本體技術在文獻工作中的應用實踐一以標準文獻為例

DOI編碼：10.3969/j.issn.1674-5698.2025.04.016

Study on Ontological Theory and Practice in Literature and Documentation - Taking Standard Documentation as an Example

LI Jing1 ZHOU Jie1 LI Guo-peng2* ZHANG Ming1 （l.China National Institute of Standardization； 2. Institutes of Science and Development， Chinese Academy of Sciences）

Abstract：[Objective]Theapplicationofandpracticalresearchonontologicaltechnologyinthefeldofstandardliterature can broaden the scope ofontologyapplication，providenewmethods andapproaches forknowledgeorganizationofstandard literature，and providebeterknowledge services for users.[Methods]Through literatureresearch，semantic analysis， bibliometric methods，andsystemconstructionmethodsontologybasedknowledgeoganizationiscariedoutwithstandard literatureasthebjectandempicalreseachisnductedintermsoftechicalndicatordisclosurecpusonstructiand knowledgeassociation.Results]Theontologbasedknowledgeorganizationprovidesadatainfrastructurethatconfomsto disciplinaryrulesforthedisclosureoftechnicalindicatorsinstandardliterature，andplaysanimportantoleinthedisclosure of standardcontent indicators inthe fieldsofaquaticproducts，dairyproducts，andagriculturalproducts.Inknowledge association，standardizedobject knowledge assciationhas beenestablishedandefectivelyappliedinthefieldof solar photovoltaiccell.[Conclusion]The applicationofontology-basedknowledge organization methods instandardliterature is beneficialforrevealingimpotanttechnicalcontentimprovingretrievaleffciencyandenhancinguserexperienceReleant achievements have become national standards.

Keywords： ontology， standard literature， knowledge organization system （KOS）

1 本體基本理論

語相關聯的。

1.2本體的作用

本體的概念來自哲學領域。最早開始引人本體概念的是人工智能（AI）領域。本體可用來作為知識表示和知識組織的底層，可以規定概念與概念之間的復雜關聯，并定義概念的屬性。本體的概念和方法進人到知識組織和圖書情報領域是在2000年初。引人本體的目的是要解決信息檢索、資源組織等問題。

1.1本體的概念

斯坦福大學的Gruber最早提出本體的定義，其后Borst 對Gruber的定義做出修正。兩個定義合并以后為：“Itisan explicitformalspecification of a shared conceptualization.\"中文含義：本體是一套得到大多數人認同的、關于概念體系的明確的、形式化的規范說明。

使用最廣泛的本體定義是波音公司MichaelUschold等提出的：“It is a vocabulary of terms andsome specification of theirmeaning.”中文含義：本體是一套術語詞表以及術語含義的規范說明。

通過對國內外學者觀點的歸納，筆者早在其博士論文（2004）中就指出，本體的定義雖然有諸多表述，但是有關它的必要條件也應該在定義中得到體現。筆者認為：本體是一個關于某些主題的、層次清晰的規范說明。是一個已經得到公認的形式化的知識表示體系，它包含詞表（或名稱表/術語表）。詞表中的邏輯聲明全部是用來描述這些術語的含義和術語間關系的，即它們是怎樣和其他術本體能夠作為不同系統之間進行互操作的邏輯底層，構建本體的作用在于：

（1）在用戶間或軟件代理間達成對于知識組織表達的共同理解和認知[1，4]。

（2）可對專業術語、常識、通用知識，計量單位進行復用。例如，在農業、生物醫藥、中醫藥，環境保護等多個領域中，植物學基礎知識都是通用基礎必備知識。如果以植物分類法為基礎框架，以植物學詞表作為概念表示的基礎，以此來構建植物學本體，則該本體可以在農業、生物醫藥、中醫藥和環保等多個領域中被復用。如果需要構建一個大規模本體，可以將幾個已有本體進行集成，還可以復用現成的通用本體框架，如UNSPSContology，將UNSPSContology（Skeleton）進行擴展和填充，就可以應用到其他領域中去。

（3）通過斷言（如三元組、邏輯表達式）等形式（公式），使專業領域內的學術觀點和假設變得更加明確。對專業領域知識進行明確的形式化說明，對于那些必須理解該領域專業術語含義的新用戶是十分必要的。

（4）將領域知識從知識管理的環境中剝離出來。用戶可按照必需的規范說明和執行程序來實現檢索和查詢等功能，而用戶本身不必非要精通IT技術或各種算法。

（5）分析專業領域的知識體系結構。在復用和擴展現有本體的嘗試中，對術語進行規范的形式語義分析，具有重要價值和意義

1.3本體的研究進展

1.3.1國外研究進展

從20世紀90年代至今，三十多年來，歐美發達國家持續地支持基于本體的知識組織體系建設與開發。近十年來，更加重視知識組織體系在網絡環境下的發展與應用，如普林斯頓大學開發了WordNet（初級本體），美國國會圖書館開發了ClassificationWeb，OCLC開發了DeweyWeb，斯坦福大學開發了Ontolingua、Protégé本體開發工具，以及在醫學領域享有盛名的MeSH和UMLS等。這些知識組織體系已成為網絡環境下信息開發利用必不可少的重要基礎設施和工具，而且正逐步從西文向多語言信息處理方向發展，其搶占信息處理主導地位的戰略意圖顯而易見。

著名的基因本體由美國基因本體協會創建并維護，在生物信息學領域中得到廣泛使用，業界利用GO提供的公共詞匯和語義描述基因產品，在不同數據庫中能夠體現基因產品的一致性描述。它主要包括3個分支：生物過程、分子功能和細胞組件。GO包含詞匯量90，261條。

在數字經濟和全球化浪潮的席卷下，全球各大出版業巨頭都被裹挾在數字出版的浪潮之中。不管是出于主動還是被動，都在通過網絡化終端介入并滲透到對最終用戶的服務中，這種行徑不管是有意識或無意識，都已經搶占了傳統圖書情報機構的服務領地。幾乎所有的數字出版商都在面向最終用戶推出以內容為核心的智能檢索、關聯揭示、數據挖掘與數據分析等知識服務。我國是科技文獻出版和使用的大國，國際出版界系統通過壟斷最終用戶提供知識服務，從而實現對我國文獻信息服務市場的控制的戰略意圖。

1.3.2國內研究進展

2006一2008年，國內在本體技術領域中的研究熱點包括：本體工具、本體學習、本體庫、本體提取、本體推理，本體翻譯和本體語言等。國內的學者和機構更傾向于算法、匹配、映射、建模，推理和抽取研究。所有相關研究中，語義分析和語義標引都是關鍵性工作。2008年之后，單純以本體理論為研究主題的項目不再列人基金項目申請的范疇”。

2006—2009年的科技部支撐計劃項目“農村知識本體構建的共性技術研究”（2006BAD10A050104）中，發表論文基于花卉學科技文獻的大規模本體開發環境（LODE）的開發，并實現了基于本體知識庫的半自動標引（見圖1）。

2011年，王穎[10]在中科院成都計算機應用研究所讀博士期間，完成了《中醫藥領域本體及知識庫的研究與應用》，對基于本體的中醫診斷系統進行了實證研究（見圖2）。

2011年，國家科技圖書文獻中心（NSTL）承擔了科技部支撐計劃項目“面向外文科技文獻信息的知識組織體系建設與應用示范”（2011BAH10B00，又稱“超級科技詞表項目”）。項目的建設目標是：采用國際上先進的知識組織技術和方法，在國內外已有系統建設成果和應用經驗的基礎上，爭取在“十二五”期間基本建成面向計算機應用的科技知識組織體系，為我國海量外文科技文獻信息的組織和利用提供支撐，實現國家科技文獻信息戰略資源的有效組織，提供知識檢索服務，揭示更深層次的知識關聯，從而實現基于國家科技文獻信息戰略資源的知識發現、知識挖掘和知識計算應用示范，整體提升我國科技文獻信息機構的知識服務能力。其具體目標中就包含：構建以領域本體為目標的外文科技知識組織體系，以及建立國家科技知識組織體系的可持續發展機制。

由此可見，2010年后，本體相關項目更注重于構建基于本體的知識組織體系（又稱“實用分類體系”），并側重于知識組織體系的應用和實踐。

2 本體理論在文獻工作中發揮的作用

2.1本體是唯一可以作為系統間互操作的底層知識庫

本體中至少要包括其概念和概念間關聯，這是本體的核心。如果只具備簡單的概念和概念間上下位關聯，如“梅花”，其上位概念為“李屬植物”，“李屬植物”的上位概念是“薔薇科植物”，“梅花”的下位概念有“骨紅垂枝”（梅花的品種之一）、“白碧垂枝”（梅花的品種之一），那么此類本體僅屬于輕量級本體。重量級本體中包括對概念的描述，以及以形式邏輯公式表示的概念間關系。最重要的，其間包括的概念不僅僅是簡單的術語表達和描述，而是多個屬性值的集合。例如概念“梅花”，對概念的描述，不僅僅是薔薇科李屬植物。具體到屬性，仍然有包括同義詞、別名、拉丁學名，上位分類，花期，品種，花色，栽培規程，經濟用途等多個屬性，且每個屬性具備不同的屬性值。鑒于本體中概念的關系可以反映詞匯之間語義的映射關系，所以在智能檢索、文獻的結構化拆分、語義標注、機器翻譯，以及增強大模型性能這些方面，本體都具備無可替代的作用。但是本體的生成不能完全依賴于人工智能，其底層數據和知識鏈接的建立，目前仍然主要依賴于傳統數據加[11-15]工業務中基礎數據的完備和準確。

2.2本體在標準文獻工作中的作用

標準文獻屬于科技文獻范疇，是一種特種文獻，以其更新作廢替代周期快（標準具有標齡）、技術內容含量集中、數據公式圖表多、不同品種標準文本的體例格式有自己固定格式且各不相同等特點，有別于一般科技文獻?；谏鲜鎏卣?，本體理論應用于標準文獻服務工作中，能夠起到以下作用：

（1）提高用戶對標準文獻數據庫的檢索效率（查全率、查準率）。建立基于本體的知識組織體系，作為標準文獻數據庫的檢索底層，并結合對標準文本的結構化處理，以及對標準文本所進行的知識對象（知識要素）標引，能夠最大限度地揭示標準文獻內容。特別是能夠揭示標準文獻中的技術指標，并將指標進行比對，形成比對表，能夠令用戶充分了解同類產品在不同品種標準中的指標基本情況，以此判定國際標準和不同國家的標準對同一產品規格要求的異同。能夠令用戶充分了解同類產品在同一系列標準的不同制定年代版本中的不同規定，以此掌握該產品在不同時期的行業技術發展走勢。

（2）在標準文獻數據庫中建立基于本體的知識關聯，并基于此為用戶提供組合式檢索、打包服務和專題服務。

（3）應用于參考咨詢服務中（專家系統），以基于本體知識庫的累積和更新，基于本體中概念間邏輯關系判斷，自動為用戶提供答案，并在自學習機制和自動校驗機制下，不斷積累、更新，使得答案不斷完善，質量不斷提高。

（4）在標準文獻資源建設中，基于本體的底層標準文獻知識庫的建立（作為提供各種應用的基礎）可以為標準文獻加工中的自動化概念標引提供基礎，并由此提升加工效率、拓展加工深度、改善加工準確度。基于本體的標準文獻知識庫還能夠為多語種標準文獻機器翻譯提供豐富的術語翻譯選擇并成為多語種概念間的映射。

3 實踐研究

3.1標準文獻語料庫建設

語料庫在語言學上指大量的文本經過整理和加工，具有規范的格式與特定標記，是存放原始語言材料的數據倉庫。一般來說，語料庫的語料來源可能會非常廣泛，包括詞典、叢書、專著、論文集等。標準文獻語料庫的來源主要包括標準和技術法規，以及技貿措施相關信息。知識庫是用于知識管理的一種特殊的工具，用于領域知識的采集、整理和提煉揭示。知識庫中的知識對象是專業領域知識的集合，包括概念、事實、規則和其他有用信息。

語料庫、知識庫和知識組織體系（KOS）的構建，是知識管理和知識服務的基礎、前沿和熱點。語料庫的用途包括實現數據挖掘、語義標引、機器翻譯、知識關聯、智能檢索等功能和模塊[6-18]。

該項研究中研發的語料庫原型系統，實現了按照簡單的知識組織體系（初級本體）進行專業導航的功能（見圖3）。并在數據結構中設置了“知識對象”這一字段，其作用是為建立復雜的基于本體的知識庫建立“知識對象”—“中文語料”—“英文語料”—“XX語種語料”奠定映射表基礎。以支持后續機器翻譯、自動標引等多種功能的拓展。

3.2標準文獻內容指標揭示數據庫建設

通過對我國食品、農產品、環保領域相關的國家標準、行業標準以及法律法規文件的收集、分類、整理、數據加工，完成了1206個食品與農產品領域、3777個環保領域標準和法律法規的內容解釋、數據加工，建設了相應的數據庫。與傳統的以查找文本為目的的檢索方法相比，除直接查詢技術指標和關鍵技術內容外，還可獲取相關系列產品和相關標準體系，提高了技術標準查詢精度與效率，使檢索結果有更大的利用價值。

傳統檢索方式，主要根據主題詞、分類號等進行檢索，檢索結果的反饋集中體現在篇目信息（即文獻的標題），不能針對標準正文內容中所涉及的具體指標和關鍵技術內容進行檢索。以“乳制品中六六六殘留量規定”這一檢索目標為例：

如果使用普通的主題詞檢索，設定檢索詞為“六六六”和“乳制品”，僅得到一個結果，即《出口乳及乳制品中“六六六”“滴滴涕”殘留量檢驗方法》（SN0127—1992，已作廢的商檢行業標準）。如果輸入檢索詞“乳制品”，得到32條乳制品國家標準與行業標準，將其中有可能涉及衛生指標的標準逐篇進行閱讀分析，查找對六六六殘留量的限定值。這樣不但查找速度慢，而且因為無法實現系列乳制品產品標準的體系查詢，檢索結果可能會存在較多缺失。

如果使用標準內容揭示系統進行檢索，輸人檢索詞“乳制品”和“六六六”。因為內容揭示檢索對技術指標進行了分解，而且利用本體框架對系列產品進行了分類，所以得出國家標準與行業標準給出的8個不同乳制品產品中六六六殘留量的限定值，檢索結果定位準確完備。如表1所示。

在構建標準文獻揭示指標檢索體系的過程中，吸納了本體技術的基本方法，構建了以專用本體分類表為基礎，以概念屬性關系描述為重要手段的標準知識內容與技術指標的揭示檢索系統，解決了標準文獻內容指標的體系查詢與關聯檢索的問題。

在研究的基礎上，重點開展了食品、農產品、環保領域部分重要標準內容揭示數據庫建設。建立了標準文獻內容揭示基礎支撐數據庫，包括：揭示詞表數據庫、本體類表數據庫、揭示范疇表數據庫、中標分類數據庫、國際分類法數據庫、標準體系表數據庫。建立了應用支撐數據庫，包括：主題對象數據庫、標準體例數據庫、計量單位數據庫、限定類數據庫和技術指標揭示數據庫等，實現了標準中特定技術指標的檢索、系列產品的檢索，以及與產品相關的技術標準體系的檢索。檢索效果見圖4、圖5。

3.3基于初級本體的專題集成

按照已有的分類體系（如標準分類法、海關分類編碼等）建立家電產品初級本體，并將相關標準文獻按照已經建立的家電產品本體進行分類歸納（見圖6）。按照這種方式建立的專題集成，其優勢是便于查詢和瀏覽，符合一般讀者的閱讀習慣。

3.4標準化術語質量分析與語料庫應用研究

繼“標準文獻語料庫建設（3.1）”之后，在以下方面開展探索：

（1）在語料記錄數上，從現有的4500條增加到10，000條，并繼續以基礎標準化領域、家電和電工領域的標準文獻為基礎，進行語料的提取和加工。（2）現有的已建成的語料庫原型系統中的語料素材，基本是以術語為主，在ⅡI期中，將嘗試對自由詞、詞組、短句、標準文獻中常見的標準句型進行基于本體中知識對象的著錄標引加工。因為術語只是語料素材的一部分而已，要想進行翻譯，后面所說的這些（自由詞、詞組、短句、標準文獻中常見的標準句型）才是更重要和有價值的，也是標準文獻語料加工中沒有開展過嘗試的。（3）2011年開發出的語料庫原型系統（prototype），只具備簡單的語料記錄查詢功能和語料錄入功能；后續將開發完備的語料記錄數據庫管理系統（初具雛形的基于本體的知識庫），具有簡單檢索、高級查詢和標準文獻數據庫的接口功能，輸入和編輯復雜語料記錄（不僅僅是術語）的功能，并預留和翻譯平臺軟件的接口。（4）后續，將嘗試和成熟的翻譯平臺軟件進行對接，驗證機器翻譯效果。

3.5標準技術指標與產品基礎信息知識關聯關鍵標準研究

2013一2017年依托質檢行業公益專項“標準技術指標與產品基礎信息知識關聯關鍵標準研究”主要開展了基于產品基礎信息的標準技術指標抽取分析統計等方法的研制，研究通用的標準技術指標體系分布規律，通用普適的分析方法和模式，建立對比規范和元數據加工規范；開展產品標準技術指標跟蹤技術的研究，并建立指標跟蹤模型。之后，在建立和完善標準技術指標體系與產品標準技術指標跟蹤模型的基礎上，以可再生能源相關產品（如太陽能光伏發電產品）企業和產品標準技術指標體系為例，完成產品、標準、指標與企業信息等知識要素關聯（基于本體的）概念模型和產品標準指標數據統計分析模型的研發和構建工作。開展了業務功能測試和試點工作，檢驗并測試概念模型的邏輯性和原型系統的實用性。太陽能光伏電池與技術標準和企業形成的輕量級本體邏輯關系圖如圖7所示。

目前，相關成果和基于標準文獻的技術指標揭示技術已經成功申報，并于2021年度正式出版成為國家標準GB/T39872—2021《標準文獻技術指標揭示數據規范》 [19]。

4結語

綜合上述，在相關研究中，“標準化術語質量分析與語料庫應用研究”注重基于本體的標準文獻知識庫的構建。“技術標準知識關聯研究”注重基于本體的知識關聯關鍵技術的研發?！皹藴始夹g指標與產品基礎信息知識關聯關鍵標準研究”注重基于本體的技術標準內容指標揭示和知識關聯研究，并體現“企業-產品-標準-技術指標”這四大類知識要素之間知識關聯的展示和應用。

結合企業和市場需求，以上研究會持續推進和支持標準文獻翻譯、面向服務的標準文獻知識關聯以及標準文獻知識庫構建方面的工作。

基于本體的知識組織體系建設和相應的關鍵技術研發將會極大地促進標準文獻信息系統知識服務能力的提升；促進標準文獻檢索從傳統檢索查詢模式向具有內容相關揭示、跨庫檢索、多語言檢索等功能的智慧模式轉變；促進標準文獻服務工作從傳統的標準文獻信息提供向科技對象實體的關聯發現、熱點監測、趨勢分析的知識服務進行轉變；促進標準文獻和科技文獻的融合與關聯，發揮合力，更好地為國家科技圖書文獻中心（NSTL）用戶群體提供集成化、多元化的知識服務。

參考文獻

[1] GRUBER T R.A. translation approach to portable ontology specification [J]. Knowledge Acquisition， 1993（5）： 199- 220.

[2] BORST P，AKKERMANS H. An ontology approach to product disassembly [P]. EKAW 1997， Sant Feliu de Gu5xols， Spain， October： 15＼～19.

[3] USCHOLD M，MICHAEL G. Ontologies： Principles， methods and applications [J]. Knowledge Engineering Review.1996 （2）： 93-136.

[4] MUSEN M A.Dimensions of knowledge sharing and reuse [J]. Computers and Biomedical Research， 1992（25）： 435- 467.

[5] UNSPSC. United nations standard products and services code [EB/0L].（2003-02-01）[2025-01-10]. http：//www. unspsc.org/.

[6] MCGUINNESS D L，WRIGHT J. Conceptual Modeling for Configuration： A description Logic-based Approach [J]. Artificial Intelligence for Engineering Design， Analysis， and Manufacturing - special issue on Configuration.1998（4）： 333-344.

[7] MCGUINNESS D L，FIKES R，RICE J.et al. An environment for merging and testing large ontologies. principles of knowledge representation and reasoning [P]： Proceedings of the Seventh International Conference （KR2000）. A. G. Cohn， F. Giunchiglia and B. Selman， editors. San Francisco， CA， Morgan Kaufmann Publishers.

[8] ASHBURNER M. Gene ontology： Tool for the unification of biology[J]. Nat. Genet，2000（1）： 25-29.

[9]李景，孟憲學，蘇曉路.領域本體的構建方法與應用研 究[M].北京：中國農業科學技術出版社，2009.

[10]王穎.中醫藥領域本體及知識庫的研究與應用[D]成 都：中國科學院成都計算機應用研究所，2011.

[11]張曉林.走向知識服務：第一版[M].成都：四川大學出 版社，2001.

[12]李景，錢平，蘇曉鷺.構建基于Ontology的知識門戶[J] 現代圖書情報技術，2004（2）：18-21+41.

[13]李景.多語種文獻數據庫的設計考慮[J].情報學報， 2003（3）：321-324.

[14]劉曉霞.概念圖知識表示方法的研究[J].計算機應用 與軟件2001（8）：56-59

[15]董振東，董強．知網和漢語研究[J].當代語言學， 2001（1）：33-44+77.

[16]教育部語言文字應用研究所計算機語言學研究 室.語料庫在線[EB/0L].（2010-11-10）[2025-01-12]. http：//124.207.106.21：8080/.

[17]北京大學中國語言學研究中心.漢英雙語語料庫[EB/ OL]. （2011-01-10）[2025-01-15].http：//ccl.pku.edu.cn/ yuliao_contents.asp.

[18]清華大學.漢語均衡語料庫.TH-ACorpus[EB/OL]. （2012-01-10）[2025-01-15]. http：//www.lits.tsinghua.edu. cn/ainlp/source.htm .

[19]全國科技平臺標準化技術委員會.標準文獻技術指標 揭示數據規范：GB/T39872—2021[S].北京：中國標準 出版社，2021.