面向Ontology适应性的知识发现模型研究

【内容提要】文章从Ontology和文献知识发现出发，在整理现有Ontology系统的基础上，分析了其存在的问题，针对问题中关键的适应性问题，提出了分层的面向Ontology的知识发现模型。该模型将整个Ontology系统分成5个层次，以适应不停变化的世界需要。文章最后提出了与模型相关的尚未进行研究的问题。

【摘 要 题】信息化与网络化建设

【关 键 词】本体/知识发现/适应性/Ontology/模型

【正 文】
Gruber提出“Ontology是概念化的一个形式化的规格说明”。所谓概念化可以理解为一组概念（如实体、属性、过程）及其定义和相互关系。[1]Borst在Gruber定义基础上引入了共享概念，认为Ontology是被共享的概念化的一个形式化的规格说明。[2]
在目前的知识发现领域中，知识之间的语义关系得到了重视，很多研究人员都将语义网的概念引入到知识发现过程中。各领域的Ontology被开发，各专业的概念以及概念之间的关系被揭示出来，并且被投入到知识发现过程当中去，对知识发现过程起到了至关重要的作用，但也存在不适应变化等诸多问题。本文尝试从目前生物信息学和商业领域知识发现系统入手，分析Ontology应用于这些系统时所存在的问题，并针对这些问题提出一个适应变化的基于Ontology的知识发现模型。

1　Ontology在知识发现领域中的应用

目前Ontology应用广泛，本文仅从生物信息学和商业领域对基于Ontology的知识发现系统进行研究，并提出应用中存在的问题。
1.1　Padmini Srinivasan的基于文献的知识发现方法
基于文献的知识发现方法最早是由Swanson提出，其目标是通过挖掘文献数据库（如MEDLINE）发现概念和概念之间新的、潜在的、有意义的关系。[3]
Padmini Srinivasan在Swanson的基础上将基于文献的知识发现的算法进行了改进。[4]他们使用了超越简单词频统计范围的词频权重，并且采用了基于 UMLS语义过滤筛选机制，他们的研究算法还利用了文献的元数据来代表文献的主题。由于元数据是概念集合，所以可以利用元数据将非结构化的文本生成结构化的数据，对非结构化文本的复杂挖掘方法就简化为对结构化文本的知识挖掘。 
 

图1　面向ontology适应性的知识发现模型
1.2　IBM MedTAKMI的知识发现
IBM开发的用于挖掘生物医学知识的软件Med TAKMI利用医学Ontology对生物医学文献数据库进行动态和交互式挖掘。[5]它使用自然语言处理技术抽取深层次的生物医学概念，对生物医学概念（基因、蛋白质、疾病）的抽取是目前基于文献的知识发现领域中研究活跃的领域之一，在MedTAKMI系统中实现知识挖掘功能的主要为信息抽取和实体／关系挖掘这两个部分，其中实体抽取是对生物医学文献中基因、蛋白质、化学物质名称的识别；关系抽取是抽取这些实体之间的关系。
1.3　GenesTrace基于整合Ontology的知识发现
GenesTrace系统充分利用了UMLS、Gene Ontology (GO)、Gene Ontology相关数据库(GODB)所提供的知识资源，将UMLS中的疾病概念与GO相关数据库 (GODB)中的基因产品相关联起来，其中对UMLS和 Gene Ontology的整合是非常重要的一部分。[6]Genes Tace的知识发现主要是借助整合的Ontology，并根据概念之间的共性关系，挖掘出新的知识。
1.4　UNSPESC中的知识发现
Ding Ying利用UNSPSC(The United Nations Standard　Products and Services Code)对非结构化的文本数据进行挖掘。[7]当然，在获取商业知识的过程中，仅仅使用 UNSPSC是完全不够的，必须根据不同的需求，重用UNSPSC开发、界定适合各自需求的词表、属性和关联规则，构建面向应用的商业Ontology。

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr /> 

2　存在的主要问题

以上这些Ontology用不同的语言和系统开发，概念的定义缺乏统一性，概念的等级关系也存在着混乱性，例如在生物医学领域中，UMLS的基因类目和Gene Ontology就存在着很大的不同。另外在竞争情报领域，有专门的进行网络信息搜集的公司，信息被保存在专业的市场行情数据库中，这些公司也为用户提供各种知识挖掘的服务，为了有效地进行知识发现，他们也开发了适合竞争情报服务的Ontology来帮助确定不同公司之间的关系。目前在挖掘不同领域的知识的时候，出现了许多问题，主要表现在以下两个方面：
(1)现有的Ontology的整合方法并不完善。在前面介绍的Ontology在知识发现中的应用中，可以看出研究人员已经开始了进行Ontology的整合，现有Ontology的整合方式主要是将其它的Ontology直接按照某种规则移植进到一个相对全面的Ontology中，如Gene Ontology与UMLS之间的整合。经过整合后的中间集合的Ontology在语法、句法和各种规则上是相容的，各个Ontology之间是保持相对独立的，对这些不兼容的Ontology采用不同的语言、不同的句法、不同的表现方式。生物医学在知识发现方面，是一个特殊的领域，由美国国家医学图书馆开发的UMLS包含了几十个专业的词表，并建立了各种概念之间的映射关系，是一个比较全面的Ontology，在生物医学领域已经被当作公认的Ontology，但是在其他领域，如商业领域同样也包含了大量的面向不同应用的Ontology，对这些Ontology的整合成为商业知识挖掘领域亟待解决的问题。Chimaera在这方面提供了一些有效的解决方案。[8]。

(2)Ontology缺乏适应性。随着科学技术的快速发展，在各个领域产生了大量的新概念，那么为了充分挖掘各个领域的新知识，必须及时掌握各个领域的新的概念。现有的大部分Ontology都没有适应环境变化的要求对词表和词间的关系进行及时的更新。虽然UMLS现在已经出版了几版，但是这种更新速度是无法满足各领域知识发掘的需要，所以Ontology的动态更新是进行知识发现的必要条件。另外一方面也表现出了On tology缺乏稳定性，过于频繁的变化也会影响Ontology在知识发现中的应用，从发展的角度衡量动态性和稳定性也是Ontology发展过程中急需重视的问题之一。

3　面向Ontology适应性的知识发现模型构建

为了适应“变化”的需要，需要用一个能随时改变业务流程和Ontology实体内容的模型。本文尝试就适应性问题提出一个分层解决方案。如图1所示，该图展示了一种面向Ontology适应性的知识发现模型。
在该模型中，最高层为知识发现表示层，该层将知识发现以一定的方式表示，该表示应为该模型系统可读的。第二层为规则层或者知识发现过程层，在该层将知识发现的过程分解为各个活动，各个活动通过与Ontology实体层的互动来实现活动的功能，知识发现的完成依赖于全部活动的完成。针对不同的需求，通过重组活动，可以获得不同的知识发现过程以适应不同的实际需要。
Ontology实体单独成为一个层，该层通过接口与规则层和实现层实现访问和调用。Ontology实体层可以实现对Ontology实体的即使插拔操作，只要按照规定好的接口描述Ontology实体，就可以将Ontology实体加入到以该模型为实现基础的系统中，这样可以方便地对Ontology实体进行增、删、改操作，以适应Ontology不断变化的实际情况。
实现层为Ontology实体和活动提供具体的实现支持，该层可以通过调用已存在的对象来简化实现，可以用不同的实现方式来实现同一功能。表示与实现的分开，可以在实现细节需要改变时无需更动系统框架，在不影响系统运行的情况下实现改变。
对象层存放各个领域已开发的成熟对象、免费对象或自主开发的对象，该层主要对实现层进行对象调用的支持。
在以上分层知识发现模型中，适应变化是其一个最重要的特征，当知识发现过程、Ontology实体、实现或对象发生变化时，无需对整个系统进行更改，只需要在不影响整个系统的情况下对各个单独的层进行相应的更改即可。该适应性也很好地体现了系统的可扩展性，新的需求可以很方便地增加到系统中。

4　总结

基于文献的知识发现方法从20世纪80年代被Swanson提出之后，很多研究人员都投身到知识发现领域中，并对Swanson的知识发现方法进行了改进。但各个领域的基于Ontology的文献知识发现系统也存在不少问题，文本仅尝试对系统的适应性问题提出一个可能的解决模型，在该方案中，尚未对知识发现表示的方法、统一Ontology接口描述等问题进行研究，这些问题有待于进一步研究。

【参考文献】
[1]　Thomas R Gruber. Ontolingua: A Translation Approach to Potable　Ontology Specification. Knowledge Acquisition, 1993,5(2): 199-200
[2]　Bomt W N. Construction of Engineering Ontofogies for Knowledge　Sharing and Reuse. PhD Thesis, Enschede: University of Twente,　1997
[3]　Swanson D R. Fish oil, Raynaud's syndrome, and undiscovered　public knowledge. Perspectives in Biology and Medline, 1986,30 (1):18
[4]　Padmini Srinivasan. Text Mining: Generating Hypotheses From　MEDLINE. JASIST, 2004, 55(5): 396-413
[5]　N Uramoto. A Text-mining System for Knowledge Discovery　from Biomedical Documents. IBM SYSTEMS JOURNAL, 2004,43 (3):516-533
[6]　Anand Kumar, Barry Smith. The Unified Medical Language System　and the Gene Ontology: Some Critical Reflections[OL]. [2006- 06-20]. /d/file/p/2024/0424/UMLS-GO.pdf
[7]　http://homepage. uibk. ac. at/～ c703205/download/01jis01final-revision. pdf[2006-06-20]
[8]　http://www.ksl.stanford.edu/software/chimaera/[2006-06-25]

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr />