（计算机软件与理论专业论文）基于本体的智能化问答系统研究.pdf

摘要 近年来，随着经济的发展、竞争的加剧，人们对知识的需求越来越强烈， 通过网络进行的教育也越来越普及。网络教学逐渐成为人们进行学习的一种有 效方式。而网络教学由于其本身的一些限制，使得答疑系统成为它的有益补充。 答疑系统是自然语言处理领域内的一个热点问题，随着人工智能的发展，不同 实现方式的网上答疑系统不断涌现。但目前国内的答疑系统仍然存在一定的不 足，集中体现在系统的智能性不够和知识库的标准化不足两个方面。智能性不 够，主要表现在提问时要求使用纯文本的关键词的逻辑组合，缺少对自然语言 的支持。知识库的标准化不足，则不利于实现知识的共享和重用。 本体( o n t o l o g y ) 具有良好的概念层次结构和对逻辑推理的支持，具有通 过概念之间的关系来表达语义的能力。随着对本体的理论和应用方面研究的深 入，越来越多的研究机构和学者尝试将本体应用到信息检索和智能答疑系统中。 基于本体的智能答疑系统作为上述研究的一个具体应用，为越来越多的研究者 所关注。 本文首先概述了智能答疑系统的发展现状，然后介绍了本体的相关概念和 研究状况，重点讲述了本体的构建方法研究和最近的应用。接下来，参照国外 一些成功的本体工程的构建经验，运用本体构建工具，构建了一个小型的课程 领域本体。针对智能答疑系统发展所面临的问题，提出了一个基于本体的智能 答疑系统模型，并对将领域本体应用到智能答疑系统中可能遇到的问题进行探 讨。 本文对系统的总体设计和关键理论技术进行了初步研究，重点是围绕本体 在智能答疑系统中的应用展开的。目前还有许多关键问题尚待解决，进一步的 工作主要有：加强自动分词算法的研究，提高利用自然语言进行查询的精确性 和有效性；对答案相关排序算法的研究，提高答案的针对性和有效性；寻找更 具有普遍意义的方法论指导本体的构建；更好更有效率的将本体应用到智能答 疑系统中。 关键词：本体论；智能答疑；本体构建 a b s t r a c t i nr e c e n ty e a r s ，w i t ht h ed e v e l o p m e n to fe c o n o m i ca n dc o m p e t i t i o ni n t e n s i f y i n g ， p e o p l ea r eh a v i n gam o r ea n dm o r es t r o n g e rd e m a n df o rk n o w l e d g e ，a n de d u c a t i o n t h r o u g hn e t w o r k si sb e c o m i n gi n c r e a s i n g l yp o p u l a r n e t w o r kt e a c h i n gg r a d u a l l y b e c o m e sa l le f f e c t i v ew a yf o rp e o p l e ss t u d y i n g b e c a u s eo fi t so w nl i m i t a t i o n so f n e t w o r kt e a c h i n g ，t h eq u e s t i o na n s w e r i n gs y s t e mb e c o m e sau s e f u lc o m p l e m e n t q a s y s t e mi sah o tr e s e a r c hi s s u ei nt h ef i e l do fn a t u r a ll a n g u a g ep r o c e s s i n g w i t h t h ed e v e l o p m e n to fa r t i f i c i a li n t e l l i g e n c e ，d i f f e r e n tm o d e so fi m p l e m e n t a t i o nh a v e e m e r g e df o ro n l i n eq u e s t i o na n s w e r i n gs y s t e m b u tt h ec u r r e n tq & as y s t e mi n c h i n ai ss t i l lo fl i m i t a t i o n , m a i n l ye m b o d i e di nt w oa s p e c t s ：n o te n o u g hi n t e l l i g e n c e a n dl a c ko fs t a n d a r d i z a t i o no fk n o w l e d g eb a s e n o te n o u g hi n t e l l i g e n c e ，m a i n l y e m b o d i e di nt h eu s eo ft h el o g i cc o m b i n a t i o no fp l a i nt e x tk e y w o r d sw h e na s k q u e s t i o n s ，t h el a c ko fn a t u r a ll a n g u a g es u p p o r t l a c ko fs t a n d a r d i z a t i o no ft h e k n o w l e d g eb a s ei sn o tc o n d u c i v et ok n o w l e d g es h a r i n ga n d r e u s e o n t o l o g yh a sag o o dc o n c e p th i e r a r c h i c a ls t r u c t u r ea n dt h es u p p o r to fl o g i c a l r e a s o n i n g ，w i t l lt h ea b i l i t yt oe x p r e s ss e m a n t i c st h r o u g ht h er e l a t i o n s h i pa m o n gt h e c o n c e p t s w i t ht h ed e e pr e s e a r c ho nt h e o r ya n da p p l i c a t i o no fo n t o l o g y , a n i n c r e a s i n gn u m b e ro fr e s e a r c hi n s t i t u t e sa n da c a d e m i c st r yt oa p p l yo n t o l o g yt o i n f o r m a t i o nr e t r i e v a la n di n t e l l i g e n tq u e s t i o na n s w e r i n gs y s t e m o 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 s t i o na n s w e r i n gs y s t e m ，a sas p e c i f i ca p p l i c a t i o no ft h es t u d y , h a s a t t r a c t e dm o r ea n dm o r er e s e a r c h e r s a t t e n t i o n t h i sp a p e rf i r s tp r o v i d e sa no v e r v i e wo ft h ed e v e l o p m e n ts t a t u sq u oo f i n t e l l i g e n tq u e s t i o na n s w e r i n gs y s t e m ，a n d t h e ni n t r o d u c e st h eo n t o l o g y - r e l a t e d c o n c e p t sa n ds t a t u so fr e s e a r c h ，f o c u s e so nt h eo n t o l o g yb u i l d i n gm e t h o d sa n dr e c e n t a p p l i c a t i o n s n e x t ，a c c o r d i n gt ot h eb u i l d i n ge x p e r i e n c eo fs u c c e s s f u lf o r e i g n o n t o l o g yp r o j e c t ，u s eo n t o l o g yb u i l d i n gt o o l st ob u i l das m a l ld o m a i no ft h e c u r r i c u l u mo n t o l o g y i nt h el i g h to ft h ed e v e l o p m e n tp r o b l e m si n t e l l i g e n tq u e s t i o n a n s w e r i n g s y s t e mf a c i n g ， a n o n t o l o g y - b a s e dm o d e l o fi n t e l l i g e n t q u e s t i o n a n s w e r i n gs y s t e mi sp r o p o s e d ，a n de x p l o r et h ep r o b l e m sm a yb ee n c o u n t e r e dw h e n d o m a i no n t o l o g yi sa p p l i e dt ot h ei n t e l l i g e n tq u e s t i o na n s w e r i n gs y s t e m t h i sp a p e rm a k e sap r e l i m i n a r ys t u d ya b o u tt h es y s t e md e s i g na n dc r i t i c a l t h e o r yo ft e c h n o l o g y , a n df o c u s e so nt h eo n t o l o g ya p p l i c a t i o ni nt h ei n t e l l i g e n t q u e s t i o na n s w e r i n gs y s t e m a tp r e s e n t ，m a n yk e yq u e s t i o n sh a v et ob er e s o l v e d ， l l i a n df u r t h e rw o r ka r e - s t r e n g t h e nt h er e s e a r c ho na u t o m a t i cw o r ds e g m e n t a t i o n a l g o r i t h mt oi m p r o v et h ea c c u r a c ya n de f f e c t i v e n e s so fn a t u r a ll a n g u a g eq u e r y ； r e s e a r c ho nt h ea n s w e r ss o r t i n ga l g o r i t h mt oi m p r o v et h ea n s w e r st h ep e r t i n e n c e a n de f f e c t i v e n e s s ；l o o k i n gf o ram o r eg e n e r a lm e t h o d o l o g yt og u i d et h eb u i l d i n go f o n t o l o g y ；b e t t e ra n dm o r ee f f i c i e n ta p p l i c a t i o no ft h eo n t o l o g yi nt h ei n t e l l i g e n t q u e s t i o na n s w e r i n gs y s t e m k e yw o r d s ：o n t o l o g y ；i n t e l l i g e n tq & a ；o n t o l o g yb u i l d i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表 示谢意。 学位论文作者签名：签字日期：年月 日 学位论文版权使用授权书 本学位论文作者完全了解江西师范大学研究生院有关保留、使用 学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人授权江西师范大学研究生院 可以将学位论文的全部或部分内容编入有关数据库进行检索，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适用本授权书) 学位论文作者签名： 签字日期：年月日 导师签名： 签字日期：年月日 基丁本体的智能化问答系统研究 第1 章绪论 1 1 研究背景 在全球经济一体化的大背景下，竞争越来越激烈，人们对知识的需求也越来 越强烈。随着网络的发展、教育的普及，网络教学成为人们学习知识、获得所需 技能的一种有效方式，得到越来越多的人的选择和认可，并发挥着越来越重要的 作用。 网络教学，通过网络进行的远程教学，是计算机网络和多媒体技术相结合的 新一代教育手段，可实现优秀教育资源和教育方法的共享，但也存在一些不足。 由于师生不能面对面地进行交流，学生遇到的问题不能得到及时有效的解决，容 易形成知识缺陷，影响学习的效率和成果。因此，在远程教育中应用智能答疑系 统就显得越来越重要。 整合了网络通信、人工智能等高新技术的网上智能答疑系统，使教育突破了 网络学习、答疑行为在时间和空间上的局限性，成为新时代网络教育的有益补充。 同时，在回答问题时，能广泛扩展问题解答的资源内容、资源呈现形式和资源获 取方式，为人们的学习提供了既有深度又有广度的方式方法。 建立一套高效的、科学的智能答疑系统支持大规模网络学习，不仅可以使学 生的疑难问题得到快速响应，也可以减轻教师的工作压力。教师将一些简单问题 主动放到答疑库中，就可以节省大量的讨论时间，也就可以将主要精力投到难点 重点上。智能答疑系统作为网络教学系统中教师和学生交互的主要功能之一，对 于保障教学的质量具有重要的意义。 本体，是概念化的明确的规范说明。对本体在智能答疑系统中的应用进行研 究，可以加快智能答疑系统、远程教育的发展，对我国的教育事业也有重大的意 义。同时，用本体构建的知识库也有利于信息集成。这也是本体从理论到实践的 一次过度、一次尝试，对本体的发展有着积极的促进作用。 1 2 研究现状 1 2 1 国内智能答疑系统研究现状 现阶段，国内实际投入使用的答疑系统多是嵌套在网站或软件中，作为一个 子系统而存在的。总体来说，国内网络答疑系统的发展经历了从简单的聊天室答 疑系统，到有简单存储能力的答疑系统，再到有较强数据处理分析能力的的答疑 硕十学位论文 系统等多个阶段。从功能上来说，国内的网上答疑系统的功能较为丰富和全面， 主要包括答疑、问题查询、浏览、用户信息和只是管理、问题统计等。但也存在 一些不足之处，下面进行综合分析。 1 系统的独立性 在对国内2 4 家网上教育平台或教育网站中的网上答疑系统的调研过程中， 我们发现国内具有答疑功能的独立平台或系统非常少，大部分的答疑系统都嵌套 在网络教学平台或系统之中。这类答疑系统所履行的主要的功能是提供给学生 就课程相关问题与教师或其它课程权威以及同伴进行交互的环境。 2 系统的功能 国内网上智能答疑系统中的主要功能包括答疑功能、问题查询和浏览功能、 用户信息和知识管理功能、系统统计功能。除此之外还包括了其它的附加功能如 用户个性化定制、问题操练、问题解答评价等功能。 国内系统的答疑功能主要是通过人工答疑和基于数据库的自动答疑两种方 式来实现。人工答疑通过电子邮件、网上异步讨论区和留言板、网上同步聊天室、 网上语音会议等方式来实现。然而人工答疑中没有从结构上给用户设计更有益于 深入探讨问题的环境，结构比较松散，讨论的内容很难控制。自动答疑是通过对 知识库的自动搜索实现的。无论提问者输入关键字或是自然语言短语或句子，系 统都会根据问题进行系统知识库的全文搜索，然后将与这个问题相关性较强的问 题及其答案反馈给提问者。然而基于自然语言的答疑准确率和针对性对比较差， 会有很多与问题中词语有关的信息被呈现出来，真正的答案需要用户自己来再次 寻找。除了提问，用户还可以通过浏览已回答问题列表解答问题，国内很多系统 给用户设计了多个属性查询已回答的问题。 系统的统计功能提供了与答疑情况有关的数据和信息的简单处理，然而统计 对象的选择缺乏对整个教学或学习系统的考虑，另外只提供了如频率统计这样的 简单统计，缺乏对原始数据的深层处理，在统计数据与教学系统其它子系统数据 交流方面也没有较好的渠道。这样统计功能对系统的改善意义就非常有限了。 总体而言，国内系统的功能较为全面和丰富。但许多功能质量较低，有些功 能的实用意义较小而且操作性不强。 3 系统的智能性 目前国内答疑系统的智能性主要体现在低水平的机器对人类自然语言的理 解、自动的问题资源库检索和相关信息的反馈。然而，利用自然语言进行查询的 精确性和有效性没有得到科学的证明。经验表明其查询准确性较低，此外，反馈 的答案针对性和有效性也比较低。 4 系统的知识库 国内答疑系统寻求问题答案的资源库主要是基于课程章节组织的。这与国内 2 基于本体的智能化问答系统研究 答疑系统大多是教学系统的子系统有关。系统将每章学生提出的常见问题和教师 的解答作为数据库的基本内容。有的系统将学科知识以章节为单位组织起来作为 资源库的基本内容，( 如上海交通大学远程教育研究中心的网上答疑系统) 。有的 系统的资源库是基于课堂的常见问题而建设，有的两者合一。这种基于课的资源 库结构在资源扩展时容易造成资源重复的现象。 国内网上答疑系统的一个主要问题是系统的资源库内容不够丰富。比起浩瀚 的网络教学资源，网上答疑系统的资源非常有限，嵌入教学系统的答疑系统的资 源库和教学系统本身的资源是割裂的。 本文提出的基于本体的智能答疑系统就是要利用的本体的理论和技术完善 构建本体知识库，尽可能的实现知识的共享和重用。而且由于本体本身的特点， 也使得今后继续扩展知识库更为简单、有效、可行。 5 相关技术 目前制约网上智能答疑系统智能化的最大技术瓶颈是中文信息处理技术。中 国对自然语言方面的研究已有几十年的时间，虽然很多研究已经取得一定的进 展，但是分词问题仍未彻底解决。组合、歧义、新词和未登录词等问题仍严重影 响着分词的精度。此外，由于目前还没有一个大家认可的现代汉语语料库或“国 家标准现代汉语语料库，也没有带词性、词法搭配、句法和语义的语料库，关 于短语结构标注的汉语语料库、汉语的语段库( c h u n kb a s e ) 、现代汉语树仓库 ( t r e eb a n k ) 、以及双语语料库更是没有着落。因此，自然语言处理在中国的进 一步发展受到严重的限制。这种技术发展水平决定了目前国内智能答疑系统的低 精确率，也成为该系统发展的主要桎梏。 除了自然语言处理技术外，数据挖掘、文本检索、机器学习和专家系统等技 术的水平也都影响了答疑系统的智能性。随着社会的发展，技术的不断进步，这 些问题一定能够得到比较好的解决。而本体的使用，为智能答疑系统提供一个基 础，使得上述的技术在取得突破时，智能答疑系统能比较快速的获益。 1 2 2 国外智能答疑系统研究现状 通过对国外网上教学平台和几家有名的提供“e l e a r n i n g ”解决方案的公司 的网络学习平台的调研，我们发现，国外教育网站中答疑的实现主要通过各种网 络人际交互手段和技术来实现。借助g o o g l e ，通过输入“q u e s t i o na n s w e r i n g 进行查询，可以发现许多专门的答疑网站。而这些网站涉及k 1 2 教育、大学教育 和大众教育等领域。这其中有些答疑系统在智能化方面作的非常出色，如a s k j e e v e s 公司a s kj e e v e sf o rk i d s 网上答疑系统陋儿3 1 、m i t 人工智能实验室b o r i s k a t z 博士组织开发的s t a r t ( s y n t a c t i ca n a l y s i su s i n gr e v e r s i b l e t r a n s f o r m a t i o n ) 系统h 1 来，分析国外的智能答疑系统。 1 系统的独立性 硕士学位论文 国外出色的智能答疑系统全部都是独立运行的系统。它们不属于任何教学或 学习平台。这类系统所扮演的角色更象一个专业领域资源的提供者，提问者借助 系统回答他们的问题不一定是某个完整的教学过程中的部分，他们通过寻求答 案可能是为了解决他们在相应学科的问题，也可能仅仅是为了满足他们的好奇 心，或者是为了寻找作业或任务中需要的资源。 2 系统的功能 相比国内答疑系统的丰富功能而言，国外答疑系统的功能更加简洁。虽然主 要的功能与国内类似，但是所有的功能都是围绕答疑功能而设计，功能设计重点 突出、设计精良。 答疑功能的实现也是通过人工答疑和自动答疑共同实现。人工答疑的方式与 国内差异在于国外的答疑系统中人工答疑的主要方式是电子邮件和信息板，很少 有讨论区或聊天室。 国外在自动答疑方面作的非常有特色有的系统( 如a s kj e e v e sf o rk i d s ) 在提问模块系统不但支持了自然语言提问，而且设计了问题的确认交互，通过这 层交互，系统能够更精确地理解用户的问题为问题的准确解答提供了保障；在问 题呈现方面，系统会基于问题的类型提供给用户较为简洁的答案，一般有关时间、 人物、地点、概念等类型的问题，其答案的简洁性和正确性较高，如向s t a r t 系 统提问“哪个国家拥有人口最多 ，系统只会反馈给你国家的名字以及关于该国 家人口的详细介绍，而不是很多与国家和人口有关的信息。此外，很多解答语言 的表述上也会有差异；答案的来源不像国内系统那样只是系统自身建设资源库， 还会包括其它相关网站上的资源，因此答案虽然力求准确、简洁，但也具有开放 性。 3 系统的智能性 国外系统的智能性也主要体现在人机理解的自然语言接口和相应的问题查 询和反馈上，但是国外系统在基于自然语言的提问方面作的比国内更加准确和人 性化( 如带有问题确认的功能) ，主要原因是国外在问题处理部件增加了问题类 型判断，以及增加了答案处理和解释部件，因此不但保证了系统对问题的更准确 地理解，也使呈现的答案简明扼要。 4 系统的资源库 国外答疑系统的资源库的突出特点是拥有丰富、高质量的内容，比如a s k j e e v e sf o rk i d s 系统的所有答案是来自数万计通过查询和研究确定的和问题有 关的其它网站链接( 主要的来源是y a h o o l i g a n s 、e d u c a t i o nw o r l d 和f e d e r a l e d u c a t i o nr e s o u r c e s 三个网站) ，这些网站资源是人为建设的，而并不是软件 搜索得到的，因此，每一个答案链接都与问题相关。 国外系统的答案资源库不只包括知识库还包括信息库。这样答案中呈现的信 4 基于本体的智能化问答系统研究 息可能是对问题的解答，也包括能够解答相关问题的网上资源的信息。 与系统的独立性相关的是，和国内针对学科和课本的内容体系相比，国外系 统答案资源库的内容采用了内容更加丰富和广泛的主题式或专业领域式内容组 织体系。 5 相关技术 国外智能答疑系统主要采用英语语系。目前基于英语的自然语言处理技术、 文本检索和数据挖掘技术都已经得到了长期的发展，并取得了优秀的成果。普林 斯顿大学认知科学实验室创建的英文的词汇语义网络系统( e n w n ) 使得消歧率超 过6 0 。目前文本检索的主要趋势是对问题的反馈是检索出文本的片断( s n i p p e r ) 而不是整篇文档( d o c u m e n t s ) ，并且问题的答案是并不是后产生的而是原来就设 计好的。很多研究机构正在并已经构建了许多问题模型和相应的解答模型。这些 技术的发展是国外智能答疑系统的高准确率的保证。另外，国外除了对已有知识 进行调用作为答案外，还在进行将已有知识根据问题的专业背景进行处理与整合 产生新的知识内容作为答案这方面的探索。这种研究和专家系统比较类似，研究 扩展了答疑系统所能解决的问题的范围。 1 2 3 存在的主要问题 越来越多的教育组织和机构开始在智能答疑系统的设计和实现上下功夫，争 取能有比较大的突破，但现在还有一些比较突出的问题： 1 自然语言语义理解不足：词语本身是带有语义信息的，目前的答疑系统对 于用户以自然语言提出的问题，只是抽取其中的关键词，然后按照关键词进行搜 索、匹配，而忽略了词语自带的语义信息。甚至有些系统要求用户的问题以关键 词逻辑组合的形式提出，这不仅要求用户具有一定的抽取关键词的能力，而且还 要组成一定的逻辑组合。这无疑加大了用户使用网上答疑系统的难度，阻碍了答 疑系统的发展。自然语言处理在我国的发展受到严重的限制。这种技术发展水平 决定了目前国内智能答疑系统的技术水平，也成了系统发展的主要障碍瞄m 1 。 2 基于传统f a q 库的系统的答疑能力有限，只能回答局限于f a q 库中的问 题，并且f a q 库中的问题缺乏逻辑关联。传统f a q 库中的问题组织不合理，缺乏 逻辑关联，不利于知识的查询和重用。 3 智能答疑系统的智能性比较低。国外的研究成果己经能够在特定领域发 挥作用，但是这些系统大都是以英语为背景进行研究的，不能直接移植到中文环 境中来。原因是中文在使用中比英文要复杂得多，比如：中文需要进行切词处理 ( 英语则不需要，单词间有明显的自然间隔) ，英语可以通过词形和时态等的变换 来帮助表达意思，而汉语很少具有这些形态的变化，只能以字义和词义为中心， 结合上下文内容来表达意思等。但是可以借鉴国外的研究思路，应用到基于汉语 的智能答疑系统中。提高智能性需要解决的主要技术问题是：如何正确理解用户 硕士学位论文 所提的问题，并从系统知识库中寻找相关问题：如何有效对相关问题按照一定标 准进行相关度、相似度分析并建立索引，从而把和用户的问题最相关的一些答案 提交给用户而完成答疑过程瞄1 。 4 答疑方式不够丰富，不能很好的将搜索匹配方式和人工讨论、邮件等方 式很好的结合起来。答案结构不够良好，一方面是呈现方式是纯文本的方式，缺 乏对多媒体的支持，另一方面，只是简单的将f a q 库中的文件列举出来，不能针 对问题的提问方式有效的组织答案。 1 3 本文的主要工作 针对目前智能答疑系统存在的一些问题，立足于智能答疑系统的长远发展的 角度，作者主要完成以下研究工作： 1 针对目前智能答疑系统在发展和应用方面所面临的一些具体问题，提出了 基于本体的智能答疑系统模型，并对其工作流程加以介绍。 2 通过对本体论发展的概述，介绍了本体的基本概念和功能。本体是将网 络环境下的大量非规范性知识进行概念化表示的一种有效手段，能够有效促进应 用之间的概念语义共享。明确了基于本体的智能答疑系统解决现在智能答疑系统 发展所面临的一些问题在理论上的可行性。 3 参照国外一些成功构建的本体工程，根据构建这些本体工程所采用的方 法以及后来所总结的经验，运用本体构建工具，构建了一个小型的课程领域本体。 4 对将领域本体应用到智能答疑系统中可能遇到的问题进行探讨，并将本 文中构建的领域本体应用到智能答疑系统中，尝试在实践中证明理论的可行性。 1 4 结构组织 论文共分六章，内容如下： 第1 章绪论：主要介绍了课题的研究背景、智能答疑系统的研究意义、国 内外的研究现状、智能答疑系统的系统结构。 第2 章本体论概述：详细介绍本体的起源和发展、本体的分类、本体的描 述语言、本体的构建以及本体的应用和实例。 第3 章相关技术：对本体在智能答疑系统中的应用过程中可能用到的技术 自动分词、本体推理、查询语言进行简介。 第4 章课程领域本体的构建：介绍了一些成功构建的本体工程，以及通过 这些工程所总结的构建本体的经验，并根据这些经验，采用具体的本体构建工具， 构建一个小型的课程领域本体。 第5 章基于本体的智能答疑系统的设计与实现：给出了基于本体的智能答 6 基于本体的智能化问答系统研究 疑系统的系统模型设计，并详细讲解了各个组成部分。通过一些具体的编程工具 和对本体操作接口的调用，具体实现基于本体的智能答疑系统。 第6 章总结与展望对本文所做的工作及取得的成果进行总结，在此基础 上，提出进一步改进系统的思路和想法。 7 硕士学位论文 第2 章本体论概述 2 1 本体论的起源和发展 o n t o l o g y 的概念最初起源于哲学领域。它在哲学中的定义为“对世界上客 观存在物的系统地描述，即存在论 ，是客观存在的一个系统的解释或说明，关 心的是客观现实的抽象本质 1 如本体论的诞生与哲学早期的发展密切相关一样，过去的数十年中，本体论 在计算机科学领域的发展也与人工智能和信息技术的起步和发展密不可分阴1 在人工智能领域，经历了2 0 世纪6 0 年代通用问题求解方法研究的困境，学 者们开始研究通过专门领域的知识表达来支持自动推理以d e n d r a lj 为代表的 知识库系统的成功确立了知识在解决人工智能问题方面的重要地位，作为研究知 识库和知识系统构建技术的学科“知识工程 ( k n o w l e d g ee n g i n e e r i n g ) j 发展 起来为了减少构建知识库的代价，避免每次都从头开始，越来越有必要考虑知 识的复用问题通过复用，系统开发者可以在已有知识基础上更加专注于特定领 域的知识构建，并且新系统可以利用所复用的知识与现存的其他系统进行交 互这样，描述性的知识、问题解决方法以及推理服务都可在系统间实现共享， 从而可以方便地构建出更大、更好的知识库因此，必须考虑在一个领域中哪些 知识是可以复用的或共享的，以及怎样获取和描述一个领域中的一般性知识等问 题。 同时，数据库管理系统( d b m s ) 研究领域也逐步发现，虽然数据库技术已经成 熟，但概念模型的一些隐蔽的、更为重要的问题依然存在早期数据库的概念模 型以专门化和不一致为明显特征，导致了后来数据库集成方面的许多实际问题。 另外，伴随着面向对象技术的兴起，软件工程研究领域也开始认识领域建模 ( d o m a i nm o d e l i n g ) 的重要性，因为在软件变得日益庞大和复杂的时候，必须面 对程序维护和重用性的问题j 也就是要对应用程序中的过程或者功能进行陈述 性表达，以便让其他应用程序重用但是，这个问题也因缺乏具体、统一的领域 建模形式化基础而没有得到很好的解决 以上3 个方面的发展都面对了同一个类似问题，即需要对某个领域进行通用 概念上的描述这正是本体论所研究的内容 2 2 本体论的概念和分类 1 9 9 3 年，美国斯坦福大学知识系统实验室的g r u b e r 给出了在信息科学领 基丁二本体的智能化问答系统研究 域广泛接受的本体正式定义呻1 ：“本体是概念化的明确的规范说明 g r u b e r 认 为n0 。：概念化是从特定目的出发对所表达的世界所进行的一种抽象的、简化的观 察。每一个知识库、基于知识库的信息系统以及基于知识共享的智能代理都内含 一个概念化的世界，或是显式的或是隐式的本体论是对某一概念化所做的一种 显式的解释说明本体中的对象以及它们之间的关系是通过知识表达语言的词汇 来描述的因此，可以通过定义一套知识表达的专门术语来定义一个本体，以人 可以理解的术语描述领域世界的实体、对象、关系以及过程等，并通过形式化的 公理来限制和规范这些术语的解释和使用因此严格地说，本体是一个逻辑理论 的陈述性描述 f e n s e l 对这个定义进行分析后认为本体的概念包括四个主要方面n ： 1 概念化( c o n c e p t u a l i z a t i o n ) ：客观世界的现象的抽象模型； 2 明确( e x p l i c i t ) ：概念及它们之间联系都被精确定义； 3 形式化( f o r m a l ) ：精确的数学描述； 4 共享( s h a r e ) ：本体中反映的知识是其使用者共同认可的。 根据本体对特定的任务或观点的依赖程度，我们可以对本体进行分类如下： 顶层本体，领域本体，任务本体和应用本体n 钉。 顶层本体描述比较普遍的概念，例如空间，时间，事项，对象，事件，行动 等，这是完全独立的一个特定问题或域：因此，至少在理论上，有统一的项层本 体的大型的社区用户的本体是可以进行推理的。 领域本体和任务本体分别描述，与通用领域( 如医药，或汽车) 或一个通用 的任务或活动( 如诊断或出售) 有关的词汇，通过把顶层本体中提出的概念具体 化。 应用本体描述取决于某特定领域和任务两者的概念，它往往是两个相关本体 的具体化。这些概念往往对应于领域实体在进行某一个特定的活动时所发挥的作 用，如可更换部件或空闲的组件。 2 3 本体描述语言 本体语言使得用户为领域模型编写清晰的、形式化的概念描述，因此它应该 满足以下要求： 良好定义的语法( aw e l l - d e f i n e ds y n t a x ) 良好定义的语义( aw e l l - d e f i n e ds e m a n t i c s ) 有效的推理支持( e f f i c i e n tr e a s o n i n gs u p p o r t ) 充分的表达能力( s u f f i c i e n te x p r e s s i v ep o w e r ) 表达的方便性( c o n v e n i e n c eo fe x p r e s s i o n ) 大量的研究团队和工作者活跃在该领域，因此诞生了许多种本体描述语言， 9 硕士学位论文 有r d f 和r d f - s 、o i l 、d a m l 、d a m l + o i l 、o w l ( 注：一般认为d a m l + o i l 是到o w l 得一个过渡) 、k i f 、s h o e 、x o l 、o c m l 、o n t o l i n g u a 、c y c l 、l o o m 。我们简单把 它们归类如下： 和具体系统相关的( 基本只在相关项目中使用的) 有：o n t o l i n g u a 、c y c l 、 l o o m 。 和w e b 相关的有：r d f 和r d f - s 、o i l 、d a m l 、d a m l + o i l 、o w l 、s h o e 、x o l 。 其中r d f 和r d f s 、o i l 、d a m l 、o w l 、x o l 之间有着密切的联系，是w 3 c 的本体 语言栈中的不同层次，也都是基于x m l 的。而s h o e 是基于h t m l 的，是在h t m l 上的一个扩展。 d a m l + 0 虬 o w l ( f u l l ) 啼 a 懈l d l 0 l l d a m l o w ll i 协i l jj c k m l 一献s l l s h o e胤 i li o m l l | x m n n 一+ x m l s c h e m a 图2 1 基于w e b 的问题描述语言的相互关系 描述逻辑n 3 1 ( d e s c r i p t i o nl o g i c s ，d l ) 是近2 0 多年来人工智能领域研究和 开发的一个相当重要的知识表示语言。具有以下主要特点： ( 1 ) 定义良好的语义和表示能力； ( 2 ) 基于逻辑的推理能力； ( 3 ) 保证计算复杂性和可判定性： ( 4 ) 明确的推理算法； ( 5 ) 现有工具的有力支持。 几个主要的w e b 本体语言c k m l ，o i l ，d a m l + o i l 以及已成为w 3 c 国际标准的 o w l ( o n t o l o g yw e bl a n g u a g e ) 就是建立在描述逻辑的基础上的 下面简单介绍一下各种本体描述语言。 1 r d f 、r d f s 1 町 r d f 是r e s o u r c ed e s c r i p t i o nf r a m e w o r k 的缩写，称为资源描述框架，是 w 3 c 在x m l 的基础上推荐的一种标准，用于表示任何的资源信息。r d f 提出了一 个简单的模型用来表示任意类型的数据。这个数据类型由节点和节点之间带有标 记的连接弧所组成。节点用来表示w e b 上的资源，弧用来表示这些资源的属性。 因此，这个数据模型可以方便的描述对象( 或者资源) 以及它们之间关系。r d f 的数据模型实质上是一种二元关系的表达，由于任何复杂的关系都可以分解为多 l o 基丁本体的智能化问答系统研究 个简单的二元关系，因此r d f 的数据模型可以作为其他任何复杂关系模型的基础 模型。w 3 c 推荐以r d f 标准来解决x m l 的语义局限。 r d f 和x m l 是互为补充的。 首先，r d f 希望以一种标准化，互操作的方式来规范x m l 的语义。x m l 文档 可以通过简单的方式实现对r d f 的引用。 其次，由于r d f 是以一种建模的方式来描述数据语义的，这使得r d f 可以不 受具体语法表示的限制。但是r d f 仍然需要一种合适的语法格式来实现r d f 在 w e b 上的应用。将r d f 序列化为x m l 表示可以使r d f 获得更好的应用可处理特性， 并使得r d f 数据可以像x m l 数据一样的容易使用、传输和存储。 因此，r d f 是定制x m l 的良伴，而不只是对某个特定类型数据的规范表示， x m l 和r d f 的结合，不仅可以实现数据基于语义的描述，也充分发挥了x m l 与r d f 的各自优点，便于w e b 数据的检索和相关知识的发现。 与x m l 中的标记( t a g s ) 类似，r d f 中的属性( p r o p e r t i e s ) 集也是没有任 何限制的。也就是说存在同义词现象和一词多意现象。r d f 的模型不具备解决这 两个问题的能力，而r d fs c h e m a 虽然可以为r d f 资源的的属性和类型提供词汇 表，但是基于r d f 的数据语义描述仍然可能存在语义冲突。为了消解语义冲突， 我们在描述数据语义的时候可以通过引用本体的相关技术，对语义描述结果作进 一步的约束。幸运的是，r d f ( s c h e m a ) 在提供了简单的机器可理解语义模型的同 时，为领域化的本体语言提供了建模基础，并使得基于r d f 的应用可以方便地与 这些本体语言所生成的本体进行合并。r d f 的这一特性使得基于r d f 的语义描述 结果具备了可以和更多的领域知识进行交互的能力，也使基于d i l 和r d f 的w e b 数据描述具备了良好的生命力。 2 o i l 1 习 o i l 是o n t o l o g yi n f e r e n c el a y e r o n t 0 1 0 9 yi n t e r c h a n g el a n g u a g e 的缩 写。o i l 是一种针对本体的基于互联网的表现和推理层。它的语言集如图2 2 所 示。 o i l 综合了三个不同团体的工作，提供了一种通用的语义互联网的标记语言。 这三方面的工作分别是： 基于框架的系统：基于框架的语言在a i 中有很长的历史，它们的中心建模 元语是类( 称作框架) 和属性( 称为槽) 。 描述逻辑：描述逻辑通过概念( 对应于类或者框架) 和角色( 对应于槽) 描 述知识。在前面也已经列举了描述逻辑的特点。d l 的一个重要特征是它们具有 良好理解理论性质，并且在d l 中任何表达的含义都可以通过数学的精确的方式 描述。o i l 从d l 中继承了形式化语义和有效的推理支持。 互联网标准：这里指的是x m l 和r d f 。o i l 标记语言的语法源自w 3 c 的这些 硕士学位论文 标准。 h e a v yo i l ( p o s s i b l ef u t u r ee x t e n s i o n s ) i n s t a n c e0 i l ( s t a n d a r do i l + i n s t a n c e s ) s t a n d a r d0 i l c o r e 0 i l ( s t a n d a r do i l 基于r d f s ) o r d f s r e i f i c a t i o n 图2 - 2o i l 语言集 o i l 的应用比较广泛，支持o i l 的工具也很多，最著名的是o i l e d ，一个基 于o i l 的本体编辑器。其他一些工具，比如o n t o e d i t 、t h ef a c t ( f a s t c l a s s i f i c a t i o no ft e 瑚i n o l o g i e s ) s y s t e m 等也都支持o i l 。