基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘研究**本文系教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目“基于內(nèi)容的多語(yǔ)言信息組織與檢索研究”（項(xiàng)目編號(hào)：14JJD870001）研究成果之一

司莉，李鑫

?

基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘研究**本文系教育部人文社會(huì)科學(xué)重點(diǎn)研究基地重大項(xiàng)目“基于內(nèi)容的多語(yǔ)言信息組織與檢索研究”（項(xiàng)目編號(hào)：14JJD870001）研究成果之一

司莉，李鑫

摘要文章提出基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘框架，選取和利用知識(shí)挖掘方法中基于規(guī)則的語(yǔ)義推理方法對(duì)該框架進(jìn)行實(shí)現(xiàn)。實(shí)驗(yàn)過(guò)程包括構(gòu)建一個(gè)實(shí)驗(yàn)型的中英雙語(yǔ)本體，定義本體實(shí)例的規(guī)則并對(duì)規(guī)則進(jìn)行形式化處理，實(shí)現(xiàn)基于規(guī)則的語(yǔ)義推理，即利用編程工具和算法完成對(duì)中英雙語(yǔ)本體的知識(shí)挖掘。

關(guān)鍵詞知識(shí)挖掘語(yǔ)義推理多語(yǔ)言本體

引用本文格式司莉，李鑫.基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘研究[J].圖書館論壇，2016（2）：27- 34.

A Study of Knowledge Mining Based on Multilingual Ontology

SI Li，LI Xin

Abstract This paper proposes a framework for knowledge mining based on multilingual ontology，and carries out an experiment using the rules -based semantic reasoning method to confirm the feasibility of the framework proposed. The experiment process includes three main steps：construct a bilingual ontology；set the rules of instances and make them formalization；carry out the rule-based semantic reasoning and complete knowledge mining using programming tools and algorithms.

Keywords knowledge mining；semantic reasoning；multilingual ontology

0　引言

當(dāng)前，網(wǎng)絡(luò)信息資源的多語(yǔ)種化和網(wǎng)絡(luò)用戶分布國(guó)際化兩大趨勢(shì)日漸凸顯，用戶獲取多語(yǔ)言信息資源面臨的語(yǔ)言壁壘以及用戶對(duì)多語(yǔ)言語(yǔ)義信息資源的需求亟需解決，多語(yǔ)言的信息組織與檢索和知識(shí)挖掘?qū)⒅饾u成為研究熱點(diǎn)。一方面，多語(yǔ)言信息檢索至今仍停留在基于關(guān)鍵詞匹配的文獻(xiàn)檢索階段，且以文本檢索為主。多語(yǔ)言檢索系統(tǒng)的概念識(shí)別能力較弱，無(wú)法精確化地識(shí)別用戶查詢請(qǐng)求中的語(yǔ)義，無(wú)法準(zhǔn)確分析目標(biāo)對(duì)象與查詢請(qǐng)求中語(yǔ)義相關(guān)性，檢索結(jié)果冗余度高、相關(guān)性較低、效率和精度還不夠理想，尚未實(shí)現(xiàn)細(xì)粒度、語(yǔ)義化的知識(shí)檢索。另一方面，知識(shí)挖掘雖然已經(jīng)形成了較完整理論與技術(shù)體系，但如何將這些理論與技術(shù)運(yùn)用于多語(yǔ)言領(lǐng)域，進(jìn)行多語(yǔ)言、動(dòng)態(tài)化、細(xì)粒度的知識(shí)抽取與組織，進(jìn)而實(shí)現(xiàn)基于語(yǔ)義的挖掘，尚需進(jìn)行深入探究。而基于多語(yǔ)言領(lǐng)域本體的語(yǔ)義知識(shí)挖掘從多語(yǔ)言信息資源中抽取隱含的、細(xì)粒度和語(yǔ)義(關(guān)聯(lián))化的知識(shí)，克服了傳統(tǒng)知識(shí)挖掘與多語(yǔ)言信息檢索在隱含信息、語(yǔ)義關(guān)聯(lián)信息的挖掘與檢索等方面的不足。本研究的目的是構(gòu)建一個(gè)基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘框架，在此基礎(chǔ)上，選取和利用知識(shí)挖掘方法中合適的技術(shù)與方法對(duì)所設(shè)計(jì)的框架進(jìn)行實(shí)現(xiàn)。

1　基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘框架構(gòu)建

筆者遵循系統(tǒng)設(shè)計(jì)原則，提出基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘的框架與內(nèi)容，并闡述實(shí)現(xiàn)該框架的關(guān)鍵技術(shù)。

1.1多語(yǔ)言領(lǐng)域本體知識(shí)挖掘框架的構(gòu)成

基于多語(yǔ)言領(lǐng)域本體知識(shí)挖掘的框架如圖1所示，包括原始數(shù)據(jù)層、語(yǔ)義知識(shí)表示層、知識(shí)挖掘?qū)?、知識(shí)服務(wù)與應(yīng)用層。

圖1　多語(yǔ)言領(lǐng)域本體知識(shí)挖掘框架

(1)原始數(shù)據(jù)層。該層主要存放來(lái)自不同數(shù)據(jù)源的、不同類型的、異構(gòu)的多語(yǔ)言信息資源。涉及多個(gè)語(yǔ)種，包含圖像、文本、視頻、音頻等多種類型；覆蓋不同學(xué)科、不同領(lǐng)域的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化信息資源；在進(jìn)行知識(shí)挖掘時(shí)，需要對(duì)其中的數(shù)據(jù)進(jìn)行抽取和預(yù)處理。

(2)語(yǔ)義知識(shí)表示層。數(shù)據(jù)層中的數(shù)據(jù)缺乏明確的、形式化的語(yǔ)義表示，因此需要對(duì)其隱含的、潛在的概念、知識(shí)和語(yǔ)義進(jìn)行規(guī)范化、形式化的表達(dá)和處理。語(yǔ)義知識(shí)表示層主要包括了語(yǔ)義網(wǎng)技術(shù)、自然語(yǔ)言處理技術(shù)、多語(yǔ)言領(lǐng)域本體、多語(yǔ)言領(lǐng)域本體規(guī)則庫(kù)、專家經(jīng)驗(yàn)本體、用戶偏好本體及其他的本體和知識(shí)庫(kù)等，其主要功能有四個(gè)：一是對(duì)多語(yǔ)言信息資源進(jìn)行語(yǔ)義化表示。主要借助語(yǔ)義網(wǎng)技術(shù)以及自然語(yǔ)言處理技術(shù)等對(duì)多語(yǔ)言信息資源進(jìn)行語(yǔ)義層面的初步分析和處理，并利用多語(yǔ)言本體進(jìn)行語(yǔ)義標(biāo)注，識(shí)別信息資源中有意義的、能夠表達(dá)信息資源內(nèi)容和特征的概念和實(shí)體及其之間的關(guān)系。二是根據(jù)多語(yǔ)言領(lǐng)域本體和領(lǐng)域知識(shí)，建立基于多語(yǔ)言領(lǐng)域本體的規(guī)則庫(kù)。三是為知識(shí)挖掘?qū)犹峁┱Z(yǔ)義數(shù)據(jù)。利用多語(yǔ)言本體對(duì)不同類型的多語(yǔ)言信息資源進(jìn)行知識(shí)表示和語(yǔ)義標(biāo)注等，識(shí)別和抽取信息資源中的概念及其關(guān)系，并以機(jī)器可理解(如RDF)的形式編碼后存儲(chǔ)在信息資源語(yǔ)義元數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)對(duì)多語(yǔ)言信息資源內(nèi)容的準(zhǔn)確理解和表達(dá)，從而為知識(shí)挖掘提供良好的數(shù)據(jù)基礎(chǔ)。四是檢驗(yàn)知識(shí)挖掘結(jié)果。利用本體的推理功能對(duì)知識(shí)挖掘的結(jié)果進(jìn)行語(yǔ)義推理，去掉無(wú)用或冗余的規(guī)則或知識(shí)。

(3)知識(shí)挖掘?qū)?。?jīng)過(guò)規(guī)范化和形式化處理的多語(yǔ)言信息資源，對(duì)資源間的深層次或隱含的相互關(guān)系以及細(xì)粒度的語(yǔ)義知識(shí)還是缺乏揭示。知識(shí)挖掘?qū)拥墓δ馨▋蓚€(gè)方面：第一，知識(shí)發(fā)現(xiàn)。知識(shí)挖掘技術(shù)能夠充分利用多語(yǔ)言領(lǐng)域本體、用戶偏好本體、規(guī)則庫(kù)等提供的豐富的概念層次結(jié)構(gòu)和領(lǐng)域先驗(yàn)知識(shí)對(duì)其進(jìn)行語(yǔ)義層面的深度知識(shí)挖掘，獲得深層次或多維度的知識(shí)、規(guī)則等。第二，不斷更新語(yǔ)義知識(shí)表示層中的本體。利用知識(shí)挖掘?qū)拥耐诰蛩玫恼Z(yǔ)義關(guān)聯(lián)知識(shí)、規(guī)則等，并結(jié)合專家經(jīng)驗(yàn)知識(shí)指導(dǎo)多語(yǔ)言本體的動(dòng)態(tài)構(gòu)建和多語(yǔ)言本體學(xué)習(xí)。

(4)知識(shí)服務(wù)與應(yīng)用層。該層的主要功能是利用知識(shí)挖掘?qū)又蝎@取的知識(shí)或規(guī)則，實(shí)現(xiàn)多種知識(shí)服務(wù)如多語(yǔ)言知識(shí)挖掘、多語(yǔ)言信息檢索、知識(shí)導(dǎo)航、個(gè)性化推薦服務(wù)等，以及各種應(yīng)用如多語(yǔ)言問(wèn)答系統(tǒng)、多語(yǔ)言領(lǐng)域本體的學(xué)習(xí)和構(gòu)建。用戶可采用任一種自然語(yǔ)言提問(wèn)，利用多語(yǔ)言本體的術(shù)語(yǔ)服務(wù)機(jī)制中的查詢?cè)~擴(kuò)展與精煉功能以及本體間的映射關(guān)系和推理功能，在語(yǔ)義層面上精確地表達(dá)自己的信息需求，并利用知識(shí)挖掘結(jié)果修正信息檢索的范圍和結(jié)果。

1.2基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘特征

1.2.1信息資源的語(yǔ)義化表示

實(shí)現(xiàn)在語(yǔ)義層面上的知識(shí)挖掘是提高挖掘結(jié)果質(zhì)量的關(guān)鍵問(wèn)題，語(yǔ)義網(wǎng)技術(shù)、本體的出現(xiàn)為解決這一問(wèn)題提供了一種新的思路。多語(yǔ)言領(lǐng)域本體主要提供學(xué)科領(lǐng)域內(nèi)的核心概念、知識(shí)和概念間的關(guān)系，為語(yǔ)義分析和標(biāo)注、知識(shí)挖掘、語(yǔ)義推理等提供可靠的先驗(yàn)知識(shí)。利用多語(yǔ)言領(lǐng)域本體可以實(shí)現(xiàn)對(duì)多語(yǔ)言信息資源的一致性解釋和表示，表達(dá)信息資源內(nèi)部隱含的語(yǔ)義知識(shí)及其關(guān)聯(lián)關(guān)系，并解決了多語(yǔ)言信息資源的異構(gòu)問(wèn)題。

1.2.2挖掘準(zhǔn)確度與共享性高

利用語(yǔ)義網(wǎng)、本體技術(shù)從語(yǔ)義層面對(duì)知識(shí)進(jìn)行表示，通過(guò)導(dǎo)入多語(yǔ)言領(lǐng)域本體等提供的語(yǔ)義概念，實(shí)現(xiàn)對(duì)信息資源進(jìn)行語(yǔ)義層面的知識(shí)挖掘，利用知識(shí)挖掘技術(shù)與方法提供給用戶高度相關(guān)的挖掘結(jié)果，提高了挖掘過(guò)程中知識(shí)抽取的可靠性，從而提高知識(shí)挖掘的準(zhǔn)確性。同時(shí)，實(shí)現(xiàn)了知識(shí)的無(wú)障礙共享。多語(yǔ)言領(lǐng)域本體、用戶偏好本體等為個(gè)人、組織以及機(jī)器間的相互理解和交流提供了共同的、規(guī)范的概念定義和關(guān)系描述，消除了人們對(duì)語(yǔ)義的概念或知識(shí)的表達(dá)差異，從而實(shí)現(xiàn)挖掘所得知識(shí)、規(guī)則的無(wú)障礙共享。

1.2.3注重用戶偏好

筆者在建立知識(shí)挖掘過(guò)程中應(yīng)用多語(yǔ)言領(lǐng)域本體、用戶偏好本體等。用戶偏好本體由高層次的抽象概念組成，全面真實(shí)地反映了用戶的需求類信息如個(gè)性化定制服務(wù)、用戶的行為類信息如信息檢索記錄、用戶反饋類信息如用戶服務(wù)評(píng)價(jià)信息等，提高了用戶的參與度，使挖掘的結(jié)果更易符合用戶的需求，減少無(wú)意義或無(wú)效的結(jié)果。

1.3實(shí)現(xiàn)多語(yǔ)言領(lǐng)域本體知識(shí)挖掘的關(guān)鍵技術(shù)

1.3.1構(gòu)建多語(yǔ)言領(lǐng)域本體技術(shù)

多語(yǔ)言本體的構(gòu)建有三種途徑：一是從頭開(kāi)始構(gòu)建新的語(yǔ)言本體；二是合并兩種或多種現(xiàn)有不同語(yǔ)言的本體成為一種新的多語(yǔ)言本體，即多語(yǔ)言本體間的映射；三是將現(xiàn)有的一種語(yǔ)言的本體翻譯成其他語(yǔ)言的本體從而構(gòu)建多語(yǔ)言本體，即本體翻譯或本地化。在本文的實(shí)驗(yàn)部分構(gòu)建了一個(gè)小型的實(shí)驗(yàn)本體，主要采用手工方法從頭開(kāi)始構(gòu)建中英雙語(yǔ)本體。通過(guò)設(shè)置數(shù)據(jù)屬性(Data Property)實(shí)現(xiàn)雙語(yǔ)本體相同語(yǔ)義概念的映射，包括相同語(yǔ)言中同義概念間的映射以及不同語(yǔ)言間的同義概念之間的映射。

1.3.2基于規(guī)則的推理技術(shù)

該技術(shù)是依靠推理工具或推理引擎利用規(guī)則推理算法，從已有的領(lǐng)域知識(shí)庫(kù)或本體庫(kù)中推理出隱含的知識(shí)、關(guān)系的過(guò)程。首先要在領(lǐng)域知識(shí)庫(kù)或本體庫(kù)的基礎(chǔ)上結(jié)合規(guī)則推理技術(shù)建立適用于領(lǐng)域知識(shí)的規(guī)則庫(kù)，然后推理系統(tǒng)借助推理工具或推理引擎以及利用一定的推理算法完成知識(shí)庫(kù)、規(guī)則庫(kù)的加載與解析，在此基礎(chǔ)上完成本體庫(kù)或基于本體庫(kù)的推理。規(guī)則庫(kù)主要有兩種來(lái)源：一是本體庫(kù)中本體自身蘊(yùn)含的規(guī)則；二是在本體庫(kù)和知識(shí)庫(kù)的基礎(chǔ)上建立適用于領(lǐng)域的規(guī)則。在定義了領(lǐng)域規(guī)則后，采用合適的規(guī)則描述語(yǔ)言對(duì)所構(gòu)建的規(guī)則進(jìn)行形式化描述，從語(yǔ)言的權(quán)威性、表達(dá)能力和推理引擎的支持等角度考慮，選用SWRL作為規(guī)則描述語(yǔ)言。

2　基于多語(yǔ)言領(lǐng)域本體知識(shí)挖掘的實(shí)現(xiàn)

2.1實(shí)驗(yàn)環(huán)境

本實(shí)驗(yàn)的計(jì)算機(jī)操作系統(tǒng)是Win7，所需要的工具包括本體構(gòu)構(gòu)建與編輯工具Protégé、Java集成開(kāi)發(fā)環(huán)境與工具Eclipse、基于Java的開(kāi)源代碼本體操作工具包Jena以及Jena自帶的推理機(jī)。Protégé作為本體的編輯工具是一個(gè)免費(fèi)和開(kāi)源的工具，界面友好，用戶不用掌握本體描述語(yǔ)言也可以直接對(duì)類、屬性等進(jìn)行檢查、瀏覽、編輯和修改等操作，它支持RDF、OWL等多種本體描述語(yǔ)言。Eclipse是一個(gè)開(kāi)放源代碼的、基于Java可擴(kuò)展的開(kāi)發(fā)框架與平臺(tái)，可以將Eclipse作為Java的集成開(kāi)發(fā)環(huán)境(IDE)使用。Jena是由惠普實(shí)驗(yàn)室開(kāi)發(fā)的Java開(kāi)發(fā)開(kāi)源工具包，用于語(yǔ)義網(wǎng)中應(yīng)用程序的開(kāi)發(fā)。Jena框架功能主要包括：以RDF/XML、三元組形式解析RDF文件；對(duì)RDFS、OWL、DAML+OIL等本體進(jìn)行操作；利用數(shù)據(jù)庫(kù)保存數(shù)據(jù)；提供查詢模型；基于Jena推理引擎進(jìn)行基于規(guī)則的推理等。

2.2實(shí)驗(yàn)內(nèi)容

本實(shí)驗(yàn)中知識(shí)挖掘?qū)ο蟀▋煞矫?，即?gòu)建的中英雙語(yǔ)領(lǐng)域本體以及中英雙語(yǔ)對(duì)照信息資源，所使用的知識(shí)挖掘技術(shù)為基于規(guī)則的語(yǔ)義推理技術(shù)。

遵循本體構(gòu)建原則，利用上文中介紹的本體構(gòu)建的技術(shù)體系，使用本體編輯工具Protégé構(gòu)建中英雙語(yǔ)本體，給定一段中英對(duì)照文本，對(duì)文本中的實(shí)體及其關(guān)系進(jìn)行分析，利用本體對(duì)文本進(jìn)行標(biāo)注，并將標(biāo)注的結(jié)果作為本體的實(shí)例添加在本體中并進(jìn)行存儲(chǔ)。分析文本中實(shí)體之間的關(guān)系，在此基礎(chǔ)上建立實(shí)例的規(guī)則并使用SWRL規(guī)則描述語(yǔ)言對(duì)其進(jìn)行形式化形成規(guī)則庫(kù)文件。在Eclipse環(huán)境下加載本體和相應(yīng)的規(guī)則庫(kù)文件，采用Java語(yǔ)言編程，利用規(guī)則進(jìn)行本體的語(yǔ)義推理，從而實(shí)現(xiàn)中英雙語(yǔ)本體的知識(shí)挖掘。

2.3實(shí)現(xiàn)過(guò)程

2.3.1多語(yǔ)言領(lǐng)域本體的構(gòu)建

本實(shí)驗(yàn)使用Protégé4.3.0手工構(gòu)建雙語(yǔ)本體，步驟如下：

(1)確定主要的概念，建立類及類的層次。構(gòu)建大學(xué)課程教育的中英雙語(yǔ)本體，該本體包括1個(gè)一級(jí)類為大學(xué)教育；5個(gè)二級(jí)類為課程、教師、教師職稱、學(xué)生、教育層次；6個(gè)三級(jí)類：在課程類型下建立3個(gè)三級(jí)類，分別為本科課程、碩士課程、博士課程；在教育層次下建立3個(gè)三級(jí)類，分別為本科教育、碩士教育和博士教育。利用Protégé建立類以及類與類之間的等級(jí)結(jié)構(gòu)，完成后選擇“OWLViz”，本體的結(jié)構(gòu)圖如圖2所示。

圖2　大學(xué)課程教育本體的可視化結(jié)構(gòu)圖

筆者通過(guò)設(shè)置數(shù)據(jù)屬性(Data Property)實(shí)現(xiàn)雙語(yǔ)本體相同語(yǔ)義概念的映射，包括相同語(yǔ)言中同義概念間的映射和不同語(yǔ)言間的同義概念之間的映射，從而構(gòu)建中英雙語(yǔ)本體。具體而言，在數(shù)據(jù)屬性中的Annotation Properties(注釋屬性)選項(xiàng)下建立數(shù)據(jù)屬性hasName，利用hasName屬性添加不同語(yǔ)言的同義概念。利用hasName屬性下建立的子屬性hasSynonymous，可添加每個(gè)類的同義中文和英文的概念或詞匯。

在數(shù)據(jù)屬性中的Annotation Properties下建立類的數(shù)據(jù)屬性hasName屬性，對(duì)建立的本體中的每一個(gè)類分別添加hasName屬性，輸入屬性值為相應(yīng)的類的中文和英文名稱，從而完成中英概念類的對(duì)照。以“課程”類為例，在Protégé中選擇Annotation選項(xiàng)卡，選擇屬性“hasName”，在屬性值Value中輸入“Course”，在Lang中輸入“en”以表示為英文類名，則完成英文類名的添加(見(jiàn)圖3)。采用同樣的方式添加類的中文名稱，只需在Lang中輸入“zh”以表示中文即可?！罢n程”類建立的中英文對(duì)照類名如圖4所示。采用上述方式對(duì)構(gòu)建的中英雙語(yǔ)本體中的每一個(gè)類添加相應(yīng)的中英文類名，即完成大學(xué)課程教育中英雙語(yǔ)本體的構(gòu)建。

圖3　“課程”類的英文類名添加過(guò)程圖

圖4　“課程”類所建立的中英文對(duì)照類名

(2)建立屬性及屬性的約束。在OWL本體中，屬性關(guān)系可以分為對(duì)象屬性(Object Property)和數(shù)據(jù)屬性(Data Property)，前者表示概念之間的關(guān)系，后者表示每個(gè)概念的基本信息。大學(xué)課程教育中英雙語(yǔ)本體中各個(gè)概念之間的語(yǔ)義關(guān)系是通過(guò)設(shè)置對(duì)象的屬性完成的，共建立了30個(gè)對(duì)象屬性(見(jiàn)表1)，具有互逆關(guān)系的對(duì)象屬性在Protégé中通過(guò)設(shè)置“Inverse Of”來(lái)實(shí)現(xiàn)。在Protégé中對(duì)相應(yīng)的類分別設(shè)置其對(duì)象屬性，對(duì)于具有屬性約束的要設(shè)置相應(yīng)的屬性約束。

表1　大學(xué)教育本體中設(shè)置的對(duì)象屬性

(3)本體存儲(chǔ)，將已構(gòu)建的本體存儲(chǔ)為OWL文件，以便用于語(yǔ)義推理和挖掘。

2.3.2語(yǔ)義標(biāo)注與本體規(guī)則庫(kù)的構(gòu)建

給定圖5所示中英雙語(yǔ)對(duì)照文本，分析并提取文本中的實(shí)體以及實(shí)體間的關(guān)系，利用上面構(gòu)建的學(xué)校本體對(duì)其進(jìn)行語(yǔ)義標(biāo)注，標(biāo)注的結(jié)果作為本體的實(shí)例添加在本體中。

圖5　中英雙語(yǔ)對(duì)照文本

筆者抽取中英對(duì)照實(shí)體18對(duì)36個(gè)，分別在本體類本科課程下建立信息管理、圖書館學(xué)概論2個(gè)實(shí)例；在碩士課程下建立信息檢索、信息資源建設(shè)2個(gè)實(shí)例；在博士課程下建立數(shù)據(jù)挖掘、信息服務(wù)2個(gè)實(shí)例；在教師下建立楊靜、裴蓓和劉然3個(gè)實(shí)例；在學(xué)生下李靜、李娜和蕭涵3個(gè)實(shí)例。以同樣的方法對(duì)在相應(yīng)的概念類中分別建立相應(yīng)的英文實(shí)例，然后分別對(duì)每一個(gè)實(shí)例設(shè)置其對(duì)象屬性和屬性的約束，并保存為owl格式的文件，作為下面語(yǔ)義推理與挖掘的輸入。由于實(shí)例以及實(shí)例之間的對(duì)象關(guān)系較多，不再一一贅述。

對(duì)構(gòu)建的學(xué)校教育雙語(yǔ)本體中實(shí)例之間的關(guān)系進(jìn)行分析，定義本體的推理規(guī)則。對(duì)分析的規(guī)則采用SWRL規(guī)則描述語(yǔ)言形式化描述，可得到多語(yǔ)言本體實(shí)例的完整的規(guī)則庫(kù)文件，其中包含64條實(shí)例的對(duì)象屬性推理規(guī)則。因篇幅有限，本文僅給出部分形式化的SWRL規(guī)則庫(kù)文件(見(jiàn)圖6)。在此基礎(chǔ)上，利用Jena包中的推理引擎中綁定所建立的規(guī)則庫(kù)文件以及所建立的學(xué)校教育中英雙語(yǔ)本體文件，然后進(jìn)行多語(yǔ)言領(lǐng)域本體的基于規(guī)則推理的知識(shí)挖掘。

圖6　本體的規(guī)則庫(kù)文件(部分)

2.3.3基于語(yǔ)義推理的知識(shí)挖掘

筆者主要利用Java編程工具E-clipse、Jena工具包進(jìn)行基于本體規(guī)則的語(yǔ)義推理，挖掘?qū)嵗须[含的知識(shí)和關(guān)系，實(shí)現(xiàn)知識(shí)的挖掘。在Eclipse中通過(guò)修改工程的Java創(chuàng)建路徑的方法導(dǎo)入Jena jar文件，可以在Eclipse中調(diào)用Jena API完成本體知識(shí)庫(kù)(文件)和規(guī)則庫(kù)(文件)的加載、解析和處理。然后編寫相應(yīng)的程序處理本體庫(kù)和規(guī)則庫(kù)，實(shí)現(xiàn)基于規(guī)則的語(yǔ)義推理，關(guān)鍵的代碼如下：

public class JenaInf{

public void getInf(){

//加載規(guī)則文件

Modelm = ModelFactory.createDefaultModel()；

Resource configuration = m.createResource()；

configuration.addProperty (ReasonerVocabulary.

PROPruleMode，"hybrid")；

configuration.addProperty (ReasonerVocabulary.

PROPruleSet，"data/rules.rules")；/

//創(chuàng)建推理機(jī)

Reasonerreasoner=GenericRuleReasonerFactory.

theInstance().create(configuration)；

//加載本體文件

Model data = FileManager.get ().loadModel ("file：

data/UniversityEducation.owl")；

//獲取具有本體數(shù)據(jù)和規(guī)則的模型

InfModelinfmodel= ModelFactory.createInfModel

(reasoner，data)；

//獲取規(guī)則推理結(jié)果

StmtIteratori = infmodel.getDeductionsModel ().

listStatements()；

while (i.hasNext()){

String st =PrintUtil.print(i.nextStatement())；

if(st.startsWith("(http：//www.semanticweb.

org/lixin")){

System.out.println (st.replaceAll("http：//www.se

manticweb.org/lixin/ontologies/2015/3/Universi

tyEducation#"，""))；

}

}

}

public static void main(String[]args){ newJenaInf().getInf()；

}

}

2.4實(shí)驗(yàn)結(jié)果與分析

運(yùn)行該程序，可得到基于規(guī)則的語(yǔ)義推理的部分結(jié)果，見(jiàn)圖7。

圖7　基于規(guī)則的語(yǔ)義推理程序運(yùn)行結(jié)果(部分)

由于Eclipse界面有限，無(wú)法展示全部推理結(jié)果，且推理結(jié)果中包含一些無(wú)用的結(jié)果，因此得到的結(jié)果進(jìn)行整理并剔除部分無(wú)用結(jié)果，得到推理的結(jié)果見(jiàn)表2(篇幅有限，僅列出部分結(jié)果)。由表2可知，基于規(guī)則的語(yǔ)義推理挖掘出了李靜(Jing Lee)可以上的課程有信息管理、Information Management、圖書館學(xué)概論、Library Introduction，副教授裴蓓(Bee Pei)可以教的課程有信息管理、Information Management、圖書館學(xué)概論、Library Introduction、信息資源建設(shè)、Information Construction、信息檢索、Information Retrieval等實(shí)體之間隱含的知識(shí)與關(guān)系，實(shí)現(xiàn)了基于規(guī)則推理的中英雙語(yǔ)本體的知識(shí)挖掘。

表2　基于規(guī)則的部分推理結(jié)果

2.5多語(yǔ)言領(lǐng)域本體知識(shí)挖掘的應(yīng)用

(1)應(yīng)用于知識(shí)服務(wù)?；诙嗾Z(yǔ)言領(lǐng)域本體的知識(shí)挖掘技術(shù)可對(duì)多語(yǔ)言信息資源進(jìn)行處理，以挖掘其隱含的、具有潛在價(jià)值的知識(shí)，分析知識(shí)內(nèi)容之間的關(guān)聯(lián)，從而提供基于語(yǔ)義的、面向內(nèi)容的知識(shí)服務(wù)。這種深層次的知識(shí)服務(wù)依靠多語(yǔ)言領(lǐng)域本體進(jìn)行語(yǔ)義特征的提取，利用知識(shí)挖掘技術(shù)進(jìn)行分類、聚類分析等處理，從而挖掘出多語(yǔ)言信息資源中隱藏的知識(shí)及其之間的語(yǔ)義關(guān)聯(lián)關(guān)系。圖書館可以利用基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘結(jié)果開(kāi)展學(xué)科知識(shí)服務(wù)，對(duì)用戶的需求進(jìn)行收集、分析、規(guī)范化處理和表達(dá)；采用多語(yǔ)言知識(shí)挖掘技術(shù)對(duì)圖書館數(shù)據(jù)庫(kù)進(jìn)行知識(shí)挖掘，獲取隱藏的、深層次的學(xué)科知識(shí)以及知識(shí)之間的語(yǔ)義關(guān)聯(lián)，將滿足用戶需求的知識(shí)挖掘的結(jié)果提供給用戶。

(2)應(yīng)用于多語(yǔ)言信息檢索。將知識(shí)挖掘技術(shù)應(yīng)用于多語(yǔ)言信息檢索，挖掘并分析用戶需求與多語(yǔ)言信息資源之間主題的相關(guān)性，有助于實(shí)現(xiàn)用戶需求和多語(yǔ)言信息資源之間的精確匹配，提高檢索效率并優(yōu)化檢索結(jié)果，具體方法有：①提高檢索效率。利用基于多語(yǔ)言領(lǐng)域本體的知識(shí)挖掘技術(shù)可以對(duì)檢索對(duì)象進(jìn)行預(yù)處理，例如利用知識(shí)挖掘中的聚類分析技術(shù)將文檔按照其語(yǔ)義聚類到特定的類別，在進(jìn)行多語(yǔ)言信息檢索時(shí)可以直接將檢索目標(biāo)定位到具體的類別，只需對(duì)該類別進(jìn)行處理和檢索，從而減少了檢索所需的時(shí)間并提高了檢索效率。②優(yōu)化多語(yǔ)言檢索結(jié)果。多語(yǔ)言信息檢索是用戶需求與多語(yǔ)言信息資源的自動(dòng)匹配過(guò)程，這一過(guò)程中以及在檢索的結(jié)果中利用知識(shí)挖掘技術(shù)可以獲取細(xì)粒度語(yǔ)義知識(shí)，解決檢索結(jié)果的優(yōu)化問(wèn)題。檢索結(jié)果優(yōu)化的過(guò)程可抽象成對(duì)目標(biāo)數(shù)據(jù)庫(kù)進(jìn)行知識(shí)挖掘的過(guò)程，即將檢索結(jié)果的文檔集看作目標(biāo)數(shù)據(jù)庫(kù)。多語(yǔ)言信息檢索結(jié)果中符合用戶需求的目標(biāo)往往會(huì)頻繁出現(xiàn)，可以利用基于本體的知識(shí)挖掘技術(shù)對(duì)結(jié)果進(jìn)行挖掘，提取其中有價(jià)值的頻繁模式或規(guī)則等，然后利用其對(duì)檢索結(jié)果進(jìn)行過(guò)濾和優(yōu)化。

3　總結(jié)與展望

筆者把基于多語(yǔ)言本體的知識(shí)挖掘作為研究目標(biāo)，旨在利用知識(shí)挖掘技術(shù)從多語(yǔ)言信息資源挖掘出隱含的、未知的、有潛在應(yīng)用價(jià)值的細(xì)粒度的語(yǔ)義知識(shí)，圍繞著該主題進(jìn)行了相關(guān)研究，具體來(lái)說(shuō)有兩方面：第一，構(gòu)建了一個(gè)實(shí)驗(yàn)型的中英雙語(yǔ)本體。利用Protégé構(gòu)建了一個(gè)實(shí)驗(yàn)型的中英雙語(yǔ)本體，實(shí)現(xiàn)了對(duì)多語(yǔ)言信息資源語(yǔ)義化、關(guān)聯(lián)化的組織與揭示。第二，提出了一個(gè)基于多語(yǔ)言本體的知識(shí)挖掘的框架并對(duì)其進(jìn)行實(shí)現(xiàn)。首先，構(gòu)建了一個(gè)實(shí)驗(yàn)型的中英雙語(yǔ)本體。其次，利用該中英雙語(yǔ)本體對(duì)一段給定的中英對(duì)照文本進(jìn)行語(yǔ)義標(biāo)注，標(biāo)注結(jié)果作為實(shí)例存儲(chǔ)在本體中，并在此基礎(chǔ)上構(gòu)建了該中英雙語(yǔ)本體的規(guī)則庫(kù)。最后，選取Eclipse作為編程環(huán)境與工具，利用Jena本體推理機(jī)解析本體和規(guī)則文件，對(duì)文本中隱藏的知識(shí)和關(guān)系進(jìn)行基于規(guī)則推理的知識(shí)挖掘。本文選取了基于規(guī)則的語(yǔ)義推理技術(shù)作為主要的實(shí)現(xiàn)技術(shù)，未來(lái)還可以探究其他傳統(tǒng)的知識(shí)挖掘技術(shù)在多語(yǔ)言語(yǔ)義知識(shí)挖掘中應(yīng)用，具體的內(nèi)容包括基于內(nèi)容的多語(yǔ)言關(guān)聯(lián)挖掘研究、基于語(yǔ)義的概念挖掘研究、關(guān)聯(lián)規(guī)則、決策樹(shù)技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)以及機(jī)器學(xué)習(xí)技術(shù)在基于內(nèi)容的多語(yǔ)言知識(shí)挖掘中的應(yīng)用研究。

參考文獻(xiàn)

[1] Internet World States[EB/OL]. [2014- 10- 02]. http：// www.internetworldstats.com/stats.htm.

[2]歐石燕.基于SOA架構(gòu)的術(shù)語(yǔ)注冊(cè)和服務(wù)系統(tǒng)設(shè)計(jì)與應(yīng)用[J].中國(guó)圖書館學(xué)報(bào)，2011，37（5）：13- 25.

[3]周倩.基于User- Ontology的圖書館用戶數(shù)據(jù)挖掘研究[J].圖書館雜志，2006（10）：58- 63.

[4]章成志.多語(yǔ)言領(lǐng)域本體學(xué)習(xí)研究[M].南京：南京大學(xué)出版社，2012：21- 22.

[5]王進(jìn).基于本體的語(yǔ)義信息檢索研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2006.

理論研究

收稿日期2015- 10- 22

作者簡(jiǎn)介司莉，博士生導(dǎo)師，武漢大學(xué)信息資源研究中心教授，圖書館學(xué)系主任；李鑫，武漢大學(xué)信息管理學(xué)院碩士研究生。