古農(nóng)學(xué)本體的半自動構(gòu)建及檢索研究.pdf

1、近20年來，中國農(nóng)史文獻(xiàn)資料的研究已經(jīng)由傳統(tǒng)的手工整理方式逐漸轉(zhuǎn)向農(nóng)史信息資源的數(shù)字化整理和建設(shè)，并借助于現(xiàn)代化的技術(shù)和手段來加強農(nóng)史信息資源的產(chǎn)生、組織、存取、傳播和利用，以便用戶更便捷地獲取農(nóng)史研究資料，促進(jìn)農(nóng)史研究的發(fā)展。從目前的現(xiàn)狀來看，農(nóng)史學(xué)科已經(jīng)擁有了一批數(shù)字化資源，這無疑促進(jìn)了農(nóng)業(yè)科技遺產(chǎn)的保護(hù)和傳播。然而從利用的角度來看，在農(nóng)史信息資源的組織和存取技術(shù)還有待提高，主要表現(xiàn)在缺乏有力的語義管理工具，檢索技術(shù)相對陳舊，計算機

2、僅把用戶的檢索關(guān)鍵詞當(dāng)作簡單的字符處理，因此，在農(nóng)史領(lǐng)域建立一種語義描述機制，使得計算機能夠具有語義理解能力，是提高農(nóng)史信息資源服務(wù)效果的有效手段。 本體作為一種能夠在語義和知識層次上描述信息系統(tǒng)的概念建模工具，自被提出以來就引起了國外眾多科研人員的關(guān)注，并在知識工程、數(shù)字圖書館、軟件復(fù)用、信息檢索和Web異構(gòu)信息的處理、語義Web等眾多領(lǐng)域得到了廣泛的應(yīng)用。本文將本體引入到農(nóng)史領(lǐng)域，嘗試構(gòu)建農(nóng)史領(lǐng)域本體作為農(nóng)史信息資源加工、組

3、織和利用中有力的語義工具來解決語義異構(gòu)問題，使得農(nóng)史領(lǐng)域概念能夠有著明確唯一的定義，在人和機器之間達(dá)成一種共識，促進(jìn)人機交流。 本文首先對農(nóng)史信息資源的組織模式進(jìn)行調(diào)查統(tǒng)計，分析目前農(nóng)史信息資源組織現(xiàn)狀，提出建立本體作為農(nóng)史學(xué)科的語義工具，是提高農(nóng)史信息資源管理和服務(wù)的有效手段，進(jìn)而結(jié)合情報學(xué)領(lǐng)域在編制分類表和敘詞表的技術(shù)和經(jīng)驗，借鑒知識工程領(lǐng)域在構(gòu)建專家知識庫中取得的成績以及機器學(xué)習(xí)技術(shù)和自然語言處理技術(shù)的成果，嘗試半自動地構(gòu)

4、建農(nóng)史領(lǐng)域本體，提高本體構(gòu)建的效率。最后，以該領(lǐng)域本體為基礎(chǔ)，設(shè)計并開發(fā)了一個基于領(lǐng)域本體的語義檢索模型。 本文的研究內(nèi)容主要有以下幾個方面： (1)對農(nóng)史信息資源組織方式的調(diào)查分析隨著計算機技術(shù)的迅猛發(fā)展，農(nóng)史信息資源的組織方式已經(jīng)由傳統(tǒng)手工編制的目錄、索引，發(fā)展到了文獻(xiàn)數(shù)據(jù)庫、網(wǎng)站等高級組織方式。本文首先對目前農(nóng)史信息資源數(shù)字化組織現(xiàn)狀進(jìn)行調(diào)查與統(tǒng)計，目前的農(nóng)史信息資源組織主要有專題網(wǎng)站、專題數(shù)據(jù)庫和數(shù)字圖書館/數(shù)字

5、博物館三種類型，并對它們的分布進(jìn)行了統(tǒng)計分析，以便了解農(nóng)史信息資源建設(shè)現(xiàn)狀。 農(nóng)史信息資源服務(wù)的效果是體現(xiàn)農(nóng)史信息資源數(shù)字化建設(shè)的關(guān)鍵所在。本文在農(nóng)史信息資源調(diào)查的基礎(chǔ)上，從農(nóng)史信息資源的資源組織方式、檢索技術(shù)和信息服務(wù)類型三個層面對目前的農(nóng)史信息資源組織現(xiàn)狀進(jìn)行了總結(jié)和分析，指出其主要的不足是資源的組織中缺乏語義控制機制。本體作為一種能在語義和知識層次上描述信息系統(tǒng)的概念模型建模工具，可以對共享概念達(dá)成統(tǒng)一理解，為計算機提供一

6、種互操作語言。本文提出利用本體來加強農(nóng)史概念的形式化描述，并分析了領(lǐng)域本體在農(nóng)史信息資源組織中對于提升信息服務(wù)的作用。 (2)古農(nóng)學(xué)本體構(gòu)建模式研究本體的構(gòu)建是解決語義異構(gòu)問題的基礎(chǔ)，因此實現(xiàn)語義Web需要大量的本體作為支撐。對于本體的構(gòu)建，目前主要是手工構(gòu)建方法和工具的研究。手工構(gòu)建本體費時費力、進(jìn)展緩慢且成本高昂，這也是本體構(gòu)建無法走出實驗室的原因之一。機器學(xué)習(xí)等文本自動化處理技術(shù)為本體的自動構(gòu)建奠定了基礎(chǔ)。從長期的發(fā)展趨勢

7、看，自動構(gòu)建本體是未來的發(fā)展方向，但是在目前技術(shù)尚未成熟，機器學(xué)習(xí)到的概念關(guān)系還不夠精細(xì)和準(zhǔn)確。因此，從本體構(gòu)建的可行性角度考慮，本文采用人機協(xié)作的半自動構(gòu)建模式構(gòu)建古農(nóng)學(xué)本體。在前人構(gòu)建領(lǐng)域本體方法論的基礎(chǔ)上，結(jié)合敘詞表的編制模式，由專業(yè)人員通過對古代農(nóng)學(xué)領(lǐng)域概念關(guān)系分析給出領(lǐng)域的上層知識模式，利用機器學(xué)習(xí)技術(shù)從領(lǐng)域語料中學(xué)習(xí)概念關(guān)系，將專業(yè)人員的自頂向下和機器學(xué)習(xí)的自底向上的結(jié)果結(jié)合起來。 (3)古農(nóng)學(xué)本體半自動構(gòu)建技術(shù)研究

8、本研究嘗試綜合運用多種技術(shù)方法用于領(lǐng)域關(guān)系的發(fā)現(xiàn)和識別，初步實現(xiàn)領(lǐng)域概念的獲取、等級關(guān)系的識別以及領(lǐng)域概念關(guān)系的發(fā)現(xiàn)和本體的形式化描述。 ①古農(nóng)學(xué)領(lǐng)域概念的自動獲取。采用基于N-Gram的無詞典分詞方法從古農(nóng)學(xué)研究論文中獲取領(lǐng)域候選概念，同時根據(jù)文獻(xiàn)保障原則利用文本自動主題標(biāo)引方法對候選概念進(jìn)行篩選，以獲得領(lǐng)域的核心概念。 ②古農(nóng)學(xué)本體領(lǐng)域等級關(guān)系的建立。根據(jù)專業(yè)人員給出的古農(nóng)學(xué)領(lǐng)域上層模式，結(jié)合現(xiàn)有的領(lǐng)域相關(guān)的分類表和

9、主題詞表的分類體系，以保證構(gòu)建的領(lǐng)域本體具有通用性和良好的邏輯基礎(chǔ)，同時利用改進(jìn)的層次聚類法從古農(nóng)學(xué)文本語料中識別等級關(guān)系，對原有的分類體系進(jìn)行擴充和更新。 ③古農(nóng)學(xué)領(lǐng)域概念屬性關(guān)系的建立。采用基于關(guān)聯(lián)規(guī)則挖掘和基于自然語言處理兩種方法相結(jié)合的方式從古農(nóng)學(xué)研究論文中獲取領(lǐng)域概念的屬性關(guān)系，利用支持度和置信度等度量方法從文本語料中獲取最相關(guān)概念，利用漢語的句法特點從文本中抽取主謂賓關(guān)系，獲取概念屬性關(guān)系。這樣可以減少大規(guī)模統(tǒng)計方法

10、缺乏必要語義邏輯基礎(chǔ)的不足，也可以降低概念間語義關(guān)系分析過分依賴復(fù)雜的語言處理模型的弊端。另外，采用基于模式匹配的同義詞識別方法為概念獲取同義詞屬性。 ④古農(nóng)學(xué)本體的形式化。本體的形式化處理，可以對概念關(guān)系按照既定的規(guī)則進(jìn)行批處理并自動地生成形式化的本體，提高古農(nóng)學(xué)本體生成的效率?？稍谝呀?jīng)識別出各種概念關(guān)系的基礎(chǔ)上自動完成古農(nóng)學(xué)本體的形式化文件的生成。 (4)基于古農(nóng)學(xué)本體的語義檢索機制研究本文設(shè)計和開發(fā)了一個基于古農(nóng)學(xué)