醫(yī)學(xué)文獻(xiàn)領(lǐng)域本體的構(gòu)建及其關(guān)鍵技術(shù)分析

1、本文以構(gòu)建醫(yī)學(xué)文獻(xiàn)領(lǐng)域本體模型為例，闡述了構(gòu)建醫(yī)學(xué)情報領(lǐng)域本體的基本方法、流程框 架和使用工具，并對本體構(gòu)建過程存在的幾個關(guān)鍵問題進(jìn)行了分析，為醫(yī)學(xué)情報領(lǐng)域本體的 建設(shè)進(jìn)行了可借鑒的嘗試。本體(ontology)源于哲學(xué)范疇，指的是客觀存在的一個系統(tǒng)的解釋和說明。1993年Gruber 為本體下了這樣的定義，即“本體是概念模型的明確的規(guī)范說明后來Studer等對前人的 定義進(jìn)行深入研究后給出了另一個定義:“本體是共享概念模型的明確形式化規(guī)范說明”。 雖然諸多學(xué)者對本體概念的定義描述到目前為止還沒有達(dá)成共識，但是這些概念都包涵了本 體的四個共性特征，即：概念化、明確、形式化和共享?！案拍罨敝傅?/p>

2、是通過抽象出客觀 世界中一些現(xiàn)象的相關(guān)概念而得到概述模型；“明確”指所使用的概念及使用這些概念的約 束都有明確的定義；“形式化”指本體是計算機可讀的(即能被計算機處理的)；“共享”指 本體中體現(xiàn)的是共同的認(rèn)可和知識，反映的是相關(guān)領(lǐng)域中公認(rèn)的概念集，即本體針對的是社 會范疇而非個體之間的共識。同時，N.Guarino提出將本體劃分為頂級本體(top-level ontology)、領(lǐng)域本體(domain ontology )、任務(wù)本體(task ontology)和應(yīng)用本體(application ontology )。領(lǐng)域本體是指描述 特定領(lǐng)域中的概念以及概念之間的關(guān)系，是用于描述指定領(lǐng)域知識

3、的一種專門本體。它給出 了領(lǐng)域?qū)嶓w概念及其相互關(guān)系，是領(lǐng)域話動以及該領(lǐng)域所具有特性和規(guī)律的一種形式化描述。一個領(lǐng)域本體包括一套關(guān)于某一領(lǐng)域概念的規(guī)范而清晰的描 述，稱為類(classes)或概念(Concepts)；描述了有關(guān)概念的各種特征的屬性(properties)和屬性 插件(slots)，還包括屬性插件的限制條件(restrictions)和分面(facets)，以及一系列與某個類相 關(guān)的實例(這些實例組成了一個知識庫)。類是本體的核心，它描述了某一領(lǐng)域的概念。屬性 插件描述了類的屬性和實例。目前，本體模型的研究已經(jīng)進(jìn)入了一個新階段,許多研究領(lǐng)域 都在建立自己標(biāo)準(zhǔn)的本體。1學(xué)科領(lǐng)域常用

4、本體構(gòu)建方法和建設(shè)工具1.1學(xué)科領(lǐng)域常用本體的構(gòu)建方法由于本體工程到目前為止仍處于探索階段，領(lǐng)域本體的 建設(shè)還處于探索期,構(gòu)建過程中存在著很多問題。中科院的李景博士在本體理論及在農(nóng)業(yè) 文獻(xiàn)檢索系統(tǒng)中的應(yīng)用研究-以花卉學(xué)本體建模為例中對目前常見的7種本體構(gòu)建方法的 成熟性進(jìn)行了排序，即七步法、METHONTOLOGY法 IDEFS TOVE法 骨架法 SENSUS法、KACTUS法。本文大部分過程借鑒了七步法的思路和流程。1.2學(xué)科領(lǐng)域本體常用建設(shè)工具到目前為止，已經(jīng)出現(xiàn)了許多本體建設(shè)工具。根據(jù)這些工 具所支持的本體描述語言，大致可以分為2類。第1類包括Ontolingua，OntoSaurus

5、，WebOnto 等。這3個工具的共同點是，都基于某種特定的語言，并在一定程度上支持多種基于AI的 本體描述語。第2類包括Protege系列、WebODE、OntoEdit、Oi1Ed等。這些工具最大的 特點是獨立于特定的語言，可以導(dǎo)入/導(dǎo)出多種基于Web的本體描述語言格式(如XML、 RDF(S)、DAML+OIL等)。它們都是基于組件的結(jié)構(gòu)，很容易通過添加新的模塊來提供更多 的功能，具有良好的可擴(kuò)展性。本文之所以選擇Protege作為構(gòu)建工具，是因為Protege與其他本體創(chuàng)建工具相比，有很多 其獨特的優(yōu)勢：Protege作為開源工具，目前擁有最多注冊用戶；不斷有新的版本推出； 可擴(kuò)展性好

6、；以多種方式存儲本體、互操作性強；圖形化的用戶界面，簡單友好； 支持DAML+OIL，OWL，RDF，RDFS等本體表示語言。正是這些優(yōu)點，使得Protege成 為各種領(lǐng)域本體構(gòu)建的首選工具。2.1醫(yī)學(xué)文獻(xiàn)領(lǐng)域本體的構(gòu)建規(guī)劃在真正開始構(gòu)建領(lǐng)域本體之前，要首先明確需求分析和 計劃制定階段主要幾個問題:在哪個領(lǐng)域構(gòu)建本體?在醫(yī)學(xué)文獻(xiàn)領(lǐng)域，主要側(cè)重圖書情報界 對醫(yī)學(xué)文獻(xiàn)的分類和處理。構(gòu)建本體的目的什么?從概念之間關(guān)聯(lián)的角度，深層次地揭示 領(lǐng)域的信息，實現(xiàn)該領(lǐng)域文獻(xiàn)集的基于知識結(jié)構(gòu)的導(dǎo)航。選擇什么樣的本體描述語言?采 用OWL描述該領(lǐng)域本體，標(biāo)注XML文檔。選擇什么樣的構(gòu)建工具?本體的構(gòu)建工具選擇 P

7、rotege作為本體創(chuàng)建工具。2.2醫(yī)學(xué)文獻(xiàn)領(lǐng)域本體的構(gòu)建過程2.2.1列出醫(yī)學(xué)文獻(xiàn)領(lǐng)域本體中的重要概念根據(jù)分類法、中圖法和我國數(shù)字圖書館標(biāo)準(zhǔn)與規(guī)范建設(shè)項目(CDLS)的相關(guān)標(biāo)準(zhǔn)，并且在請教解放軍醫(yī)學(xué)圖書館相關(guān)館員的基礎(chǔ)上， 確定了與“醫(yī)學(xué)文獻(xiàn)”最為相關(guān)的11個子概念，即：圖書、期刊、期刊論文、會議論文、 學(xué)位論文、科技成果、科技報告、專利文獻(xiàn)、標(biāo)準(zhǔn)、政府出版物、網(wǎng)絡(luò)資源。2.2.2確定類及其類之間的等級關(guān)系 上一步提取出來的“醫(yī)學(xué)文獻(xiàn)”的11個密切相關(guān)的子 概念，可以直接作為“醫(yī)學(xué)文獻(xiàn)”這個本體的頂層根類的11個子類，即醫(yī)學(xué)文獻(xiàn)為該本體 的頂層類，在其下根據(jù)文獻(xiàn)類型具體劃分為圖書、期刊等共1

8、1個子類。該本體的類和層次 關(guān)系的定義如圖1所示。安排好本體的類層次結(jié)構(gòu)之后，在Protege中創(chuàng)建類、子類非常方便明了。圖2是醫(yī)學(xué)文獻(xiàn) 類及其子類在Protege編輯器中的界面圖：圖2醫(yī)學(xué)文獻(xiàn)本體類定義界面圖2.2.3定義類的屬性及其子屬性屬性在類中是很重要的一個部分，它將一個概念與其他概 念和對象聯(lián)系起來，起到一定的知識聯(lián)通的作用。本文參照DC元數(shù)據(jù)的相關(guān)標(biāo)準(zhǔn)和借鑒了 CDLS的有關(guān)規(guī)范，對“醫(yī)學(xué)文獻(xiàn)”類及其下11 個子類，分別設(shè)置了如下主要屬性：醫(yī)學(xué)文獻(xiàn)的15個主要屬性 題名(Title)、創(chuàng)建者(Creator) 日期(Date)、主題(Subject)、出版者(Publisher)

9、類型(Type)、描述(Description)、 其他責(zé)任者(Contributo r)、格式(Format)、來源(Source)、權(quán)限(Rights)、標(biāo)識符(Identifier)、 語種(Language)、關(guān)聯(lián)(Relation)覆蓋范圍(Coverage)。根據(jù)DC元數(shù)據(jù)的相關(guān)規(guī)范，筆者 對于描述、日期、格式、關(guān)聯(lián)和覆蓋范圍5個屬性設(shè)置了相關(guān)的子屬性，具體如下：說明 (Description)屬性的子屬性：目 次(table of Contents)、摘要(abstract)；日期(Date)屬性的 子屬性：創(chuàng)建日期(created)、生效日期(valid)、可獲得日期(avai

10、lable)、發(fā)行日期(issued)、修 改日期(modified)接受日期(date Accepted)、賦予版權(quán)日期(date Copyrighted)、提交日期(date Submitted)；格式(Format)屬性的子屬性：范圍(extend)、媒體(medium)；關(guān)聯(lián)(Relation)屬性 的子屬性：版本繼承(is Version of)、版本關(guān)聯(lián)(hasVersion)、被替代(isReplacedBy)、替代 (replaces)、被需求(isRcquircdBy)、需求(r equires)、組成(isPartOf)、部分為(hasPart)、被參照 (isRefere

11、ncedBy)、參照(references)、格式轉(zhuǎn)換于(isFormatOf)、格式轉(zhuǎn)換為(hasFormat)、遵循 (conformsTo)；覆蓋范圍(Coverage屬性的子屬性：空間范圍(spatial)、時間范圍(temporal)。 根據(jù)Protege中類繼承性，“醫(yī)學(xué)文獻(xiàn)”的11個子類，自動繼承了 “醫(yī)學(xué)文獻(xiàn)”根類的 全部屬性，由于11個子類中某些文獻(xiàn)的特殊性，筆者也對應(yīng)增加了相應(yīng)屬性，比如，為“會 議論文”子類增加了 “會議”屬性，包括“會議論文集名稱、“會議日期”、“會議地點”和 “會議名稱”等子屬性；“標(biāo)準(zhǔn)”子類從“醫(yī)學(xué)文獻(xiàn)”根類繼承到的“其他責(zé)任者”屬性下 增加了 “批

12、準(zhǔn)機構(gòu)”子屬性，等等。圖3給出了 Protege工具編輯“醫(yī)學(xué)文獻(xiàn)”本體的界面。圖3 醫(yī)學(xué)文獻(xiàn)本體屬性及其分面定義界面圖2.2.4定義屬性的分面每一篇醫(yī)學(xué)文獻(xiàn)對應(yīng)文獻(xiàn)類型下的一個實例，其屬性值就是該文獻(xiàn)相應(yīng)的著錄和標(biāo)引項。利用“關(guān)聯(lián)”屬性還可以實現(xiàn)不同文獻(xiàn)之間的連接，例如某一“期刊 論文”實例可以“部分為(has Part)”某一 “期刊”實例；不同版本的圖書也可以通過“版本 繼承(is Version of)屬性來關(guān)聯(lián)。相對應(yīng)地，在Protege中，可以創(chuàng)建多種類型的屬性，包 括data type屬性、object屬性、annotation屬性，上述屬性又可以定義其Sub property屬

13、性。 根據(jù)屬性類別不同，對屬性的分面也不同，如“摘要”屬性，為object屬性，其所屬領(lǐng)域 (Domains)為“說明”，范圍(Range)為醫(yī)學(xué)文獻(xiàn)類中的某個類。annotation屬性必須要么是一 個數(shù)據(jù)字符串 (data11teral)或一個 URI 引用(URLreferenee)，要么是一個 individual。 rdfs:comment來規(guī)定屬性的顯示名稱和解釋屬性的含義。2.2.5創(chuàng)建實例 根據(jù)前面建好的類、屬性及其允許值，可在Individuals editor中添加具體 實例。創(chuàng)建實例時，首先輸入實例名稱，之后輸入實例所屬類定義的各個屬性值(圖4)。3醫(yī)學(xué)文獻(xiàn)本體構(gòu)建過程中

14、的幾個關(guān)鍵問題3.1本體關(guān)鍵概念抽取 目前來講，學(xué)科領(lǐng)域本體構(gòu)建時用到的核心概念的獲取有兩種方 式：通過知識挖掘技術(shù)從現(xiàn)有的學(xué)科數(shù)據(jù)庫中提取專業(yè)術(shù)語；將傳統(tǒng)的知識組織體系如 分類法和主題詞表轉(zhuǎn)換改造為初始核心本體。正是因為概念系統(tǒng)是領(lǐng)域本體的基礎(chǔ)，而分 類法/主題詞表也是分類概念和主題概念及關(guān)系的集合，其基本功能和領(lǐng)域本體具有一致性。 通過對“醫(yī)學(xué)文獻(xiàn)”本體的實際構(gòu)建，將傳統(tǒng)分類法/主題詞表中的分類概念和主題概念進(jìn) 行適當(dāng)改造,是獲得學(xué)科領(lǐng)域本體初始核心概念集的科學(xué)方法。3.2建立概念關(guān)聯(lián)通過本次實踐，構(gòu)建本體最難的是在其語義關(guān)系的定義上。它要求要 充分考慮各概念之間除了等級關(guān)系以外的，更多的

15、考慮概念之間的邏輯關(guān)系，包括其定義域、 值域、必要條件，充要條件等，這一點與面向?qū)ο缶幊逃行╊愃?。但由WL有限的建模 原語，所以必須仔細(xì)閱讀、認(rèn)真領(lǐng)會每個建模原語所能表達(dá)的邏輯含義。3.3 OWL的表達(dá)問題 OWL的表達(dá)能力OWL具有對屬性的取值范圍(all Values From, some Values From)以及取值個數(shù)(has Cardinality, min Cardinality, max Cardinality的 限制，而對取值 的限制不夠。目前OWL對屬性的取值限制只有一個hasValue，即某一屬性的值等于hasValue 所給出的值，而不能表達(dá)大于、大于等于、小于或小于等于。此外，與傳統(tǒng)分類法不同， OWL子類會繼承父類的所有屬性，在