本體驅(qū)動的數(shù)字圖書館信息資源語義互操作研究

●鞠彥輝（渤海大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 錦州 121000）

近年來，數(shù)字圖書館作為一個(gè)綜合的研究領(lǐng)域在許多方面得到了很大的發(fā)展，然而在對于如何保證在分布式網(wǎng)絡(luò)環(huán)境下，人們能夠更準(zhǔn)確地獲得其所需要的信息方面并沒有突破性的進(jìn)展?！盎ゲ僮鳌痹噲D通過建立信息資源之間的互操作機(jī)制來解決這一問題。所謂數(shù)字圖書館互操作是指數(shù)字圖書館系統(tǒng)之間交換和共享數(shù)據(jù)的能力，具體分為結(jié)構(gòu)互操作、語法互操作和語義互操作 （semantic interoperability）三種類型，[1]其中語義互操作作為一種高層的互操作理念，是數(shù)字圖書館信息服務(wù)的目的。以前人們提出的互操作技術(shù)由于缺乏可理解的語義和共享的形式化基礎(chǔ)，異構(gòu)信息資源間難以共享和互操作。目前在計(jì)算機(jī)異構(gòu)應(yīng)用系統(tǒng)集成、地理信息系統(tǒng)圖形信息共享、電子商務(wù)管理、數(shù)字圖書館等領(lǐng)域，本體技術(shù)已成為建立領(lǐng)域共識、實(shí)現(xiàn)語義互操作的研究熱點(diǎn)。因此，本文提出本體驅(qū)動的數(shù)字圖書館信息資源語義互操作解決方案，以解決分布式數(shù)字圖書館之間異構(gòu)信息資源的語義互操作問題。

1 本體對數(shù)字圖書館信息資源語義互操作的驅(qū)動作用分析

本體的本質(zhì)是通過概念模型對信息作完全的形式化描述，使計(jì)算機(jī)可以理解網(wǎng)上的信息，建立本體的目的是為了實(shí)現(xiàn)領(lǐng)域知識的共享與重用。本體對數(shù)字圖書館信息資源語義互操作的驅(qū)動作用包括：（1）本體是依靠人的智慧而創(chuàng)建的工程化產(chǎn)品，可在用戶間或軟件代理間達(dá)成對于信息組織結(jié)構(gòu)的共同理解和認(rèn)識。（2）提供與描述型元數(shù)據(jù)有關(guān)語義描述的知識地圖。（3）在本體的幫助下可以實(shí)現(xiàn)獨(dú)立于人工干預(yù)的信息互操作，在機(jī)器—機(jī)器的環(huán)境中，本體采用機(jī)器可讀的方式進(jìn)行領(lǐng)域概念的表示，這些特點(diǎn)可以用來構(gòu)建自動化的信息處理機(jī)制。（4）本體是數(shù)字圖書館系統(tǒng)之間信息通信的中介。通過為不同的領(lǐng)域構(gòu)建領(lǐng)域本體，然后再在這些領(lǐng)域本體之間建設(shè)上層本體，結(jié)合其他技術(shù)來實(shí)現(xiàn)這些系統(tǒng)間的互操作和通信。

2 本體驅(qū)動的數(shù)字圖書館異構(gòu)信息資源語義互操作框架

通過上面的分析，本節(jié)構(gòu)建一個(gè)本體驅(qū)動的數(shù)字圖書館信息資源語義互操作框架，主要包括三個(gè)部分：（1）數(shù)字圖書館各種類型信息資源本體的建立；（2）本體間的映射及合并；（3）語義互操作服務(wù)。如圖1所示。

2.1 數(shù)字圖書館信息資源本體的建立

圖1 本體驅(qū)動的數(shù)字圖書館信息資源語義互操作框架

數(shù)字圖書館信息資源類型多樣，包括文本文獻(xiàn)信息資源、多媒體信息資源及知識管理倉庫等，因此，數(shù)字圖書館信息資源本體的構(gòu)建包括以下三個(gè)層次：（1）基于本體的文本文獻(xiàn)信息資源構(gòu)建，其實(shí)質(zhì)是建立文獻(xiàn)之間的等級結(jié)構(gòu)，并定義文獻(xiàn)之間的關(guān)系。因?yàn)槲谋疚墨I(xiàn)的等級關(guān)系在MARC上有較好的體現(xiàn)，所以在MARC數(shù)據(jù)的基礎(chǔ)上構(gòu)建本體具有較強(qiáng)的可行性和實(shí)用性。構(gòu)建本體的最終目的是實(shí)現(xiàn)推理，利用文獻(xiàn)的等級結(jié)構(gòu)和定義的屬性可以在轉(zhuǎn)化后的MARC上實(shí)現(xiàn)推導(dǎo)文獻(xiàn)間關(guān)系的目標(biāo)。構(gòu)建文本文獻(xiàn)本體的最后一步是將推理的結(jié)果生成知識庫。[2]（2）基于本體的多媒體信息資源構(gòu)建。針對多媒體信息所固有的異構(gòu)性、多分布性、增長性和變化性等特點(diǎn)，語義方法是當(dāng)前多媒體信息資源本體構(gòu)建研究的重點(diǎn)。基于本體的語義網(wǎng)（Semantic Web）由于其分層結(jié)構(gòu)的特點(diǎn)，可以滿足不同用戶群的需要，提供簡單的分類方法和關(guān)系，附加層的表達(dá)性、功能性和復(fù)雜性可根據(jù)不同的用戶需求增加，從而實(shí)現(xiàn)可擴(kuò)展性和語言的表達(dá)性之間的平衡。（3）基于本體的知識管理知識庫構(gòu)建。數(shù)字圖書館的最終目標(biāo)是實(shí)現(xiàn)對知識的管理。在知識管理的全過程中構(gòu)建本體，可以實(shí)現(xiàn)對知識本身的揭示，實(shí)現(xiàn)數(shù)字圖書館中信息資源最高層次的構(gòu)建。在知識管理的過程中構(gòu)建本體主要由三項(xiàng)工作構(gòu)成：① 獲取知識，根據(jù)“知網(wǎng)”建立等級結(jié)構(gòu)；② 按本體規(guī)則對知識進(jìn)行描述、存儲，以形成知識庫；③ 在推理基礎(chǔ)上提供知識的智能檢索，以實(shí)現(xiàn)知識重用。[3]

2.2 數(shù)字圖書館信息資源本體間的映射

在網(wǎng)絡(luò)環(huán)境下，數(shù)字圖書館信息資源之間的語義互操作實(shí)際上是實(shí)現(xiàn)信息資源本體間的映射。本體映射是解決不同本體間的知識共享和重用問題的主要技術(shù)，它是指在已生成的本體上建立語義級的概念關(guān)聯(lián)，以便雙方能使用通用接口，對同一事物有共同的理解。數(shù)字圖書館信息資源本體映射的一般過程為：（1）本體的輸入。這里假設(shè)只輸入描述同一或相似領(lǐng)域的兩個(gè)不同本體O1和O2，它們可以用不同語言說明，為了能夠準(zhǔn)確映射，需要把它們轉(zhuǎn)換為相同格式。（2）特征提取。提取用于計(jì)算相似度的特征，如概念、屬性的名稱等。（3）選擇用于映射的概念對。（4）進(jìn)行相似度計(jì)算。很多系統(tǒng)使用匹配操作器（半）自動地發(fā)現(xiàn)不同本體或模式間的相似度，如果映射過程完全是手動的，這一過程可以略過。相似度的計(jì)算是本體映射過程中一個(gè)至關(guān)重要的步驟，主要包括語義相似度的計(jì)算、描述相似度的計(jì)算、鄰近層次概念相似度的計(jì)算等。（5）相似度整合。有多種方法用來衡量本體實(shí)體之間的相似度，得出多種相似度值，因此要對各相似度進(jìn)行綜合考慮，從而得到一個(gè)整體上的相似度。（6）優(yōu)化。第（4）步結(jié)束后，已經(jīng)得到待映射的各個(gè)實(shí)體之間的初始相似度，這時(shí)一般需要人工的干預(yù)，利用領(lǐng)域知識，對其進(jìn)行調(diào)節(jié)。（7）迭代第（2）步到第（6）步，直到得到滿意的結(jié)果。[4]（8）輸出映射后的本體。如圖2所示。

圖2 數(shù)字圖書館信息資源本體映射的一般過程

目前有多種本體映射方法，按照本體定義模型進(jìn)行分類，可以分為：（1）基于通用公共上層本體庫的本體概念映射。領(lǐng)域本體庫基于某個(gè)公共上層本體庫（如DOLCE）為基礎(chǔ)所構(gòu)建，通過分析領(lǐng)域本體庫與公共上層本體庫之間的關(guān)系來計(jì)算本體概念之間的相似度。（2）基于本體概念相似度的本體映射。直接計(jì)算概念之間的相似度。其具體的計(jì)算方法有多種，如基于自然語言處理的計(jì)算方法、基于本體代數(shù)的方法等。（3）基于本體概念層次結(jié)構(gòu)相似度的本體映射。以圖論方法和本體語言的結(jié)構(gòu)特點(diǎn)來進(jìn)行相似度分析，如果兩個(gè)概念的相鄰節(jié)點(diǎn)（子概念、父概念）是相似的，那么它們的相似性程度增加。[5]（4）基于（2）（3）兩種方法的擴(kuò)展映射方法，是這兩種方法的加權(quán)綜合，基于概念及概念的相關(guān)內(nèi)容來綜合加權(quán)計(jì)算概念間的相似度，從而最大限度地提高本體映射的質(zhì)量。此外還有基于語義的方法、基于概念實(shí)例的方法、基于概念定義的方法等。由于數(shù)字圖書館信息資源類型多樣，所以為了提高映射準(zhǔn)確率，本體映射往往是若干方法的綜合運(yùn)用。經(jīng)過本體間的映射，把數(shù)字圖書館系統(tǒng)A中信息資源的本體表達(dá)轉(zhuǎn)換為等同語義的數(shù)字圖書館系統(tǒng)B中應(yīng)用的本體表達(dá)，A的應(yīng)用系統(tǒng)可以像處理其他系統(tǒng)內(nèi)部信息一樣處理B系統(tǒng)的信息。

2.3 數(shù)字圖書館信息資源語義互操作服務(wù)

完成了數(shù)字圖書館信息資源本體間的映射后，可以進(jìn)行本體合并集成，構(gòu)建領(lǐng)域本體服務(wù)器，領(lǐng)域本體服務(wù)器是進(jìn)行信息互操作與集成的核心，是提供語義互操作服務(wù)的基礎(chǔ)。基于本體的數(shù)字圖書館信息資源語義互操作服務(wù)的整個(gè)過程即信息資源的語義化分析、表達(dá)、集成與管理的工作。主要包括以下幾方面內(nèi)容：（1）用戶請求分析處理服務(wù)。對用戶的請求進(jìn)行分析處理，使本體服務(wù)能夠被正確地解析。（2）語義沖突消除服務(wù)。在領(lǐng)域本體服務(wù)器的支持下進(jìn)行數(shù)字圖書館信息資源語義沖突的智能化識別和處理，消除語義沖突和語義分歧的問題。（3）智能推理服務(wù)。在已經(jīng)建立的語義化信息或知識及相關(guān)算法的支持下，針對基于RDF（S）/XML與OWL及其擴(kuò)展描述的信息資源或語義模型，進(jìn)行數(shù)字圖書館信息資源聚類、分類和學(xué)習(xí)等算法研究；進(jìn)行信息與知識本體模型的生成、重用、演化（采用軟件演化和重用的方法）機(jī)制探索工作，并進(jìn)行相應(yīng)信息推理引擎的可重配置與重用技術(shù)，以及推理任務(wù)描述與分解技術(shù)研究。為了對語義Web中RDF（S）/XML與OWL及其擴(kuò)展等元本體所描述的信息資源進(jìn)行查詢，可以在面向XML描述信息的類SQL語言基礎(chǔ)上，擴(kuò)展定義推理查詢公式的描述原語，從而構(gòu)成相應(yīng)的語義查詢機(jī)制。[6]（4）信息分析處理服務(wù)。其任務(wù)是完成各種與信息有關(guān)的分析處理的服務(wù)。它不直接訪問信息資源，側(cè)重于向用戶提供計(jì)算資源。它遵循一定的通信機(jī)制，提供一定的處理能力，一次服務(wù)可以有若干輸入、輸出。（5）信息獲取與一致化服務(wù)。信息獲取服務(wù)的主要任務(wù)是訪問一個(gè)信息內(nèi)容實(shí)例，并且把該內(nèi)容以指定的中介格式反饋給用戶。一致化服務(wù)是將信息獲取服務(wù)得到的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的XML中介格式數(shù)據(jù)，即將異構(gòu)數(shù)據(jù)同構(gòu)化。[7]

3 結(jié)語

本文針對網(wǎng)絡(luò)環(huán)境下人們較難準(zhǔn)確地獲取存儲在分布式數(shù)字圖書館中的信息資源的問題，提出本體驅(qū)動的數(shù)字圖書館信息資源語義互操作方案，將信息資源互操作和共享的問題轉(zhuǎn)化為本體間的映射問題，從而能有效解決數(shù)字圖書館異構(gòu)信息資源互操作問題，為人們提供更好的信息服務(wù)。

[1]劉煒.語義互操作與Linked Data[EB/OL].[2008－12－23].http://www.lib.sjtu.edu.cn/adls/download/12-18/1218AM-C2.pdf.

[2]李培，孫琳.數(shù)字圖書館信息資源本體論的構(gòu)建[J].圖書情報(bào)工作，2003（6）：25.

[3]張敏勤.基于本體的數(shù)字圖書館信息資源構(gòu)建[J].大學(xué)圖書館學(xué)報(bào)，2007（3）：44－45.

[4]MarcEhrig，SteffenStaab.QOM-QuickOntologyMapping[C]//ISWC2004，LNCS3298：686.

[5]潘玉娥，等.基于分類的本體映射方法及映射工具實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2007，24（10）：214.

[6]張維明.語義信息模型及應(yīng)用[M].北京：電子工業(yè)出版社，2003.

[7]楊昆，等.基于本體（Ontology）的空間信息互操作與集成方法研究[J].云南地理環(huán)境研究，2006，18（3）：23.