龍 瑞

（鄭州成功財(cái)經(jīng)學(xué)院 河南 451200）

0 引言

當(dāng)前WWW的發(fā)展速度極為驚人，整個(gè)網(wǎng)絡(luò)正在形成一個(gè)前所未有的超級(jí)信息數(shù)據(jù)庫。2007年3月，由EMC公司贊助IDC進(jìn)行的研究，題為《數(shù)字宇宙膨脹：到2010年全球信息增長(zhǎng)預(yù)測(cè)》研究結(jié)果稱，2006年全球產(chǎn)生的數(shù)字化信息總量達(dá)1610億吉比特，其中原創(chuàng)信息為400億吉比特。而到2010年，全球產(chǎn)生的數(shù)字化信息總量有望達(dá)到9880億吉比特。

然而目前的網(wǎng)絡(luò)搜索引擎平均只能檢索25%的可獲取信息，其搜索結(jié)果常含有大量無用信息。另一方面，由于數(shù)字化信息具有形式復(fù)雜和內(nèi)容分散的特點(diǎn)，其結(jié)構(gòu)的關(guān)聯(lián)性和數(shù)據(jù)的兼容性直接影響著數(shù)字化信息資源的有效管理和利用。這就導(dǎo)致傳統(tǒng)數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)字化信息進(jìn)行挖掘的效果總是不盡如人意。造成這些問題的一個(gè)重要原因是大量的數(shù)字化信息只能人工解析，機(jī)器自動(dòng)處理的能力很弱。因此Tim Berners-Lee提出了語義網(wǎng)的思想，即Web上定義的鏈接數(shù)據(jù)不僅能夠顯示，而且還應(yīng)該是機(jī)器可理解的，也就是說可以被機(jī)器自動(dòng)地處理、集成和重用。

1 語義網(wǎng)的概念

Tim Berners-Lee并沒有就語義網(wǎng)的數(shù)學(xué)問題進(jìn)行嚴(yán)格定義，通過與萬維網(wǎng)的對(duì)比，他給出的描述是：語義網(wǎng)并非一個(gè)從無到有、孤立發(fā)展的萬維網(wǎng)，而是對(duì)萬維網(wǎng)的擴(kuò)展與延伸，語義網(wǎng)信息具有定義良好的含義，計(jì)算機(jī)可以憑借概念的定義申明和邏輯推理規(guī)則尋找到資源對(duì)象的含義，從而使得人—機(jī)之間和機(jī)—機(jī)之間合作處理更加有效；數(shù)據(jù)通過語義網(wǎng)中的定義和鏈接可以以更有效的方式實(shí)現(xiàn)各種檢索、重用和集成。

2 小世界網(wǎng)絡(luò)模型

2.1 小世界效應(yīng)

1929年，匈牙利作家F·Karinthy最早提出了“小世界現(xiàn)象”的論斷[3]。他認(rèn)為，地球上的任何兩個(gè)人都可以平均通過一條由六位聯(lián)系人組成的鏈條而聯(lián)系起來。而后，在20世紀(jì)60年代，美國哈佛大學(xué)社會(huì)心理學(xué)教授斯坦利·米爾格蘭姆通過設(shè)計(jì)一個(gè)連鎖信件實(shí)驗(yàn)，提出了著名的“六度分割”假說，即“小世界現(xiàn)象”。這體現(xiàn)了一個(gè)似乎很普遍的客觀規(guī)律：在如今的信息化時(shí)代，人們之間的關(guān)系已經(jīng)完全社會(huì)化，任何兩位素不相識(shí)的人都可能通過“六度空間”產(chǎn)生必然聯(lián)系或關(guān)聯(lián)。

“六度分離”在學(xué)術(shù)上稱為“小世界現(xiàn)象”或“小世界效應(yīng)”。小世界效應(yīng)的精確定義還在討論中，目前一個(gè)較合理的解釋是：若網(wǎng)絡(luò)中兩點(diǎn)間的平均距離 L隨網(wǎng)絡(luò)大小（網(wǎng)絡(luò)中結(jié)點(diǎn)數(shù) N）呈對(duì)數(shù)增長(zhǎng)，即 ～ln L N，且網(wǎng)絡(luò)的局部結(jié)構(gòu)上仍具有較明顯的集團(tuán)化特征，則稱該網(wǎng)絡(luò)具有小世界效應(yīng)。

2.2 小世界網(wǎng)絡(luò)

小世界網(wǎng)絡(luò)模型是Watts和Strogatz在1998年提出的基于人類社會(huì)網(wǎng)絡(luò)的網(wǎng)絡(luò)模型，它通過調(diào)節(jié)一個(gè)參數(shù)可以從規(guī)則網(wǎng)絡(luò)向隨機(jī)網(wǎng)絡(luò)過渡。

對(duì)于小世界網(wǎng)絡(luò)的理論研究目前還處于探索階段，大致可分為兩類：一是隨機(jī)網(wǎng)絡(luò)；二是著名的W—S 小世界網(wǎng)絡(luò)模型及轉(zhuǎn)化類型。根據(jù)W—S 的小世界網(wǎng)絡(luò)模型，可以認(rèn)為Internet是一個(gè)小世界網(wǎng)絡(luò)，它具有小世界網(wǎng)絡(luò)的特征。因此，我們?cè)诜治鯥nternet網(wǎng)絡(luò)特征后，可以運(yùn)用小世界原理來改善Internet的信息交流過程：利用小世界網(wǎng)絡(luò)特征來減少Internet上信息傳播的路徑長(zhǎng)度和提高網(wǎng)絡(luò)的可靠性；研究Internet的魯棒性和脆弱性，重視網(wǎng)絡(luò)關(guān)鍵結(jié)點(diǎn)在傳播中的作用；并逆向運(yùn)用小世界原理阻止計(jì)算機(jī)病毒在Internet上蔓延。對(duì)小世界網(wǎng)絡(luò)的研究，意義不僅在于它從網(wǎng)絡(luò)的抽象角度重視和描述了現(xiàn)實(shí)中的小世界現(xiàn)象，而且在于它提供了如何理解從局部特征涌現(xiàn)出系統(tǒng)結(jié)構(gòu)的新的線索。

3 基于小世界網(wǎng)絡(luò)的語義檢索

3.1 網(wǎng)絡(luò)節(jié)點(diǎn)及其相關(guān)定義

本文是基于小世界網(wǎng)絡(luò)和語義網(wǎng)理念研究信息檢索的，由以上對(duì)小世界網(wǎng)絡(luò)的介紹可知，Internet具有小世界網(wǎng)絡(luò)的兩個(gè)特性：小世界效應(yīng) (～ln)L N和集團(tuán)化特征 C。在研究中，我們把Internet視為小世界網(wǎng)絡(luò)，把網(wǎng)頁作為小世界網(wǎng)絡(luò)模型中的節(jié)點(diǎn)，網(wǎng)頁的URL、name、type、language等定義為節(jié)點(diǎn)的屬性，而連接節(jié)點(diǎn)的邊則是根據(jù)語義的相似或相近度來定義的，這樣就形成了鄰居節(jié)點(diǎn)和相關(guān)節(jié)點(diǎn)，下面對(duì)這兩類節(jié)點(diǎn)簡(jiǎn)單定義：

鄰居節(jié)點(diǎn)：如果兩個(gè)節(jié)點(diǎn)iPjP直接相聯(lián)，那么它們互為鄰居；

相關(guān)節(jié)點(diǎn)：如果一個(gè)節(jié)點(diǎn)iP通過其它節(jié)點(diǎn)kP與一另一個(gè)節(jié)點(diǎn)jP相聯(lián)并交互，那么jP被定義為iP的一個(gè)相關(guān)節(jié)點(diǎn)。

3.2 Ontology中節(jié)點(diǎn)屬性的定義

Ontology是一種能在語義層次上描述知識(shí)的概念模型，其目的在于以一種通用的方式來獲取領(lǐng)域中的知識(shí)，提供對(duì)領(lǐng)域中概念的共同一致的理解，從而實(shí)現(xiàn)知識(shí)在不同的應(yīng)用系統(tǒng)之間的共享和重利用[6]。在研究中，以網(wǎng)頁作為節(jié)點(diǎn)，網(wǎng)站和超鏈接形成重要節(jié)點(diǎn)；用語義分析網(wǎng)頁中的數(shù)據(jù)和信息，根據(jù)相似偏好和行為形成節(jié)點(diǎn)簇。Ontology對(duì)這些重要節(jié)點(diǎn)和節(jié)點(diǎn)簇進(jìn)行描述與分類，以形成不同的系統(tǒng)，便于機(jī)器理解這些節(jié)點(diǎn)包含的數(shù)據(jù)和信息，從而提高信息檢索的查全率和查準(zhǔn)率；前面我們定義連接節(jié)點(diǎn)的邊是根據(jù)語義的相似或相近度，這些連接網(wǎng)頁的邊分為雙向的和單向的；超鏈接是網(wǎng)絡(luò)中的捷徑，即小世界網(wǎng)絡(luò)中的“斷鍵重連”。下面我們將用實(shí)例解析。

4 結(jié)束語

本文簡(jiǎn)要地介紹了語義網(wǎng)理念和小世界網(wǎng)絡(luò)，指出了當(dāng)前Internet信息檢索的低效性。針對(duì)這種狀況，我們提出了基于語義的小世界網(wǎng)絡(luò)節(jié)點(diǎn)關(guān)聯(lián)的信息檢索，根據(jù)Internet具有小世界網(wǎng)絡(luò)的特征，用語義定義網(wǎng)絡(luò)中的節(jié)點(diǎn)以及節(jié)點(diǎn)根據(jù)自身的資源搜索與自己具有相似偏好和行為的節(jié)點(diǎn)形成鄰居節(jié)點(diǎn)和相關(guān)節(jié)點(diǎn)，最終形成具有相似語義的節(jié)點(diǎn)簇，提高了信息檢索的查全率和查準(zhǔn)率，實(shí)現(xiàn)以較小的代價(jià)檢索到所需的數(shù)據(jù)這一目的。

[1]美國EMC.《數(shù)字宇宙膨脹：到2010年全球信息增長(zhǎng)預(yù)測(cè)》2007.3

[2]T.Berner-Lee， J.Henller， and O.Lassila.The SemanticW eb[J].Scientific American，May 2001.

[3]Braun T.Hungarian priority in network theoty[M].Science，2004：1745.

[4]Travers J，M ilgram S.An experimental study of the small world problem[M].Sociometry，1969：425——443.

[5]Watts DJ，Strongatz SH.Collective dynam ics of small-world networks[J].Nature，1998，393：440-442.

[6]劉耀.領(lǐng)域Ontology自動(dòng)構(gòu)建研究[D].北京大學(xué)博士后出站報(bào)告，2007.