基于領(lǐng)域本體的語義檢索的實現(xiàn)_領(lǐng)域本體的半自動構(gòu)建及檢索研究

6.4　基于領(lǐng)域本體的語義檢索的實現(xiàn)

語義檢索的實質(zhì)是使得計算機能夠“理解”用戶的檢索意圖，核心技術(shù)是以領(lǐng)域本體的概念關(guān)系為基礎(chǔ)，通過對本體中的概念關(guān)系進行解析和判斷，推理出檢索詞之間的隱含語義關(guān)系，將檢索從目前的關(guān)鍵詞字面檢索提高到語義檢索的層面。

本文采用Java語言開發(fā)了一個基于領(lǐng)域本體的語義檢索系統(tǒng)，該系統(tǒng)所采用的開發(fā)環(huán)境是Windows 2000，JDK 1.5，開發(fā)工具為JBuilder 2005以及語義開發(fā)包Jena 2.3。該語義檢索系統(tǒng)可以初步對用戶的檢索式進行處理，判斷其中具有檢索意義的檢索詞之間的語義關(guān)系，使得檢索詞之間不再是孤立的狀態(tài)，推理用戶的檢索意圖，最終從語義的層面對用戶的檢索式進行處理，最終返回檢索結(jié)果。通過實驗發(fā)現(xiàn)，這種檢索機制相比傳統(tǒng)的關(guān)鍵詞檢索可以發(fā)現(xiàn)潛在的、隱含的語義結(jié)果，具有較高的精確率和召回率。

6.4.1　總體設(shè)計

基于領(lǐng)域本體的語義檢索系統(tǒng)主要有以下四個模塊組成：

（1）提問詞分析模塊

提問詞分析模塊的主要作用是對用戶的提問式進行處理，過濾停用詞，抽取具有檢索意義的實詞并且判斷用戶的提問中心。

（2）語義推理模塊

語義推理模塊的主要作用是根據(jù)用戶的提問詞進行語義關(guān)系判斷，判斷出各個提問式之間隱含的語義關(guān)系，明確用戶的真正檢索意圖。

（3）查詢分析模塊

查詢分析模塊是在語義推理的基礎(chǔ)上，根據(jù)語義關(guān)系，自動構(gòu)建RDQL查詢語句，對本體庫進行查詢，并且把查詢結(jié)果返回給用戶。

（4）本體管理模塊

本體管理模塊主要是本體的瀏覽、導(dǎo)航和可視化顯示作用，通過本體瀏覽模塊可以清晰地發(fā)現(xiàn)概念之間的關(guān)系，可視化組件可以對農(nóng)學(xué)本體中的概念關(guān)系以動態(tài)圖的形式直觀展現(xiàn)出來。

整個語義檢索系統(tǒng)的模塊圖如圖6-9所示。

圖6-9　基于領(lǐng)域的語義檢索系統(tǒng)模塊圖

6.4.2　技術(shù)實現(xiàn)

1　提問詞分析模塊

提問詞分析模塊主要是對用戶的輸入的檢索式進行初步處理，抽取其中具有檢索意義的實詞，同時對檢索詞進行標注，判斷出用戶的提問中心，為后續(xù)的語義關(guān)系推理做好準備工作。

（1）抽詞

用戶的檢索提問通常為自然語言，其中通常含有一些不具有檢索意義的虛詞。抽詞模塊首先對用戶的檢索式進行處理，過濾掉提問式中的停用詞，抽取其中有檢索意義的實詞。例如，用戶輸入“《齊民要術(shù)》的作者是誰？”這樣一個提問式，經(jīng)過處理之后形成“齊民要術(shù)作者”關(guān)鍵詞序列。

（2）檢索詞標注

利用本體中的類別信息對檢索詞進行標注，將具體實例標注為其所屬的類，這是對檢索詞進行的規(guī)范化處理，是建立計算機理解檢索詞的基礎(chǔ)。例如，對于含義模糊的檢索詞“熊貓”則標注為動物或品牌，以便于進一步的語義判斷。在本文中，標注的類型是農(nóng)學(xué)本體中的類別（也就是概念分析中的分面）。以下為標注類型和標注符號：

地點PL

農(nóng)書NS

版本BE

時間TI

人物PE

主題ZT

（3）抽取提問中心

抽取用戶的提問中心，是對用戶的檢索詞進行語義判斷的基礎(chǔ)。在用戶的檢索式中，提問中心通常是抽象詞，而具體的實例則是對提問中心的限制或描述。例如“北京市圖書館”，其中北京市為具體實例，而圖書館則是提問中心；“明代《齊民要術(shù)》的版本”，則版本為提問中心。

根據(jù)以上分析，不難得出，抽取提問中心的方法是利用農(nóng)學(xué)本體的類（Class）對檢索式進行抽取，抽取到的類名詞則為提問中心。以“華東地區(qū)收藏的齊民要術(shù)的版本”為例，經(jīng)過提問詞分析模塊處理后的檢索結(jié)果為：華東地區(qū)/PL齊民要術(shù)/NS版本/BE，What，其中PL為地點，NS為農(nóng)業(yè)古籍，BE為版本，What為提問中心。

2　語義推理模塊

傳統(tǒng)的信息檢索模型是將各個檢索詞看做是孤立的，忽略檢索詞之間的語義關(guān)系，這也是造成基于關(guān)鍵詞檢索的檢索模型在一定程度上返回大量無關(guān)檢索結(jié)果的原因之一。語義推理模塊正是通過建立語義推理引擎，來判斷用戶檢索詞之間的語義關(guān)系，對用戶的檢索提問進行計算機理解。

（1）建立推理引擎的目的

本體的查詢需要借助RDQL語言，但該語言本身不具備推理功能，只能查詢模型中有直接關(guān)系的數(shù)據(jù)，例如在農(nóng)學(xué)本體庫中，有“湖湘本be＿CollectedBy中國農(nóng)業(yè)遺產(chǎn)研究室”、“中國農(nóng)業(yè)遺產(chǎn)研究室located＿in江蘇”這樣兩條實例，它的意思是“中國農(nóng)業(yè)遺產(chǎn)研究室收藏了湖湘本，同時中國農(nóng)業(yè)遺產(chǎn)研究室位于江蘇省”，由此，我們可以推斷出“湖湘本藏于江蘇省”這樣一條結(jié)論。但是RDQL語言不具備這樣的傳遞推理機制，不可能得出上述推論，因此必須引入推理機制，RDQL語言才能對所有的語義數(shù)據(jù)作全面的查詢，從而獲取用戶滿意的查詢結(jié)果。

建立推理引擎的目的正是將本體中具有隱含語義關(guān)聯(lián)的數(shù)據(jù)推理出來，獲取所有相關(guān)聯(lián)的數(shù)據(jù)作為RDQL查詢的數(shù)據(jù)庫。推理引擎借助于本體信息及相關(guān)的公理描述可以從基本的RDF描述中獲取額外的斷言（Assertion），經(jīng)過推理處理可以獲得RDF有向圖中的所有語義閉包。當用戶提交查詢從RDF數(shù)據(jù)模型獲取數(shù)據(jù)時，不僅能得到數(shù)據(jù)模型本身所含有的數(shù)據(jù)，而且可以得到由推理機制所產(chǎn)生的蘊含知識數(shù)據(jù)。

（2）建立推理引擎的方法

本文中采用的推理方法是利用Jena包中通用規(guī)則推理機制，采取工廠化方法GenericRuleReasonerFactory獲得通用規(guī)則推理機，從而引入事先寫好的形式化的規(guī)則庫文件對農(nóng)學(xué)本體庫進行推理。之所以選擇通用規(guī)則推理機是因為考慮到推理處的蘊涵知識的意義和推理效果，RDFS規(guī)則推理機（RDFS Rule Reasoner）、OWL－Lite推理機（OWL FB Reasoner）等內(nèi)置推理機對農(nóng)學(xué)本體庫進行推理，得出的是基于描述邏輯的推理結(jié)果。

例如，這樣一個推理規(guī)則：

（？a rdf：type rdfs：Class） （？a rdfs：subClassOf ？a）

該條推理規(guī)則的意思是：如果？a的類型是rdfs：Class，那么推理出？a是它自己的子類，也就是說如果有“禾谷類作物”這樣一個類，那么“禾谷類作物”可以作為該類的一個子類存在。其實這種推理對于用戶來說并沒有任何意義。用戶并不關(guān)心這樣的知識，最后的結(jié)果是推理結(jié)果之后會產(chǎn)生大量的、無關(guān)的垃圾信息，影響系統(tǒng)處理的效率和效果。因此選擇了通用規(guī)則推理的機制。

例如在本體庫中存在“收藏機構(gòu)locate＿in地區(qū)”，“收藏機構(gòu)collected農(nóng)業(yè)古籍”，經(jīng)過傳遞性推理就可以得出“地區(qū)collected農(nóng)業(yè)古籍”。經(jīng)過推理引擎處理，可以得出本體庫中所有具有隱含語義關(guān)聯(lián)的類以及實例間的語義關(guān)系。

（3）建立語義模式庫

抽取本體庫中所有的語義屬性（主要針對ObjectType屬性），按照（Domain，屬性名，Range）的形式建立語義模式三元組構(gòu)成語義模式庫。根據(jù)語義模式庫，經(jīng)過相關(guān)計算就可以確立標注后的檢索詞之間的語義關(guān)系。

（4）確立檢索詞的語義關(guān)系

本體中的三元組都是“主語，謂語，賓語”的形式，用戶的檢索提問通常都是對主語或者賓語提問。通過步驟（1）的語義推理已經(jīng)得到RDF有向圖的所有語義閉包，因此若本體庫中存在用戶提問的檢索結(jié)果，至多通過兩個三元組組合便可以得到檢索結(jié)果。

本文利用傳統(tǒng)的向量空間模型構(gòu)筑檢索詞的語義關(guān)系，將標注后的檢索詞以及語義模式庫中的語義模式視為向量，通過余弦函數(shù)進行匹配判斷。

For每一個語義模式向量

If Sim（檢索向量，語義模式向量）＞0.7 存入提問候選集

EndFor

其中，d_i，d_j分別為檢索向量和語義模式向量的距離，W為分別對應(yīng)向量。

仍以“華東地區(qū)收藏的齊民要術(shù)的版本”為例，經(jīng)過語義匹配得到的提問候選集為“華東地區(qū)，collected，版本”，“齊民要術(shù)，has＿edtition，版本”。

3　查詢分析模塊

（1）RDQL查詢語句簡介

RDQL^［17］是Jena中針對RDF的查詢語言，這種查詢語言將RDF視為三元組，也就是帶有向邊的圖，圖的節(jié)點是資源（Resource）或者文字（Literal）。RDQL提供了一種圖匹配策略，查詢RDF中滿足一定節(jié)點的圖，查詢結(jié)果返回匹配到的屬性值。

RDQL滿足一定的范式，基本由SELECT、FROM、WHERE 和USING字句組成。其中SELECT字句銜接的是提問中心，WHERE字句銜接的是查詢條件，而FROM和USING字句分別銜接的RDF模型和本體的URI地址，由檢索時設(shè)定。例如，在http://example.org/peopleInfo＃查詢年齡在24歲以上的人，具體的查詢語句如下：

（2）構(gòu)建RDQL查詢語句

RDQL滿足一定的范式，類似數(shù)據(jù)庫查詢中的SQL語句，因此構(gòu)建RDQL查詢語句的時候，只需要按照語法規(guī)則將查詢內(nèi)容和條件填充到指定的位置即可。其中SELECT字句銜接的是從檢索詞中抽取出來的提問中心，也就是標注為“WHAT”的查詢詞；WHERE字句銜接的是查詢條件，也就是生成的語義關(guān)系組合，即滿足一定語義關(guān)系的用戶查詢組合。因此把2（4）中形成的語義關(guān)系組合添加到WHERE字句之后，而FROM和USING字句分別銜接的RDF模型和本體的URI地址，在本文中即為農(nóng)學(xué)本體。以“清代描述大麻栽培的農(nóng)書有哪些”為例，生成的查詢語句如下：

SELECT？x WHERE（c：齊民要術(shù)，c：has＿edtion，？x），（c：華東地區(qū)，c：collected，？x）

USING c for http://www.owl-ontologies.com/unnamed.owl＃

（3）查詢結(jié)果處理

將（1）中形成的查詢語句交給本體模型，如果本體中存在符合語義關(guān)系組合的三元組則返回屬性值；如果不存在，則返回NULL。

4　本體管理模塊

以樹形結(jié)構(gòu)表示本體的等級體系，將本體中的類表示為根節(jié)點，將實例表示為葉子節(jié)點，點擊樹的節(jié)點，可以顯示該節(jié)點相關(guān)的各種屬性。通過對樹的瀏覽實現(xiàn)對本體的內(nèi)容瀏覽，通過關(guān)鍵詞查詢可以檢索到該關(guān)鍵詞在本體中的等級關(guān)系以及所有的屬性。

解析方法：

圖6-10　領(lǐng)域本體導(dǎo)航圖

（1）類的解析

利用listHierarchyRootClasses（?。┓椒ǖ玫奖倔w的根節(jié)點，然后利用listSubClasses（?。┓椒▽ΩY(jié)點判斷是否有子類，通過遞歸的方法得到所有的子類。

（2）實例的解析

根據(jù)（1）得到的類，對每個類通過listSubClasses（　）方法判斷并獲取類的實例，利用getLocalName（?。┓椒ǖ玫綄嵗拿Q。

（3）屬性的解析

首先利用is Datatype Property（　）和isObject Type Property（?。┓椒ㄅ袛嗍菙?shù)據(jù)屬性還是對象屬性，然后利用各自不同的特征對屬性進行進一步解析。如果是Datatype屬性，則屬性值為Literal類型，如果是Object Type屬性，則屬性值為Resource類型。