徐洪秀，孫立志，樊紅

(1.天津市測(cè)繪院，天津 300381;2.武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北武漢 430079)

1 引言

隨著科學(xué)技術(shù)的迅猛發(fā)展，各種測(cè)繪科技及相關(guān)文獻(xiàn)信息資源與日俱增。傳統(tǒng)的圖書資料檢索方法多為全文檢索、字段檢索、模糊匹配、精確匹配、布爾邏輯檢索、限制檢索、嵌套檢索和鄰接檢索，這些方法的本質(zhì)都為基于串匹配方式的檢索，都屬于關(guān)鍵字檢索范疇［1，2］。而關(guān)鍵字檢索存在著很多不盡如人意的地方，一方面影響著檢索的查全性，如關(guān)鍵字檢索會(huì)遺漏很多信息，不同的詞可以表示相同的意義;另一方面影響著檢索的查準(zhǔn)性，如返回大量的無(wú)關(guān)信息，用戶通常需要做很多的過濾工作，一個(gè)詞在不同的語(yǔ)境中有不同的意義［3，4］。武漢大學(xué)圖書館等眾多大學(xué)圖書館仍采用傳統(tǒng)關(guān)鍵字檢索，且圖書分類沒有統(tǒng)一，普遍采用中圖法和科圖法兩種分類方法，因此圖書資料數(shù)據(jù)存在著數(shù)據(jù)源異構(gòu)，相同的圖書資料表示方式不同。本文針對(duì)武漢大學(xué)圖書館信息科學(xué)分館檢索的需求，在測(cè)繪圖書資料的檢索中加入語(yǔ)義技術(shù)，在分析圖書分類相關(guān)領(lǐng)域參考資料的基礎(chǔ)上，按照本體構(gòu)建過程，使用開源本體構(gòu)建工具Protégé構(gòu)建測(cè)繪學(xué)科信息公共本體、測(cè)繪學(xué)科分類—中圖法本體及測(cè)繪學(xué)科分類—科圖法本體;利用Oracle 11g語(yǔ)義技術(shù)的存儲(chǔ)功能，基于已建立的本體構(gòu)建測(cè)繪學(xué)科本體庫(kù);實(shí)驗(yàn)三種本體映射方法，選擇采用最適合的概念名稱和層次結(jié)構(gòu)相似度權(quán)值組合的本體映射方法來構(gòu)建測(cè)繪學(xué)科分類本體映射模型解決數(shù)據(jù)異構(gòu)問題;利用Oracle 11g語(yǔ)義技術(shù)的查詢和推理功能，設(shè)計(jì)并實(shí)現(xiàn)測(cè)繪學(xué)科圖書語(yǔ)義檢索原型系統(tǒng)，并對(duì)系統(tǒng)進(jìn)行檢索實(shí)驗(yàn)，給出檢索的查全性和查準(zhǔn)性評(píng)價(jià)。

2 測(cè)繪學(xué)科本體庫(kù)構(gòu)建

2.1 測(cè)繪學(xué)科相關(guān)本體構(gòu)建

本體作為語(yǔ)義技術(shù)的基礎(chǔ)，其對(duì)信息形式化的表達(dá)可以提高信息檢索的性能［5］，因此測(cè)繪學(xué)科本體構(gòu)建是否恰當(dāng)、標(biāo)準(zhǔn)，會(huì)對(duì)語(yǔ)義檢索起到?jīng)Q定性的作用。通過咨詢武漢大學(xué)圖書館專家，得出本體構(gòu)建所依據(jù)的參考資料，包括中國(guó)圖書館分類法(簡(jiǎn)稱中圖法)、中國(guó)科學(xué)院圖書館圖書分類法(簡(jiǎn)稱科圖法)及測(cè)繪學(xué)科敘詞表。

分析相關(guān)資料并咨詢圖書館專家可以得出以下結(jié)論:同一種分類法概念間存在著明顯的包含關(guān)系，例如P2測(cè)繪學(xué)包含P23攝影測(cè)量與遙感;兩種分類法概念之間存在著映射關(guān)系，例如中圖法中的P2測(cè)繪學(xué)和科圖法中的56．1測(cè)繪學(xué)存在著映射關(guān)系;在測(cè)繪學(xué)科內(nèi)，學(xué)科之間也存在著各種聯(lián)系，例如P23攝影測(cè)量與遙感與P207測(cè)量誤差與測(cè)量平差存在著聯(lián)系。通過對(duì)中圖法和科圖法分析可知，分類號(hào)是學(xué)科概念的唯一標(biāo)識(shí)，可將分類號(hào)作為概念的屬性分別添加到三個(gè)本體中;敘詞對(duì)用戶搜索起到一定的指導(dǎo)作用，可以將其按照學(xué)科類別添加到測(cè)繪學(xué)科信息公共本體中;敘詞的英文翻譯對(duì)用戶的英文關(guān)鍵字搜索起到作用，可以將其按照學(xué)科類別添加到測(cè)繪學(xué)科信息公共本體中;作者和出版社信息對(duì)于語(yǔ)義檢索起到一定的輔助作用，可以通過從圖書數(shù)據(jù)中抽取并添加到測(cè)繪學(xué)科信息公共本體中，推薦給用戶使用。

在以上分析的基礎(chǔ)上，基于Protégé工具生成測(cè)繪學(xué)科信息公共本體、測(cè)繪學(xué)科分類—中圖法本體及測(cè)繪學(xué)科分類—科圖法本體。三種本體的類分別來自于相應(yīng)分類法中的學(xué)科概念，本體的層次關(guān)系來自于相應(yīng)分類法中的概念層次關(guān)系。

2.2 測(cè)繪學(xué)科本體庫(kù)構(gòu)建

一個(gè)語(yǔ)義庫(kù)只有一個(gè)語(yǔ)義數(shù)據(jù)網(wǎng)絡(luò)，但一個(gè)語(yǔ)義網(wǎng)絡(luò)可以有多個(gè)語(yǔ)義模型，每個(gè)語(yǔ)義模型又對(duì)應(yīng)著一個(gè)語(yǔ)義表［6，7］。本文以構(gòu)建的本體為基礎(chǔ)，利用Oracle 11g語(yǔ)義技術(shù)構(gòu)建測(cè)繪學(xué)科本體庫(kù)。語(yǔ)義模型的構(gòu)建過程可分為創(chuàng)建存儲(chǔ)RDF數(shù)據(jù)的模型、將Protégé生成的OWL數(shù)據(jù)規(guī)范化和將語(yǔ)義數(shù)據(jù)載入模型3個(gè)步驟［8］。本文按照以上步驟構(gòu)建支持測(cè)繪圖書檢索的語(yǔ)義網(wǎng)絡(luò)，該網(wǎng)絡(luò)包括測(cè)繪學(xué)科信息公共本體、測(cè)繪學(xué)科分類—中圖法本體及測(cè)繪學(xué)科分類—科圖法本體3個(gè)語(yǔ)義模型。

3 測(cè)繪學(xué)科分類本體映射模型構(gòu)建

針對(duì)圖書資料存在著數(shù)據(jù)源異構(gòu)問題，本文通過構(gòu)建中圖法和科圖法間的本體映射模型來支持測(cè)繪圖書語(yǔ)義檢索，從而提高檢索的檢全性。通過實(shí)現(xiàn)三種本體映射方法并進(jìn)行實(shí)驗(yàn)分析，選擇概念名稱和層次結(jié)構(gòu)相似度權(quán)值組合的本體映射方法來構(gòu)建本體映射模型。

3.1 本體映射方法實(shí)驗(yàn)分析

(1)基于概念名稱相似度計(jì)算的本體映射方法

通過對(duì)測(cè)繪學(xué)科分類本體元素特征的研究，采用基于概念名稱之間的語(yǔ)法相似度作為概念名稱的相似度。它在一定程度上反映了概念之間的相似性，可通過類似編輯距離的方法得到［9，10］。首先對(duì)本體進(jìn)行遍歷，得到每個(gè)本體的概念名稱，然后按照編寫的字符串匹配算法算出兩個(gè)概念間的名稱漢字交集個(gè)數(shù)和差集個(gè)數(shù)，獲得相應(yīng)的深度系數(shù)，得到兩個(gè)概念間的名稱相似度，表1中列出幾對(duì)類名稱和相應(yīng)的相似度結(jié)果。

基于概念名稱相似度方法構(gòu)建的本體映射關(guān)系結(jié)果 表1

(2)基于層次結(jié)構(gòu)的相似度計(jì)算的本體映射方法

通過對(duì)測(cè)繪學(xué)科分類本體的研究發(fā)現(xiàn)，假如父概念在語(yǔ)義上是相似的，則他們的子概念也很有可能是相似的;如果兩個(gè)概念具有相同子概念，則這兩個(gè)概念也很有可能是相似的;如果兩個(gè)概念具有相同的兄弟概念，則這兩個(gè)概念也很有可能是相似的。本文在此的基礎(chǔ)上采用了以下計(jì)算方法來計(jì)算層次結(jié)構(gòu)的相似度，如下:

其中，Sim(e1p，e2p)、Simset(e1c，e2c)及 Simset(e1s，e2s)分別表示概念e1和e2的父概念、子概念集及兄弟概念集相似度值，α、β、γ分別表示相應(yīng)的權(quán)重因子。父概念相似度值直接由名稱相似度算法計(jì)算得到，子概念集及兄弟概念集相似度值則分別通過計(jì)算兩個(gè)集合間的概念相似度值矩陣，并選出n對(duì)相似度值最高的概念相似度值的算數(shù)平均數(shù)作為集合的相似度值，其中n為相應(yīng)集合中元素個(gè)數(shù)的最小值。通過式(1)可以看出，兩個(gè)概念的結(jié)構(gòu)相似度值由上述的相似度值和相應(yīng)的權(quán)值來決定，那么權(quán)值選取的適宜性對(duì)結(jié)構(gòu)相似度的值有一定的影響。

根據(jù)對(duì)本體特征元素的分析，可知父概念的權(quán)重要大于等于子概念的權(quán)重，子概念的權(quán)重要大于等于兄弟概念的權(quán)重［11，12］。另外3個(gè)權(quán)值因子的算數(shù)和為1［13］。在此原則的基礎(chǔ)上，采取不同的權(quán)值來做實(shí)驗(yàn)分析，根據(jù)得到的相似度值大于相應(yīng)閾值的映射對(duì)數(shù)目來選擇較好的權(quán)值組合，本文根據(jù)此實(shí)驗(yàn)選出較好的3個(gè)權(quán)值組合，實(shí)驗(yàn)結(jié)果如表2所示。

層次結(jié)構(gòu)相似度權(quán)值實(shí)驗(yàn)1 表2

通過分析實(shí)驗(yàn)結(jié)果可以選取第二組或第三組作為結(jié)構(gòu)相似度的權(quán)值組合。但不能僅憑相似度最大的映射對(duì)數(shù)目多來確定權(quán)值組合，也要對(duì)映射對(duì)正確的數(shù)目來進(jìn)行分析，實(shí)驗(yàn)的結(jié)果如表3所示。

層次結(jié)構(gòu)相似度權(quán)值實(shí)驗(yàn)2 表3

綜合上面兩組實(shí)驗(yàn)分析，選擇第二組權(quán)值組合來計(jì)算結(jié)構(gòu)相似度，既能保證得到多并且準(zhǔn)確的映射對(duì)數(shù)目，部分結(jié)果如表4所示。

基于層次結(jié)構(gòu)相似度方法構(gòu)建的本體映射關(guān)系結(jié)果 表4

(3)概念名稱和層次結(jié)構(gòu)相似度權(quán)值組合的本體映射方法

對(duì)于選用多策略組合進(jìn)行本體映射的方法來說，權(quán)值選取不合適，則會(huì)降低單個(gè)策略的貢獻(xiàn)從而對(duì)最終的映射結(jié)果造成關(guān)鍵的影響［14，15］。為了保證單個(gè)策略的貢獻(xiàn)最終反映到綜合相似度的結(jié)果上，本文采用權(quán)值的自適應(yīng)計(jì)算方法，即使用Sigmoid函數(shù)來確定最終的綜合相似度，公式如下:

式中Adaption為本體適應(yīng)度，用來反映映射可信度和單一策略可信度對(duì)相似度的影響。其中分子表示每種策略的本體適應(yīng)度與相應(yīng)的相似度通過相應(yīng)公式計(jì)算的和，分母表示各個(gè)策略本體適應(yīng)度的和。當(dāng)i取1時(shí)，應(yīng)用的單一策略為名稱級(jí)，當(dāng)i取2時(shí)，應(yīng)用的單一策略為結(jié)構(gòu)級(jí)。通過動(dòng)態(tài)結(jié)合待映射本體的特征和每種映射策略所得的映射數(shù)目比重，計(jì)算出每種策略的和諧度作為該映射策略的權(quán)值，來更加合理地反映各映射策略的表現(xiàn)差異。本文本體適應(yīng)度的計(jì)算是通過對(duì)概念名稱及層次結(jié)構(gòu)兩種策略進(jìn)行可信度計(jì)算，選取適合的閾值獲得單一策略的可信度、映射的可信度，再根據(jù)它們的貢獻(xiàn)因子結(jié)合計(jì)算求得。在確定閾值及貢獻(xiàn)因子參數(shù)組合時(shí)，采用逐一實(shí)驗(yàn)的方法，即選取一個(gè)值不變，其他3個(gè)值進(jìn)行變化，將參數(shù)值代入公式得出相似度值，取得待映射本體中每個(gè)概念的最大相似度值的映射對(duì)，并根據(jù)人工判斷出正確的映射對(duì)數(shù)目。通過多次實(shí)驗(yàn)，將適合測(cè)繪學(xué)科分類本體的本體映射模型的參數(shù)列舉在表5中。其中名稱級(jí)可信度和結(jié)構(gòu)級(jí)可信度的值不受參數(shù)的影響，名稱級(jí)映射可信度和結(jié)構(gòu)級(jí)映射可信度受名稱級(jí)閾值和結(jié)構(gòu)級(jí)閾值兩個(gè)參數(shù)及名稱級(jí)可信度和結(jié)構(gòu)級(jí)可信度的影響，名稱級(jí)本體適應(yīng)度和結(jié)構(gòu)級(jí)本體適應(yīng)度受策略貢獻(xiàn)值和映射貢獻(xiàn)值及名稱級(jí)映射可信度和結(jié)構(gòu)級(jí)映射可信度值的影響。本文選擇最好的第四組參數(shù)作為獲得測(cè)繪學(xué)科分類本體的本體映射模型的參數(shù)。

策略權(quán)值相應(yīng)參數(shù)實(shí)驗(yàn) 表5

通過權(quán)值自適應(yīng)計(jì)算得到每個(gè)待映射本體對(duì)的相似度值，對(duì)測(cè)繪學(xué)科分類—中圖法本體的每個(gè)概念取相似度最大值的映射對(duì)作為映射關(guān)系，表6中列舉了幾對(duì)類名稱和相應(yīng)的相似度結(jié)果，該方法是前面兩種方法的綜合，所以其兼容了前兩種方法的優(yōu)點(diǎn)，具有較好的映射結(jié)果。

基于多策略權(quán)值組合方法構(gòu)建的本體映射關(guān)系結(jié)果 表6

3.2 模型構(gòu)建

設(shè)計(jì)測(cè)繪學(xué)科本體的本體映射模型算法，首先進(jìn)行本體特征的提取，分別計(jì)算名稱和層次結(jié)構(gòu)相似度，采用權(quán)值的自適應(yīng)計(jì)算方法，結(jié)合計(jì)算出的名稱和層次結(jié)構(gòu)相似度來計(jì)算出綜合相似度，通過建立的規(guī)則對(duì)隱含的映射對(duì)進(jìn)行發(fā)掘，對(duì)得到的映射對(duì)進(jìn)行映射修正得到最后的測(cè)繪學(xué)科分類本體的本體映射模型。

由于本體信息不夠豐富，根據(jù)相似度方法不能發(fā)現(xiàn)全部的映射對(duì)，可通過制定一些啟發(fā)式規(guī)則來尋求可能的映射對(duì)，共制定4條規(guī)則，分別是:

(1)如果候選映射對(duì)的父結(jié)點(diǎn)、子節(jié)點(diǎn)以及鄰居結(jié)點(diǎn)都存在映射關(guān)系，則可以認(rèn)為該候選映射對(duì)也存在映射關(guān)系;

(2)如果候選映射對(duì)的父節(jié)點(diǎn)存在映射關(guān)系而部分子結(jié)點(diǎn)存在映射關(guān)系，則可以認(rèn)為該候選映射對(duì)也存在映射關(guān)系;

(3)如果候選映射對(duì)的父節(jié)點(diǎn)不存在映射關(guān)系而所有的孩子結(jié)點(diǎn)存在映射關(guān)系，則可以認(rèn)為該候選映射對(duì)也存在映射關(guān)系;

(4)如果候選映射對(duì)其中一個(gè)概念在另一個(gè)本體中沒有細(xì)分到這層，并且如果它的父節(jié)點(diǎn)和該候選映射對(duì)的另一個(gè)概念為映射關(guān)系，則可以認(rèn)為該候選映射對(duì)也存在映射關(guān)系。

本文根據(jù)實(shí)驗(yàn)證明上述規(guī)則適合測(cè)繪學(xué)科分類本體映射模型的構(gòu)建。根據(jù)隱含映射挖掘出的映射對(duì)共45對(duì)，表7中列舉出了部分結(jié)果。其中以“專業(yè)測(cè)繪”為例，其在中圖法作為一個(gè)類進(jìn)行編目，但在科圖法中并沒有分這一層，所以根據(jù)規(guī)則，其父親“測(cè)繪學(xué)”的映射類為“測(cè)繪學(xué)”，所以將其與其父類的映射類組成映射對(duì)。

測(cè)繪學(xué)科分類本體映射模型－映射對(duì)挖掘結(jié)果 表7

在找到源本體中的所有映射關(guān)系后，還要對(duì)這些映射對(duì)是否正確進(jìn)行判斷。如果是正確的映射關(guān)系，本體間應(yīng)符合本體自帶的類公理，包括類公理sub-Classof、equivalentClass、sameAs 及 disjointWith。通過人工的方法對(duì)獲得的映射對(duì)進(jìn)行修正，把違背類公理的映射對(duì)進(jìn)行刪除。

4 測(cè)繪圖書語(yǔ)義檢索原型系統(tǒng)及實(shí)驗(yàn)分析

4.1 語(yǔ)義檢索流程

在進(jìn)行語(yǔ)義檢索之前，首先是構(gòu)建本體映射模型。進(jìn)入檢索模塊時(shí)，根據(jù)學(xué)科導(dǎo)航選擇中圖法分類下的相關(guān)學(xué)科，通過映射模型自動(dòng)找到與之映射的科圖法分類下的學(xué)科名稱，并根據(jù)學(xué)科得出該學(xué)科領(lǐng)域里的專家推薦關(guān)鍵詞及用戶可能感興趣的作者和出版社信息，再加上用戶輸入的關(guān)鍵詞，這些構(gòu)成語(yǔ)義檢索的條件。用戶在進(jìn)行語(yǔ)義檢索時(shí)可以自由選擇條件并對(duì)條件進(jìn)行組合查詢。系統(tǒng)的執(zhí)行流程如圖1所示。

圖1 檢索執(zhí)行流程圖

4.2 語(yǔ)義檢索原型系統(tǒng)實(shí)現(xiàn)

測(cè)繪學(xué)科圖書語(yǔ)義檢索原型系統(tǒng)，主要實(shí)現(xiàn)本體映射模型的構(gòu)建、圖書的語(yǔ)義檢索及添加圖書和相關(guān)語(yǔ)義信息功能。本體映射模型模塊實(shí)現(xiàn)本體映射模型構(gòu)建過程中的諸多算法，包括查看本體層次結(jié)構(gòu)，名稱概念相似度、本體結(jié)構(gòu)相似度、綜合相似度的計(jì)算及閾值的實(shí)驗(yàn)及查看映射結(jié)果。檢索功能包括普通檢索和語(yǔ)義檢索:普通檢索選擇檢索項(xiàng)并輸入檢索詞，通過對(duì)關(guān)鍵字匹配進(jìn)行檢索;而語(yǔ)義檢索過程為用戶首先通過學(xué)科導(dǎo)航選擇感興趣的學(xué)科，輸入感興趣的關(guān)鍵詞和選擇專家推薦的關(guān)鍵詞及有可能感興趣的作者和出版社信息，然后進(jìn)行語(yǔ)義檢索，如圖2～圖4所示。

圖2 本體結(jié)構(gòu)相似度在不同權(quán)重及閾值下的映射對(duì)及相似度計(jì)算

圖3 綜合相似度在不同權(quán)重因子及閾值下的映射對(duì)及相似度計(jì)算

圖4 在測(cè)繪遙感技術(shù)學(xué)科下進(jìn)行語(yǔ)義檢索

4.3 檢索實(shí)驗(yàn)結(jié)果分析

本文以武漢大學(xué)圖書館信息科學(xué)分館現(xiàn)有圖書目錄數(shù)據(jù)為檢索數(shù)據(jù)庫(kù)，利用測(cè)繪學(xué)科圖書語(yǔ)義檢索原型系統(tǒng)進(jìn)行普通檢索和語(yǔ)義檢索的實(shí)驗(yàn)，分別從查準(zhǔn)和查全兩方面進(jìn)行實(shí)驗(yàn)分析。

(1)查全分析

根據(jù)本體映射模型可以找到中圖法本體到科圖法本體之間的映射關(guān)系，由于測(cè)繪學(xué)科信息數(shù)據(jù)庫(kù)中既有中圖法表示的數(shù)據(jù)，也有科圖法表示的數(shù)據(jù)，如果不建立映射關(guān)系，在查詢數(shù)據(jù)時(shí)就會(huì)丟失一部分?jǐn)?shù)據(jù)。例如用戶想查詢“攝影測(cè)量學(xué)與測(cè)繪遙感”學(xué)科下，關(guān)鍵詞為“測(cè)量”的圖書，在未加入本體映射模型進(jìn)行語(yǔ)義檢索，結(jié)果共有71條記錄。而加入本文所構(gòu)建的本體映射模型進(jìn)行語(yǔ)義檢索，結(jié)果為81條記錄。通過查詢出的圖書目錄可知，在測(cè)繪學(xué)科信息數(shù)據(jù)庫(kù)中與關(guān)鍵詞“測(cè)量”匹配的并且屬于“攝影測(cè)量學(xué)與測(cè)繪遙感”學(xué)科下的圖書有71條記錄是由中圖法進(jìn)行分類的，而有10條記錄是由科圖法進(jìn)行分類的。由此可見，針對(duì)測(cè)繪學(xué)科信息數(shù)據(jù)的異構(gòu)問題，通過本體映射模型可以提高數(shù)據(jù)的共享性，提高檢索的查全性。

(2)查準(zhǔn)分析

普通檢索是對(duì)關(guān)鍵詞進(jìn)行匹配或者多個(gè)檢索項(xiàng)進(jìn)行組合匹配查詢。語(yǔ)義檢索的過程是通過學(xué)科導(dǎo)航來選擇感興趣的學(xué)科，對(duì)學(xué)科范圍下的數(shù)據(jù)信息進(jìn)行初步檢索。然后通過選擇感興趣的關(guān)鍵詞、作者和出版社信息進(jìn)一步進(jìn)行語(yǔ)義檢索。相比普通檢索，語(yǔ)義檢索可以通過準(zhǔn)確的定位每個(gè)匹配項(xiàng)目從而提高檢索的查準(zhǔn)性。例如用戶想查詢屬于“攝影測(cè)量學(xué)與測(cè)繪遙感”學(xué)科，關(guān)鍵詞為“遙感”的圖書目錄，用普通檢索方式對(duì)測(cè)繪學(xué)科信息數(shù)據(jù)庫(kù)進(jìn)行檢索，結(jié)果為299條圖書目錄，而用語(yǔ)義檢索，則有7條目錄。通過查詢出的圖書目錄可知，多出的292條并不屬于用戶想查詢的學(xué)科范圍內(nèi)的圖書。通過反復(fù)實(shí)驗(yàn)分析得知，語(yǔ)義檢索不僅可以提供專家推薦的關(guān)鍵詞、相關(guān)學(xué)科范圍內(nèi)感興趣的作者及出版社信息為用戶進(jìn)行組合條件查詢提供方便和專業(yè)知識(shí)的推薦，而且還可以提高檢索的準(zhǔn)確性。

5 結(jié)論

信息通過本體的形式可以讓計(jì)算機(jī)同人一樣，理解信息要表達(dá)的語(yǔ)義信息，讓計(jì)算機(jī)可以按照人的思維去理解和處理信息，就可以提高檢索的查準(zhǔn)性和查全性。本文通過構(gòu)建測(cè)繪學(xué)科本體庫(kù)及測(cè)繪學(xué)科分類本體映射模型來解決圖書數(shù)據(jù)異構(gòu)問題。通過實(shí)現(xiàn)語(yǔ)義檢索原型系統(tǒng)，并進(jìn)行多次檢索實(shí)驗(yàn)驗(yàn)證語(yǔ)義檢索可提高檢索的查準(zhǔn)性和查全性。本文研究的方法為下一步語(yǔ)義檢索拓展到整個(gè)測(cè)繪科技文獻(xiàn)，包括為測(cè)繪期刊、測(cè)繪成果等及中外多種語(yǔ)言文字提供科學(xué)參考。

［1］ 胡必云，黃因生．基于語(yǔ)義的Web信息檢索［J］．計(jì)算機(jī)技術(shù)與發(fā)展，2006，16(10):71 ～73．

［2］Berners－Lee T，H．J．L．O．，The Semantic Web［J］．Scientific American．2001，284(5)．34 ～43．

［3］安楊，邊馥苓，關(guān)佶紅．GIS中地理本體的建立與比較［J］．武漢大學(xué)學(xué)報(bào)·信息科學(xué)版，2006，31(12):1108～1111．

［4］李霖，朱海紅，王紅等．基于形式本體的基礎(chǔ)地理信息語(yǔ)義分析——以陸地水系要素類為例［J］．測(cè)繪學(xué)報(bào)，2008，37(2):230 ～235．

［5］王繼東，張瑜，李娜．基于本體的語(yǔ)義檢索技術(shù)研究與實(shí)現(xiàn)［J］．計(jì)算機(jī)技術(shù)與發(fā)展，2009，19(10):134～137．

［6］Zhe Wu，George Eadon，Souripriya Das，Eugene Inseok Chong，Vladimir Kolovski，Melliyal Annamalai，Jagannathan Srinivasan．Implementing an Inference Engine for RDFS/OWL Constructs and User－Defined Rules in Oracle［A］．In:2008 IEEE 24th International Conference on Data Engineering［C］．Cancun，Mexico，2008:1239 ～1242．

［7］劉紀(jì)平，栗斌，石麗紅等．一種本體驅(qū)動(dòng)的地理空間事件相關(guān)信息自動(dòng)檢索方法［J］．測(cè)繪學(xué)報(bào)，2011，40(4):502 ～508．

［8］SPARQL Query Language for RDF．W3C Recommendation 15 January 2008［DB/OL］．http://www．w3．org/TR/rdfsparql－query/#introduction．

［9］曹澤文，錢杰，張維明等．一種綜合的概念相似度計(jì)算方法［J］．計(jì)算機(jī)科學(xué)，2007，34(3):174 ～175，191．

［10］M．Ehrig，Y Sure．Ontology Mapping－An lntergrated Approach．In Proceedings of lst European Semantic Web Symposium［J］．Heraklion，Greece，Springer，LNCS．2004(5):10～12．

［11］Alexander Maedche，Boris Motile，Nuno Silva，Raphael Volz．MAFRA－A Mapping Framework for Distributed Ontologies［A］．13thInternational conference，EKAW2002，guenza，Spain，October 1－4，2002．Proceedings Volume 2473/2002:235．

［12］A Rodriguez，M Egehofer Determining Semantic Similarity Among Entity Classes from Different Ontologies［J］．IEEE Transactions on Knowledge and Data Engineering，2003，15(2):442～456．

［13］Giunhiglia F，Shvaiko P，Yatskevich M．Semantics schema matching［R］．Trento:University of Trento，2005．

［14］J．Euzenat and P．Valtchev．An integrative proximity measure for ontology alignment．In:Proceedings of the Semantic Integration workshop at the International Semantic Web Conference，2003:66 ～71．

［15］Mitra．P，Wiederhold．G，Kersten．M ．A Graph－Oriented Model for articulation of Ontology Interdependencies［J］．