论文部分内容阅读
[摘 要] 概述本体相关理论，在分析本体对实现数字内容有效组织、语义检索、语义导航和个性化服务等的重要作用基础上，综合现有本体构建方法构建一个书店本体，以供后续研究者参考。
[关键词] 数字内容 按需获取 本体 数字出版
[中图分类号] G237 [文献标识码] A [文章编号] 1009-5853 （2013） 05-0079-06
数字内容的爆炸式增长已将我们卷入“信息过载”的时代，海量的数字信息满足了普通大众的信息需求，但同时它的庞杂、无序以及缺乏机器可以理解的语义，又极大地限制了人们对自己真正需要的知识的快速获取。实现异构信息的互操作，无序信息的序化，以及数字内容语义拆分、动态重构和语义检索等是数字内容按需获取的前提，而基于本体的数字技术以其日益显现的突出能力，成为解决上述问题的基础之一。
1 本体理论概述
本体是一套得到大多数人认同的关于概念体系的明确的、形式化的规范说明[1]。它对概念体系的规范和说明建立在类（或概念）、属性、实例、关系、公理等基本元素之上。其中，类是构成本体概念模型的主要部分，类与类之间蕴含着复杂的语义关系。通过对类添加不同的属性，以及由属性构造公理和约束，能对类进行明确的描述和定义，并描述类与类之间的关系，进而将不同的类连接成一个复杂的概念网络。
本体对概念的定义能力以及对概念关系的描述能力，使得它成为一种强大的知识表示方法和语义分析基础，在诸如机器翻译、智能检索、异构信息处理、自动问答、跨语种检索等方面都能够发挥重要作用，因此有着广泛的应用前景。近几年，出版业也开始引入本体思想与技术，并借鉴图书情报、人工智能领域业已取得的成果，以探索本体在数字出版领域的应用。国际上，牛津大学研究小组开发的一种引文类型本体，微软针对Word 2007开发的本体插件[2]，都尝试将本体技术引入出版的不同环节。在国内，人民教育出版社组织开发的“人民金典”语义搜索系统[3]，其底层语义模型运用了本体方法论作为指导。此外，研究人员也开始研究将本体引入方正科技等互联网出版机构的知识组织系统中。
2 本体的作用
数字内容按需获取的最终实现需要从两方面来综合考虑：一是数字内容本身；二是用户。在数字内容方面，必须解决的问题是实现数字内容的有效组织，解决方案是构建数字出版内容知识库——将各种加工好的数字内容系统地组织并存储起来，实现对数字出版资源的初次优化。这也是实现数字内容语义分析和动态重组的基础。在用户方面，必须解决的问题是方便快捷地提供用户所需的数字内容，这可以通过两种途径来实现：一是在用户检索时，系统需要根据用户需求高效、快捷地从知识库中获取所需资源，并重新组织成满足用户需要的数字内容；二是系统根据用户的浏览习惯、个人背景信息等主动向用户提供个性化服务和信息导航。本体技术为这两方面问题的解决提供了很好的基础。
2.1 数字内容的有效组织
当前，从文献层面对数字出版内容进行组织的主要方法有分类法、主题法、分类主题一体化法三种。如中国知网综合运用了这几种方法对其数据库文献进行组织，取得了不错的效果[4]。但是，它们无法实现对知识内容本身的有效管理[5]，尤其在面对信息过载的网络环境时，会导致科研人员淹没在大量无关信息之中。因此，知识信息组织从物理层次的文献单元向认知层次的知识单元转变、增加知识的关联度以及实现异构信息的互操作都是亟待解决的问题。本体则为解决这些问题提供了有效机制。
一方面，可以先在领域专家的协助下构建领域本体，同时从领域文献中抽取领域特征词集，使用基于领城本体的空间向量模型方法建立领域特征词集与本体概念之间的映射，采用这种方法对领域文档进行语义标注，从而将文档隐含的语义信息明确地表达和揭示出来；然后，借助信息抽取技术从文献中抽取由特定语义和语用约束的知识片——知识元，并在此基础上构建基于知识元的数字内容本体知识库，由此实现由文献单元向知识单元的语义拆分；最后，根据用户需求，实现知识单元级别的数字内容动态重组，以满足用户个性化的知识需求。
另一方面，由于本体代表一种用机器可以理解的语言和逻辑建立的对信息资源的结构化描述规范，它为不同的系统建立了能够共同理解并使用的术语。基于一个共同的本体进行语义标注可以提供共同的框架来集成异构数据源中的信息，可以满足智能主体（Agent）对使用不同操作系统、应用语言和网络协议的文献资源进行有效检索和访问，实现信息资源在语义层次上的全方位互联，并在此基础上实现更高层次的、基于知识的智能应用[6]。
2.2 数字内容的语义检索
传统的检索系统工作原理为：对采集来的信息资源进行分析，得到信息资源所对应的关键词集合，然后将这些信息资源和关键词集合存储在数据库中；当用户进行检索时，系统就会将用户的查询词与数据库中存储的关键词或者信息资源本身进行字符串匹配，只要查询词与关键词或信息资源中的内容相同，就将包含此词的信息资源检索出来[7]。显然，这种基于字符串的机械匹配模式并没有考虑信息中的语义，因此检索效率很低。一方面，它无法将语义相同，但查询词不同的信息检索出来，比如在中国知网，用关键词查询法分别输入“番茄”和“西红柿”时，检索结果差别很大。另一方面，它无法将字符串相同，但语义不同或者相关度很低的信息排除在外，因此检索结果中混杂着很多无效信息。
基于本体的语义检索则从语义理解的角度分析信息对象与检索请求，是一种基于概念及其关系的检索匹配机制[8]。它通过理解和分析用户用自然语言表述的检索需求，构造更为科学的查询表达式，并将之与同样用本体组织良好的知识库中的数字内容索引库进行语义推理和语义匹配，这样检索出来的结果在准确率和周全度上相较于传统检索模式都会有很大提高，因此更符合用户按需获取的最终目的。
2.3 个性化服务和语义导航 信息爆炸给用户带来了“信息迷航”的困扰，并促使用户个人信息需求越来越个性化和碎片化。此外，用户由于自身知识结构的缺陷、语义理解的主观性等原因，并不总能清楚地意识到自己所需要的信息到底是什么。个性化服务和信息导航都是在应对这些问题中产生的对策。数字出版业已经在信息导航和个性化服务方面做了一些工作：信息导航方面，大多数在线数据库在检索界面中都提供简单的分类或者主题层次结构，以方便用户分类检索或浏览；个性化服务方面，个性化订阅和个性化推荐已成为重要的研究课题。但目前的信息导航服务所提供的分类或者主题结构过于简单，用户并不能从中获取粒度较小的语义理解支持；而采用关键词法、向量空间法和分类法构建的用户兴趣模型（个性化推荐服务的核心技术）则存在维度过粗、语义缺失、语义关联能力不足等问题。本体技术能够为这些问题的解决提供很好的支持。
本体是由领域概念及其关系构成的复杂的网状结构，它不仅能够实现基于语义的分类、主题概念的无缝组合，还能支持概念属性、概念实例层级的知识表示，因此领域知识之间的丰富语义关联通过本体能够以网状结构图形详细地、可视化地表现出来，从而为用户提供上下文相关知识，方便用户根据浏览意图的不同，自主选择不同粒度的检索问题。
在用户兴趣模型的构建过程中，可以将用户的特征词集合与领域本体进行语义映射，建立用户的语义空间，进而借助领域本体这一中介建立信息源和用户之间的统一语义模型。由于本体自身突出的知识表示能力，基于本体的用户语义模型能够根据用户背景提供远比目前方法更为精准的主动信息服务，甚至激发用户潜在的兴趣点。
3 本体构建方法与流程：以书店本体构建为例
实现本体在数字出版方面应用的前提是必须有可用的、构建良好的领域本体。本体之于上文所述的功能实现，就如同建房子时必须建立框架，然后才能在此基础上添砖加瓦，进而装修成美丽的居室。当前经典的本体构建方法有IDEF5法[9]、Mike Uschold & King的骨架法[10]、Gruninger & Fox的评价法（又称TOVE法）[11]、KACTUS工程法[12]、METHONTOLOGY法[13]、SENSUS法[14]、斯坦福大学医学院的“七步法”[15]等几种。它们为本体的构建提供了很好的方法论基础。综合上述方法的优点，本文构建一个书店本体案例。在整个流程方面，主要借鉴IDEF5法、骨架法、METHONTOLOGY法；在具体建模阶段，主要参考斯坦福大学医学院的“七步法”，并根据需要作了相应调整。总体过程包括：准备阶段、本体建模阶段、本体形式化阶段、本体维护和进化阶段四个阶段。
3.1 准备阶段
（1）构建目的及领域范围
本体的构建不是无的放矢，只有明确了构建目的和领域范围，我们才知道本体中大概需要哪些概念，哪些属性，以及本体的粒度大小，即本体将在哪一层级终止。书店本体的构建旨在把我国不同类型书店的概念体系本体化地表示出来，为我国书店系统提供共享的知识基础，以方便了解各种书店之间的关系，以及各书店自身的所有制性质、经营规模、资本形态、经营形态等属性。其领域范围为：我国的书店体系。为进一步明确，可以列出所构建本体将要回答的一些问题和预备实现的功能。作为自备知识库，书店本体的预期目标是能够回答诸如这样一些问题：
1）我国古籍书店、外文书店、二手书店……有哪些？都在什么地方？
2）三联书店是国有的还是民营的？是综合书店还是专业书店？主要销售什么品类的图书？
作为语义分析、标引和智能推理的基础，它必须能够在检索系统中辅助完成诸如以下情况的任务：当一个检索者需要检索我国民营书业发展状况时，它必须准确提供有关民营书业相关情况的文献，而不会将国有书业状况的文献也一起提供给检索者；它必须将记载我国书业发展状况的文献中有关民营书业的部分单独抽取出来，而不是整篇提供给检索者。
此外，需要说明的是，本文所构建的书店本体并不试图厘清我国书店系统复杂的内部结构，因此该部分概念及关系将不在本文书店本体中涉及。
（2）考虑可复用的现有本体
本体提供了领域共享的知识基础，本体的复用是构建本体的固有目标之一。在本体建模开始之前，考虑复用现有本体将极大地简化本体构建过程。出版领域目前并没有本体构建的具体案例可供参考，因此并无现成的本体可以作为我们构建本体的基础。但凝结着领域专家智慧的已有领域文献、词典可以为本体构建工作提供一定参考。本部分主要以武汉大学编纂的出版发行词典中关于书店系统的相关概念及其定义作为参考。该出版发行词典由武汉大学出版发行系的专家及教授共同编纂，具有相当的权威性，因此可以作为书店本体概念分类及概念描述的基础。
3.2 本体建模阶段
（1）列出书店本体的核心概念和术语
识别本体的构建目标、范围后，就要按照它们确定所需的核心概念，以便建立领域知识概念模型。结合书店本体构建的目标和范围，以上述出版发行词典为基础，在领域专家的参与下，经过头脑风暴法确定书店本体的潜在核心概念，然后通过识别、分析最终确定了“书店”“书店描述”“出版物”“出版物描述”四个核心概念。其中“书店”类下面包含我国各种类型的书店子类，它是书店本体中最为核心的概念；“书店描述”类为描述和定义“书店”类中各种类型书店而存在，它是本体化表示“书店”类概念的重要部分。书店是销售出版物的商店，不同类型书店的划分很大程度上是根据书店所售出版物的种类、形态等的不同而进行的，因此，“出版物”类也是书店本体中不可或缺的核心类；与“书店描述”类同样，“出版物描述”类为描述和定义“出版物”类中各种类型出版物而存在，它是本体化表示“出版物”类概念的重要部分。这四大类核心概念基本上可以涵盖根据上文书店本体构建目标和范围所确定的主要领域概念。
（2）建立概念层次结构 确定核心概念后，在此基础上建立概念的层次结构，即完成本体概念层级模型的构建。本部分工作是本体建模阶段最为重要的一环。类的等级体系取决于本体的可能用途、应用需要细化的程度、个人偏好以及有时候需要结合考虑与其他本体模型的兼容性[16]。根据上文所确定的构建目的和领域范围，书店本体最大的概念为“书店”，最小的粒度（即实例）将是我国现实的书店体系中的各个书店。因此，根据需要，书店实验性本体的主要概念层级结构是一个两层结构，部分概念将会涉及三层以及更多层次，其主要的最上两层等级体系如图1所示：
有两点需要说明：第一，在学术研究中，我国的书店体系可以按照不同标准进行划分，比如按所有制属性可以划分为国有书店、民营书店、集体书店、混合所有制书店；按出版物内容可以粗略划分为儿童书店、教育书店、民族书店、学术书店、生活书店、工具书书店，等等。而在本文所构建的书店本体中，笔者并没有将“书店”类进行这样的划分，这是因为：其一，并没有一种分类标准能够完全概括所有不同的书店类型，不同分类标准之间存在着很多交叉重复，比如一个现实中的书店可能既是国有书店也是教育书店，因此在本体构建中，这样的分类并没有很大必要；其二，现实中，并不存在“按所有制划分的书店”“按出版物内容划分的书店”这样的书店类型，因此将它作为“书店”类的下位类概念也并无实际意义；其三[17]，本体概念模型的可用性、可理解性和表达精确性是一个两难选择，现实中往往并不需要一个复杂且精确的概念模型来描述一个希望被大多数人理解和重用的本体，一个简单清晰的模型更适合项目的实际需要。“出版物”类基于类似原因，也没有进行过于复杂的划分。
第二，在建模时的困难之一是决定何时建一个新类或者何时通过不同的属性值来描述区别。在书店实验性本体中，“书店描述”类和“出版物描述”类分别作为描述和定义“书店”类、“出版物”类的类别而存在。它们原本既可以作为类也可以作为属性值而存在，本文的书店本体之所以分别为它们创建类，是因为考虑到一个把过多信息放在属性中而类别过少的、过于扁平的概念体系是难以操纵的。
（3）定义概念、属性
概念的层次结构只是为本体搭建了一个框架模型，只有类的体系语义信息太过简单，根本不足以提供解决问题所需的答案信息以及作为语义分析和智能处理的基础。因此确定了概念的层次结构之后，还必须描述概念间的内在结构，即对概念本身以及概念之间除了层级关系以外的其他复杂语义关系进行明确定义。结合书店本体的需要，笔者确定了三类属性：第一类用来定义和描述各种类型的书店，包括“所有制”“规模”“资本形态”“地点”“职能”“经营方式”“形态”等。例如，确定了“所有制”属性，就可以对“国有书店”类进行定义，即国有书店是所有制属性为“国有”的书店。第二类用来定义和描述各种类型的出版物，包括“形式”“载体”“语言”“内容类别”“阅读对象”“售价”等。例如，对“儿童出版物”类添加“阅读对象”属性并指定该属性值为“儿童”，就可以对儿童出版物进行这样的定义：儿童出版物是供儿童阅读的出版物。第三类属性主要描述的是“书店”类和“出版物”类的关系，主要属性是一对互逆的属性，即“销售”和“被销售”。例如通过“销售”属性可以建立“儿童书店”类和“儿童出版物”类的关系，即儿童书店是主要销售儿童出版物的书店。
（4）创建实例
对本体中的概念及属性进行定义之后，本体概念模型就可以宣告构建完毕，是否要对其进行实例化是由实际需要决定的：当所构建的本体仅仅是为领域提供共享的概念基础时，就不必对其进行具体的实例化；当所构建的本体是面向具体应用目的时，根据需要对其实例化则是重要的一环。根据书店本体所拟定的构建目的以及预计功能可知，书店本体侧重于信息描述（实例表现），对其进行实例化是十分必要的。实例化的工作包括实例声明、实例描述和关系关联三个部分[18]。以实例描述为例，假定已经声明“天津古籍书店”是“古籍书店”的实例，虽然在“古籍书店”类中已经定义了古籍书店是销售古籍出版物的书店，这个属性可以为“天津古籍书店”自动继承，但“天津古籍书店”的“所有制”“地点”“有无实体”等属性则需要在实例描述环节作进一步描述。可以看出，在面向具体应用的本体构建中，本体的实例化是非常繁琐的一个环节。
3.3 本体编码阶段
本体编码阶段即用本体描述语言将本体建模阶段的成果规范地、形式化地表示出来，以便计算机能够处理。由于本体编码过程的繁琐性以及人工编码的易错性，国内外众多机构研究开发了不少本体开发平台软件，通过这些软件能够直接用自然语言编辑本体，而不需要掌握具体的本体描述语言，大大简化了本体编码过程。在这些软件中，斯坦福大学医学院信息化研究小组开发的Prot€間€槿砑19]因其在多方面的优势成为应用最为广泛的本体编辑软件。因此，在书店本体编码过程中，本文选用Prot€間€楸咎灞嗉砑ㄖ咛宓谋嗦牍ぷ鳌R员咎迨道嗉？给出了上文提到的“天津古籍书店”实例描述在Prot€間€槿砑械谋嗉缑妗？
Prot€間€槿砑幸桓鎏乇鸬挠诺闶俏募涑龈袷娇梢远ㄖ啤？梢越玃rot€間€榈哪诓勘硎咀怀啥嘀中问降奈谋颈硎靖袷剑╔ML、RDF（S）、OIL、DAML、DAML+OIL、OWL等系列语言。在目前众多可用的本体表示语言中，OWL语言因其在丰富的语义表达能力和良好的逻辑推理之间找到了很好的平衡，成为使用最为广泛的本体描述语言，因此书店本体拟采用的文件输出格式是OWL语言。将Prot€間€？软件编辑好的本体导出OWL文本，仍然以上面的“天津古籍书店”实例描述为例，导出的OWL文本片段用IE浏览器打开后截图见图3。
该段OWL文本用自然语言描述是：古籍书店的实例天津古籍书店，所有制为国有，是实体书店，地处北京。
3.4 本体维护和进化阶段
本体构建后，需要对构建的本体进行维护和改进，以保证已构建本体的可用性。从功能角度来看，这一过程包括逻辑检测、本体评价和本体进化等阶段。 由于本体构建的复杂性以及过程的繁琐性，很难保证所构建的本体没有逻辑错误，因此在本体形式化编辑完成之后对本体进行逻辑检测是十分必要的。书店本体采用德国弗朗兹公司（Franz Inc.）开发的Racer推理机[20]，对概念进行一致性和包涵性检测，对实例进行冲突检测，以发现本体中概念、属性、实例以及关系的逻辑不一致的情况，确保本体在逻辑上的正确性[21]。事实上，除逻辑检测外，进行本体推理还能够将本体中隐含的语义关系显现地表示出来，如在书店本体中，由于“天津古籍书店”的所有制属性是“国有”，符合“国有书店”类的定义，尽管我们在编辑过程中没有指定“天津古籍书店”为“国有书店”类的实例，但当推理机进行推理后，“天津古籍书店”将会自动归类到“国有书店”类的实例中。
本体评价是对所构建本体的正确性和有效性作出合理评估，主要看能否达成预期目标，评价标准是看所构建的本体在具体应用中所达到的效果。本体进化是根据本体评价结果、具体应用目的以及领域知识的变化更新而进行有目的的、长期的改进工作，它是保证本体能够适用于具体需要而采取的必要措施。因为本文所构建的书店本体只是一个本体案例，尚没有在具体应用中进行检验，因此评价和进化都不在本文的讨论范围之内。
至此，一个从工程视角构建本体的流程全部结束，将构建好的本体结合相关数字技术运用到前文所述的相关过程中去，就可以实现本体在数字内容按需获取方面的基础性作用。
4 结 语
传统出版向数字出版的转型，其最为直接的表现是载体的改变，但更本质的却是知识组织方式、呈现方式、获取方式的转变。随着数字出版产业的发展，数字出版机构已经由传统的内容提供商向知识服务商转变，数字内容组织由传统静态的文献单元向动态的“流内容”转变，而支持这些转变的是数字技术及其思想。随着数字技术及数字出版理念的不断进步、成熟，当前的数字出版活动也逐渐由简单的数字化向定制化、语义化出版方向发展。本体理论以及基于本体理论的一系列技术很好地契合了语义出版、按需出版等新的数字出版形态的内在要求，已经开始为数字出版业所关注和重视，其应用前景十分广阔。但因为其复杂性，目前底层技术还不成熟，比如基于本体的语义标注技术、知识元抽取技术以及本体自身的自动构建、映射、匹配、集成等众多技术还是研究的难点，还处于不断探索和完善的阶段。本文主要分析了本体在数字内容按需获取方面的作用，结合目前广泛应用的本体构建方法和流程构建了一个书店本体案例，以供后续研究者参考，其可行性和有效性还必须经过实践检验，这也是后续研究需要逐步解决的问题。
注 释
[1]Gruber，T.R.A Translation Approach to Portable Ontology Specification[J].Knowledge Acquisition，1993（5）：199-220
[2]徐丽芳，丛挺.数据密集、语义、可视化与互动出版：全球科技出版发展趋势研究[J].出版科学， 2012（4）：73-80
[3]王洪俊，黄翬.“人民金典”语义检索系统实现方法和技术[J].中国传媒科技， 2011（4）：74-77
[4]马捷，刘小乐，郑若星.中国知网知识组织模式研究[J].情报科学，2011（6）：843-846
[5]文庭孝，罗贤春，刘晓英，张蕊.知识单元研究述评[J].中国图书馆学报，2011（5）：75-86
[6]王亚斌.基于本体的语义标注研究[D].兰州：兰州理工大学，2010：1
[7]刘金桂.基于本体的信息资源组织[D].南京：南京航空航天大学，2006：1
[8]焦玉英，张璐.基于ontology的语义检索模型架构[J].山东图书馆季刊，2006（3）：10-14
[9]IDEF Family of Methods A Structured Approach to Enterprise Modeling and Analysis [OL].[2007-11-15].http：//www.idef.com/
[10]Uschold M.Ontologies Principles，Methods and Applications[J].Knowledge Engineering Review，1996，11（2）：56-57
[11]Gruninger M，Fox M S.Methodology for the Design and Evaluation of Ontologies.Workshop on Basic Ontological Issues in Knowledge Sharing[M]，IJCAI-95，Montreal，1995
[12]Berbaras A，Laresgoiti I，Corera J.Building and reusing ontologies for electrical network applications[M].In：Proc of European Conf on Artificial Intelligence，1996：298-302
[13]Fernandez M，Gomez-Perez A，Juristo N. Methodology：From Ontological Art Towards Ontological Engineering[M].AAAI-97 Spring Symposium on Ontological Engineering，Stanford University，1997
[14]Ontology Creation and Use：SENSUS[OL].[2007-11-15].http：//www.isi.edu/natural-language/resource/sensus.html
[15][16]Natalya F.Noy，Deborah L.McGuinness.Ontology Development 101：A Guide to Creating Your First ontology[OL].[2002-10-12].http：//Prot€間€？stanford.edu/publications/ontology_development /ontologyl0l.pdf
[17][18][21]董慧.本体与数字图书馆[M].武汉：武汉大学出版社，2008：278-284
[19]Welcome to Prot€間€閇OL].[2007-11-22].http：//Protege.stanford.edu
[20]Racer（Renamed Abox and Concept Expression Reasoner）[OL].[2007-11-5].http：//www.racer-systems.com/products/racerpro/users-guide-1-9.pdf
（收稿日期：2013-03-21）
[关键词] 数字内容 按需获取 本体 数字出版
[中图分类号] G237 [文献标识码] A [文章编号] 1009-5853 （2013） 05-0079-06
数字内容的爆炸式增长已将我们卷入“信息过载”的时代，海量的数字信息满足了普通大众的信息需求，但同时它的庞杂、无序以及缺乏机器可以理解的语义，又极大地限制了人们对自己真正需要的知识的快速获取。实现异构信息的互操作，无序信息的序化，以及数字内容语义拆分、动态重构和语义检索等是数字内容按需获取的前提，而基于本体的数字技术以其日益显现的突出能力，成为解决上述问题的基础之一。
1 本体理论概述
本体是一套得到大多数人认同的关于概念体系的明确的、形式化的规范说明[1]。它对概念体系的规范和说明建立在类（或概念）、属性、实例、关系、公理等基本元素之上。其中，类是构成本体概念模型的主要部分，类与类之间蕴含着复杂的语义关系。通过对类添加不同的属性，以及由属性构造公理和约束，能对类进行明确的描述和定义，并描述类与类之间的关系，进而将不同的类连接成一个复杂的概念网络。
本体对概念的定义能力以及对概念关系的描述能力，使得它成为一种强大的知识表示方法和语义分析基础，在诸如机器翻译、智能检索、异构信息处理、自动问答、跨语种检索等方面都能够发挥重要作用，因此有着广泛的应用前景。近几年，出版业也开始引入本体思想与技术，并借鉴图书情报、人工智能领域业已取得的成果，以探索本体在数字出版领域的应用。国际上，牛津大学研究小组开发的一种引文类型本体，微软针对Word 2007开发的本体插件[2]，都尝试将本体技术引入出版的不同环节。在国内，人民教育出版社组织开发的“人民金典”语义搜索系统[3]，其底层语义模型运用了本体方法论作为指导。此外，研究人员也开始研究将本体引入方正科技等互联网出版机构的知识组织系统中。
2 本体的作用
数字内容按需获取的最终实现需要从两方面来综合考虑：一是数字内容本身；二是用户。在数字内容方面，必须解决的问题是实现数字内容的有效组织，解决方案是构建数字出版内容知识库——将各种加工好的数字内容系统地组织并存储起来，实现对数字出版资源的初次优化。这也是实现数字内容语义分析和动态重组的基础。在用户方面，必须解决的问题是方便快捷地提供用户所需的数字内容，这可以通过两种途径来实现：一是在用户检索时，系统需要根据用户需求高效、快捷地从知识库中获取所需资源，并重新组织成满足用户需要的数字内容；二是系统根据用户的浏览习惯、个人背景信息等主动向用户提供个性化服务和信息导航。本体技术为这两方面问题的解决提供了很好的基础。
2.1 数字内容的有效组织
当前，从文献层面对数字出版内容进行组织的主要方法有分类法、主题法、分类主题一体化法三种。如中国知网综合运用了这几种方法对其数据库文献进行组织，取得了不错的效果[4]。但是，它们无法实现对知识内容本身的有效管理[5]，尤其在面对信息过载的网络环境时，会导致科研人员淹没在大量无关信息之中。因此，知识信息组织从物理层次的文献单元向认知层次的知识单元转变、增加知识的关联度以及实现异构信息的互操作都是亟待解决的问题。本体则为解决这些问题提供了有效机制。
一方面，可以先在领域专家的协助下构建领域本体，同时从领域文献中抽取领域特征词集，使用基于领城本体的空间向量模型方法建立领域特征词集与本体概念之间的映射，采用这种方法对领域文档进行语义标注，从而将文档隐含的语义信息明确地表达和揭示出来；然后，借助信息抽取技术从文献中抽取由特定语义和语用约束的知识片——知识元，并在此基础上构建基于知识元的数字内容本体知识库，由此实现由文献单元向知识单元的语义拆分；最后，根据用户需求，实现知识单元级别的数字内容动态重组，以满足用户个性化的知识需求。
另一方面，由于本体代表一种用机器可以理解的语言和逻辑建立的对信息资源的结构化描述规范，它为不同的系统建立了能够共同理解并使用的术语。基于一个共同的本体进行语义标注可以提供共同的框架来集成异构数据源中的信息，可以满足智能主体（Agent）对使用不同操作系统、应用语言和网络协议的文献资源进行有效检索和访问，实现信息资源在语义层次上的全方位互联，并在此基础上实现更高层次的、基于知识的智能应用[6]。
2.2 数字内容的语义检索
传统的检索系统工作原理为：对采集来的信息资源进行分析，得到信息资源所对应的关键词集合，然后将这些信息资源和关键词集合存储在数据库中；当用户进行检索时，系统就会将用户的查询词与数据库中存储的关键词或者信息资源本身进行字符串匹配，只要查询词与关键词或信息资源中的内容相同，就将包含此词的信息资源检索出来[7]。显然，这种基于字符串的机械匹配模式并没有考虑信息中的语义，因此检索效率很低。一方面，它无法将语义相同，但查询词不同的信息检索出来，比如在中国知网，用关键词查询法分别输入“番茄”和“西红柿”时，检索结果差别很大。另一方面，它无法将字符串相同，但语义不同或者相关度很低的信息排除在外，因此检索结果中混杂着很多无效信息。
基于本体的语义检索则从语义理解的角度分析信息对象与检索请求，是一种基于概念及其关系的检索匹配机制[8]。它通过理解和分析用户用自然语言表述的检索需求，构造更为科学的查询表达式，并将之与同样用本体组织良好的知识库中的数字内容索引库进行语义推理和语义匹配，这样检索出来的结果在准确率和周全度上相较于传统检索模式都会有很大提高，因此更符合用户按需获取的最终目的。
2.3 个性化服务和语义导航 信息爆炸给用户带来了“信息迷航”的困扰，并促使用户个人信息需求越来越个性化和碎片化。此外，用户由于自身知识结构的缺陷、语义理解的主观性等原因，并不总能清楚地意识到自己所需要的信息到底是什么。个性化服务和信息导航都是在应对这些问题中产生的对策。数字出版业已经在信息导航和个性化服务方面做了一些工作：信息导航方面，大多数在线数据库在检索界面中都提供简单的分类或者主题层次结构，以方便用户分类检索或浏览；个性化服务方面，个性化订阅和个性化推荐已成为重要的研究课题。但目前的信息导航服务所提供的分类或者主题结构过于简单，用户并不能从中获取粒度较小的语义理解支持；而采用关键词法、向量空间法和分类法构建的用户兴趣模型（个性化推荐服务的核心技术）则存在维度过粗、语义缺失、语义关联能力不足等问题。本体技术能够为这些问题的解决提供很好的支持。
本体是由领域概念及其关系构成的复杂的网状结构，它不仅能够实现基于语义的分类、主题概念的无缝组合，还能支持概念属性、概念实例层级的知识表示，因此领域知识之间的丰富语义关联通过本体能够以网状结构图形详细地、可视化地表现出来，从而为用户提供上下文相关知识，方便用户根据浏览意图的不同，自主选择不同粒度的检索问题。
在用户兴趣模型的构建过程中，可以将用户的特征词集合与领域本体进行语义映射，建立用户的语义空间，进而借助领域本体这一中介建立信息源和用户之间的统一语义模型。由于本体自身突出的知识表示能力，基于本体的用户语义模型能够根据用户背景提供远比目前方法更为精准的主动信息服务，甚至激发用户潜在的兴趣点。
3 本体构建方法与流程：以书店本体构建为例
实现本体在数字出版方面应用的前提是必须有可用的、构建良好的领域本体。本体之于上文所述的功能实现，就如同建房子时必须建立框架，然后才能在此基础上添砖加瓦，进而装修成美丽的居室。当前经典的本体构建方法有IDEF5法[9]、Mike Uschold & King的骨架法[10]、Gruninger & Fox的评价法（又称TOVE法）[11]、KACTUS工程法[12]、METHONTOLOGY法[13]、SENSUS法[14]、斯坦福大学医学院的“七步法”[15]等几种。它们为本体的构建提供了很好的方法论基础。综合上述方法的优点，本文构建一个书店本体案例。在整个流程方面，主要借鉴IDEF5法、骨架法、METHONTOLOGY法；在具体建模阶段，主要参考斯坦福大学医学院的“七步法”，并根据需要作了相应调整。总体过程包括：准备阶段、本体建模阶段、本体形式化阶段、本体维护和进化阶段四个阶段。
3.1 准备阶段
（1）构建目的及领域范围
本体的构建不是无的放矢，只有明确了构建目的和领域范围，我们才知道本体中大概需要哪些概念，哪些属性，以及本体的粒度大小，即本体将在哪一层级终止。书店本体的构建旨在把我国不同类型书店的概念体系本体化地表示出来，为我国书店系统提供共享的知识基础，以方便了解各种书店之间的关系，以及各书店自身的所有制性质、经营规模、资本形态、经营形态等属性。其领域范围为：我国的书店体系。为进一步明确，可以列出所构建本体将要回答的一些问题和预备实现的功能。作为自备知识库，书店本体的预期目标是能够回答诸如这样一些问题：
1）我国古籍书店、外文书店、二手书店……有哪些？都在什么地方？
2）三联书店是国有的还是民营的？是综合书店还是专业书店？主要销售什么品类的图书？
作为语义分析、标引和智能推理的基础，它必须能够在检索系统中辅助完成诸如以下情况的任务：当一个检索者需要检索我国民营书业发展状况时，它必须准确提供有关民营书业相关情况的文献，而不会将国有书业状况的文献也一起提供给检索者；它必须将记载我国书业发展状况的文献中有关民营书业的部分单独抽取出来，而不是整篇提供给检索者。
此外，需要说明的是，本文所构建的书店本体并不试图厘清我国书店系统复杂的内部结构，因此该部分概念及关系将不在本文书店本体中涉及。
（2）考虑可复用的现有本体
本体提供了领域共享的知识基础，本体的复用是构建本体的固有目标之一。在本体建模开始之前，考虑复用现有本体将极大地简化本体构建过程。出版领域目前并没有本体构建的具体案例可供参考，因此并无现成的本体可以作为我们构建本体的基础。但凝结着领域专家智慧的已有领域文献、词典可以为本体构建工作提供一定参考。本部分主要以武汉大学编纂的出版发行词典中关于书店系统的相关概念及其定义作为参考。该出版发行词典由武汉大学出版发行系的专家及教授共同编纂，具有相当的权威性，因此可以作为书店本体概念分类及概念描述的基础。
3.2 本体建模阶段
（1）列出书店本体的核心概念和术语
识别本体的构建目标、范围后，就要按照它们确定所需的核心概念，以便建立领域知识概念模型。结合书店本体构建的目标和范围，以上述出版发行词典为基础，在领域专家的参与下，经过头脑风暴法确定书店本体的潜在核心概念，然后通过识别、分析最终确定了“书店”“书店描述”“出版物”“出版物描述”四个核心概念。其中“书店”类下面包含我国各种类型的书店子类，它是书店本体中最为核心的概念；“书店描述”类为描述和定义“书店”类中各种类型书店而存在，它是本体化表示“书店”类概念的重要部分。书店是销售出版物的商店，不同类型书店的划分很大程度上是根据书店所售出版物的种类、形态等的不同而进行的，因此，“出版物”类也是书店本体中不可或缺的核心类；与“书店描述”类同样，“出版物描述”类为描述和定义“出版物”类中各种类型出版物而存在，它是本体化表示“出版物”类概念的重要部分。这四大类核心概念基本上可以涵盖根据上文书店本体构建目标和范围所确定的主要领域概念。
（2）建立概念层次结构 确定核心概念后，在此基础上建立概念的层次结构，即完成本体概念层级模型的构建。本部分工作是本体建模阶段最为重要的一环。类的等级体系取决于本体的可能用途、应用需要细化的程度、个人偏好以及有时候需要结合考虑与其他本体模型的兼容性[16]。根据上文所确定的构建目的和领域范围，书店本体最大的概念为“书店”，最小的粒度（即实例）将是我国现实的书店体系中的各个书店。因此，根据需要，书店实验性本体的主要概念层级结构是一个两层结构，部分概念将会涉及三层以及更多层次，其主要的最上两层等级体系如图1所示：
有两点需要说明：第一，在学术研究中，我国的书店体系可以按照不同标准进行划分，比如按所有制属性可以划分为国有书店、民营书店、集体书店、混合所有制书店；按出版物内容可以粗略划分为儿童书店、教育书店、民族书店、学术书店、生活书店、工具书书店，等等。而在本文所构建的书店本体中，笔者并没有将“书店”类进行这样的划分，这是因为：其一，并没有一种分类标准能够完全概括所有不同的书店类型，不同分类标准之间存在着很多交叉重复，比如一个现实中的书店可能既是国有书店也是教育书店，因此在本体构建中，这样的分类并没有很大必要；其二，现实中，并不存在“按所有制划分的书店”“按出版物内容划分的书店”这样的书店类型，因此将它作为“书店”类的下位类概念也并无实际意义；其三[17]，本体概念模型的可用性、可理解性和表达精确性是一个两难选择，现实中往往并不需要一个复杂且精确的概念模型来描述一个希望被大多数人理解和重用的本体，一个简单清晰的模型更适合项目的实际需要。“出版物”类基于类似原因，也没有进行过于复杂的划分。
第二，在建模时的困难之一是决定何时建一个新类或者何时通过不同的属性值来描述区别。在书店实验性本体中，“书店描述”类和“出版物描述”类分别作为描述和定义“书店”类、“出版物”类的类别而存在。它们原本既可以作为类也可以作为属性值而存在，本文的书店本体之所以分别为它们创建类，是因为考虑到一个把过多信息放在属性中而类别过少的、过于扁平的概念体系是难以操纵的。
（3）定义概念、属性
概念的层次结构只是为本体搭建了一个框架模型，只有类的体系语义信息太过简单，根本不足以提供解决问题所需的答案信息以及作为语义分析和智能处理的基础。因此确定了概念的层次结构之后，还必须描述概念间的内在结构，即对概念本身以及概念之间除了层级关系以外的其他复杂语义关系进行明确定义。结合书店本体的需要，笔者确定了三类属性：第一类用来定义和描述各种类型的书店，包括“所有制”“规模”“资本形态”“地点”“职能”“经营方式”“形态”等。例如，确定了“所有制”属性，就可以对“国有书店”类进行定义，即国有书店是所有制属性为“国有”的书店。第二类用来定义和描述各种类型的出版物，包括“形式”“载体”“语言”“内容类别”“阅读对象”“售价”等。例如，对“儿童出版物”类添加“阅读对象”属性并指定该属性值为“儿童”，就可以对儿童出版物进行这样的定义：儿童出版物是供儿童阅读的出版物。第三类属性主要描述的是“书店”类和“出版物”类的关系，主要属性是一对互逆的属性，即“销售”和“被销售”。例如通过“销售”属性可以建立“儿童书店”类和“儿童出版物”类的关系，即儿童书店是主要销售儿童出版物的书店。
（4）创建实例
对本体中的概念及属性进行定义之后，本体概念模型就可以宣告构建完毕，是否要对其进行实例化是由实际需要决定的：当所构建的本体仅仅是为领域提供共享的概念基础时，就不必对其进行具体的实例化；当所构建的本体是面向具体应用目的时，根据需要对其实例化则是重要的一环。根据书店本体所拟定的构建目的以及预计功能可知，书店本体侧重于信息描述（实例表现），对其进行实例化是十分必要的。实例化的工作包括实例声明、实例描述和关系关联三个部分[18]。以实例描述为例，假定已经声明“天津古籍书店”是“古籍书店”的实例，虽然在“古籍书店”类中已经定义了古籍书店是销售古籍出版物的书店，这个属性可以为“天津古籍书店”自动继承，但“天津古籍书店”的“所有制”“地点”“有无实体”等属性则需要在实例描述环节作进一步描述。可以看出，在面向具体应用的本体构建中，本体的实例化是非常繁琐的一个环节。
3.3 本体编码阶段
本体编码阶段即用本体描述语言将本体建模阶段的成果规范地、形式化地表示出来，以便计算机能够处理。由于本体编码过程的繁琐性以及人工编码的易错性，国内外众多机构研究开发了不少本体开发平台软件，通过这些软件能够直接用自然语言编辑本体，而不需要掌握具体的本体描述语言，大大简化了本体编码过程。在这些软件中，斯坦福大学医学院信息化研究小组开发的Prot€間€槿砑19]因其在多方面的优势成为应用最为广泛的本体编辑软件。因此，在书店本体编码过程中，本文选用Prot€間€楸咎灞嗉砑ㄖ咛宓谋嗦牍ぷ鳌R员咎迨道嗉？给出了上文提到的“天津古籍书店”实例描述在Prot€間€槿砑械谋嗉缑妗？
Prot€間€槿砑幸桓鎏乇鸬挠诺闶俏募涑龈袷娇梢远ㄖ啤？梢越玃rot€間€榈哪诓勘硎咀怀啥嘀中问降奈谋颈硎靖袷剑╔ML、RDF（S）、OIL、DAML、DAML+OIL、OWL等系列语言。在目前众多可用的本体表示语言中，OWL语言因其在丰富的语义表达能力和良好的逻辑推理之间找到了很好的平衡，成为使用最为广泛的本体描述语言，因此书店本体拟采用的文件输出格式是OWL语言。将Prot€間€？软件编辑好的本体导出OWL文本，仍然以上面的“天津古籍书店”实例描述为例，导出的OWL文本片段用IE浏览器打开后截图见图3。
该段OWL文本用自然语言描述是：古籍书店的实例天津古籍书店，所有制为国有，是实体书店，地处北京。
3.4 本体维护和进化阶段
本体构建后，需要对构建的本体进行维护和改进，以保证已构建本体的可用性。从功能角度来看，这一过程包括逻辑检测、本体评价和本体进化等阶段。 由于本体构建的复杂性以及过程的繁琐性，很难保证所构建的本体没有逻辑错误，因此在本体形式化编辑完成之后对本体进行逻辑检测是十分必要的。书店本体采用德国弗朗兹公司（Franz Inc.）开发的Racer推理机[20]，对概念进行一致性和包涵性检测，对实例进行冲突检测，以发现本体中概念、属性、实例以及关系的逻辑不一致的情况，确保本体在逻辑上的正确性[21]。事实上，除逻辑检测外，进行本体推理还能够将本体中隐含的语义关系显现地表示出来，如在书店本体中，由于“天津古籍书店”的所有制属性是“国有”，符合“国有书店”类的定义，尽管我们在编辑过程中没有指定“天津古籍书店”为“国有书店”类的实例，但当推理机进行推理后，“天津古籍书店”将会自动归类到“国有书店”类的实例中。
本体评价是对所构建本体的正确性和有效性作出合理评估，主要看能否达成预期目标，评价标准是看所构建的本体在具体应用中所达到的效果。本体进化是根据本体评价结果、具体应用目的以及领域知识的变化更新而进行有目的的、长期的改进工作，它是保证本体能够适用于具体需要而采取的必要措施。因为本文所构建的书店本体只是一个本体案例，尚没有在具体应用中进行检验，因此评价和进化都不在本文的讨论范围之内。
至此，一个从工程视角构建本体的流程全部结束，将构建好的本体结合相关数字技术运用到前文所述的相关过程中去，就可以实现本体在数字内容按需获取方面的基础性作用。
4 结 语
传统出版向数字出版的转型，其最为直接的表现是载体的改变，但更本质的却是知识组织方式、呈现方式、获取方式的转变。随着数字出版产业的发展，数字出版机构已经由传统的内容提供商向知识服务商转变，数字内容组织由传统静态的文献单元向动态的“流内容”转变，而支持这些转变的是数字技术及其思想。随着数字技术及数字出版理念的不断进步、成熟，当前的数字出版活动也逐渐由简单的数字化向定制化、语义化出版方向发展。本体理论以及基于本体理论的一系列技术很好地契合了语义出版、按需出版等新的数字出版形态的内在要求，已经开始为数字出版业所关注和重视，其应用前景十分广阔。但因为其复杂性，目前底层技术还不成熟，比如基于本体的语义标注技术、知识元抽取技术以及本体自身的自动构建、映射、匹配、集成等众多技术还是研究的难点，还处于不断探索和完善的阶段。本文主要分析了本体在数字内容按需获取方面的作用，结合目前广泛应用的本体构建方法和流程构建了一个书店本体案例，以供后续研究者参考，其可行性和有效性还必须经过实践检验，这也是后续研究需要逐步解决的问题。
注 释
[1]Gruber，T.R.A Translation Approach to Portable Ontology Specification[J].Knowledge Acquisition，1993（5）：199-220
[2]徐丽芳，丛挺.数据密集、语义、可视化与互动出版：全球科技出版发展趋势研究[J].出版科学， 2012（4）：73-80
[3]王洪俊，黄翬.“人民金典”语义检索系统实现方法和技术[J].中国传媒科技， 2011（4）：74-77
[4]马捷，刘小乐，郑若星.中国知网知识组织模式研究[J].情报科学，2011（6）：843-846
[5]文庭孝，罗贤春，刘晓英，张蕊.知识单元研究述评[J].中国图书馆学报，2011（5）：75-86
[6]王亚斌.基于本体的语义标注研究[D].兰州：兰州理工大学，2010：1
[7]刘金桂.基于本体的信息资源组织[D].南京：南京航空航天大学，2006：1
[8]焦玉英，张璐.基于ontology的语义检索模型架构[J].山东图书馆季刊，2006（3）：10-14
[9]IDEF Family of Methods A Structured Approach to Enterprise Modeling and Analysis [OL].[2007-11-15].http：//www.idef.com/
[10]Uschold M.Ontologies Principles，Methods and Applications[J].Knowledge Engineering Review，1996，11（2）：56-57
[11]Gruninger M，Fox M S.Methodology for the Design and Evaluation of Ontologies.Workshop on Basic Ontological Issues in Knowledge Sharing[M]，IJCAI-95，Montreal，1995
[12]Berbaras A，Laresgoiti I，Corera J.Building and reusing ontologies for electrical network applications[M].In：Proc of European Conf on Artificial Intelligence，1996：298-302
[13]Fernandez M，Gomez-Perez A，Juristo N. Methodology：From Ontological Art Towards Ontological Engineering[M].AAAI-97 Spring Symposium on Ontological Engineering，Stanford University，1997
[14]Ontology Creation and Use：SENSUS[OL].[2007-11-15].http：//www.isi.edu/natural-language/resource/sensus.html
[15][16]Natalya F.Noy，Deborah L.McGuinness.Ontology Development 101：A Guide to Creating Your First ontology[OL].[2002-10-12].http：//Prot€間€？stanford.edu/publications/ontology_development /ontologyl0l.pdf
[17][18][21]董慧.本体与数字图书馆[M].武汉：武汉大学出版社，2008：278-284
[19]Welcome to Prot€間€閇OL].[2007-11-22].http：//Protege.stanford.edu
[20]Racer（Renamed Abox and Concept Expression Reasoner）[OL].[2007-11-5].http：//www.racer-systems.com/products/racerpro/users-guide-1-9.pdf
（收稿日期：2013-03-21）