邱澤國(guó),唐季華

(哈爾濱商業(yè)大學(xué)計(jì)算機(jī)學(xué)院,哈爾濱150076)

基于漢語主題詞表和各學(xué)科或?qū)I(yè)主題詞表,建立一個(gè)以主題詞為骨架、輔以全面的自由詞面的自由詞,并標(biāo)示出包括所有主題詞和自由詞之間的用、代、屬、分、參關(guān)系,可形成內(nèi)容比較完善的后控詞表[1].它不僅可以適應(yīng)用戶輸入的非規(guī)范化用詞,提高查全率和檢索效率,通過詞間概念等級(jí)關(guān)系和族性關(guān)系,方便地進(jìn)行上、下位詞的檢索從而實(shí)現(xiàn)擴(kuò)檢和縮檢,還可在一定程度上實(shí)現(xiàn)語義關(guān)聯(lián)檢索,充分發(fā)揮主題詞檢索的優(yōu)越性.但是,建立后控詞表是一項(xiàng)技術(shù)難度和工作量都比較大的工作,而且隨著時(shí)間的推移,新詞不斷呈現(xiàn),詞表如何自動(dòng)更新,即詞表自學(xué)習(xí)功能也一直是一個(gè)難題.

目前,后控制詞表中的參照關(guān)系,主要是依據(jù)漢語主題詞表或各學(xué)科專業(yè)的主題詞表中收錄的“參”關(guān)系設(shè)置的[2].此種設(shè)置方式有兩大不足:一是收入的參照關(guān)系有限,二是詞間的參照關(guān)系過于嚴(yán)密,無論是主題詞之間或是主題詞與自由詞之間,被參照的詞往往還是不夠“自由”,帶有比較重的書面色彩[3].這就給概念的相關(guān)檢索和參照檢索帶來一定難度.

1 整體結(jié)構(gòu)

為了滿足安全和訪問要求等相關(guān)需求,必須在每個(gè)生產(chǎn)主機(jī)的產(chǎn)品用戶下部署UserAgent,用于對(duì)產(chǎn)品進(jìn)程的直接操作,這樣不用考慮提供主機(jī)系統(tǒng)用戶/密碼等;

同時(shí)在生產(chǎn)環(huán)境中獨(dú)立部署服務(wù)器(獨(dú)立的物理主機(jī)),并在其上部署通訊中間件和運(yùn)維服務(wù)進(jìn)程等;

服務(wù)器上不部署DB,需要存取的數(shù)據(jù)記錄為數(shù)據(jù)文件方式,同時(shí)考慮到平臺(tái)支持,應(yīng)該可做快速移植;

需要的所有配置信息(操作主機(jī)配置、操作員用戶/密碼、任務(wù)計(jì)劃定義等)都可以存放到其中的配置數(shù)據(jù)文件中;

UserAgent,服務(wù)Server和終端Terminal都通過通訊中間件相互連通,見圖1.

圖1 整體結(jié)構(gòu)示意圖

UserAgent和服務(wù)都必須要求可以7×24小時(shí)運(yùn)行,同時(shí)自身非常穩(wěn)定,另外UserAgent因?yàn)楸恢苯硬渴鹪谏a(chǎn)主機(jī)上為此必須十分穩(wěn)定且資源消耗小和平穩(wěn);

在Windows平臺(tái)下,UserAgent應(yīng)該是以Service方式運(yùn)行的,并可隨機(jī)器一道啟動(dòng);

在UNIX平臺(tái)下,UserAgent應(yīng)該是以DAEMON方式運(yùn)行的,并可隨機(jī)器一道啟動(dòng).

2 軟件設(shè)計(jì)與實(shí)現(xiàn)

由于UserAgent可直接訪問當(dāng)前用戶下的資源,所以為了方便開發(fā)和管理維護(hù),在UserAgent上需要開發(fā)一系列可靠簡(jiǎn)易的調(diào)用接口,建議做法是:

Shell腳本調(diào)用接口,定義Shell腳本的名稱和調(diào)用要求,并要求Shell腳本將輸出結(jié)果或信息反饋到某確定文本(結(jié)果日志)中,調(diào)用者UserAgent可以在Shell腳本調(diào)用結(jié)束后,通過讀取結(jié)果信息日志文本獲得最可靠的結(jié)果回應(yīng)[4].

回應(yīng)結(jié)果的解讀必須是嚴(yán)格可靠的,為此需要設(shè)定嚴(yán)謹(jǐn)?shù)南⒏袷?這樣可以保證解析的結(jié)果信息準(zhǔn)確可信.而對(duì)結(jié)果的實(shí)際解析可以不由UserAgent負(fù)責(zé),可以回應(yīng)給服務(wù)的模塊來完成.

UserAgent的開發(fā)必須完全統(tǒng)一,即在不同平臺(tái)或主機(jī)下,只能有一種UserAgent的實(shí)現(xiàn),盡量不要開發(fā)不同個(gè)性功能的Useragent實(shí)現(xiàn),這樣才能很好保證其可靠和穩(wěn)定性,同時(shí)也能大大簡(jiǎn)化開發(fā)工作量,為此UserAgent不能過于關(guān)心功能的差異性細(xì)節(jié)[5],見圖2.

為此在功能設(shè)計(jì)方面我們可以借鑒Ant的思路,在服務(wù)模塊規(guī)劃和定義Target,每個(gè)Target包含若干需要順序執(zhí)行的Task,而每個(gè)Task需要定義如下信息:UserAgent的標(biāo)識(shí),即AgentID或請(qǐng)求功能號(hào);任務(wù)參數(shù),可能需要的請(qǐng)求參數(shù);每個(gè)任務(wù)調(diào)用都有返回結(jié)果,為了統(tǒng)一調(diào)用接口,建議各種任務(wù)的請(qǐng)求參數(shù)和返回結(jié)果都使用固定字段.

圖2 軟件設(shè)計(jì)與實(shí)現(xiàn)示意圖

這樣在服務(wù)模塊里,任何操作就是一個(gè)Target,而執(zhí)行Target時(shí)就是順序執(zhí)行其下的一系列事先定義好的Task,每個(gè)Task都有請(qǐng)求和應(yīng)答,如果在一個(gè)Target的執(zhí)行過程中,任何一個(gè)Task失敗,那么整個(gè)Target就失敗.

3 目標(biāo)任務(wù)調(diào)用模式

對(duì)于每個(gè)被調(diào)用Task,其UserAgent都會(huì)轉(zhuǎn)化為一個(gè)實(shí)際的Shell腳本的運(yùn)行,由于執(zhí)行Shell腳本存在時(shí)間周期等待的可能,而等待時(shí)間也會(huì)有很多差異,為此如果采用請(qǐng)求/應(yīng)答的完全同步模式可能不夠穩(wěn)定,所以可以考慮將一個(gè)任務(wù)的完成過程分為兩步驟來進(jìn)行:

第一階段為任務(wù)發(fā)起準(zhǔn)備,由服務(wù)發(fā)送任務(wù)準(zhǔn)備執(zhí)行指令(一般需要設(shè)定一個(gè)惟一的任務(wù)流水號(hào),便于未來做跟蹤和檢查)給某UserAgent,UserAgent收到后,做執(zhí)行Shell腳本前的準(zhǔn)備和檢查工作,如果可以執(zhí)行就應(yīng)答給服務(wù)為準(zhǔn)備就緒,如果有問題則應(yīng)答準(zhǔn)備失敗;這個(gè)應(yīng)答由于檢查和準(zhǔn)備工作很少,所以可以快速給予回應(yīng);服務(wù)受到相應(yīng)應(yīng)答后就可以作出該任務(wù)的執(zhí)行狀態(tài)更新或相關(guān)工作;

第二階段為任務(wù)執(zhí)行和結(jié)果匯報(bào),由UserAgent在準(zhǔn)備完成后可迅速開始進(jìn)行Shell腳本的執(zhí)行,待腳本執(zhí)行完成后,同時(shí)對(duì)執(zhí)行結(jié)果收集好后,獲得當(dāng)前該執(zhí)行任務(wù)的反饋結(jié)果信息,就把該信息發(fā)服務(wù)(返回信息里必須包含當(dāng)前任務(wù)的唯一流水號(hào)),服務(wù)通過該回饋信息可以迅速更新對(duì)應(yīng)任務(wù)狀態(tài),這樣可以驅(qū)動(dòng)任務(wù)所在目標(biāo)流程的后續(xù)任務(wù)驅(qū)動(dòng);

通過這種兩階段異步模式,可以使目標(biāo)流程和各個(gè)任務(wù)的執(zhí)行情況得到迅速跟蹤,并且可以避免請(qǐng)求/應(yīng)答方式下長(zhǎng)時(shí)間等待,為此還需要UserAgent提供一些相關(guān)的任務(wù)查詢接口,如按任務(wù)流水號(hào)查詢某任務(wù)的執(zhí)行狀態(tài)或情況.任務(wù)流水號(hào)可以由UserAgentID+任務(wù)標(biāo)識(shí)+日期+時(shí)間值等來全局惟一表示,而且該號(hào)可以用于其他用途.

另外對(duì)于一個(gè)任務(wù),其對(duì)象狀態(tài)大致可以為:初始Init、執(zhí)行中Running、執(zhí)行成功Success、失敗Failure;如圖3所示.

圖3 目標(biāo)任務(wù)調(diào)用模式示意圖

在任務(wù)對(duì)象執(zhí)行管理的基礎(chǔ)上,目標(biāo)流程的定義管理就相對(duì)清晰了.一般可嚴(yán)格要求,任何流程都是沒有分支的,就象以前用Ant腳本編寫的Target一樣,而且不允許服務(wù)同時(shí)執(zhí)行多個(gè)目標(biāo)流程,這樣便于我們隔離錯(cuò)誤和問題,防止出現(xiàn)不可預(yù)估的情況.

本實(shí)驗(yàn)選用Protégé3.0作為本體建模工具,Protégé3.0是由斯坦福大學(xué)的Stanford Medical Informatics開發(fā)的一個(gè)開放源碼的本體編輯器[6],它是用Java編寫的.其界面風(fēng)格與普通Windows應(yīng)用程序風(fēng)格一致,易學(xué)易用[3].在Protégé3.0編輯器中,本體結(jié)構(gòu)以樹形的層次目錄結(jié)構(gòu)顯示,用戶可以通過點(diǎn)擊相應(yīng)項(xiàng)來編輯或增加類、子類、屬性、實(shí)例等本體元素,另外,用戶可以不用考慮具體的本體描述語言,而在概念層次上設(shè)計(jì)領(lǐng)域本體模型.

在構(gòu)建本體和組織存儲(chǔ)實(shí)例數(shù)據(jù)之后,就需要在應(yīng)用程序中對(duì)其進(jìn)行解析和應(yīng)用.在本體數(shù)據(jù)讀取、語義推理和信息檢索時(shí),ISearch系統(tǒng)主要采用了惠普實(shí)驗(yàn)室開發(fā)提供的Jena 2.1API接口方法.

Jena是一種用來構(gòu)建語義萬維網(wǎng)應(yīng)用的Java框架,它提供了有關(guān)操作RDF、RDFS和OWL的接口方法以及基于規(guī)則的推理引擎編程環(huán)境,而且Jena還是一個(gè)開源項(xiàng)目,目前由惠普語義網(wǎng)絡(luò)實(shí)驗(yàn)室負(fù)責(zé)開發(fā),在Jena框架中主要提供了以下的一些Java包、接口和方法.

?RDF應(yīng)用編程接口;

?提供讀寫各種語法形式的RDF文件,包括RDF/XML、N3等格式;

?提供操作OWL文件的應(yīng)用編程接口;

?提供基于內(nèi)存和持久存儲(chǔ)兩種方式;

?提供了一種RDF實(shí)例數(shù)據(jù)查詢語言——RDQL;

在ISearch系統(tǒng)中主要使用了Jena中的如下兩個(gè)包中的方法:

?com.hp.hpl.jena.rd f.model——其中提供了大量有關(guān)創(chuàng)建和操作RDF圖的方法;

?com.hp.hpl.jena.vocabulary——其中包含了在RDF和OWL規(guī)范中,所定義的Resource對(duì)象和Property對(duì)象,如RDF類和OWL類等[5].

為了實(shí)現(xiàn)系統(tǒng)中表示層和邏輯處理層之間的分離,在設(shè)計(jì)人機(jī)界面時(shí),ISearch系統(tǒng)采用Velocity模板語言.

Velocity是一個(gè)基于Java的模板引擎(temp late engine).它允許任何人可以通過簡(jiǎn)單的使用模板語言(temp late language)來引用在Java代碼中所定義的對(duì)象實(shí)例.當(dāng)Velocity應(yīng)用于Web開發(fā)時(shí),界面設(shè)計(jì)人員可以和Java程序開發(fā)人員同步開發(fā)一個(gè)遵循MVC架構(gòu)的Web站點(diǎn),也就是說,頁(yè)面設(shè)計(jì)人員可以只關(guān)注頁(yè)面的顯示效果,而由Java程序開發(fā)人員關(guān)注業(yè)務(wù)邏輯編碼.Velocity真正的做到了系統(tǒng)控制層和人機(jī)交互界面的分離,這種分層的設(shè)計(jì)模式有利于web站點(diǎn)的長(zhǎng)期維護(hù).

?采用Servlet、HTML、JavaScript、Applet、XML實(shí)現(xiàn)界面表示層功能.

?采用Session Bean實(shí)現(xiàn)業(yè)務(wù)邏輯層功能.

?利用應(yīng)用服務(wù)器的JDBC(Java Database Connectivity)驅(qū)動(dòng)實(shí)現(xiàn)數(shù)據(jù)訪問層功能.

?采用JMS(Java Messaging service)實(shí)現(xiàn)消息服務(wù).

4 結(jié) 語

根據(jù)用戶檢索需求的特點(diǎn)并結(jié)合了語義網(wǎng)的相關(guān)知識(shí),提出了一種基于特定問題的概念關(guān)聯(lián)檢索思路,目前從技術(shù)上實(shí)現(xiàn)起來主要有以下難點(diǎn):

相關(guān)領(lǐng)域本體的構(gòu)建.本體是共享概念模型的明確的形式化規(guī)范說明,而領(lǐng)域本體的目標(biāo)是捕獲相關(guān)的領(lǐng)域的知識(shí),提供對(duì)該領(lǐng)域知識(shí)的共同理解,確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯,并從不同層次的形式化模式上給出這些詞匯(術(shù)語)和詞匯之間相互關(guān)系的明確定義.而構(gòu)建具有良好的概念層次結(jié)構(gòu)和對(duì)邏輯推理的支持,能在基于語義的檢索中有廣泛應(yīng)用的領(lǐng)域本體是一個(gè)復(fù)雜的工程,檢索領(lǐng)域目前應(yīng)用較多的還是比較初級(jí)的詞表等形式.

擴(kuò)展參照檢索的算法.由于參照的是一個(gè)主題模式而不是幾個(gè)相關(guān)的詞,因此對(duì)模式的匹配需要有新的策略,而模式本身的復(fù)雜的概念體系也要求檢索過程必須采取一定的策略,如關(guān)聯(lián)層級(jí)限制,來保證輸出結(jié)果集的精練.

結(jié)果排序.由于不再是基于關(guān)鍵詞的匹配,其輸出結(jié)果需要按照語義相關(guān)度來排序.文中目前提供的排序方式還只是一種基于位置的簡(jiǎn)單處理,很難從語義層面體現(xiàn)相關(guān)性的重要程度.

概念檢索主要包含了兩個(gè)方面的內(nèi)容,即同義擴(kuò)展檢索和相關(guān)概念聯(lián)想.因此,相關(guān)概念的關(guān)聯(lián)和參照檢索是概念檢索的重要研究?jī)?nèi)容.基于問題的語義關(guān)聯(lián)的擴(kuò)展參照檢索,實(shí)際上是一種概念關(guān)聯(lián)檢索.要構(gòu)建出實(shí)用的概念關(guān)聯(lián)檢索系統(tǒng),還必須進(jìn)一步結(jié)合語義網(wǎng)、本體論以及AI領(lǐng)域的NLP等語義層面的表示及推理技術(shù)

[1]HANAN U.Information Filtering:Overview of Issues,Research and Systems[J].User Modeling and User-Adapted Interaction 2001,11:203-259.

[2]COHENW.Fast effective rule induction[C]//Machine Learning:Proceedings of the Twelfth International Conference,Lake Taho,California,Mongan Kanfmann,1995:115-123.

[3]QUINLAN JR.Induction of decision trees[J].Machine Learning,1986,(1):81-106.

[4]于 玲,吳鐵軍.集成學(xué)習(xí):Boosting算法綜述[J].模式識(shí)別與人工智能,2004,17(1):52-59.

[5]王海川,張麗明.一種新的Adaboost訓(xùn)練算法[J].復(fù)旦學(xué)報(bào):自然科學(xué)版,2004,43(1):27-32.

[6]黃萱菁.基于向量空間模型的文本過濾系統(tǒng)[J].軟件學(xué)報(bào),2002,13(4):15.

[7]郭 聳,洪炳镕,陳鳳東.基于嵌入式Linux和Web服務(wù)器的網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2005,21(6):736-738.