基于本體的課程資源語義檢索系統(tǒng)

俞婷　鄭軻

摘 要：構建了基于本體的課程資源語義檢索模型，并設計實現了相應的語義檢索原型。在綜合分析相關課程資源后，建立了課程資源本體。在構建基于本體的課程資源語義檢索模型過程中，研究已有的語義關聯(lián)度計算方法，結合用戶檢索敏感度提出了查詢詞權重度量元。通過實例對語義檢索原型進行了驗證，結果表明，相比于基于關鍵字的檢索方法，該語義檢索系統(tǒng)在查全率和查準率上都有明顯的優(yōu)勢。

關鍵詞：課程資源；相似度算法；語義關系；檢索意圖

中圖分類號：TP391.3 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.19.035

信息的增長速度的數量級為每年億級，信息檢索的難度隨之增長。目前的檢索方式主要是基于關鍵字的檢索，這類檢索方式忽略了詞語之間的語義關系以及用戶真實的檢索意圖，返回的信息多是無用的，無法為用戶提供精準的資源。

近年來，建立在語義網基礎上的本體語義檢索技術得到了人們的廣泛關注。相比于傳統(tǒng)的檢索技術，其在檢索精度和覆蓋率上都有明顯的優(yōu)勢。本體論最早起源于哲學領域，古希臘的亞里士多德通過對事物存在的本質進行了研究，得出了本體的概念。在較早時期，本體沒有一個統(tǒng)一的定義，Studer等人對本體進行了一系列的深入研究后，提出了一個在當今被廣泛采用的定義。對于共享概念模型而言，本體就是一種明確的形式化規(guī)范的說明。

1 課程資源本體構建

傳統(tǒng)的基于關鍵字的搜索方法由于缺少語義，常造成檢索信息的錯檢和漏檢。由于受到了本體庫的支持，基于語義的檢索能很好地彌補這一缺陷。如果要進行基于本體的語義搜索，首先要構建規(guī)范的課程資源知識庫本體。

本文以課程資源知識點作為領域本體進行構建。課程資源知識點本體的構建主要分為兩點，即確定規(guī)范和基于規(guī)范構建本體。以計算機網絡課程為例，本體存儲的是相關知識點，其中包括計算機網絡性能、因特網、計算機網絡體系結構、計算機網絡類別、網絡安全五大類。這五大類的子類分別有：①計算機網絡性能。速率、寬帶、吞吐率、往返率、可擴展性、時延、利用率、可靠性。②因特網。因特網發(fā)展階段、因特網組成、下一代因特網。③計算機網絡體系結構。五層協(xié)議體系結構、TCP/IP體系結構、OSI體系結構。④計算機網絡類別。廣域網、城域網、局域網、接入網。⑤網絡安全。數字簽名、密碼體制、安全協(xié)議、防火墻。

課程本體所包含的對象屬性有蘊含關系、依賴關系、兄弟關系、平行關系、參考關系和游離關系。在構建完本體之后，本文采用MySQL數據庫對本體文件進行存儲，達到持久化。

2 語義關聯(lián)度算法

用戶在輸入相關查詢詞進行檢索后，語義檢索系統(tǒng)對查詢詞進行形式化處理，并對形式化后的查詢詞進行語義關聯(lián)度計算。語義關聯(lián)度包括語義相似度和語義相關度。

2.1 語義相似度

本文提出元概念的定義，指在領域本體中存在的概念集合C，設其中任一概念為Cx，如果集合Q中存在可以與概念C中的Cx匹配的查詢詞，則稱為Cx為元概念，即將元概念作為查詢映射到的概念來進行資源查詢。

本文以知識點為單位構建教育資源本體，所以，從知識點的角度擴展了語義。知識點之間的關系有同義、平行、包含等，本節(jié)對本體概念之間的相似度所考慮的因素主要有以下6個。

2.1.1 語義距離

語義距離對語義相似度的影響可以表示成：

/* MERGEFORMAT. （1）

概念節(jié)點之間的距離表示為len（ei），是彼此之間相連的通路邊所有對應的距離，比如父類和子類之間的距離為1.

2.1.2 語義重合度

語義重合度對于語義相似度的影響主要表示為：

/* MERGEFORMAT. （2）

式（2）中：NodeSet（X）為節(jié)點到根節(jié)點經過的節(jié)點數目的幾盒；NodeSet（X） NodeSet（Y）為X節(jié)點到根節(jié)點經過的節(jié)點數和Y節(jié)點數到根節(jié)點經過的節(jié)點數之間的交集；NodeSet（X） NodeSet（Y）為X節(jié)點到根節(jié)點經過的節(jié)點數和Y節(jié)點到根節(jié)點經過的節(jié)點數之間的并集。

2.1.3 節(jié)點密度

節(jié)點密度對于語義相似度的影響可以表示為：

/* MERGEFORMAT. （3）

式（3）中：degree（P）為概念節(jié)點X與概念節(jié)點Y之間最近的公共祖先P的度；degree（T）為概念樹的度。

2.1.4 節(jié)點深度

兩個節(jié)點X與Y之間的概念深度對于語義相似度的影響可以表示成為：

/* MERGEFORMAT. （4）

式（4）中：dep（X）和dep（Y）分別為概念X和概念Y的深度。

2.1.5 層次順序

層次的順序對概念相似度的影響為：

/* MERGEFORMAT. （5）

式（5）中：lyr（X）和lyr（Y）分別為X和Y節(jié)點所在的層次，根節(jié)點的層次為1；lyr（G）為領域本體中層次的最底層。

2.1.6 查詢詞權重

在進行最后的語義相似度階段計算時，對概念之間相似度的計算是受查詢詞權重的影響。領域本體之間的概念與概念節(jié)點之間的相似度的計算公式如下：

/* MERGEFORMAT.（6）

2.2 語義相關度

語義的相關度指的是詞語與詞語之間的相互有聯(lián)系的程度，它是一個隨主觀意愿變動比較強的概念。相關度的取值也在0～1，一般是兩個詞語在相同語境之中能夠替換的程度。領域本體概念之間的相關度公式如下：

/* MERGEFORMAT. （7）

式（7）中：rel（ei）為概念與概念之間相連的關系邊所對應的權值。

本文中概念與概念之間的相關度定義如表1所示。

綜上所述，得出概念之間的關聯(lián)度的計算公式如下：

/* MERGEFORMAT. （7）

3 語義檢索模型

本文以教育資源的知識點為基礎，對基于本體的教學資源的語義檢索系統(tǒng)建立了原型。本文構建的語義檢索是對教育資源進行本體推理來實現教育資源的語義檢索，其中，還對向量空間模型進行了結合。語義檢索主要包含了兩個核心，即語義查詢擴展和語義數據的檢索算法。

圖1為語義檢索的模型圖。

系統(tǒng)采用VPN、SNMP等詞語進行測試，求得基于本體教學資源語義檢索算法的查全率和查準率。同時，計算基于關鍵字的檢索系統(tǒng)的查全率和查準率，結果如表2所示。

4 結束語

本文提出并研究了基于本體的課程資源信息語義檢索問題。文中通過課程資源知識庫本體的構建、本體相似度計算的研究，建立了基于課程資源的語義檢索系統(tǒng)的原型，在一定程度上提高了對課程資源信息檢索的查全率和查準率。下一步工作為課程資源本體的完善、探索更加精確的語義相似度計算方法，以提供給用戶更好的檢索支持。

參考文獻

[1]代曉宇.基于本體的教學資源語義檢索應用研究[D].哈爾濱：哈爾濱工程大學，2012.

[2]花開明，陳家訓，楊洪山，等.基于本體與元數據的語義檢索[J].計算機工程，2007，33（24）.

[3]欒艷，丁二玉，駱斌.基于Ontology的語義檢索技術[J].計算機工程與應用，2005，41（28）.

[4]Studer R，Benjamins V R，Fensel D.Knowledge engineering：Principles and methods[J].Data & Knowledge Engineering，1998，25（02）.

[5]張功杰，趙向軍，陳克建，等.面向本體的語義相似度計算及在檢索中的應用[J].計算機工程與應用，2010，46（29）.

〔編輯：張思楠〕