CN107330111A - 基于通用形式化本体的领域本体的检索方法及装置 - Google Patents
基于通用形式化本体的领域本体的检索方法及装置 Download PDFInfo
- Publication number
- CN107330111A CN107330111A CN201710556061.XA CN201710556061A CN107330111A CN 107330111 A CN107330111 A CN 107330111A CN 201710556061 A CN201710556061 A CN 201710556061A CN 107330111 A CN107330111 A CN 107330111A
- Authority
- CN
- China
- Prior art keywords
- concept
- search
- retrieval
- key word
- initial key
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种基于通用形式化本体的领域本体的检索方法及装置,属于信息检索领域。该方法包括:获取用户的查询请求;对所述查询请求进行预处理,获得初始关键词集;基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念;获取与所述目标搜索概念对应的检索关键词集;通过所述检索关键词集中的检索关键词进行检索;返回检索后的检索结果。本发明通过预先利用通用形式化本体来构建领域本体,然后基于目标搜索概念来进行检索,可以更为高效和准确的提供设计领域的知识检索,提高了检索的查全率和查准率。
Description
技术领域
本发明涉及信息检索领域,具体而言,涉及一种基于通用形式化本体的领域本体的检索方法及装置。
背景技术
传统的全文检索系统中,大多以关键词匹配为主来完成查询条件与索引内容的匹配,但是由于用户输入语句的随机性较强,导致查询条件与索引内容在表达上的差异很大,查询匹配的准确率不高,检索经常出现遗漏重要信息和返回大量不相关结果的现象。即使对关键字建立索引表,可以提供查询效率和查询速度。但是当需要对文献资料进行全文检索的时候,这种数据库的索引方式是不起作用的。如果对全文进行基于关键字,即以匹配“keyword”的方式进行检索,仅能从字面上完成检索请求与索引的匹配,缺乏对检索请求的语义层面的理解与分析能力,其性能和效率是很低的。在召回率和准确率方面无法得到满意的结果。
所以,目前的大多数信息检索系统,面对海量的异构化的数据资源,在执行过程当中很难达到在兼顾查全率和准确率的情况下提供高效的全文信息检索。
发明内容
有鉴于此,本发明实施例的目的在于提供一种基于通用形式化本体的领域本体的检索方法及装置,以改善上述问题。
第一方面,本发明实施例提供了一种基于通用形式化本体的领域本体的检索方法,所述方法包括:获取用户的查询请求;对所述查询请求进行预处理,获得初始关键词集;基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念;获取与所述目标搜索概念对应的检索关键词集;通过所述检索关键词集中的检索关键词进行检索;返回检索后的检索结果。
进一步地,基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念,包括:基于预先利用顶层本体创建好的领域本体及本体概念模型来对所述初始关键词集中的初始关键词进行本体语义扩展,以获得与所述初始关键词匹配的目标搜索概念。
进一步地,通过所述检索关键词集中的检索关键词进行检索,包括:将所述检索关键词集中的检索关键词生成对应的查询语句;通过所述查询语句对预先建立的索引库进行检索。
进一步地,所述获取用户的查询请求的步骤之前,还包括:获取网络中的电子文档;对所述电子文档中的关键词进行标注;对标注后的关键词建立索引库。
进一步地,领域本体为中医药领域本体。
第二方面,本发明实施例提供了一种基于通用形式化本体的领域本体的检索装置,所述装置包括:请求获取模块,用于获取用户的查询请求;预处理模块,用于对所述查询请求进行预处理,获得初始关键词集;概念获取模块,用于基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念;检索词获取模块,用于获取与所述目标搜索概念对应的检索关键词集;检索模块,用于通过所述检索关键词集中的检索关键词进行检索;结果获取模块,用于返回检索后的检索结果。
进一步地,所述概念获取模块,具体用于基于预先利用顶层本体创建好的领域本体及本体概念模型来对所述初始关键词集中的初始关键词进行本体语义扩展,以获得与所述初始关键词匹配的目标搜索概念。
进一步地,所述检索模块包括:语句生成子模块,用于将所述检索关键词集中的检索关键词生成对应的查询语句;检索子模块,用于通过所述查询语句对预先建立的索引库进行检索。
进一步地,所述装置还包括:文档获取模块,用于获取网络中的电子文档;标注模块,用于对所述电子文档中的关键词进行标注;建立索引库模块,用于对标注后的关键词建立索引库。
进一步地,领域本体为中医药领域本体。
本发明实施例的有益效果是:
本发明实施例提供一种基于通用形式化本体的领域本体的检索方法及装置,首先获取用户的查询请求,然后对所述查询请求进行预处理,以获得初始关键词集,再基于预先利用通用形式化本体创建好的领域本体及本体概念模型,来获取与所述初始关键词集中的初始关键词匹配的目标搜索概念,再获取与所述目标搜索概念对应的检索关键词集,通过所述检索关键词集中的检索关键词进行检索,再返回检索后的检索结果,本发明通过预先利用通用形式化本体来构建领域本体,然后基于目标搜索概念来进行检索,可以更为高效和准确的提供设计领域的知识检索,提高了检索的查全率和查准率。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的用户终端与服务器进行交互的示意图;
图2示出了一种可应用于本申请实施例中的电子设备的结构框图;
图3为本发明实施例提供的一种基于通用形式化本体的领域本体的检索方法的流程图;
图4为本发明实施例提供的一种基于顶层本体构建领域本体的流程示意图;
图5为本发明实施例提供的一种基于通用形式化本体的领域本体的检索装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1为本发明实施例提供的用户终端10与服务器20进行交互的示意图,所述服务器20通过网络30与一个或多个用户终端10进行通信连接,以进行数据通信或交互。所述服务器20可以是网络服务器、数据库服务器等。所述用户终端10可以是个人电脑(personalcomputer,PC)、平板电脑、智能手机、个人数字助理(personal digital assistant,PDA)、可穿戴设备等终端。
请参照图2,图2示出了一种可应用于本申请实施例中的电子设备100的结构框图。电子设备100可以为本发明中的用户终端10,包括存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107。
当然,服务器20也可包括上述的存储器101、存储控制器102、处理器103。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于通用形式化本体的领域本体的检索装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述基于通用形式化本体的领域本体的检索装置的操作系统(operating system,OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块,例如所述基于通用形式化本体的领域本体的检索装置包括的软件功能模块或计算机程序。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器101用于存储程序,所述处理器103在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中,或者由处理器103实现。
处理器103可以是一种集成电路芯片,具有信号的处理能力。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中,外设接口104,处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元105可以是,但不限于,鼠标和键盘等。
音频单元106向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元107在所述电子设备100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器103进行计算和处理。
所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中,外设接口104,处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元105可以是,但不限于,鼠标和键盘等。
可以理解,图2所示的结构仅为示意,所述电子设备100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
下面对本发明实施例中用到的名称进行介绍。
1.本体(ontology):在计算机科学与信息科学领域,理论上,本体是指一种“形式化的,对于共享概念体系的明确而又详细的说明”。本体提供的是一种共享词表,也就是特定领域之中那些存在着的对象类型或概念及其属性和相互关系;或者说,本体就是一种特殊类型的术语集,具有结构化的特点,且更加适合于在计算机系统之中使用;或者说,本体实际上就是对特定领域之中某套概念及其相互之间关系的形式化表达(formalrepresentation)。本体是人们以自己兴趣领域的知识为素材,运用信息科学的本体论原理而编写出来的作品(artifacts)。本体一般可以用来针对该领域的属性进行推理,亦可用于定义该领域(也就是对该领域进行建模)。
一般本体由类、实施、关系、函数和公理五种元素组成,其组成形式一般为具有层次性的树状结构。
本体一般可分为顶层本体、中间层本体、领域本体、任务本体、应用本体等。
2.顶层本体:是高层的与某个特定领域或任务无关的本体,它通常只表达一些常识性概念和范畴,如时间、空间、对象、事件等。顶层本体具体普遍性和抽象性,它可以作为构建领域本体的基础,并且为不同系统提供一个共同的知识库。利用顶层本体来构建领域本体,利用顶层本体中已有的概念集、规范的关系定义和公理定义,以及合理的逻辑结构,可以大大减少本体构建过程的复杂性,省时省力;同时,通过遵循同样的标准规范,使得将来在不同本体或系统之间的映射和互操作变得容易。
3.GFO(General Formal Ontology,通用形式化本体):GFO致力于构建一个可以适用于所有领域的顶层本体,由3层元本体架构组成:(1)抽象;(2)元层面;(3)由所有相关的GFO基本类别所组成的基本层面。
4.本体概念模型:指的是以语义web方式对某个特定领域的知识体系建立具有层次结构的概念模型,包含所有相关的概念类、实例、语义关系等。本体中用树型结构组织概念,其中,概念词用节点来表示;概念词与概念词之间的关系用边来表示。例如,“中风”的概念为“疾病”。
请参照图3,图3为本发明实施例提供的一种基于通用形式化本体的领域本体的检索方法的流程图,所述方法具体包括如下步骤:
步骤S110:获取用户的查询请求。
用户在进行检索时,可以在用户终端的检索界面输入需要检索的内容,即查询请求,然后可以通过网络将该查询请求发送给服务器。
步骤S120:对所述查询请求进行预处理,获得初始关键词集。
服务器在获取到所述查询请求后,首先对所述查询请求进行预处理,预处理是指对查询请求进行分词处理,识别出其中的最小语义单元,并对分词后的词标注出词性。
作为一种方式,可以在已建立好的领域本体词库所映射的字典树中,对查询请求的所有子串逐个匹配,得到分词备选集,其中包括完全匹配结果与部分匹配结果,完全匹配结果中的每个词都能映射到领域本体词库中的某个词,部分匹配结果中的每个词都能映射到领域本体词库中的某个词的子串,根据在本体知识库中出现的频次,词自身路径跨度大小和词长与平均词长的差值大小,对分词备选集中的所有词进行三级过滤,得到初始关键词集。
作为一种方式,还可通过ICTCLAS分词系统对查询请求进行预处理,通过使用ICTCLAS分词系统将用户的查询请求切分成带有词性标注的单词序列。
另外,还可采用Lucene搜索引擎自带的中文分词算法进行分词处理,Lucene有其自己的中文分析器,其中主要是StandardAnalyzer和CJKAnalyzer。StandardAnalyzer分析器采用单字分词法,而CJKAnalyzer分析器采用二分法。
在Lucene搜索引擎的中文分词算法中最常用的是基于字符串匹配方法,在此基础上还有一种正向最大增字匹配分词算法,正向最大增字匹配分词算法实现思想是准备一个分词的词典,然后利用算法对输入的查询请求进行从左到右进行扫描,其目的是将查询请求中的字符串与词典中的词条进行逐个匹配。匹配字段是从一个字开始,匹配中不断增字,直到匹配不下去为止,每一轮结束得到的结果,取最大的可以匹配成功的当前匹配字段,例如,输入的查询请求为“我属于中国人民解放军的陆军部队”,词典中有“中国人民解放军”、“中国”、“人民”、“解放军”等词,然后从“中”字开始,向后依次扫描,分别取“中”、“中国”、“中国人”、“中国人民”、“中国人民解”、“中国人民解放”、“中国人民解放军”进行匹配,词典中最长的匹配字符串是“中国人民解放军”,那么该词被切分出来,接下来从“的”字开始扫描,重复上述操作,结果为“我/属于/中国人民解放军/的/陆军/部队”,并且为其各个词标注词性,其中,名词、动词、数词、形容词、前置词、助词、连词、标点等词性标记分别为n、v、m、a、p、u、c、wp等符号,例如,将“我”标注为名词,然后将该(我、属于、中国人民解放军、的、陆军、部队)作为初始关键词集。
步骤S130:基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述始关键词集中的初始关键词匹配的目标搜索概念。
在进行查询请求之前,服务器存储有预先利用通用形式化本体创建的领域本体,领域本体的构建方法有常用的“骨架法”和“七步法”,在此基础上,基于顶层本体构建领域本体的基本思想是,从本体工程的基本思想出发,借助词表达法对选词进行规范化处理,并选择合适的顶层本体,对领域本体构建进行标准化处理,最后将领域本体嫁接到顶层本体中。具体的过程请参照图4所示的基于顶层本体构建领域本体的流程示意图。
在本实施例中,所述领域本体为中医药领域本体,顶层本体为GFO(通用形式化本体),中医药顶层本体不仅为中医药领域本体的构件提供框架,而且有利于实现中医药领域本体同其他领域本体之间的整合,是实现不同领域知识共享和互操作的基础。
而目前中医药顶层本体基本都是参照SUMO(suggested upper merged ontology,推荐上层合并本体)和西医领域的UMLS(unified medical language system,一体化医学语言系统)进行构建,但是,传统的中医学理论有着自己独特的体系架构,无论是它的知识背景、哲学起源,还是中医药术语的语义与语境,都与西医的知识体系有着极大的差异。如果按照西医理论去诠释中医药概念和术语,不顾及中医发展规律和特殊性,加之选择不当,很容易产生语义表达二义性等诸多问题。
所以,本发明实施例利用GFO来构建中医药领域本体,GFO是致力于建立一个博采中西之所长、兼收并蓄的顶层本体,这为将来的中西文化汇通及中西医的汇通提供了可能性。
然后利用建立好的本体概念模型,对初始关键词集中的初始关键词进行本体语义扩展,例如,若上述步骤得到的初始关键词集为(治疗、中风、的、方剂),再将该初始关键词集中的初始关键词进行语义扩展,即通过本体概念模型对初始关键词进行语义扩展,例如,中医药领域本体概念模型中有“疾病”、“症候”、“症状”、“治疗方法”、“方剂”、“药物”等概念,则从中可获得目标搜索概念,例如“中风(疾病)”、“方剂(X)”。
具体而言,领域本体是一个概念词编辑器,提供用户自定义领域本体的概念、建立概念间关联的界面。建立领域本体,首先定义核心概念词,核心概念词是领域本体中的标示词汇,在定义核心概念词后,可针对一个概念定义其数值属性、从属概念及概念间的关系,其输入为用户希望定义的概念方法相关词汇,输出为使用RDF(Resource DescriptionFramework,万维网)描述的概念体系,包括:概念、概念关系、概念属性及概念实例等。例如,若领域本体定义为O=<C,R,I,F>的形式,其中C为概念集合,R为概念之间的关系集合,I为实例集合,F为事实集合,每个事实可以表示为一个三元组,即E=I∪C。
另外,需要说明的是,本发明实施例中利用通用形式化本体创建的领域本体不仅仅只为中医药领域本体,还可以为其他领域本体,例如生物医学领域本体、法律领域本体、经济领域本体、农业科学领域本体等。
步骤S140:获取与所述目标搜索概念对应的检索关键词集。
从构建好的领域本体库中提取出与目标搜索概念对应的检索关键字集,例如,提取出与概念“中风”的检索关键字有“偏枯”、“仆击”、“大厥”、“薄厥”、“偏风”、“身偏不用”、“风痱”,从而提取出与目标搜索概念对应的检索关键词组成的检索关键词集。
步骤S150:通过所述检索关键词集中的检索关键词进行检索。
将所述检索关键词集中的每个检索关键词通过逻辑操作符从自定义的查询系统当中自动生成对应格式的查询语句,例如,Lucene/Solr格式的查询语句,然后根据查询语句对预先建立的索引库进行检索。
其中,建立索引库的过程为:首先将由网络上抓取下来的电子文档及用户上传的文档建立索引,并建立数据库将文本以及文档的题目、摘要、日期以及链接进行组织,然后对组织后的文档进行内容分析,建立起结构化的索引库。
上述建立索引库的过程还可以这么理解:例如,可以通过网络爬虫从网络上面抓取专业领域的文档,此处文档可以包括html、asp、pdf、doc、txt、excel、ppt、ps、图片等多种格式,然后将文档中的关键词进行倒排索引,建立起结构化的存储结构,即索引库。
对文档中的关键词进行采样,每一个已经分词的文档都拥有一个采样表结构,对于文档中的每一个词在索引库中都对应与一条记录,记录这该关键词在文档中出现的次数,每次出现的位置以及大小等信息,之所以要记录这些信息,是为了体现出不同的关键词在文档中的重要程度如何,比如,某关键词出现在文档A的标题处中,同时出现在文档B的正文中,那么用户在检索该关键词时,在检索结果中就应该把文档A排在文档B的前面呈现给用户,因为文档A对关键词的重视程度要高于文档B。这种索引方法为前向索引,其是一种网页到关键词的映射,这种数据结构将前面采样表结构合理的组织起来,形成一种完整的数据结构。
在实际搜索的时候为用户输入关键词的搜索,因此还需建立一种关键词到文档的映射,以实现快速索引,倒排索引由关键词的ID进行索引,每个关键词都有一个索引表,用以记录哪些文档中包含有该关键词,倒排索引是一种关键词到文档的映射,从某个关键词出发可以索引到包含它的文档的集合,再由这些文档ID索引到前向索引表,从而得到该关键词在每个文档中的分布情况。
步骤S160:返回检索后的检索结果。
在建立索引库后,基于特定模型的评分方法,对索引库中的内容进行评分与匹配,将匹配成功的文件作为最终的检索结果。
上述特定模型的评分方法可以为基于VSM的评分方法,而实际采用Lucene搭建搜索引擎时的评分公式为tf(t∈d)=P(t∈d)1/2,其中,tf(t∈d)与关键词t在当前需评分文档的频率P(t∈d)有关,idf(t)表示反向文档频率,|{d∈D:t∈d}|是关键词t出现的文档数,cood(q,d)是基于关键词t在指定文档出现数量的评分系数,queryNorm(q)是用来实现可比较查询的归一化参数,boost(t.filed∈d)是查询文档中指定该域的权值,norm(t,d)中包含了各种权值,如文档的权值、查询域的权值。
最后根据用户输入的查询请求,获取到与该查询请求匹配度最大的文档,再通过优化排序等,生成统一格式的检索结果返回给用户,例如EXCEL格式。
请参照图5,图5为本发明实施例提供的一种基于通用形式化本体的领域本体的检索装置200的结构框图,所述装置运行于服务器,所述装置具体包括:
请求获取模块210,用于获取用户的查询请求。
预处理模块220,用于对所述查询请求进行预处理,获得初始关键词集。
概念获取模块230,用于基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念。
检索词获取模块240,用于获取与所述目标搜索概念对应的检索关键词集。
检索模块250,用于通过所述检索关键词集中的检索关键词进行检索。
结果获取模块260,用于返回检索后的检索结果。
其中,作为一种方式,所述概念获取模块230,具体用于基于预先利用顶层本体创建好的领域本体及本体概念模型来对所述初始关键词集中的初始关键词进行本体语义扩展,以获得与所述初始关键词匹配的目标搜索概念。
作为一种方式,所述检索模块250包括语句生成子模块和检索子模块。
语句生成子模块,用于将所述检索关键词集中的检索关键词生成对应的查询语句。
检索子模块,用于通过所述查询语句对预先建立的索引库进行检索。
作为一种方式,所述装置还包括:文档获取模块、标注模块及建立索引库模块。
文档获取模块,用于获取网络中的电子文档。
标注模块,用于对所述电子文档中的关键词进行标注。
建立索引库模块,用于对标注后的关键词建立索引库。
其中,领域本体为中医药领域本体。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本发明实施例提供一种基于通用形式化本体的领域本体的检索方法及装置,首先获取用户的查询请求,然后对所述查询请求进行预处理,以获得初始关键词集,再基于预先利用通用形式化本体创建好的领域本体及本体概念模型,来获取与所述初始关键词集中的初始关键词匹配的目标搜索概念,再获取与所述目标搜索概念对应的检索关键词集,通过所述检索关键词集中的检索关键词进行检索,再返回检索后的检索结果,本发明通过预先利用通用形式化本体来构建领域本体,然后基于目标搜索概念来进行检索,可以更为高效和准确的提供设计领域的知识检索,提高了检索的查全率和查准率。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘,云端存储等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种基于通用形式化本体的领域本体的检索方法,其特征在于,所述方法包括:
获取用户的查询请求;
对所述查询请求进行预处理,获得初始关键词集;
基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念;
获取与所述目标搜索概念对应的检索关键词集;
通过所述检索关键词集中的检索关键词进行检索;
返回检索后的检索结果。
2.根据权利要求1所述的方法,其特征在于,基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念,包括:
基于预先利用顶层本体创建好的领域本体及本体概念模型来对所述初始关键词集中的初始关键词进行本体语义扩展,以获得与所述初始关键词匹配的目标搜索概念。
3.根据权利要求1所述的方法,其特征在于,通过所述检索关键词集中的检索关键词进行检索,包括:
将所述检索关键词集中的检索关键词生成对应的查询语句;
通过所述查询语句对预先建立的索引库进行检索。
4.根据权利要求3所述的方法,其特征在于,所述获取用户的查询请求的步骤之前,还包括:
获取网络中的电子文档;
对所述电子文档中的关键词进行标注;
对标注后的关键词建立索引库。
5.根据权利要求1-4任一所述的方法,其特征在于,领域本体为中医药领域本体。
6.一种基于通用形式化本体的领域本体的检索装置,其特征在于,所述装置包括:
请求获取模块,用于获取用户的查询请求;
预处理模块,用于对所述查询请求进行预处理,获得初始关键词集;
概念获取模块,用于基于预先利用通用形式化本体创建好的领域本体及本体概念模型,获取与所述初始关键词集中的初始关键词匹配的目标搜索概念;
检索词获取模块,用于获取与所述目标搜索概念对应的检索关键词集;
检索模块,用于通过所述检索关键词集中的检索关键词进行检索;
结果获取模块,用于返回检索后的检索结果。
7.根据权利要求6所述的装置,其特征在于,所述概念获取模块,具体用于基于预先利用顶层本体创建好的领域本体及本体概念模型来对所述初始关键词集中的初始关键词进行本体语义扩展,以获得与所述初始关键词匹配的目标搜索概念。
8.根据权利要求6所述的装置,其特征在于,所述检索模块包括:
语句生成子模块,用于将所述检索关键词集中的检索关键词生成对应的查询语句;
检索子模块,用于通过所述查询语句对预先建立的索引库进行检索。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
文档获取模块,用于获取网络中的电子文档;
标注模块,用于对所述电子文档中的关键词进行标注;
建立索引库模块,用于对标注后的关键词建立索引库。
10.根据权利要求6-9任一所述的装置,其特征在于,领域本体为中医药领域本体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710556061.XA CN107330111A (zh) | 2017-07-07 | 2017-07-07 | 基于通用形式化本体的领域本体的检索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710556061.XA CN107330111A (zh) | 2017-07-07 | 2017-07-07 | 基于通用形式化本体的领域本体的检索方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107330111A true CN107330111A (zh) | 2017-11-07 |
Family
ID=60197129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710556061.XA Pending CN107330111A (zh) | 2017-07-07 | 2017-07-07 | 基于通用形式化本体的领域本体的检索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330111A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416008A (zh) * | 2018-02-28 | 2018-08-17 | 华南理工大学 | 一种基于自然语言处理的bim产品数据库语义检索方法 |
CN109299466A (zh) * | 2018-10-22 | 2019-02-01 | 中国船舶工业综合技术经济研究院 | 一种面向国防科技领域的文献检索方法及系统 |
WO2019196209A1 (zh) * | 2018-04-08 | 2019-10-17 | 平安科技(深圳)有限公司 | 事件信息分析方法、可读存储介质、终端设备及装置 |
CN113887220A (zh) * | 2021-09-15 | 2022-01-04 | 北京三快在线科技有限公司 | 一种关键词扩展方法及装置 |
CN114201587A (zh) * | 2022-02-18 | 2022-03-18 | 广州极天信息技术股份有限公司 | 一种基于本体的搜索意图表达方法及系统 |
CN117648478A (zh) * | 2024-01-29 | 2024-03-05 | 河北省沧州中西医结合医院 | 基于骨科中西医知识索引分类的检索方法、系统及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622453A (zh) * | 2012-04-20 | 2012-08-01 | 北京邮电大学 | 基于本体的食品安全事件语义检索系统 |
US9424520B1 (en) * | 2015-11-17 | 2016-08-23 | International Business Machines Corporation | Semantic database driven form validation |
CN106446162A (zh) * | 2016-09-26 | 2017-02-22 | 浙江大学 | 一种面向领域的本体知识库文本检索方法 |
-
2017
- 2017-07-07 CN CN201710556061.XA patent/CN107330111A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622453A (zh) * | 2012-04-20 | 2012-08-01 | 北京邮电大学 | 基于本体的食品安全事件语义检索系统 |
US9424520B1 (en) * | 2015-11-17 | 2016-08-23 | International Business Machines Corporation | Semantic database driven form validation |
CN106446162A (zh) * | 2016-09-26 | 2017-02-22 | 浙江大学 | 一种面向领域的本体知识库文本检索方法 |
Non-Patent Citations (1)
Title |
---|
龙海 等: "论 GFO 的基本框架及顶层本体比较研究", 《中国中医药图书情报杂志》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416008A (zh) * | 2018-02-28 | 2018-08-17 | 华南理工大学 | 一种基于自然语言处理的bim产品数据库语义检索方法 |
WO2019196209A1 (zh) * | 2018-04-08 | 2019-10-17 | 平安科技(深圳)有限公司 | 事件信息分析方法、可读存储介质、终端设备及装置 |
CN109299466A (zh) * | 2018-10-22 | 2019-02-01 | 中国船舶工业综合技术经济研究院 | 一种面向国防科技领域的文献检索方法及系统 |
CN109299466B (zh) * | 2018-10-22 | 2023-07-07 | 中国船舶工业综合技术经济研究院 | 一种面向国防科技领域的文献检索方法及系统 |
CN113887220A (zh) * | 2021-09-15 | 2022-01-04 | 北京三快在线科技有限公司 | 一种关键词扩展方法及装置 |
CN114201587A (zh) * | 2022-02-18 | 2022-03-18 | 广州极天信息技术股份有限公司 | 一种基于本体的搜索意图表达方法及系统 |
CN117648478A (zh) * | 2024-01-29 | 2024-03-05 | 河北省沧州中西医结合医院 | 基于骨科中西医知识索引分类的检索方法、系统及介质 |
CN117648478B (zh) * | 2024-01-29 | 2024-04-02 | 河北省沧州中西医结合医院 | 基于骨科中西医知识索引分类的检索方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6416150B2 (ja) | 検索方法、検索システム及びコンピュータプログラム | |
CN107330111A (zh) | 基于通用形式化本体的领域本体的检索方法及装置 | |
Blismas et al. | Computer-aided qualitative data analysis: panacea or paradox? | |
EP2159715B1 (en) | System and method for providing a topic-directed search | |
US9183281B2 (en) | Context-based document unit recommendation for sensemaking tasks | |
Hienert et al. | Digital library research in action–supporting information retrieval in sowiport | |
US20130013616A1 (en) | Systems and Methods for Natural Language Searching of Structured Data | |
CN104021198B (zh) | 基于本体语义索引的关系数据库信息检索方法及装置 | |
KR20100068532A (ko) | 문서 데이터의 키워드 추출 및 연관어 네트워크 구성 장치 및 방법 | |
CN109783815A (zh) | 一种多维度网络舆情大数据对比分析方法 | |
Li et al. | Automatic approach for constructing a knowledge graph of knee osteoarthritis in Chinese | |
Nualart et al. | How we draw texts: a review of approaches to text visualization and exploration | |
CN106777996A (zh) | 一种基于Solr的体检数据搜索系统 | |
CN103425740A (zh) | 一种面向物联网的基于语义聚类的物资信息检索方法 | |
Mazeika et al. | Entity timelines: visual analytics and named entity evolution | |
Ge et al. | A Novel Chinese Domain Ontology Construction Method for Petroleum Exploration Information. | |
Mohnot et al. | Hybrid approach for Part of Speech Tagger for Hindi language | |
Elbassuoni et al. | ROXXI: Reviving witness dOcuments to eXplore eXtracted Information | |
Al-Sultany et al. | Enriching tweets for topic modeling via linking to the wikipedia | |
Karsvall et al. | SDHK meets NER: Linking Place Names with Medieval Charters and Historical Maps. | |
Hu et al. | A classification model of power operation inspection defect texts based on graph convolutional network | |
CN114238616A (zh) | 一种专家信息检测方法和存储设备 | |
Dhanjal et al. | Gravity based Punjabi question answering system | |
Shaikh et al. | Bringing shape to textual data-a feasible demonstration | |
Wang et al. | Design and Implementation of Event Knowledge Graph Construction Platform Based on Neo4j |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |
|
RJ01 | Rejection of invention patent application after publication |