论文发表在核心期刊Semantic Web个性化网络导航机制

时间：2014-09-25 22:31:26 阅读量：0次 所属分类：电子论文

语义网(Semantic Web) 是一个由全球信息网联盟的蒂姆伯纳斯-李(Tim Berners-Lee)在1998年提出的一个概念，它的核心是：通过给全球信息网上的文档(如:HTML)添加能够被计算器所理解的语义(Meta data)，从而使整个因特网成为一个通用的信息交换媒介。

　　摘要：语义网(Semantic Web) 是一个由全球信息网联盟的蒂姆•伯纳斯-李(Tim Berners-Lee)在1998年提出的一个概念，它的核心是：通过给全球信息网上的文档(如:HTML)添加能够被计算器所理解的语义(Meta data)，从而使整个因特网成为一个通用的信息交换媒介。

　　关键词：Semantic Web,网络导航,导航机制,计算机期刊投稿

　　随着INTERNET 应用的普及和软件技术的进步，基于Web 的网络计算模式或INTERNET计算模式得到了广泛的重视和应用。目前， 面向Web 应用的三层结构( 或多层结构)、构件化的商务逻辑封装、基于XML 和Web Services 的自动电子商务等理论和技术深入人心。而现有的这些Web 技术并不能真正解决人们期待已久的智能搜索引擎、智能信息代理、智能交易代理等基于Web 的个性化、智能化的服务。这正是语义Web(Semantic Web) [9]要解决的问题。用本体来改进目前Web Services，使之成为语义Web 服务( Semantic Web Services)[5]，正是目前国际上语义Web 研究中的共识。基于此，W3C，DARPA 等研究机制定了基于本体的， 应用于Web 的技术标准,如RDF[4]、DAML 和OWL 等[1] [2 ]。

　　1　Semantic Web技术

　　Tim Berners Lee在1998年提出了Semantic Web的概念。2001年2月，W3C组织正式推出Semantic Web Activity，使网络环境下的语义处理技术研究渐入佳境。Semantic Web研究活动的目标是开发一系列可由计算机理解和处理的语义表示语言和技术，通过显式的语义表示和领域本体将网络信息空间编织成为一个巨大的机器可读的知识网络，以支持自动化的信息访问和知识管理，实现高质量的网络信息服务。目前关于Semantic Web的研究主要集中在网络信息资源及其内容的语义和语义关系表征，基于语义的数据自动分析、理解和处理，不同应用领域和系统间的数据自动交换、转换和复用[3]。Semantic Web虽然是现有web网络的延续，但在信息导航方面具有许多普通web没有的优势。Semantic Web中的节点既可以代表物理页面，也可以代表知识实体;Semantic Web中网页的内容不但可以被人理解，而且可以被机器理解;Semafitic Web中的链接不再是任意的，而是遵循一定的语义关系。通过Semantic Web技术，可以改变现有网络松散的数据结构，将信息资源结构化并赋予含义，使网络信息的整合和自动处理都变得更加容易[4]。

　　本篇核心论文发表在《信息与电脑》 杂志由国家新闻出版总署批准，国内外公开发行的计算机类优秀期刊。1989年创刊，国内统一刊号：CN11-2697/TP，国际标准刊号：ISSN1003-9767，邮发代号：82-454。

　　2　网络信息资源导航的现状

　　遍布全世界的主机和服务器，错综相联的超媒体资源，这是互联网为我们所构建的一个巨大而丰富的电子信息空间。它无疑是现代社会最重要的信息获取手段，但是它的开放性、分布性、无序性以及惊人的发展速度也为人们对信息资源的利用带来了困难。正如在大海中行驶的船只需要导航系统确定方位一样，要想在茫茫的信息海洋中有效获取有用信息，也必须拥有便捷有效的信息导航技术。一般来说，www网络中常用的信息导航方式有三种：一是利用门户网站的分类索引;二是利用网络搜索引擎;三是利用网站的相关链接。但是目前这三种信息导航方式的效果都不尽如人意。分类索引所覆盖的网络站点范围太小，更新较慢，难以适应网络的快速增长，而且分类标准的不统一和不规范常常影响到用户对站点所属的判断，造成导航失败。搜索引擎虽然是目前主要的网络信息检索工具，但是通过简单的逻辑运算检索到的结果往往是数量庞大且鱼目龙杂，充斥着大量的无用和重复信息。网站的相关链接是指符合当前网站内容主题的内部和外部信息资源的超链接，这种导航方式虽然简单直接，但是信息量非常有限，而且对外部信息的链接常常出现错链和假链，即使是内部信息，也常常因为组织和描述方式的影响，造成用户的“资源迷向”。

　　用户在信息空间中的“迷航”会使他们感到厌倦而丧失获取信息的信心，分析其原因，主要包括以下几个方面[1,2]：

　　(1)网络的巨大信息量使人们必须依赖于自动化的处理技术。但是目前因特网的各个网端的技术支持环境比较复杂，信息资源的内容范围、组织结构和存储方式各不相同，呈现出分散、无序、变幻多端的特点，这使自动信息处理技术的应用困难重重。因此要提高信息导航的效率和质量，必须先解决资源异构的问题。

　　(2)网络信息空间中的数据大多以半结构化和非结构化的形式存在，对信息资源的内容缺乏形式化的语义描述，而且大部分资源间的链接也没有反映语义关系，这使得机器很难对网络信息空间进行深层次的理解和处理，对信息的自动导航也无法像人工操作那样准确有效。

　　由此可见，造成信息“迷航”问题的主要原因在于缺乏信息空间的合理组织和有效的导航机制，这也是第二代web网络技术难以克服的困难。为此，人们正在研制第二代web网络——Semantic Web，它以结构化信息表示为主，为网络导航研究开辟了新天地。

　　建立语言标准是实现Semantic Web 的重要基础性工作， 但还需要在语言标准的研究之上建立支持这些标准的相应支撑软件，这一软件是最终实现Semantic Web 的一个重要的基础软件[3] [6]。所以开发一种可以处理本体形式化表示、存储管理、分布式管理、甚至是推理机制的Semantic Web 支撑软件成为发展Semantic Web Services 的重要一环。本文讨论的就是这样的可以应用于Semantic Web 的支撑软件。

　　2.1　本体

　　所谓本体(Ontology)，实质上是描述特定应用领域知识的公认的术语集。关于奉体的定义，比较著名的观点是“本体是概念模型的一个显式的规格说明”和“本体是共享概念的一个形式化的规格说明”，其中，“概念模型(Conceptualization)”是指通过对某个客观现象的相关概念进行辨析和提取而获得的关于该现象的抽象摸型;“显式(Explicit)”是指对所使用的概念的类型，以及这些概念在应用上的约束都给予明确的说明;“形式化(Formal)”表示本体以计算机可读的形式存在;“共享(Share)”表示本体中反映的是共同认可的知识”[5]。

　　本体通常表达为一组对象(概念)、关系、函数、定理和实例。本体中的对象类按照等级关系组织成基本的结构体系。等级关系包括例化(is-a)关系、类属(kind-of)关系和整部关系(part-of)。上层的对象类为父类，下层的对象类为子类。对象类具有各自的属性，并可依据父子关系继承。对属性的取值对象、取值范围、取值基数等都可以加以限制，还可以对属性的交换性、对称性、传递性、唯一性等进行定义。除了等级关系，本体中的对象类间还可以具有其他语义关系，形成语义网络形式的概念模型。本体是机器自动推理和智能化高级信息服务的基础，对网络而言，一个简单的本体的典型例子就是网络的分类索引(如Yahoo!的分类目录)。本体的应用对于提高网络导航的精度和效率具有重要的意义[1,4)。

　　2.2 RDF和RDFS

　　RDF是由W3C开发的元数据描述机制，其目的主要是为元数据在网络上的编码、交换和重用提供一个基础。它允许在XML的基础上以一种标准化的、互操作的方式对数据语义进行定义[4]，提供了一个描述web资源的数据模型。RDF包含描述资源的属性和关系的声明。资源是任何用URl(Uniform Resource Identifier)唯一标识的实体对象。资源具有属性，属性则具有一定的值，该值可能是简单的字符串或数字，也可能是自身也具有属性的其他资源。这样，资源、资源属性和属性值构成了RDF声明中的三元关系模式，任何本体或描述性元数据都是这种三元关系模式的具体体现”[1,7]。

　　为了描述元数据元素间的复杂语义关系，W3C进一步定义了RDFS(RDF Schema)。它可以看成是一个本体定义语言，用来建立概念类体系结构、属性层次和类关系。

　　3　基于Semantic Web的智能导航机制

　　Semantic Web的出现为网络信息导航提供了新的研究思路，Semantic Web技术是解决无序网络空间中“迷航”问题的关键技术。基于Semantic Web的智能导航是一种以结构化、语义化的概念知识网络为基础，自动形成个性化导航结构的方法。它分为两个方面，一是基于Semantic Web的信息组织，即利用参考本体对各信息源进行语义描述和整合;二是基于Semantic Web的个性化导航结构模型的构建，即在有序语义组织的基础上，构造用户语义模型，并据此建立导航结构。图1显示了基于Semantic Web的智能导航机制的概念结构[8]。

　　3.1　基于Semantic Web的信息组织

　　基于Semantic Web的信息组织的基本思想是，将来自于多个异构信息源中的数据整合到一个语义统一的参考本体中。参考本体是通过分析领域中的各个信息资源集合，提取公共概念、属性和关系而构建的本体，它为所有信息资源提供统一的概念集合和通用语义。

　　信息整合的方法是先分别将各个信息源中的数据转换为通用的数据模型，然后建立各个数据模型和参考本体之间的映射关系。网络中的信息源具有各种各样的数据格式，其中大部分是HTML页面，有的包含表格和列表。另外还有XML文档、RDF文档以及关系数据库文档等。为了解决分布式异构信息源的语法相异问题，需要将数据转换为公用的数据模型格式，例如RDF。对于非RDF格式的信息数据，可以利用外覆包(wrapper)技术将其自动地转换为基于RDF的数据模型。外覆包对特定格式的数据文档进行解析，并采用RDF声明对其内容进行标注。下面是三种常用的外覆包：

　　(1)HTML外覆包。由于HTML页面属于半结构化的信息数据，因此HTML外覆包采用的是半指导性的标注方法。即预先手工标注一组HTML页面，然后对新的HTML页面进行结构分析，将新页面与标注页面进行比较，从中提取相关信息。HTML外覆包还可以处理异构的XML文件[1]。

　　(2)XML外覆包。根据DTD和Schema所定义的XML文档的内容结构和内容元素，建立概念集与DTD　Schema之间的映射关系，从而自动地将XML文献中的DTD内容元素标记转换为对应的概念集元数据标记。

　　(3)关系数据库外覆包。将关系数据库中的数据元素和二维数据关系映射到概念集中，形成语义基础，以便从关系数据库中自动创建RDF声明。

　　由于不同的信息提供者可能会使用不同的词表来标注数据，因此在建立通用数据模型后，还必须在信息数据源和参考本体之间建立概念和关系的映射，以消除语义差别。根据RDF声明，在参考本体中注册相关内容的来源，使参考本体成为一个知识内容的集成文件。另外，采用基于本体的元数据发现和漫游技术，探测相关的RDF声明，可以自动地添加新的信息资源[8]。

　　3.2　基于Semantic　Web的个性化导航

　　通过建立参考本体以及进行信息整合，无序异构的网络信息数据通过语义概念及语义关系被组织到一起，形成一个有序的公共语义知识模型。但是对于具体网络用户的信息导航，并不直接在全部公共语义模型上进行，而是依据用户语义模型有针对性地进行。

　　3.2.1　用户语义模型

　　用户语义模型是反映用户观点的概念集合和概念关系。概念集合的确定可以由用户直接提交或者根据用户的注册信息(用户的兴趣、爱好和知识背景等)按照一定的规则计算选择。而构建用户语义模型的关键步骤在于建立用户概念集合与参考本体间的语义映射，寻找参考本体中与用户相匹配的概念和关系。

　　为了将参考本体映射到用户语义模型，需要预先对参考奉体和用户概念集合进行数据训练，方法是为每个本体概念和用户概念各标注一定的相关资源作为训练数据，然后利用向量空间模型为每个概念生成向量，并计算其标准权重。

　　建立语义映射的过程通过计算用户概念集合中的概念向量uc与参考奉体中的每个概念向量间的匹配度来完成。假设在n维向量空间中，用户概念向量uc中第i项的权重为的匹配度为[9]：

　　首先将计算结果中匹配度高于阀值的若干概念向量与uc建立映射，形成从用户概念集合到参考本体的一对多的对应关系。如果参考本体的一些概念被重复映射，则需要选择其中匹配度最高的映射，以保证从参考本体到用户概念集合的一对一关系，即一个本体概念只能和一个用户概念相关，但一个用户概念可以和多个参考概念相关。在建立用户概念集合与参考奉体对应关系的同时，用户概念也继承了本体中的概念层次结构和其他语义关系，成为一个独立的语义模型。

　　原则上应该将参考本体中的所有概念都映射到用户语义模型中，但是由于用户语义模型是范围相对较小的概念集合，因此参考奉体中的概念实际上不可能被完全映射。为了保持映射的完整性，可以在用户语义模型中设立一个“其他”概念类，参考本体中的所有没有被映射的概念将成为它的子概念[9]。

　　举例来说，假设用户提供的信息表明其在体育领域感兴趣的概念为“足球”、“足球世界杯”、“足球亚洲杯”、“NBA”、“围棋”、“奥运会”，图2显示了这些用户相关概念经过映射后形成用户语义模型的过程。

　　用户概念集合中的每一个概念都在参考本体中找到了与之相对应的一个或多个概念，将这些概念从参考本体中提取出来，并根据其语义关系重新组合，就形成了用户语义模型的结构。例如：用户概念“NBA”的对应概念为“篮球”、“篮球赛事”和“美国篮球职业联赛(NBA)”，因此这三个概念都被包含在用户语义模型中，且它们之间的父子关系(即等级关系)保持不变。又如，虽然参考本体中的“其他赛事”概念和用户概念集合没有直接对应关系，但由于该概念和“足球赛事”与“篮球赛事”两个概念间有语义关系，且这两个概念均与用户相关，因此该概念也被包含在用户语义模型中。另外，“世界杯足球赛”概念实际上与“足球”和“足球世界杯”两个概念间都具有对应关系。但由于它与后者的匹配度比前者高，因此将它映射到后者。

　　3.2.2　个性化导航结构模型

　　导航结构模型显示了导航系统组织、关联和显示信息内容的方式。站点地图就是一种最简单直接的导航结构模型。个性化导航结构模型是基于用户语义模型创建的针对特定用户的导航结构，是个性化导航服务的实现。

　　导航结构的设计需要考虑三个基本要素：卡片、页面和链接。一张卡片只包含一种类型的信息内容，是导航结构模型中的最小组成单元。页面与物理的web页面相对应，一个页面上可以包含若干个卡片。链接则用于连接各个页面中的卡片以形成整体结构[8]。通常，导航结构模型总是从一个缺省的根页面开始，每一级页面都包含了到下一级页面的链接，信息内容通过卡片和页面进行分类和聚合，导航通过链接来进行。在个性化的导航结构建模中，导航结构是根据用户语义模型来确定内容和链接关系的。图3显示了一个导航结构的部分示例，它是在图2中的用户语义模型的基础上建立的。

　　导航结构的建模过程就是对各级贞面中的卡片的内容、类型和表示样式的确定过程。卡片的内容根据触发点和用户语义模型来选择，不同的用户将获得不同的信息内容。

　　导航结构中的卡片被分为两种类型：静态卡片和动态卡片。静态卡片的内容独立于数据源，主要包含静态文本、图片等。导航结构中的根页面通常都包含静态卡片，具有预先定义的锚点，指向下一级的页面。动态卡片的内容视数据源而定，如果数据源改变，则卡片的内容必须重新计算生成。动态卡片还可以细分为四种类型，每一种都代表了对信息进行结构化的一种典型方法：

　　(1)列表型(List)卡片：显示实体的实例列表，每一条实例都可具有指向该实例具体内容的链接入口。列表中的实例可以按照某种属性排序或索引。图3中的页面P2、P3、P4、P5都包含了列表型卡片。

　　(2)事实型(Fact)卡片：详细地显示一个实例的具体内容，如图3中的页面P4包含的“新闻内容”卡片和页面P5包含的“赛事内容”卡片。

　　(3)幻灯片型(Slide)卡片：顺序显示一组实例的具体内容，每次一个实例，且具有浏览附近实例的超链接，待显示的实例可以按照某种属性排序或索引。图3中的页面P6包含该类型的卡片，其中每个足球俱乐部的相关信息将被依次显示。

　　(4)查询型(Query)卡片：要求用户先填写一组实体属性的值，然后查询符合该值的实例并显示，通常该类型的卡片用于导航系统中的信息检索，如图3中的页面P7包含的卡片[8]。

　　另外，不同的卡片具有不同的表示样式，表示样式描述各种表示元素的属性，例如字体、颜色、布局等。表示样式可以根据用户喜好确定。

　　个性化导航机制的导航方法采用用户语义模型的查找与语义链的触发相结合的方式。当导航结构中的一个链接被触发时，该链接将被赋予一个查询式Q(C,T,S)，式中三个变量的含义分别代表卡片的内容、类型和表示样式，在用适当的值填充变量后，即可利用查询式计算生成链接末端的卡片。例如在图3中，当链接L1被触发后，L1的查询式为：Q(“体育”，List,Stylel)，其计算结果为页面P2中的卡片。Q中的变量C的值为L1的触发端点的概念“体育”，Q在计算时将检索用户语义模型，获取此概念的相关概念或相关资源作为卡片的内容。Q中变量T的值为List，因此Q生成的卡片将具有列表型的信息结构。同时，由于Q中变量S的值为Stylel，因此Q还要读取样式表中名称为Stylel的表示样式，并据此决定卡片的外观。同理，链接L2的查询式为Q(“足球俱乐部”，Slide，Stylel)，其结果是生成一个信息结构为幻灯片类型，表示样式为Stylel，内容与足球俱乐部相关的卡片”[11,12]。

　　导航机制采用Semantic Web技术，揭示和整合网络信息资源的深层语义知识模型，能有效解决无序、异构网络信息空间中的“迷航”问题。它利用映射方法建立用户语义模型，可以充分表达用户需求的语义知识，以提高个性化导航的效率。

　　4　结束语

　　网络信息的利用状况不容乐观，迫使人们努力探索更为先进更为成熟的导航理论、方法和技术。第二代web技术——Semantic Web在信息服务中的应用，促进了网络导航新技术的发展。它作为导航系统的信息组织框架，能够使复杂的信息空间变得有序、清晰和直观，它采用机器可读的形式化的知识表示方式，有利于知识内容的自动获取。目前，Semantic Web技术正获得越来越多的应用，相信经过不断地研究和优化，以Semantic Web为基础的高级网络信息服务将逐步成熟，智能、高效、个性化的导航系统将成为开发网络信息资源的主流工具。

　　网络导航的核心是：通过给全球信息网上的文档(如:HTML)添加能够被计算器所理解的语义(Meta data)，从而使整个因特网成为一个通用的信息交换媒介。语义全球信息网通过使用标准、置标语言和相关的处理工具来扩展全球信息网的能力。不过语义网概念实际上是基于很多现有技术的(某些技术甚至可以追溯到20世纪60年代末期), 也依赖于后来和text-and-markup与知识表现的综合.