基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義檢索研究

楊清琳+錢文標(biāo)+楊曉雷

摘 要：通過(guò)建立領(lǐng)域本體知識(shí)庫(kù)，改進(jìn)傳統(tǒng)檢索系統(tǒng)基于關(guān)鍵詞匹配存在的缺陷，將用戶輸入的自然語(yǔ)言查詢經(jīng)分析推理后上升到語(yǔ)義層面，構(gòu)建了一個(gè)基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義檢索模型，提高了檢索性能。

關(guān)鍵詞：本體；知識(shí)庫(kù)；語(yǔ)義檢索

DOI：10.16640/j.cnki.37-1222/t.2018.04.196

0 引言

傳統(tǒng)的搜索引擎技術(shù)雖然日趨成熟，但其主要是通過(guò)關(guān)鍵詞機(jī)械式的匹配進(jìn)行檢索，存在如下問(wèn)題：返回大量與檢索主題無(wú)關(guān)或關(guān)聯(lián)很小的結(jié)果，用戶還需要二次篩選才能獲得所需信息；用戶需要的重要信息被漏檢；跟檢索主題無(wú)關(guān)的信息卻被作為結(jié)果檢索出來(lái)。本文結(jié)合領(lǐng)域本體知識(shí)庫(kù)，設(shè)計(jì)一個(gè)面向特定領(lǐng)域的語(yǔ)義檢索模型，將用戶輸入的自然語(yǔ)言查詢語(yǔ)句上升到語(yǔ)義層面，把握用戶真正的檢索意圖，提高檢索性能。

1 語(yǔ)義檢索的研究現(xiàn)狀

語(yǔ)義檢索技術(shù)為訪問(wèn)Web信息提供了有效思路，關(guān)于該技術(shù)近幾年的研究工作，大致有基于本體的語(yǔ)義檢索、自然語(yǔ)言處理和基于概念的方法等。Voorhees使用本體中的同義詞和概念的子類關(guān)系對(duì)查詢擴(kuò)展進(jìn)行探索[1]；Fernández利用本體層次結(jié)構(gòu)進(jìn)行語(yǔ)義相似度的計(jì)算，并對(duì)文檔使用本體概念進(jìn)行標(biāo)注后建立索引，實(shí)現(xiàn)了增強(qiáng)式的語(yǔ)義檢索。國(guó)內(nèi)的相關(guān)研究如宋俊峰[2]提出的基于本體的信息檢索模型；武成崗在本體技術(shù)的基礎(chǔ)上建立的多主體信息檢索服務(wù)器。自然語(yǔ)言處理和基于概念的方法是另外兩種常用的語(yǔ)義檢索方法。分詞、短語(yǔ)識(shí)別和詞義消歧是自然語(yǔ)言處理中最為主要的技術(shù)[3]。

2 基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義檢索研究

2.1 本體知識(shí)庫(kù)

本體作為一種概念建模的手段，能夠利用本體節(jié)點(diǎn)中概念之間的關(guān)系描述出概念語(yǔ)義，而且還能實(shí)現(xiàn)邏輯推理。領(lǐng)域本體知識(shí)庫(kù)是通過(guò)將特定領(lǐng)域中的概念和關(guān)系進(jìn)行抽象提取，作為一種領(lǐng)域信息資源有效的組織框架。基于本體技術(shù)來(lái)構(gòu)建領(lǐng)域知識(shí)庫(kù)，通過(guò)邏輯推理可以發(fā)掘概念之間不明確的信息和隱含語(yǔ)義關(guān)聯(lián)。將本體知識(shí)庫(kù)引入到信息檢索中，使用推理機(jī)制來(lái)擴(kuò)展用戶查詢，實(shí)現(xiàn)從語(yǔ)義層面把握用戶輸入的查詢語(yǔ)言，通過(guò)推理理解用戶真正的檢索意圖，以排除自然語(yǔ)言表達(dá)描述存在的歧義，獲得用戶真正需要的有用信息，實(shí)現(xiàn)信息的智能語(yǔ)義檢索。

本文采用本體編輯工具Protege手動(dòng)建立本體。抽取特定領(lǐng)域的概念來(lái)設(shè)計(jì)本體模型，編輯本體中的元素，包括類、屬性、實(shí)例，其中概念之間的主要關(guān)系為“同位”和“下位”。對(duì)構(gòu)建好的領(lǐng)域本體利用Jena進(jìn)行相應(yīng)的推理操作。

2.2 語(yǔ)義檢索模型設(shè)計(jì)

本文設(shè)計(jì)的語(yǔ)義檢索模型，主要由四大關(guān)鍵模塊組成，分別為：查詢自然語(yǔ)言預(yù)分析處理、本體知識(shí)推理、語(yǔ)料文檔前期處理和檢索結(jié)果排序，本體知識(shí)庫(kù)語(yǔ)義檢索模型如圖1所示。

2.2.1 查詢自然語(yǔ)言預(yù)分析處理

查詢自然語(yǔ)言預(yù)分析處理模塊接收用戶輸入的自然語(yǔ)言，采用ICTCLAS漢語(yǔ)分詞系統(tǒng)對(duì)用戶查詢語(yǔ)句請(qǐng)求進(jìn)行分詞，并過(guò)濾查詢語(yǔ)句中的停用詞、特殊字符和無(wú)意義的詞，將用戶查詢語(yǔ)句分解為獨(dú)立的詞匯集合。

2.2.2 本體知識(shí)推理

具有語(yǔ)義推理能力是基于本體知識(shí)庫(kù)的語(yǔ)義檢索系統(tǒng)較基于關(guān)鍵字的檢索系統(tǒng)的最大優(yōu)勢(shì)，也是語(yǔ)義檢索系統(tǒng)模型的核心。推理系統(tǒng)通過(guò)將推理規(guī)則、策略編寫(xiě)成程序代碼，實(shí)現(xiàn)語(yǔ)義自動(dòng)推理。推理系統(tǒng)接收前期經(jīng)過(guò)查詢自然語(yǔ)言預(yù)分析處理的關(guān)鍵字后，結(jié)合本體知識(shí)庫(kù)中的推理策略實(shí)現(xiàn)語(yǔ)義推理。在本文的檢索模型中，由于所建立概念之間的主要關(guān)系為“同位”和“下位”，所以本文檢索模型只能實(shí)現(xiàn)這兩種邏輯關(guān)系的推理。原始檢索關(guān)鍵字經(jīng)過(guò)推理機(jī)進(jìn)行語(yǔ)義推理后可以將本體知識(shí)庫(kù)中與概念相關(guān)的類、對(duì)應(yīng)的實(shí)例及關(guān)系加入到檢索關(guān)鍵詞中，擴(kuò)展原始查詢，再提交給檢索引擎進(jìn)行檢索。

2.2.3 語(yǔ)料文檔前期處理

建立語(yǔ)義索引庫(kù)是語(yǔ)料文檔前期處理的最終目的。本文利用網(wǎng)絡(luò)爬蟲(chóng)工具Crawler從互聯(lián)網(wǎng)上收集到近萬(wàn)個(gè)Web文檔，存入檢索信息庫(kù)中作為測(cè)試語(yǔ)料，其處理過(guò)程如下：預(yù)處理web文檔，然后去除HTML標(biāo)簽、停用詞等，提取存儲(chǔ)文檔中的文本信息；對(duì)文本信息進(jìn)行分詞，并將特征信息作為特征詞提取出來(lái)；然后將特征詞比較匹配知識(shí)庫(kù)中的概念節(jié)點(diǎn)，并將概念的同義詞添加到文檔概念集中，形成文檔概念集；文檔概念集的權(quán)重利用TF-IDF算法來(lái)進(jìn)行計(jì)算，在一定閾值內(nèi)的概念才作為文檔的語(yǔ)義向量；構(gòu)建倒排索引，其中概念列表存儲(chǔ)在內(nèi)存，而倒排列表和文檔集則存在磁盤(pán)。

2.2.4 檢索結(jié)果排序

檢索系統(tǒng)檢索出來(lái)的大量結(jié)果，用戶通常只關(guān)注排在前面的那些檢索結(jié)果，因此如何將用戶最關(guān)心的返回結(jié)果排在前面關(guān)系到檢索系統(tǒng)性能好壞。本文利用查詢與文檔之間的相關(guān)度（即文檔得分）來(lái)對(duì)結(jié)果進(jìn)行排序，并采用TF-IDF特征項(xiàng)權(quán)重計(jì)算方法來(lái)計(jì)算文檔得分，其核心思想是：不同的概念在查詢和文檔中的重要程度是不一樣的，因此如何給查詢中的概念分配權(quán)重是文檔得分計(jì)算的基礎(chǔ)。最終進(jìn)入到檢索系統(tǒng)的查詢向量由用戶原始查詢概念和經(jīng)過(guò)推理系統(tǒng)推理后的擴(kuò)展查詢概念組成，本文分別計(jì)算原始查詢概念和擴(kuò)展后查詢概念的權(quán)重，后對(duì)查詢向量中每個(gè)概念的權(quán)重進(jìn)行求和得到文檔得分。

3 結(jié)束語(yǔ)

本文對(duì)傳統(tǒng)的信息檢索系統(tǒng)進(jìn)行了改進(jìn)，引入了本體知識(shí)庫(kù)，建立了一種基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義檢索模型。后續(xù)的研究工作是如何完善本體知識(shí)庫(kù)，實(shí)現(xiàn)對(duì)查詢關(guān)鍵詞更好更優(yōu)的語(yǔ)義查詢擴(kuò)展，提高檢索系統(tǒng)性能；并對(duì)檢索到的文檔的排序算法進(jìn)行深入研究，結(jié)合用戶的喜好，返回相關(guān)度高的結(jié)果文檔。

參考文獻(xiàn)：

[1]王旭陽(yáng)，尉醒醒.基于本體的語(yǔ)義檢索方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2016，37（09）：2538-2542.

[2]宋峻峰，張維明，肖衛(wèi)東等.基于本體的信息檢索模型研究[J].南京大學(xué)學(xué)報(bào)，2005，41（02）：189-197.

[3]陳振標(biāo).基于本體的語(yǔ)義檢索技術(shù)研究[J].情報(bào)探索，2011（166）：96-98.

作者簡(jiǎn)介：楊清琳，工程師，研究方向：知識(shí)庫(kù)、本體論。endprint