基于领域本体的智能检索模型

第36卷 第23期Vol.36 No.23计 算 机 工 程Computer Engineering2010年12月December 2010人工智能与识别技术文章编号:1000 3428(2010)23 0171 03 文献标识码:A中图分类号:T P311基于领域本体的智能检索模型贾雪峰1, 王建新1, 齐建东1, 朱礼军2(1.北京林业大学信息学院,北京100083; 2.中国科学技术信息研究所,北京100038)摘 要:在传统检索模型的基础上,结合本体概念,提出一种基于领域本体的检索模型。

该模型利用本体中语义概念关系及语义扩展机制对查询关键词进行概念映射及扩展,通过计算文档相似度返回检索结果,提高检索的查准率和查全率。

关键词:信息检索;本体;概念树;智能检索;文档相似度Intelligent Retrieval Model Based on Domain OntologyJI A X ue feng 1, WA N G Jian xin 1, QI Jian dong 1, ZHU L i jun 2(1.School of Information S cien ce &T echnology,Beijing Forestry University,Beijing 100083,China;2.Institute of S &T Information of Ch ina,Beijin g 100038,China)!Abstract ∀Compared w ith the traditional retrieval model,this paper proposes a retrieval model b as ed on domain Ontology com bining w ith th e Ontology concepts.T he model us es the con cept of Ontology in the s emantic relations and sem antic extens ion m echanis m to map and expand the keyw ord queryin g con cept.By calcu lating the docum ent similarity,th e m odel return s search results and s how s th e b etter retrieval precision rate and recall rate.!K ey words ∀inform ation retrieval;Ontology;concept tree;intelligent retrieval;docum ent similarity基金项目:国家#十一五∃科技支撑计划基金资助项目#知识组织系统的集成及服务体系研究与实现∃(2006BAH 03B03);中央高校基本科研业务费专项基金资助项目作者简介:贾雪峰(1983-),男,硕士研究生,主研方向:智能检索系统;王建新、齐建东,副教授;朱礼军,副研究员收稿日期:2010 04 15 E mail :jiaxuefeng0@1 概述目前常用的文献检索方法大多是基于人工分类目录或关键词匹配的,大致分全文检索、数据检索、主题检索3类[1]。

全文检索[1]把用户的查询请求以关键词的形式与全文中的每一个词比较,不考虑查询请求与文档语义上的匹配,主要基于词频分析技术,检出信息量大,无需人工干预。

缺点是返回信息过多,有很多无关信息,用户须从结果中进行筛选。

数据检索[1]主要针对结构化信息系统,查询要求和数据遵循一定的格式,具有一定的结构,允许对特定的字段检索(例如:作者=#金庸∃),比较有代表性的是各种商业数据库。

数据检索依赖于编码的质量,检索花费大,检出的信息相对准确,但容易漏检,也具有很大局限性。

主题检索[1]以人工方式或半自动方式收集信息,对文档访问后,编写文档描述,将之添加到合适的事先确定的主题类别中。

用户从提供的最基本的几个大类的入口,逐级向下访问,即可得到较为满意的结果。

主题检索的优点在于可以使原来不很明确的信息需求随层次类目列表提示变得逐渐清晰。

缺点是检索花费的时间较长,对新出现的概念没有适合的相关类目可用于检索。

综上,3种传统的检索方式对海量信息资源检索的查准率和查全率都很有限,特别是在信息语义揭示上有局限性,缺乏知识处理和理解能力。

如何构造能更准、更快、更全地查找到所需信息的检索方式成为信息检索领域急需解决的问题。

本体论是描述概念和概念之间关系的模型,作为一种有效表现概念层次结构和语义的模型,能满足用户在语义上和知识上的需求,因此,在信息检索领域得到广泛的应用[2]。

构建领域本体库能很大程度上揭示概念间的语义关系,应用于相关领域的信息检索,可以扩大检索范围,很大程度上提高检索的查全率和查准率[3]。

国内已有部分学者在研究如何将本体应用于信息检索领域。

本文在利用已有成果的基础上,从构建领域本体出发,借助构建的领域本体,从本体的语义概念关系扩展关键词的入口词范围,提高了检索的全面性,同时检索的准确性也有提高。

2 系统模型框架综合传统信息检索的模型和概述中提到的基于本体的信息检索方法,本文提出基于领域本体的信息检索模型,从基于主题词表构建领域本体出发,设计基于领域本体的信息检索方法,利用领域本体中概念间的语义信息对用户检索条件进行分析推理、语义扩展,在检索过程中以本体作为参照标准,实现了一定的语义检索,不但可以检索和用户检索条件匹配的结果,而且可以检索出在语义层次上满足需要的结果。

整个系统框架如图1所示。

系统模型的具体工作流程如下:(1)领域本体知识库的构建。

领域本体是在已有领域主题词表的基础上,由熟悉该领域的专家通过筛选语义丰富的主题词及关系词,然后在此基础上进行语义扩展构建而成的。

(2)用户查询请求的处理。

将用户输入的查询请求映射到构建的领域本体库概念上,最终形成检索关键词概念。

171(3)查询信息的语义处理。

主要通过构建的领域本体库完成对检索关键词概念空间的语义扩展和推理,将相关和相似的信息纳入查询目标,扩大查询范围。

(4)查询条件的规范处理。

将语义扩展处理好的查询信息在领域本体和知识表示规则的指导下,经过预处理,转换成符合规范的查询表达式。

(5)查询结果的资源匹配。

对生成的规范化的查询表达式和检索模块进行匹配检索。

(6)查询结果的排序输出。

进行文档相似度计算,将检索结果按照文档相似度的高低顺序返回。

图1 系统框架3 关键技术的实现3.1 领域本体知识库的构建领域本体知识库的构建在整个系统中占有重要地位,因为主题词表本身就是一个轻量级本体。

在已有主题词表基础上,由熟悉该领域的专家通过筛选领域主题词表中的主题词,将语义丰富的主题词不断扩展完善而成。

3.1.1 领域本体的构成本体是共享概念模型明确的形式化规范说明。

本体作为人工智能和知识工程领域中一种新兴的知识表示方法,可以用于组织相关领域的知识,确定该领域内共同认可的词汇(术语),并给出这些词汇之间相互关系的明确定义[2]。

领域知识本体是指与领域知识内涵相关的一组概念化的规范说明。

领域知识本体可描述为如下的三元组:D K O ={C,A ,I }其中,D K O 表示领域知识本体;C 表示领域知识的概念集;A 是建立在C 上的属性集;I 表示建立在C 上的实例集。

属性集从语义分析上主要有5种基本关系,见表1。

表1 本体知识库中的基本关系关系名称描述备注P art o f 表达概念之间部分和整体的关系例如:#计算机∃和#机箱∃K i nd of 表达概念之间的继承关系例如:类#学生∃与类#研究生∃Instance of 表达实例与概念之间的关系例如:类#花∃与#百合∃At tri bute o f表达某个概念是另一个概念的属性例如:#学号∃是#学生∃的一个属性Aspect of表达某个概念是从另一概念某一方面的分类例如:#作家∃是一个#职业∃的一个分类3.1.2 领域知识本体的形式化表示领域知识本体的形式化表示就是将本体中定义的概念及概念间的关系用本体描述语言来表示,以便计算机处理,最终表示结果是用W3C(W or ld Wide Web Conso rt ium)推荐的本体描述语言OW L(O nto lo gy Web Lang uag e)描述的领域知识的概念及概念关系的文件[2]。

对于整个领域知识,根据层次结构特点以及概念之间的语义关系,从最高层概念逐步细分,形成一个能反映概念之间关系的树状层次结构 概念树[2],由于并不严格要求子女仅有一个父母,因此实际上是一个有向无环图。

概念关系形式化表示如下:(1)直接父母与直接子女(Parent Son)A 是B 的直接父母是指在概念树上,从A 出发向下只需经过一条边即可到达B 。

如A 是B 的直接父母,则B 是A 的直接子女。

这种直接父母子女关系可以分为上述的5种关系,统一定义为#Parent Son ∃。

(2)祖先、子孙关系(A ncestor Offspring )A 是B 的祖先是指在概念树上,从A 出发向下经过至少一条边可到达B 。

将这种关系定义为#A ncesto r Offspr ing ∃。

2种情况如下:1)A #P arent Son ∃B ;2)存在一个序列T 1,T 2,%,T n ,A #Pa rent So n ∃T 1,T 1#Par ent So n ∃T 2,%,T n #Parent Son ∃B 。

3.2 智能检索中语义扩展处理算法设计在本检索模型中,当用户提交了一个关键词进行查询时,基于本体的检索服务器将通过对用户查询需求进行语义上的自然语言处理,析取出各种概念信息,不仅检索出包含提问式中的关键词的结果,还将检索具有相似关系的关键词。

为了充分理解和正确表达用户的需求,需要利用构建的本体库中的概念关系对检索概念进行优化和扩展[4]。

假设用户的原始概念空间为{K ,R},其中,K 为用户查询式中的检索概念项的集合,是n 个概念的一个组合C 1,C 2,%,C n ,权值分别为W 1,W 2,%,W n (n 一般很小);R 为概念项间逻辑关系的集合。

利用本体知识库对其进行概念优化和扩展[5]分为以下2个过程:(1)将K 中的用户概念项映射为O nto lo gy 中的概念,形成新的概念集合C;假设K 中的检索概念项为(K 1,K 2,%,K n ),对于其中的每一个概念项,查找O ntolo g y 中与之匹配的概念,每一次成功的匹配都产生一条记录(K i ,C i )。