古農(nóng)學(xué)本體的半自動(dòng)構(gòu)建及檢索研究.pdf

1、近20年來(lái)，中國(guó)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(lái)加強(qiáng)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(lái)看，農(nóng)史學(xué)科已經(jīng)擁有了一批數(shù)字化資源，這無(wú)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(lái)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(yǔ)義管理工具，檢索技術(shù)相對(duì)陳舊，計(jì)算機(jī)

2、僅把用戶的檢索關(guān)鍵詞當(dāng)作簡(jiǎn)單的字符處理，因此，在農(nóng)史領(lǐng)域建立一種語(yǔ)義描述機(jī)制，使得計(jì)算機(jī)能夠具有語(yǔ)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(yǔ)義和知識(shí)層次上描述信息系統(tǒng)的概念建模工具，自被提出以來(lái)就引起了國(guó)外眾多科研人員的關(guān)注，并在知識(shí)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(yǔ)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(yǔ)義工具來(lái)解決語(yǔ)義異構(gòu)問(wèn)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(jī)器之間達(dá)成一種共識(shí)，促進(jìn)人機(jī)交流。 本文首先對(duì)農(nóng)史信息資源的組織模式進(jìn)行調(diào)查統(tǒng)計(jì)，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(yǔ)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(bào)學(xué)領(lǐng)域在編制分類表和敘詞表的技術(shù)和經(jīng)驗(yàn)，借鑒知識(shí)工程領(lǐng)域在構(gòu)建專家知識(shí)庫(kù)中取得的成績(jī)以及機(jī)器學(xué)習(xí)技術(shù)和自然語(yǔ)言處理技術(shù)的成果，嘗試半自動(dòng)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(jì)并開(kāi)發(fā)了一個(gè)基于領(lǐng)域本體的語(yǔ)義檢索模型。 本文的研究?jī)?nèi)容主要有以下幾個(gè)方面： (1)對(duì)農(nóng)史信息資源組織方式的調(diào)查分析隨著計(jì)算機(jī)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(kù)、網(wǎng)站等高級(jí)組織方式。本文首先對(duì)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(jì)，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(kù)和數(shù)字圖書館/數(shù)字

5、博物館三種類型，并對(duì)它們的分布進(jìn)行了統(tǒng)計(jì)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(gè)層面對(duì)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(yǔ)義控制機(jī)制。本體作為一種能在語(yǔ)義和知識(shí)層次上描述信息系統(tǒng)的概念模型建模工具，可以對(duì)共享概念達(dá)成統(tǒng)一理解，為計(jì)算機(jī)提供一

6、種互操作語(yǔ)言。本文提出利用本體來(lái)加強(qiáng)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(duì)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(yǔ)義異構(gòu)問(wèn)題的基礎(chǔ)，因此實(shí)現(xiàn)語(yǔ)義Web需要大量的本體作為支撐。對(duì)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(fèi)時(shí)費(fèi)力、進(jìn)展緩慢且成本高昂，這也是本體構(gòu)建無(wú)法走出實(shí)驗(yàn)室的原因之一。機(jī)器學(xué)習(xí)等文本自動(dòng)化處理技術(shù)為本體的自動(dòng)構(gòu)建奠定了基礎(chǔ)。從長(zhǎng)期的發(fā)展趨勢(shì)

7、看，自動(dòng)構(gòu)建本體是未來(lái)的發(fā)展方向，但是在目前技術(shù)尚未成熟，機(jī)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(jī)協(xié)作的半自動(dòng)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(guò)對(duì)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(shí)模式，利用機(jī)器學(xué)習(xí)技術(shù)從領(lǐng)域語(yǔ)料中學(xué)習(xí)概念關(guān)系，將專業(yè)人員的自頂向下和機(jī)器學(xué)習(xí)的自底向上的結(jié)果結(jié)合起來(lái)。 (3)古農(nóng)學(xué)本體半自動(dòng)構(gòu)建技術(shù)研究

8、本研究嘗試綜合運(yùn)用多種技術(shù)方法用于領(lǐng)域關(guān)系的發(fā)現(xiàn)和識(shí)別，初步實(shí)現(xiàn)領(lǐng)域概念的獲取、等級(jí)關(guān)系的識(shí)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(dòng)獲取。采用基于N-Gram的無(wú)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(shí)根據(jù)文獻(xiàn)保障原則利用文本自動(dòng)主題標(biāo)引方法對(duì)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(jí)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(shí)利用改進(jìn)的層次聚類法從古農(nóng)學(xué)文本語(yǔ)料中識(shí)別等級(jí)關(guān)系，對(duì)原有的分類體系進(jìn)行擴(kuò)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(yǔ)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(yǔ)料中獲取最相關(guān)概念，利用漢語(yǔ)的句法特點(diǎn)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(jì)方法

10、缺乏必要語(yǔ)義邏輯基礎(chǔ)的不足，也可以降低概念間語(yǔ)義關(guān)系分析過(guò)分依賴復(fù)雜的語(yǔ)言處理模型的弊端。另外，采用基于模式匹配的同義詞識(shí)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(duì)概念關(guān)系按照既定的規(guī)則進(jìn)行批處理并自動(dòng)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(shí)別出各種概念關(guān)系的基礎(chǔ)上自動(dòng)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(yǔ)義檢索機(jī)制研究本文設(shè)計(jì)和開(kāi)發(fā)了一個(gè)基于古農(nóng)學(xué)