導語：Ontology適應性知識分析論文一文來源于網友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

【內容提要】文章從ontology和文獻知識發(fā)現(xiàn)出發(fā),在整理現(xiàn)有Ontology系統(tǒng)的基礎上,分析了其存在的問題,針對問題中關鍵的適應性問題,提出了分層的面向Ontology的知識發(fā)現(xiàn)模型。該模型將整個Ontology系統(tǒng)分成5個層次,以適應不停變化的世界需要。文章最后提出了與模型相關的尚未進行研究的問題。

【摘要題】信息化與網絡化建設

【關鍵詞】本體/知識發(fā)現(xiàn)/適應性/Ontology/模型

【正文】

Gruber提出“Ontology是概念化的一個形式化的規(guī)格說明”。所謂概念化可以理解為一組概念(如實體、屬性、過程)及其定義和相互關系。[1]Borst在Gruber定義基礎上引入了共享概念,認為Ontology是被共享的概念化的一個形式化的規(guī)格說明。[2]

在目前的知識發(fā)現(xiàn)領域中,知識之間的語義關系得到了重視,很多研究人員都將語義網的概念引入到知識發(fā)現(xiàn)過程中。各領域的Ontology被開發(fā),各專業(yè)的概念以及概念之間的關系被揭示出來,并且被投入到知識發(fā)現(xiàn)過程當中去,對知識發(fā)現(xiàn)過程起到了至關重要的作用,但也存在不適應變化等諸多問題。本文嘗試從目前生物信息學和商業(yè)領域知識發(fā)現(xiàn)系統(tǒng)入手,分析Ontology應用于這些系統(tǒng)時所存在的問題,并針對這些問題提出一個適應變化的基于Ontology的知識發(fā)現(xiàn)模型。

1Ontology在知識發(fā)現(xiàn)領域中的應用

目前Ontology應用廣泛,本文僅從生物信息學和商業(yè)領域對基于Ontology的知識發(fā)現(xiàn)系統(tǒng)進行研究,并提出應用中存在的問題。

1.1PadminiSrinivasan的基于文獻的知識發(fā)現(xiàn)方法

基于文獻的知識發(fā)現(xiàn)方法最早是由Swanson提出,其目標是通過挖掘文獻數(shù)據(jù)庫(如MEDLINE)發(fā)現(xiàn)概念和概念之間新的、潛在的、有意義的關系。[3]

PadminiSrinivasan在Swanson的基礎上將基于文獻的知識發(fā)現(xiàn)的算法進行了改進。[4]他們使用了超越簡單詞頻統(tǒng)計范圍的詞頻權重,并且采用了基于UMLS語義過濾篩選機制,他們的研究算法還利用了文獻的元數(shù)據(jù)來代表文獻的主題。由于元數(shù)據(jù)是概念集合,所以可以利用元數(shù)據(jù)將非結構化的文本生成結構化的數(shù)據(jù),對非結構化文本的復雜挖掘方法就簡化為對結構化文本的知識挖掘。

圖1面向ontology適應性的知識發(fā)現(xiàn)模型

1.2IBMMedTAKMI的知識發(fā)現(xiàn)

IBM開發(fā)的用于挖掘生物醫(yī)學知識的軟件MedTAKMI利用醫(yī)學Ontology對生物醫(yī)學文獻數(shù)據(jù)庫進行動態(tài)和交互式挖掘。[5]它使用自然語言處理技術抽取深層次的生物醫(yī)學概念,對生物醫(yī)學概念(基因、蛋白質、疾病)的抽取是目前基于文獻的知識發(fā)現(xiàn)領域中研究活躍的領域之一,在MedTAKMI系統(tǒng)中實現(xiàn)知識挖掘功能的主要為信息抽取和實體/關系挖掘這兩個部分,其中實體抽取是對生物醫(yī)學文獻中基因、蛋白質、化學物質名稱的識別;關系抽取是抽取這些實體之間的關系。

1.3GenesTrace基于整合Ontology的知識發(fā)現(xiàn)

GenesTrace系統(tǒng)充分利用了UMLS、GeneOntology(GO)、GeneOntology相關數(shù)據(jù)庫(GODB)所提供的知識資源,將UMLS中的疾病概念與GO相關數(shù)據(jù)庫(GODB)中的基因產品相關聯(lián)起來,其中對UMLS和GeneOntology的整合是非常重要的一部分。[6]GenesTace的知識發(fā)現(xiàn)主要是借助整合的Ontology,并根據(jù)概念之間的共性關系,挖掘出新的知識。

1.4UNSPESC中的知識發(fā)現(xiàn)

DingYing利用UNSPSC(TheUnitedNationsStandardProductsandServicesCode)對非結構化的文本數(shù)據(jù)進行挖掘。[7]當然,在獲取商業(yè)知識的過程中,僅僅使用UNSPSC是完全不夠的,必須根據(jù)不同的需求,重用UNSPSC開發(fā)、界定適合各自需求的詞表、屬性和關聯(lián)規(guī)則,構建面向應用的商業(yè)Ontology。

2存在的主要問題

以上這些Ontology用不同的語言和系統(tǒng)開發(fā),概念的定義缺乏統(tǒng)一性,概念的等級關系也存在著混亂性,例如在生物醫(yī)學領域中,UMLS的基因類目和GeneOntology就存在著很大的不同。另外在競爭情報領域,有專門的進行網絡信息搜集的公司,信息被保存在專業(yè)的市場行情數(shù)據(jù)庫中,這些公司也為用戶提供各種知識挖掘的服務,為了有效地進行知識發(fā)現(xiàn),他們也開發(fā)了適合競爭情報服務的Ontology來幫助確定不同公司之間的關系。目前在挖掘不同領域的知識的時候,出現(xiàn)了許多問題,主要表現(xiàn)在以下兩個方面:

(1)現(xiàn)有的Ontology的整合方法并不完善。在前面介紹的Ontology在知識發(fā)現(xiàn)中的應用中,可以看出研究人員已經開始了進行Ontology的整合,現(xiàn)有Ontology的整合方式主要是將其它的Ontology直接按照某種規(guī)則移植進到一個相對全面的Ontology中,如GeneOntology與UMLS之間的整合。經過整合后的中間集合的Ontology在語法、句法和各種規(guī)則上是相容的,各個Ontology之間是保持相對獨立的,對這些不兼容的Ontology采用不同的語言、不同的句法、不同的表現(xiàn)方式。生物醫(yī)學在知識發(fā)現(xiàn)方面,是一個特殊的領域,由美國國家醫(yī)學圖書館開發(fā)的UMLS包含了幾十個專業(yè)的詞表,并建立了各種概念之間的映射關系,是一個比較全面的Ontology,在生物醫(yī)學領域已經被當作公認的Ontology,但是在其他領域,如商業(yè)領域同樣也包含了大量的面向不同應用的Ontology,對這些Ontology的整合成為商業(yè)知識挖掘領域亟待解決的問題。Chimaera在這方面提供了一些有效的解決方案。[8]。

(2)Ontology缺乏適應性。隨著科學技術的快速發(fā)展,在各個領域產生了大量的新概念,那么為了充分挖掘各個領域的新知識,必須及時掌握各個領域的新的概念?，F(xiàn)有的大部分Ontology都沒有適應環(huán)境變化的要求對詞表和詞間的關系進行及時的更新。雖然UMLS現(xiàn)在已經出版了幾版,但是這種更新速度是無法滿足各領域知識發(fā)掘的需要,所以Ontology的動態(tài)更新是進行知識發(fā)現(xiàn)的必要條件。另外一方面也表現(xiàn)出了Ontology缺乏穩(wěn)定性,過于頻繁的變化也會影響Ontology在知識發(fā)現(xiàn)中的應用,從發(fā)展的角度衡量動態(tài)性和穩(wěn)定性也是Ontology發(fā)展過程中急需重視的問題之一。

3面向Ontology適應性的知識發(fā)現(xiàn)模型構建

為了適應“變化”的需要,需要用一個能隨時改變業(yè)務流程和Ontology實體內容的模型。本文嘗試就適應性問題提出一個分層解決方案。如圖1所示,該圖展示了一種面向Ontology適應性的知識發(fā)現(xiàn)模型。

在該模型中,最高層為知識發(fā)現(xiàn)表示層,該層將知識發(fā)現(xiàn)以一定的方式表示,該表示應為該模型系統(tǒng)可讀的。第二層為規(guī)則層或者知識發(fā)現(xiàn)過程層,在該層將知識發(fā)現(xiàn)的過程分解為各個活動,各個活動通過與Ontology實體層的互動來實現(xiàn)活動的功能,知識發(fā)現(xiàn)的完成依賴于全部活動的完成。針對不同的需求,通過重組活動,可以獲得不同的知識發(fā)現(xiàn)過程以適應不同的實際需要。

Ontology實體單獨成為一個層,該層通過接口與規(guī)則層和實現(xiàn)層實現(xiàn)訪問和調用。Ontology實體層可以實現(xiàn)對Ontology實體的即使插拔操作,只要按照規(guī)定好的接口描述Ontology實體,就可以將Ontology實體加入到以該模型為實現(xiàn)基礎的系統(tǒng)中,這樣可以方便地對Ontology實體進行增、刪、改操作,以適應Ontology不斷變化的實際情況。

實現(xiàn)層為Ontology實體和活動提供具體的實現(xiàn)支持,該層可以通過調用已存在的對象來簡化實現(xiàn),可以用不同的實現(xiàn)方式來實現(xiàn)同一功能。表示與實現(xiàn)的分開,可以在實現(xiàn)細節(jié)需要改變時無需更動系統(tǒng)框架,在不影響系統(tǒng)運行的情況下實現(xiàn)改變。

對象層存放各個領域已開發(fā)的成熟對象、免費對象或自主開發(fā)的對象,該層主要對實現(xiàn)層進行對象調用的支持。

在以上分層知識發(fā)現(xiàn)模型中,適應變化是其一個最重要的特征,當知識發(fā)現(xiàn)過程、Ontology實體、實現(xiàn)或對象發(fā)生變化時,無需對整個系統(tǒng)進行更改,只需要在不影響整個系統(tǒng)的情況下對各個單獨的層進行相應的更改即可。該適應性也很好地體現(xiàn)了系統(tǒng)的可擴展性,新的需求可以很方便地增加到系統(tǒng)中。

4總結

基于文獻的知識發(fā)現(xiàn)方法從20世紀80年代被Swanson提出之后,很多研究人員都投身到知識發(fā)現(xiàn)領域中,并對Swanson的知識發(fā)現(xiàn)方法進行了改進。但各個領域的基于Ontology的文獻知識發(fā)現(xiàn)系統(tǒng)也存在不少問題,文本僅嘗試對系統(tǒng)的適應性問題提出一個可能的解決模型,在該方案中,尚未對知識發(fā)現(xiàn)表示的方法、統(tǒng)一Ontology接口描述等問題進行研究,這些問題有待于進一步研究。

【參考文獻】

[1]ThomasRGruber.Ontolingua:ATranslationApproachtoPotableOntologySpecification.KnowledgeAcquisition,1993,5(2):199-200

[2]BomtWN.ConstructionofEngineeringOntofogiesforKnowledgeSharingandReuse.PhDThesis,Enschede:UniversityofTwente,1997

[3]SwansonDR.Fishoil,Raynaud''''ssyndrome,andundiscoveredpublicknowledge.PerspectivesinBiologyandMedline,1986,30(1):18

[4]PadminiSrinivasan.TextMining:GeneratingHypothesesFromMEDLINE.JASIST,2004,55(5):396-413

[5]NUramoto.AText-miningSystemforKnowledgeDiscoveryfromBiomedicalDocuments.IBMSYSTEMSJOURNAL,2004,43(3):516-533

[6]AnandKumar,BarrySmith.TheUnifiedMedicalLanguageSystemandtheGeneOntology:SomeCriticalReflections[OL].[2006-06-20].

[7]uibk.ac.at/~c703205/download/01jis01final-revision.pdf[2006-06-20]