基于OWL屬性特征的語義檢索研究

張野

（渤海大學(xué) 商學(xué)院，遼寧 錦州 121013）

本體在軟件工程、人工智能、信息檢索、Web Service[1]等領(lǐng)域中扮演著越來越重要的角色。在概念檢索或者語義查詢系統(tǒng)的實(shí)現(xiàn)過程中，領(lǐng)域本體中概念之間的相似度量化計(jì)算是檢索詞擴(kuò)展和檢索結(jié)果排序的核心問題。現(xiàn)關(guān)于本體內(nèi)語義相似度算法研究主要有基于DAML-S描述的匹配算法[2]，基于概念語義距離的算法[3]，基于屬性的相似度算法[4]以及基于信息理論的算法[5]。這些方法具有明確清晰的邏輯含義，可以直接利用特定于描述語言的通用推理服務(wù)來進(jìn)行匹配，實(shí)現(xiàn)較簡單。但它們只是將本體內(nèi)的謂詞直接簡單的作為一種二元關(guān)系來處理，因此會(huì)產(chǎn)生明顯的語義矛盾，忽略O(shè)WL本體的眾多其他語義元素。

本文通過提取OWL本體概念的層次和屬性特征，利用本體概念的并、交、差等運(yùn)算，可以得到連續(xù)變化、量化相似度的度量結(jié)果，通過對檢索性能指標(biāo)進(jìn)行動(dòng)態(tài)設(shè)定，可以有效地定制用戶的檢索。本文的實(shí)驗(yàn)結(jié)果對基于本體的分類和聚類方法也有參考意義。

1 本體描述語言（OWL）

本體作為一種知識表示模型，包含某個(gè)領(lǐng)域內(nèi)的專家或?qū)W者所共同認(rèn)可的詞匯，并將這些詞匯以一種有向無環(huán)圖的形式組織起來，描述概念、屬性和關(guān)系[6]。本體可以有效地組織領(lǐng)域中的知識，更好地共享和重用知識。W3C將本體描述語言O(shè)WL（Web Ontology Language）推薦為語義Web中本體描述語言的標(biāo)準(zhǔn)。OWL通過添加更多用于描述RDF（Resource Description Framework）聲明的語義結(jié)構(gòu)擴(kuò)展RDF。OWL允許聲明額外的約束，如基數(shù)、取值的限制，或可傳遞性等有關(guān)屬性的特征。

2 基于OWL語義特征的相似度算法

在現(xiàn)實(shí)世界中，人們一般通過比較事物之間的屬性來區(qū)別和聯(lián)系不同事物。如果兩個(gè)事物有很多相同的屬性，則說明這兩者很相似，反之則相反。用A∩B表示概念A(yù)和概念B所具有的相同屬性，A∪B表示概念A(yù)和概念B的所有屬性，語義相似度的計(jì)算有如下模型：

相似性模型在人工智能領(lǐng)域影響很大[4]。該模型中，假設(shè)存在兩個(gè)概念A(yù)和B，那么相似度計(jì)算公式為：

在該模型中，根據(jù)比較兩個(gè)概念間相同的屬性以及不同的屬性來確定二者的相似度，這個(gè)算法能夠描述本體內(nèi)概念間的相似性，同時(shí)取決于共享特征和差異特征的量的特征。

本體內(nèi)概念間的相似度不僅取決于A、B之間的相同特征，還需要考慮它們之間的差異特征。這些特征包括概念的層次特征和其屬性特征。由此得到如下定義：

式中，A-B表示概念A(yù)擁有而概念B沒有的屬性集合；B-A表示概念B擁有而概念A(yù)沒有的屬性集合。α，β是調(diào)節(jié)參數(shù)。相似度算法步驟如下：1）相似度矩陣初始化。構(gòu)建一個(gè)本體內(nèi)實(shí)體間的相似度矩陣Aij，將所有顯式定義的不相交類和等價(jià)類的實(shí)體之間的概念元素，對應(yīng)矩陣中的相關(guān)元素賦值為 0和1；2）設(shè)定概念差異的參數(shù)；3）計(jì)算特征向量的交、并集合的信息量。對于特征向量P=iFeatList和Q=jFeatList，定義特征向量 M=|P-Q|，則定義信息量函數(shù)為 countDiff（P，Q）=Σ（1-M）；4）根據(jù)式（3）計(jì)算概念相似度；5）過濾掉相似度計(jì)算結(jié)果小于閾值的檢索結(jié)果，并按相似度大小排序。

3 試驗(yàn)與分析

3.1 差異屬性指標(biāo)參數(shù)的確定

本文采用的領(lǐng)域本體以W3C提供的酒本體為例，它較好的體現(xiàn)了OWL的描述能力，采用HP實(shí)驗(yàn)室提供的Jena API對酒本體進(jìn)行解析，并構(gòu)建領(lǐng)域本體檢索原型系統(tǒng)，對酒本體進(jìn)行檢索。相似度的計(jì)算結(jié)果如圖1所示。

圖1 WineTaste與其他概念的相似度

圖1為使用本文的語義相似度算法對WineTaste類與領(lǐng)域本體內(nèi)其他類的相似度統(tǒng)計(jì)圖，圖中分別顯示了在α,β分別為0和1的條件下，WineTaste相似度取值情況。從圖1中可以看出，當(dāng)兩個(gè)概念完全匹配時(shí)，相似度的計(jì)算結(jié)果等于1，說明兩個(gè)概念之間不存在差異，為同一概念或等價(jià)概念，差異參數(shù)不會(huì)對相似度計(jì)算結(jié)果產(chǎn)生影響。而當(dāng)概念之間存在差異時(shí)，隨著差異性比重的增加，對結(jié)果的要求越來越嚴(yán)格，概念的相似度越來越小，越來越多的相似度趨近于零。

相似度的計(jì)算結(jié)果，一方面依賴領(lǐng)域?qū)＜叶x的概念層次關(guān)系，如果概念層次發(fā)生調(diào)整，則概念相似度會(huì)發(fā)生很大變化；另一方面計(jì)算相似度的目的在于得到其他概念和某個(gè)概念之間的匹配順序，以取得最佳匹配結(jié)果。領(lǐng)域?qū)＜覍τ谝话愀拍畹南嗨菩裕o出的概念匹配順序?yàn)椋焊拍畋旧恚缸庸?jié)點(diǎn)，兄弟節(jié)點(diǎn)，其他節(jié)點(diǎn)。由圖1可以看出，雖然參數(shù)不同，但是根據(jù)相似度得出的匹配順序是基本一致的。

3.2 評價(jià)指標(biāo)

檢索性能（Retrieval Effectiveness）指檢索模型檢索結(jié)果的有效程度，反映檢索模型的檢索能力。其中，查準(zhǔn)率（Precision）和查全率（Recall）是最重要和通用的評價(jià)指標(biāo)，本文從這兩方面進(jìn)行考查。查準(zhǔn)率和查全率的公式如下：查準(zhǔn)率P=（檢索出的相關(guān)文檔數(shù)/檢索出文檔總數(shù)）×100% ；查全率C=（檢索出的相關(guān)文檔數(shù)/文檔集中的文檔總數(shù)）×100%。

在檢索系統(tǒng)中，查準(zhǔn)率比查全率更容易統(tǒng)計(jì)，因?yàn)椴槿手挥性跀?shù)據(jù)量規(guī)模較小的情況下情況下才能統(tǒng)計(jì)出來，而對于大規(guī)模海量數(shù)據(jù)往往難以統(tǒng)計(jì)。

3.3 結(jié)果與分析

語義檢索的結(jié)果按照相似度進(jìn)行排序，實(shí)驗(yàn)系統(tǒng)設(shè)定推薦結(jié)果閾值，設(shè)定語義相似度為50%，不顯示語義相似度低于50%的概念，以提高用戶的檢索效率。查準(zhǔn)率與查全率隨檢索參數(shù)變化而變化的情況如表1所示。

表1 檢索結(jié)果（%）

從表1可知，通過對參數(shù)α和β取不同的值，用戶作為服務(wù)請求方可以在同一個(gè)服務(wù)條件下返回不同的值，也就是說，可以通過調(diào)整差異參數(shù)的取值來得到不同的結(jié)果集。如果用戶傾向于得到更為準(zhǔn)確的查詢結(jié)果，可以增大參數(shù)α，降低參數(shù)β，但這樣有可能不會(huì)獲得任何查詢結(jié)果。如果用戶傾向于獲得更多的結(jié)果，則可以降低參數(shù)α，增大參數(shù)β，既可獲得更多的查詢結(jié)果，為下一步查詢提供參考。

4 結(jié)論

概念之間的相似性量化表示是使機(jī)器理解概念，從而進(jìn)行智能推理和判斷的重要基礎(chǔ)。本文基于OWL屬性特征計(jì)算概念相似度，通過調(diào)節(jié)參數(shù)的取值，得到不同的柔性表達(dá)相似度，從而實(shí)現(xiàn)根據(jù)服務(wù)請求者的需求定制相似度結(jié)果集。限于試驗(yàn)的數(shù)據(jù)量，為得到更精確的統(tǒng)計(jì)數(shù)據(jù)，不進(jìn)行大規(guī)模試驗(yàn)。下一步的工作要進(jìn)一步考慮概念屬性的權(quán)重問題，根據(jù)權(quán)重動(dòng)態(tài)設(shè)定增強(qiáng)語義、差異參數(shù)和相似度閾值，以獲得更為柔性的相似度計(jì)算結(jié)果。

[1]Klein M，Bernstein A.Searching for services on the semantic Web using process ontologies[C].In Proceedings of the First Semantic Web Working Symposium（SWWS-1），2001.

[2]Paolucci M，Kawawura T.Semantic matching of Web services capabilities[C].In Proceedings of the International Semantic Web Conference，2002.

[3]LI Kuang， WU Jian，Deng Shuiguang，et al.Exploring semantic technologies in service matchmaking[C].In Proceedings of the Third European Conference on Web Services，2005.

[4]Tverskey A.Features of similarity[J].Psychological Review.1977，84（4）：327.

[5]Lin D.An information-theoretic definition of similarity[C].In Proceedings of the International Conference on Machine Learning，1998.

[6]Gruber TR.Toward principals for the design of Ontologies used for knowledge sharing[J].International Journal of Human computer Studies，1995，43（5/6）：907.