特色數(shù)據(jù)庫本體構(gòu)建研究——以“嘉興地方文獻(xiàn)”數(shù)據(jù)庫為例

●張莉萍 （嘉興學(xué)院 圖書館，浙江 嘉興 314001）

嘉興地處杭嘉湖平原，環(huán)境優(yōu)美，人杰地靈。先秦以來受吳越文化影響，自明清時(shí)即有“文化之邦”的美譽(yù)，傳統(tǒng)文化底蘊(yùn)深厚，崇文重學(xué)，名人輩出，群星璀璨，嘉興籍文人的作品是祖國(guó)文化寶庫中一顆耀眼的明珠。籌建“嘉興地方文獻(xiàn)”數(shù)據(jù)庫，對(duì)嘉興籍文人的文獻(xiàn)進(jìn)行系統(tǒng)的加工整理，還本正源，知往鑒來，有利于嘉興地方文獻(xiàn)資源的有效利用和長(zhǎng)期保存。數(shù)據(jù)庫將以大量不同資源類型展現(xiàn)嘉興地方文獻(xiàn)的豐富多彩，從一個(gè)側(cè)面還原嘉興優(yōu)秀歷史文化的傳承和輝煌歷史文化成果。對(duì)弘揚(yáng)嘉興優(yōu)秀的地方文化成果，促進(jìn)文化大市的建設(shè)有重要作用。［1］

網(wǎng)絡(luò)環(huán)境下，特色化是決定圖書館未來命運(yùn)的關(guān)鍵問題，要想在眾多的圖書館中爭(zhēng)得一席之地，就必須突出自己的特色，強(qiáng)化自己的優(yōu)勢(shì)，凸現(xiàn)自己的品牌，樹立自己的形象，因而特色化信息資源建設(shè)就顯得舉足輕重。

1 數(shù)據(jù)庫資源組織模式

1.1 資源組織模式

如何籌建特色數(shù)據(jù)庫，采用什么樣的信息資源組織模式，是關(guān)系到特色庫質(zhì)量的關(guān)鍵問題。資源組織體系包括數(shù)據(jù)組織、信息組織和知識(shí)組織三個(gè)層次。數(shù)據(jù)組織僅解決了異構(gòu)數(shù)據(jù)庫中信息實(shí)體的合并問題，無法反映信息實(shí)體間客觀存在著的多種聯(lián)系。如何在異構(gòu)資源系統(tǒng)集成的基礎(chǔ)上，揭示客觀存在于不同資源系統(tǒng)中的信息實(shí)體之間的關(guān)系便成為信息組織要完成的任務(wù)。但信息組織的深度僅限于信息實(shí)體和文獻(xiàn)層面，沒有揭示信息實(shí)體內(nèi)部的概念和語義，因而從信息組織系統(tǒng)中所獲取的還是文獻(xiàn)（信息）的集合，而不是知識(shí)的集合。［2］實(shí)現(xiàn)知識(shí)的有效獲取，滿足用戶的知識(shí)需求，便成為知識(shí)組織要完成的任務(wù)。知識(shí)組織基于數(shù)據(jù)集成和信息集成，是對(duì)信息的優(yōu)化，側(cè)重于概念和關(guān)系（本體），是數(shù)字資源組織的高級(jí)階段，是數(shù)據(jù)組織、信息組織發(fā)展的必然。它不僅能夠?qū)崿F(xiàn)數(shù)字圖書館異構(gòu)系統(tǒng)局部資源的功能優(yōu)化，而且可使數(shù)字圖書館眾多的資源集合成一張巨大的知識(shí)網(wǎng)絡(luò)，使數(shù)字圖書館的最終目標(biāo)——面向用戶的知識(shí)檢索與知識(shí)服務(wù)成為可能。

1.2 知識(shí)組織內(nèi)涵

所謂知識(shí)組織，是以知識(shí)組織方法為指導(dǎo)，以數(shù)據(jù)組織、信息組織為基礎(chǔ)，以知識(shí)組織體系為支撐，組織資源結(jié)構(gòu)中概念及概念關(guān)系的一種組織方式。任何領(lǐng)域的知識(shí)成果，都要以概念的形式固定下來，概念是知識(shí)的基本單元。概念間存在著多種復(fù)雜關(guān)系，通過各種邏輯關(guān)系聯(lián)系起來的概念集合，就形成概念系統(tǒng)，有它特有的、不同于其他知識(shí)體系的概念集合。知識(shí)組織的主要對(duì)象是內(nèi)在于知識(shí)體系中的知識(shí)結(jié)構(gòu)和概念及關(guān)系。知識(shí)體系不是各種知識(shí)內(nèi)容的匯集，而是相互間具有邏輯關(guān)系，具有一定層次結(jié)構(gòu)，結(jié)構(gòu)性是知識(shí)體系的基本本質(zhì)。

2 基于本體論的知識(shí)組織

2.1 本體論與知識(shí)組織

知識(shí)組織的重點(diǎn)和精髓在于對(duì)知識(shí)及知識(shí)的關(guān)聯(lián)進(jìn)行有效描述、處理和表示。圍繞知識(shí)組織的精髓，產(chǎn)生了本體、主題圖、概念圖、詞網(wǎng)等新型知識(shí)組織體系。由于本體作為一種有效表示概念層次結(jié)構(gòu)和語義的理論和方法，具有良好的概念層次和對(duì)邏輯推理的支持，能在語義和知識(shí)層面上描述信息系統(tǒng)的概念建模工具，有知識(shí)組織體系的功能，能夠?qū)崿F(xiàn)對(duì)知識(shí)結(jié)構(gòu)的描述與揭示，從而成為知識(shí)組織的主流技術(shù)，被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)和信息管理領(lǐng)域，并且被成功應(yīng)用于構(gòu)建新的智能信息組織和檢索系統(tǒng)。［3］

2.2 知識(shí)本體實(shí)質(zhì)

知識(shí)本體的實(shí)質(zhì)即概念及其之間的關(guān)系。概念包含著特殊和單一的屬性，在邏輯上形成“種—屬—具體個(gè)體”范疇，這三類屬性范疇是密切相關(guān)的。概念之間的各種關(guān)系使人類知識(shí)形成一個(gè)相互關(guān)聯(lián)的立體網(wǎng)狀體系。因此，我們可以這樣理解本體：知識(shí)本體是反映概念及概念之間關(guān)系的知識(shí)整體。從形式上，一個(gè)本體論可以用語義網(wǎng)格來表示；在語義網(wǎng)格中，每個(gè)結(jié)點(diǎn)表示一個(gè)概念，而結(jié)點(diǎn)之間的聯(lián)系表示概念之間的關(guān)系。在實(shí)現(xiàn)上，可以用關(guān)系數(shù)據(jù)庫來存放和管理一個(gè)本體論。本體是一種技術(shù)，它可以在許多涉及知識(shí)表示與共享的環(huán)境下應(yīng)用。［4］

2.3 基于本體論的知識(shí)組織模式

“嘉興地方文獻(xiàn)”特色數(shù)據(jù)庫的本體屬于領(lǐng)域本體，首先要在領(lǐng)域?qū)＜业膸椭?，建立相關(guān)領(lǐng)域的本體；收集信息源中的數(shù)據(jù)，參考本體論對(duì)異構(gòu)信息進(jìn)行標(biāo)引，并參照已建立的本體把收集來的數(shù)據(jù)規(guī)定格式存儲(chǔ)在元數(shù)據(jù)庫中，實(shí)現(xiàn)異構(gòu)信息的組織。

首先要構(gòu)建一個(gè)形式本體，也就是能進(jìn)行形式化表達(dá)的本體論模型，然后用計(jì)算機(jī)軟件形式表達(dá)出來，其一般構(gòu)造方法可以設(shè)計(jì)成三段法。這樣構(gòu)造的形式本體論是一個(gè)動(dòng)態(tài)系統(tǒng)，其概念、關(guān)系和軟件均可根據(jù)發(fā)展的需要而不斷更新。

第一段：概念化。所謂概念化就是確定某一領(lǐng)域的元概念。概念之間的關(guān)系可以包括同義關(guān)系、反義關(guān)系、屬種關(guān)系、交叉關(guān)系、全異關(guān)系等。這與分類法和主題表有一定類似，但卻沒有分類法和主題表體系固定的限制，也不像分類法和主題表那樣龐大。

第二段：模型化。在本體概念確定后，所謂模型化就是用圖示法將某領(lǐng)域的元概念和元關(guān)系表示出來，構(gòu)筑成形式本體論的關(guān)系模型，用網(wǎng)絡(luò)聯(lián)絡(luò)。與普通樹型數(shù)據(jù)結(jié)構(gòu)的元數(shù)據(jù)不同的是，形式本體論允許各級(jí)概念的交叉滲透。

第三段：軟件化。所謂軟件化就是用適當(dāng)?shù)能浖ぞ邔⒈倔w論模型轉(zhuǎn)化為能在計(jì)算機(jī)上運(yùn)行的軟件。由于形式本體論可以軟件化，故適合用計(jì)算機(jī)處理，這是其特點(diǎn)和優(yōu)點(diǎn)。一旦確定了本體論模型，就可以用程序設(shè)計(jì)語言將形式本體論表示出來，制成軟件界面。而通過該軟件界面皆可以將世界所有與該領(lǐng)域相關(guān)的信息資源、知識(shí)資源和研究資源聯(lián)絡(luò)起來，構(gòu)筑成具有特定功能的系統(tǒng)。

3 基于本體論的知識(shí)檢索

3.1 傳統(tǒng)信息檢索機(jī)制的局限性

傳統(tǒng)檢索技術(shù)多采用詞切分、單漢字以及詞切分和單漢字相結(jié)合，檢索主要借助與目錄、索引和關(guān)鍵詞等方法來實(shí)現(xiàn)。此技術(shù)的優(yōu)點(diǎn)是簡(jiǎn)單、快捷，但缺點(diǎn)是無法挖掘信息之間的內(nèi)在聯(lián)系，無法理解用戶的需求，無法有效地處理互聯(lián)網(wǎng)上的海量異構(gòu)信息。［5］

傳統(tǒng)的基于關(guān)鍵詞匹配是基于學(xué)科分類的檢索工具，之所以不能令人滿意，最主要的原因之一就是由于在信息資源的組織和查詢中，沒有考慮到信息資源所蘊(yùn)涵的語義關(guān)系，無法挖掘概念之間的內(nèi)在聯(lián)系，搜索出更深層的信息聯(lián)系，導(dǎo)致了信息檢索效果的查全率和查準(zhǔn)率比較低。因此，基于信息組織的關(guān)鍵詞匹配的信息檢索技術(shù)無法達(dá)到對(duì)知識(shí)的檢索和利用。

3.2 基于本體的信息資源檢索

由于本體具有良好的概念層次結(jié)構(gòu)，并且支持邏輯推理，這使得本體在信息檢索，特別是知識(shí)檢索中得到了更廣泛的應(yīng)用。借助于本體論的信息檢索技術(shù)能夠挖掘出信息之間的內(nèi)在聯(lián)系，使得信息檢索的結(jié)果能更準(zhǔn)確、更全面地反映用戶的要求，可以實(shí)現(xiàn)知識(shí)檢索的目的。

3.3 基于本體論的知識(shí)檢索實(shí)現(xiàn)

針對(duì)當(dāng)前信息檢索工具難以滿足知識(shí)獲取的需求，在檢索機(jī)制中引入本體，使檢索系統(tǒng)能對(duì)查詢請(qǐng)求和信息源進(jìn)行語義分析，實(shí)現(xiàn)基于語義理解的知識(shí)檢索。檢索時(shí)，可以借助本體論將用戶的需求轉(zhuǎn)換成規(guī)定的格式，并在元數(shù)據(jù)庫中進(jìn)行匹配，然后通過符合要求的元數(shù)據(jù)從異構(gòu)信息源中查找到原始信息，并將結(jié)果反饋用戶，這樣用戶與信息系統(tǒng)的溝通效率便得到了很大的提高。

另一方面，本體論可以在用戶檢索的過程中為其提供多個(gè)檢索入口。由于本體論是對(duì)概念之間關(guān)系的深層次揭示，可以形成龐大而有效的本體網(wǎng)絡(luò)。因此，它能夠?yàn)橛脩籼峁└嗟臋z索點(diǎn)，比如可以提供某一事物在分類法、中圖法、科圖法、敘詞表和不同語種的表示，這樣，用戶只需從自己最熟悉的檢索點(diǎn)進(jìn)入，而且還可以檢索到所有相關(guān)信息，而不用去熟悉各種不同的異構(gòu)信息庫及其檢索策略。此外，還可以提供某一概念的上位詞、下位詞、同義詞、反義詞等來方便用戶擴(kuò)大或縮小檢索范圍，提高檢索效率。基于本體的信息檢索系統(tǒng)的一般模型如圖1所示。

圖1 基于本體的信息檢索系統(tǒng)的一般模型。

4 “嘉興地方文獻(xiàn)”特色數(shù)據(jù)庫的本體構(gòu)建

4.1 籌建基于本體的“嘉興地方文獻(xiàn)”特色數(shù)據(jù)庫

“嘉興地方文獻(xiàn)”特色數(shù)據(jù)庫的籌建，就是要借助于本體論的知識(shí)組織和知識(shí)檢索功能，借助現(xiàn)代計(jì)算機(jī)技術(shù)，改變以往基于信息的資源組織和檢索的不足，采用全新的知識(shí)組織和檢索模式，解決信息系統(tǒng)語義異構(gòu)的問題，構(gòu)建一個(gè)基于本體的知識(shí)管理系統(tǒng)，實(shí)現(xiàn)基于知識(shí)的數(shù)據(jù)組織與檢索?！凹闻d地方文獻(xiàn)”特色數(shù)據(jù)庫不僅僅是建立一個(gè)存放各種數(shù)據(jù)的結(jié)構(gòu)，關(guān)鍵是要利用本體論揭示領(lǐng)域內(nèi)嚴(yán)謹(jǐn)豐富的理論和表達(dá)的豐富知識(shí)，把形式多樣、來源廣泛或特殊收藏的、關(guān)于“嘉興地方文獻(xiàn)”這一主題的數(shù)字化資源，按照客觀事物存在的本質(zhì)和組成關(guān)系進(jìn)行知識(shí)的組織，對(duì)這一領(lǐng)域的知識(shí)內(nèi)容和資源的相互關(guān)系進(jìn)行揭示，形成有序的、便于利用和長(zhǎng)期保存的特色資源集合，爭(zhēng)取實(shí)現(xiàn)在對(duì)特色領(lǐng)域內(nèi)的信息資源進(jìn)行組織時(shí)，進(jìn)行本體論理論應(yīng)用于數(shù)據(jù)庫建設(shè)的有益嘗試，將特色庫建設(shè)成為具有系統(tǒng)性、學(xué)術(shù)性、有一定深度和廣度的學(xué)術(shù)資源數(shù)據(jù)庫。

4.2 數(shù)據(jù)庫籌建模式

（1）“嘉興地方文獻(xiàn)”元概念確定。在搜集和整理嘉興文獻(xiàn)資源時(shí)，確定“嘉興地方文獻(xiàn)”這一領(lǐng)域的元概念，并以數(shù)字化的表現(xiàn)形式提供資源。

（2）構(gòu)建文獻(xiàn)本題論模型。為了能構(gòu)建出適合的地方文獻(xiàn)本體，本體論的構(gòu)建需地方文獻(xiàn)方面的專家、語言學(xué)家和信息學(xué)專家等的跨學(xué)科領(lǐng)域合作“嘉興地方文獻(xiàn)”本體構(gòu)建如圖2所示：

圖2 “嘉興地方文獻(xiàn)”本體構(gòu)建

［1］馬文峰，杜小勇.數(shù)字資源整合的發(fā)展趨勢(shì)［J］.圖書情報(bào)工作，2007（7）：66－70.

［2］楊建林.基于本體的文本信息檢索研究［J］．情報(bào)理論與實(shí)踐，2006（5）：598－601.

［3］朱慶生，鄒景華.基于本體論的論文檢索［J］．計(jì)算機(jī)科學(xué)，2005（5）：172－176.

［4］花開明，等.基于本體與元數(shù)據(jù)的語義檢索［J］.計(jì)算機(jī)工程，2007（12）：220－224.

［5］宋煒，張銘.語義網(wǎng)簡(jiǎn)明教程［M］．北京：高等教育出版社，2004.

［6］ TBerners-Lee，JHendler，O Lassila.The Semantic Web［J］．Scientific American，2001.