摘  要： 介紹一個(gè)智能輔助學(xué)習(xí)平臺(tái)的設(shè)計(jì)理念、功能和結(jié)構(gòu)。它根據(jù)相同領(lǐng)域的電子資料集合自動(dòng)學(xué)習(xí)領(lǐng)域本體，基于所學(xué)本體自動(dòng)建立不同資料之間的語義關(guān)聯(lián)，應(yīng)用語義關(guān)聯(lián)自動(dòng)實(shí)現(xiàn)學(xué)習(xí)資料之間的參考關(guān)系。其結(jié)果是將相同領(lǐng)域的原來相互獨(dú)立的多種資料自動(dòng)按語義融合為一個(gè)整體，以提高學(xué)習(xí)和研究工作的資料應(yīng)用效率。
關(guān)鍵詞： 領(lǐng)域本體；電子學(xué)習(xí)；本體學(xué)習(xí)

    目前在網(wǎng)上和電子圖書館已有海量的知識(shí)資源，而如何更高效地應(yīng)用這些電子知識(shí)資源已成為一個(gè)熱門研究和應(yīng)用領(lǐng)域。與傳統(tǒng)紙質(zhì)知識(shí)資源相比，電子知識(shí)資源幾乎不受容量的限制，能夠用計(jì)算機(jī)對(duì)它們進(jìn)行快速訪問和處理。
    在學(xué)習(xí)一門新知識(shí)時(shí)通常需要對(duì)一個(gè)主題參考多種資料才能夠透徹地理解，在研究工作中，甚至需要分析能夠找到的全部知識(shí)資源。對(duì)紙質(zhì)知識(shí)進(jìn)行這種資料的查詢和引用是一個(gè)費(fèi)時(shí)費(fèi)力、效率低下的工作。本文介紹一個(gè)智能輔助學(xué)習(xí)工具，它幫助用戶在學(xué)習(xí)一份資料的某個(gè)知識(shí)點(diǎn)時(shí)能夠自動(dòng)快速定位其他資料的相同或相近知識(shí)點(diǎn)，省去學(xué)習(xí)時(shí)查找資料的時(shí)間。
1 系統(tǒng)基本設(shè)計(jì)理念與功能概述
    本節(jié)對(duì)文中系統(tǒng)用到的本體(ontology)知識(shí)點(diǎn)、知識(shí)項(xiàng)和等核心概念進(jìn)行定義，并闡明本設(shè)計(jì)的基本理念，并簡(jiǎn)要介紹系統(tǒng)實(shí)現(xiàn)的核心功能。
1.1 系統(tǒng)的基本概念和設(shè)計(jì)理念
    (1)本體
    本體是知識(shí)工程領(lǐng)域一個(gè)非常重要的概念，它源于哲學(xué)的本體論(ontology)，在人工智能中被借用過來表示特定領(lǐng)域知識(shí)體系中的概念體系。許多研究者對(duì)它有不同的定義，得到公認(rèn)的是Tom Gruber定義：本體是關(guān)于共享概念的協(xié)議。
    本體在實(shí)際應(yīng)用中表現(xiàn)為特定領(lǐng)域中專業(yè)術(shù)語和術(shù)語之間語義關(guān)系的集合，是支持本系統(tǒng)知識(shí)項(xiàng)之間基于語義自動(dòng)關(guān)聯(lián)的核心組件。例如在數(shù)據(jù)庫(kù)領(lǐng)域，“數(shù)據(jù)庫(kù)”、“鎖”、“數(shù)據(jù)庫(kù)管理系統(tǒng)”、“DBMS”等都是術(shù)語，術(shù)語之間存在多種語義關(guān)系，如同義關(guān)系、對(duì)義關(guān)系、反義關(guān)系、同位關(guān)系、上下位關(guān)系、部分整體關(guān)系等。在本體中，“數(shù)據(jù)庫(kù)管理系統(tǒng)”與“DBMS”就是同義關(guān)系。而概念是以文字形式的術(shù)語所描述的超出文字的意義，同義的術(shù)語表示相同的概念。
    (2)知識(shí)點(diǎn)、知識(shí)的形態(tài)與知識(shí)項(xiàng)
    知識(shí)點(diǎn)是教學(xué)中常用的一個(gè)概念，它是從教育和學(xué)習(xí)的角度對(duì)一個(gè)領(lǐng)域知識(shí)進(jìn)行標(biāo)志和處理的基本單位。一般在教材編寫中將一個(gè)小節(jié)作為一個(gè)知識(shí)點(diǎn)。在概念上，本系統(tǒng)也以知識(shí)點(diǎn)作為知識(shí)處理的單位之一。
    知識(shí)還有不同的形態(tài)，文字、圖形、表格、視頻等是知識(shí)表示的不同形態(tài)。本系統(tǒng)將知識(shí)的不同形態(tài)分別進(jìn)行存儲(chǔ)和處理。
    知識(shí)項(xiàng)是知識(shí)點(diǎn)的具體化，是知識(shí)點(diǎn)與知識(shí)形態(tài)的結(jié)合。本系統(tǒng)中知識(shí)點(diǎn)和知識(shí)形態(tài)都是抽象的概念，對(duì)于給定的知識(shí)點(diǎn)只有通過具體的形態(tài)表示出來才被具體化。知識(shí)項(xiàng)是本系統(tǒng)對(duì)知識(shí)處理的最小單位。
    (3)設(shè)計(jì)理念
    將領(lǐng)域知識(shí)分為3個(gè)層次：最高層用本體實(shí)現(xiàn)領(lǐng)域概念知識(shí)的橫向(關(guān)聯(lián))和縱向(層次化)語義關(guān)系網(wǎng)，在第二層用知識(shí)點(diǎn)描述領(lǐng)域概念知識(shí)的有效組合，第三層通過知識(shí)項(xiàng)表示知識(shí)的具體形態(tài)。這三層實(shí)現(xiàn)了由整體到局部、由抽象到具體領(lǐng)域知識(shí)的語義關(guān)聯(lián)和層次化框架。
    在語義層面，應(yīng)用本體作為領(lǐng)域知識(shí)的概念骨架，通過本體建立系統(tǒng)中各個(gè)知識(shí)項(xiàng)之間的語義聯(lián)系，基于此語義聯(lián)系幫助讀者/研究者動(dòng)態(tài)檢索相關(guān)的知識(shí)項(xiàng)。在數(shù)據(jù)的存儲(chǔ)層面，將整體的文檔知識(shí)按知識(shí)點(diǎn)和知識(shí)形態(tài)存放在數(shù)據(jù)庫(kù)中。在實(shí)現(xiàn)層，將自動(dòng)化技術(shù)和人工處理相結(jié)合，應(yīng)用自然語言處理技術(shù)自動(dòng)地識(shí)別和提取領(lǐng)域?qū)I(yè)詞匯，并應(yīng)用互信息等技術(shù)識(shí)別領(lǐng)域詞匯之間的聚類關(guān)系，再輔以人工的鑒別和修正，達(dá)到效率和質(zhì)量的折衷。
1.2 系統(tǒng)基本功能
    為讓讀者對(duì)系統(tǒng)有一個(gè)整體了解，先從外觀上介紹系統(tǒng)的功能。系統(tǒng)可視為一個(gè)服務(wù)系統(tǒng)，在功能上可分為服務(wù)準(zhǔn)備和服務(wù)實(shí)現(xiàn)2個(gè)部分。本文以數(shù)據(jù)庫(kù)領(lǐng)域?yàn)槔榻B本系統(tǒng)功能。
    服務(wù)準(zhǔn)備部分的主要功能是根據(jù)不同主題或領(lǐng)域建立服務(wù)項(xiàng)目，針對(duì)每個(gè)服務(wù)項(xiàng)目選擇和導(dǎo)入相關(guān)的電子文檔(知識(shí)資源)，根據(jù)所選領(lǐng)域中導(dǎo)入的知識(shí)資源自動(dòng)學(xué)習(xí)和創(chuàng)建領(lǐng)域本體，包括領(lǐng)域詞匯和詞匯之間關(guān)系的確認(rèn)。在對(duì)領(lǐng)域詞匯關(guān)系的精確度要求不高的情況下，這一部分工作可由普通系統(tǒng)維護(hù)和管理工作人員進(jìn)行，當(dāng)要求精確地確定詞匯間關(guān)系時(shí)，需要領(lǐng)域的專業(yè)人士進(jìn)行人工調(diào)整和修正。
    圖1是對(duì)所導(dǎo)入數(shù)據(jù)庫(kù)領(lǐng)域的電子文檔進(jìn)行自動(dòng)識(shí)別領(lǐng)域詞匯后，由領(lǐng)域?qū)＜?或教師)對(duì)它們之間的語義關(guān)系作進(jìn)一步確定和編輯的用戶界面。

    服務(wù)實(shí)現(xiàn)部分由學(xué)習(xí)者操作，學(xué)習(xí)者選取要學(xué)習(xí)的領(lǐng)域，以該領(lǐng)域某個(gè)知識(shí)源為主線查看其中的知識(shí)點(diǎn)，而可用相關(guān)資源的鏈接將自動(dòng)出現(xiàn)在導(dǎo)航窗口中，實(shí)現(xiàn)同時(shí)閱讀和參考多個(gè)知識(shí)資源。在圖2中，學(xué)習(xí)者選取了《數(shù)據(jù)庫(kù)基礎(chǔ)及應(yīng)用》這一本書作為學(xué)習(xí)主線，在學(xué)習(xí)‘數(shù)據(jù)模型’的主要數(shù)據(jù)模型這一小節(jié)時(shí)，相關(guān)的內(nèi)容在主窗口顯示(圖形和文字分開)，在主窗口下方的導(dǎo)航欄顯示了在其他書本和章節(jié)中相關(guān)內(nèi)容的鏈接。任意選取其中一個(gè)鏈接，將顯示其中的詳細(xì)內(nèi)容。

2 基于語料庫(kù)自動(dòng)學(xué)習(xí)領(lǐng)域本體
    本設(shè)計(jì)應(yīng)用基于語料庫(kù)的自然語言處理技術(shù)從電子文檔資源中識(shí)別領(lǐng)域?qū)I(yè)詞匯，用互信息技術(shù)分析領(lǐng)域詞匯之間的可能關(guān)系，再輔以人工鑒別和修正。圖3說明了用計(jì)算機(jī)輔助本體構(gòu)造過程的3個(gè)基本步驟：選擇和準(zhǔn)備知識(shí)資源、提取領(lǐng)域術(shù)語詞匯、建立詞匯術(shù)語之間語義關(guān)系。圖中以圓角矩形表示的步驟由系統(tǒng)自動(dòng)完成；用橢圓表示的步驟由系統(tǒng)提供人機(jī)交互界面，以人工操作完成；虛線的人機(jī)操作在精度要求不高時(shí)可以省略。

2.1 知識(shí)資源預(yù)處理
    領(lǐng)域本體學(xué)習(xí)的第一步是準(zhǔn)備電子知識(shí)資源，電子版的教程是較理想的。這一步的基本任務(wù)是導(dǎo)入電子版的知識(shí)資源，并對(duì)導(dǎo)入的資源格式進(jìn)行規(guī)范化處理，轉(zhuǎn)換為系統(tǒng)可識(shí)別和處理的知識(shí)項(xiàng)單元。文字部分被轉(zhuǎn)換為text格式，圖形部分統(tǒng)一為通用的jpg/bpm等格式并加上圖形的標(biāo)題存入數(shù)據(jù)庫(kù)中。這一步不需要深入的領(lǐng)域?qū)I(yè)知識(shí)，可由一般系統(tǒng)服務(wù)人員進(jìn)行。
2.2 識(shí)別領(lǐng)域詞匯
    第二步主要實(shí)現(xiàn)從所導(dǎo)入的文本知識(shí)資源中識(shí)別領(lǐng)域詞匯，并最終確認(rèn)。這一步主要是取得領(lǐng)域詞匯的詞干，即構(gòu)成領(lǐng)域術(shù)語的最基礎(chǔ)元素。一般文本挖掘方法在識(shí)別詞匯時(shí)事先篩選某些常用詞匯作為高頻詞，它們?cè)谧R(shí)別過程中被排除。這里不采用此方法，因?yàn)橹形牡念I(lǐng)域詞匯通常也會(huì)使用某些常用字/詞，對(duì)它們賦予新的領(lǐng)域含義。本系統(tǒng)應(yīng)用基于語料庫(kù)[2]的自然語言技術(shù)，先對(duì)文本的知識(shí)資源進(jìn)行中文分詞處理[3]，再對(duì)所出現(xiàn)的詞匯進(jìn)行詞頻分析，將資源文檔中的詞頻與語料庫(kù)詞頻進(jìn)行對(duì)比，頻率顯著高于語料庫(kù)中的頻率時(shí)，推斷它為領(lǐng)域詞匯。由自動(dòng)系統(tǒng)識(shí)別出領(lǐng)域詞匯后，可由領(lǐng)域?qū)＜以龠M(jìn)行確認(rèn)和修正。
2.3 識(shí)別詞匯關(guān)系及組合術(shù)語
    第三步的目的是識(shí)別并確認(rèn)領(lǐng)域詞匯之間的關(guān)系，根據(jù)它們之間的有效組合并得到領(lǐng)域術(shù)語集合。
    從構(gòu)詞法上看，專業(yè)領(lǐng)域中的詞匯有3種基本構(gòu)成形式：給普通詞匯賦予新的領(lǐng)域含義；創(chuàng)建一個(gè)全新的詞；以前兩種形式為詞干加上前綴或后綴形成新詞。
    第一種領(lǐng)域詞匯通過分詞系統(tǒng)自動(dòng)劃分為一個(gè)獨(dú)立的詞，在語料庫(kù)中也會(huì)出現(xiàn)，它可通過上一步的詞頻對(duì)比分析識(shí)別得到。第二種領(lǐng)域詞匯在自動(dòng)分詞系統(tǒng)中無法分出，在語料庫(kù)中也沒有該詞。它由若干單字或常用詞組合而成。第二種和第三種可應(yīng)用信息論中的互信息，自動(dòng)地從樣本文檔中識(shí)別。信息論中互信息反映了一種信息與另一種信息相關(guān)聯(lián)的程度，用下式表示：
    M(a，b)=log2(P(a|b)/P(a))
    其中P(a)、P(b)分別表示事件a和b出現(xiàn)的概率，P(a|b)為事件a相對(duì)于事件b的條件概率。在本系統(tǒng)中，以樣本文檔中總詞數(shù)cntTotal為基數(shù)，以詞出現(xiàn)的次數(shù)c除以總詞數(shù)作為概率估計(jì)值。P(a|b)用a與b同現(xiàn)次數(shù)除以b出現(xiàn)次數(shù)作為估計(jì)值。僅對(duì)文檔中先后同現(xiàn)2次以上的詞進(jìn)行互信息統(tǒng)計(jì)分析，應(yīng)用互信息計(jì)算公式通過編程計(jì)算得到詞匯兩兩組合的相關(guān)度表。以詞匯之間的組合關(guān)系為邊，以相關(guān)度為權(quán)值構(gòu)造一個(gè)有向加權(quán)多圖。圖4就是對(duì)數(shù)據(jù)庫(kù)電子文檔應(yīng)用互信息計(jì)算得到的加權(quán)圖之一。根據(jù)它就可以在一定置信度范圍內(nèi)獲得詞匯之間的可能組合關(guān)系。

    詞匯的組合關(guān)系蘊(yùn)含著語義關(guān)系?；镜恼Z義關(guān)系包括同義、上下位、反義、對(duì)義、部分與整體關(guān)系等。對(duì)這些關(guān)系還分別賦以一個(gè)相關(guān)度值，以反映它們之間關(guān)聯(lián)程度。自動(dòng)建立了所識(shí)別詞匯之間的組合關(guān)系后，賦予詞匯之間默認(rèn)的關(guān)系和相關(guān)度值。有領(lǐng)域經(jīng)驗(yàn)的人可對(duì)這些關(guān)系和相關(guān)度值進(jìn)行編輯，在實(shí)際的輔助學(xué)習(xí)平臺(tái)應(yīng)用中由教師進(jìn)行操作。圖1就是實(shí)現(xiàn)此功能的操作界面。
    本文介紹了一個(gè)應(yīng)用所構(gòu)造本體的智能輔助學(xué)習(xí)系統(tǒng)的功能、設(shè)計(jì)想念和實(shí)現(xiàn)方法。通過該系統(tǒng)它可將一個(gè)學(xué)科(領(lǐng)域)的多種資源存入數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)學(xué)習(xí)某一主題的知識(shí)時(shí)，可以同時(shí)對(duì)比閱讀多種相同或相關(guān)主題的內(nèi)容，省去手工查閱多種資料的麻煩，還可直接跳轉(zhuǎn)到另一種資源，以它為主繼續(xù)學(xué)習(xí)，這給學(xué)習(xí)和研究帶來很大方便。下一步的工作是將該技術(shù)應(yīng)用到企業(yè)知識(shí)管理中。
參考文獻(xiàn)
[1] 周寧，張玉峰，張李義，等.信息可視化與知識(shí)檢索[M].北京:科學(xué)出版社，2005.
[2] 北京大學(xué)計(jì)算語言學(xué)研究所.人民日?qǐng)?bào)語料庫(kù)[DB/OL].
[2001-05-10].http://www.icl.pku.edu.cn/icl_groups/corpus/dwldform1.asp.
[3] 張華平，劉群.計(jì)算所漢語詞法分析系統(tǒng)ICTCLAS，http://sewm.pku.edu.cn/QA/reference/ICTCLAS/FreeICTCLAS/，2002.