許紅梅

(武漢職業(yè)技術學院電信學院,湖北武漢430074)

淺析語義Web在信息檢索中的研究與實現(xiàn)

許紅梅

(武漢職業(yè)技術學院電信學院,湖北武漢430074)

語義Web是未來web的發(fā)展方向,是信息可以被機器理解和使用的新的信息環(huán)境,語義Web的出現(xiàn)徹底改變了web上信息的組織方式,對于各種網(wǎng)絡信息應用都將產(chǎn)生巨大影響。本文首先對Semantic Web的概況進行了簡要介紹,然后詳細分析了語義Web體系的主要支持技術(XML RDF),最后探討了語義Web技術對網(wǎng)絡信息檢索的影響。

語義Web;網(wǎng)絡信息檢索XML;RDF

1 語義Web及語義Web技術體系

語義Web(Semantic Web)是信息可以被機器理解和使用的新的信息環(huán)境。它最大的特點在于將語義嵌入到了web資源中,使得web上的一切資源都可以被應用程序識別和利用,從而促進全球知識的共享。

從技術角度看,Semantic Web是一個分層次結構,從下至上包含了Unicodev、URI、XML、RDF、Ontology、Logic、Proof、Trust等重要的技術,圖1是該層次結構的具體圖示[1]。

圖1 Semantic Web的分層結構示意圖

在整個層次結構最底層的是Unicode和URI:它們完成的功能是對整個WWW上的資源統(tǒng)一編碼,并用統(tǒng)一的標準給每個資源以唯一的標識。Unicode是一種新的編碼標準,支持世界上絕大多數(shù)語言。Unicode層將上層的數(shù)據(jù)轉(zhuǎn)換成與平臺無關的標準Unicode碼流。URI是統(tǒng)一資源標識符,作為互聯(lián)網(wǎng)上信息資源的識別標準。依據(jù)它我們可以為互聯(lián)網(wǎng)上所有存在的資源指定一個唯一的標識符,從而能夠從任何地方訪問它。

XML即可擴展標記語言(eXtensible Markup Language),它使用了一種簡單而靈活的語法,為web的應用提供了一個描述數(shù)據(jù)和交換數(shù)據(jù)的有效手段,彌補了HTML的不足。XML最具魅力的地方是它的可擴展性,XML允許使用者根據(jù)內(nèi)容需要,創(chuàng)建自己的標記語言和自定義的標簽,以準確地對信息進行描述。同時XML還實現(xiàn)了數(shù)據(jù)內(nèi)容和顯示格式分離,XML單單描述內(nèi)容,將數(shù)據(jù)顯示的任務交給XSL和CSS來完成,內(nèi)容和顯示的分離使得應用程序可以更加專注的進行數(shù)據(jù)處理工作。XML示例:

NS即名字空間(NameSpace)用來區(qū)分不同XML文檔中具有相同名稱的元素和屬性。NS以URI為基礎,由于URI在互聯(lián)網(wǎng)上具有唯一性,通過在每個元素和屬性前添加名字空間前綴,可以使得不同XML中的元素和屬性都具有唯一性,從而區(qū)別不同XML文檔的元素和屬性。

盡管XML的出現(xiàn)大大地推動了互聯(lián)網(wǎng)上的數(shù)據(jù)互操作,但是對于達到語義Web要求的語義級互操作,XML的能力還是不夠。一方面,XML允許用戶自定義標簽來描述數(shù)據(jù),這就可能造成對于同一概念,不同用戶使用不同標簽來描述。另外, XML雖有嚴格的語法規(guī)則,但沒有對于語義描述的約束,所以對同樣的數(shù)據(jù),從不同的語義理解可以表示為不同的XML描述形式,比如上面的示例也可以寫成:

Web服務正在呈現(xiàn)為用于各種各樣分布式系統(tǒng)的一個有前途的計算平臺。Web服務中的3個核心標準是用于服務描述的WSDL、用于報文交換SOAP和用于服務注冊和發(fā)現(xiàn)的UDDI。Web服務的特征是它們對服務合成的支持。對Web服務來說,我們期望在合成的過程中自動得到另一個服務,這要求Web服務用語義來豐富。

Web語義服務基礎結構的一個突出特征是它的語義支持的缺乏。它專門地依賴XML的互操作性,但是僅保證語義互操作。用XML表述報文內(nèi)容,使Web服務解析其他的每個報文,但是這不便于報文內(nèi)容的理解。此外,在服務的注冊和發(fā)現(xiàn)中, UDDI自身不提供對Web服務的語義描述的任何支持。Web服務應當有語義的含義,這樣服務可根據(jù)語義匹配而不是句法匹配。

RDF的數(shù)據(jù)模型實質(zhì)上是一種二元關系的表達,由于任何復雜的關系都可以分解為多個簡單的二元關系,因此RDF的數(shù)據(jù)模型可以作為其他任何復雜關系模型的基礎模型。下面我們來看一個簡單的RDF的例子:

(指明被描述資源的URI)

(被描述資源有一個叫Author的屬性其值是Paul)

穿刺及手術切除標本10%中性甲醛固定，HE染色后在鏡下觀察。HEHE病理診斷標準：HE染色切片顯示以纖維硬化區(qū)為中心，周邊富于細胞，腫瘤細胞呈上皮樣分化，腔內(nèi)含有紅細胞，免疫組織化學染色中Ⅷ因子相關抗原、CD31和CD34中的1項呈陽性。

htm>(被描述資源有一個叫 HomePage的屬性其值指向另一資源)

[3]

RDF和XML是互為補充的。RDF解決的是如何采用XML標準語法無二義性地描述資源對象的問題,使得所描述資源的元數(shù)據(jù)信息成為機器可理解的信息。如果把XML看作為一種標準化的元數(shù)據(jù)語法規(guī)范的話,那么RDF就可以看作為一種標準化的元數(shù)據(jù)語義描述規(guī)范。RDF希望以一種標準化,互操作的方式來規(guī)范XML語義。XML文檔可以通過簡單的方式實現(xiàn)對RDF的引用,兩者的合作使用如下所示:

在RDF技術的基礎上W3C又制定了RDFS規(guī)范,即資源描述框架定義集(Resource Description Framework Schema)。RDFS是RDF的詞匯描述語言(Vocabulary Description Language),RDF是為網(wǎng)上資源語義互連而制定的一個技術規(guī)范,而RDFS是為擴充RDF數(shù)據(jù)而制定的一個規(guī)范,它制定了一系列標準的類和屬性,定義怎樣用RDF來描述詞匯集,可以在不同詞匯集間通過指定元數(shù)據(jù)關系來實現(xiàn)含義理解層次上的數(shù)據(jù)交換。

Ontology是關于領域內(nèi)共享概念的形式化的規(guī)范說明,獨立于具體的符號層表述方式,因而是具有不同知識表示的web應用系統(tǒng)之間進行數(shù)據(jù)或知識交換共享的基礎結構。一般web上的Ontology包括分類和一套推理規(guī)則,分類定義對象的類別及其之間的關系[4]。

基于語義的web應用應該可以根據(jù)特定的規(guī)則從RDF/RDFS和ontology描述的知識中進行推理,邏輯層的目標就是提供一種方法來描述規(guī)則。針對語義網(wǎng)上各種不同類型的應用,邏輯層可能會采用多種邏輯語言的實現(xiàn)形式,這一點就和互聯(lián)網(wǎng)中的TCP/IP協(xié)議模型中的每一層都會針對不同的硬件和軟件系統(tǒng)采用不同的實現(xiàn)類似。

2 語義Web對網(wǎng)絡信息檢索的影響

語義Web的出現(xiàn)將徹底改善web上信息的組織方式,對于各種網(wǎng)絡應用都將是巨大的促進。對于網(wǎng)絡信息檢索而言,其影響主要體現(xiàn)在以下幾個方面。

現(xiàn)在的關鍵字搜索引擎通常只能搜索與所輸入關鍵字精確匹配的網(wǎng)頁,而不能根據(jù)所輸入關鍵字的意思進行擴展,搜索同義的和相關的網(wǎng)頁。

在未來的語義Web環(huán)境下,由于使用了ontology,概念被更加行式化的規(guī)范說明,應用程序可以利用ontology提供的概念關系網(wǎng)擴展用戶輸入的關鍵詞進行檢索,也能夠利用ontology和logic等技術推理理解網(wǎng)頁里包含的各個概念及其關系,從而更加全面地返回用戶想要的結果。

2.2 查準率的提高

傳統(tǒng)網(wǎng)頁由于缺乏對網(wǎng)頁內(nèi)容的語義描述,所以應用程序很難準確理解發(fā)布者要表達的意思,只能通過字面猜測。所以就算某些網(wǎng)頁里明顯出現(xiàn)了“本文提到的布什不是美國總統(tǒng)布什”這樣的話,用戶在輸入“美國總統(tǒng)布什”進行搜索時搜索引擎還是會將這些頁面作為正確結果返回給用戶。但是在語義Web環(huán)境下,網(wǎng)頁的作者為了表示“本文提到的布什不是美國總統(tǒng)布什”,就會給”布什“加上語義標記,如“布什”,并且在網(wǎng)頁其他地方注明,這樣應用程序就可以根據(jù)http://www.bush.com/information的信息知道這里所提到的布什并非美國總統(tǒng)。

2.3 搜索深度更深

傳統(tǒng)網(wǎng)頁標記語言由于只控制了網(wǎng)頁內(nèi)容的顯示形式,沒有提供基于語義的對內(nèi)容的區(qū)分標記,所以對于搜索引擎而言,很難將一個網(wǎng)頁按內(nèi)容拆分為更小的語義單元,只能將整個網(wǎng)頁作為最小的檢索對象,不能像數(shù)據(jù)庫檢索一樣深入到表格的字段,直接得到想要的數(shù)據(jù)。

顯然,這樣的檢索方式非常的不方便而且效果也不令人滿意。在未來的語義Web環(huán)境里,由于網(wǎng)頁的制作者對于網(wǎng)頁內(nèi)每一項有意義的內(nèi)容都會進行基于語義的標記。所以,搜索引擎可以直接深入網(wǎng)頁文檔內(nèi)部,將每一項標記的內(nèi)容作為檢索對象,從而直接返回用戶想要的東西。

例如,對于剛才的情況通常語義Web會這樣描述網(wǎng)頁:

于是我們就可以通過SQL構造查詢式 select文章的作者 where文章的標題=Semantic Web roadmap進行檢索然后搜索引擎就會直接返回Tim Berners-Lee。

2.4 多媒體搜索更有效

當今的自動搜索引擎雖然也有某些能對圖片、音頻、視頻等多媒體文件進行搜索,但主要依據(jù)的都是文件名、周圍的文字信息以及文件本身的屬性特征。這幾種搜索依據(jù)都有很大的缺點。文件名雖然常常描述了文件的內(nèi)容,但是網(wǎng)上的大多數(shù)多媒體文件都不是按照這種方式命名的,而是用數(shù)字加字母命名,文件名并沒有任何實際含義[5]。因此,現(xiàn)在網(wǎng)上的各種多媒體搜索引擎的效果非常不理想也是可以理解的。

不過在未來的語義Web環(huán)境下,多媒體的檢索將會變得簡單而準確。語義Web具有的強大的對資源語義進行描述的功能,并且這些描述都可以被其他應用程序所理解和使用。另外,語義Web的資源間語義關系的描述能力,更使得多媒體資源與文字描述能很好的融合為一體。

2.5 實現(xiàn)系統(tǒng)性檢索

Web是一個由眾多單個網(wǎng)頁相互鏈接形成的統(tǒng)一空間。HTML語言及其鏈接技術實現(xiàn)的網(wǎng)頁間的連接,僅使得我們可以從一個網(wǎng)頁到達另一個網(wǎng)頁而已,相互鏈接的兩個網(wǎng)頁之間的關系并沒有給出描述。比如,我們想查詢《Semantic Web roadmap》的作者的出生日期,在現(xiàn)在的web條件下,因為這些信息通常不會出現(xiàn)在同一個網(wǎng)頁上,所以我們不得不先查出《Semantic Web roadmap》的作者是誰,然后再查詢他的出生日期。但是在語義Web條件下,利用RDF等技術所描述的語義關系,應用程序可以將各個有關聯(lián)的網(wǎng)頁聯(lián)系起來,利用ontology logic等技術推理返回用戶想要的結果。

3 總結語

語義Web的出現(xiàn)適應了網(wǎng)絡知識化、智能化的要求,對于網(wǎng)絡資源的組織架構和應用都將產(chǎn)生深刻的影響。從上面的分析我們可以清楚地看到,語義Web的各種技術通過給網(wǎng)上資源賦予語義,使計算機能理解網(wǎng)上信息,從而使精準、便捷、智能化的網(wǎng)絡信息搜索變得可能,為智能信息檢索的實現(xiàn)創(chuàng)造了條件。然而,要實現(xiàn)真正智能的信息檢索,我們還要解決人機交互過程中的理解和溝通問題。只有當機器與資源,人與機器這兩方面都實現(xiàn)了完美的溝通,真正智能化的搜索服務才能實現(xiàn)。

[1]潘小進,林子禹,張月強,賀春輝.語義Web的標記語言和體系結構[J].計算機工程,2003(4):79.

[2]李衛(wèi)華.語義 Web及層次結構[J].計算機系統(tǒng)應用, 2002(7):46.

[3]瞿裕忠,張劍鋒,陳崢王,叢 剛.xml語言及相關技術綜述[J].計算機工程,2006(12):106.

[4]盧巧云.XML:數(shù)字圖書館信息組織的基礎技術[J].情報科學,2003(9):33.

[5]羅 威.RDF(資源描述框架)Web數(shù)據(jù)集成的元數(shù)據(jù)解決方案[J].情報學報,2003(2):48.

Analysis of Semantic Web Application in Information Retrieval Research and Implementation

XIU Hong-mei
(Telecommunications Dept.of Wuhan Technical Institute,Wuhan 430074,China)

Semantic Web is the future of today’s web,which is a new space where the information inside can be understood and used by machines.Semantic Web will change the way of organizing information on web and make a significant influence on lots of web information applications.This paper,firstly,presents a brief introduction to Semantic Web,and then analyzes in detail the main technologies supporting Semantic Web such as XML and RDF.Finally,the influence of Semantic Web on web information retrieval is discussed.

semantic web;web information retrieval;XML;RDF

book=107,ebook=47

TP391

A

1008-4738(2010)02-0107-03

2010-02-20

許紅梅(1968-),女,武漢職業(yè)技術學院電信學院副教授,研究方向:計算機網(wǎng)絡及多媒體應用。