語(yǔ)義搜索引擎概念模型

1、2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 1語(yǔ)義搜索引擎概念模型張?bào)w首，蔡明江南大學(xué) 信息工程學(xué)院，江蘇無(wú)錫214122摘 要：語(yǔ)義搜索引擎作為未來(lái)的萬(wàn)維網(wǎng)搜索引擎，將不僅僅基于關(guān)鍵詞檢索，而是能夠理解 We頁(yè)面的內(nèi)容，并進(jìn)行邏輯推理來(lái)完成復(fù)雜的查詢?nèi)蝿?wù)，最終返回精確的結(jié)果。對(duì)語(yǔ)義We 和搜索引擎技術(shù)進(jìn)行了簡(jiǎn)要介紹，提出一種語(yǔ)義搜索引擎概念模型，并對(duì)其構(gòu)成模塊及模塊間的互操作進(jìn)行了描述，最后對(duì)概念模型具體實(shí)現(xiàn)上的關(guān)鍵技術(shù)進(jìn)行了簡(jiǎn)要說(shuō)明。關(guān)鍵詞：語(yǔ)義 We 本體；元數(shù)據(jù)；搜索引擎；推理機(jī)中圖分類號(hào)：TP 3 9 3 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000 18(2 0 07341703-A

2、ConcepM cuckeFloiEremanSteiac rEonhgineZHANTG i-s C AM i ngSchodtlnfornTae tc ihnnoSl ougtyff enigltn e veWs x2i ly41 C2,i)naAbst r AcsttheutureecilgiintehWor WddW ebS emanSte iaciEcn g iwnieri Obtebasmdreo lnyy keywOnrde±,aa l uoder thmedn Ofontoent hve elpagandaror uylt og ir cealsoonni h gm

3、t perf c crmip S e a qoutertiteesn tuhaccu rat dTletcsh. n o ISoegmyaiWte iba n dea lEcng ianree introcAu sc emd a ns tea cie cn g c io ece jmO ldaalhd tcsomponae mptr sesefitnd，ndntero)cftion th c omponaeraet sOvTephnd fiongpy leme a r a etsi c nii b e aet fast.Keywo： r demaWebonto Inoe gt y; dsaet

4、aae n Igi inne f e reenngci ene1引言第二層是 XML+NS + xml,s用于表示數(shù)據(jù)2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #WWW自產(chǎn)生起已經(jīng)取得了飛速的發(fā)展，Web 頁(yè)面每天爆炸式地增長(zhǎng)，用戶想找到需要的信息已經(jīng)變得相當(dāng)困難。當(dāng)前人們主要使用基于關(guān)鍵詞檢的內(nèi)容和結(jié)構(gòu)。第三層是 RDF+rdfs d提供語(yǔ)義模型用于 描述資源及其類型 。2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #索來(lái)完成查詢，雖然這種搜索引擎用在Inte上net第四層是 Onto IVogab，負(fù)責(zé)定義共享2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #2 0 0

5、年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #查找信息非常有效，并且變得越來(lái)越智能，但是計(jì)的知識(shí)，描述各種信息之間的語(yǔ)義關(guān)系，揭示信息2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #算機(jī)不理解 We頁(yè)面中詞語(yǔ)表達(dá)的語(yǔ)義及其相互本身和信息之間的語(yǔ)義2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #關(guān)系，特別當(dāng)遇到一詞多義和多詞同義時(shí)問(wèn)題將變 得更加復(fù)雜。語(yǔ)義Web技術(shù)的岀現(xiàn)使解決上面的問(wèn)題變得 很容易。它能使機(jī)器理解包含語(yǔ)義的文檔和數(shù)據(jù)，從而實(shí)現(xiàn)“精細(xì)、準(zhǔn)確和自動(dòng)化”的搜索。2語(yǔ)義Web目關(guān)技術(shù)介紹2.1語(yǔ)義Web提岀及其體系結(jié)構(gòu)在XML20大會(huì)上提岀了語(yǔ)義Web體系結(jié) 構(gòu)，如圖1所示，

6、此體系結(jié)構(gòu)分為七層 。第一層是Unic和dLfeR I該層是整個(gè)語(yǔ)義 We的基礎(chǔ)，其中Unic處理資源的編碼 ，UR負(fù) 責(zé)標(biāo)識(shí)資源。收稿日期：2000-4第五層是 Log在下面四層的基礎(chǔ)上進(jìn)行邏 輯推理操作，產(chǎn)生規(guī)則，為智能服務(wù)提供基礎(chǔ)。第六層是 Pr o根據(jù)邏輯層產(chǎn)生的邏輯規(guī)則來(lái) 提供認(rèn)證機(jī)制，并結(jié)合Tru層的應(yīng)用機(jī)制來(lái)判斷TmwTProof1 -og i cOiitoL&gy vocabulaiyR DF4rd.rschcmaX kT L4N S+M&ilscheniaLlnL-JudeURLkii語(yǔ)買科已b休系結(jié)構(gòu)2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 22

7、0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #© 1994-2009 Ctiiria A.'Cademic Journal Eltcironic Publishing House. All rights reserved, htrp:;,nc1 7 3微電子學(xué)與計(jì)算機(jī)2 0 0年第2 4卷第3期詞兩種信息查詢途徑 詞或短語(yǔ)輸入查詢框中 擎就會(huì)根據(jù)輸入的提問(wèn)W w W給定證明的可信性。第七層是 Tr ,負(fù)責(zé)提供認(rèn)證和信任機(jī)制，以保護(hù)用戶代理 Age在網(wǎng)上進(jìn)行個(gè)性化服務(wù)和彼此 間交互合作，建立信任關(guān)系。而貫穿于第三層至第六層的數(shù)字簽名被用來(lái)檢測(cè)文檔是否被篡改過(guò)，以證實(shí)其事實(shí)可

8、靠性。整個(gè)體系結(jié)構(gòu)中，XML本體和本體描述語(yǔ)言是語(yǔ)義 We的三大核心技術(shù) 。2.2本體在計(jì)算機(jī)界最著名并被引用得最為廣泛的定 義是，本體是概念模型的明確的規(guī)范說(shuō)明本體的實(shí)質(zhì)是把本體當(dāng)作是領(lǐng)域特定領(lǐng)域，或更廣的范圍)內(nèi)部的不同主體人、機(jī)器、軟件系統(tǒng)等)之間進(jìn)行交流 對(duì)寸話、互操作、共享等)的一種語(yǔ)義基礎(chǔ) ，即 由本體提供一種明確定義的共識(shí)。在語(yǔ)義 We中，本體處于核心的地位，通過(guò)對(duì)概念的嚴(yán)格定義和概念之間的關(guān)系來(lái)確定概念精 確含義，表示共同認(rèn)可的 、可共享的知識(shí)，是解決語(yǔ) 義層次上 Wei信息共享和交換的基礎(chǔ)。借助推理規(guī)則，語(yǔ)義We係統(tǒng)可以提供更強(qiáng)的推理能力。本體的類型有以下幾種：(1) 頂級(jí)本

9、體:描述的是最普通的概念及概念 之間的關(guān)系，如空間、時(shí)間、事件、行為等等，與具體 的應(yīng)用無(wú)關(guān)。 領(lǐng)域本體:描述的是特定領(lǐng)域中的概念及 概念之間的關(guān)系 。(3)任務(wù)本體:描述的是特定任務(wù)或行為中的 概念及概念之間的關(guān)系。應(yīng)用本體:描述的是依賴于特定領(lǐng)域和任 務(wù)的概念及概念之間的關(guān)系。3搜索引擎技術(shù)介紹搜索引擎是一種能夠通過(guò)Inte接受用戶的查詢指令，并向用戶提供符合其查詢要求的信息資 源網(wǎng)址的系統(tǒng)。一個(gè)搜索引擎從邏輯上由三個(gè)功能模塊：信息搜索；信息處理；信息查詢。信息搜索：也稱為信息采集 ，功能是在 Wei中 漫游，發(fā)現(xiàn)和搜索信息 。信息處理：功能是將信息搜索模塊搜集到的信 息進(jìn)行分類整理 ，采

10、用不同的索引技術(shù)建立索引數(shù) 據(jù)庫(kù)，同時(shí)也要對(duì)索引數(shù)據(jù)庫(kù)定時(shí)更新。信息查詢：每個(gè)搜索引擎都必須向用戶提供一 個(gè)良好的信息查詢界面，一般包括分類目錄及關(guān)鍵用戶只要把想要查找的關(guān)鍵，并按“搜索”按鈕，搜索引，在索引數(shù)據(jù)庫(kù)中查找相應(yīng)的詞語(yǔ)，并進(jìn)行必要的邏輯運(yùn)算，最后給出查詢的 命中結(jié)果均為超文本鏈接形式)用戶只要通過(guò)搜索引擎提供的鏈接，就可以立刻訪問(wèn)到相關(guān)信息4語(yǔ)義搜索引擎概念模型結(jié)合本體技術(shù)，提岀了一種應(yīng)用在語(yǔ)義Wei中的語(yǔ)義搜索引擎概念模型，如圖2所示。壺引程! 丁;”f握示梅索結(jié)采1信息杳訓(xùn)捽面1JJ秤T個(gè)杏拘詒句1 r I jll-i .索圖z語(yǔ)義捜索41模製整個(gè)模型從搜索引擎的功能角度來(lái)劃分

11、，分成四大模塊：推理機(jī)，信息查詢模塊，本體服務(wù)器模 塊，信息收集與處理模塊 。4.睢理機(jī)推理機(jī)是由一組具有推理策略的程序組成的 推理系統(tǒng)。推理機(jī)是語(yǔ)義搜索引擎的核心模塊之 一，也是區(qū)別于現(xiàn)今基于關(guān)鍵詞檢索搜索引擎的關(guān) 鍵模塊。常見的推理機(jī)有面向低層次的、通用的Jess和針對(duì)具體本體語(yǔ)言的推理機(jī)，如Rac,(FiaGT KAONel和eTtei推理機(jī)等。JeJ sayEaxp,eSfhte l 瓦 s /是 基于 Ja 語(yǔ)a 言的 CLI lePomm b I l推理機(jī)，JeQ9I )1理 機(jī)是開放的，用戶提供不同的規(guī)則系統(tǒng)，就可以進(jìn)行不同領(lǐng)域的推理工作，用戶可以對(duì)推理機(jī)的推理能力進(jìn)行擴(kuò)展。但作

12、為前向推理系統(tǒng)，Je S空間換時(shí)間，推理會(huì)產(chǎn)生大量的中間數(shù)據(jù)，空間效率很低；同時(shí)，由于Je (CLI)S是通用推理引擎，不可能提供針對(duì)各種具體領(lǐng)域的優(yōu)化能力，使得這種推理機(jī)制的效率很難優(yōu)化。Rac,(FaCKAON,Pel等是針對(duì)本體的推 理。它們具有效率高，使用方便的優(yōu)點(diǎn)，但不具有通 用性，其推理能力限定在幾種具體的本體語(yǔ)言如OWLDAMJKDFS/R上F而且用戶很難對(duì)它進(jìn) 行擴(kuò)展，這些推理機(jī)采用描述邏輯作為理論基礎(chǔ)，1 7 4微電子學(xué)與計(jì)算機(jī)2 0 0年第2 4卷第3期1 7 #微電子學(xué)與計(jì)算機(jī)2 0 0年第2 4卷第3期cadeinic Journal Eltcironic Publis

13、hing Hou&c2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 5算法采用 Tabl算法目而Je是面向語(yǔ)義 We的 應(yīng)用開發(fā)包，包含的內(nèi)容比較全面，推理機(jī)只是其中一部分；Jei提/共的推理機(jī)也是針對(duì)本體的推 理，本質(zhì)上是一種 CLI配本體領(lǐng)域產(chǎn)生式規(guī)則的 前向推理系統(tǒng)，因此，運(yùn)行效率不是很高 。好在現(xiàn)在 有DI接口，DI有點(diǎn)像數(shù)據(jù)庫(kù)中的 ODE,（允許前 端掛接到后臺(tái)不同的推理引擎上。這樣，在J e中3也可以使用 RACEIFaCJTAON和Pel這些更 '專業(yè)些的推理機(jī)。在本模型中，推理機(jī)就是針對(duì)本體的推理，首先接受上一層的查詢語(yǔ)句，然后根據(jù)推理規(guī)則結(jié)合本體服務(wù)器中的

14、相關(guān)本體完成推理任務(wù)，輸岀若干精確的檢索語(yǔ)句 。4.2信息查詢模塊信息查詢模塊細(xì)分為查詢處理模塊和查詢顯 示模塊。查詢處理模塊：用戶首先進(jìn)入搜索引擎的Web頁(yè)面即信息查詢界面，輸入查詢語(yǔ)句，并設(shè)置查詢條件，其中查詢條件的設(shè)置主要用于解決一詞多義 的問(wèn)題，即當(dāng)用戶只輸入一個(gè)多義詞時(shí)，還需要在查詢?cè)O(shè)置條件中設(shè)置詞語(yǔ)的相關(guān)領(lǐng)域，例如用戶輸入一個(gè)“進(jìn)程”，然后在查詢條件中設(shè)置領(lǐng)域?yàn)橛?jì)算 機(jī)，這樣在下一步的查詢分析中計(jì)算機(jī)就可以分析 出用戶是想查找在計(jì)算機(jī)領(lǐng)域中“進(jìn)程”這個(gè)詞的相關(guān)知識(shí)。當(dāng)然可以直接輸入“計(jì)算機(jī)進(jìn)程”而不需 要設(shè)置查詢領(lǐng)域 。接下來(lái)的查詢分析處理中主要完 成對(duì)查詢語(yǔ)句的處理 ，查詢分析中

15、包括常用的分詞 系統(tǒng)、語(yǔ)法分析、句法分析、格式轉(zhuǎn)換等功能模塊，經(jīng)過(guò)這些功能模塊的一一處理，最后得到若干個(gè)精確的查詢語(yǔ)句。其中格式轉(zhuǎn)換主要是把易于人類理 解的非形式化的查詢語(yǔ)句轉(zhuǎn)換成推理機(jī)可以理解 的形式化的語(yǔ)法格式 ，比如用OWL QLOWLQuer lang ）表示的查詢語(yǔ)句。查詢顯示模塊：首先從上一層得到查詢語(yǔ)句 ， 然后利用推理機(jī)結(jié)合本體服務(wù)器進(jìn)行語(yǔ)義推理，得到精確的檢索語(yǔ)句 。舉簡(jiǎn)單例子，用戶輸入關(guān)鍵字 為“電腦”，推理機(jī)就可以推理岀所有和“電腦”意義相近的詞匯，像“計(jì)算機(jī)”、“微機(jī)”、“筆記本”等等， 這只是一種很簡(jiǎn)單的同義詞推理，而當(dāng)用戶輸入復(fù)雜的查詢語(yǔ)句時(shí)，推理機(jī)將會(huì)結(jié)合使用多條

16、推理規(guī) 則，完成復(fù)雜的推理工作。通過(guò)推理最終得到多個(gè)精確的檢索語(yǔ)句 比如RDEE元組形式的語(yǔ)句 ），接 著使用這些檢索語(yǔ)句在索引數(shù)據(jù)庫(kù)中進(jìn)行檢索，得到檢索結(jié)果，再按照一定的排序算法對(duì)結(jié)果進(jìn)行優(yōu)先排序，最后把排序結(jié)果顯示在We頁(yè)面上。4.3本體服務(wù)器模塊本體服務(wù)器模塊是整個(gè)語(yǔ)義搜索引擎的核心 部分，如圖3所示。本體服務(wù)器從內(nèi)部功能的角度 分為三層：本體訪問(wèn)層、本體表示層和信息集成層。本體訪問(wèn)層負(fù)責(zé)處理本體的使用問(wèn)題，包括處理來(lái)自外部的本體檢索、編輯和查詢等請(qǐng)求 ，這種請(qǐng)求一般通過(guò)本體查詢語(yǔ)言表示出來(lái)；模塊中的本體查詢將在本體表示層的支持下解釋執(zhí)行本體查詢語(yǔ) 句；本體表示層負(fù)責(zé)本體的存儲(chǔ)問(wèn)題，包括

17、提供集中的索引和查詢輔助機(jī)制，本體庫(kù)中的本體語(yǔ)句使用標(biāo)準(zhǔn)的本體語(yǔ)言 如OWL存儲(chǔ)。信息集成層負(fù)責(zé) 本體的獲取問(wèn)題，其本體學(xué)習(xí)模塊可以通過(guò)處理來(lái) 自異構(gòu)數(shù)據(jù)源的各種數(shù)據(jù)形成系統(tǒng)內(nèi)部的本體，本體映射模塊可以將系統(tǒng)以外的各種格式的本體庫(kù) 中的信息轉(zhuǎn)換成系統(tǒng)內(nèi)部使用的格式，本體標(biāo)注模塊主要負(fù)責(zé)提供一個(gè)進(jìn)行語(yǔ)義標(biāo)注的接口。圖呂本體慶務(wù)黑揆垠為了重用本體服務(wù)器之外已經(jīng)建立起來(lái)的本 體庫(kù)，服務(wù)器還需要與一些已有本體庫(kù)系統(tǒng)進(jìn)行交 互，這是通過(guò)本體訪問(wèn)層的本體編輯器和信息集成 層的本體映射模塊來(lái)實(shí)現(xiàn)的；它們實(shí)現(xiàn)了不同格式本體之間的轉(zhuǎn)換與不完全）映射。在整個(gè)模塊體系中，信息集成層為本體表示層提供信息集成的結(jié)果如O

18、WI形式的本體）；本體表示層實(shí)現(xiàn)統(tǒng)一的本 體存儲(chǔ)服務(wù)，同時(shí)還在本體推理機(jī)的支持下進(jìn)行本 體的一致性檢查等必要的本體維護(hù)工作；本體表示層向本體訪問(wèn)層提供數(shù)據(jù)源支持，通過(guò)本體訪問(wèn)層提供的接口實(shí)現(xiàn)對(duì)其訪問(wèn)的支持。4.4言息收集與處理模塊本模塊主要完成對(duì)We頁(yè)面的收集、標(biāo)注和索引，并最終得到元數(shù)據(jù)索引數(shù)據(jù)庫(kù)。首先在信息采集模塊中，利用一定的搜索策略進(jìn)行原始數(shù)據(jù)的采 集，例如可以使用一些抓取程序（Spi、（Reofb等）來(lái)獲取最原始的We頁(yè)面，這些 We頁(yè)面中包括下轉(zhuǎn)第17頁(yè)）2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #2 0 0年第2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #Journal Li

19、e ci tonic Puhi i ailing Hous2 0 0年第 2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 72 0 0年第 2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #1.1-1i.<i 紀(jì)11 沾！?1111 200MHz,空比時(shí)鉀輸.入5Dj參考文獻(xiàn):1LerFH,Donri(K1S1, HoJ TC,e alA 2 del a y lde3cbfpDarri18Mb5 (rtMega J IEE iol S daCtierc U99 s (1 ) 15OM0SjDtReAMs4 9廠142JuriYgJ ,Le SW, ShinSDe talLojitdtueai'loo

20、p DLLusinmigltVf£D Lws i 血 du teccloerrect I3JEE EolSti aCtiercUD03 ,5), 7 8 4791 anJgiNiAMHori g nPeARKA ri ald g CMOSi tcchaepdacciitrocrifirt EEEElectLreotnt er, 0 3 (1 ) 1 0 0 8一1009emoAu. Higpherformmtne: gC MO Sdequeri cyt ooltcaognever Me c fAs.le(b9(r8iI (CJM.s, '9 P.roceedfi hTgesn

21、 rtriterriCrtifri orince 14 6De cl,9 9 6 36 66L7JrsPAn216CMHzCMOSslocecoPLiLy tlhoWA teapab i卩EyiSolS daCiercuits, 9 3 (1 2, 19 5 119 6 0o D gC, Borr iGq Hod g D A, e talDesicgfriLLb-as(edoglrier(atri©iriIEEEJlSd teirc1i983 (2), 25526 1C:8楊錦文,馮全源.基于嵌入式密勒補(bǔ)償技術(shù)的器設(shè)計(jì)J微電子學(xué)與計(jì)算機(jī) ，2 0 0 2 3（3）, 198一200L

22、D（放 大6 9Joh3nMarieaM airSl$HorowPi rtezadi es lg y nera tiuisicrigupOedil ljirtEblilSolSd aCt ier rteU.i It% 9 2 ,1 2, 12 7 312 8 2作者簡(jiǎn)介： t張煒華1男，（19 8 ）1碩士研究生 arig 15 t-o8）%fcmrulphap plic aMI E s 成電路設(shè)計(jì)utcyycclorreteitri oU itahdutcy 廠 c do rrec研究方向?yàn)槌笠?guī)模集2 0 0年第 2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #研究方向?yàn)槲㈦娮悠骷顲TRANEL

23、ECTRO汎0 0 54Karthi lSe(yaoiGdkit(yyc kelju tetieteUoi姚若河 男，（19 6 ）1,博士，教授 理及專用集成電路設(shè)計(jì)2 0 0年第 2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 #2 0 0年第 2 4卷第3期微電子學(xué)與計(jì)算機(jī)1 7 8!上接第17頁(yè)）未標(biāo)注的HTM頁(yè)面和已經(jīng)標(biāo)注的XMI頁(yè)面，對(duì)于沒有標(biāo)注的部分，要通過(guò)本體標(biāo)注模塊結(jié)合本體 服務(wù)器的本體標(biāo)注接口來(lái)完成標(biāo)注，然后，索引程序采用某種索引算法對(duì)標(biāo)注過(guò)的包含元數(shù)據(jù)的文 檔進(jìn)行索引，從而建立索引數(shù)據(jù)庫(kù)。要說(shuō)明一點(diǎn)的是,對(duì)于未來(lái)語(yǔ)義Web勺標(biāo)注工作，最簡(jiǎn)單也最可能的方法就是由We頁(yè)面創(chuàng)建者自己來(lái)完成，Web頁(yè)面創(chuàng)建者利用方便、快捷的頁(yè)面標(biāo)注工具快速完 成自己的 Wei頁(yè)面標(biāo)注工作。5技術(shù)實(shí)現(xiàn)整個(gè)模型在技術(shù)上的具體實(shí)現(xiàn)，可以采用基于Ja語(yǔ)