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)
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)。
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。
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。
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。
(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
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。
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
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
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。
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].