（图书馆学专业论文）本体论在网络信息检索中的应用研究.pdf

本体论在网络信息检索中的应用研究 摘要 随着网络信息的爆炸性增长，常规的基于关键词的网络信息检 索技术已越来越不能满足用户的检索需求，而本体论作为一种新的 知识表示方式，由于具有良好的概念层次结构和对逻辑推理的支持， 因而在网络信息检索中具有广阔的应用前景。 通过本体论，一方面可以把信息检索从基于关键词的层次提高 到基于概念的层次，从而提高系统的查准率与查全率；另一方面可 以对概念之间的相关性进行推理挖掘，从而满足用户进行智能化信 息检索的需求。 本文对本体论在网络信息检索中的作用，从用户需求的分析与 实现、目标文档的分析与语义标引以及用户兴趣模型的构建等三个 方面进行了深入的分析与探讨，并在此基础上构造了一个基于本体 论的智能化网络信息检索模型。 本文的主要贡献有： 1 、提出了一种基于本体论的网页文档的标引算法。该算法利用 本体论对提取的网页特征词汇进行概念歧义的消除，然后建立本体 论与网页文档之间的映射关系，从而实现对网页文档进行语义标引。 2 、提出了一种基于本体论的智能化查询算法。该算法充分利用 本体论的推理功能，把出现在用户查询中的概念、关系以及属性等 信息进行综合考虑，从而挖掘出用户的真正需求所在。 3 、提出了一种基于本体论的智能化网络信息检索模型。该模型 的实现不仅比传统的检索系统具有更高的查全率和查准率，而且在 一定程度上使检索系统更具智能化和个性化。 关键词：本体论，语义标引，用户兴趣模型，智能化查询，信息 检索模型 a b s t r a c t w i t ht h er a p i di n c r e m e n to ft h ei n f o r m a t i o no nt h e w e b ，t r a d i t i o n a l i n t o n n a t l o nr e t r i e v a lb a s e do nt h ek e y w o r d si s f a rf r o mu s e r ss a t i s f a c t i o ni n r e c a l la n dp r e c i s i o n a san e w w a yo fk n o w l e d g ed e s c r i p t i o n ， o n t 0 1 0 9 yw i l l n a v eaw l d ep r o s p e c to fa p p l i c a t i o ni n s e a r c he n g i n ea r e ab e c a u s eo fi t s c a p a b i 王i t yt or e p r e s e n tm e a n i n go ft h ei n f o r m a t i o nb ya h i e r a r c h i c a ls t m c t u r e a n di t sr e a s o n i n gs u p p o r t u nt h eo n eh a n d ,t h ei n f o r m a t i o nr e t r i e v a l c a nb ep r o m o t e d 行o mt h e k e y w o r d sl e v e lt 0t h ec o n c e p t i o nl e v e lb yo n t o l o g y ， i tw i l lp r 咖o t et h er e c a l l 锄dt h ep r e c i s i o n ； o nt h eo t h e rh a n d ，t h e r e l e v a n c eo ft h ec o n c e p t i o nc a n b e e x p l 0 1 t e da n dr e a s o n e d ， i tw i l lr e a l i z ei n t e l l i g e n tj n f 0 咖a l i o nr e t r 至e v a 】 f h i st h e s l sg i v e si n - d e p t ha n a l y s i sa n dd i s c u s s i o na b o u t t h e 如n c t i o no f t h eo n t o l o g yi nt h t e ea s p e c t so f i n f o r m a t i o nr e t r i e v a l ， i n c l u d i n gt h ea n a l y s i s a n dc o n s t r u c t i o no fu s e r sd e m a n d 、t h ea n a l y s i sa n d s e m a n t i ci n d e x i n go f t a r g e t e nd o c u m e n t sa n dt h ec o n s t r u c t i o no f u s e ri n t e r e s tm o d e l ， a n dt h e na n i n t e n l g e n t1 n f o r m a t i o nr e t r i e v a lm o d e lb a s e d o i lo n t o l o g yi s g i v e n t h em a i nc o n t r i b u t i o n sa r e a sf o i l o w s ： l r r o p o s ea no n t o l o g y - b a s e ds e m a n t i ci n d e x i n gm e t h o d t h em e t h o d t a k e sa d v a n t a g eo f o n t o l o g yt oc l e a rt h ec o n c e p t u a la m b i g u i t ya n d t h e nb u i l d t h er e f l e c t i v er e l a t i o n s h i pb e t w e e no n t o l o g ya n dt h ew e b d o c u m e n l ，w h i c h f e a l i z e st h es e m a n t i ci n d e x i n go f t a r g e t e dd o c u m e n t 。 z p r o p o s ea no n t o l o g y 。b a s e d i n t e l l i g e n tq u e r ym e t h o d t h em e t h o dt a k e s 血i lu s eo ft h ef u n c t i o no f o n t o l o g yr e a s o n i n g ，a n dg i v e saf u l lc o n s i d e r a t i o n o tc o n c e p t s 、 a t t r i b u t e 、 r e l a t i o n s h i pa n do t h e ri n f o r m a t i o ni nu s e r s q u e r y , w h i c hc a nf i n do u tw h a t u s e r sr e a l l yn e e d 一 j p r o p o s ea n d 姗p l e m e n ta no n t o l o g y - b a s e di n t e l l i g e n ti n f 0 加a t i o n r e t r l e v a lm o d e l t h er e a l i z a t i o no f t h i sm o d e ln o to n l yw i l lp r o m o t et h er e c a l l a n dt h ep r e c i s i o nb u ta l s om a k e st h e r e t r i e v a ls y s t e mm o r e i n t e l l i g e n ta n d k e y w 。r d s ：。n t o l 。g y ，s e m a n t j ci n d e x i n g ，u s e ri n t e r e s t m 。d e l ，i n t e l l i g 蚰t i n f o r m a t i o nr e t r i e v a l ， i n f o r m a t i o nr e t r i e v a im o d e l 学位论文独创性声明 本人承诺：所呈交的学位论文是本人在导师指导下所取得的研究成果。论文 中除特别加以标注和致谢的地方外，不包含他人和其他机构已经撰写或发表过的 研究成果，其他同志的研究成果对本人的启示和所提供的帮助，均已在论文中做 了明确的声明并表示谢意。 学位论文作者签名：专专表 日 学位论文版权的使用授权书 期：州f 岁 本学位论文作者完全了解辽宁师范大学有关保留、使用学位论文的规定，及 学校有权保留并向国家有关部门或机构送交复印件或磁盘，允许论文被查阅和借 阅。本文授权辽宁师范大学，可以将学位论文的全部或部分内容编入有关数据库 并进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。保密 的学位论文在解密后使用本授权书。 学位论文作者签名：志髻忘 艚狮躲锄度 日 期：阳护。r ? 本体论在网络信息检索中的应用研究 第一章绪论 1 1 问题的提出 目前人们在利用搜索引擎进行信息检索的过程中，普遍遇到了 “信息过载”的问题，即系统返回的信息量过多，远远超过了用户 所能接受和处理的能力。虽然返回的信息数量巨大，但是有相当数 量的信息却并不是用户所需要的，使得用户将大量的时间耗费在排 除无关的信息上，也就是说搜索引擎的查准率较低；同时，又由于 检索用户和网络文档对同一概念的表达形式往往会有差异，这又导 致许多有用的信息用户无法检索到，也就是说搜索引擎的查全率也 是较低的。造成这一现象产生的根本原因，在于当前的搜索引擎存 在有以下两大方面的不足： ( 1 ) 基于关键词的标引和检索方式不符合语义理解的需要。 现有的搜索引擎提供的检索方式几乎都是基于关键词的方式， 虽然基于关键词的检索方式给人们的检索带来了很大的方便，但它 却不能很好地表达用户的检索需求，这主要表现为： 第一，“忠实表达”的问题。在很多情况下，用户很难简单地通 过一个关键词或关键词串来忠实地表达他的检索要求，表达的不准 确导致检索结果的不准确。 第二，“表达差异”的问题。关键词语言是一种自然语言，随着 时间、地域、领域的改变，同一词汇可以表达不同的语义概念，即 “一词多义 的现象；同概念也可以使用不同的词汇表达，即“一 义多词”的现象。表达的差异导致检索结果的不完全或者不理想。 第三，“词汇孤岛 的问题。在人的大脑中，概念不是孤立存在 的，它总是与其它概念之间存在着各种联系，用户在检索一个词时 除了希望得到包含该词的资源之外，还希望得到与该词相关的其它 信息。在传统的检索技术条件下，这种概念关联的检索是实现不了 的，用户的检索词汇成为一个词汇的孤岛。n 3 同样，现有的搜索引擎在对网页文档进行标引时，采用的也都 是基于关键词的方式。由于不同的关键词可以用来表达同一个概念， 同一个关键词在不同的语义环境中可以表示不同的语义，所以利用 本体论在网络信息检索中的应用研究 关键词标引文档也存在着容易脱离文档的语义内容，无法真实表达 文档内容特征的问题。 ( 2 ) 个性化能力太差。 现在的搜索引擎对所有的用户采用的都是同一种模式，不同的 用户只要用相同的关键词进行查询，得到的结果将会是一样的。显 然，这样的搜索引擎个性化能力太差，它没有考虑到每个用户的个 体差异，不能根据用户背景、爱好的不同，获取用户不同的个性化 信息需求，从而给出不同的检索结果。另外，搜索引擎只负责返回 结果给用户，并不关心用户对返回结果的评价，没有考虑利用用户 的反馈来进一步提高系统的检索性能。总而言之，目前的搜索引擎 针对的是一般的共性用户而不能满足单个用户的个性化查询需求。心3 从以上搜索引擎存在的不足我们可以看出，当前的搜索引擎在 进行网上信息收集和提供查询服务方面存在着严重的效率和质量问 题，这就要求新一代的信息检索系统一一智能化的信息检索系统的 产生来弥补当前各种搜索引擎的不足。智能化的信息检索系统试图 从语义概念层面上理解和标引文档，并根据用户个人的相关信息智 能化地理解用户的信息需求，从而实现语义概念检索，而不是简单 的字符串匹配。 本体论作为一种新的知识表示方式，由于具有良好的概念层次 结构和对逻辑推理的支持，因而在实现智能化的网络信息检索中具 有广阔的应用前景。通过本体论，一方面可以把信息检索从基于关 键词的层次提高到基于概念的层次，从而提高系统的查准率与查全 率；另一方面还可以对概念的相关性进行推理，挖掘出用户的真正 需求所在，从而实现智能化的信息检索。 1 2 目前国内外研究状况 ， 1 2 1 国外研究状况 国外关于本体论在网络信息检索中的应用研究涉及的内容很 多，就笔者搜集到的一些文献资料来看，主要有以下几个方面： ( 1 ) 研究如何将用户的查询语言和资源描述用本体论加以规范 化和形式化，这样查询请求和资源描述相一致，消除了表达上的差 2 本体论在网络信息检索中的应用研究 异，从而提高了信息检索的查准率。这种情况很适合于在线黄页以 及产品目录之类的信息检索系统。o n t o s e e k 系统1 即是一个基于内 容、从在线黄页和产品目录中进行检索的系统，该系统将本体论驱 动的内容匹配机制与一个表示形式化的系统相结合，提供了一个可 以用领域内任意词汇进行交互式语义查询的系统。 ( 2 ) 研究利用本体论进行文档标注，即如何将本体论知识嵌入， 到文档中去。在这个领域里，很多研究机构专门研究并提出了一些 标注模型，如德国的k a r ls r u h e + 大学应用计算科学和形式化描述方 法研究所( i n s t i t u t ef o ra p p l i e dc o m p u t e rs c i e n c ea n df o r m a l d e s c r ip tio nm e t h o d s ) 开发的o n t o b r o k e r 系统h 1 ，该系统的核心是 用形式化本体论来描述背景知识，并明确化网络文档的语义，以便 综合利用本体论的表达能力和推理机制。 ( 3 ) 研究利用本体论进行大规模知识库的构建以及在此基础上 的推理。如c y c 项目哺1 ，它是c y c o r p 集团正在进行的一个项目。c y c 知识库中有数以千计的微理论( m ic r o t h e o r y ) ，每个微理论都由一串 断言构成。微理论的机制允许c y c 可以独立地维护乍看起来具有矛 盾对立性的断言，并促进c y c 系统提高专著于推理过程的能力。 c y c o r p 集团的目标是打破“软件开发的瓶颈”，构建“通用性常识 知识基础一一集结了术语、规则和关系的语义底层，这一知识库的 成功将带来为数众多的知识密集型产品和服务。 ( 4 ) 研究利用本体论进行用户查询的扩展。在基于本体论的用 户查询扩展方法的研究中，出现了两个主要的分支：一个是基于本 体论的结构进行查询扩展的方法1 ，其基本的思想是利用本体论中的 路径来进行用户查询的扩展，在本体论的结构图中，每一个概念的 节点都与其它节点有着连通的路径，因此可以选择与该节点连通的 路径上的概念来对用户的查询进行扩展，而对概念的选择则依赖于 本体论的结构；另一个是基于本体论的注释进行查询扩展的方法， 该方法假定了在本体论中相似的概念也具有相似的定义，它使用本 体论中的概念并对其扩充了注释，在进行查询概念扩展时，通过对 概念的注释中出现的单词或术语进行统计，以此来决定两个概念是 否相似。 3 本体论在网络信息检索中的应用研究 1 2 2 国内研究状况 与国外涌现的研究项目和研究成果相比，国内关于本体论在网 络信息检索中的应用研究尚处于起步阶段。就笔者搜集到的一些资 料来看，主要涉及以下几个方面内容： ( 1 ) 对检索文档按领域进行分类标引以及对用户的查询进行规 范的研究。中科院计算所智能信息实验室建立的基于本体论和多主 体的信息检索服务器阳3 是一种利用多智能主体和本体论设计的信息 检索服务器，它集成了界面主体、预处理主体、管理主体、信息处 理主体和具有移动性的信息搜集主体，并在本体论的协助下对被检 索文档按领域进行分类，同时对用户的查询信息进行规范。 ( 2 ) 对用户查询进行语义扩展的研究。哈工大计算机系的廖明 宏等提出了一个智能搜索引擎模型，阳1 利用本体论表示的概念之间的 内在联系将用户查询请求的一些隐含信息挖掘出来，使这些信息在 检索中起着导引作用，从而准确地表明了用户的查询意图。东南大 学的万捷等提出利用本体论的层次结构，根据概念间的距离来对用 户查询进行扩检，从而提高信息检索的查全率。n 叫 ( 3 ) 对基于本体论的用户兴趣模型的研究。国防科技大学的徐 振宁等提出的基于本体论的智能信息检索系统，利用本体论技术 和多主体技术对多层次用户偏好建模，并用多种相关反馈学习算法， 有效地解决了在特定领域范围内精确语义查询、自适应用户兴趣和 信息源的变化，以及系统的可扩展性等问题。 ( 4 ) 对信息抽取的研究。北京理工大学人工智能研究所的廖乐 健等，从知识表示与推理的角度研究了提高信息抽取智能性的途径， 提出本体论与模板规则相结合的技术，并针对线性模板表示的局限 性提出了基于二叉树结构的模板规则表示。该技术目前已经成功地 应用于招聘广告的信息抽取。n 列 ( 5 ) 对本体论的构建以及基于本体论的信息检索的推理功能的 研究。中科院的李景博士进行了花卉学本体论模型构建的研究，利 用c y c 本体论系统的方法和技术对花卉学的知识体系进行了组织， 并在此基础上开发了花卉学文献试验性本体论检索系统，测试了系 4 本体论在网络信息检索中的应用研究 统的排除歧义和推理检索功能。们 1 总的来看，关于本体论在网络信息检索中的应用研究目前尚处 在一个试验和探索的阶段。到目前为止，互联网上还未出现一个非 常完善的、基于本体论的语义检索工具。即使是具有较佳推理功能 的c y c 本体论系统，也只能识别用c y c l 写成的断言，而后才可以进 行推理。而在大多的基于本体论的网络信息检索的研究中，其检索 方法主要是考虑把传统方法中从用户查询和网页文档中抽取出来的 关键词替换为含有语义的概念，以此把基于关键词级的检索提升到 概念级的检索，另有一些更深入的关于本体论在网络信息检索中的 应用研究还考虑到了概念和概念之间的关系，利用概念的层次结构 等刻画概念两两之间的距离和相似度，具有一定的参考价值和实践 意义。然而这些方法大多都没有充分利用本体论中的属性、公理和 函数的作用，从实质上忽略了网络文档和用户查询中蕴含的其它有 价值的信息。如果能够充分利用本体论的推理功能，把这些出现在 文档和用户查询中的概念、关系以及属性等信息综合考虑，就能够 更进一步地把本体论的作用发挥出来。n 4 1 本文在这方面试图做一些 有益的探索。 1 3 本文的研究内容与创新 本文在对目前关于本体论在网络信息检索中的应用研究状况进 行总结的基础上，就如何利用本体论技术实现智能化的网络信息检 索展开了深入的研究，并考虑了如何能够充分利用本体论的推理功 能，把出现在文档和用户查询中的概念、关系以及属性等信息综合 考虑，以进一步地把本体论在网络信息检索中的作用发挥出来。 具体来说，本文的研究主要包括两个方面的内容：( 1 ) 针对本 体论在实现智能化的网络信息检索中的作用进行了深入的研究。本 文针对本体论在目标文档的分析与语义标引、用户需求的分析与实 现以及用户兴趣模型的构建等三个方面的应用进行了深入的分析与 探讨，并分别提出了具体的应用策略和算法。通过对本体论在这三 方面的应用研究，揭示了本体论在实现智能化的网络信息检索中的 巨大作用。( 2 ) 构造了一种基于本体论的智能化网络信息检索模型。 在对本体论在网络信息检索中的作用进行研究的基础上，本文构造 5 本体论在网络信息检索中的应用研究 了一个基于本体论的智能化网络信息检索模型，并对该模型的各个 功能模块给予了详细的说明，另外还对该模型实现的预期效果进行 了分析。 本文的创新之处主要体现在以下三个方面： 1 、提出了一种基于本体论的网页文档的标引算法，该算法利用 本体论对提取的网页特征词汇进行概念歧义的消除，然后建立本体 论与网页文档之间的映射关系，从而实现对网页文档进行语义标引。 2 、提出了一种基于本体论的智能化查询算法，该算法充分利用 本体论的推理功能，把出现在用户查询中的概念、关系以及属性等 信息进行综合考虑，挖掘出用户的真正需求所在，从而实现智能化 的网络信息查询。 3 、提出了一种基于本体论的智能化网络信息检索系统模型，该 模型的实现不仅比传统的检索系统具有更高的查全率和查准率，而 且在一定程度上使检索系统更具智能化和个性化。 1 4 本文的组织结构 本文共分五章： 第一章介绍了课题研究的背景，概述了该领域的研究状况，指 出了本文的主要研究内容以及创新之处。 第二章概述了本体论的涵义以及主要的技术方法。 第三章详细探讨了本体论在语义标引、用户查询扩展与处理以 及用户个性化检索三个方面的作用，并就本体论在这三方面的应用 提出了具体的策略和算法。 第四章提出了一种基于本体论的智能化网络信息检索模型，并 详细介绍了该模型的各个模块的功能与实现。 第五章对本文的研究工作进行了总结，并对未来的工作进行展 望。 6 本体论在网络信息检索中的应用研究 第二章本体论概述 本体论( o n t o l o g y ) 原本是哲学领域里的一个概念。古希腊哲学 家亚里士多德将本体论定义为研究“存在 的科学，同时又把它分 为两个方面：一方面研究存在的本质，另一方面研究客体对象的理 论定义，即整个现实世界的基本特征。n 朝“o n t o lo g y 一词，最早 是在17 世纪时由德意志哲学家郭克兰纽( r g o c le n iu s ) 提出来的， 作为一种哲学理念的“o n t o l o g y ”，是在苏格拉底提出的“始基 问 题中萌芽，在柏拉图和亚里士多德那里奠定雏形，而最终在中世纪 经院哲学中成熟的。n 们 近年来，人们将本体论的概念引入到人工智能、知识工程和图 书情报领域，用以解决知识概念表示和知识组织体系方面的有关问 题。这是因为，在人类对世界的认知过程中，不同的人对客观世界 的认识是有差异的，这种差别是由于不同的人对同一事物具有不同 的概念而导致的。人与人之间缺乏共识导致了人们在交流与沟通过 程中经常会出现误差。共识是指人们对同一个客观事物的认识具有 相同的概念。本体论即是人类共识的集合，其目的是为了构建一个 统一的认识事物的标准。尤其是在计算机网络和人工智能等技术飞 速发展的今天，人们以往的信息收集、处理以及表达的方法受到了 极大挑战。网络信息时代要求对“知识获取”方式和“知识表达 方式做出重新调整。正是由于这种需要，人们才借助于本体论来解 决知识表示和知识组织等方面的问题，从而获得一种适应网络信息 时代的能力。n 本章针对本体论的涵义和技术方法进行了概括性的分析和归 纳。 2 1 本体论的涵义 本文在这里通过对本体论的定义、本体论的类型以及本体论的 作用等三个方面的介绍来明确本体论的涵义。 2 1 1 本体论的定义 7 本体论在网络信息检索中的应用研究 斯坦福大学的g r u b e r 于1 9 9 3 年最早给出本体论( o n t o l o g y ) 的 定义n 钉为“概念模型的明确的规范说明 。1 9 9 7 年b o r s t 进一步完善 为“共享概念模型的形式化规范说明。n 盯 德国卡尔斯鲁厄大学的s t u d e r 等学者于1 9 9 8 年提出本体论应具 有的四大特征：凹们 ( 1 ) 本体论是明确的( e x p lic i t ) 。被引用的概念所属的上位类 与在使用此概念时的限制条件应预先得到明确的定义和说明。 ( 2 ) 本体论是形式化的( f o r m a l ) 。本体论应该具有机器可读性。 ( 3 ) 本体论是共享的( s h a r e d ) 。在一个本体论中，知识所表达 的观念、观点应该“抓住知识的共性，也就是说，它不只是为某一 小部分人所接受的，而是为整个群体所接受的”。 ( 4 ) 本体论是概念化的( c o n c e p t u a liz a t io n ) 。它是一个概念 体系，又称概念模型。所谓概念化是指“客观世界中某些现象的一 个抽象模式，该模式是通过定义这些现象的相关概念形成的。 中国学者李景认为：弛本体论是一个关于某些主题的、层次清 晰的规范说明。它是一个已经得到公认的形式化的知识表示体系， 它包含词表( 或术语表) ，词表中的术语全是与某一专业领域相关的， 词表中的逻辑声明全部是用来描述那些术语的含义和术语问关系 的，即它们是怎样和其它术语相关联的。因此，本体论提供了一个 用来表达和交流某些主题知识的词表和一个关系集，关系集是词表 中术语间关系的集合。本体论作为知识组织的重要手段应该具有以 下要素： ( 1 ) 声明( s t a t e m e n t ) 。声明用来说明本体论所表示的知识范 围、主体，以及它的主要用途和目的。 ( 2 ) 公理( a x io m ) 。公理通常都是一阶谓词逻辑的表达式。公 理是那种无须再进行证明的逻辑永真式。例如，a 产生b ：乙肝产生 ( 乙肝的x x x 症状) 。 ( 3 ) 概念、又称为类( c o n c e p t ，c l a s s ) 。类是相似术语所表达 的概念的集合体。 ( 4 ) 属性( p r o p e r t y ，s 1o t ) 。属性用来描述类中的概念，具有 限制类中的概念和实例的功能。一些类具有某一属性，另外一些类 本体论在网络信息检索中的应用研究 不具备这一属性。属性是区分类的标准。属性具有继承性。一个属 性必须具有相应的属性值。例如，“种植 这一类，具有属性“方法 等。 ( 5 ) 函数( f u n c t i o n ) 。函数是关系( r e l a t i o n ) 的特定表达形式。 函数中规定的映射关系，可以使得推理从一个概念指向另一个概念。 例如，函数m o t h e r ( ) 的定义，是将某个人或生物与他( 它) 的母亲联 系到一起。对于任何人或动物而言，m o t h e r ( ) 的值是唯一的。而 m o t h e r ( ) 的逆反函数c h il d r e n ( ) 的值不见得是唯一的。 ( 6 ) 实例( i n s t a n c e ) ，也称个体。归根结底，类是实例的类， 实例是类的实例。函数是实例的函数，实例是函数的实例。实例是 本体中的最小对象。它具有原子性，即不可再分性。如果某个实例 还可以再进行划分，那么它就是一个类，而不是实例。实例可以代 入函数中去进行运算，而函数的运算结果一定是另外一些实例或者 是类。类，包含实例，而每个实例都有不属于其它实例的属性，这 是区分不同实例的唯一标识。 除上述定义外，不少文献从不同的问题域和研究角度出发，对 本体论又给出了各种各样的定义。对本体论的种种不同定义，都是 从不同的角度给出的相应解释。这些定义是相互补充的，并且不断 扩充本体论的应用范围。但它们都有一个共同点，即都包含g r u b e r 定义中所指，出的事实：“本体论是反映客观存在的概念模型，是对概 念模型的明确描述 。 2 1 2 本体论的类型 目前研究本体论的机构和组织很多，而由于应用领域的不同， 各个研究机构对本体论研究的侧重点也有所不同，因此存在着不同 的本体论的分类方式。如果按照本体论的内容来划分类别，可以将 这些为数众多的本体论划分为三种类型：领域本体论、通用本体论 和任务本体论。陋2 3 ( 1 ) 通用本体论 通用本体论或上层本体论、顶级本体( g e n e r a lo r u p p e r o n t o l o g y ) ，划分了存在于客观世界的实体的不同种类，定义 9 本体论在网络信息检索中的应用研究 的是最基本的概念类、属性及其语义关系。在这类本体论中，被定 义的知识可以跨学科应用，这些知识还包括与事物、事件、时间、 空间和地区等相关的词汇表扭引。目前世界上著名的通用本体论是c y c 公司的c y c 本体论，它以形式化语言表达了大量的人类基础知识， 例如事实、经验和用于推理的启发式。c y c 本体论中有数以千计的微 理论，每个微理论都由一串断言构成。近来，c y c 本体论已经拥有了 2 0 万条术语，还有数以万计手工录入的、解释术语的断言。另外术 语合并的功能还可以自动生成数以百万计的非原子化术语。c y c 的目 标是要建成百万级数量的断言的本体论，并在此基础上，对自然语 言理解、学习、问题求解等人类智能活动的机理进行研究。心 ( 2 ) 领域本体论 领域本体论是对某个具体领域的知识和特性的描述，通用本体 论不可能穷尽所有知识，要想使信息检索尤其是某个专业领域的信 息检索达到较高的水准，就需要建立并合理地使用领域本体论心引。 例如对于医学信息检索，就必须在医学领域中对各种疾病的症状、 产生原因、治疗方法、治疗药物等具体内容及其关系进行形式化表 示，并能使计算机借此判定什么样的疾病有什么样的症状，什么样 的药物治疗什么样的疾病等。领域本体论的建立需要领域专家的协 助，因为做好这一工作需要对领域知识和相关业务有全面深刻的理 解，并抽象出隐含的共性和辨析细微的差别。 ( 3 ) 任务本体论 任务本体论用于描述具体任务的求解方法，如医学诊断方法、 知识检索方法等。任务本体论和领域本体论最大的不同在于，它描 述的是动态知识，主要是某一领域内专家的行为知识，阐明处理任 务的策略、方法和过程，帮助计算机自动实现任务目标的执行。任 务本体论提供了一个针对具体任务解决方法的共享基础，在任务本 体论中经常描述的要素包括：任务目标、任务数据、执行状态等。心印 虽然上述分类方法在知识工程和图书情报领域具有某种普遍意 义，但还存在别的分类方案。如根据本体论的推理功能强弱，本体 论可以分为轻量级本体论、中级本体论和重量级本体论三种类型凹 。 ( 1 ) 轻量级本体论不具备逻辑推理功能，例如叙词表和w o r d n e t 。 1 0 本体论在网络信息检索中的应用研究 不具备推理功能的本体论，即使涵盖的概念再多，充其量也不过是 词表扩展后的加强版。 ( 2 ) 中级本体论具有简单的逻辑推理功能，系统可以识别一阶 谓词逻辑的表达式。 ( 3 ) 重量级本体论具有复杂的逻辑推理功能，系统可以识别更 加复杂的二阶谓词逻辑的表达式，并为更加复杂的推理功能的实现 预留了接口，如c y c 本体论系统。 2 1 3 本体论的作用 从一般领域应用的角度来理解，本体论主要有以下作用： ( 1 ) 在人、机器( 表现为软件代理) 以及人与机器之间共享。对 于信息及结构的共同理解是本体论开发的一个最基本的目标。举例 说明，假设几个不同的w e b 站点包含医药信息或者提供医药电子商 务服务。如果这些站点之间共享和发布他们共同使用的术语的本体 论，那么计算机代理就可以从这些不同的站点中抽取并集合信息， 用这些集合的信息来回答用户的查询请求或作为其它应用的输入数 据。 ( 2 ) 可以复用专业领域知识。譬如，许多专业领域的模型均需 要描述有关时间的概念。这些描述中包含时间间隔、时间点( 时刻) 、 相关的时间测算等概念。如果某个研究组织开发出这样一个详细的 通用本体论，其他研究组织就可以轻而易举地将它复用到各自的专 业领域中去。而且，要构建一个大型的本体论，也可以将几个现成 的本体论进行集成。乜钉 ( 3 ) 对于领域知识进行分析、明确，并使其形式化。当要重用 现有本体论和扩展现有本体论时，对术语的形式化的分析就体现出 它的重要价值。心叼 ( 4 ) 将专业领域的知识从运筹学、知识管理的环境中剥离出来。 用户可以按照必须的规范说明和执行程序来实现检索和查询等相关 功能，而用户本身不必非是i t 专家不可。们 ( 5 ) 本体论可以明确领域假设，使领域公理得到明确描述从而 达成共识。通过本体论可以明确领域假设，这些领域知识的明确说 本体论在网络信息检索中的应用研究 明对于要了解该领域的新用户了解该领域中的术语非常有用。如果 关于领域的知识发生变化，通过本体论可以非常容易的改变关于该 领域的假设。如果关于领域的假设被隐藏到了程序语言代码中，则 这些假设非常难以发现和理解，更难修改，特别是对那些不懂程序 的人而言更是如此。 2 2 本体论的技术方法 本体论的技术方法，在本文中主要介绍本体论的建立原则、本 体论的表示语言以及本体论的开发工具。 2 2 1 本体论的建立原则 出于对各自学科领域和具体工程的不同考虑，构建本体论的过 程各不相同。目前尚没有一套标准的本体论构建方法可供参考。不 过一般认为，斯坦福大学的g r u b e r 在19 9 5 年提出的5 条规则是比 较具有借鉴意义的：b 纠 ( 1 ) 明确性和客观性：本体论必须有效地说明所定义术语的意 思。定义应该是客观的，与背景独立的。当定义可以用逻辑公理表 达时，它应该是形式化的。定义应该尽可能的完整。所有定义应该 用自然语言加以说明。 ( 2 ) 一致性：本体论应该是一致的，也就是说，它应该支持与 其定义相一致的推理。它所定义的公理以及用自然语言进行说明的 文档都应该具有一致性。 ( 3 ) 可扩展性：木体论应该为可预料到的任务提供概念基础。 它应该可以支持在已有的概念基础上定义新的术语，以满足特殊的 需求，而无须修改己有的概念定义。 ( 4 ) 编码偏好程度最小性：概念的描述不应该依赖于某一种特 殊的符号层的表示方法。因为实际的系统可能采用不同的知识表示 方法。 ( 5 ) 本体论约定最小性：对本体论的约定应该最小，只要能够 满足特定的知识共享需求即可。这可以通过定义约束最弱的公理以 及只定义通讯所需的词汇来保证。 1 2 本体论在网络信息检索中的应用研究 5 条原则给出了构造本体论的基本思路和框架，但是明显的不 足之处就是它们所反映的内容非常模糊且难于把握。后来，其他一 些研究人员给出了不少面向具体操作的补充原则，其中比较著名的 有如下3 个原则：口3 1 ( 1 ) 概念名称命名标准化。 ( 2 ) 概念层次多样化。 ( 3 ) 语义距离最小化。 其中，概念层次多样化的目的是增强多继承机制的能力；语义 距离最小化的意思是尽可能把含义相似的概念抽象出来，用相同的 术语来表示。 2 2 2 本体论的表示语言 本体论的表示语言，又称为本体论的标记语言、本体论的构建 语言。本体论的表示语言，应该具有如下的基本功能：( a ) 为本体论 的构建提供建模元语( m o d e lin gp r i m it iv e s ) 。( b ) 为本体论从自然 语言的表示格式转化成为机器可读的逻辑表达格式提供标引工具。 ( c ) 为本体论在不同系统之间的导入和输出提供标准的机读格式。( d ) 形式化语言表示，利用机器可读的形式化表示语言表示本体论，可 以直接被计算机存储、加工、利用，或在不同的系统之间进行互操 作。 本体论在知识表示、自然语言处理、信息检索中具有非常重要 的作用，而这些重要作用的实现都要借助于本体论的表示语言才能 实现。下面介绍几种重要的本体论表示语言： ( 1 ) l o o m l o o m 是由南加州大学i s i 研究所的人工智能研究小组开发的， 它是一种基于二阶谓词逻辑的高级编程语言，属于描述逻辑体系的 语言工具，现在己发展为p o w e r l o o m 语言。p o w e r l o o m 采用前后向链 式规则( b a c k w a r da n df o r w a r dc h a i n e r ) 作为推理机制。l o o m 的特 点是：( a ) 提供表达能力强的声明性的规范说明语言；( b ) 提供强大的 演绎推理能力；( c ) 提供多种编程风格和知识库服务。 l o o m 是目前定义较完备、功能较齐全的本体论表示语言，同时 1 3 本体论在网络信息检索中的应用研究 也是一种高级编程语言，但由于它是一种基于d l 的框架式语言，对 一般的用户而言不易掌握。钉 ( 2 ) c y c l c y c l 是c y c 系统的描述语言，是一种体系庞大而又非常灵活的 知识表示语言，它的语法源自于一阶谓词运算。它的特点是：( a ) 在 一阶谓词演算的基础上扩充了等价推理、缺省推理等功能：( b ) 具备 一些二阶谓词演算的能力；( c ) 其语言环境中配有功能很强的推理机 制。与其它表示语言不同的是，c y c l 拥有非常庞大而又具有灵活表 达能力的功能特征集。 c y c l 仅次于l o o m ，也是一种较好的本体论表示语言。它的缺点 在于它本身不是w e b 上的推荐标准，难以作为所有网络资源的标引 规范使用。但是c y c l 的学习与应用都较为便捷，普通用户可以通过 学习较快掌握该语言的语法结构，而且c y c l 的背后有超大容量的c y c 知识库，前台有良好的应用界面和推理引擎的支持，这使c y c l 具有 优越的应用背景。? 引 ( 3 ) o w l o w l 语言是由w 3 cw e b - o n t o lo g y 工作小组开发的，其目的是为 了提供一种可以面向各种应用的语言。o w l 促进了由x m l 、r d f ( s ) 支 持的w e b 内容在机器间的互操作性。o w l 拥有三种表达能力递增的子 语言：o w ll it e 、o w ld l 和o w lf u l l 。o w l 语言在推理功能的定义方 面稍逊于c y c l ，但由于本身是w 3 c 的推荐标准，又具有与多种本体 论语言的兼容性和交互性，其底层语法符合x m l 标准格式，所以在 对网络资源的语义标引和本体论构建方面具有广阔的应用前景。6 1 2 2 3 本体论的开发工具 为了方便本体论的开发和应用，许多组织和团体开发了各种类 型的本体论开发工具，涉及的范围包括本体论的建立、本体论的归 并和整合、本体论的存储和查询、本体论的推理和学习、不同本体 论语言和格式间的转换等。下面是几种比较著名的本体论开发工具： ( 1 ) p r o t e g e 一2 0 0 0 p r o t e g e - 2 0 0 0 7 1 工具由斯坦福大学设计开发，是集本体论编辑 1 4 本体论在网络信息检索中的应用研究 和知识库编辑为一体的开发工具。它提供图形界面和交互式的本体 论设计开发环境，本体论开发人员可以在需要时迅速访问相关的信 息，可以直接实施导航和管理本体论的操作。p r o t e g e 一2 0 0 0 体系结 构的最主要的优势就是它的开放的模块化的风格，基于组件的体系 结构使系统开发者可以通过生成恰当的插件来增加新的功能。 ( 2 ) o n t o e d it o n t o e d it 盯是由德国卡尔斯鲁厄大学开发的，它使用图形方法 支持本体论的开发和维护。该工具允许用户编辑概念和类的层次结 构。这些概念可以是抽象的也可以是具体的，这些概念指出是否可 以直接包含实例。该工具基于较大灵活性的插入式框架，可以实现 以组件化方式扩展工具的功能。提供插件集为用户提供了个性化的 工具应用，可以根据不同的用途场景个性化地调整工具。 ( 3 ) o n t 0 1i n g u a o n t o lin g u a 阳刚是美国斯坦福大学知识系统实验室( k s l ) 开发的 一个本体论开发环境。它是一个在线本体论服务器，提供本体论库、 语言转换器、本体论浏览器和编辑器等服务，远端用户通过w e b 浏 览器与o n t o l i n g u a 服务器交互，建立本体论的形式化定义或对已建 立的本体论进行修改和维护。o n t o lin g u a 是一个功能非常强大的本 体论开发环境，特别是它对本体论的维护、共享、合作开发等环节 的支持程度。 4 们 1 5 本体论在网络信息检索中的应用研究 第三章本体论在网络信息检索中的作用 本章针对本体论在目标文档的分析与语义标引、用户需求的分 析与实现以及用户兴趣模型的构建等三个方面的应用进行了深入的 分析与探讨，并分别提出了具体的应用策略和算法。通过对本体论 在这三方面的应用研究，揭示了本体论在实现智能化的网络信息检 索中的巨大作用。 3 1 本体论在文档分析与语义标引中的作用 语义标引是为网络上的各种资源及其组成部分标注概念类、概 念属性和其它元数据的过程。语义标引的方法目前主要有三类： ( 1 ) 人工标引。由专门人员确定标引资源适用的概念集，解析 资源内容结构，选择元数据元素，建立用r d f 或h t m l 语言标记的 语义数据。这一工作通常在一定的编辑器、概念集和标引过程知识 库支持下进行，是一个智力密集和劳动密集的过程，难以应对浩瀚 和不断变化的网络资源进行标引的需要。 ( 2 ) 利用领域d t d ( 文档类型定义) 和s c h e m a ( 文档模式) 进行概念映射和标引。由于s g m l x m l 文档的d t d 或s c h e m a 详细 定义文档内容结构和各内容元素，我们可以通过建立特定概念和特 定d t d s c h e m a 之间的映射关系，自动地将s g m l x m l 文档中的 d t d s c h e m a 内容元素标记转换为对应的概念元数据标记。但由于 d t d s c h e m a 的适用领域及其体系结构通常不协调或不兼容，难以实 现准确映射，所以还需要人工进行审查和修改。 ( 3 ) 利用词汇语义分析进行标引。自动词语抽取和分析技术已 较成熟，可在此基础上建立词语集合与概念类别之间的映射关系， 然后通过自动词语分析找出文档或文档片断的概念类别、甚至与其 它类别的语义关系，利用这些概念类别进行标引。该标引方法最好 限制在一定的应用领域和资源类型，而且也需要人工审查。h 妇 下面给出