基于本體的語義搜索研究綜述

高華玲　陸嬌嬌

摘要：基于本體的語義搜索將Web搜索帶入一個新時代。它使我們能夠在浩瀚的網(wǎng)頁中更加快速準(zhǔn)確地找到想要的信息。本體具有明確的概念描述，基于本體的搜索能夠評測關(guān)鍵詞之間的語義差異，從而在文檔或者查詢中找到更準(zhǔn)確的結(jié)果。因為所選本體的不同，基于本體的語義搜索方法也會不同。該文總結(jié)了多種不同的研究方法，并根據(jù)搜索相關(guān)技術(shù)的分類標(biāo)準(zhǔn)進行了比較。最后通過這些比較，找到今后進一步研究的方向。

關(guān)鍵詞：本體；語義搜索；概念；關(guān)鍵詞

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2015）02-0153-03

1 引言

語義網(wǎng)的目標(biāo)是擴展現(xiàn)有的Web標(biāo)準(zhǔn)和技術(shù)，實現(xiàn)自動化地處理Web語義[1]。傳統(tǒng)的搜索引擎使用關(guān)鍵詞檢索用戶需要的信息，實際上在網(wǎng)頁搜索過程中，可以使用多種方式來表達查詢，將關(guān)鍵詞映射要相關(guān)主題的語義層。在搜索過程中使用本體能夠加強用戶與計算機之間的語義溝通，使查詢結(jié)果更接近用戶的需求。

目前已經(jīng)公布的基于本體的搜索引擎有很多。它們的應(yīng)用領(lǐng)域和具體實現(xiàn)都有所不同，但是它們的目標(biāo)都是提高搜索的查全率和查準(zhǔn)率?；诒倔w的語義搜索能更加智能地在Web查詢過程中使用各種方法或結(jié)構(gòu)。研究人員常用領(lǐng)域本體表達特定領(lǐng)域知識的概念和關(guān)系。本文將介紹這些搜索引擎利用領(lǐng)域本體處理查詢請求所采用的不同方法。

1）相關(guān)術(shù)語

傳統(tǒng)的搜索依據(jù)的是關(guān)鍵詞是否在文檔中出現(xiàn)?；诒倔w的語義搜索定義為利用領(lǐng)域本體的背景知識庫進行信息檢索的過程。

領(lǐng)域本體是具有層次結(jié)構(gòu)的術(shù)語集，這些術(shù)語是描述此領(lǐng)域知識庫的框架[2]。用實體、實例和屬性來表示詞語之間的關(guān)系或槽。基于本體的語義搜索的目的是最大化查準(zhǔn)率和查全率。

2 分類標(biāo)準(zhǔn)

本節(jié)介紹幾種不同的基于本體的搜索的分類標(biāo)準(zhǔn)。分類標(biāo)準(zhǔn)是在搜索過程中的重要步驟，包括：本體技術(shù)，語義標(biāo)注，索引，排序，信息檢索模型（IR模型）和性能改進。

1）本體技術(shù)

本體是實現(xiàn)語義Web的基礎(chǔ)，相關(guān)技術(shù)包括推理機，標(biāo)注工具，基于本體的爬蟲（2014屆國際智能計算的應(yīng)用會議中提出）和挖掘工具。在幾種不同的本體描述語言里，RDF和OWL得了廣泛的認可。Java語言提供了Jena API和AJAX技術(shù)，可以用來存儲和處理RDF數(shù)據(jù)。

2）語義標(biāo)注

概括地說，語義標(biāo)注是在文本中分配實體，用以鏈接到它們的語義描述[15]。語義標(biāo)注分為手動語義標(biāo)注、半自動語義標(biāo)注和自動語義標(biāo)注三種類型。下面是語義標(biāo)注的先決條件：

（1）本體，定義實體類；語義標(biāo)注中可能涉及到這些類。

（2）實體標(biāo)識，允許區(qū)分并鏈接到它們的語義描述。

（3）一個實體描述的知識庫。

3）索引

索引是為了更快的檢索信息而進行的信息存儲。一個搜索引擎必須保留在抓取過程中獲得的所有內(nèi)容，并以索引的形式存儲，以便下次更容易地查找。索引的目的是為了加快匹配過程。索引的分類：

（1）轉(zhuǎn)發(fā)索引：存儲每個文檔的單詞列表。

（2）倒排索引：為每個單詞存儲所有文檔的列表。

（3）圖索引：給定一個查詢圖，查找索引并檢索答案集，驗證哪些圖包含查詢圖，返回查詢結(jié)果。

4）排名

排名取決于查詢結(jié)果的排序過程。搜索引擎會請求匹配和并為查詢結(jié)果進行排名。匹配是選擇元素的子集進行評分。排名是由相關(guān)概念的相似度決定的。排名是在句法/語義映射完成后，依據(jù)網(wǎng)頁的評分進行計算得來的。最后將已經(jīng)排序好的網(wǎng)頁結(jié)果進行索引之后返回給網(wǎng)頁的使用者。排名模型的類型如下：

（1）句法排序模型：是依據(jù)查詢關(guān)鍵詞與搜索引擎數(shù)據(jù)庫相匹配而進行的搜索，從TF-IDF到谷歌PageRank，這些著名的信息檢索排名技術(shù)豐富了這種搜索的排名方法。

（2）語義排序模型：搜索是基于結(jié)果的相關(guān)性，縮小了語法和語義之間的差距，根據(jù)相關(guān)性得到的結(jié)果集，可以更好的滿足用戶的需求。

5）信息檢索模型（IR模型）

IR模型的作用是提供一個形式化的信息發(fā)現(xiàn)過程。下面是3種IR模型：

（1）布爾模型–一方面是基于關(guān)鍵詞的查詢，另一方面用關(guān)鍵詞的組合表示一個文檔，用關(guān)鍵詞的邏輯描述表示一個查詢

（2）矢量模型–表示用戶查詢和文檔中的所有關(guān)鍵詞形成的空間矢量。

（3） 概率模型–采用基于概率理論的數(shù)學(xué)模型。

6）性能改進

基于本體的語義搜索方法的性能可以用一定的標(biāo)準(zhǔn)來衡量，如查準(zhǔn)率，查全率，F(xiàn)值和平均查準(zhǔn)率。查準(zhǔn)率和查全率的值介于0和1之間，最大值為1。應(yīng)用本體的背景知識庫進行查詢，可以使查準(zhǔn)率和查全率得到提升。

3 不同的搜索方法

經(jīng)過大量文獻的閱讀，本文總結(jié)了14種不同的基于本體的搜索方法。依據(jù)上述分類標(biāo)準(zhǔn)進行詳細分析，討論它們實現(xiàn)語義查詢的不同解決方案。

1）概念圖匹配方法

基于本體的搜索早期的方法是使用概念圖匹配的方法進行語義搜索[3]，這種方法定義了概念、關(guān)系和概念圖之間的語義相似度。這種語義匹配算法能夠計算資源CG（概念圖）和查詢CG之間的相似度。

2）XSEarch

它是一種基于XML的語義搜索引擎，能夠使用簡單的查詢語言，適合于初級用戶，并且為XML文檔的語義搜索引擎發(fā)展奠定了基礎(chǔ)。它只返回語義標(biāo)識，而不需要返回整個文檔[4]。它使用目前較為常用的TF-IDF技術(shù)進行信息檢索，計算查詢詞與文檔之間的相似度。它使用倒排索引，并根據(jù)語義相關(guān)性進行排序。

3）本體驅(qū)動的語義搜索

基于本體的語義搜索，使用現(xiàn)有的平臺進行資源檢索和語義標(biāo)注，使用本體描述領(lǐng)域知識庫，并在知識庫中進行查詢[5]。它還具有額外的功能，如使用本體導(dǎo)航進行推理，從而在查詢中獲取更多的有意義的資源。在這里，文檔使用RDF三元組進行語義標(biāo)注，RDF三元組能夠表示資源和本體概念結(jié)點之間的聯(lián)系。

4）基于本體的信息檢索中向量空間模型的適用性

這種方法包含一個基于本體的用于文檔半自動語義標(biāo)注的模型和一個檢索系統(tǒng)[6]。在文檔中，通過多個領(lǐng)域本體的概念描述，創(chuàng)建了知識庫，并關(guān)聯(lián)到相關(guān)的信息資源或文檔。KIM是一個語義信息擴展和檢索的平臺[17]，在這個平臺上創(chuàng)建了KB系統(tǒng)，能夠?qū)ξ臋n進行自動化的語義標(biāo)注。索引和排序是通過標(biāo)注權(quán)重并使用向量空間模型的信息檢索方法來實現(xiàn)。

5）基于本體的用戶配置文件的學(xué)習(xí)：基于語義的個性化web搜索方法

該方法提出了一種基于本體配置文件的個性化搜索，本體配置文件給領(lǐng)域本體中的概念指派隱含的興趣得分[7]。該方法提出一個可擴展的激活算法，根據(jù)用戶當(dāng)前的行為在用戶的配置文件中更改興趣得分。領(lǐng)域本體中的每一個概念都根據(jù)這一興趣得分而進行標(biāo)注。通過所有子概念的文檔索引來建立概念的文檔索引。

6）SPARK：采用關(guān)鍵詞查詢的語義檢索

這是一種新方法，首先使用合適的關(guān)鍵詞查詢語義Web，然后將關(guān)鍵字查詢自動轉(zhuǎn)換為形式邏輯查詢，最終使用戶可以使用關(guān)鍵詞進行語義搜索[8]。概率查詢排序模型使用基于最小生成樹方法的SPARQL查詢算法，最小生成樹方法可以為查詢集合創(chuàng)建查詢圖。

7）使用本體對關(guān)鍵詞進行解釋的語義查詢

此方法使用本體的背景知識庫將關(guān)鍵詞查詢轉(zhuǎn)化成描述邏輯關(guān)聯(lián)查詢[9]。用戶輸入的關(guān)鍵詞使用Lucene搜索引擎進行處理。搜索引擎進行查詢處理后返回本體實體，并考慮半徑為d的范圍內(nèi)的本體實體。它將與實體連接的子圖可視化地返回給用戶，并高亮顯示實體匹配了的關(guān)鍵詞。

8）Q2semantic：具有輕量級關(guān)鍵詞接口的語義搜索

這種方法類似于SPARK方法和使用本體對關(guān)鍵詞解釋的語義搜索方法，但它解決了可擴展性問題，提出了一種新的聚類圖的結(jié)構(gòu)對應(yīng)于原始本體的概要[10]。它的查詢結(jié)果排序采用多種機制，比如查詢長度、與查詢相關(guān)的本體元素相關(guān)性和本體元素重要性。索引采用的是倒排索引和查詢索引。排序是基于本體元素（是概念，而不是關(guān)系和屬性）的關(guān)鍵詞匹配。

9）對傳統(tǒng)的信息檢索和基于本體搜索模型進行交叉比較的TREC方法

Fernandez等人比較了傳統(tǒng)的信息檢索模型和基于本體的搜索模型，使用的標(biāo)準(zhǔn)包括：

（1）一個文本文檔集

（2）查詢集和相應(yīng)文檔相關(guān)性的判斷集。

（3）本體集和覆蓋查詢主題的知識庫。

文檔集和查詢集、判斷集是信息檢索論壇和TREC（文本檢索會議）網(wǎng)站中使用最廣泛的數(shù)據(jù)集[11]。作為一個應(yīng)用案例，它所應(yīng)用的標(biāo)準(zhǔn)是基于本體的搜索模型和TREC 9、TREC 2001中最好的信息檢索系統(tǒng)。它使用RDF、OWL和DAML構(gòu)建本體，在背景知識庫中進行自動化語義標(biāo)注。

10）提高元數(shù)據(jù)庫的數(shù)據(jù)發(fā)現(xiàn)機率的語義搜索

帶Metacat元數(shù)據(jù)系統(tǒng)的語義搜索系統(tǒng)能夠存儲OWL-DL本體，另外語義標(biāo)注是將數(shù)據(jù)集屬性鏈接到本體元素中[12]。它是允許使用本體進行語義標(biāo)注的關(guān)鍵詞搜索。本體進行形式推理，更方便地通過科學(xué)的觀察進行語義描述。

11）電子病歷的語義搜索和推理：基于概念的信息檢索方法

這種方法處理了概念之間的語義差異問題，利用了SNOMED-CT本體的醫(yī)學(xué)領(lǐng)域知識庫，提高了查詢的準(zhǔn)確度[13]。根據(jù)基于SNOMED-CT本體而定義的醫(yī)學(xué)概念，將查詢詞和文檔進行轉(zhuǎn)化。將超過平均精度基線25%的關(guān)鍵詞進行倒排索引和語義相關(guān)度排名。

12）基于本體的WEB查詢結(jié)果的語義排序方法

這是一個新的基于語義的方法，提供了信息檢索系統(tǒng)的評價方法[14]。我們的目標(biāo)是增加搜索工具的選擇性和改善這些評價和證明，它是提高搜索引擎的性能和返回結(jié)果的相關(guān)性的有效途徑。WordNet本體用于提取查詢術(shù)語和語義預(yù)測，并基于由概念（非單詞）組成的語義向量構(gòu)建向量模型。

13）使用RDF為同一類產(chǎn)品設(shè)計一個基于領(lǐng)域本體的特定網(wǎng)頁搜索引擎

這種方法使用一種新的搜索模型，可以存儲特定領(lǐng)域中的特定網(wǎng)頁的RDF信息，提供更完整、全面的信息輸出，搜索引擎可以從搜索結(jié)果頁面中得到產(chǎn)品的基本信息，而不需要訪問搜索結(jié)果鏈接，從而節(jié)省搜索時間以及網(wǎng)頁的下載的時間[15]。這個模型通過本體概念的語法和權(quán)重計算下載頁面的相關(guān)度，根據(jù)相關(guān)度大小為查詢結(jié)果排序。

14）OntDR：一個擴充的基于本體的文檔檢索方法

這種方法提出了基于本體的文檔檢索的擴充方法，這種本體帶有數(shù)組索引 [16]。數(shù)組索引有助于獲得文檔之間的關(guān)系。數(shù)組索引通過本體定義的概念所產(chǎn)生的值和文檔進行比較而得到。

4 評價

按照分類標(biāo)準(zhǔn)比較文中所選的基于本體的搜索方法，并進一步討論未來的研究方向。本文所得的結(jié)論對于文中沒有提到的其他方法也是有效的。

1）比較

本文大多數(shù)方法都使用了RDF和DL聯(lián)合查詢的本體技術(shù)。這些方法都使用RDF進行半自動或者自動的語義標(biāo)注。語義標(biāo)注如果是正確的，它將會成為語義信息檢索最有效的一種方式。同時本文所選的搜索方法都提升了查全率和查準(zhǔn)率。

索引的評價標(biāo)準(zhǔn)能夠判斷出某種方法是否利用了合適的索引技術(shù)和排序技術(shù)，并會判斷檢索過程是否會更快更容易。很多方法都是用的倒排索引。本文中絕大多數(shù)搜索使用的是基于相似度計算的語法級排序。

信息檢索方法絕大多數(shù)的方法是使用傳統(tǒng)的TF-IDF方法，這與排序標(biāo)準(zhǔn)相互依存。如果信息檢索是基于關(guān)鍵詞相關(guān)性的查詢，那么它就會減小語法和語義之間的差距。布爾模型和概率模型為語法級的信息檢索。向量空間模型為語義級的信息檢索模型。

基于本體的語義搜索方法的性能測試標(biāo)準(zhǔn)有查全率、查準(zhǔn)率、F值和平均精度。本文預(yù)想如果搜索系統(tǒng)能夠利用標(biāo)注、索引、排序和適當(dāng)?shù)男畔z索方法，查詢過程一定會提高查全率和查準(zhǔn)率。

2）未來的研究方向

本節(jié)總結(jié)了一些開放性問題。分類標(biāo)準(zhǔn)需要進一步詳細地研究，研究方向可以為搜索詞映射到本體的元素，如屬性，關(guān)系，以及語義標(biāo)注和排序?；诒倔w的語義搜索未來更重要的研究方向如下：

（1）本體的構(gòu)建：特定領(lǐng)域本體的構(gòu)建是一個繁瑣的過程，有許多的本體編輯工具如protégé可以使用，但還需要掌握更深層次的本體概念關(guān)系的相關(guān)知識。

（2）本體導(dǎo)航：本體導(dǎo)航提供本體語義推理，使搜索請求獲取更加準(zhǔn)確的信息資源。聚焦和泛化的語義運算符允許本體進行導(dǎo)航，這值得進一步研究。

（3）推理：目前只有在本體概念層的推理而沒有實現(xiàn)關(guān)系層和屬性層的推理[18]，這需要進一步研究。

5 總結(jié)

本文介紹了基于本體的語義搜索方法的分類標(biāo)準(zhǔn)，并討論了一些常見的因素和指標(biāo)的優(yōu)點?？偨Y(jié)14種不同的基于本體的語義搜索方法，并對其技術(shù)指標(biāo)進行了比較。此外，明確了當(dāng)前需要解決的研究方向和開放性的問題。本文指出很多基于本體的信息檢索方法都是可用的，但是他們很少利用最有效的語義標(biāo)注、索引和檢索。為了更快地檢索到查詢結(jié)果，基于本體的語義檢索系統(tǒng)，需要基于關(guān)鍵詞的含義而不是關(guān)鍵詞本身進行語義標(biāo)注，索引和排名，這是必不可少的。

參考文獻：

[1] Shadbolt， Nigel， Wendy Hall， Tim Berners-Lee. The semantic web revisited[J].Intelligent Systems， IEEE， 2006，21（3）： 96-101.

[2] Swartout， Bill. Toward distributed use of large-scale ontologies[C]. Proc. of the Tenth Workshop on Knowledge Acquisition for Knowledge-Based Systems，1996.

[3] Zhong， Jiwei. Conceptual graph matching for semantic search[M].Conceptual Structures： Integration and Interfaces. Springer Berlin Heidelberg， 2002：92-106.

[4] Cohen， Sara. XSEarch： A semantic search engine for XML[C]. Proceedings of the 29th international conference on Very large data bases-Volume 29.VLDB Endowment， 2003.

[5] Bonino， Dario. Ontology driven semantic search[J]. WSEAS Transaction on Information Science and Application， 2004，1： 1597-1605.

[6] Castells， Pablo， Miriam Fernandez， David Vallet. An adaptation of the vector-space model for ontology-based information retrieval[J].Knowledge and Data Engineering， IEEE Transactions on， 2007， 19： 261-272.

[7] Sieg， Ahu， BamshadMobasher， Robin Burke. Learning ontology-based user profiles： A semantic approach to personalized web search[J].EEE Intelligent Informatics Bulletin， 2007： 7-18.

[8] Zhou Qi，SPARK： adapting keyword query to semantic search[M].The Semantic Web.Springer Berlin Heidelberg， 2007：694-707.

[9] Tran， Thanh.Ontology-based interpretation of keywords for semantic search[M].The Semantic Web.Springer Berlin Heidelberg， 2007：523-536.

[10] Wang， Haofen. Q2semantic： A lightweight keyword interface to semantic search[M].The Semantic Web： Research and Applications. Springer Berlin Heidelberg， 2008：584-598.

[11] Fernandez， Miriam. Using TREC for cross-comparison between classic IR and ontology-based search models at a Web scale.，2009.

[12] Berkley， Chad. Improving data discovery for metadata reposi

tories through semantic search." Complex， Intelligent and Software Intensive Systems[C]， 2009 International Conference on.IEEE， 2009.

[13] Koopman， Bevan. Towards semantic search and inference in electronic medical records： An approach using concept-based information retrieval[J].The Australasian medical journal ，2012，5： 482.

[14] Bouramoul， Abdelkrim， Mohamed-KhireddineKholladi.An ontology-based approach for semanticsranking of the web search engines results[C].MultimediaComputing and Systems （ICMCS）， 2012 International Conference on.IEEE， 2012.

[15] Sinha， Sukanta， Rana Dattagupta.Designing an ontology based domain specific web search engine for commonly used products using RDF[C].Proceedings of the CUBE International Information Technology Conference.ACM， 2012.

[16] Yadav， Poonam.OntDR： An Ontology-based Augmented Method for Document Retrieval[J].International Journal of Computer Applications， 2012.

[17] Kiryakov， Atanas. Semantic annotation， indexing， and retrieval." Web Semantics： Science， Services and Agents on the World Wide Web，2004： 49-79.

[18] Kr?tzsch， Markus. "Efficient rule-based inferencing for OWL EL[C].Proceedings of the Twenty-Second international joint conference on Artificial Intelligence-Volume Volume Three，AAAI Press， 2011.