桑琰云

（煙臺(tái)大學(xué)圖書(shū)館，山東 煙臺(tái) 264005）

不論是基于分類(lèi)目錄的搜索引擎檢索技術(shù)，還是基于含有指定目標(biāo)的全文搜索引擎技術(shù)，都存在查準(zhǔn)率、查全率偏低的問(wèn)題，也就是檢索利用的有效率偏低。再加上用戶(hù)檢索用詞的自由化，不同系統(tǒng)數(shù)據(jù)庫(kù)標(biāo)引語(yǔ)言的兼容，一詞多義或者多詞同義，還有分詞的歧義與錯(cuò)誤，常常會(huì)導(dǎo)致自然語(yǔ)言與規(guī)范語(yǔ)言的差異。上個(gè)世紀(jì)80年代在SIGIR會(huì)議論文中，[1]就出現(xiàn)了對(duì)語(yǔ)義信息檢索的討論。隨著語(yǔ)義網(wǎng)信息和語(yǔ)義信息處理發(fā)展水平的不斷提升，語(yǔ)義網(wǎng)信息檢索的關(guān)注度才有所提升，但還是相對(duì)薄弱。2003年開(kāi)始，國(guó)家的973計(jì)劃開(kāi)始將語(yǔ)義的相關(guān)基礎(chǔ)研究、技術(shù)研究、模型研究、方法研究作為重點(diǎn)支持對(duì)象。筆者通過(guò)維普資訊數(shù)據(jù)庫(kù)平臺(tái)發(fā)現(xiàn)，從2005年開(kāi)始，相關(guān)語(yǔ)義的文章才開(kāi)始出現(xiàn)，以“語(yǔ)義信息”為題名或者關(guān)鍵詞的文章有20余篇，但是如果細(xì)化至“語(yǔ)義網(wǎng)信息”、“語(yǔ)義網(wǎng)檢索”、“語(yǔ)義網(wǎng)信息檢索”，涉及的文章一般只有四五篇，因此筆者旨在語(yǔ)義信息研究的基礎(chǔ)上，以多層次為切入點(diǎn)，探索多層次語(yǔ)義網(wǎng)信息檢索的相關(guān)理論。

1 語(yǔ)義網(wǎng)資源

語(yǔ)義的核心是共享，[2]是自由，它的存在將實(shí)現(xiàn)從字符檢索到概念檢索的過(guò)渡。語(yǔ)義網(wǎng)（Semantic Web）是一個(gè)通用的語(yǔ)義框架，不僅將文檔對(duì)象、數(shù)據(jù)共享和集成，更是將世界對(duì)象資源及資源之間多而雜的關(guān)聯(lián)關(guān)系通過(guò)機(jī)器可閱讀和理解的信息利用語(yǔ)義、語(yǔ)法和邏輯規(guī)則集合在一起組成的網(wǎng)絡(luò)。在語(yǔ)義網(wǎng)中定義和鏈接的數(shù)據(jù)都能被各種不同的應(yīng)用以更為有效的方式查詢(xún)、重用和集成。無(wú)論是簡(jiǎn)單的描述語(yǔ)言還是復(fù)雜的描述性語(yǔ)言都是由某種語(yǔ)言作為載體，對(duì)知識(shí)進(jìn)行客觀描述，讓機(jī)器能夠具有智能評(píng)估的作用，在一定程度上提高我們分析網(wǎng)絡(luò)信息語(yǔ)義的能力。有了語(yǔ)義網(wǎng)資源，計(jì)算機(jī)不需要人工的干預(yù)就可以對(duì)不同來(lái)源的這些語(yǔ)義網(wǎng)資源進(jìn)行配置、聚合和解釋?zhuān)笆褂糜邢薜目茖W(xué)術(shù)語(yǔ)進(jìn)行提問(wèn)和基本數(shù)據(jù)極端復(fù)雜性之間的差距將有可能縮小”。[3]

1.1 本體

本體——表達(dá)的核心，“它給出了構(gòu)成相關(guān)領(lǐng)域詞匯的基本術(shù)語(yǔ)和關(guān)系，以及結(jié)合術(shù)語(yǔ)和關(guān)系來(lái)定義詞匯的外延規(guī)則”。[4]其目標(biāo)是在語(yǔ)義正確的基礎(chǔ)上具有對(duì)語(yǔ)言的描述理解能力和完成推理的能力。計(jì)算機(jī)界的本體研究始于20世紀(jì)90年代初期的知識(shí)基礎(chǔ)社（knowledge base community）研究之后，各個(gè)學(xué)科都開(kāi)始致力于本體的研究。借鑒不同領(lǐng)域的本體的不同內(nèi)涵，筆者認(rèn)為語(yǔ)義網(wǎng)的本體是表示語(yǔ)義網(wǎng)中實(shí)體、類(lèi)、屬性、角色、功能等特定詞匯及詞匯之間關(guān)系的具有“四化”特點(diǎn)（概念化、明確化、規(guī)范化、理解化）的集合。是語(yǔ)義網(wǎng)檢索的核心部分，是語(yǔ)義共享的基礎(chǔ)。劉康[5]根據(jù)不同的分類(lèi)體系對(duì)本體有不用的分類(lèi)，無(wú)論哪種分類(lèi)的本體，其特定詞匯的概念和面向?qū)ο笾性~匯的概念有著本質(zhì)的區(qū)別。萬(wàn)維網(wǎng)上的DAML本體庫(kù)、Schema Web、Protege本體庫(kù)等都是目前語(yǔ)義網(wǎng)資源的主要來(lái)源。[6]在這里需要提及的是元數(shù)據(jù)。元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，它為數(shù)字化信息集合提供規(guī)范、普遍的描述方法和檢索工具。元數(shù)據(jù)本身可以看成是本體的一種形式，或者是“元”元數(shù)據(jù)，或者是簡(jiǎn)單的本體。前者注重的是資源分類(lèi)體系和資源本身的信息描述，后者注重的則是表達(dá)資源語(yǔ)義邏輯的知識(shí)體系，因此，對(duì)一個(gè)系統(tǒng)中實(shí)體進(jìn)行分析并提取屬性的過(guò)程即為元數(shù)據(jù)的創(chuàng)建過(guò)程，在此基礎(chǔ)上再加之異構(gòu)分析、關(guān)聯(lián)分析等就可以創(chuàng)建本體了。元數(shù)據(jù)解決了資源的語(yǔ)義描述問(wèn)題，而本體解決了資源集合的相互關(guān)系問(wèn)題。[7]語(yǔ)法和語(yǔ)義、微觀和宏觀，兩者的滲透和結(jié)合就能夠完成在元數(shù)據(jù)框架下的語(yǔ)義檢索。

1.2 本體文檔資源

筆者認(rèn)為該類(lèi)資源是從資源描述的角度看，是構(gòu)建在本體中描述文檔類(lèi)和屬性的資源。該類(lèi)資源用RDF的二元數(shù)據(jù)模型作為基礎(chǔ)模型，用RDFSchema作為描述詞匯表，模型中用于描述本體文檔資源的都可以被看成是“節(jié)點(diǎn)”。但由于RDF的不全面性，RDFS作為其擴(kuò)展更具完善性。

1.3 實(shí)例數(shù)據(jù)資源

表征各類(lèi)對(duì)象的實(shí)例數(shù)據(jù)。語(yǔ)義網(wǎng)支持互操作和集成不同來(lái)源的數(shù)據(jù)，[3]尤其是關(guān)聯(lián)數(shù)據(jù)。此要求比較普遍。大多數(shù)的檢索者還是想從本體的知識(shí)庫(kù)中搜集到特定類(lèi)目的實(shí)例信息。與傳統(tǒng)資源不同的是，該類(lèi)型的語(yǔ)義網(wǎng)資源是基于結(jié)構(gòu)化查詢(xún)與處理的。

1.4 語(yǔ)義關(guān)聯(lián)資源

表征文檔與數(shù)據(jù)之間的語(yǔ)義關(guān)系數(shù)據(jù)。目前興起的語(yǔ)義關(guān)聯(lián)檢索的研究已有涉入。知識(shí)組織的技術(shù)方法除了可以組織隱含在知識(shí)資源中的知識(shí)結(jié)構(gòu)之外，還要使其中的語(yǔ)義元素能夠被計(jì)算機(jī)所交互。目前來(lái)看，我們現(xiàn)在的傳統(tǒng)檢索方式出于弱語(yǔ)義的知識(shí)表征階段，它相對(duì)于自然語(yǔ)言而言承載著一定的語(yǔ)義，但還是有所差距。語(yǔ)義關(guān)聯(lián)資源不僅局限于有直接關(guān)聯(lián)的主題之間，還包含對(duì)非直接關(guān)聯(lián)的主題之間的語(yǔ)義間接關(guān)聯(lián)。

實(shí)例數(shù)據(jù)資源和語(yǔ)義關(guān)聯(lián)資源單純用RDF（S）已經(jīng)不能夠完全表達(dá)語(yǔ)義，這就需要另外的本體語(yǔ)言O(shè)WL和DAML+OI來(lái)完成。[8]

2 多層次語(yǔ)義網(wǎng)結(jié)構(gòu)

根據(jù)朱成兵的語(yǔ)義網(wǎng)體系結(jié)構(gòu)的劃分，再結(jié)合筆者上述對(duì)語(yǔ)義網(wǎng)資源的特質(zhì)描述，可以得出語(yǔ)義網(wǎng)的機(jī)構(gòu)有一定的層次。零加工和初次加工或者多次加工的原始信息、元數(shù)據(jù)或模式信息，信息的層次越高，信息越抽象，越需要機(jī)器自動(dòng)化處理，因此，語(yǔ)義網(wǎng)至關(guān)重要的是要建立出語(yǔ)義網(wǎng)的信息層次結(jié)構(gòu)。

2.1 知識(shí)結(jié)構(gòu)層——淺層概括層

筆者把這層等同于傳統(tǒng)信息檢索的知識(shí)數(shù)據(jù)庫(kù)層，當(dāng)然這層的基礎(chǔ)還是離不開(kāi)Unicode及其表征網(wǎng)絡(luò)社會(huì)關(guān)系的URI，[9]用于負(fù)責(zé)處理信息資源的編碼和信息資源的標(biāo)識(shí)。有了這個(gè)編碼和標(biāo)識(shí)基礎(chǔ)就能為知識(shí)結(jié)構(gòu)層打造基礎(chǔ)。之后，通過(guò)使用標(biāo)準(zhǔn)XML把不用維度、不同指標(biāo)的信息數(shù)據(jù)納入到自身的“命名空間”[8]內(nèi)。該層從語(yǔ)法上表述信息的結(jié)構(gòu)和內(nèi)容，比如一詞多式、一詞多義、習(xí)慣用語(yǔ)等，也可以理解為普通的語(yǔ)言層次，不能表達(dá)機(jī)器可以理解的形式化的語(yǔ)義，缺乏靈活性。

2.2 語(yǔ)義倉(cāng)庫(kù)層——深層概括層

該層對(duì)應(yīng)著語(yǔ)義分類(lèi)內(nèi)容的知識(shí)數(shù)據(jù)庫(kù)。也是這個(gè)語(yǔ)義網(wǎng)的整體架構(gòu)，包括主題設(shè)計(jì)、子主題設(shè)計(jì)、事實(shí)表、維度表等的設(shè)計(jì)。[9]從知識(shí)數(shù)據(jù)庫(kù)的定義內(nèi)涵我們可以引申出該層所包含的3個(gè)方面，即語(yǔ)義倉(cāng)庫(kù)結(jié)構(gòu)設(shè)計(jì)、語(yǔ)義倉(cāng)庫(kù)管理、語(yǔ)義倉(cāng)庫(kù)應(yīng)用。該層次對(duì)應(yīng)的是一種解決方案，能夠解決分散異構(gòu)數(shù)據(jù)的綜合、集成。該層的建立需要在傳統(tǒng)知識(shí)庫(kù)的基礎(chǔ)上以數(shù)據(jù)挖掘、模糊數(shù)學(xué)[8]和OLAP技術(shù)為新的方法，利用一定的語(yǔ)言規(guī)范（如RDF）進(jìn)行主題詞的編碼、同義詞的編碼、詞語(yǔ)變化的編碼、語(yǔ)言線(xiàn)索的編碼等。這樣不僅可以多方面地集成數(shù)據(jù)源，而且可以消除“數(shù)據(jù)監(jiān)獄”的問(wèn)題達(dá)到數(shù)據(jù)的統(tǒng)一性，真正使數(shù)據(jù)具有“多維集”的特征，并被機(jī)器所理解。該層可以是視圖，可以是物化視圖，當(dāng)然也可以是文檔。實(shí)現(xiàn)淺層概括層或者原始數(shù)據(jù)到深層數(shù)據(jù)層的信息轉(zhuǎn)換。

2.2.1 主題品質(zhì)層

該層及其之后的程度層都是在深層概括層之下的細(xì)化層次，嚴(yán)格意義講是分層結(jié)構(gòu)。在概括層的基礎(chǔ)上進(jìn)行ETL設(shè)計(jì)，表達(dá)每一個(gè)語(yǔ)義的特征層次結(jié)構(gòu)，每層由個(gè)體、特性、動(dòng)作等語(yǔ)義結(jié)構(gòu)有序地組織而成。例如對(duì)于問(wèn)題：“2011年工資水平”，“高”與“低“即為該品質(zhì)層所要解決的語(yǔ)義問(wèn)題。而對(duì)于高的人數(shù)所占的比例則可以認(rèn)為是程度層所解決的語(yǔ)義問(wèn)題。

2.2.2 主題程度層

該層是與上層處于同一層次的層，即為深層概括層之下的細(xì)化層次。表征的是語(yǔ)義的程度，比如工資高的人數(shù)所占的比例。比如一個(gè)本體對(duì)象的顏色、紋理、形狀、運(yùn)動(dòng)矢量等等都是該層所反映的。

2.3 邏輯證明信任層

該層次包含了邏輯層、證明層和信任層。[9]邏輯層用于描述推理規(guī)則，是對(duì)用戶(hù)需求進(jìn)行分析、定位、驗(yàn)證的基礎(chǔ)。證明層是用于提供的驗(yàn)證機(jī)制，可以證明所提供給用戶(hù)的信息源、數(shù)據(jù)源和結(jié)論都是正確的、可靠的。信任層通過(guò)“證明”交換和數(shù)字簽名（Digital Signature）技術(shù)，可以建立信任關(guān)系，保證語(yǔ)義網(wǎng)的可靠性以及用戶(hù)和代理之間的信任性。

2.4 接口互動(dòng)服務(wù)層

根據(jù)咨詢(xún)用戶(hù)的查詢(xún)請(qǐng)求進(jìn)行匹配、提煉，通過(guò)與語(yǔ)義倉(cāng)庫(kù)中的相關(guān)知識(shí)域相鏈接，最終得到咨詢(xún)用戶(hù)相匹配的咨詢(xún)結(jié)果。筆者認(rèn)為除此之外，該層還應(yīng)該包括以往咨詢(xún)用戶(hù)之間的互動(dòng)，或者包含用戶(hù)相關(guān)的意群互動(dòng)，這樣當(dāng)用戶(hù)想知道更多咨詢(xún)答案的來(lái)龍去脈就很簡(jiǎn)單了。

這些層次結(jié)構(gòu)通過(guò)從低到高的逐層拓展形成了一個(gè)功能、內(nèi)容逐漸增強(qiáng)的檢索體系（詳見(jiàn)圖1）。

3 基于多層次的語(yǔ)義網(wǎng)信息檢索模式

語(yǔ)義檢索是指借助于本體和查詢(xún)條件進(jìn)行語(yǔ)義推理得到查詢(xún)結(jié)果并輸出到客戶(hù)端的過(guò)程。該過(guò)程通過(guò)本體構(gòu)建、復(fù)用、確立等級(jí)體系、語(yǔ)義映射關(guān)系、[10]數(shù)據(jù)攝取、信息互操作、可視化等一系列步驟才能實(shí)現(xiàn)語(yǔ)義網(wǎng)信息檢索。

圖1 多層次語(yǔ)義網(wǎng)的層次結(jié)構(gòu)

根據(jù)數(shù)據(jù)庫(kù)中一定的標(biāo)準(zhǔn)進(jìn)行主題劃分，可以根據(jù)數(shù)據(jù)庫(kù)所屬的咨詢(xún)檢索范疇或者學(xué)科屬性或者咨詢(xún)需求等完成主題劃分，之后根據(jù)主題來(lái)進(jìn)行事實(shí)表的設(shè)計(jì)和維度表屬性的設(shè)計(jì)，當(dāng)然這步必須與主題的劃分一一對(duì)應(yīng)又緊密相連。之后根據(jù)不同種類(lèi)進(jìn)行主題分割或交叉。然后通過(guò)ETL技術(shù)對(duì)已分類(lèi)的數(shù)據(jù)進(jìn)行獲取、過(guò)濾、清洗、轉(zhuǎn)換、裝載、校驗(yàn)，[9]傳統(tǒng)的信息檢索止于此，也就是上文提到的知識(shí)結(jié)構(gòu)層。而語(yǔ)義信息網(wǎng)則需要在此層數(shù)據(jù)的基礎(chǔ)上進(jìn)一步加深表示。這就需要元數(shù)據(jù)的設(shè)計(jì)，從而實(shí)現(xiàn)以上數(shù)據(jù)的本體表示。這也是實(shí)現(xiàn)檢索的關(guān)鍵環(huán)節(jié)，即進(jìn)入語(yǔ)義倉(cāng)庫(kù)層。這一步包含了對(duì)知識(shí)結(jié)構(gòu)層內(nèi)知識(shí)概念的同義詞、上位詞、下位詞、屬性等的關(guān)系的語(yǔ)義擴(kuò)展，包括確立概念的等級(jí)體系、概念之間的語(yǔ)義映射關(guān)系及語(yǔ)義關(guān)系的推理原則等。[10]語(yǔ)義細(xì)化得出主題特征層和主題程度層，根據(jù)具體領(lǐng)域的應(yīng)用并參照應(yīng)用的擴(kuò)展性來(lái)建立新命名空間的新本體，完成了索引模塊。對(duì)已建立好的索引模塊中的本體信息資源所在的本體進(jìn)行語(yǔ)義推理，針對(duì)用戶(hù)的查詢(xún)請(qǐng)求對(duì)本體的各種文件進(jìn)行查詢(xún)匹配，最后將匹配的結(jié)果排序輸出。[11]該過(guò)程與圖1中層次結(jié)構(gòu)圖是相呼應(yīng)的。

單從用戶(hù)的端口看，用戶(hù)輸入咨詢(xún)信息后，首先進(jìn)入到關(guān)鍵詞提取程序，進(jìn)入關(guān)鍵詞的術(shù)語(yǔ)開(kāi)始進(jìn)行術(shù)語(yǔ)形式匹配，從而得到相應(yīng)的本體信息，例如類(lèi)、實(shí)例、屬性等，[12]這樣就將知識(shí)數(shù)據(jù)庫(kù)中的概念與關(guān)鍵詞查詢(xún)中的術(shù)語(yǔ)聯(lián)系了起來(lái)。在用戶(hù)輸入查詢(xún)請(qǐng)求后，轉(zhuǎn)換為語(yǔ)義網(wǎng)表示的信息，從而得到本體信息進(jìn)行語(yǔ)義查詢(xún)，最終進(jìn)入檢索模塊。

最后筆者認(rèn)為在索引模塊和檢索模塊還有一個(gè)語(yǔ)義的擴(kuò)展，就構(gòu)成了上文提到的接口互動(dòng)層。

圖2 多層次語(yǔ)義網(wǎng)檢索模式

4 結(jié)語(yǔ)

語(yǔ)義網(wǎng)的信息檢索離不開(kāi)資源的收集、索引的建立、語(yǔ)義的集成和用戶(hù)的檢索，其中索引的建立和語(yǔ)義的集成又是重中之重。當(dāng)然，這一系列的檢索流程中有些還有待進(jìn)一步研究。比如本體的集成、本體的評(píng)價(jià)、語(yǔ)義化、查詢(xún)消歧、[1]單一語(yǔ)義映像、多層語(yǔ)義互聯(lián)、語(yǔ)義空間統(tǒng)一[13]等等都是難點(diǎn)。

基于多層次的語(yǔ)義信息檢索與傳統(tǒng)的網(wǎng)絡(luò)文獻(xiàn)檢索相比才可謂真正的信息檢索，其檢索平臺(tái)作為一個(gè)基于資源和以用戶(hù)為中心聚合資源的服務(wù)系統(tǒng)，都有其自身主題的抽象或者概括，即語(yǔ)義框架。多層次的語(yǔ)義網(wǎng)信息檢索在基于前提條件和效果匹配的前提下考慮了輸入輸出參數(shù)的匹配，很好地滿(mǎn)足了用戶(hù)的非功能性要求。它更能表達(dá)和處理信息的語(yǔ)義內(nèi)容，提供的不僅僅是相關(guān)文檔的鏈接，傳統(tǒng)遍歷、信息組合的過(guò)程已經(jīng)通過(guò)語(yǔ)義信息檢索的方式表現(xiàn)出來(lái)。

[1] 黃敏.語(yǔ)義檢索研究綜述[J].圖書(shū)情報(bào)工作，2008（6）：63-66.

[2] 湯怡潔，周子健.語(yǔ)義Web環(huán)境下語(yǔ)義推理的研究與實(shí)現(xiàn)[J].圖書(shū)館雜志，2011（3）：69-75.

[3] The eScience Revolution：Rensselaer Researchers to Create Semantic Web Platforms for Massive Scientific Collaboration.[2009-10-01].http：//www.eurekalert.org/pub_releases/2009-10/rpi-ter100109.php.

[4]Neches R，F(xiàn)ikes R E，Gruber T R，et al.Enabling technology for knowledge sharing[J].AI Magazine，1991（3）：36-56.

[5] 劉康，黃奇.語(yǔ)義網(wǎng)中的重量級(jí)本體的設(shè)計(jì)[J].圖書(shū)情報(bào)工作，2006（6）：42-45.

[6] 王雨英.基于本體的信息檢索研究[D].中國(guó)海洋大學(xué)，2006.

[7] 花開(kāi)明，陳家訓(xùn)，楊洪山.基于本體與元數(shù)據(jù)的語(yǔ)義檢索[J].計(jì)算機(jī)工程，2007（24）.

[8] 杜文華.語(yǔ)義網(wǎng)描述語(yǔ)言比較研究[J].情報(bào)雜志，2004（9）：40-42.

[9] 章志龍.基于語(yǔ)義網(wǎng)的博客搜索系統(tǒng)研究[D].武漢理工大學(xué)，2009.

[10] 王知津，王麗娜，胡玲玲.智能檢索環(huán)境下的索引編制[J].圖書(shū)館雜志，2011（1）：16-19.

[11] 李桂華，汪學(xué)明.語(yǔ)義信息檢索框架設(shè)計(jì)及其算法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010（8）：41-44.

[12] 袁杰，等.基于本體的領(lǐng)域Web搜索模型與架構(gòu)[J].計(jì)算機(jī)時(shí)代，2008（5）：22-25.

[13] 席彩麗，李瑩.面向數(shù)字圖書(shū)館的分面語(yǔ)義架構(gòu)研究[J].現(xiàn)代情報(bào)，2010（12）：15-17.