数图研究笔记

叙词与本体，及其在Elsevier的应用- -

                                      

在我看来，叙词表是一类特殊的本体——反映领域知识，具有本体的概念层级结构和用代属分参概念联系，但是没有公理、没有实例，或者说公理和实例不是内在的，体现在应用叙词表的系统中。
情报检索的规范控制近年来有明显的回归趋势，主要归功于语义万维网的提出和研究，语义万维网需要机器来操作语义，就必须首先进行规范控制，最好整个知识系统成为一个封闭世界，语义计算就能够"安全"地进行。当然这是不可能的。
我 们大约从2001年开始对知识本体的作用进行研究，感到本体是一个非常重要的、代表未来应用方向的研究和开发领域，也是图书馆学能够贡献我们宝贵的专业知 识、使我们这个学科"显性化"的领域，当然离开了我们也不是不能搞，可能创建的本体就不会那么中庸、平衡、人性化，甚至"不象"对普遍知识进行抽象的"学 科本体"，而带有许多技术描述的、或十分随意的特征，像yahoo的分类体系一样让我们看不上眼，没有DC元数据那么让图书馆员似曾相似、赏心悦目。我们 感到应该尽快像当年搞748工程（建立汉语主题词表）一样进行学科本体的创建和应用，但是好像至今仍没有什么启动项目。

知识本体的主要作用如下：

• 在人、机器（表现为软件代理）以及人与机器之间共享对于信息及结构的共同理解
• 实现一定程度的领域知识的重用
• 知识本体可以明确领域假设，使领域公理得到明确描述从而达成共知
• 对于领域知识进行分析、明确，并使其形式化

对于数字图书馆应该能起到如下作用：

• 提供与描述型元数据有关语义描述的知识地图
• 提供资源库领域知识的规范描述
• 提供元数据映射方案，集成到数字图书馆体系中的元数据服务中，成为协议的一部分
• 提供智能代理与信息环境之间基于语义的理解机制
• 跨平台、跨系统之间的通信中介
• 分布环境下查询请求的语义理解

现 有的技术当中最接近本体的就是叙词表了。前些年基于自由词的全文检索势不可挡，而今面临信息超载，注意力稀缺，查到和查准成了非常困难的事情，人们对信息组 织和查询的要求更高了，不得不回过头来，重新审视传统情报检索领域的一些几乎被人遗忘的好的想法。而这些想法一经计算机专家之手，就被玩得完全不同了。
研 究叙词表与知识本体的文章已经有不少了，今天看了一篇Elsevier出版公司对于其众多数据库进行"技术改造"的想法，应用语义技术，涉及叙词表的改 造，虽然没有什么非常特出的地方，但因为是具体企业的应用，还是很有启发的。我国的很多计算机公司，包括软件公司，对新技术的研发投入和应用能力实在不敢 恭维。例如帮我们开发系统的公司，一边赚我们的钱，一边跟我们学，东西开发出来还不能让人满意，真让人愤愤啊！

elsevier的语义系统应用；

传统上Elsevier采用属性字段检索和叙词表主要用于：

• 标引文献Indexing (tagging) articles, books and other materials
• 层次浏览Browsing thesaurus-indexed content
• 扩检Expanding searches against specialized content
• Overall, a net benefit, but not huge
• 范围限定Limiting a search by category
• 文件聚类Clustering documents by category
• Better than limiting search up front...data-driven

然而Elsevier目前没有在检索中采用叙词表，据称是因为相对于现在流行的全文检索而言好处不明显（可能还极大地增加了系统的复杂性和维护成本）。

Elsevier在语义主导Web的时候重新考虑采用叙词表，据称主要原因是：

• 采用多种叙词表，能够对开放或者内部的数据库实现统一的字段检索，，Integrated search of proprietary, public and/or local user content using multiple thesauri
• 整合文本名称与化学结构Integrating chemical structure info with text documents
• 整合各种模式的数据库Integrating databases with diverse schemas
• 支持文本挖掘Supporting text mining
• 扩展检索范围Other uses requested by our customers (e.g., extensibility for local content)
• 改进叙词表的导航性能Improved thesaurus navigation
• 改进查询命中结果Improved search results

叙词表的新用法：

建立基于RDF的中间本体用于不同叙词表之间进行映射；

支持多种关系描述Support multiple relationships

支持用户自行扩展Extensible by customers

改进性能和可扩展性

试验新的查询选项

在改进查准率的同时改进查全率

用于查询结果的可视化展示，优化用户交户界面

Elsevier对于文本挖掘的看法：

认识：文本挖掘已经成为信息过剩（overload）时代信息提供的一个必备工具；

重视需求调查，不断开发新的应用；

同时提供"实质性"的挖掘工具和"预备研究"（meta-research）工具；

时间维上的发展趋势，作者/机构分布等等；

以RDF形式作为存储事实的基本形式，提供事实抽取的数据基础。

- 作者： kevenlw 2005年03月6日, 星期日 00:28 加入博采