摘 要：提出了基于本体的语义关联发现模型，通过解析构建的农业领域本体，从本体语义路径的深度广度方面计算概念间相关度，并将计算的结果扩充语义知识库。在农业领域模型中关联发现算法的应用与传统的方法相比，结果更符合领域相关性。依据关联发现模型设计了一个茶叶语义检索系统，实验验证了该提出的模型的实用性和可行性。
关键词：本体；关联发现；语义检索；相关度；检索概念

　传统的检索大都是基于关键字的检索，这种检索只是在字面匹配上处理，不能充分表达语义信息，用户的满意度不高。针对这些问题，国内外一些学者提出采用语义检索的方法来解决。刘群等人提出对董振东先生创建的《知网》的研究，将每个词的语义用多维义原表示，从义原相似度的角度出发解决词语间相似性和相关性[1]；翟裕忠等人在语义网检索方面开展了研究工作，开发了一个面向领域的语义搜索系统，该系统采用基于图的查询机制检索出与被检概念相关联的语义对象列表[2]；田萱等人设计了一种计算语义相关度的模型，采用权重的思想描述概念间的联系程度，通过在不同领域本体中的实验证明，语义相关度计算在查询扩展方面有显著优点[3]。国内外对语义检索及语义关联发现技术的研究已逐步预热。本文主要研究基于农业本体的语义关联发现技术，从领域本体的角度出发，融入关联关系发现算法，实现较普通检索更合理的语义关联检索。
1 语义关联发现技术相关理论
1.1 本体
　本体（ontology）源自哲学上的一个概念，关注的是存在的本质。斯坦福大学的 Gruber最早给出本体的定义：“本体是大多数人认同、对概念体系的明确的、形式化的规范说明”[4]。W3C推荐的OWL语言（Web Ontology Language，Web 本体语言）是用户可清晰编写、机器可理解的、用于描述本体的形式化语言。
本文结合斯坦福大学提出的七步法[5]和农业情报部编制的《农业科学叙词表》，对农业领域本体的构建过程描述如下：
　（1）确定研究领域为农业，根据《农表》中的叙词及关系描述，抽取类及子类；
　（2）定义类间的等同、等级和相关关系；
　（3）定义类的属性和属性类型等；
　（4）采用 OWL 语言描述本体。
1.2 语义相关
　基于本体的概念间的语义关系主要分为3种：父子关系、相等关系和相关关系。对于前2种关系，在构建本体的时候就可以定义；对于第3种关系，根据关联的紧密程度，又分为直接相关和间接相关。直接相关指本体中直接定义了概念间的关系，没有经过任何其他的概念；间接相关指某两概念在本体中虽然没有直接定义关系，却通过其他概念产生了关联。如在农业本体中，“茶”和“肥料”是其中定义的相关的两概念，“茶”和“产量”也是其中定义的相关的两概念，依据间接相关，“肥料”和“产量”也是相互关联的。
　本文引用语义相关度来衡量概念之间的关联度。定义若两个概念没有任何关联，则其语义相关度为0；反之若两个概念是完全相关的，则其语义相关度为1；若两个概念存在一定的联系，但联系程度是未知的，定义其相关度的取值范围为（0，1）。
2 基于本体的语义关联发现技术
　语义检索的目标在于关联发现，即从语义的角度发现与检索概念相关的概念。本文在传统检索模型的基础上，以语义相关度作为概念间相互关系的度量，提出了基于本体的语义关联发现模型。该模型依据语义关联发现算法发现相关概念，返回一系列满足条件的结果。

　语义关联发现算法处理步骤如下：
　步骤（1）：输入检索概念A；
　步骤（2）：根据领域专家定义的领域知识库，得出与概念A直接相关的概念BList，及相关度BValueList；
　步骤（3）：以检索到的概念BList为检索条件，继续查询知识库，得到与BList有关的概念CList，及相关度CValueList；
　步骤（4）：根据间接语义相关度计算方法，得出与检索概念A有关的间接相关概念CList并计算修正相关度CValueList；
　步骤（5）：查看是否有已知概念或参照概念，若有则输入已知概念D，若无则跳入步骤（8）；
　步骤（6）：由专家知识库，计算概念A、D的相关度大小DValue；
　步骤（7）：采用间接相关度计算方法得出在概念D为参照的前提下，与检索概念A相关的概念DList，并将DList加入CList中，修正其参照后的相关度CValueList；
　步骤（8）：归一处理BValueList、CValueList与检索概念A的相关度；
　步骤（9）：由排序函数将相关概念按照相关度从大到小的顺序输出。
2.3 算法性能与实验结果比较
　本文根据1.1节的方法构建了茶叶领域本体。选取朱礼军提出的路径距离计算方法（见式（1），简称朱礼军法）、Rocha提出的方法（见式（2），简称Rocha法）进行实验参照对比。挑选10对概念，分别计算这10对概念的相关度，并将计算结果与传统的语义相关度计算方法比较，结果如图2所示。

　通过图2在茶叶知识库中三种方法对以“产量”为检索目标的与其相关的一系列相关概念的对比发现，朱礼军法和Rocha法除了图表中列出的相关概念外，不能检索出其他的相关概念，而本文方法还能检索出1.65%的其他概念，因此，本文方法在发现隐含资源方面，比传统方法有很大改进。
　观察图2数据，本文方法与朱礼军法和Rocha法计算出的茶叶“产量”与“色泽”的相关度存在明显差异，它们计算出来的这个值均是与“产量”相关的最大值，这是有悖于专家经验的，且它们在综合计算与“产量”相关的概念时，除了“色泽”（与常理相悖的误差结果），其他结果均无明显的差异，没有关系的权重的分配。在经验知识中，茶叶的“产量”与“水”存在很大关联，从数据对比显示说明本文方法计算出的结果不仅符合专家经验，而且各个相关值权重分配清晰明显。由结果可知，该方法符合领域相关性，计算得出的结果可用于完善领域知识库。
3 茶叶语义检索原型系统的实现
3.1系统结构模型设计
　采用MVC（Model View Controller）设计模型的思想，将系统分为三层，分别为模型层、表现层和逻辑层。模型层是数据模型，包含本体知识库和用户信息库；表现层包含用户注册登录模块和检索结果的展示模块；运行层包含本体解析模块、关键词匹配模块以及语义关联发现模块。
3.2 系统运行结果
　采用Java语言实现，调用开源工具包jena，对owl语言描述的本体进行语义计算，检索系统如下。输入查询请求Q：产量，如图3所示。

　采用排序函数S（q，o）输出与检索概念“产量”相关的概念，如图4所示。得出的结果是在茶叶领域，与“产量”相关的按照从大到小的顺序排列的一些概念及对应的相关度大小。结果表明，该语义检索系统能够将语义检索融入到语义Web的实际应用系统中，为各自的领域活动进行指导作用。
　本文从本体语义深度及广度方面，提出了基于本体的语义关联发现模型，并将此模型应用于农业领域检索，改进了语义相关度计算方法。实验数据表明，新模型得到的结果与传统的计算相关度的方法得到的结果相比，更符合人们对领域的认识，结果更合理。但是还存在一些不足，如检索效率的提高和智能问答如何实现等，这些不足有待在后续工作中得到改进。
参考文献
[1] 刘群，李素建.基于《知网》的词汇语义相似度计算[J].中文计算语言学，2002，7（2）：59-76.
[2] 李景，孟宪学，苏晓路. 领域本体的构建方法与应用研究[M].北京：中国农业科学技术出版社，2009.
[3] TIAN X， DU X， LI H. Computing degree of association based on different semantic relationships[C]. Database and Expert Systems Applications of 2007. DEXA 07.18th International Workshop. IEEE Press，2007.
[4] GRUBER T R. Toward principles for the design of ontologies used for knowledge sharing[J]. International Journal of Human Computer Studies，1995，43（5）：907-928.
[5] NOY N F， MCGUINNESS D L. Ontology development 101： A guide to creating your first ontology[C]. Standford Knowledge Systems Laboratory Technical report KSL-01-05 and Standford Medical Informatics Technical Seport SMI-2001-0880，March 2001.
[6] 朱礼军，陶兰，刘慧. 领域本体中的概念相似度计算[J]. 华南理工大学学报（自然科学版）.2004，32（11）：148-149.
[7] ROCHA C， SCHWABE D， ARAGAO M P. A hybrid approach for searching in the semantic web[C]. Proceedings of the 13th International Conference on World Wide Web. ACM， 2004.