本體的自動(dòng)構(gòu)建方法

解 崢，王盼卿，彭 成

（軍械工程學(xué)院 河北 石家莊 050003）

本體（ontology）原本是一個(gè)哲學(xué)概念，后來信息系統(tǒng)需要世界推理的模型，因此研究者在程序中利用術(shù)語“本體”來描述目標(biāo)世界的信息。1995年意大利Padova大學(xué)的Guarino等人對(duì)本體的不同概念解釋進(jìn)行深入分析，最后得出了一個(gè)基本得到領(lǐng)域認(rèn)同的本體概念，即“某些方面概念化的明確解釋或表示”[1]，雖然不是本體最終的標(biāo)準(zhǔn)定義，但是對(duì)信息系統(tǒng)的研究具有理論指導(dǎo)意義。

本體開發(fā)步驟包含：1）確定本體的領(lǐng)域和范圍；2）考慮現(xiàn)有本體的復(fù)用；3）枚舉本體的重要術(shù)語；4）定義類和類的層次；5）定義類的特性；6）定義屬性的約束；7）生成實(shí)例。根據(jù)本體的開發(fā)步驟，傳統(tǒng)的本體構(gòu)建方法主要有骨架法、評(píng)估法、Bernaras法、METHONTOLOGY法和SENSUS法。骨架法是領(lǐng)域內(nèi)本體構(gòu)建的常用基本方法，以骨架法[2]為例，簡單介紹一下本體的傳統(tǒng)構(gòu)建方法流程：1）確定本體應(yīng)用的目的和范圍；2）本體分析；3）本體表示；4）本體評(píng)估；5）本體建立。

本體自動(dòng)構(gòu)建技術(shù)，也被稱作本體學(xué)習(xí)。其目標(biāo)是通過與數(shù)據(jù)庫的連接，實(shí)現(xiàn)對(duì)內(nèi)部數(shù)據(jù)的自動(dòng)抽取，并且轉(zhuǎn)化出相應(yīng)的本體。本體自動(dòng)構(gòu)建方法種類繁多，但是主要過程大致相同，以H.Waste方法為例：1）確定本體應(yīng)用目的和范圍；2）數(shù)據(jù)抽取，機(jī)器分析；3）本體表示；4）概念區(qū)分；5）本體建立。

1 本體自動(dòng)構(gòu)建研究現(xiàn)狀

通過上文以看出傳統(tǒng)的本體構(gòu)建方法與本體自動(dòng)構(gòu)建方法在構(gòu)建思路上有些相似，并沒有太大不同。但是看兩者構(gòu)建過程中的具體操作過程（見表1），不難看出，在傳統(tǒng)構(gòu)建本體的過程中，主要以專家的經(jīng)驗(yàn)分析和人工操作來生成本體，雖然這樣構(gòu)建本體的可靠性高，但是隨之而來的高成本和長時(shí)間，使得構(gòu)建本體的難度大大增加，因此國內(nèi)外都加大了本體自動(dòng)構(gòu)建的研究力度。

表1 傳統(tǒng)本體構(gòu)建方法與本體自動(dòng)構(gòu)建方法比較Tab.1 The traditional ontology construction method compared with themethod of building ontology automatically

雖然本體自動(dòng)構(gòu)建雖然研究時(shí)間不是很長，但是卻已經(jīng)有了很多實(shí)質(zhì)性的進(jìn)展。通過對(duì)本體自動(dòng)構(gòu)建的研究，豐富了原有的知識(shí)庫，改進(jìn)了原有本體構(gòu)建的方式方法，現(xiàn)在國內(nèi)外已經(jīng)有很多的團(tuán)隊(duì)對(duì)本體的自動(dòng)構(gòu)建和半自動(dòng)構(gòu)建的方法研究。

H.Waste等人根據(jù)“所需即所用”的思想，認(rèn)為同一領(lǐng)域內(nèi)的人對(duì)本領(lǐng)域的本體的構(gòu)建也會(huì)有著不同的的理解，針對(duì)不同的應(yīng)用就會(huì)有不同的本體[3]。他們于1999年左右提出了一個(gè)基于領(lǐng)域的初始核本體，然后再以此為基礎(chǔ)，借助語言處理工具，機(jī)器通過尋找新的相似概念不斷的擴(kuò)充核本體，最終生成所需本體。這就是本體自動(dòng)構(gòu)建中的 “中間擴(kuò)展法”，其思想值得我們學(xué)習(xí)。但是這個(gè)方法最大的問題就在于需要建立一個(gè)領(lǐng)域的初始核本體，這需要領(lǐng)域?qū)＜业慕槿耄液吮倔w的標(biāo)準(zhǔn)也很難劃定。

Jean等人在2004年提出了一個(gè)通過先構(gòu)建局部本體，再通過對(duì)局部本體進(jìn)行本體合并，最后得出全局本體的自動(dòng)構(gòu)建方法[4]。其構(gòu)建原理為通過抽取數(shù)據(jù)之間的概念關(guān)系，構(gòu)造出局部本體，再通過計(jì)算局部本體的語義間概念相似度，抽取相同概念及概念間的關(guān)系，最終生成所需本體。這種方法主要存在的問題是抽取數(shù)據(jù)進(jìn)行局部本體構(gòu)建需要事先書寫預(yù)定義規(guī)則，對(duì)基礎(chǔ)信息語義間概念的區(qū)分難度比較大。

2005年前后德國的卡爾斯魯厄大學(xué)的AIFB研究所開發(fā)的本體自動(dòng)構(gòu)建工具TextOnt，是一個(gè)可以從不同數(shù)據(jù)庫中抽取數(shù)據(jù)源的概念及其內(nèi)部關(guān)系再合并出對(duì)應(yīng)本體的工具。它最大特點(diǎn)是可以利用機(jī)器學(xué)習(xí)功能，進(jìn)行相應(yīng)的實(shí)例學(xué)習(xí)，也可以對(duì)已生成的本體進(jìn)行裁剪、分類、擴(kuò)展和比較。他們對(duì)于本體構(gòu)建的基本認(rèn)識(shí)是認(rèn)為本體構(gòu)建主要應(yīng)該通過WordNet進(jìn)行自然語言理解和關(guān)聯(lián)語義挖掘。正是由于是對(duì)概念之間進(jìn)行分析操作，導(dǎo)致其主要問題是對(duì)概念的區(qū)分比較模糊，其概念間關(guān)系也不容易清晰的區(qū)分，后期需要大量的人工操作。

University Of Rome開發(fā)的領(lǐng)域本體的Ontolearn是一個(gè)通過統(tǒng)計(jì)的方法從文本中抽取術(shù)語，再借助語言分析工具，進(jìn)行概念的抽取和分析，最后生成本體的工具。這種方法不同于其它方法之處就在于其基于統(tǒng)計(jì)的方法進(jìn)行文本數(shù)據(jù)分析，再確定本體的生成，改變了傳統(tǒng)的以專家參與的方式進(jìn)行本體構(gòu)建，更具有科學(xué)性和可靠性。

在國內(nèi)對(duì)于中文的本體自動(dòng)構(gòu)建的研究也有很多，在2006年，Chang-Shing li等人依據(jù)繁體中文字典抽取詞語產(chǎn)生相應(yīng)概念，再在相應(yīng)的語境下，利用模糊推理進(jìn)行機(jī)器學(xué)習(xí)，但是在全局本體的構(gòu)建中，仍需相應(yīng)的領(lǐng)域?qū)＜彝瓿蒣5]。中國科學(xué)院陸汝鈐院士等人以知識(shí)庫中的基本領(lǐng)域本體為基礎(chǔ)[6]，集合用戶需求，采用仿生物種群進(jìn)化的方法，對(duì)基礎(chǔ)本體進(jìn)行增添、重組和刪減來半自動(dòng)豐富已有本體。劉柏嵩等人提出針對(duì)WEB數(shù)據(jù)，借助WordNet等工具區(qū)分出語義概念和實(shí)例。2009年楊爭庫等人通過對(duì)國外Jean等人研究的方法進(jìn)行深化，提出了依據(jù)本體間概念間的映射[7]，通過書寫映射規(guī)則，達(dá)到本體自動(dòng)構(gòu)建目的。2010年王磊等人總結(jié)國內(nèi)外經(jīng)驗(yàn)得出了根據(jù)PAT-Tree[8]進(jìn)行詞匯、領(lǐng)域特征的提取，最終基于FCA構(gòu)建本體的方法。通過將以上國內(nèi)外方法總結(jié)歸納得出表2，通過對(duì)表2的分析，我們更容易看出各個(gè)方法在主要環(huán)節(jié)相同和不同的地方。

表2 國內(nèi)外本體自動(dòng)構(gòu)建的主要方法Tab.2 Them ain method of ontology autom ated building at home and abroad

2 存在的主要問題

通過表2可以看出，雖然本體自動(dòng)構(gòu)建研究至今也發(fā)展了十多年的時(shí)間，理論進(jìn)展和實(shí)際成果也有很多，但是從本體自動(dòng)構(gòu)建流程圖（見圖1）中依然可以看出，目前本體自動(dòng)構(gòu)建過程還有很多問題：

1）現(xiàn)在研究的眾多理論，大多還是要有領(lǐng)域?qū)＜业膮⑴c，屬于半自動(dòng)的成果居多，只是實(shí)現(xiàn)了局部的自動(dòng)化。以H.Waste方法為例，需要相應(yīng)領(lǐng)域?qū)＜蚁冗M(jìn)行簡單的領(lǐng)域分析，從中抽取主要概念及關(guān)系，然后在此基礎(chǔ)上構(gòu)建初始核本體。再將核本體進(jìn)行領(lǐng)域內(nèi)擴(kuò)展，將領(lǐng)域內(nèi)其余本體與和本體合并。但是這中間的初始核本體構(gòu)建以及領(lǐng)域間關(guān)系的擴(kuò)展依然要人工操作來完成，并未實(shí)現(xiàn)真正意義上的“自動(dòng)”；

2）現(xiàn)在大多研究還是理論過程偏多，實(shí)際成果偏少，具體的自動(dòng)構(gòu)建流程偏少。特別是國內(nèi)對(duì)于本體自動(dòng)構(gòu)建的研究，都集中于理論過程的討論和簡單的驗(yàn)證，并沒有系統(tǒng)的完成對(duì)本體自動(dòng)構(gòu)建的具體實(shí)現(xiàn)。雖然Chang-Shing li和陸汝鈐院士的本體自動(dòng)構(gòu)建方法已經(jīng)部分應(yīng)用，但是對(duì)于中文的領(lǐng)域內(nèi)本體自動(dòng)構(gòu)建具體應(yīng)用還是很少；

圖1 本體自動(dòng)構(gòu)建流程圖Fig.1 Ontology automated builds flowchart

3）大多數(shù)處理語義間概念關(guān)系都是借助原有語言分析軟件 ， 如 1995 年 的 WordNet、2003 年 的 FrameNet、2006 年 的HowNet等，新的語言分析軟件缺少。語言分析軟件是實(shí)現(xiàn)本體自動(dòng)構(gòu)建的核心工具之一，然而隨著時(shí)代的發(fā)展，我們已經(jīng)步入大數(shù)據(jù)時(shí)代，日新月異的數(shù)據(jù)和新概念成指數(shù)式增長，原有的語言分析軟件的處理能力有所不足。

3 發(fā)展趨勢

針對(duì)現(xiàn)今本體自動(dòng)構(gòu)建中存在的主要問題，未來本體自動(dòng)構(gòu)建的工作將圍繞解決這些主要問題展開：

1）通過對(duì)當(dāng)今世界上主流本體自動(dòng)構(gòu)建方法的總結(jié)可以看出，雖然本體自動(dòng)構(gòu)建的方法多樣，形式不同，但是并沒有為特殊領(lǐng)域提供固定的規(guī)則標(biāo)準(zhǔn)來進(jìn)行選擇。因此需要結(jié)合各類領(lǐng)域再進(jìn)一步對(duì)本體自動(dòng)構(gòu)建方法進(jìn)行分類，使得在選擇本體自動(dòng)構(gòu)建方法時(shí)可以選取最優(yōu)化的方法。

2）H.Waste在提出中間擴(kuò)展法自動(dòng)構(gòu)建本體時(shí)就指出在自動(dòng)構(gòu)建初始核本體的過程中，仍然需要相應(yīng)的領(lǐng)域?qū)＜液鸵欢ǖ目蒲腥藛T先進(jìn)行初始核本體的創(chuàng)建。現(xiàn)在不僅是H.Waste的方法，大多數(shù)本體自動(dòng)構(gòu)建技術(shù)中依然要依賴領(lǐng)域?qū)＜液涂蒲腥藛T進(jìn)行人工的分析操作。因此楊爭庫等人指出隨著人工智能的發(fā)展，基于統(tǒng)計(jì)和詞匯分析能力的人工智能技術(shù)已經(jīng)有了很大的進(jìn)步和很廣的應(yīng)用，可以結(jié)合現(xiàn)今技術(shù)，實(shí)現(xiàn)本體自動(dòng)構(gòu)建的全自動(dòng)。

3）以陸如鈐院士半自動(dòng)構(gòu)建本體方法和Chang-Shing li的方法為例，可以看出隨著本體自動(dòng)構(gòu)建系統(tǒng)理論的逐步完善，應(yīng)該逐漸向?qū)嵱没较虬l(fā)展。設(shè)計(jì)領(lǐng)域內(nèi)本體自動(dòng)構(gòu)建的框架，采取合適的自動(dòng)構(gòu)建技術(shù)，切實(shí)將成果應(yīng)用于實(shí)際，實(shí)現(xiàn)對(duì)應(yīng)領(lǐng)域內(nèi)信息集成中本體的自動(dòng)構(gòu)建。

4）在當(dāng)今互聯(lián)網(wǎng)大數(shù)據(jù)云存儲(chǔ)的背景下，設(shè)計(jì)全新的針對(duì)本體自動(dòng)構(gòu)建的在線或者固定更新的語言分析軟件，實(shí)時(shí)更新社會(huì)各領(lǐng)域內(nèi)詞匯，改進(jìn)現(xiàn)有語義間概念關(guān)系算法，提高概念區(qū)分的準(zhǔn)確度。

4 結(jié)束語

雖然現(xiàn)在本體自動(dòng)構(gòu)建方法存在一些問題和矛盾尚未解決好，實(shí)際的成果也不是很多，但是近幾年互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代的到來，使得傳統(tǒng)的基于本體的信息集成方法已經(jīng)開始漸漸滿足不了時(shí)代的需求，本體的自動(dòng)構(gòu)建將成為時(shí)代的必然選擇。而隨著本體自動(dòng)構(gòu)建理論的不斷完善和人工智能技術(shù)的不斷進(jìn)步，本體自動(dòng)構(gòu)建方法也將會(huì)向著更自動(dòng)更快捷的方向發(fā)展。

[1]馮志勇，李文杰，李曉紅.本體論工程及其應(yīng)用[M].北京：清華大學(xué)出版社，2007.

[2]宋佳.基于語義的裝備領(lǐng)域信息集成框架設(shè)計(jì)與查詢研究[D].石家莊：軍械工程學(xué)院，2008.

[3]Cimiano P，Volker J.Text20nto a framework for ontology learning and data-driven change discovery[C]//Proceedings of the 1Oth International Conference on Applications of Natural Language to Information Svstrms，2005:227-238.

[4]Barloroush A，Shamsfard M.Hasti:a model of ontology for NLU systems [C]//Proceedings of the 7th Iranian Conference on Electrical Engineering，1999：91-98.

[5]Lee Chang-Shing，Kao Yuan-Fang，Kuo YauvHwang，et al.Automated ontologyconstruction for unstructured text documents[J].Data&Knowledge Engineering，2006，60（3）:547-566.

[6]陳剛，陸汝鈴，金芝.基于領(lǐng)域知識(shí)重用的虛擬領(lǐng)域本體構(gòu)造[J].軟件學(xué)報(bào)，2003（3）:350-355.CHEN Gang，LU Ru-ling，JIN Zhi.Based on knowledge reuse in the field of virtual domain ontology construction[J].Journal of Software，2003（3）:350-355.

[7]楊爭庫.信息集成中本體的自動(dòng)構(gòu)建及映射技術(shù) [D].西安：西安電子科技大學(xué)，2009.

[8]王磊，周寬久，仇鵬.領(lǐng)域本體自動(dòng)構(gòu)建研究[J].情報(bào)學(xué)報(bào)，2010，29（1）:45-52.WANG Lei，ZHOU Kuan-jiu，QIU Peng.Domain ontology automatically building research[J].Journal of Intelligence，2010，29（1）:45-52.