聚２９巷 第８掬 Ｖ０Ｉ．２９．Ｎｏ．８ Ａｕｇ．２０１７ ２０１７年８月 ＤＯＩ：１０．１３９９８／ｊ．ｃｎｋｉ．ｉｓｓｎ１００２－１２４８．２０１７．０８．０１３ 民族文献语义检索模型及关键本体构建研究 廖文果’，廖光萍 （１．阿坝师范学院图书馆，四川汶川６２３００２；２．阿坝师范学院人文与社会科学系，四川汶川６２３００２） 摘 要：目前，民族文献信息化资源建设主要基于传统的文本和关键字检索技术，不能够准确理解用户的需求，缺 乏语义理解和关联。笔者试从语义网（Ｓｅｍａｎｔｉｃ Ｗｅｂ）技术条件下构建了基于本体的民族文献语义检索模 型．并通过七步法设计了民族文献的关键本体，为民族文献信息资源数字化建设提供借鉴。 关键词：民族文献；语义检索；本体 中图分类号：Ｇ２５６ 文献标识码：Ａ 文章编号：１００２－１２４８（２０１７）０８－００５６－０３ Ｒｅｓｅ，ａｒ￣ｈ ｏｎ Ｓｅｍａｎｔｉｃ Ｒｏｌｒｉｅｖａｌ Ｍｏｄｅｌ ａｎｄＫｅｙ Ｏｎｔｏｌｏｇｙ Ｃｏｎｓｌｚｕｃ￣ｏｎ ｏｆＥｔｈｎｉｃ Ｌｉｔｃａ＇ａｔｔｍ） ＬＩＡＯＷｅｎｇｕｏ ，ＬＩＡＯＧｕａｎｇｐｉｎｇ２ （１．Ｌｉｂｒａｒｙ，ＡＢＡ Ｔｅａｃｈｅｒｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｉｅｈｕａｎ Ｗｅｎｃｈｕａｎ ６２３００２，Ｃｈｉｎａ； ２．Ｃｏｌｌｅｇｅ ｏｆＲｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，ＡＢＡ Ｔｅａｃｈｅｒｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｉｃｈｕａｎ Ｗｅｎｃｈｕａｎ ６２３００２，Ｃｈｉｎａ） Ａｂｓｍ￣Ａｔｐｒｅｓｅｎｔ，ｔｈｅ ｃｏｎｓｔｒｕｃｔｉｏｎｏｆｅｔｈｎｉｃｌｉｔｅｒａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｒｅ，ｓｏｕｒｅｏｉｓｍａｉｎｌｙｂａｓｅｄｏｎｔｈｅｔｒａｄｉｔｉｏｎａｌｔｅｘｔａｎｄ ｋｅｙ＿ ｗｏｒｄ ｒｅｔｒｉｅｖａｌｔｅｃｈｎｏｌｏｇｙ，ｗｈｉｃｈ ｃａｎｎｏｔａｃｃｕｒａｔｅｌｙｕｎｄｅｒｓｔａｎｄｔｈｅｎｅｅｄｓｏｆｕｓｅｒｓａｎｄ ｌａｃｋ ｓｅｍａｎｔｉｃｕｎｄｅｒｓｔａｎｄｉｎｇ ｎｄ ｒａｅｌｅｖａｎｃｅ．Ｆｒｏｍ ｔｈｅ ｔｅｃｈｎｉｃａｌ ｃｏｎｄｉｔｉｏｎｓ ｏｆ Ｓｅｍａｎｔｉｃ Ｗｅｂ，ｔｈｉｓ ｐａｐｅｒ ｂｕｉｌｔ ｔｈｅ￣ｌｎｉｃ ｌｉｔｅｒａｔｕｒｅ ｓｅｍａｎｔｉｃ ｒｅ－ ｔｒｉｅｖａｌｍｏｄｅｌｂａｓｅｄｏｎｏｎｔｏｌｏｇｙ，ａｎｄｄｅｓｉｇｎｅｄｔｈｅｋｅｙｏｎｔｏｌｏｇｙｏｆｅｔｈｎｉｃ ｌｉｔｅｒａｔｕｒｅｂｙ ｓｅｖｅｎ ｓｔｅｐｓｔＯｐｒｏｖｉｄｅ ｒｅｆｅｒ－ ｅｎｃｅｆｏｒｔｈｅ ｃｏｎｓｔｒｕｃｔｉｏｎｏｆａｉ￣ｉｆｏｒｎｍａｔｉｏｎｒｅ￥Ｏ１２ｅＣｏｆｅｔｒｈｎｉｃｌｉｅｔｒａｔｕｒｅ． Ｋｅｙｗｏｒｄｓ：ｅｔｈｎｉｃｌｉｔｅｒａｔｕｒｅ；ｓｅｍａｎｔｉｃ ｒｅｔｒｉｅｖａｌ；ｏｎｔｏｌｏｇｙ ２０１２年《少数民族事业“十二五”规划》明确指 出，全面开展民族地区公共文化产品与服务建设．大 力扶持民族文化资源产品的开发，逐步加深少数民族 层次结构，实现知识交流与管理、知识共享与重用， 是语义网（Ｓｅｍａｎｔｉｃ Ｗｅｂ）技术条件下民族文献信息资 源数字化建设的重要方向。 资源的信息化建设范围及深度，强化民族信息资源的 宣传力度，加强少数民族语言、文字等规范化信息化 建设【ｌ】。在国家重视民族文化的保护和传承的大背景 下。以民族资源数据库、特色数据库或网站为主的文 化信息平台逐步建立。但是，传统的特色数据库或网 站建设．是基于文本和关键字的通用检索技术来进行 信息组织和检索，仅仅关注检索词本身，最大的问题 是不能够准确理解用户的需求，缺乏语义理解和关联， 不能根据用户的查询，进行查询扩展。构建民族文献 语义检索模型。借助本体有效表达语义模型和概念的 收稿日期：２０１７－０４－０５ １民族文献语义检索模型 民族文献语义检索模型（如图１）主要分为两个部 分：信息或资源的组织和检索。由专家构建领域本体， 通过对文本文档、Ｗｅｂ和数据库等各种数据信息收集， 进行语义标注和索引．得到文档元数据库和语义索引 库。系统对用户的查询进行获取和查询扩展处理，查 询提问与本体库的概念进行语义匹配，转换为语义查 询语言，查询语义索引库。按检索结果排序算法，返 回给用户。 基金项目：阿坝师范学院重点科研项目“基于语义网技术的藏羌民族文献信息资源体系建设” ｉ目编号：ＡＳＡ１６．Ｏ７）；四川省教育厅科研项目 “基于语义网技术的藏羌民族文献信息资源体系建设”（项目编号：１７ＺＢ０００１） 作者简介：廖文果（１９８２一），男，硕士，助理研究员，研究方向：信息组织与信息检索、语义检索、本体技术、教学管理。廖光萍（１９８４一），女， 硕士，副教授，研究方向：地理信息系统、旅游信息系统、教学管理。 第８期 廖文果等：民族文献语义检索模型及关键本体构建研究 １．４查询扩展 基于本体的查询扩展可以提高 查询的效率．即将初始查询有关的 词语或者语义概念．添加到初始查 询当中，从而创建一个新的查询的 过程。本体中概念与概念之间依据 －一一－ 关联程度进行量化，得到的理化结 果可作为查询扩展的依据和参考． 从而实现领域本体语义扩展查询。 用户查询语句通过客户端．提交检 索服务器，服务器对查询语句进行 语义对比分析，获取关键词，然后 根据优化参数进行优化扩展查询． 与本体库中的信息进行比对．计算 相似度，设置相似度阈值，对结果 图１语义检索模型 进行相似度排序。 １．１信息的搜集 搜集Ｗｅｂ、文本文档、数据库等各种信息源是构 ２民族文献本体的构建 ２．１本体知识 建语义检索的基础。其中对Ｗｅｂ信息搜集是重点和难 点。一般通过网络爬虫等技术和工具搜集网络信息。 语义检索一般都是面向某个专业领域，可选择专业图 书馆、专业数据库或具有较高权威性的专业网站做为 专业信息源，这样能降低搜集的难度，同时提高专指 在语义检索模型中，本体是解决资源共享和交换 的关键。在哲学中，本体论是形而上学的一个分支，研究 存在的实质，即什么是最一般意义上真实存在的，以及如 何表述它们。计算机领域延用本体并赋予新的技术内 涵。本体（Ｏｎｔｏｌｏｇｙ）有多种定义，比较有影响力并被 Ｗ３Ｃ采用的是１９９８年Ｓｔｕｄｅｒ提出的“本体共享概念模 型的明确的形式化规范说明”【３］。本体具有较强的表达 度，根据宽度、深度优先和启发式的信息获取算法 在Ｗｅｂ上循环收集信息［２１。 １．２领域本体的构建 原始信息的收集、元数据的提取、用户的检索和 输出都离不开领域本体。民族文献领域本体是有关理 论与研究领域范围内的特定知识，其特定的知识范围 通力，不仅能描述文献的内容特征。还能表达概念间 的相互关系，提供了对特定领域知识的共同理解．减 少概念和术语间的歧义，最终达到共享的目的 。 决定了必须在领域专家的协助下才能构建有效合理的 本体。 １．３元数据提取 ２｜２民族文献关键本体的构建 目前比较领域本体构建方法主要有骨架法、企业 建模法、七步法和基于叙词表的本体构建方法等几种。 笔者以斯坦福大学开发的七步法方法为基础，根据民族 文献资源本体构建的需要，提出一种较为简单的本体构 建方法ＩＳ］： （１）确定本体的专业领域和范畴，明确构 建本体的专业领域和目的，能回答用户什么样的提问： 传统信息检索通过索引器来提取索引信息，建立 索引数据库。索引信息揭示了文档的题名、关键词、 作者等内部信息。索引项的具体内容主要通过贝叶斯 和概念统计等技术和方法来获取。基于语义的信息检 索系统则根据所建立的领域本体，有目的的从原始信息 中抽取其特征信息。二者的原始信息的加工处理方式 （２）复用现有本体，缩短开发周期和降低开发成本： （３）尽可能列出本体中的重要术语； （４）定义类和类 的层次关系，根据实际选择自底向上法或自顶向下法。 不同。传统信息检索的索引信息只关注描述原始文档 内容，不能反映文档在整个文档集的作用和地位，不 能反映文档之间的关联信息。而语义检索模型中的文 自底向上法，从最小的类开始，逐步综合到更大的上 位类，而自顶向下法，从顶层概念开始，向下细化，实 际使用中，有可能综合使用两种方法； （５）定义类的 档元数据是按照领域本体的结构进行组织安排的，除反 映文档的内容信息外。还反映了该文档之间的关联信 息，如上下位关系、相似关系、等同关系。 属性，可以借鉴第三步的术语，定义类的内部和外部属 性，分别表示类的内在属性和外部关联特征。外在属 农业图书情报学刊：嘲络技术 第２－卷 性可以确定类概念问的相互关 系，继承，传递等关系； （６） 定义属性分面．确定取值范围、 取值类型和取值个数等； （７） 创建实例，针对创建的类来构 建与之对应的一个实例，且要 添加该类的属性值。 民族文献语义检索模型构 建应关注文献（Ｌｉｔｅｒａｔｕｒｅ１、作者 （Ａｕｔｈｏｒ）、文献源（Ｌｉｔｅｒａｔｕｒｅ ｓｏｕｒｃｅ）、语种（１ａｎｇｕａｇｅ）、民族 （ｎａｔｉｏｎａｌｉｔｙ）等重要的概念实体。 概念实体代表和定义不同的类． 每个实体可以定义各自的属性。 概念与概念之间通过相应属性 相互关联起来。比如，Ｉｓ Ｐｕｂ． 图２民族文献关键本体 １ｉｓｈｅｄ描述了文献与文献源之间 的出版关系，其定义域是文献类，值域是文献源类。 于语义层面的检索，关键还在于概念及其概念之间关 引用Ｉｓ Ｃｉｔｅｄ等属性的定义域和值域都是文献类．它描 系的推理。下一步工作将使用本体工具实现民族文献 述了论文与论文之间相互引用的关系；对象属性Ｈａｓ 的关键本体，并使用Ｊｅｎａ推理机，建立能真实表现概 Ａｕｔｈｏｒ定义域为Ａｕｔｈｏｒ类，值域为Ｌｉｔｅｒａｔｕｒｅ类，它描述 念之间关系的规则，实现系统的语义理解，从而检索 了作者与文献之间的关系。Ｈａｓ ｌａｎｇｕａｇｅ代表了文献与 出满足用户需求的信息阎。 著录语种的关系，定义域为Ｌｉｔｅｒａｔｕｒｅ，值域为Ｌａｎ． ｇｕａｇｅ。Ｈａｓ ｎａｔｉｏｎａｌｉｔｙ描述了作者与民族的关系，定义 参考文献： 域为Ａｕｔｈｏｒ，值域为ｎａｔｉｏｎａｌｉｔｙ。每一个实体或类都有 ［１］关于印发少数民族事业“十二五”规划的通知【国办发 自己的属性。如文献Ｌｉｔｅｒａｔｕｒｅ属性有题名、摘要、文 （２０１ ２）３８号］［ＥＢ／ＯＬ】．［】．ｈｔｔｐ：／０ｙｋｊｓ．ｓｅａｃ．ｇｏｖ．ｃｒｄａｒｔ／２０１４／１ １／２７／ａｒｔ＿３３６７ 献类型、关键字和分类号等。通过检索属性来反映文 －２２００５３．ｈｔｍ１． 献的内容特征，通过检索关联属性揭示实体或类间语 【２］张志浩．基于本体论的语义检索研究【Ｄ】．西安：西安电子科技大学， 义关联。比如用户通过检索文献可以了解到，同引和 ２Ｏ０７． 同被引可以通过文献的引用和被引用情况推理出来． 【３】Ｓｔｕｄｅｒ Ｒ，Ｂｅｎｊ ａｍｉｎｓ Ｖ Ｒ ａｎｄ Ｆｅｎｓ ｅ ｌ Ｄ．Ｋｎｏｗｌ ｅｄｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ， 检索语言和民族。可以了解文献的语种特征和作者的 Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ Ｍｅｔｈｏｄｓ【Ｊ１．Ｄａｔａ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ，１９９８，２５ 民族特征。民族文献领域关键本体如图２所示。 （１－２）：１６１—１９７． ［４】袁辉，李延香．一种基于Ｏｎｔｏｌｏｇｙ的文献领域语义检索机制的实现 ３结语 【ＪＩ．自动化技术与应用，２０１３，（５）：１７－２０． 通过语义网和本体技术，构建了基于本体的民族 ［５］毛玉才．基于语义网技术的语义检索系统模型研究【Ｄ】．哈尔滨：黑龙 文献语义检索模型，并通过七步法设计了民族文献的 江大学，２００８． 关键本体。基于本体的文献领域语义检索系统，是关
