基于Semantic Web的個(gè)性化網(wǎng)絡(luò)導(dǎo)航機(jī)制

1、基于Semantic Web的個(gè)性化網(wǎng)絡(luò)導(dǎo)航機(jī)制         1網(wǎng)絡(luò)信息資源導(dǎo)航的現(xiàn)狀   遍布全世界的主機(jī)和服務(wù)器，錯(cuò)綜相聯(lián)的超媒體資源，這是互聯(lián)網(wǎng)為我們所構(gòu)建的一個(gè)巨大而豐富的電子信息空間。它無(wú)疑是現(xiàn)代社會(huì)最重要的信息獲取手段，但是它的開放性、分布性、無(wú)序性以及驚人的發(fā)展速度也為人們對(duì)信息資源的利用帶來(lái)了困難。正如在大海中行駛的船只需要導(dǎo)航系統(tǒng)確定方位一樣，要想在茫茫的信息海洋中有效獲取有用信息，也必須擁有便捷有效的信息導(dǎo)航技術(shù)。一般來(lái)說(shuō)，www網(wǎng)絡(luò)中常用的信息導(dǎo)航方式有三種：一是利用門

2、戶網(wǎng)站的分類索引；二是利用網(wǎng)絡(luò)搜索引擎；三是利用網(wǎng)站的相關(guān)鏈接。但是目前這三種信息導(dǎo)航方式的效果都不盡如人意。分類索引所覆蓋的網(wǎng)絡(luò)站點(diǎn)范圍太小，更新較慢，難以適應(yīng)網(wǎng)絡(luò)的快速增長(zhǎng)，而且分類標(biāo)準(zhǔn)的不統(tǒng)一和不規(guī)范常常影響到用戶對(duì)站點(diǎn)所屬的判斷，造成導(dǎo)航失敗。搜索引擎雖然是目前主要的網(wǎng)絡(luò)信息檢索工具，但是通過(guò)簡(jiǎn)單的邏輯運(yùn)算檢索到的結(jié)果往往是數(shù)量龐大且魚目龍雜，充斥著大量的無(wú)用和重復(fù)信息。網(wǎng)站的相關(guān)鏈接是指符合當(dāng)前網(wǎng)站內(nèi)容主題的內(nèi)部和外部信息資源的超鏈接，這種導(dǎo)航方式雖然簡(jiǎn)單直接，但是信息量非常有限，而且對(duì)外部信息的鏈接常常出現(xiàn)錯(cuò)鏈和假鏈，即使是內(nèi)部信息，也常常因?yàn)榻M織和描述方式的影響，造成用戶的“資源

3、迷向”。   用戶在信息空間中的“迷航”會(huì)使他們感到厭倦而喪失獲取信息的信心，分析其原因，主要包括以下幾個(gè)方面1,2：   (1)網(wǎng)絡(luò)的巨大信息量使人們必須依賴于自動(dòng)化的處理技術(shù)。但是目前因特網(wǎng)的各個(gè)網(wǎng)端的技術(shù)支持環(huán)境比較復(fù)雜，信息資源的內(nèi)容范圍、組織結(jié)構(gòu)和存儲(chǔ)方式各不相同，呈現(xiàn)出分散、無(wú)序、變幻多端的特點(diǎn)，這使自動(dòng)信息處理技術(shù)的應(yīng)用困難重重。因此要提高信息導(dǎo)航的效率和質(zhì)量，必須先解決資源異構(gòu)的問題。   (2)網(wǎng)絡(luò)信息空間中的數(shù)據(jù)大多以半結(jié)構(gòu)化和非結(jié)構(gòu)化的形式存在，對(duì)信息資源的內(nèi)容缺乏形式化的語(yǔ)義描述，而且大部分資源間的鏈接也沒有反

4、映語(yǔ)義關(guān)系，這使得機(jī)器很難對(duì)網(wǎng)絡(luò)信息空間進(jìn)行深層次的理解和處理，對(duì)信息的自動(dòng)導(dǎo)航也無(wú)法像人工操作那樣準(zhǔn)確有效。   (3)目前的網(wǎng)絡(luò)導(dǎo)航系統(tǒng)缺乏個(gè)性化的信息服務(wù)。由于知識(shí)背景的差異和一詞多義等方面的原因，不同的網(wǎng)絡(luò)用戶之間、用戶與系統(tǒng)設(shè)計(jì)者之間對(duì)于問題和信息內(nèi)容可能會(huì)具有不同的理解與認(rèn)識(shí)，當(dāng)用戶按照自己的思路查找信息時(shí)，他所選擇的導(dǎo)航路徑可能是錯(cuò)誤的或者低效的。因此信息導(dǎo)航必須考慮具體用戶的特殊性，有針對(duì)性地提供導(dǎo)航服務(wù)。   (4)網(wǎng)絡(luò)導(dǎo)航系統(tǒng)的設(shè)計(jì)缺乏規(guī)范。門戶網(wǎng)站各自依據(jù)不同的標(biāo)準(zhǔn)建立自身的分類導(dǎo)航系統(tǒng)，網(wǎng)站的劃分隨意性較大，常常引起用戶的困惑。一

5、些著名的信息搜索引擎也各自采用不同的檢索規(guī)則，有些系統(tǒng)不能利用歷史信息或者不提供二次檢索，給用戶的使用帶來(lái)不便。另外，在網(wǎng)站內(nèi)部的導(dǎo)航系統(tǒng)設(shè)計(jì)上，也存在著導(dǎo)航結(jié)構(gòu)不合理，導(dǎo)航要素不完整，導(dǎo)航界面不統(tǒng)一等問題。這些都可能造成用戶的導(dǎo)航障礙。   由此可見，造成信息“迷航”問題的主要原因在于缺乏信息空間的合理組織和有效的導(dǎo)航機(jī)制，這也是第二代web網(wǎng)絡(luò)技術(shù)難以克服的困難。為此，人們正在研制第二代web網(wǎng)絡(luò)Semantic Web，它以結(jié)構(gòu)化信息表示為主，為網(wǎng)絡(luò)導(dǎo)航研究開辟了新天地。   2Semantic Web技術(shù)   Tim Bern

6、ers Lee在1998年提出了Semantic Web的概念。2001年2月，W3C組織正式推出Semantic Web Activity，使網(wǎng)絡(luò)環(huán)境下的語(yǔ)義處理技術(shù)研究漸入佳境。Semantic Web研究活動(dòng)的目標(biāo)是開發(fā)一系列可由計(jì)算機(jī)理解和處理的語(yǔ)義表示語(yǔ)言和技術(shù)，通過(guò)顯式的語(yǔ)義表示和領(lǐng)域本體將網(wǎng)絡(luò)信息空間編織成為一個(gè)巨大的機(jī)器可讀的知識(shí)網(wǎng)絡(luò)，以支持自動(dòng)化的信息訪問和知識(shí)管理，實(shí)現(xiàn)高質(zhì)量的網(wǎng)絡(luò)信息服務(wù)。目前關(guān)于Semantic Web的研究主要集中在網(wǎng)絡(luò)信息資源及其內(nèi)容的語(yǔ)義和語(yǔ)義關(guān)系表征，基于語(yǔ)義的數(shù)據(jù)自動(dòng)分析、理解和處理，不同應(yīng)用領(lǐng)域和系統(tǒng)間的數(shù)據(jù)自動(dòng)交換、轉(zhuǎn)換和復(fù)用。Semant

7、ic Web雖然是現(xiàn)有web網(wǎng)絡(luò)的延續(xù)，但在信息導(dǎo)航方面具有許多普通web沒有的優(yōu)勢(shì)。Semantic Web中的節(jié)點(diǎn)既可以代表物理頁(yè)面，也可以代表知識(shí)實(shí)體；Semantic Web中網(wǎng)頁(yè)的內(nèi)容不但可以被人理解，而且可以被機(jī)器理解；Semafitic Web中的鏈接不再是任意的，而是遵循一定的語(yǔ)義關(guān)系。通過(guò)Semantic Web技術(shù)，可以改變現(xiàn)有網(wǎng)絡(luò)松散的數(shù)據(jù)結(jié)構(gòu)，將信息資源結(jié)構(gòu)化并賦予含義，使網(wǎng)絡(luò)信息的整合和自動(dòng)處理都變得更加容易。   2.1本體   所謂本體(Ontology)，實(shí)質(zhì)上是描述特定應(yīng)用領(lǐng)域知識(shí)的公認(rèn)的術(shù)語(yǔ)集。關(guān)于奉體的定義，比較著名

8、的觀點(diǎn)是“本體是概念模型的一個(gè)顯式的規(guī)格說(shuō)明”和“本體是共享概念的一個(gè)形式化的規(guī)格說(shuō)明”，其中，“概念模型(Conceptualization)”是指通過(guò)對(duì)某個(gè)客觀現(xiàn)象的相關(guān)概念進(jìn)行辨析和提取而獲得的關(guān)于該現(xiàn)象的抽象摸型；“顯式(Explicit)”是指對(duì)所使用的概念的類型，以及這些概念在應(yīng)用上的約束都給予明確的說(shuō)明；“形式化(Formal)”表示本體以計(jì)算機(jī)可讀的形式存在；“共享(Share)”表示本體中反映的是共同認(rèn)可的知識(shí)”。   本體通常表達(dá)為一組對(duì)象（概念）、關(guān)系、函數(shù)、定理和實(shí)例。本體中的對(duì)象類按照等級(jí)關(guān)系組織成基本的結(jié)構(gòu)體系。等級(jí)關(guān)系包括例化(is-a)關(guān)系、

9、類屬(kind-of)關(guān)系和整部關(guān)系(part-of)。上層的對(duì)象類為父類，下層的對(duì)象類為子類。對(duì)象類具有各自的屬性，并可依據(jù)父子關(guān)系繼承。對(duì)屬性的取值對(duì)象、取值范圍、取值基數(shù)等都可以加以限制，還可以對(duì)屬性的交換性、對(duì)稱性、傳遞性、唯一性等進(jìn)行定義。除了等級(jí)關(guān)系，本體中的對(duì)象類間還可以具有其他語(yǔ)義關(guān)系，形成語(yǔ)義網(wǎng)絡(luò)形式的概念模型。本體是機(jī)器自動(dòng)推理和智能化高級(jí)信息服務(wù)的基礎(chǔ)，對(duì)網(wǎng)絡(luò)而言，一個(gè)簡(jiǎn)單的本體的典型例子就是網(wǎng)絡(luò)的分類索引（如Yahoo！的分類目錄）。本體的應(yīng)用對(duì)于提高網(wǎng)絡(luò)導(dǎo)航的精度和效率具有重要的意義1,4)。   2.2 RDF和RDFS  

10、RDF是由W3C開發(fā)的元數(shù)據(jù)描述機(jī)制，其目的主要是為元數(shù)據(jù)在網(wǎng)絡(luò)上的編碼、交換和重用提供一個(gè)基礎(chǔ)。它允許在XML的基礎(chǔ)上以一種標(biāo)準(zhǔn)化的、互操作的方式對(duì)數(shù)據(jù)語(yǔ)義進(jìn)行定義，提供了一個(gè)描述web資源的數(shù)據(jù)模型。RDF包含描述資源的屬性和關(guān)系的聲明。資源是任何用URl(Uniform Resource Identifier)唯一標(biāo)識(shí)的實(shí)體對(duì)象。資源具有屬性，屬性則具有一定的值，該值可能是簡(jiǎn)單的字符串或數(shù)字，也可能是自身也具有屬性的其他資源。這樣，資源、資源屬性和屬性值構(gòu)成了RDF聲明中的三元關(guān)系模式，任何本體或描述性元數(shù)據(jù)都是這種三元關(guān)系模式的具體體現(xiàn)”1,7。   為了描述元數(shù)據(jù)

11、元素間的復(fù)雜語(yǔ)義關(guān)系，W3C進(jìn)一步定義了RDFS(RDF Schema)。它可以看成是一個(gè)本體定義語(yǔ)言，用來(lái)建立概念類體系結(jié)構(gòu)、屬性層次和類關(guān)系。   3基于Semantic Web的智能導(dǎo)航機(jī)制   Semantic Web的出現(xiàn)為網(wǎng)絡(luò)信息導(dǎo)航提供了新的研究思路，Semantic Web技術(shù)是解決無(wú)序網(wǎng)絡(luò)空間中“迷航”問題的關(guān)鍵技術(shù)?；赟emantic Web的智能導(dǎo)航是一種以結(jié)構(gòu)化、語(yǔ)義化的概念知識(shí)網(wǎng)絡(luò)為基礎(chǔ)，自動(dòng)形成個(gè)性化導(dǎo)航結(jié)構(gòu)的方法。它分為兩個(gè)方面，一是基于Semantic Web的信息組織，即利用參考本體對(duì)各信息源進(jìn)行語(yǔ)義描述和整合；二是基

12、于Semantic Web的個(gè)性化導(dǎo)航結(jié)構(gòu)模型的構(gòu)建，即在有序語(yǔ)義組織的基礎(chǔ)上，構(gòu)造用戶語(yǔ)義模型，并據(jù)此建立導(dǎo)航結(jié)構(gòu)。圖1顯示了基于Semantic Web的智能導(dǎo)航機(jī)制的概念結(jié)構(gòu)。   3.1基于Semantic Web的信息組織   基于Semantic Web的信息組織的基本思想是，將來(lái)自于多個(gè)異構(gòu)信息源中的數(shù)據(jù)整合到一個(gè)語(yǔ)義統(tǒng)一的參考本體中。參考本體是通過(guò)分析領(lǐng)域中的各個(gè)信息資源集合，提取公共概念、屬性和關(guān)系而構(gòu)建的本體，它為所有信息資源提供統(tǒng)一的概念集合和通用語(yǔ)義。   信息整合的方法是先分別將各個(gè)信息源中的數(shù)據(jù)轉(zhuǎn)換為通用的

13、數(shù)據(jù)模型，然后建立各個(gè)數(shù)據(jù)模型和參考本體之間的映射關(guān)系。網(wǎng)絡(luò)中的信息源具有各種各樣的數(shù)據(jù)格式，其中大部分是HTML頁(yè)面，有的包含表格和列表。另外還有XML文檔、RDF文檔以及關(guān)系數(shù)據(jù)庫(kù)文檔等。為了解決分布式異構(gòu)信息源的語(yǔ)法相異問題，需要將數(shù)據(jù)轉(zhuǎn)換為公用的數(shù)據(jù)模型格式，例如RDF。對(duì)于非RDF格式的信息數(shù)據(jù)，可以利用外覆包(wrapper)技術(shù)將其自動(dòng)地轉(zhuǎn)換為基于RDF的數(shù)據(jù)模型。外覆包對(duì)特定格式的數(shù)據(jù)文檔進(jìn)行解析，并采用RDF聲明對(duì)其內(nèi)容進(jìn)行標(biāo)注。下面是三種常用的外覆包：   (1)HTML外覆包。由于HTML頁(yè)面屬于半結(jié)構(gòu)化的信息數(shù)據(jù)，因此HTML外覆包采用的是半指導(dǎo)性的

14、標(biāo)注方法。即預(yù)先手工標(biāo)注一組HTML頁(yè)面，然后對(duì)新的HTML頁(yè)面進(jìn)行結(jié)構(gòu)分析，將新頁(yè)面與標(biāo)注頁(yè)面進(jìn)行比較，從中提取相關(guān)信息。HTML外覆包還可以處理異構(gòu)的XML文件1。   (2)XML外覆包。根據(jù)DTD和Schema所定義的XML文檔的內(nèi)容結(jié)構(gòu)和內(nèi)容元素，建立概念集與DTDSchema之間的映射關(guān)系，從而自動(dòng)地將XML文獻(xiàn)中的DTD內(nèi)容元素標(biāo)記轉(zhuǎn)換為對(duì)應(yīng)的概念集元數(shù)據(jù)標(biāo)記。   (3)關(guān)系數(shù)據(jù)庫(kù)外覆包。將關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)元素和二維數(shù)據(jù)關(guān)系映射到概念集中，形成語(yǔ)義基礎(chǔ)，以便從關(guān)系數(shù)據(jù)庫(kù)中自動(dòng)創(chuàng)建RDF聲明。   由于不同的信息提供者可能會(huì)使用不同的詞表來(lái)標(biāo)注數(shù)據(jù)，因此在建立通用數(shù)據(jù)模型后，還必須在信息數(shù)據(jù)源和參考本體之間建立概念和關(guān)系的映射，以消除語(yǔ)義差別。根據(jù)RDF聲明，在參考本體中注冊(cè)相關(guān)內(nèi)容的來(lái)源，使參考本體成為一個(gè)知識(shí)內(nèi)容的集成文件。另外，采用基于本體的元數(shù)據(jù)發(fā)現(xiàn)和漫游技術(shù)，探測(cè)相關(guān)的RDF聲明，可以自動(dòng)地添加新的信息資源。            4結(jié)束語(yǔ)   網(wǎng)絡(luò)信息的利用狀況不容樂觀，迫使人們努力探索更