陳 欣

解放軍外國語學(xué)院，河南 洛陽 471003

在自然語言處理（Natural Language Processing，NLP）領(lǐng)域，如何利用計(jì)算機(jī)高效地理解和處理自然語言日益成為一個核心課題。自然語言處理須以語言知識為依托（黃曾陽，1998∶99），它包括語法、語用和語義知識，其中語法知識最早應(yīng)用于自然語言處理。自20世紀(jì)70年代起，對語義知識的研究日益受到重視，研究者們相繼提出了語義網(wǎng)絡(luò)（Semantic Network）、概念依存理論（Conceptual Dependency Theory）、格語法（Case Grammar）等語義表示理論。這些理論的發(fā)展和應(yīng)用使自然語言處理從語法層面深入到了語義層面，完成了形式到內(nèi)容質(zhì)的飛躍。

近年來，基于本體（Ontology）形式來表達(dá)和組織語義知識的方法成了人工智能領(lǐng)域的研究熱點(diǎn)之一，Nirenburg和Raskin（2004）提出了一種基于本體的語義理論，即本體語義學(xué)（Ontological Semantics），在這個理論中，本體是析取和表示自然語言文本意義的核心資源。在自然語言處理中，語義分析需要龐大的語義知識庫，20世紀(jì)80年代以來，國內(nèi)外發(fā)展了一批語義知識庫，著名的有WordNet、HowNet、北大的CCD等，從知識表示的角度來說，上述知識庫都可成為本體知識庫。

概念層次網(wǎng)絡(luò)（Hierarchical Network of Concepts，HNC）理論是由中國科學(xué)院聲學(xué)研究所黃曾陽研究員創(chuàng)立的自然語言理解和處理的理論體系，它緊扣建立概念聯(lián)想脈絡(luò)、模擬大腦語言感知過程這條主線，設(shè)計(jì)了一套符號體系來表達(dá)自然語言的語義知識。作為HNC理論的一大特色，精心設(shè)計(jì)的符號體系使得HNC理論的多個處理模塊環(huán)環(huán)相扣。這種高度抽象的符號化表達(dá)方式新穎簡介且便于計(jì)算機(jī)處理，但另一方面，其符號體系的獨(dú)特性、系統(tǒng)性和復(fù)雜性也增加了人們學(xué)習(xí)、理解、發(fā)展和應(yīng)用HNC理論的難度。與HNC符號化的表示不同，本體的表示可以將概念間的層次結(jié)構(gòu)和概念之間的關(guān)系明確地表達(dá)出來，便于人們的理解和應(yīng)用，同時用形式化描述語言的本體也可直接應(yīng)用于自然語言的計(jì)算機(jī)處理。如果將HNC理論對概念的表述用通用的本體形式表示出來，無疑將促進(jìn)HNC理論的發(fā)展和應(yīng)用，實(shí)現(xiàn)人和機(jī)器之間的知識共享。

本研究將基于HNC概念基元符號體系所揭示的概念知識，探討如何采用本體的方法和技術(shù)構(gòu)建知識庫，并進(jìn)行智能查詢。

1 本體知識庫開發(fā)環(huán)境

本研究將采用Windows XP Professional SP1作為本體的建構(gòu)環(huán)境與使用環(huán)境。所要使用的軟件有本體編輯軟件Protégé3.4.1和JRE。Protégé3.4.1的安裝文件可從http∶//protege.stanford.edu下載，它集成了JRE的安裝文件，因此無需單獨(dú)下載JRE的安裝文件。

2 本體知識庫開發(fā)整體思路

綜合分析常見本體知識庫的功能和特點(diǎn)，緊密結(jié)合實(shí)際學(xué)習(xí)過程中的需求，以HNC理論為核心，建立一個本體知識庫，并通過Protégé軟件對知識進(jìn)行管理，實(shí)現(xiàn)對知識的更新，達(dá)到使本體知識庫高效率、高質(zhì)量、低成本的建設(shè)目標(biāo)。

3 知識庫設(shè)計(jì)及主要功能

3.1 知識庫體系結(jié)構(gòu)（如圖1所示）

圖1 知識庫體系結(jié)構(gòu)

3.2 本體構(gòu)建方法

現(xiàn)有的本體構(gòu)建方法一般都是本體通過研究組織和團(tuán)體本體項(xiàng)目開發(fā)的經(jīng)驗(yàn)總結(jié)而來的，方法很多但相互之間又有重疊的部分，Noy和McGuinness提出了一個簡單的知識工程方法——“七步法”，主要針對領(lǐng)域本體的構(gòu)建。我們以編輯工具Protégé為例來說明本體構(gòu)建的步驟。主要步驟如下：

1）確定本體的領(lǐng)域和范圍；

2）考慮重用已有的本體；

3）列舉本體中的重要的術(shù)語；

4）定義類及類的層次結(jié)構(gòu)；

5）定義類的屬性；

6）定義屬性的限制條件；

7）創(chuàng)建實(shí)例。

3.3 知識庫主要功能

基于HNC理論的本體知識庫主要包括三大模塊，即“HNC概念表示”模塊、“實(shí)例”模塊、“查詢”模塊，下面對每個模塊做一介紹。

“HNC概念表示”模塊。根據(jù)HNC概念節(jié)點(diǎn)的語義網(wǎng)絡(luò)及其相互聯(lián)系，在模塊中把HNC概念以樹形圖的形式表示出來，通過此模塊，我們可以更加清晰直觀地觀察HNC語義網(wǎng)絡(luò)中各節(jié)點(diǎn)之間的關(guān)系，對我們更加深入地研究HNC理論大有裨益。在屬于不同級別節(jié)點(diǎn)的概念間，我們也可以通過屬性的設(shè)計(jì)建立聯(lián)系，使概念更加網(wǎng)絡(luò)化。

“實(shí)例”模塊。在概念節(jié)點(diǎn)的底層我們可以建立實(shí)例來具體說明這一概念。下面我們以“飛機(jī)”實(shí)例來具體解釋。比如，在“飛機(jī)”實(shí)例中我們可以建立不同的飛機(jī)型號，而不同型號的飛機(jī)的性能也不盡相同，在Protégé軟件中，我們可以把不同“性能”進(jìn)行賦值，從而完成實(shí)例的具體化和形象化，這也為進(jìn)行智能查詢進(jìn)行了鋪墊。

“查詢”模塊。Protégé自帶插件String Search和Queries可提供檢索服務(wù)。String Search插件只能進(jìn)行簡單的基于字符串的查詢，且功能單一，對中文的支持性也欠佳，因此主要采用Queries插件實(shí)現(xiàn)本體知識庫的智能查詢。由于基于HNC理論的本體知識庫中的術(shù)語由于定義清晰、表述準(zhǔn)確，并在概念層次上是統(tǒng)一的，因此檢索的時候不會返回重復(fù)的和無關(guān)的結(jié)果。本體中的概念描述主要是通過建立概念間關(guān)系和為概念定義各種屬性來實(shí)現(xiàn)的，所以本體不但能對概念進(jìn)行單獨(dú)的描述，而且可以從整個領(lǐng)域的高度出發(fā)來描述概念，具有較強(qiáng)的知識表現(xiàn)能力，能夠提供較高的查準(zhǔn)率與查全率。

4 結(jié)論

基于HNC理論的本體知識庫建設(shè)，對HNC相關(guān)概念及概念間關(guān)系進(jìn)行了清晰直觀地表述，并實(shí)現(xiàn)了智能查詢，提供了較高的查準(zhǔn)率和查全率。但是，知識庫仍存在以下不足，首先是概念中具體屬性間的聯(lián)系無法建立，無法在深層次上進(jìn)行知識表示，其次是隨著HNC理論的發(fā)展，其擴(kuò)展空間還很大，最后是使用的Protégé軟件及其插件還有更進(jìn)一步的擴(kuò)展空間，以提高知識庫的質(zhì)量。

綜上所述，基于HNC理論的本體知識庫建設(shè)是對HNC理論的與本體知識庫建設(shè)之間的有益結(jié)合，相信隨著HNC理論的發(fā)展和本體知識庫建設(shè)技術(shù)的進(jìn)步，此研究還有更大的應(yīng)用價值。

[1]Nirenburg, S.& Raskin, V.Ontological Semantics[M].Cambridge, MA: The MIT Press，2004.

[2]黃曾陽.在反思中前進(jìn)在碰撞中成長[D].第二屆HNC與語言學(xué)研究學(xué)術(shù)研討會論文集. 北京：海洋出版社，2004.

[3]黃曾陽（口述），池毓煥（整理）.HNC概念基元符號體系概覽.HNC內(nèi)部資料，2006.

[4]苗傳江.HNC（概念層次網(wǎng)絡(luò)）理論導(dǎo)論[M].北京：清華大學(xué)出版社，2005.

[5]郁書好.基于本體的教學(xué)知識庫研究[D].河海大學(xué)碩士學(xué)位論文，2006.

[6]張克亮.面向機(jī)器翻譯的漢英句類及句式轉(zhuǎn)換[M].開封：河南大學(xué)出版社，2007.