納米出版物語義模式及其與知識發(fā)現(xiàn)的關(guān)系

，

隨著網(wǎng)絡(luò)信息技術(shù)、數(shù)據(jù)存儲處理技術(shù)的快速發(fā)展，科學(xué)文獻(xiàn)數(shù)量呈指數(shù)級增長態(tài)勢，急需探索一種能夠體現(xiàn)語義關(guān)聯(lián)的新表達(dá)模式。這項(xiàng)工作受到了語義組織、語義關(guān)聯(lián)研究專家的重視。英國皇家化學(xué)學(xué)會的“Prospect”項(xiàng)目啟發(fā)專家開始探索不同于傳統(tǒng)語義表達(dá)的新模式，經(jīng)過對荷蘭的“Article of the Future”、美國的“OpenMath”[1]等項(xiàng)目的跟進(jìn)研究，最終由70多人組成的語義專家聯(lián)盟——概念網(wǎng)絡(luò)聯(lián)盟于2009年明確提出Nanopublication的概念是一種新的語義表達(dá)模式，其借助計(jì)算機(jī)程序可以實(shí)現(xiàn)語義的新標(biāo)注、再組織，是一種新語義表達(dá)模式[2]。

1 Nanopublication的概念

“Nanopublication”與納米科技并無相關(guān)，只是取納米的微小之意，表示一種遵守語法規(guī)則、可以通過機(jī)器輸入、識別、處理、輸出的不可拆分的最小出版信息元[3]。納米出版物與傳統(tǒng)出版物是相同事物的不同表達(dá)，前者應(yīng)用機(jī)器語言，后者應(yīng)用自然語言，是一種新的語義表達(dá)。Nanopublication將傳統(tǒng)出版物模型化為ID、結(jié)論(As)、屬性(At)、密鑰(Ik)四要素。其中“ID”唯一識別一“本”Nanopublication，“結(jié)論”是體現(xiàn)Nanopublication的核心要素，“屬性”要素包含支撐信息(Si)和出處(Pr)兩個(gè)數(shù)據(jù)項(xiàng)，“密鑰”約束控制數(shù)據(jù)相容有效，ID與密鑰表現(xiàn)形式為序列碼，結(jié)論與屬性均為主-謂-賓格式的三元組。模型結(jié)構(gòu)如圖1所示。

圖1 Nanopublication模型結(jié)構(gòu)圖

其源文件類似C語言編碼框架，需遵守RDF標(biāo)記語言準(zhǔn)則[4-5]。

2 Nanopublication中的知識發(fā)現(xiàn)

與傳統(tǒng)出版物相比，Nanopublication更注重體現(xiàn)文獻(xiàn)的細(xì)粒程度。其各要素內(nèi)容與傳統(tǒng)出版物具有一一對應(yīng)關(guān)系，并將傳統(tǒng)文獻(xiàn)的核心內(nèi)容如研究背景、研究方法、研究結(jié)論、引用文獻(xiàn)及出版時(shí)間、出版單位等進(jìn)行提煉，并語義標(biāo)注[6]結(jié)構(gòu)重組，形成一組人機(jī)共識的結(jié)構(gòu)化語句系列。由于文獻(xiàn)之間的研究方法、概念原理、參考文獻(xiàn)相互引用和相互支撐，形成Nanopublication龐大的信息元網(wǎng)絡(luò)。面對這樣的知識節(jié)點(diǎn)網(wǎng)絡(luò)，研究人員可以經(jīng)過發(fā)現(xiàn)挖掘、計(jì)量分析，推斷得出新的研究線索以及新的科學(xué)結(jié)論，或者大膽提出新的研究假設(shè)。研究人員不再需要閱讀大量的傳統(tǒng)文獻(xiàn)，僅需要將Nanopublication借助計(jì)算機(jī)運(yùn)行，并結(jié)合機(jī)器可視化計(jì)算處理[7]，大大加速了知識發(fā)現(xiàn)的速度、拓廣了知識發(fā)現(xiàn)的廣度、深化了知識發(fā)現(xiàn)的深度。在該信息元網(wǎng)絡(luò)中，信息流分有向、無向兩種情況，發(fā)現(xiàn)的知識也相應(yīng)不同。下面以具有5個(gè)信息元(用字母U表示)的信息流網(wǎng)絡(luò)圖分別討論。

2.1 信息有向圖

信息有向圖中信息元之間由弧(即箭頭“→”)連接，箭頭方向的一端為弧頭，另一頭為弧尾，信息流的方向?yàn)榛∥擦飨蚧☆^，結(jié)合實(shí)際情況可以理解為弧尾信息元支撐弧頭信息元，或弧頭信息元引用弧尾信息元。由圖2“Nanopublication信息有向圖”可發(fā)現(xiàn)，因U1→U2，U2→U5，故沿信息流方向可推導(dǎo)得出U1→U5，但逆方向U5是否能夠推導(dǎo)出U1不得而知，需要研究證明。由于信息流方向非時(shí)針方向，所以U3、U5的關(guān)系難以確定，可能出現(xiàn)U3→U5或U5→U3或U3、U5無關(guān)3種情況。Nanopublication有向知識發(fā)現(xiàn)直觀解析見圖3。

圖2 Nanopublication信息有向圖

圖3 Nanopublication有向知識發(fā)現(xiàn)圖

2.2 信息無向圖

信息無向圖中信息元之間由邊(即直線“-”)連接(圖4)。

圖4 Nanopublication信息無向圖

圖4中信息元之間的邊無方向性，信息流也無方向性，兩個(gè)信息元用邊連接表示二者相關(guān)，或共用某個(gè)方法、理論、概念、數(shù)據(jù)。

由圖4“Nanopublication信息無向圖”可發(fā)現(xiàn)，因U1-U2，U2-U5，故通過U2可以建立U1和U5的相關(guān)性，即U1-U5，此時(shí)U1與U5的相關(guān)性不具有方向性，可以描述為U1-U5，也可以描述為U5-U1；U4-U5，U4-U3，不需考慮信息流是否滿足時(shí)針方向，U4與U3、U5均相關(guān)，據(jù)無向圖的特性可推導(dǎo)出U3、U5具有相關(guān)關(guān)系，即U3-U5。

Nanopublication的無向知識發(fā)現(xiàn)直觀解析詳見圖5。

圖5 Nanopublication無向知識發(fā)現(xiàn)圖

以上的Nanopublication有向、無向圖僅用5個(gè)信息元簡單說明情況。實(shí)際的Nanopublication網(wǎng)圖的信息元數(shù)量龐大，關(guān)系錯(cuò)綜復(fù)雜，但是經(jīng)過可視化處理后能夠直觀發(fā)現(xiàn)直接連接的信息元之間的關(guān)系，或者是通過有向、無向圖特性挖掘，分析它們的間接相關(guān)關(guān)系。

因此，相對于傳統(tǒng)出版物，Nanopublication的優(yōu)點(diǎn)是可以借助機(jī)器幫助研究人員閱讀處理，細(xì)化到信息元程度。這樣可以擴(kuò)大人工閱讀數(shù)量，提高人工閱讀質(zhì)量，拓展人工閱讀的知識范圍。與傳統(tǒng)出版物相比，Nanopublication有直觀、深入、立體、簡化等許多優(yōu)點(diǎn)，讓研究人員更易揭示知識間隱藏關(guān)系，或探索證明知識間的可能相關(guān)關(guān)系。

3 知識發(fā)現(xiàn)中的Nanopublication

3.1 知識發(fā)現(xiàn)與Nanopublication的產(chǎn)生

為解決大數(shù)據(jù)環(huán)境下知識發(fā)現(xiàn)、知識挖掘方面的諸多難題，數(shù)據(jù)語義領(lǐng)域的專家致力于研究在開放網(wǎng)絡(luò)環(huán)境下海量數(shù)據(jù)的互操作算法。在研究中，信息專家發(fā)現(xiàn)數(shù)據(jù)可以構(gòu)建新的結(jié)構(gòu)形式，重新定義數(shù)據(jù)關(guān)系，實(shí)現(xiàn)新的數(shù)據(jù)組織、語義表達(dá)、出版模式，Nanopublication應(yīng)運(yùn)而生。

Nanopublication是針對傳統(tǒng)文獻(xiàn)詳細(xì)、冗長、靜態(tài)線性、小數(shù)據(jù)處理的弊端而發(fā)現(xiàn)的新知識。Nanopublication依托軟件程序語言思想，遵循一定的語法規(guī)則，憑借預(yù)定義的可控詞表庫進(jìn)行軟件編碼[8]；借助機(jī)器實(shí)現(xiàn)其強(qiáng)大的大數(shù)據(jù)處理能力，發(fā)揮其文獻(xiàn)參考、學(xué)術(shù)交流的核心重要作用。

3.2 知識發(fā)現(xiàn)與Nanopublication的改進(jìn)

目前，基于Nanopublication可視化得到的均是圖狀結(jié)構(gòu)的數(shù)據(jù)關(guān)系，當(dāng)數(shù)據(jù)間的關(guān)系屬于層次結(jié)構(gòu)關(guān)系時(shí)，應(yīng)用樹型結(jié)構(gòu)模型更準(zhǔn)確。因此，需要在可視化操作的程序中加入數(shù)型結(jié)構(gòu)的各類操作模塊，以供程序在運(yùn)行中分支調(diào)運(yùn)。圖狀可視化結(jié)果也有一定的改進(jìn)空間，如果能夠在有向圖的“弧”、無向圖的“邊”上將精縮信息以類似標(biāo)“權(quán)值”的形式標(biāo)注在“弧”或者“邊”的旁邊，會更立體、明確。

3.3 知識發(fā)現(xiàn)與Nanopublication的平衡發(fā)展

Nanopublication目前在醫(yī)藥生物領(lǐng)域研究較多、成果顯著[9-10]，但距離形成充足、成熟、規(guī)范通用的供學(xué)者廣泛使用的數(shù)據(jù)資源庫還有很大探索空間，需要不斷研究、不斷發(fā)現(xiàn)。另外學(xué)科發(fā)展也不均衡，人文、哲學(xué)等學(xué)科才剛剛開始探索建設(shè)詞庫，理工等領(lǐng)域還屬于空白。因此，Nanopublication的進(jìn)一步發(fā)展、普及都得依賴語義專家與軟件專家不斷的知識發(fā)現(xiàn)。

4 Nanopublication與知識發(fā)現(xiàn)的融合

Nanopublication屬于語言學(xué)范疇，知識發(fā)現(xiàn)屬于信息學(xué)范疇，從表象上不易看出二者的交集，但是通過可視化技術(shù)建立起非常緊密的聯(lián)系，使二者實(shí)現(xiàn)了融合。從Nanopublication可以發(fā)現(xiàn)許多潛在知識，通過知識發(fā)現(xiàn)可以產(chǎn)生更多、更完整的Nanopublication。

Nanopublication的發(fā)展離不開知識發(fā)現(xiàn)，知識發(fā)現(xiàn)也有賴于Nanopublication的發(fā)展、普及與平衡，二者相互促進(jìn)，共同發(fā)展。

Nanopublication與知識發(fā)現(xiàn)相融合的產(chǎn)物就是錯(cuò)綜復(fù)雜的信息網(wǎng)圖(圖6)，信息網(wǎng)圖可以有效幫助人們進(jìn)行信息分析、知識發(fā)現(xiàn)，而知識發(fā)現(xiàn)亦可幫助研究人員完善Nanopublication詞表庫、發(fā)現(xiàn)語法歧義、改進(jìn)算法。目前國外科研機(jī)構(gòu)、網(wǎng)絡(luò)數(shù)據(jù)提供商加大發(fā)展力度，投入大量資金、人力研究Nanopublication。從事Nanopublication研究的專家開展的“知識發(fā)現(xiàn)”處在行業(yè)的前端，他們研發(fā)的Nanopublication數(shù)據(jù)庫也越來越受到重視。

圖7 Nanopublication知識網(wǎng)絡(luò)圖

5 結(jié)語

目前，由歐盟的創(chuàng)新藥物計(jì)劃基金資助、英國皇家化學(xué)學(xué)會研發(fā)的支持Nanopublication的平臺系統(tǒng)PHACTS，可以實(shí)現(xiàn)Nanopublication的查詢、檢索、可視化聚合。該系統(tǒng)于2011年開始免費(fèi)開放，這對Nanopublication的發(fā)展、使用將起到推動(dòng)作用。

Nanopublication相互之間動(dòng)態(tài)連接，若嵌入數(shù)據(jù)不規(guī)范，知識發(fā)現(xiàn)過程中會出現(xiàn)錯(cuò)誤堆積情況，且閱讀Nanopublication需要有軟件程序語言基礎(chǔ)。因此Nanopublication的普及、推廣具有一定的難度，需要一定的時(shí)間。

此外，Nanopublication與傳統(tǒng)出版物不會相互影響，相互制約，更不會取代傳統(tǒng)出版物。二者利用自身優(yōu)勢服務(wù)廣大信息研究人員，幫助人們進(jìn)行信息分析、知識發(fā)現(xiàn)。