基于本体的软件工程领域知识库构建方法研究

  本体所具有的语义能力，弥补了传统知识组织模式的不足，逐渐成为知识工程的研宄热点，越来越多的研宄者开始使用本体构建自己所需的领域知识库。本章主要根据本体的技术特点，抽象出具有普遍适用性的基于本体的知识库构建模型，该模型对大多的科学领域或者应用领域知识库构建具有参考价值。基于本体的领域知识库模型，主要包括三部分：知识库的规划与设计、本体构建和知识服务。

  2.1 本体概述

  本体最初是一个哲学领域概念，它是对世界各种事物存在所做的客观描述。本体被运用到信息技术领域后，对其进行了重新定义：“本体是概念模型的明确规范说明”。本体将现实中某个知识领域抽象为一系列概念及概念之间的关系，并以计算机可以识别的形式化语言来描述，从而解决人与计算机之间的交流障碍。本体是一个规范的、己经得到公认的描述，它包含一个与某一学科领域概念和知识的术语表，领域知识和概念之间的关系通过术语表中的逻辑声明来表示。因此，本体提供了一个用来表达和交流某些主题知识的词表和一个关系集，关系集是词表中这些术语关系的集合。本体的基本组成要素包括：概念、关系、属性、公理、函数和概念的个体实例。概念也称为类，是相同或者相似事物集合的抽象表述关系，表示概念之间的内在关联；属性，是概念的一些外在表现，是区分不同概念的标准；公理，即推理规则，用来描述人的思维逻辑或者语义逻辑；函数，是关系的特定表达形式；概念的个体实例，即符合概念定义的一个具体的事物，其具有不可再分的特性。本体描述语言在信息技术的大背景下，本体主要通过计算机可以识别的结构化描述语言来描述知识。根据本体不同的应用场景，本体描述语言可以分为基于人工智能的本体实现语言和基于的本体语言两大类。在互联网技术快速发展的背景下，基于的本体标记语言运用越来越广泛，图2-1为提供的本体语言栈。本文中选用最新推出的语言作为软件工程领域本体描述语言。作为W3C推荐的一种标准本体描述语言，由发展而来，是语义网（的核心技术之一，可以描述文档和应用中类和类之间的关系。通过定义类和实例，构建一个形式化的知识领域，能够描述类与类之间、实例与实例之间的关系，具有语义推理能力。分为三种表达能力递增的子语言：、可以根据实际应用需要选择合适的子语言。下面对三种子语言简单介绍。：是三种子语言表达能力最弱的一种，它适用于只需要表示简单分类层次和一些简单约束的场景。只支持基数为或的约束限制。适用于需要更强表达能力并且需要保持计算完整性，确保所有结论可以计算出来，以及所有的计算需要在有限的时间内完成的场景。包含了中的所有语言成分。：表达能力最强，并且具有完全自由的语法，但是不能保证可计算性。用户在选择哪种子语言时需要根据自身需求来选择。如果用需要构建表达力强的本体，那么选择要优于如果用户对有强烈需求，那么选择要优于，但是对推理机制的支持程度要次于。本体的构建方式根据自动化程度的不同可以分为手动、半自动和自动构建三种。手动构建方式需要由领域专家来确定知识范围，建立知识结构，添加知识内容以及知识间关系等，该方法完全通过手动创建，得到本体能够有可靠的质量保证，但是其费时费力的缺点也显而易见。一般情况下具有领域权威的机构，才会手动构建大型领域本体，例如，斯坦福大学医学信息中心构建的医学领域本体。半自动本体构建主要依靠一些计算机程序代替部分人工操作的方式来实现的，计算机程序可以帮助人们概念的提取、概念间关系的确立等。这种构建方式的核心工作仍需要领域专家完成，在内容控制方面仍然靠人工操作来把握。

  本文以软件工程领域知识为例，提出了基于本体技术知识库构建方法和知识检索方法，并通过一个软件工程知识平台验证本文所提方法的可行性。本课题主要研宄成果如下：提出了具有普遍适用性领域本体知识库构建模型，该模型分析了科学领域本体知识库共同特点，提出了科学领域本体知识库构建所必需的内容和共用方法；提出了基于维基百科的领域本体构建方法，并提出一种与路径无关的矢量方差算法该方法通过计算维基百科条目对于某个科学领域的所属度，来提取有效的软件工程领域知识。该算法经过实验测试，能够提取出符合实际情况的软件工程知识；在知识关系构建方法上，本文通过分析维基百科的知识结构，将维基百科知识关系，映射到本体的知识关系，然后将这些关系用描述，并且能够用扭展示；在知识属性提取方法上，本文利用维基百科页面的信息盒（来提取知识的属性，根据信息盒中的信息结构提取知识的属性对；提出整合本体推理技术和全文本检索技术的语义检索方法，通过的本体推理规则和全文本检索策略，实现了基于本体的语义检索方法。该方法在不需要人工知识标引的情况下，实现了较为准确的知识检索；实现了基于本体的软件工程领域知识系统，实现了知识导入，知识标引和知识检索等功能，验证了本文所提本体知识库构建模型的可行性。随着信息技术不断发展，人们对知识的需求也在不断增长，知识工程建设任重道远。本体技术作为语义网的重要内容，仍然处于发展阶段。本文主要以软件工程为例，对领域本体构建方法和基于本体的知识检索方法进行了一定深度的研究，但是在以下两方面仍需改进。首先，本体的构建是一个不断更新、学习、进化的循环过程，本课题所提方法可以构造的是一个原始本体，其包含了一个领域主要的知识点和知识结构，其中的知识关系种类较少。另外本文所提基于信息盒的本体属性挖掘方法仍然有一定的局限性，因为维基百科有很多页面不含有信息盒。因此接下来的研宄重点应当在通过自然语言处理技术提取出更多种类的知识关系和属性模板。其次，在基于本体知识服务方面，虽然可以利用本体推理技术实现在检索时的语义推理，但是推理的结果准确度仍然有待提高。另外，实现本体推理仍然需要手动定义推理规则，需要人工参与，希望能在推理规则自动构建方面做进一步研宄。