基于Semantic Web的個性化網(wǎng)絡導航機制

基于SemanticWeb的個性化網(wǎng)絡導航機制

1網(wǎng)絡信息資源導航的現(xiàn)狀遍布全世界的主機和服務器，錯綜相聯(lián)的超媒體資源，這是互聯(lián)網(wǎng)為我們所構(gòu)建的一個巨大而豐富的電子信息空間。它無疑是現(xiàn)代社會最重要的信息獲取手段，但是它的開放性、分布性、無序性以及驚人的發(fā)展速度也為人們對信息資源的利用帶來了困難。正如在大海中行駛的船只需要導航系統(tǒng)確定方位一樣，要想在茫茫的信息海洋中有效獲取有用信息，也必須擁有便捷有效的信息導航技術。一般來說，www網(wǎng)絡中常用的信息導航方式有三種：一是利用門戶網(wǎng)站的分類索引；二是利用網(wǎng)絡搜索引擎；三是利用網(wǎng)站的相關鏈接。但是目前這三種信息導航方式的效果都不盡如人意。分類索引所覆蓋的網(wǎng)絡站點范圍太小，更新較慢，難以適應網(wǎng)絡的快速增長，而且分類標準的不統(tǒng)一和不規(guī)范常常影響到用戶對站點所屬的判斷，造成導航失敗。搜索引擎雖然是目前主要的網(wǎng)絡信息檢索工具，但是通過簡單的邏輯運算檢索到的結(jié)果往往是數(shù)量龐大且魚目龍雜，充斥著大量的無用和重復信息。網(wǎng)站的相關鏈接是指符合當前網(wǎng)站內(nèi)容主題的內(nèi)部和外部信息資源的超鏈接，這種導航方式雖然簡單直接，但是信息量非常有限，而且對外部信息的鏈接常常出現(xiàn)錯鏈和假鏈，即使是內(nèi)部信息，也常常因為組織和描述方式的影響，造成用戶的“資源迷向”。

用戶在信息空間中的“迷航”會使他們感到厭倦而喪失獲取信息的信心，分析其原因，主要包括以下幾個方面[1，2]：

(1)網(wǎng)絡的巨大信息量使人們必須依賴于自動化的處理技術。但是目前因特網(wǎng)的各個網(wǎng)端的技術支持環(huán)境比較復雜，信息資源的內(nèi)容范圍、組織結(jié)構(gòu)和存儲方式各不相同，呈現(xiàn)出分散、無序、變幻多端的特點，這使自動信息處理技術的應用困難重重。因此要提高信息導航的效率和質(zhì)量，必須先解決資源異構(gòu)的問題。

(2)網(wǎng)絡信息空間中的數(shù)據(jù)大多以半結(jié)構(gòu)化和非結(jié)構(gòu)化的形式存在，對信息資源的內(nèi)容缺乏形式化的語義描述，而且大部分資源間的鏈接也沒有反映語義關系，這使得機器很難對網(wǎng)絡信息空間進行深層次的理解和處理，對信息的自動導航也無法像人工操作那樣準確有效。

(3)目前的網(wǎng)絡導航系統(tǒng)缺乏個性化的信息服務。由于知識背景的差異和一詞多義等方面的原因，不同的網(wǎng)絡用戶之間、用戶與系統(tǒng)設計者之間對于問題和信息內(nèi)容可能會具有不同的理解與認識，當用戶按照自己的思路查找信息時，他所選擇的導航路徑可能是錯誤的或者低效的。因此信息導航必須考慮具體用戶的特殊性，有針對性地提供導航服務。

(4)網(wǎng)絡導航系統(tǒng)的設計缺乏規(guī)范。門戶網(wǎng)站各自依據(jù)不同的標準建立自身的分類導航系統(tǒng)，網(wǎng)站的劃分隨意性較大，常常引起用戶的困惑。一些著名的信息搜索引擎也各自采用不同的檢索規(guī)則，有些系統(tǒng)不能利用歷史信息或者不提供二次檢索，給用戶的使用帶來不便。另外，在網(wǎng)站內(nèi)部的導航系統(tǒng)設計上，也存在著導航結(jié)構(gòu)不合理，導航要素不完整，導航界面不統(tǒng)一等問題。這些都可能造成用戶的導航障礙。

由此可見，造成信息“迷航”問題的主要原因在于缺乏信息空間的合理組織和有效的導航機制，這也是第二代web網(wǎng)絡技術難以克服的困難。為此，人們正在研制第二代web網(wǎng)絡——SemanticWeb，它以結(jié)構(gòu)化信息表示為主，為網(wǎng)絡導航研究開辟了新天地。2SemanticWeb技術TimBernersLee在1998年提出了SemanticWeb的概念。2001年2月，W3C組織正式推出SemanticWebActivity，使網(wǎng)絡環(huán)境下的語義處理技術研究漸入佳境。SemanticWeb研究活動的目標是開發(fā)一系列可由計算機理解和處理的語義表示語言和技術，通過顯式的語義表示和領域本體將網(wǎng)絡信息空間編織成為一個巨大的機器可讀的知識網(wǎng)絡，以支持自動化的信息訪問和知識管理，實現(xiàn)高質(zhì)量的網(wǎng)絡信息服務。目前關于SemanticWeb的研究主要集中在網(wǎng)絡信息資源及其內(nèi)容的語義和語義關系表征，基于語義的數(shù)據(jù)自動分析、理解和處理，不同應用領域和系統(tǒng)間的數(shù)據(jù)自動交換、轉(zhuǎn)換和復用[3]。SemanticWeb雖然是現(xiàn)有web網(wǎng)絡的延續(xù)，但在信息導航方面具有許多普通web沒有的優(yōu)勢。SemanticWeb中的節(jié)點既可以代表物理頁面，也可以代表知識實體；SemanticWeb中網(wǎng)頁的內(nèi)容不但可以被人理解，而且可以被機器理解；SemafiticWeb中的鏈接不再是任意的，而是遵循一定的語義關系。通過SemanticWeb技術，可以改變現(xiàn)有網(wǎng)絡松散的數(shù)據(jù)結(jié)構(gòu)，將信息資源結(jié)構(gòu)化并賦予含義，使網(wǎng)絡信息的整合和自動處理都變得更加容易[4]。

2.1本體

所謂本體(Ontology)，實質(zhì)上是描述特定應用領域知識的公認的術語集。關于奉體的定義，比較著名的觀點是“本體是概念模型的一個顯式的規(guī)格說明”和“本體是共享概念的一個形式化的規(guī)格說明”，其中，“概念模型(Conceptualization)”是指通過對某個客觀現(xiàn)象的相關概念進行辨析和提取而獲得的關于該現(xiàn)象的抽象摸型；“顯式(Explicit)”是指對所使用的概念的類型，以及這些概念在應用上的約束都給予明確的說明；“形式化(Formal)”表示本體以計算機可讀的形式存在；“共享(Share)”表示本體中反映的是共同認可的知識”[5]。

本體通常表達為一組對象（概念）、關系、函數(shù)、定理和實例。本體中的對象類按照等級關系組織成基本的結(jié)構(gòu)體系。等級關系包括例化(is-a)關系、類屬(kind-of)關系和整部關系(part-of)。上層的對象類為父類，下層的對象類為子類。對象類具有各自的屬性，并可依據(jù)父子關系繼承。對屬性的取值對象、取值范圍、取值基數(shù)等都可以加以限制，還可以對屬性的交換性、對稱性、傳遞性、唯一性等進行定義。除了等級關系，本體中的對象類間還可以具有其他語義關系，形成語義網(wǎng)絡形式的概念模型。本體是機器自動推理和智能化高級信息服務的基礎，對網(wǎng)絡而言，一個簡單的本體的典型例子就是網(wǎng)絡的分類索引（如Yahoo！的分類目錄）。本體的應用對于提高網(wǎng)絡導航的精度和效率具有重要的意義[1，4)。

2.2RDF和RDFS

RDF是由W3C開發(fā)的元數(shù)據(jù)描述機制，其目的主要是為元數(shù)據(jù)在網(wǎng)絡上的編碼、交換和重用提供一個基礎。它允許在XML的基礎上以一種標準化的、互操作的方式對數(shù)據(jù)語義進行定義[4]，提供了一個描述web資源的數(shù)據(jù)模型。RDF包含描述資源的屬性和關系的聲明。資源是任何用URl(UniformResourceIdentifier)唯一標識的實體對象。資源具有屬性，屬性則具有一定的值，該值可能是簡單的字符串或數(shù)字，也可能是自身也具有屬性的其他資源。這樣，資源、資源屬性和屬性值構(gòu)成了RDF聲明中的三元關系模式，任何本體或描述性元數(shù)據(jù)都是這種三元關系模式的具體體現(xiàn)”[1，7]。

為了描述元數(shù)據(jù)元素間的復雜語義關系，W3C進一步定義了RDFS(RDFSchema)。它可以看成是一個本體定義語言，用來建立概念類體系結(jié)構(gòu)、屬性層次和類關系。3基于SemanticWeb的智能導航機制SemanticWeb的出現(xiàn)為網(wǎng)絡信息導航提供了新的研究思路，SemanticWeb技術是解決無序網(wǎng)絡空間中“迷航”問題的關鍵技術?；赟emanticWeb的智能導航是一種以結(jié)構(gòu)化、語義化的概念知識網(wǎng)絡為基礎，自動形成個性化導航結(jié)構(gòu)的方法。它分為兩個方面，一是基于SemanticWeb的信息組織，即利用參考本體對各信息源進行語義描述和整合；二是基于SemanticWeb的個性化導航結(jié)構(gòu)模型的構(gòu)建，即在有序語義組織的基礎上，構(gòu)造用戶語義模型，并據(jù)此建立導航結(jié)構(gòu)。圖1顯示了基于SemanticWeb的智能導航機制的概念結(jié)構(gòu)[8]。

3.1基于SemanticWeb的信息組織

基于SemanticWeb的信息組織的基本思想是，將來自于多個異構(gòu)信息源中的數(shù)據(jù)整合到一個語義統(tǒng)一的參考本體中。參考本體是通過分析領域中的各個信息資源集合，提取公共概念、屬性和關系而構(gòu)建的本體，它為所有信息資源提供統(tǒng)一的概念集合和通用語義。

信息整合的方法是先分別將各個信息源中的數(shù)據(jù)轉(zhuǎn)換為通用的數(shù)據(jù)模型，然后建立各個數(shù)據(jù)模型和參考本體之間的映射關系。網(wǎng)絡中的信息源具有各種各樣的數(shù)據(jù)格式，其中大部分是HTML頁面，有的包含表格和列表。另外還有XML文檔、RDF文檔以及關系數(shù)據(jù)庫文檔等。為了解決分布式異構(gòu)信息源的語法相異問題，需要將數(shù)據(jù)轉(zhuǎn)換為公用的數(shù)據(jù)模型格式，例如RDF。對于非RDF格式的信息數(shù)據(jù)，可以利用外覆包(wrapper)技術將其自動地轉(zhuǎn)換為基于RDF的數(shù)據(jù)模型。外覆包對特定格式的數(shù)據(jù)文檔進行解析，并采用RDF聲明對其內(nèi)容進行標注。下面是三種常用的外覆包：

(1)HTML外覆包。由于HTML頁面屬于半結(jié)構(gòu)化的信息數(shù)據(jù)，因此HTML外覆包采用的是半指導性的標注方法。即預先手工標注一組HTML頁面，然后對新的HTML頁面進行結(jié)構(gòu)分析，將新頁面與標注頁面進行比較，從中提取相關信息。HTML外覆包還可以處理異構(gòu)的XML文件[1]。

(2)XML外覆包。根據(jù)DTD和Schema所定義的XML文檔的內(nèi)容結(jié)構(gòu)和內(nèi)容元素，建立概念集與DTDSchema之間的映射關系，從而自動地將XML文獻中的DTD內(nèi)容元素標記轉(zhuǎn)換為對應的概念集元數(shù)據(jù)標記。

(3)關系數(shù)據(jù)庫外覆包。將關系數(shù)據(jù)庫中的數(shù)據(jù)元素和二維數(shù)據(jù)關系映射到概念集中，形成語義基礎，以便從關系數(shù)據(jù)庫中自動創(chuàng)建RDF聲明。

由于不同的信息提供者可能會使用不同的詞表來標注數(shù)據(jù)，因此在建立通用數(shù)據(jù)模型后，還必須在信息數(shù)據(jù)源和參考本體之間建立概念和關系的映射，以消除語義差別。根據(jù)RDF聲明，在參考本體中注冊相關內(nèi)容的來源，使參考本體成為一個知識內(nèi)容的集成文件。另外，采用基于本體的元數(shù)據(jù)發(fā)現(xiàn)和漫游技術，探測相關的RDF聲明，可以自動地添加新的信息資源[8]。4結(jié)束語網(wǎng)絡信息的利用狀況不容樂觀，迫使人們努力探索更為先進更為成熟的導航理論、方法和技術