分成类群，是群内尽量相似，群间尽量相异，然后进行分析研究。聚类分析的一般过程是：首先计算每个对象和其他对象之间的相似系数，形成相似系数矩阵，然后把相似系数矩阵作为输入数据，根据一定的聚类算法把对象分成簇。聚类过程可以分为等级聚类和非等级聚类两种。 等级聚类法又称层次聚类发，根据聚类过程的不同，可分为分解法和聚合法两类。用等级聚类法可以反映成对象之间的层次关系，但由于计算量和聚类图形复杂程度的限制，等级聚类常用于相对数量较少的对象聚类。 非等级聚类算法的优势在于：它以组内尽量同质的原则进行，且能够处理较大数目的样本。但不足之处在于它只提供最后的分组信息，而不提供聚类过程的细节信息和对象间的等级从属关系,因此，不适合知识可视化的需要。 1.2降维算法 将原始的高维信息，通过映射或变换的方法，生成对应的低维空间中的数据坐标的过程称为降维，也称作特征提取。其基本任务是研究从众多的特征中找出那些对研究目标最有小的特征，从而实现特征空间维数的压缩。将高维的文本信息转化到二维或三维空间的过程中，要尽量保持信息的可解释性，利用抽象的概念将高维次空间中的信息表征出来，而且还要通过合理的图形方式展示出来。 1.3交互式设计 交互式设计同样也是可视化检索需要考虑的关键问题。在有限的屏幕范围内显示复杂的信息结构时，显示更多的低层次细节还是更多的高层次上下文信息需要权衡考虑，界面的设计不紧要能够轻松