一種本體與Lucene融合的工藝知識(shí)檢索方法

王慶文，裴彥純，周建慧，楊海成,3

（1.北京航空航天大學(xué) 機(jī)械工程及自動(dòng)化學(xué)院，北京 100191；2.中國(guó)航天科工飛航技術(shù)研究院，北京 100074；3.中國(guó)航天科技集團(tuán)，北京 100048）

0 引言

在科技高速發(fā)展的今天，企業(yè)中的知識(shí)迅速膨脹，制造企業(yè)也不例外。知識(shí)管理，就是為企業(yè)實(shí)現(xiàn)顯性知識(shí)和隱性知識(shí)共享提供新的途徑，利用集體的智慧提高企業(yè)的應(yīng)變和創(chuàng)新能力。工藝知識(shí)是涉及產(chǎn)品全生命周期的，目前國(guó)內(nèi)工藝知識(shí)管理主要應(yīng)用于CAPP范疇，主要對(duì)產(chǎn)品設(shè)計(jì)過(guò)程中的工藝知識(shí)進(jìn)行了有效的管理，也有很多高校和研究院正在對(duì)產(chǎn)品全生命周期的工藝知識(shí)管理展開(kāi)了深入研究。而國(guó)外對(duì)工藝知識(shí)的管理研究則側(cè)重于知識(shí)管理的框架和知識(shí)表達(dá)方式及評(píng)價(jià)[1]。其中，工藝知識(shí)的共享是工藝知識(shí)管理中很重要的一部分，如果知識(shí)庫(kù)中的知識(shí)不能夠及時(shí)地共享，那么工藝知識(shí)管理的水平就要大打折扣。

工藝知識(shí)檢索是知識(shí)共享的一種有效途徑，面對(duì)產(chǎn)品全生命周期的大量工藝知識(shí)，北京航空航天大學(xué)的姜明提出了一種基于內(nèi)容的工藝知識(shí)檢索方法[2]，此方法是通過(guò)Lucene檢索工具包中的檢索方法，構(gòu)建了工藝文檔的索引結(jié)構(gòu)，并對(duì)其內(nèi)容進(jìn)行抽取和分詞，是一種基于內(nèi)容的檢索方法。但這種方法只是機(jī)械的分詞匹配，工藝術(shù)語(yǔ)之間的關(guān)系在索引中并不能體現(xiàn)出來(lái)，若能將工藝術(shù)語(yǔ)之間的關(guān)系添加至索引中，就可以使得檢索過(guò)程對(duì)工藝文檔和用戶輸入的查詢條件進(jìn)行推理解析后再查詢，這樣檢索過(guò)程將更加智能化，成為一種工藝知識(shí)語(yǔ)義檢索的方法。

構(gòu)建工藝術(shù)語(yǔ)之間的聯(lián)系，采用比較多的是構(gòu)建工藝本體。目前，越來(lái)越多的領(lǐng)域在其知識(shí)管理中引入了本體，如飛機(jī)故障知識(shí)本體[3]、幾何學(xué)知識(shí)本體[4]。部分制造業(yè)知識(shí)管理中也引入了本體，如OHSMKBS領(lǐng)域本體[5]、機(jī)械加工工藝本體[6]等。在制造業(yè)中我們將工藝知識(shí)的相關(guān)本體簡(jiǎn)稱為工藝本體。

在工藝知識(shí)語(yǔ)義檢索中，通過(guò)工藝本體對(duì)文檔內(nèi)容和查詢關(guān)鍵字進(jìn)行擴(kuò)展，擴(kuò)展的方式則依據(jù)工藝知識(shí)管理系統(tǒng)的具體檢索需求。目前，采用較為廣泛的是三元組擴(kuò)展[7]，三元組（主體，謂詞，客體）可以準(zhǔn)確地表達(dá)工藝術(shù)語(yǔ)之間的聯(lián)系。本文通過(guò)在Lucene索引結(jié)構(gòu)和查詢條件結(jié)構(gòu)中引入工藝術(shù)語(yǔ)語(yǔ)義三元組屬性項(xiàng)，在基于內(nèi)容檢索的基礎(chǔ)上，對(duì)工藝文檔的內(nèi)容進(jìn)行了語(yǔ)義擴(kuò)展，彌補(bǔ)了檢索過(guò)程中機(jī)械分詞匹配查詢的單一性，使得工藝知識(shí)檢索系統(tǒng)對(duì)文檔內(nèi)容的檢索更加語(yǔ)義化，智能化。

1 工藝本體與Lucene融合的工藝知識(shí)檢索結(jié)構(gòu)

Lucene工具包提供了中文分詞、文檔建索和文檔檢索工具，雖然可以將工藝術(shù)語(yǔ)詞典加入Lucene詞典中實(shí)現(xiàn)對(duì)工藝術(shù)語(yǔ)的分詞，但在查詢時(shí)，只能進(jìn)行機(jī)械的工藝術(shù)語(yǔ)匹配，并不能很好地體現(xiàn)文檔內(nèi)容的語(yǔ)義。

為將文檔內(nèi)容的語(yǔ)義抽取出來(lái)，在Lucene分詞后，對(duì)其中的工藝術(shù)語(yǔ)進(jìn)行語(yǔ)義擴(kuò)展，這種擴(kuò)展主要是依據(jù)構(gòu)建的工藝本體中工藝術(shù)語(yǔ)之間的聯(lián)系，分析工藝術(shù)語(yǔ)及其上下文中的其他術(shù)語(yǔ)，將其擴(kuò)展為一個(gè)子句，也就是三元組，由于這種三元組表達(dá)了文檔中內(nèi)容論述的主題或方向，因此我們稱其為語(yǔ)義三元組。

將擴(kuò)展后的語(yǔ)義三元組添加到Lucene索引中后，查詢時(shí)同樣對(duì)用戶輸入的查詢條件進(jìn)行擴(kuò)展，得到查詢語(yǔ)義三元組，去查詢對(duì)應(yīng)的語(yǔ)義三元組索引項(xiàng)，這樣就形成了完整地語(yǔ)義檢索過(guò)程。

本文通過(guò)分析工藝文檔的屬性和檢索需求，采用Lucene和工藝本體結(jié)合的方法，提出了一種工藝知識(shí)語(yǔ)義檢索方法的總體流程，如圖1所示。

工藝知識(shí)語(yǔ)義檢索方法共分為三個(gè)部分，即工藝文檔建索，工藝文檔查詢，檢索結(jié)果返回。

工藝文檔建索過(guò)程，是在存儲(chǔ)到知識(shí)庫(kù)的同時(shí)，抽取其各類屬性，工藝文檔的屬性分為內(nèi)容屬性和文檔相關(guān)信息屬性，內(nèi)容屬性需要通過(guò)中文分詞后建立索引，而相關(guān)信息則直接抽取后建立索引。但對(duì)于文檔的語(yǔ)義信息，并不像文檔作者或文檔發(fā)表日期這類屬性可以直接抽取，需要對(duì)文檔內(nèi)容中的工藝術(shù)語(yǔ)及其上下文進(jìn)行推理擴(kuò)展后才能獲得。因此，依據(jù)工藝本體中工藝術(shù)語(yǔ)之間的各類關(guān)系，對(duì)文檔內(nèi)容中工藝術(shù)語(yǔ)進(jìn)行擴(kuò)展后得到文檔語(yǔ)義信息，最后與其他屬性項(xiàng)一起添加至Lucene索引結(jié)構(gòu)中。

圖1 工藝知識(shí)語(yǔ)義檢索方法總體流程

工藝文檔查詢過(guò)程，是對(duì)用戶輸入的查詢條件進(jìn)行整合，獲得用戶需要查詢的內(nèi)容以及其他約束（如文檔作者等），對(duì)于用戶輸入的內(nèi)容需要進(jìn)行中文分詞后才能建立查詢條件，然而對(duì)于文檔的語(yǔ)義信息，因?yàn)橛脩糨斎氲夭樵冴P(guān)鍵字并不是語(yǔ)義三元組，因此需要對(duì)其輸入的關(guān)鍵字進(jìn)行同建索過(guò)程相同的語(yǔ)義擴(kuò)展后，獲得語(yǔ)義三元組，生成查詢條件。最后，將所有的查詢條件進(jìn)行整合獲得總查詢條件，對(duì)Lucene索引文件進(jìn)行查詢。

檢索結(jié)果返回過(guò)程，是將Lucene查詢得到的抽象結(jié)果總集，每一條結(jié)果記錄中都包含了其對(duì)應(yīng)的數(shù)據(jù)庫(kù)位置信息，進(jìn)而查詢工藝知識(shí)庫(kù)，得到目標(biāo)工藝文檔。

2 工藝本體與Lucene索引和查詢條件融合

2.1 工藝本體與Lucene索引融合

工藝本體主要存儲(chǔ)了工藝術(shù)語(yǔ)之間的聯(lián)系，給定目標(biāo)工藝術(shù)語(yǔ)，依據(jù)工藝本體中建立的關(guān)系可以對(duì)其進(jìn)行擴(kuò)展，擴(kuò)展后得到目標(biāo)工藝術(shù)語(yǔ)的相關(guān)語(yǔ)義三元組。獨(dú)立的工藝術(shù)語(yǔ)并不能體現(xiàn)工藝領(lǐng)域中具體的語(yǔ)義，例如“熱處理”，熱處理的知識(shí)一般包括熱處理的簡(jiǎn)介，熱處理對(duì)材料性能的影響，熱處理在工藝過(guò)程中的工序安排等，獨(dú)立的“熱處理”并不能表達(dá)出具體的語(yǔ)義。

在Lucene索引結(jié)構(gòu)中如果添加語(yǔ)義三元組索引項(xiàng)，可以將工藝文檔內(nèi)容進(jìn)行推理擴(kuò)展后再建立索引。Lucene的索引結(jié)構(gòu)以及建索過(guò)程都是用戶自己定義的，因此可以完美地將工藝本體中的關(guān)系，通過(guò)推理擴(kuò)展后，融入到Lucene索引結(jié)構(gòu)中。

例如，某篇文檔中大量出現(xiàn)了“熱處理”和“硬度”“韌性”等工藝術(shù)語(yǔ)，只將這些關(guān)鍵字添加至索引中，并不能體現(xiàn)他們之間的關(guān)系，通過(guò)工藝本體中“熱處理”與“材料性能”的關(guān)系和“材料性能”與“硬度”、“韌性”的關(guān)系，可以擴(kuò)展得到“熱處理影響硬度”、“熱處理影響韌性”、“熱處理影響材料性能”等語(yǔ)義三元組，再將這些語(yǔ)義三元組添加至Lucene索引中，如此，Lucene索引中不僅包含了該文檔的內(nèi)容及時(shí)間作者等信息，也包含了文檔內(nèi)容中的語(yǔ)義信息。

本文通過(guò)分析工藝文檔檢索需求以及工藝本體與Lucene融合需求，設(shè)計(jì)了如圖2所示的工藝本體與Lucene融合后的索引結(jié)構(gòu)。

工藝文檔的屬性有很多，具體抽取哪些屬性是依據(jù)檢索時(shí)的需求來(lái)設(shè)計(jì)的，當(dāng)然文檔本身的屬性并不能體現(xiàn)文檔內(nèi)容中包含的語(yǔ)義，在抽取基本屬性后，添加至工藝文檔的屬性結(jié)構(gòu)中，對(duì)于文檔語(yǔ)義信息而言，在抽取獲得純文本后，依據(jù)工藝本體中工藝術(shù)語(yǔ)之間的關(guān)系，對(duì)其進(jìn)行語(yǔ)義擴(kuò)展，得到對(duì)應(yīng)的語(yǔ)義三元組，再將這些語(yǔ)義三元組作為一項(xiàng)屬性添加至屬性結(jié)構(gòu)中。

最后，將所有屬性項(xiàng)封裝，在封裝時(shí)，共分為三個(gè)索引項(xiàng)，數(shù)據(jù)庫(kù)定位索引項(xiàng)用來(lái)確定工藝文檔在工藝知識(shí)庫(kù)中的位置；約束條件索引項(xiàng)在查詢時(shí)進(jìn)行約束，不進(jìn)行中文分詞，實(shí)現(xiàn)一種精確匹配；內(nèi)容檢索索引項(xiàng)在查詢時(shí)進(jìn)行中文分詞，實(shí)現(xiàn)一種模糊匹配。

圖2 工藝本體與Lucene融合后的索引結(jié)構(gòu)

2.2 工藝本體與Lucene查詢條件融合

查詢條件，是Lucene工具包將用戶輸入的檢索關(guān)鍵字以及某些約束條件，依據(jù)查詢規(guī)則整合成一個(gè)總的可以對(duì)Lucene索引文件進(jìn)行讀取查詢的條件。查詢條件的查詢規(guī)則以及查詢的索引項(xiàng)需要滿足Lucene的索引結(jié)構(gòu)，應(yīng)該與索引項(xiàng)一一對(duì)應(yīng)。

工藝本體在對(duì)查詢條件擴(kuò)展時(shí)，不僅因?yàn)長(zhǎng)ucene索引結(jié)構(gòu)中加入了語(yǔ)義三元組屬性，而且作為語(yǔ)義檢索的要求，一個(gè)完整的語(yǔ)義檢索系統(tǒng)，不僅要能理解工藝文檔的內(nèi)容，對(duì)文檔內(nèi)容進(jìn)行擴(kuò)展，更需要理解用戶輸入的檢索條件，對(duì)檢索條件進(jìn)行擴(kuò)展。查詢時(shí)應(yīng)該與建索時(shí)進(jìn)行同樣的語(yǔ)義擴(kuò)展，所謂同樣的擴(kuò)展，就是推理擴(kuò)展的規(guī)則應(yīng)該一致，這樣在擴(kuò)展后得到的語(yǔ)義三元組與索引中的語(yǔ)義三元組匹配才有意義。

例如，用戶輸入“熱處理材料性能”或者“熱處理對(duì)材料性能有什么影響”進(jìn)行檢索，無(wú)論哪一種，都需要對(duì)其分詞后采用工藝本體中術(shù)語(yǔ)之間的關(guān)系進(jìn)行推理擴(kuò)展，將其轉(zhuǎn)換成“熱處理影響材料性能”語(yǔ)義三元組，再去對(duì)索引文件中語(yǔ)義屬性進(jìn)行查詢。如此，若某篇文檔中語(yǔ)義屬性中也包括“熱處理影響材料性能”這個(gè)三元組，則通過(guò)Lucene的相關(guān)度計(jì)算后會(huì)得到較高的匹配度。

本文通過(guò)分析工藝本體與Lucene融合后的索引結(jié)構(gòu)，以及各個(gè)屬性項(xiàng)的查詢需求，設(shè)計(jì)了如圖3所示的工藝本體與Lucene融合后的查詢條件結(jié)構(gòu)。

用戶輸入的檢索條件中，依據(jù)檢索需求，獲取其輸入的內(nèi)容，建立對(duì)應(yīng)的查詢條件，然而對(duì)于語(yǔ)義檢索條件而言，并不是用戶輸入的，是通過(guò)工藝本體分析用戶輸入的內(nèi)容查詢關(guān)鍵字，進(jìn)行語(yǔ)義擴(kuò)展后得到對(duì)應(yīng)的語(yǔ)義三元組，將這種語(yǔ)義三元組依據(jù)查詢規(guī)則建立語(yǔ)義索引項(xiàng)的查詢條件。

最后，將所有的查詢條件通過(guò)Lucene布爾運(yùn)算整合為總查詢條件，總查詢條件中分為兩類查詢條件，約束查詢條件是對(duì)約束條件索引項(xiàng)進(jìn)行精確查詢，即不分詞的查詢；內(nèi)容查詢條件是對(duì)內(nèi)容檢索索引項(xiàng)進(jìn)行模糊查詢，即包括中文分詞的查詢。

3 工藝本體模型及與語(yǔ)義擴(kuò)展功能的映射關(guān)系

3.1 工藝術(shù)語(yǔ)標(biāo)準(zhǔn)

圖3 工藝本體與Lucene融合后的查詢條件結(jié)構(gòu)

工藝本體構(gòu)建的最終目的是工藝知識(shí)的語(yǔ)義檢索，工藝知識(shí)的檢索中包含了大量的工藝術(shù)語(yǔ)，因此工藝本體中應(yīng)包含大量工藝術(shù)語(yǔ)，而且對(duì)工藝術(shù)語(yǔ)之間的層次關(guān)系也應(yīng)有明確的定義。

依據(jù)中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)《機(jī)械制造工藝基本術(shù)語(yǔ)》GB/T4863-2008中收錄的工藝術(shù)語(yǔ)以及之間的層次關(guān)系，可以構(gòu)建工藝本體的層次結(jié)構(gòu)樹(shù)，然后對(duì)樹(shù)上每個(gè)節(jié)點(diǎn)依據(jù)工藝領(lǐng)域中工藝術(shù)語(yǔ)之間的關(guān)系添加屬性、約束等，最終完成工藝本體模型的構(gòu)建。

3.2 工藝本體模型

工藝本體的構(gòu)建應(yīng)滿足在檢索中的擴(kuò)展要求。對(duì)于某個(gè)工藝術(shù)語(yǔ)而言，在工藝領(lǐng)域中可能包含其概念分類方面的知識(shí)、與同類術(shù)語(yǔ)比較的知識(shí)、與其他術(shù)語(yǔ)聯(lián)系的知識(shí)等。例如“淬火”，可能有“淬火”與材料性能之間的影響、與正火等其他工藝方法的比較、與加工精度之間的關(guān)系等，同時(shí)淬火與硬度之間的關(guān)系應(yīng)能被理解為淬火與材料性能之間的關(guān)系。

根據(jù)語(yǔ)義擴(kuò)展的需求，本文采用protégé構(gòu)建了工藝本體，由于篇幅關(guān)系，圖4給出了工藝本體模型的一部分。

圖4 工藝本體部分模型

可以看出，工藝本體的構(gòu)建是依據(jù)工藝知識(shí)檢索中的需求而建立的，通過(guò)構(gòu)建工藝術(shù)語(yǔ)之間的聯(lián)系，可以在檢索過(guò)程中通過(guò)對(duì)索引和查詢條件進(jìn)行語(yǔ)義擴(kuò)展，進(jìn)而實(shí)現(xiàn)工藝知識(shí)的語(yǔ)義檢索。

3.3 工藝本體與語(yǔ)義擴(kuò)展功能映射

依據(jù)擴(kuò)展時(shí)工藝領(lǐng)域中的語(yǔ)義關(guān)系，工藝本體中的工藝術(shù)語(yǔ)設(shè)置了同義詞實(shí)例，相關(guān)約束，以及工藝本體中樹(shù)狀結(jié)構(gòu)的父子關(guān)系。在擴(kuò)展時(shí)，為了得到語(yǔ)義三元組，不僅需要根據(jù)約束關(guān)系直接擴(kuò)展，而且還應(yīng)該在擴(kuò)展之前，進(jìn)行工藝術(shù)語(yǔ)的同義詞替換，以及根據(jù)父子兄弟關(guān)系的繼承原則去更好地表達(dá)工藝文檔的內(nèi)容語(yǔ)義。工藝本體與擴(kuò)展功能之間的關(guān)系映射結(jié)構(gòu)如圖5所示。

圖5 工藝本體與擴(kuò)展功能映射關(guān)系

父子關(guān)系和兄弟關(guān)系，如“材料性能”的子類應(yīng)該包含“硬度”、“強(qiáng)度”、“韌性”等，“硬度”與“強(qiáng)度”、“韌性”等構(gòu)成一種兄弟關(guān)系。這種關(guān)系可以實(shí)現(xiàn)一種語(yǔ)義傳遞，例如“熱處理”與“硬度”有關(guān)系，“硬度”又屬于“材料性能”，通過(guò)推理就可以得到“熱處理”與“材料性能”之間的關(guān)系。

同義詞關(guān)系，每個(gè)工藝術(shù)語(yǔ)應(yīng)有其對(duì)應(yīng)的同義詞實(shí)例，因?yàn)橛脩糨斎氲臈l件和工藝文檔中的詞匯并非與工藝本體中類的名稱完全一致，例如，若不能將“材料的性能”轉(zhuǎn)換為“材料性能”，是無(wú)法對(duì)其進(jìn)行擴(kuò)展的，因?yàn)楣に嚤倔w中不包括“材料的性能”這個(gè)類。

約束關(guān)系，這是語(yǔ)義三元組擴(kuò)展的核心關(guān)系，如“熱處理”與“材料性能”之間的約束，是得到“熱處理影響材料性能”三元組的直接來(lái)源。

父子兄弟關(guān)系實(shí)現(xiàn)了關(guān)系的繼承，同義詞關(guān)系實(shí)現(xiàn)了同義詞的替換，這兩者最終的服務(wù)對(duì)象都是語(yǔ)義三元組的擴(kuò)展。因?yàn)橥ㄟ^(guò)工藝本體中關(guān)系的語(yǔ)義推理獲得合理的語(yǔ)義三元組才是工藝本體的價(jià)值和意義所在。

4 基于本體和Lucene的工藝知識(shí)檢索系統(tǒng)實(shí)現(xiàn)

在工藝知識(shí)管理系統(tǒng)中的工藝文件檢索模塊中，以“熱處理材料性能”作為關(guān)鍵字查詢，得到的結(jié)果如圖6所示。

可以看到，在“熱處理對(duì)硬度影響”這篇文檔中，雖然沒(méi)有出現(xiàn)“材料性能”這個(gè)關(guān)鍵詞，但由于大量出現(xiàn)了“硬度”，在工藝本體中，“硬度”屬于“材料性能”的子類，因此根據(jù)熱處理與硬度之間的關(guān)系，擴(kuò)展后得到了“熱處理影響材料性能”這一主題，查詢時(shí)也將查詢條件轉(zhuǎn)換為此三元組，因此Lucene在檢索時(shí)，由于匹配度很高而進(jìn)行了合理的排序，達(dá)到了語(yǔ)義檢索的目的。

5 結(jié)論

圖6 工藝知識(shí)語(yǔ)義檢索結(jié)果

使用protégé3.4.5構(gòu)建了工藝本體，分析了工藝本體的結(jié)構(gòu)，在原有的基于內(nèi)容的檢索平臺(tái)上，引入工藝本體，通過(guò)Jena工具包和Lucene工具包構(gòu)建了索引結(jié)構(gòu)和查詢條件結(jié)構(gòu)，系統(tǒng)中實(shí)現(xiàn)了工藝術(shù)語(yǔ)關(guān)聯(lián)擴(kuò)展、同義詞擴(kuò)展以及語(yǔ)義檢索功能，大大提高了工藝知識(shí)檢索的質(zhì)量。

[1] EjubKajan,Leonid Stoimenov. Toward an ontology-driven architectural framework for B2B[M].ACM Press.2005:60-66.

[2] 姜明.基于內(nèi)容的工藝知識(shí)檢索方法研究[D].北京:北京航空航天大學(xué),2011.

[3] 周揚(yáng),李青.飛機(jī)故障知識(shí)的本體建模及語(yǔ)義檢索[J].計(jì)算機(jī)工程與應(yīng)用.2011,47(16):12-15.

[4] 鐘秀琴,符紅光,佘莉,黃斌.基于本體的幾何學(xué)知識(shí)獲取及知識(shí)表示[J].計(jì)算機(jī)學(xué)報(bào).2010,33(1):168-173.

[5] 呂素剛.基于本體的加工工藝知識(shí)庫(kù)系統(tǒng)研究及應(yīng)用[D].南京:南京航空航天大學(xué),2011.

[6] 馬宏福,楊志剛,袁艷麗,金寶寧.基于本體論的機(jī)械加工工藝知識(shí)管理[J].機(jī)械制造與研究.2006,35(2):72-74.

[7] Chun Liu,QingPingGuo. Analysis and Research of Web Chinese Retrieval System Based Lunece[M].IEEE Computer Society.2009:1051-1055.