（计算机应用技术专业论文）基于rdf的语义检索技术研究.pdf

河海大学硬士学位论文摘要 摘要 当前w e b 的最大缺陷之一在于没有赋予网络上的资源足够的语义信息，计算 机不能理解各种信息的含义。这是促使w e b 向语义w e b 转变的根本原因所在。 在语义w e b 的中，资源描述框架( 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 ，r d f ) 用于 实现w e b 上信息资源的语义描述。 本文通过对r d f 推理技术的研究，提出了一种基于r d f 的语义检索框架。 该框架主要由特定领域的领域建模、信息资源的语义描述、领域模型扩展查询等 部分组成，旨在实现对信息资源的语义描述，以解决当前文献检索系统中同义词 无法识别、检索结果相关性低等问题。 r d f 的推理机制是本文研究的重点，也是进行语义检索的理论基础。本文首 先利用r d f s 本体对应用领域建模，然后添加对领域资源的r d f 描述。这样两 者结合在一起形成知识库，再根据r d f r d f s 蕴涵规则就能够进行简单的推理。 但是r d f 语义本身也存在着一定的局限性，如只能根据层次关系组织概念、不 能指定关系的特征( 如传递性、对称性等) 。为了弥补这些不足之处，本文通过 定义领域扩展规则来扩展领域模型以提供给语义检索一个更为完善的模型。 本文最后开发了一个基于r d f 的语义检索实验系统。该系统以“计算机网 络”领域的知识和学习资源为检索对象，解决查询中同义词无法识别，相关信息 查找困难等问题。实验结果表明，在本文框架下，信息资源的语义得到了充分的 体现，本文语义检索策略是可行性的。 关键词：资源描述框架；推理；语义检索；信息检索；本体 河海大学硕士学位论文 a b s t r a c t a b i gf l a wo fi n t e r n e ti st h a ti td o e t h tp r o v i d ee n o u g hs e m a n t i ci n f o r m a t i o n a b o u tw e b 1 翻o u r c e $ c o m p u t e r sc a n n o tu n d e r s t a n dw h a tt h e 础o r m a t i o nr e c a l lt h i s i sw h yw w wi st r a n s f o r m i n gt os e m a n t i cw e b 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 ( r d f ) i su s e dt oi m p l e m e n t i n gs e m a n t i cd e s c r i p t i o no f w e br e s o u r c e s i nt h i sp a p e 毛w eh a v ed o n eal o to fr e s e a r c h0 1 1r d fi n f e r e n c em e c l m n i s ma n d p r o p o s e das e m a n t i cr e t r i e v a lf i a m e w o r kb a s e d0 1 1r d f i n f e r e n c em e c h a n i s m t h i 3 f i a m e w o r ki sc o m p o s e do f d o m a i nm o d e l i n g0 f g i v e nd o m a i n , s e m a n t i cd e s c r i p t i o no f i n f o r m a t i o nh s o u r 嘲e x t e n s i o ns e a r c ho f d o m a i nm o d e l , a n de t c nr e a l i z e ss e m a n t i c d e s c r i p t i o no f i n f o r m a t i o nr e s o t l l o e st or e s o l v et h eu n r e s o l v e dp r o b l e mo f i d e n t i f y i n g $ f l l o i l y l n $ a n dr e l e v a n ti n f o r m a t i o nr e t r i e v a li nc u r r e n ti n f o r m a t i o nr e t r i e v a ls y s t v m 田】i sp a p e re m p h a s i z e s0 1 1r d fi n f e r e n c em e c h a n i s m , w h i c hi st h et h e o r e t i c f u n d a m e n t a lo f s e m a n t i cr e t r i e v a l f i r s tw eb u i l dt h em o d e lo f a p p l i c a t i o nd o m a i nb y r d f so n t o l o g y , a n dt h e na d dt h er d fd e s c r i p t i o n 曲o u td o m a i nr e s o u r c e s t h e i n c o r p o r a t i o no ft h e s et w of o r m st h ek n o w l e d g eb a s e , w h i c hc a ns u p p o r tl i m i t e d i n f e r e n c ea c c o r d i n gt or d fa n dr d f se n t a i l m e n tr u l e s b u tt h e r ea l es o m e l i m i t a t i o n so fr d fs e m a n t i c s f o re x a m p l e ，r d fs c h e m ac a no n l yo r g a n i z et h e c o n c e p t sa c c o r d i n gt oh i e r a r c h ya n dc a l l ts p e c i f ys o m ec h a r a c t e r i s t i c so fp r o p e r t i e s ( s u c ha st r a n s i t i v i t y , s y m m e t r ya n de t c ) i no r d e rt or e m e d yt h el i m i t a t i o n ，w c d y n a m i c a l l ye x t e n dt h ed o m a i nm o d e lt h r o u g hd o m a i ne x t e n s i o nr u l e st op r o v i d e s e m a n t i cr e t r i e v a as o u n d e r m o d e l w eh a v ed e v e l o p e dar d fb a s e ds e m a n t i cr e t r i e v a ls y s t e mo i lc o m p u t e rn e t w o r k f i e l da n de x p e c t e dt op r o v i d ea l li n t e l l i g e n tr e t r i e v a ls e r v i c ef o rl e a r n i n gr c s o u l c e t h i ss y s t e mt r i e st os o l v ep r o b l e m st h a to r d i n a r ys y s t e m sc a n n o td os u c ha si d e n t i f y s y n o n y m s , r c l a f i v ei n f o r m a t i o nr e t r i e v a l 强er e s u l to fe x p e r i m e n t a t i o ni n d i c a t e st h a t t h i sr e t r i e v a lf r a m e w o r km a k e ss e m a n t i co f r c s o u r o 鹤s u f f i c i e n t l ye m e c g c da n dt h et h e s e a r c hs t r a t e g yi sf e a s i b l e k e yw o r d s ：r d f ；i n f e r e n c e ；s e m a n t i cr 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 l ；o n t o l o g y i i 学位论文独创性声明： 本人所呈交的学位论文是我个人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，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。与我一同工 作的同事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 表示了谢意。如不实，本人负全部责任。 论文作者( 签名) 么邋致一声月a 。e l 学位论文使用授权说明 河海大学、中国科学技术信息研究所、国家图书馆、中国学术期 刊( 光盘版) 电子杂志社有权保留本人所送交学位论文的复印件或电 子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文 档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允 许论文被查阅和借阅。论文全部或部分内容的公布( 包括刊登) 授权河 海大学研究生院办理。 论文作者( 签名) ：月& 刁日 河海大学硕士学位论文 1 1 研究背景 第一章绪论 目前正在研究和使用的信息检索技术可以分为三类【1 1 ：全文检索、数据检索 和语义检索( 知识检索) 。其中，全文检索是基于词语的机械匹配的，比较好地 保证了检索的查全率，但是查准率不能令人满意；数据检索是基于一定的格式和 结构对特定字段的检索，这是目前国内主要的期刊论文数据库所采用的主要检索 方法，但是这种方法要求人工基于特定的字段对信息资源进行标识，检索的效果 取决于标识方法的优劣以及用户对标识字段的理解；语义检索( s e m a n t i c r e t r i e v a l ) 则是基于知识的语义匹配，在提高检索的查准率和查全率方面都有很 好的性能。 语义w e b 中( s e m a n t i cw e b ) 嘲的资源描述框架( r e s o u r c e sd e s c r i p t i o n f r a m e w o r k ，r d f ) 【3 】和本体( o n t o l o g y ) 嗍具有良好的概念层次结构和对逻辑推 理的支持，因而在语义检索中得到了广泛的应用 5 1 。r d f 是w 3 c 提出的用于表 示w e b 资源信息的标准模型和语言。根据t i mb e m e r s - l e 蛤提出的语义w e b 的体 系结构旧，语义w e b 很大程度是建立在r d f 之上的。因此，本文的工作重点主 要在研究r d f 的推理机制并将之应用到语义检索当中。 1 2 语义w e b 与语义检索 1 2 1 语义w e b t u nb e n e r s l e e 等人于1 9 9 9 年提出语义w e b 作为万维网( w j r l dw i d ew e b ) 的扩展，其目的是通过形式化表示，将w e b 的内容融入其表示结构中，使得计 算机程序能够对网络资源( 不仅限于h t m l 网页，包括所有可获取的数据及服 务) 进行分析和推理等。语义w 曲的信息自动化处理首先要求机器“理解”网 络资源，因此需要某种统一方法提供语义，或者至少有共同的语言基础，否则不 同资源无法交互使用。因此，语义w e b 的基础是语义w e b 语言。 语义w e b 包含多种语言，t i mb e r n e r s l e e 于2 0 0 0 年提出语义w e b 的体系结 构。如图1 1 所示，语义w e b 体系结构的最底层是统一资源标志符( u n i f o r m r e s o u r c ei d e n t i f i e r ，u r i ) 和统一字符编码( u n i c o d e ) ，为w e b 上定义资源和字 符提供了标准方法。其上一层包括：可扩展标记语言x m l ( e x t e n s i b l em a r k u p 河海大学硕士学位论文 l a n g u a g e ) 和为合法的x m l 文档定义语法结构的x m ls c h e m a ，以及允许合成 不同词汇的文档的x m l 命名空间( n a m es p a c e ，n s ) 这些只是语义w e b 的语 法基础。 语义w e b 体系结构的第一层语义由r d f 提供。r d f 用于描绘网络上各种资 源的信息，它基于x m l 的语法形式，r d f 语义( r d fs e m a n t i c s ) 7 1 通过模型论 方法对r d f 赋予形式语义。事实上，r d f 句法只是x m l 句法的一个子集，即 r d f 使用x m l 的句法形式，但并非所有x m l 文档都是合法的r d f 文档。x m l 只作为语法载体，r d f 不继承x m l 文档的语义，它对文档有自身的解释，并允 许与x m l 的解释不兼容。 图l l 语义w e b 体系结构 r d f 采用的是( 资源属性值) 这种经典数据模型，但这种说明性的语言没 有提供机制来描述属性或属性与其他资源之间的关系，因此需要r d f 的词汇描 述语言即r d fs c h e m a ( r d f s ) s i 。r d f s 在r d f 的基础上引进类、类之间的包 含关系、属性之间的包含关系，以及属性的定义域和值域。句法上，它完全与 r d f 一致，即所有r d f 文档都是合法的r d f s 文档。语义上，它是r d f 的一个 扩展，即保留了r d f 的全部意义，同时新增部分加入r d f s 自身解释。 一般而言，在w e b 上关于信息的信息，我们称之为元数据( m e t a - d a t a ) ，r d f 正是处理元数据的基本工具。而本体语言是指对论域内各种术语的层次等级的描 述，在语义w e b 上本体提供共享的术语资源，便于元数据的处理。r d f s 的表达 能力已可视为一种本体语言。然而，真正的本体词汇还需要更多的语法结构和语 义模型。r d f s 不能自定义新的概念，没法强调属性的传递性或对称性，等等。 这些限制导致了语义w e b 体系结构的向上构建。从s h o e t g ) ，d a m l o n t ( 1 0 1 ， o i l ( ”】，d a m l + o i l ( “，直到最新的o w l ( w e bo n t o l o g yl a n g u a g e ) 都属于 语义w e b 体系结构中本体语言层的范畴。 本体层的上方是逻辑层，希望通过更丰富的网络逻辑语言和语义模型让计算 2 河海大学硕士学位论文 机更适应自动推理服务。证明层和信任层比较偏向于应用，而不单单是一种语言 层次。 1 2 2 语义检索 语义w e b 中的r d f 和本体具有良好的概念层次结构和对逻辑推理的支持， 因而在语义检索中得到了广泛的应用。要使计算机能够理解信息资源中丰富的逻 辑语义关系并进行推理检索，检索系统必须具备以下几个条件嘲： ( 1 ) 一定的知识体系来表达概念对象及其相互间的逻辑语义关系； ( 2 ) 一定的词汇体系来描述这些对象类及其关系，建立对应的元数据元素； ( 3 ) 一定的赋值机制来建立元数据元素与对应资源( 或资源片段) 的描述 关系； ( 4 ) 一定的标记语言和语法来对元数据元素及其赋值关系进行标记； ( 5 ) 一定的检索推理机制为利用知识体系和标记语言进行搜索、验证和推 理。 如果上述这些机制都能以计算机可理解、可处理的方式建立起来并在网络资 源系统中普及，就能实现网络环境下基于语义的检索和推理，这也正是语义w e b 的目标之一。 基于语义w e b 的语义检索的基本设计思想可以总结如下m ： ( 1 ) 在领域专家的帮助下，建立相关领域的本体； ( 2 ) 收集信息源中的数据，并参照已建立的本体，把收集来的数据按规定 的格式存储在元数据库( 关系数据库、知识库等) 中； ( 3 ) 对用户检索界面获取的查询请求，查询转换器按照本体把查询请求转 换成规定的格式，在本体的帮助下从元数据库中匹配出符合条件的数据集合； ( 4 ) 检索的结果经过定制处理后，返回给用户。 1 3 语义检索的研究现状 1 3 1 国外研究技术现状 实现语义检索系统目前主要有两种思路【1 4 j ：一是基于受控词表实现语义检 索，二是在语义w e b 环境下实现语义检索。 ( 1 ) 基于受控词表实现的语义检索研究。早在手工信息检索的时代，受控 词表( 例如分类表、主题词表等) 就是检索系统中文献信息排序的依据，主要用 于文献的标注过程。可以说受控词表是传统信息检索的核心。随着计算机时代的 3 河海大学硕士学位论文 到来，概念更加严密、结构更加复杂的受控词表被用在用户的检索过程中，用于 提高信息检索的查准率和查全率。 对基于受控词表的语义检索的研究主要集中在现有受控词表的电子化、自动 生成、完善以及文档的自动化标注与存储等方面。目前国内外的研究一直都在进 行，而且取得了诸多成果，典型的有美国国立医学图书馆主持的一项长期开发研 究计划统一医学语言系统( u n i f i e dm e d i c a ll a n g u a g es y s t e m ，u m l s ) 1 5 1 亚利桑那大学a i 实验室基于癌症概念集开发的语义检索系统h e l p f u l m e d 【1 6 1 ，李 毅等对中文医学信息语义标引体系和语义检索模型的研究旧。 为了更清晰地表述词语之间的语义关系，研究者们还把眼光投向了语言学家 们的研究成果：语言学的词表，例如w o r d n e t 和h o w n e t 等。语言学词表中对语 义关系和概念的详细描述值得借鉴，可以作为对受控词表改进的参考，甚至可以 直接用于自然语言解析，实现语义检索。北京大学计算语言研究所在对w o r d n e t 的研究和汉化( 即建立c c d ，c h i n e s e c o n c e p t d i c t i o n a r y q b 文概念词典) 方面已 经在国际上享有盛誉，研究成果己经广泛应用于句法分析、语义分析、自动切分 词、自动翻译等具体项目中，其相关词表更是被m m ，m i c r o s o r 等著名公司购 买使用。 ( 2 ) 语义w e b 环境下实现的语义检索研究。语义w e b 是由w w w 的发明 人t i m b e r n e r s l e e 在2 0 0 0 年l o 月1 8 日的x m l 2 0 0 0 会议上正式提出的概念， 他最初将语义w e b 视为“一个w e b 数据库，某种意义上就像一个全球数据库”， 基本的思想就是一个w e b ，在那里远程主机可以以有意义的方式进行交谈，而不 仅仅是请求h t m l 页面。而对语义w e b 的传播和推进主要靠的是w o r d w i d e w e b c o n s o r t i u m ( w 3 c ) ，随着2 0 0 1 年2 月w 3 c 组织正式开展s e m a n t i c w e b a c t i v i t y ( w w w w 3 o r g 2 0 0 1 s w ) ，网络环境下的语义检索成为研究的重点【】q 。一些主要 的开发商，包括a d o b e 、h e w l e t t - p a c k a r d 、m m 、n o k i a 甚至美国国防部高级研 究计划局( d a r p a ) ，都支持并投资开发语义w e b 。 语义w e b 要实现的目标就是要创建一个合理、有序组织、结构化、形式化的 知识网络，在满足人类认知理解的同时要便于计算机访问、处理、推理和利用 w e b 信息资源，让基于概念的网络信息检索代替基于字面匹配的信息检索，给网 络信息检索和利用带来一场革命，让用户可以更全、更精确地获取信息。 o n t o s k 1 q 针对一个较窄的领域( 比如电话黄页或产品目录) ，让用户详细 地描述产品的各项特征。这种描述在一个领域本体的支持下，被交互地翻译成一 个用概念图 2 0 l 表示的语义模型。这种语义表示可以非常丰富和复杂。所有产品的 这种语义描述随后被存储在一个中央数据库中。在查询时，用户根据这种语义描 述来描述所需要产品的特征。这种描述也是通过一个用户界面，在同一个领域本 体的支持下交互地完成，并最终也被翻译成概念图。之后，o n t o s e e k 系统通过 4 河海大学硬士学位论文 比较数据库中的所有产品的语义表示和用户查询的语义表示，计算出它们之间的 语义匹配度，排序并返回用户结果。由于产品描述和查询都是以概念图的方式来 表示的，所以这种语义匹配度的计算被归约为对概念图的图匹配计算。 来自语义w e b 学术界的工作可以认为是构成了当前语义检索研究的主干。 s h o e t 2 ”是这方面先驱性的工作之一它假设w e b 网页的语义信息被标注在网页 内部并且这些语义信息是通过本体定义的。s h o e 随后收集和下载网页并过滤出 其中的语义信息，再将这些语义信息存储在一个知识库中。s h o e 提供了一个可 视化的用户查询界面。这个界面也是本体驱动的。用户通过从本体中选择概念和 关系来表达其信息需求。一旦用户基于本体的查询形成之后，这个查询被提交给 知识库来查找相关的网页和信息。因为主要依赖于知识库来完成查询，s h o e 的 方法可以被看作是一种形式化的语义搜索。为了和传统的w e b 搜索有所结合， 当知识库的查询不能返回有效的答案时，s h o e 系统会自动把用户的基于本体的 形式化查询转换为一个关键词查询，并把该查询提交给传统的w e b 搜索引擎去 搜索出相关的网页。 与s h o e 系统具有类似想法的是o w l i r 系统1 2 2 。o w l i r 系统是一个利用语 义信息提高信息检索效果的尝试。针对一个较窄的应用领域( 学校针对一些事件 下发的文件) ，该系统首先用信息抽取的方法抽取出语义标注。同时，该系统也 会通过w e b 上的其它信息源来丰富这个语义标注。例如利用i m d b 网站来丰富 关于学校放映的电影的语义标注。在得到这些语义标注后，系统通过一个推理机 将这些语义标注中隐藏的其它r d f 三元组推理出来。这些三元组随后被嵌入到 文本中被一起进行索引。最后，用户可以使用复杂的查询来对文本进行检索。由 于o w l i r 使用了支持结构化查询的信息检索系统，用户可以同时检索文本并指 定一些语义约束。所有同时满足了关键词检索和语义约束的网页被作为结果返回 给用户。 s e s a m e l 2 卸较早地实现了用数据库对r d f 数据的存储和查询。对r d f 数据的 查询不能仅仅停留在对其x m l 表示的索引和查询上，也不能仅仅停留在对其三 元组的查询上，而是应该结合r d f s 来理解r d f 数据的语义，完成带有推理的 语义查询。s e s a m e 也首先提出了对r d f 数据的声明式的查询语言- r q l ( r d f q u e r y l a n g u a g e ) 2 t ，它是其后w 3 c 的标准查询语言s p a r q l 2 5 j 的基础。但s e s a m e 主要是以对r d f 数据的查询为重点，而对o w l 数据的查询支持较少。针对这 一问题，d l d b l 2 6 j 试图能够更多地回答o w l 数据上的推理和查询。d l d b 使用 一个描述逻辑的推理引擎对本体中的父子类关系进行预先计算，然后使用关系数 据库上的视图来回答关于本体实例的查询。当前，d l d b 仅支持对父子类关系和 父子属性关系进行推理，所以其支持的推理能力仍是非常有限的。 比d l d b 更进一步，l n s t a n c e s t o r e t 2 1 使用了更加深入的推理与分析，进行了 5 河海大学硕士学位论文 更多的预先计算，能够以数据库为基础完成对大规模实例数据的查询和推理。 i n s t a n c e s t o r e 的局限性在于，它仅能对没有关系事实的实例数据进行完备的推理。 对于某些应用领域，对实例的类别和属性的推理和查询是主要问题，而不需要考 虑实例之间的关系。在这种情况下，i n s t a n c e s t o r e 能够较好地完成查询任务。 1 3 2 国内研究技术现状 目前国内对语义检索的研究存在着多股力量。所谓多股力量是指来自情报 学、人工智能、语言学、计算机科学与应用、互联网以及某些特定专业( 例如医 学、农业等) 研究领域的学者都从各自的专业背景和应用目的出发已经或正在对 语义检索的相关技术进行研究和探索。国内研究也有两种思路，都是针对本体的 建立和存储方式而言的，其一是指传统的、从信息检索研究领域自然发展而来的、 基于受控词表运用的语义检索研究：其二是指从对w e b 的研究发展而来的、语 义w e b 环境下的基于本体的语义检索研究。 ( 1 ) 基于受控词表的语义检索这种研究思路将着眼点放在受控词表上，在受 控词表的完善和电子化方面进行了大量的探索和研究，检索过程支持语义推理的 概念集合都是基于受控词表而建立的，而且这些概念集合中的概念及相互之间的 关系一般是以一定的格式存储在关系数据库或者计算机内存中，对信息资源的索 引结果一般以倒排文件的格式存储在关系数据库中，信息检索主要是通过数据库 查询语言s o l 来实现的。 图1 2 基于概念词表的语义检索系统模型 这种思路下语义检索系统的典型体系结构如图1 2 所示。典型的研究有章成 志关于概念语义w e b 的自动标引和自动分类的研究f 2 3 】，以及袁占亭、张琳等对 6 河海大学硕士学位论文绪论 基于概念的信息检索的研究和论述阴鲫。 ( 2 ) 语义w e b 环境下的语义检索这种思路主要是在语义w e b 环境下基于 领域本体来实现语义检索。对本体的创建也可以参考相关的词表，但是本体以及 对信息资源标注结果一般以r d f 三元组的结构存储在r d f 文档中，在具体处理 的过程中可以对r d f 文档进行解析从而创建r d f 模型。这种模型可以存储在计 算机的内存中，也可以依照r d f 三元组的结构存储在关系数据中，语义检索实 现过程中主要的处理对象就是r d f 模型。这个过程中的信息检索不是使用关系 数据库查询语言s q l ，而是使用类似于s q l 的面向r d f 模型的特定检索语言 r d q l ( r d f d a t aq u e r yl a n g u a g e ) 3 1 1 。这种思路起源于对互联网的研究，针对 的主要对象是网络信息资源，其典型的体系结构如图1 3 所示。典型的研究有朱 礼军对万维网环境下基于领域知识的信息资源管理模式的研究 3 2 5 图1 3 基于领域知识的资源管理平台 中科院计算所智能信息处理开放研究实验室建立的基于本体论和多主体的 信息检索服务器删是一种利用多智能主体和本体理论设计的信息检索服务器，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，并利用本体对文档进行领域分类，同时对用户的查询信息进行规范。但此 研究没有使用形式化的本体语言来建立本体，没有考虑本体的推理问题，对本体 的应用还是很粗略的。 宋峻峰州提出的基于本体的信息检索模型采用了描述逻辑作为构造本体的 本体语言，使用本体中定义的词汇来标记文档，生成基于本体的文档逻辑视图和 用户信息需求逻辑视图，从而可以实现语义层次的检索，使检索性能大大改善。 但是该文只考虑了概念间和个体问的等价关系，忽略了本体所能提供的许多有用 7 河海大学硕士学位论文 的关系，如概念问的包含关系、概念间的不相交关系、个体与概念间的成员关系 等；同时对本体的构建采用的是较简单的描述逻辑，知识表达能力较弱。对于如 何在较复杂的关系下实现更有效的信息检索、如何在表达力较强的描述逻辑下保 证推理的效率等问题还有待于进一步研究。 1 3 3 现状分析与不足总结 国内外对语义w e b 的大规模的正式应用还处在起步阶段，特别是国内还处在 探索和实践阶段，目前还没有令人满意的实际应用案例。实际上，语义w e b 的 最直接的应用就是实现对网络信息资源的语义检索，这也是语义w e b 提出的初 衷之一，研究在语义w e b 环境下如何真正实现语义检索是当前语义w e b 研究的 重点之一。 国内外对于基于受控词表实现的语义检索已经进行了许多相关的研究而且 也取得了一些研究成果，但是鉴于语义w e b 的研究与发展正在得到越来越多的 支持，所以语义w e b 环境下实现的语义检索研究正在成为主流。 o n t o s e e k 是通过深入分析自然语言文本来获得完整的、复杂的语义信息。这 种分析通常包括对文本进行完整的词法、语法和语义处理。该领域的语义检索通 常使用形式化的语义表示，并根据这样的知识表示来进行查询处理。s h o e 仅能 够进行形式化的语义查询，o w l i r 虽然把信息检索和形式化的语义查询进行了 结舍，但是这种结合还是比较简单的。高效的语义搜索需要从语义信息的存储和 查询上得到有力的支撑，现有数据库的高性能很自然地被联想到用来为这方面的 工作提供保障。s e s a m e 、d l d b 、i n s t a n e e s t o r e 均利用到了数据库对r d f 或o w l 数据的存储与查询，而且d l d b 和i n s t a n e e s t o r e 也加入了一定程度的推理来增 强检索能力。但是d l d b 支持的推理能力相当有限，i n s t a n c e s t o r e 仅能对没有关 系事实的实例数据进行完备的推理，因此这两个工具还可以进行相应的改进。 国内对语义检索的研究还处在起步阶段，而且基本上还都是侧重于理论研 究，基本上没有已实现的原型系统。 因此，对语义w e b 环境下的语义检索进行研究是有很大的空间的，特别是对 如何将推理加入到语义检索中的研究正在成为研究的热点。作为语义w e b 的基 础，r d f 具有良好的概念层次结构和一定的逻辑推理支持，因而在语义检索中 得到了广泛的应用。本文就是在研究了r d f 推理机制之后，根据r d f 推理机制 存在的不足引入领域扩展规则来弥补r d f 在关系描述上的缺陷，然后提出一个 基于r d f 的语义检索框架，最后据此语义检索框架开发一个信息检索系统来解 决同义词识别和相关信息查找问题。 8 河海大学硕士学位论文 1 4 研究目标与内容 本文在分析了语义w e b 中r d f 推理机制的基础上，根据r d f 推理的局限性 采用一种领域扩展规则的方法来弥补r d f 在关系描述上的不足，在此基础上提 出了一个基于r d f 的语义检索框架并将其应用在学习资源的检索当中。该框架 的基本思想是：第一步利用r d f s 对应用领域进行建模，再添加r d f 描述的资 源实例数据一起构成知识库；第二步利用领域扩展规则对领域模型进行扩展；第 三步利用r d f 和r d f s 蕴涵规则在r d f 描述信息中进行推理，进一步扩展领域 模型，这一步所依赖的模型是经过第二步的扩展之后的模型；第四步利用p , o q l 语言在最终模型上进行查询，实现信息资源的语义检索 主要研究内容包括： ( 1 ) 深入分析r d f 的推理机制及其不足之处，并通过定义领域扩展规则来 弥补r d f 在关系描述上的缺陷； ，( 2 ) 针对传统信息检索技术的缺点，提出基于r d f 的语义检索框架，重点 解决如何实现资源的语义描述、推理和检索； ( 4 ) 利用本体开发工具p r o t 6 9 6 开发一个“计算机网络”领域的简单r d f s 本体，这种建模是将现实世界中的关系转换成为计算机可识别的形式以方便进行 推理、查询； ( 5 ) 利用j a v a 语言开发语义检索实验系统，该系统主要为用户提供学习资 源的检索服务，并且这种检索系统能够识别同义词、能够根据规则进行简单的自 动推理分析。 1 5 研究意义 面对日益膨胀的信息海洋，使用搜索引擎对信息进行检索已经成为现代人的 一种生活习惯。但是，传统的搜索引擎有一些自身难以克服的缺点：有的查全 率很高而查准率很低；有的查准率很高而查全率很低；对词语( 关键词) 太 敏感；检索结果太单调。为了克服传统的搜索引擎的缺点，无论是图书情报学 ( 信息管理) 界还是计算机科学( 含人工智能) 领域，甚至某些专业领域，诸多 学者都不约而同地把目光投向了语义检索。 语义起源于哲学家对“意义”的思考。对人类语言、文字、符号所包含语义 的本质研究则始于语言学家，但是他们偏重于面向人类理解的语义研究；数理逻 辑和计算机科学则更加侧重于面向机器理解的语义研究 3 2 1 。而正是计算机科学对 语义的介入才使得语义检索的研究得以发展，语义检索系统得以实现。语义检索 实际上就是基于概念匹配的检索f 3 5 】，是针对基于关键词匹配的检索而提出来的。 9 河海大学硕士学位论文绪论 它可被广泛应用于知识管理、信息集成、数字图书馆、电子商务等具体应用领域。 作为语义w e b 的基础，r d f 具有良好的概念层次结构和一定的逻辑推理支 持，因而在语义检索中得到了广泛的应用。因此，研究r d f 推理机制并将之应 用于语义检索中对于提高语义检索的能力是很有帮助的。本文就是在深入分析了 r d f 语义的基础上，将r d f 推理机制引入到教学资源检索领域，提出了基于r d f 的语义检索框架，并开发了一个语义检索实验系统，该系统能较好的解决当前信 息检索系统中出现的同义词无法识别、检索结果相关性低等问题。 1 6 本文组织 本文由6 章和参考文献组成： 第一章绪论介绍本文的的研究背景、语义w e b 与语义检索、语义检索的 研究现状、本文的研究目标与内容、研究意义。 第二章r d f 推理机制研究着重分析了r d f 模型，以及为语义推理服务的 r d f r d f s 蕴涵规则和r d f 语义的局限性等问题。 第三章基于r d f 的语义检索框架提出了基于r d f 的语义检索框架。这个 框架包含了领域建模、信息资源的组织与语义描述、语义检索等。 第四章语义检索实验系统的设计与实现介绍了语义检索实验系统的设 计、开发过程。 第五章实验通过进行相应的实验来表明在本文框架下，信息资源的语义 得到了充分的体现，本文语义检索策略是可行性的。 第六章总结与展望总结研究成果，展望下一步研究目标。 i o 河海大学硕士学位论文r d f 推理机制 第二章r d f 推理机制 开发领域知识本体可以将领域知识以一种计算机可读的方式表示出来，完成 对现实世界语义的建模。这部分工作主要由领域知识工程师来完成，以此保证领 域知识到规范化的概念和术语的映射。随后的问题就是如何使用这些本体，主要 的问题集中在： 如何保证应用程序能正确理解资源的语义描述? 如何让应用程序根据本体和语义描述信息进行推理操作? 计算机理解语义的基础在于能够将符号即语义描述信息向明确、形式化的领 域知识映射。也就是说计算机并不知道符号的具体含义，但是通过映射能够得知 如何处理l 刀。在语义w e b 的体系结构中，本体层以上各层还没有制订出标准，因 此r d f 层和本体层是目前语义推理机制研究的重点。r d f 层实现领域资源的语 义描述，本体层则实现领域知识的领域建模，两者相结合便形成领域知识库。本 章将重点放在r d f 层，下面从r d f 模型、r d f 语义、r d 啪f s 蕴涵等几个方 面进行研究。 2 1r d f 模型 f 知识本体可以将现实世界的语义知识、关系用明确、形式化的方式表示出来， r d f 则可以在己定义领域知识的基础之上对资源进行语义描述，并保证应用程 序对资源语义描述的正确解释和根据语义进行推理的形式正确性。r d f 系统先 有形式化的语法，后来才有了基于多种逻辑的语义解释，w 3 c 采用了模型理论 来解释r d f 的语义。所谓模型理论是指用一种表示世界实际状态的抽象数学结 构来解释句子的含义【3 6 j 。 2 1 1r d f 模型及其表示方法 要让应用程序理解一个符号的语义，其实就是要让语义以一种应用程序可理 解的方式表示出来。对入来说，一个符号的语义就是这个符号代表的意思。如当 人看到x m l 文档中的标记 ，就会想到作者，这是人对符号的解释，它 是基于人的常识的。但对计算机来说，它并不能真正理解符号的含义，因此更为 确切的说是当应用程序遇到一个符号时，它是如何处理的。这种处理操作可以映 射到一个形式化系统上，例如r d f 。r d f 的语义以形式化的方式表达出来，可 以被计算机直接处理。当计算机遇到这个符号时，可以根据对它的形式化描述， 河海大学硕士学位论文r d f 推理机制 利用自动推理，得到更多的信息。 r d f 是一种用规范的词汇表来表达命题的断言语言，尤其是可以作为建立更 高级断言语言的一种基础语言。其基本思想是；用简单的陈述来表达资源，其中 每个陈述都是由主体( s u b j e c t ) 、谓词( p r e d i c a t e ) 、客体( o b j e c t ) 组成的。为 此，r d f 提供了个简单但功能强大的数据模型，它通过资源属性及其相应值 来描述特定资源。r d f 模型的定义为p 日： 包含一系列的节点； 包含一系列属性类； 模型是一个三元组，其结构为：( 节点属性类节点或者原始值( 字符串 或数值等) ) ； r d f 模型中所有被描述的资源以及用来描述资源的属性值都被看成是“节 点”，属性类可被看成是连接两者的弧线。由资源节点、属性类和属性值组成的 一个三元组叫做一个r d f 陈述( r d fs t a t e m e n t ) 。一个r d f 陈述( rpv ) 可以 理解为“资源r ，有一个属性p ，p 的值为v ”。在一个r d f 模型中，陈述既可 以作为资源节点，同时也可以作为值节点出现，所以一个r d f 模型中的节点有 时不止一个。这时，用来描述资源节点的值节点本身还具有属性类和值，还可以 继续细化。举个例子，有一个r d f 陈述为“h t t p ：w w w e x a m p l e o r g i n d e x h t m l 这个网页的创建日期是1 9 9 9 年8 月1 6 号”。网页是被描述的资源，它的一个属 性是“c r e a t i o n - d a t e ”即创建日期，而这个属性的值是“1 9 9 9 0 8 1 6 ”。这里的网 页资源节点可能还有其他一些属性，如创建者、关键词等，这些属性可以继续对 节点进行描述。 r d f 陈述利用u r i 引用( u r jr e f e r e n c e ，u r h 弓f ) 来标识r d f 陈述中涉及 的事物。多个r d f 陈述组合起来就可以描述更为复杂的事物，因此也可以说r d f 陈述是r d f 模型的基本组成单元。 r d f 模型共有三种形式化的表示方法，分别是r d f 图，r d f x m l 和n 3 。 其中r d f 图方式直接明了，n 3 更接近一阶逻辑，考虑到w e b 环境下x m l 所具 有的优良性，所以r d f 数据模型也采用x m l 序列化来表示。这种方式在r d f 的推荐标准当中称之为r d f x m l 规范阳。 在实际应用中，r d f 图由于其直观性常用于建模分析过程，r d f x m l 形式 则适用于应用程序处理r d f 模型。下面简单介绍一下这两种方法。 每个数据模型可以看成一个r d f 图，一般也称为实体关系图。在r d f 中， 如下的英文陈述：“h t t p ：w w w e x a m p l e o r g i n d e x h t m lh a sac r e a t o rw h o s ev a l u e i sj o h ns m i t h ”，用r d f 图的描述如图2 1 所示。 河海大学硕士学位论文k d f 推理机镧 图2 1 用r d f 图描述的一个陈述 在r d f 图中利用节点和弧作为表达陈述的元素。一个陈述用r d f 图可以表 示为： 一个表示主体的节点( h t t p ：w w w e x a m p l e o r g i n d e x h t m l ) ； 一个表示客体的节点( j o h ns m i t h ) ： 一个由主体节点指向客体节点的表示谓词的弧 ( h t t p ：1 w w w e x a m p l e o r g t e r m s c r e a t o r ) 图2 1 用r d f x m l 可以用来表示如下： r d f ：d e s c r i p t i o nr d f ：a b o u t = ”h t t p ：w w w e x a m p l