互聯(lián)網(wǎng)資源知識(shí)本體自動(dòng)構(gòu)建實(shí)證研究 本體構(gòu)建

　　[摘要]研究一種利用互聯(lián)網(wǎng)已有資源就可以自動(dòng)構(gòu)建互聯(lián)網(wǎng)資源知識(shí)本體的方法，從可以讓用戶對(duì)資源添加自由分類標(biāo)簽的網(wǎng)站標(biāo)簽中篩選出概念，根據(jù)標(biāo)簽與資源的關(guān)系，設(shè)計(jì)合理的規(guī)則，繪出概念關(guān)系網(wǎng)絡(luò)地圖，從概念關(guān)系網(wǎng)絡(luò)地圖中總結(jié)規(guī)律，分析出構(gòu)建概念之間各種級(jí)系的合理規(guī)則，編成讓計(jì)算機(jī)理解的網(wǎng)絡(luò)本體語(yǔ)言自動(dòng)構(gòu)建互聯(lián)網(wǎng)知識(shí)本體。根據(jù)概念匹配原則，系統(tǒng)軟件可以自動(dòng)套用預(yù)給的權(quán)威詞典解釋，也可自動(dòng)讀取百度百科網(wǎng)站相關(guān)的概念的解釋，套入本體術(shù)語(yǔ)解釋數(shù)據(jù)庫(kù)。
　　[關(guān)鍵詞]本體 自由分類標(biāo)簽 概念關(guān)系結(jié)構(gòu)圖 自動(dòng)構(gòu)建
　　[分類號(hào)]G250
　　
　　1　引言
　　
　　本體是某一領(lǐng)域共享的、概念化、形式化表示的知識(shí)體系，第二代互聯(lián)網(wǎng)的發(fā)展需要大量領(lǐng)域本體作為支撐。目前領(lǐng)域本體主要依賴手工構(gòu)建，而且只包含非常少的領(lǐng)域概念，需要耗費(fèi)大量的人力和時(shí)間，對(duì)于互聯(lián)網(wǎng)資源知識(shí)的本體更是無(wú)從構(gòu)建。新的詞匯和概念每天都在出現(xiàn)，概念間的關(guān)系也在發(fā)生變化，所以互聯(lián)網(wǎng)資源本體構(gòu)建一定要利用軟件快速構(gòu)建，自動(dòng)更新。研究快速地自動(dòng)構(gòu)建互聯(lián)網(wǎng)資源知識(shí)本體不但可以節(jié)省大量的人力物力，而且是建設(shè)語(yǔ)義網(wǎng)的基礎(chǔ)。
　　
　　2 本體自動(dòng)構(gòu)建的研究現(xiàn)狀
　　
　　當(dāng)前，國(guó)內(nèi)外許多研究團(tuán)體正在致力于本體的自動(dòng)構(gòu)建方法的研究。較為成熟和流行的是基于詞典的本體半自動(dòng)構(gòu)建方案，WordNet和HowNet兩部詞典都是基于世界知識(shí)分析總結(jié)后建立的電子詞典，其中記錄了比較全面的概念詞條，通常用來(lái)作為構(gòu)建本體用詞典。概念發(fā)現(xiàn)過(guò)程中進(jìn)行的模式匹配和概念相似度計(jì)算，就是基于詞典進(jìn)行的，對(duì)抽取的數(shù)據(jù)進(jìn)行凈化處理后，將獲得一條條名詞詞組，然后以詞典為基礎(chǔ)，進(jìn)行字符串的匹配，從而發(fā)現(xiàn)新的概念。同時(shí)，詞典也是概念間關(guān)系發(fā)現(xiàn)的基礎(chǔ)，根據(jù)詞典中已有的上下位關(guān)系、同義關(guān)系進(jìn)行概念的相似度計(jì)算，從而完成本體自動(dòng)構(gòu)建過(guò)程中的概念匹配過(guò)程和確定關(guān)系過(guò)程。本體術(shù)語(yǔ)的定義也是采用詞典的解釋作為術(shù)語(yǔ)定義。
　　對(duì)于互聯(lián)網(wǎng)資源知識(shí)本體的自動(dòng)構(gòu)建，如果按上述利用詞典去構(gòu)建的方法，筆者認(rèn)為還存在以下問(wèn)題：①互聯(lián)網(wǎng)新知識(shí)新概念每天都層出不窮，而詞典的概念是固定的，有限的，如果靠專家人工去不斷完善詞典，實(shí)際上也不是自動(dòng)構(gòu)建；②詞典對(duì)于概念間的關(guān)系描述有限，對(duì)于關(guān)系的發(fā)現(xiàn)還只限于上下位關(guān)系和同義關(guān)系的發(fā)現(xiàn)，而實(shí)際應(yīng)用的本體內(nèi)存在更多的較復(fù)雜的關(guān)系”’；③利用詞典進(jìn)行的相關(guān)度計(jì)算，匹配計(jì)算，相似度計(jì)算后得出概念關(guān)系會(huì)存在偏差，這樣得出的本體應(yīng)用起來(lái)就會(huì)出現(xiàn)難以被人理解的情況；④利用詞典自動(dòng)構(gòu)建的本體還未能對(duì)數(shù)據(jù)源的領(lǐng)域范圍進(jìn)行判斷，這影響本體自動(dòng)構(gòu)建的正確率。
　　
　　3 利用互聯(lián)網(wǎng)已有資源自動(dòng)構(gòu)建互聯(lián)網(wǎng)資源知識(shí)本體
　　
　　3.1 新觀點(diǎn)、新方法
　　自由分類可以看作“本體論的新學(xué)派”，因?yàn)樽杂煞诸惙�可以被看作是一種“社會(huì)化的本體，本體的構(gòu)建不需要再依賴專家，而可以從豐富的用戶數(shù)據(jù)中提取。自由分類要自動(dòng)構(gòu)建和豐富本體，其關(guān)鍵是要過(guò)濾掉非形式化、不規(guī)范的標(biāo)簽，篩選出正確的概念，確定概念之間復(fù)雜的層次關(guān)系，同義關(guān)系和屬性關(guān)系，并用準(zhǔn)確的定義去描述概念。
　　
　　3.2 確定本體的領(lǐng)域和范圍
　　只有在可以讓用戶添加自由分類標(biāo)簽的網(wǎng)站才可以提供這些構(gòu)成本體的詞匯、術(shù)語(yǔ)和它們之間的關(guān)系。用戶添加自由分類標(biāo)簽的類型有：推薦的網(wǎng)站網(wǎng)頁(yè)資源分類標(biāo)簽；推薦的圖書(shū)，電影，音樂(lè)分類標(biāo)簽；視頻分類標(biāo)簽；博客分類標(biāo)簽；論壇分類標(biāo)簽；圖片分類標(biāo)簽；百科知識(shí)(WIKI)分類標(biāo)簽；開(kāi)放存取論文分類標(biāo)簽；推薦的新聞分類標(biāo)簽；商品分類標(biāo)簽；威客witkey標(biāo)簽；用戶上傳分享文檔的標(biāo)簽等。雖然自由分類標(biāo)簽并沒(méi)有覆蓋所有的互聯(lián)網(wǎng)資源類別和資源，但都是用戶推薦的，有代表性的�；ヂ�(lián)網(wǎng)的本體構(gòu)建只需每個(gè)類別資源中的有代表性的，受歡迎的資源去構(gòu)建就行了。
　　
　　3.3 列舉各領(lǐng)域中重要的術(shù)語(yǔ)、概念
　　自由分類標(biāo)簽中有許多非分類詞標(biāo)簽，設(shè)計(jì)軟件對(duì)以下很明顯的垃圾標(biāo)簽進(jìn)行過(guò)濾，例如：純標(biāo)點(diǎn)符號(hào)、純數(shù)字、數(shù)字加中文、單個(gè)字，等等。過(guò)濾后還會(huì)剩下不少垃圾標(biāo)簽，由于其字面描述亂七八糟，出現(xiàn)次數(shù)很少，因此只要對(duì)只出現(xiàn)若干次以下的標(biāo)簽不予統(tǒng)計(jì)即可，這樣兩次過(guò)濾后，就得到的比較標(biāo)準(zhǔn)的概念。
　　
　　
　　
　　3.4 本體概念的組織
　　如果同一資源被用戶添加了兩個(gè)不同的標(biāo)簽(概念)，那么就說(shuō)明這兩個(gè)概念之間存在部分意義關(guān)聯(lián)，也就是有某部分含義的交叉重疊或者聯(lián)系。概念之間存在同義詞、包含、層次、等級(jí)等關(guān)系，分析它們所標(biāo)注過(guò)的資源集合的關(guān)系就可以分析出概念之間的關(guān)系，當(dāng)兩個(gè)概念標(biāo)注同一個(gè)資源時(shí)，兩個(gè)概念之間就用一根連接線連接起來(lái)，兩個(gè)概念之間連線越多就說(shuō)明這兩個(gè)概念意義越相近，當(dāng)兩個(gè)概念標(biāo)注過(guò)的資源集合連線數(shù)達(dá)到等于較小的概念標(biāo)注過(guò)的資源集合元素總數(shù)時(shí)，就說(shuō)明這兩個(gè)概念集合為同義詞關(guān)系或直接包含關(guān)系。如圖1所示：
　　圖1中的數(shù)字94、98、99、101為不同資源的代碼，長(zhǎng)方形為概念名稱，橢圓表示概念包含的資源的集合，概念“圖畫書(shū)”標(biāo)注過(guò)的資源集合和概念“繪本”標(biāo)注過(guò)的資源集合的連接線達(dá)到最大限度，說(shuō)明這兩個(gè)概念為同義詞或者達(dá)到完全包含的關(guān)系。如果為同義詞的，就將它們合并為一個(gè)概念；如果為直接包含的，就把包含較少元素的概念作為包含較多元素概念的子目錄。如果一系列概念中有互相完全包含關(guān)系的，就用不同的括符表示。例如A包含B，B包含C，B包含D，D包含E，那么就用A|B[C，D(E)]，表示，而且合并為一個(gè)大概念A(yù)。
　　把每個(gè)概念看作一個(gè)點(diǎn)，兩個(gè)概念之間無(wú)論有多少條連線。都簡(jiǎn)化為一條連線，而且連線的大小與原有的連線多少有關(guān)，原連線越多就越加粗表示。
　　這樣就處理后，就可以得出每個(gè)概念之間的關(guān)系網(wǎng)絡(luò)地圖，從而判斷它們之間的層次，等級(jí)關(guān)系。
　　例如，筆者從豆?網(wǎng)(http：／／www.省略)的數(shù)據(jù)中選擇了120本有關(guān)文學(xué)的圖書(shū)和它們被用戶添加的自由分類標(biāo)簽進(jìn)行研究繪圖，首先對(duì)120本圖書(shū)標(biāo)上1到120的編號(hào)，這樣每個(gè)數(shù)字就代表一本圖書(shū)，對(duì)只出現(xiàn)三次以下的標(biāo)簽省略掉，這樣就去掉了絕大部分非分類詞標(biāo)簽，得到較為標(biāo)準(zhǔn)的概念，在每個(gè)概念后列出其標(biāo)注過(guò)的圖書(shū)的編號(hào)。
　　兩概念(標(biāo)簽)之間只有一條連線的(即兩個(gè)標(biāo)簽只標(biāo)注了同一本書(shū))就省略，因?yàn)橹挥幸粭l連線不足以說(shuō)明兩個(gè)概念之間有包含等級(jí)關(guān)系，可能只是某用戶的偏理解。兩概念(標(biāo)簽)之間只有兩條以上連線的(即兩個(gè)標(biāo)簽同時(shí)標(biāo)注了兩本以上的書(shū))，繪制時(shí)兩標(biāo)簽簡(jiǎn)化用一條線連接，原連線越多，簡(jiǎn)化后的連線就越粗。兩個(gè)概念集合為同義詞關(guān)系或直接包含關(guān)系的，就把這兩個(gè)概念緊挨著繪制。這樣處理后就得到如圖2所示：
　　在圖2中，可以很容易看出網(wǎng)絡(luò)圖的主干線，分支 線，主干線是一級(jí)目錄“文學(xué)”分別指向二級(jí)目錄“小說(shuō)”、“散文”、“詩(shī)歌”、“隨筆”、“中國(guó)文學(xué)”、“外國(guó)文學(xué)”。二級(jí)干線有“中國(guó)文學(xué)”與“散文”、“小說(shuō)”與“中國(guó)文學(xué)”、“文學(xué)”與“文學(xué)評(píng)論”、“中國(guó)文學(xué)”與“詩(shī)歌”等，三級(jí)干線有“網(wǎng)絡(luò)小說(shuō)”與“小說(shuō)”、“外國(guó)文學(xué)”與“英國(guó)文學(xué)”等。
　　圖2中的兩個(gè)概念集合緊挨著繪制的“武俠”與“武俠小說(shuō)”、“兒童文學(xué)”與“童話”、“童書(shū)”等也確實(shí)為同義詞關(guān)系或直接包含關(guān)系�？梢钥闯鲈S多概念是的層次關(guān)系是交叉的，網(wǎng)狀分布的，繪出的結(jié)果非常符合實(shí)際，這樣就可以用實(shí)際數(shù)據(jù)例子說(shuō)明這種繪制規(guī)則是合理的、正確的。
　　對(duì)于繪出的概念關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)圖，還會(huì)發(fā)現(xiàn)一些孤島概念，就是其和其他概念沒(méi)有任何連線的，經(jīng)分析，這些概念也是一些不規(guī)范的標(biāo)簽，為了得到好的效果，設(shè)置系統(tǒng)對(duì)這些不規(guī)范的標(biāo)簽也過(guò)濾掉。
　　這只是對(duì)120本書(shū)的標(biāo)簽網(wǎng)絡(luò)地圖繪制的規(guī)則，如果對(duì)于10萬(wàn)冊(cè)書(shū)的標(biāo)簽網(wǎng)絡(luò)地圖繪制，筆者認(rèn)為可以規(guī)定對(duì)只出N次以下連接線的支線省略掉，不斷變化參數(shù)，直到得出最好的效果，并按照每個(gè)標(biāo)簽之間的連接次數(shù)從多到少，逐級(jí)排列分為一級(jí)干線、二級(jí)干線、……N級(jí)干線。
　　不同類型的資源(例如電影、博客、音樂(lè)、論壇、百科知識(shí)等)的標(biāo)簽與資源關(guān)系構(gòu)建的概念關(guān)系網(wǎng)絡(luò)地圖特征不同，所以要根據(jù)其特征具體分析，制定不同的確定概念之間屬性的合理方法。
　　所以筆者又選擇百度百科(http：／／baikebaidu.com)詞條為研究對(duì)象進(jìn)行實(shí)證研究，選取了100個(gè)有關(guān)天文、地理的詞條，每個(gè)詞條的解釋后面都注明該詞條的屬于的幾個(gè)開(kāi)放分類(這些開(kāi)放分類實(shí)際上就是篩選后的用戶對(duì)該詞條添加的自由分類標(biāo)簽)。同上述規(guī)則，首先對(duì)100個(gè)詞條標(biāo)上1到100的編號(hào)，這樣每個(gè)數(shù)字就代表一個(gè)詞條，對(duì)只出現(xiàn)三次以下的開(kāi)放分類標(biāo)簽省略掉，包含相同序號(hào)詞條的兩個(gè)分類標(biāo)簽之間就添加一條連線，兩個(gè)分類標(biāo)簽之間連線少于兩條的就省略掉，兩個(gè)分類標(biāo)簽之間無(wú)論有多少條連線都簡(jiǎn)化為一條，而且連線的大小與原有的連線多少有關(guān)，原連線越多就越加粗表示。如果有孤島概念(就是和其他概念沒(méi)有任何連線的)也篩選掉，這樣就得到如圖3所示：
　　圖3中，可以看出3個(gè)大的互相關(guān)聯(lián)的體系分別是地理、天文和自然科學(xué)，其中自然科學(xué)處于它們的中間。概念層次分明，連線越粗就說(shuō)明兩概念的細(xì)小知識(shí)單元重合越多，越處于眾多概念的上層架構(gòu)，橢圓緊挨著長(zhǎng)方形繪制的就是長(zhǎng)方形概念集合里的詞條元素完全包含橢圓行概念集合里的詞條元素(即說(shuō)明長(zhǎng)方形概念的細(xì)小知識(shí)單元完全包含橢圓概念的所有細(xì)小知識(shí)單元)，即長(zhǎng)方形概念是橢圓形概念的上級(jí)。這樣就進(jìn)一步用實(shí)際例子證明上述規(guī)則構(gòu)建概念的層次關(guān)系的正確性。而且這樣得出的本體結(jié)構(gòu)簡(jiǎn)潔、直觀，概念之間的關(guān)系更為明了。
　　在圖3中，例如對(duì)于“地理”這個(gè)概念，橢圓形的詞條“地域”、區(qū)域”、“地球科學(xué)”、“自然景觀”都是“地理”中的一個(gè)屬性或特征，與“地理”相連的長(zhǎng)方形詞條“平原”、“海洋”、“草原”、“地質(zhì)”、“地形”等是地理知識(shí)中要講述的某個(gè)方面概念。
　　“地質(zhì)學(xué)”可分別屬于“地理”、“地質(zhì)”、“自然科學(xué)”這三個(gè)目錄下。又例如“行星”和“八大行星”這兩個(gè)詞條都是屬于“太陽(yáng)系”的部件。在判別究竟“宇宙”和“太陽(yáng)系”這兩個(gè)概念究竟哪個(gè)是上級(jí)時(shí)，看到“宇宙”是通過(guò)一條很粗的干線與“天文”中心概念連接的，而“太陽(yáng)系”是沒(méi)有直接與中心概念“天文”連接，而且與周邊概念的連接線都很細(xì)，所以“宇宙”肯定是“太陽(yáng)系”的上級(jí)了。
　　可以看出圖2的概念關(guān)系結(jié)構(gòu)比圖3的概念關(guān)系結(jié)構(gòu)更加合理，因?yàn)閳D2的資源是圖書(shū)，圖3的資源是詞條(詞條本身就可能是一個(gè)分類詞，給分類詞添加分類標(biāo)簽就會(huì)存在不是很貼切的情況，而且會(huì)出現(xiàn)概念描述重復(fù))。如果資源是視頻、歌曲、論文、博客等，那么繪出的概念關(guān)系結(jié)構(gòu)圖的規(guī)律就肯定不完全相同，分析結(jié)構(gòu)圖的方法就肯定有差別，所以要根據(jù)實(shí)際繪出結(jié)構(gòu)圖后，用人工分析，總結(jié)規(guī)律，設(shè)計(jì)算法，再按照規(guī)律去編程，利用軟件自動(dòng)分析，從而更加合理地自動(dòng)定義本體中概念與概念的關(guān)系，定義概念的屬性。
　　
　　3.5 定義本體中概念與概念的關(guān)系，定義概念的屬性
　　用上述規(guī)則繪出本體概念關(guān)系網(wǎng)絡(luò)地圖后，就可以根據(jù)概念關(guān)系地圖判斷出概念之間的各種層次關(guān)系，同義詞關(guān)系，包含關(guān)系及屬性關(guān)系。在圖2中，根據(jù)中心度的計(jì)算以及以與周圍的概念關(guān)聯(lián)最多，關(guān)聯(lián)線最粗的判斷，很容易看出“文學(xué)”是處于最高層的一級(jí)概念。“小說(shuō)”、“散文”、“詩(shī)歌”、“隨筆”從體裁角度描述的二級(jí)概念分布在起周圍�！爸袊�(guó)文學(xué)”、“外國(guó)文學(xué)”從地域范圍描述的二級(jí)概念也直接在“文學(xué)”這個(gè)一級(jí)概念之下，而且和“小說(shuō)”、“散文”、“詩(shī)歌”、“隨筆”都有交叉聯(lián)系，“英國(guó)文學(xué)”、“美國(guó)文學(xué)”、“日本文學(xué)”、“法國(guó)文學(xué)”和“外國(guó)文學(xué)”的直接連線都較粗，所以可以判斷“英國(guó)文學(xué)”、“美國(guó)文學(xué)”、“日本文學(xué)”、“法國(guó)文學(xué)”首先屬于“外國(guó)文學(xué)”這個(gè)二級(jí)概念，先組成一個(gè)“外國(guó)文學(xué)”的凝聚子群。又例如在圖2中，“武俠”被“武俠小說(shuō)”完全包含，是“武俠小說(shuō)”的一個(gè)屬性。
　　
　　3.6 本體術(shù)語(yǔ)定義
　　根據(jù)概念關(guān)鍵詞匹配原則，系統(tǒng)有接口可以引入權(quán)威詞典的解釋，也有接口引入百度百科(維基百科)對(duì)相應(yīng)概念的解釋，這就保證了不斷新出的概念都能套用到現(xiàn)成的解釋。
　　
　　3.7 對(duì)本體編碼，形式化
　　選用OWL本體描述語(yǔ)言對(duì)上述建立的互聯(lián)網(wǎng)知識(shí)本體進(jìn)行編碼、形式化。相比其他語(yǔ)言，OWL有更多的機(jī)制來(lái)表術(shù)語(yǔ)義，更重要的是它是由W3C推薦的，用它來(lái)描述本體具有國(guó)際通用性，適合互聯(lián)網(wǎng)知識(shí)本體的構(gòu)建。在本體編碼過(guò)程中選擇Prot~g6作為本體建模工具，通過(guò)Protege，可以很方便地將其轉(zhuǎn)換為OWL語(yǔ)言。
　　
　　4 實(shí)現(xiàn)的關(guān)鍵技術(shù)與軟件示例
　　
　　4.1 關(guān)鍵技術(shù)
　　系統(tǒng)有接口與可以讓用戶添加分類標(biāo)簽的網(wǎng)站對(duì)接，直接導(dǎo)入以記事本形式記錄的資源和標(biāo)簽數(shù)據(jù)，有接口與權(quán)威詞典、百度百科的數(shù)據(jù)庫(kù)對(duì)接，直接導(dǎo)入概念的解釋和實(shí)例，并儲(chǔ)存在系統(tǒng)相對(duì)應(yīng)的本體術(shù)語(yǔ)數(shù)據(jù)庫(kù)中。
　　系統(tǒng)根據(jù)篩選后的標(biāo)簽，按矩陣分析方法得出概念之間的完全包含關(guān)系，被包含概念的都列在相應(yīng)概念后面的括號(hào)里，如果有多個(gè)概念多重包含則用多重括號(hào)表示，然后分析不同概念之間的連接線，并按連接線的多少繪出概念之間的直線大小。軟件自動(dòng)匯出的概念關(guān)系網(wǎng)絡(luò)圖中，概念的位置可以隨鼠標(biāo)拖動(dòng)，以求達(dá)到清晰的網(wǎng)絡(luò)圖。
　　概念關(guān)系網(wǎng)絡(luò)地圖涉及的數(shù)據(jù)和規(guī)則要讓人通過(guò)觀察、總結(jié)、理解后，再編成讓計(jì)算機(jī)理解的網(wǎng)絡(luò)本體語(yǔ)言。
　　
　　4.2 軟件處理示例
　　從豆?網(wǎng)給的8萬(wàn)冊(cè)圖書(shū)書(shū)名，每本書(shū)標(biāo)注的標(biāo) 簽數(shù)據(jù)分析來(lái)看，雖然每本書(shū)的標(biāo)簽十分凌亂。有很多不規(guī)范的非概念性標(biāo)簽，但正是由于它們十分不規(guī)范，所以出現(xiàn)次數(shù)都非常少，只需要對(duì)出現(xiàn)50次以下的標(biāo)簽刪除，劉，一些很明顯的垃圾標(biāo)簽(例如純數(shù)字標(biāo)簽、中英文組合的標(biāo)簽，純標(biāo)點(diǎn)符號(hào)的標(biāo)簽等)刪除即可得到比較標(biāo)準(zhǔn)的概念。根據(jù)上述標(biāo)簽和資源的關(guān)聯(lián)規(guī)則繪制的概念關(guān)系網(wǎng)絡(luò)圖，如果概念之間連線少于40次的就省略掉，這樣就可以過(guò)濾掉由于個(gè)別用戶偏理解的而造成的概念關(guān)聯(lián)。然后再刪除一些孤島概念(和其他概念沒(méi)有任何連線的概念)，這樣就基本可以從凌亂的標(biāo)簽中篩選到標(biāo)準(zhǔn)的概念和繪出層次分明的概念關(guān)系網(wǎng)絡(luò)地圖。
　　課題組開(kāi)發(fā)的軟件可以直接導(dǎo)入保存在，txt文件的資源名稱及其標(biāo)簽數(shù)據(jù)，并進(jìn)行篩選、合并、計(jì)算，自動(dòng)繪制概念關(guān)系網(wǎng)絡(luò)地圖，而且概念在圖中的位置可以隨鼠標(biāo)拖動(dòng)，這樣就保證各個(gè)關(guān)聯(lián)緊密的概念放在圖中的同一區(qū)域，無(wú)任何關(guān)聯(lián)的概念放在圖中不同的區(qū)域。軟件的一些操作界面見(jiàn)圖4－圖7：
　　例如圖5，按1、2步驟打開(kāi)后綴為.txt的數(shù)據(jù)文件，如果對(duì)數(shù)據(jù)滿意，則不用任何處理，直接導(dǎo)入庫(kù)即可。如果不滿意還可以對(duì)數(shù)據(jù)按下面的步驟進(jìn)行相應(yīng)的處理：①按5步驟可刪除選中的書(shū)名和標(biāo)簽；②按6步驟合并選中的數(shù)據(jù)；③按7步驟將標(biāo)簽里的空格自動(dòng)刪除，便于軟件分析標(biāo)簽數(shù)據(jù)；④按9步驟查出相似度達(dá)到一定程度(可設(shè)參數(shù))的書(shū)目數(shù)據(jù)，然后就可以按6合并；⑤按10步驟可以自動(dòng)合并完全相同的書(shū)目數(shù)據(jù)；⑥按11步驟就可以先過(guò)濾掉很明顯的垃圾標(biāo)簽，例如純數(shù)字，純標(biāo)點(diǎn)符號(hào)，單個(gè)字等；⑦按12步驟將新文件的數(shù)據(jù)增加入庫(kù)，不清除原有的數(shù)據(jù)；⑧按13步驟將新文件的數(shù)據(jù)入庫(kù)，人庫(kù)同時(shí)就清除原有的數(shù)據(jù)；⑨按14步驟還可以修改標(biāo)簽數(shù)據(jù)。
　　在圖6中，可分別用關(guān)鍵詞進(jìn)行書(shū)名檢索和標(biāo)簽檢索，并分別顯示標(biāo)注這些書(shū)的標(biāo)簽或標(biāo)簽標(biāo)注了什么書(shū)。
　　在圖7中，可進(jìn)行標(biāo)簽按出現(xiàn)次數(shù)(M次)過(guò)濾，得到標(biāo)準(zhǔn)概念，可按標(biāo)簽之間連接線出現(xiàn)次數(shù)(N次)過(guò)濾，過(guò)濾掉由于用戶的偏理解而造成的概念關(guān)聯(lián)。然后進(jìn)行矩陣分析標(biāo)簽之間的完全包含關(guān)系。在圖中對(duì)角線的數(shù)字就是每個(gè)標(biāo)簽本身包含的資源總數(shù)量，每個(gè)標(biāo)簽與其他標(biāo)簽包含相同資源的數(shù)量就列在兩個(gè)標(biāo)簽行、列交叉的空格處，這樣就很容易分析出它們是否完全包含，例如在圖7中，美國(guó)文學(xué)包含的資源總數(shù)是4，外國(guó)文學(xué)與美國(guó)文學(xué)包含相同的資源總數(shù)也是4，而且外國(guó)文學(xué)包含的資源總數(shù)量是27，所以外國(guó)文學(xué)完全包含美國(guó)文學(xué)。
　　把完全包含的概念分別用小括號(hào)、中括號(hào)、大括號(hào)層層表示它們的不同層次的完全包含關(guān)系，而且把最大的外層看作一個(gè)點(diǎn)去繪制概念關(guān)系網(wǎng)絡(luò)地圖。外國(guó)文學(xué)完全包含美國(guó)文學(xué)，就表示為外國(guó)文學(xué)(美國(guó)文學(xué))，同放于一個(gè)長(zhǎng)方形內(nèi)。如圖8所示：
　　根據(jù)初步的實(shí)踐檢驗(yàn)，只要通過(guò)人工觀察不同資源標(biāo)簽構(gòu)建的概念關(guān)系網(wǎng)絡(luò)地圖特征，制定出合理的規(guī)則，那么根據(jù)不同規(guī)則編寫的程序自動(dòng)構(gòu)建的本體是合理的。

相關(guān)熱詞搜索：互聯(lián)網(wǎng) 本體 構(gòu)建 互聯(lián)網(wǎng)資源知識(shí)本體自動(dòng)構(gòu)建實(shí)證研究 本體構(gòu)建方法 本體