基于MIML的OGC網(wǎng)絡(luò)服務(wù)語義檢索方法研究

孫君禎，苗立志,2*，徐興永

(1.南京郵電大學(xué) 地理與生物信息學(xué)院，江蘇 南京 210023;2.南京郵電大學(xué) 江蘇省智慧健康大數(shù)據(jù)分析與位置服務(wù)工程實驗室，江蘇 南京 210023;3.南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

0 引 言

地理信息有著數(shù)據(jù)源廣、發(fā)布形式多樣以及應(yīng)用多元化的特點，這使得地理信息數(shù)據(jù)表達(dá)形式也具有多樣化的特點。隨著云計算、大數(shù)據(jù)等相關(guān)技術(shù)的不斷發(fā)展，為實現(xiàn)地理信息數(shù)據(jù)的有效共享，地理信息服務(wù)數(shù)據(jù)量增長趨勢亦愈發(fā)明顯，在有效降低地理信息數(shù)據(jù)采集難度的同時，也使得越來越多的用戶在互聯(lián)網(wǎng)上共享地理信息服務(wù)數(shù)據(jù)。但是，日益增長的地理信息服務(wù)空間數(shù)據(jù)在地理信息知識表達(dá)方面存在“數(shù)據(jù)豐富、知識匱乏”的現(xiàn)象，傳統(tǒng)的檢索方法已不能滿足人們獲取知識的需求。并且，傳統(tǒng)的地理信息服務(wù)語義檢索在元數(shù)據(jù)領(lǐng)域的標(biāo)記方式在目前還沒有統(tǒng)一的標(biāo)準(zhǔn)，語義標(biāo)記實現(xiàn)后容易導(dǎo)致次生的共享障礙。MIML(multi-instance multi-label learning，多示例多標(biāo)記學(xué)習(xí))是針對對象的歧義性而提出的一種學(xué)習(xí)框架[1,2]，在該框架下，表述地理信息服務(wù)數(shù)據(jù)的語義信息由包含多個示例的示例包來表示，且其對應(yīng)的描述該地理信息服務(wù)元數(shù)據(jù)的類別標(biāo)記也不再是唯一的，而是變成多個標(biāo)記該元數(shù)據(jù)的標(biāo)記組成的集合。因此，MIML學(xué)習(xí)可以在地理信息服務(wù)語義標(biāo)記方面得到有效應(yīng)用。

Zhou等[1-2]于2007年提出MIML學(xué)習(xí)框架以來，已被相關(guān)研究者廣泛用于標(biāo)記任務(wù)，如生物圖像信息學(xué)、圖像標(biāo)注、視頻標(biāo)注、文本分類等相關(guān)領(lǐng)域[3-4]。唐俊等[5]基于MIML方法的手機(jī)游戲道具推薦可以與任何機(jī)器學(xué)習(xí)模型進(jìn)行結(jié)合，向用戶推薦所需要的游戲道具；王超俊[6]針對基于MIML方法的圖像分類標(biāo)注進(jìn)行研究，能夠提取更加全面的圖像，而且圖像分類也更全面，使得圖像的豐富性得以顯現(xiàn)出來；Zha等[7]基于隱含條件隨機(jī)場提出了一種集成MIML方法，可以同時捕獲語義標(biāo)記和區(qū)域的關(guān)系以及標(biāo)記間的關(guān)系；羅飛[8]基于MIML方法研究了圖像語義標(biāo)注方法；彭亮[9]提出利用MIML對圖像與視頻進(jìn)行自動語義標(biāo)注方法，可有效地改善圖像和視頻標(biāo)注的準(zhǔn)確性。由上可以看出，MIML方法在語義標(biāo)注方面已有較多的研究，但未有用于地理信息服務(wù)的語義標(biāo)注相關(guān)研究。因此，該文將MIML方法用于OGC(open geospatial consortium，開放地理空間聯(lián)盟)地理信息服務(wù)(OGC web services)語義標(biāo)注，在不破壞OWS能力文檔原有機(jī)構(gòu)的基礎(chǔ)上實現(xiàn)海量OWS基于語義層面的檢索，解決地理信息服務(wù)語義的歧義性，實現(xiàn)檢索的查全率和查準(zhǔn)率的雙重提高。

1 服務(wù)標(biāo)簽值與標(biāo)記詞匯提取

1.1 OWS標(biāo)簽屬性值解析

OWS文件中包含豐富的地理信息數(shù)據(jù)，每個能力文件中擁有多個描述地理信息服務(wù)的語義標(biāo)簽，包括：服務(wù)標(biāo)題(title)、服務(wù)摘要(abstract)、圖層摘要(layer abstract)、圖層關(guān)鍵字(layer keyword)、服務(wù)提供者的聯(lián)系信息(contact information)、請求能力描述(request GetCapabilities)、所支持的地圖格式(GetMap format)等，如圖1所示；但是，這些標(biāo)簽值內(nèi)容存在大量的冗余的描述地理信息的語義詞匯[10-11]，如服務(wù)提供者的聯(lián)系信息、請求能力描述、所支持的地圖格式等標(biāo)簽。根據(jù)標(biāo)簽重要程度，該文選取其中四個主要的語義描述標(biāo)簽來表述單個OGC地理信息服務(wù)能力文件的具體內(nèi)容，分別為服務(wù)標(biāo)題、服務(wù)關(guān)鍵字、服務(wù)摘要和圖層關(guān)鍵字，并解析提取描述地理信息服務(wù)內(nèi)容的語義標(biāo)簽title、keyword、abstract和layer keyword，同時獲取語義標(biāo)簽的具體地理信息數(shù)據(jù)內(nèi)容，如表1所示。

表1 元數(shù)據(jù)標(biāo)簽屬性值提取

圖1 WMS能力文件描述文檔

1.2 基于TF-IDF的OWS標(biāo)記詞匯提取

為了從元數(shù)據(jù)標(biāo)簽值中提取能夠體現(xiàn)OWS服務(wù)的標(biāo)記詞匯，該文采用TF-IDF算法檢索、分類和過濾有價值的標(biāo)記詞匯。TF-IDF權(quán)值的高低由兩部分組成，包括特征詞匯在一個信息文本中的出現(xiàn)權(quán)值和該特征詞匯在整個信息文本中的出現(xiàn)權(quán)值，兩者的乘積越高TF-IDF權(quán)值越高。因此，TF-IDF算法可以過濾無用特征詞匯，提取可以用于標(biāo)記信息文本的重要詞匯。在地理信息服務(wù)能力文件中，TF的值表述某個地理詞匯在給定的能力文件中的出現(xiàn)頻率。對于在某個特定的地理信息服務(wù)能力文件里的地理詞匯ti來說，其重要性可表示為：

(1)

將所有地理信息服務(wù)能力文件總數(shù)除以含有該地理詞匯的文件的總數(shù)，再將結(jié)果商取對數(shù)獲得能力文件中某個特定地理詞匯的IDF值：

其中，|D|為研究對象中地理信息服務(wù)能力文件總個數(shù)，|{j:ti∈dj}|表示含有地理詞匯ti的能力文件數(shù)目，如果該地理詞匯未包含在所研究的能力文件中，則會導(dǎo)致被除數(shù)為零；因此，式(2)中使用1+|{j:ti∈dj}|。tfi,j×idfi=tfidfi,j表示某一特定地理信息服務(wù)能力文件內(nèi)的高地理詞匯頻率，以及該地理詞匯在整個能力文件集合中的低文件頻率的乘積，可以使TF-IDF占有較高的權(quán)重。

該文將OGC地理信息服務(wù)能力文件作為訓(xùn)練樣本，對能力文件的描述內(nèi)容進(jìn)行數(shù)據(jù)預(yù)處理后，再對OWS文件的特征詞匯提取分類并反饋，實現(xiàn)TF-IDF算法后向能力文件推送權(quán)值最大的標(biāo)記詞匯組，如表2所示。

表2 TF-IDF算法提取標(biāo)記詞匯組

2 基于MIMLBoost算法的語義標(biāo)記

2.1 MIMLBoost算法

設(shè)X表示示例空間，Y表示標(biāo)記空間，數(shù)據(jù)集D={(X1,Y1),(X2,Y2),…,(Xm,Ym)}，其中，Xi?X為一組示例{Xi1,Xi2,…,Xi,ni}，Xi,j∈X(j=1,2,…，ni)為第i個包的第j個示例，而Yi?Y為Xi的一組合適類別標(biāo)記{yi1,yi2,…,yi,ni}，ni為Xi中所含示例的個數(shù)，ki為Yi中所含標(biāo)記的個數(shù)。

多示例多標(biāo)記學(xué)習(xí)的目的是得到f:2X→2Y，MIMLBoost算法以多示例學(xué)習(xí)為橋梁，將學(xué)習(xí)目標(biāo)轉(zhuǎn)化為fm:2X×y→{-1,+1}，然后再進(jìn)一步轉(zhuǎn)化為傳統(tǒng)監(jiān)督學(xué)習(xí)問題：給定(xi,yi),對示例空間和標(biāo)記空間進(jìn)行拼接，將集合轉(zhuǎn)化為|Y|個多示例樣本，原數(shù)據(jù)集D則轉(zhuǎn)化為多個多示例單標(biāo)記樣本：{([Xi,y]),φ[Xi,y]|y∈Y}；其中，[Xi,y]包含ni個示例{(Xi1,y),(Xi2,y),…,(Xini,y)}，φ[Xi,y]=+1當(dāng)且僅當(dāng)y∈Yi，否則φ[Xi,y]=-1。上述轉(zhuǎn)換過程完成后再利用多示例學(xué)習(xí)算法MIBoosting[12]進(jìn)行求解。

2.2 基于MIMLBoost算法的語義標(biāo)記

基于MIMLBoost算法實現(xiàn)對OGC地理信息服務(wù)的語義標(biāo)記，例如對文件名為Combined Bedrock and Superficial Geology and mineral的OWS文件(http://ows.geogrid.org/GSJ_CCOP_Combined_Bedrock_and_Superficial_Geology_and_Age/wms)語義標(biāo)記可以得到如表3所示的描述該OWS文件的具體地理信息數(shù)據(jù)和語義標(biāo)記。

表3 基于MIMLBoost算法的示例包

OGC地理信息服務(wù)元數(shù)據(jù)里的語義標(biāo)簽服務(wù)標(biāo)題(title)、服務(wù)摘要(abstract)、服務(wù)關(guān)鍵字(keyword)、層關(guān)鍵字(layer keyword)分別表示MIMLBoost算法里的示例包的示例單元，如表4所示。

表4 基于MIMLBoost算法的標(biāo)記包

基于MIMLBoost算法示例包里的示例內(nèi)容與每個標(biāo)記關(guān)鍵字分別放入集合中，當(dāng)集合中的每個地理關(guān)鍵字分別在四個示例單元中出現(xiàn)，則認(rèn)為該地理關(guān)鍵字可以作為代表性描述詞匯用來標(biāo)記OWS文件。結(jié)合表2和表3，OWS文件Combined Bedrock and Superficial Geology and mineral則可以用bedrock、geology、mineral對其主要描述內(nèi)容進(jìn)行語義標(biāo)記。

3 實驗驗證

為驗證基于MIMLBoost的OGC地理信息服務(wù)的語義檢索系統(tǒng)的查準(zhǔn)率和查全率，采用來源于OneGeology[13]開放網(wǎng)站和美國地質(zhì)勘探局(USGS)數(shù)據(jù)共享中心[14]的300條可正常訪問的地理信息服務(wù)數(shù)據(jù)。用戶在執(zhí)行檢索界面查詢“mineral”時，查詢關(guān)鍵字通過地質(zhì)礦產(chǎn)本體庫擴(kuò)展，獲取該查詢關(guān)鍵字的本體詞集，檢索結(jié)果界面檢索出與“mineral”及與之相關(guān)的本體詞集相匹配的所有地理信息服務(wù)，檢索結(jié)果如圖2所示。

圖2 以“mineral”為關(guān)鍵字的檢索結(jié)果

該文分別基于GeoNetwork[15]檢索、基于MIMLBoost學(xué)習(xí)框架的語義檢索和MIMLBoost匹配與本體庫結(jié)合的檢索3種方式進(jìn)行實驗，其對應(yīng)的查全率和查準(zhǔn)率如圖3所示。

圖3 基于“金屬礦”為關(guān)鍵字檢索結(jié)果對比

與基于GeoNetwork的查詢結(jié)果相比，在應(yīng)用基于MIMLBoost學(xué)習(xí)框架的語義檢索后，查全率與查準(zhǔn)率兩個指標(biāo)都有較大程度的提高，分別提高了10%和7.86%；而將基于MIMLBoost的多示例多標(biāo)記的學(xué)習(xí)框架、TF-IDF加權(quán)算法與地質(zhì)礦產(chǎn)領(lǐng)域的本體庫結(jié)合后，OWS查全率與查準(zhǔn)率與基于GeoNetwork的查詢相比分別提高22%和16.34%，達(dá)到92%、93.48%，對OGC Web Service地理信息服務(wù)檢索的查全率與查準(zhǔn)率有較為明顯的提高。

4 結(jié)束語

OWS地理信息服務(wù)的元數(shù)據(jù)描述是基于XML的文件，包含大量的領(lǐng)域信息，但目前所使用的面向OWS的檢索軟件僅基于關(guān)鍵詞層面，而無法發(fā)現(xiàn)其蘊(yùn)含的語義信息。該研究通過將MIML與地理本體相結(jié)合的方式，實現(xiàn)了面向OWS地理信息服務(wù)的語義層面的檢索，解決了用戶在查詢應(yīng)用地理信息服務(wù)時，難以獲取其真正所需的OWS數(shù)據(jù)的問題。該方法無論在查全率還是查準(zhǔn)率方面都有較大程度的提高，為OWS地理信息服務(wù)語義檢索相關(guān)研究提供了一種參考思路。