[摘要]以基于本體的張謇研究知識(shí)庫(kù)智能檢索系統(tǒng)開(kāi)發(fā)為例，探討基于本體的專(zhuān)題領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)的框架結(jié)構(gòu)、工作流程以及功能實(shí)現(xiàn)。系統(tǒng)采用語(yǔ)義Web技術(shù)和智能Agent技術(shù)，使用RDF模型對(duì)知識(shí)庫(kù)的Web頁(yè)面元數(shù)據(jù)進(jìn)行描述，然后利用本體建模語(yǔ)言對(duì)張謇研究領(lǐng)域知識(shí)進(jìn)行建模，根據(jù)所得到的本體對(duì)元數(shù)據(jù)進(jìn)行基于語(yǔ)義的查詢(xún)，為用戶(hù)提供智能檢索服務(wù)。
　　[關(guān)鍵詞]本體知識(shí)檢索智能檢索知識(shí)庫(kù)
　　[分類(lèi)號(hào)]G250.6
　　
　　1　引　言
　　
　　從本體論的基本概念出發(fā)，哲學(xué)上把本體論定義為“對(duì)世界上客觀事物所進(jìn)行的系統(tǒng)描述”。將本體論引入信息科學(xué)，本體論是對(duì)概念化對(duì)象的一種表示和描述，在計(jì)算機(jī)領(lǐng)域是指定義元數(shù)據(jù)及其相關(guān)關(guān)系的“規(guī)范”。由于本體具有良好的概念層次結(jié)構(gòu)和邏輯推理的支持，因而在信息檢索，特別是在基于知識(shí)的檢索中得到了廣泛的應(yīng)用。知識(shí)檢索也稱(chēng)語(yǔ)義檢索，是把信息檢索與人工智能技術(shù)、自然語(yǔ)言技術(shù)相結(jié)合的檢索，它從語(yǔ)義理解的角度分析信息對(duì)象與檢索者的檢索請(qǐng)求，是一種基于概念及其相關(guān)關(guān)系的檢索匹配機(jī)制。知識(shí)庫(kù)是事實(shí)、規(guī)則和概念的集合，從存儲(chǔ)知識(shí)的角度來(lái)看，以描述型方法來(lái)存儲(chǔ)和管理知識(shí)的機(jī)構(gòu)叫做知識(shí)庫(kù)。張謇是中國(guó)近代著名實(shí)業(yè)家、教育家，他是清末最后一位狀元，曾任民國(guó)政府實(shí)業(yè)總長(zhǎng)，是一位探索強(qiáng)國(guó)之路的開(kāi)路先鋒。他倡導(dǎo)實(shí)業(yè)救國(guó)的思想，在經(jīng)濟(jì)、教育、文化、城市建設(shè)、社會(huì)保障、地方自治等諸多領(lǐng)域創(chuàng)造了十多項(xiàng)全國(guó)第一，他創(chuàng)建了中國(guó)近代第一城――南通(中國(guó)人自主規(guī)劃建設(shè)的第一座近代城市)，研究張謇對(duì)于今天的城市經(jīng)濟(jì)、教育、文化協(xié)調(diào)發(fā)展，實(shí)現(xiàn)科學(xué)可持續(xù)發(fā)展具有重要意義。張謇研究知識(shí)庫(kù)對(duì)張謇研究知識(shí)沉淀(包括南通大學(xué)檔案館、圖書(shū)館和博物館的張謇研究原始資料)進(jìn)行數(shù)字化語(yǔ)義處理并在張謇研究領(lǐng)域?qū)＜业闹笇?dǎo)下進(jìn)行概念分類(lèi)標(biāo)注，組織到知識(shí)庫(kù)中，形成張謇研究領(lǐng)域概念集，組織存儲(chǔ)并實(shí)現(xiàn)Web服務(wù)功能。
　　
　　2　基于本體論的張謇研究領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)功能需求
　　
　　?實(shí)現(xiàn)對(duì)世界各地張謇研究領(lǐng)域用戶(hù)的查詢(xún)請(qǐng)求分析本地表達(dá)化，使得要查詢(xún)的概念不存在模糊不清的地方，具體表現(xiàn)在用戶(hù)向系統(tǒng)提出查詢(xún)請(qǐng)求后，系統(tǒng)能將查詢(xún)請(qǐng)求中的本體取出來(lái)，然后進(jìn)行基于本體的語(yǔ)義搜索。
　　?系統(tǒng)應(yīng)能對(duì)用戶(hù)如何更好地利用已建成的張謇研究本體知識(shí)庫(kù)中的知識(shí)給予搜索提示，幫助用戶(hù)更好地使用本體進(jìn)行查詢(xún)。
　　?系統(tǒng)應(yīng)能找出查詢(xún)本體中隱含的語(yǔ)義，實(shí)現(xiàn)智能檢索，即系統(tǒng)能根據(jù)用戶(hù)的檢索條件，進(jìn)行智能語(yǔ)義推理，可檢索出與檢索條件具有相同語(yǔ)義信息的知識(shí)。
　　
　　3　基于本體論的領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)結(jié)構(gòu)和工作流程
　　
　　3.1　基于本體論的領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)結(jié)構(gòu)
　　基于知識(shí)庫(kù)的語(yǔ)義Web環(huán)境下，知識(shí)庫(kù)的信息資源已進(jìn)行了語(yǔ)義標(biāo)注。在此環(huán)境下，本系統(tǒng)應(yīng)完成的任務(wù)是：自動(dòng)抽取關(guān)于領(lǐng)域知識(shí)內(nèi)容描述的元數(shù)據(jù)，并將這些元數(shù)據(jù)進(jìn)行存儲(chǔ)；對(duì)用戶(hù)提交的關(guān)鍵詞進(jìn)行語(yǔ)義匹配和語(yǔ)義相關(guān)性擴(kuò)展，形成符合特定Ontology語(yǔ)言的查詢(xún)語(yǔ)句,通過(guò)對(duì)數(shù)據(jù)庫(kù)中存儲(chǔ)的領(lǐng)域知識(shí)庫(kù)元數(shù)據(jù)信息的查詢(xún)，得到高效的基于語(yǔ)義的領(lǐng)域知識(shí)檢索結(jié)果。上述任務(wù)可劃分為元數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、元數(shù)據(jù)存儲(chǔ)、基于Ontology的知識(shí)推理和用戶(hù)查詢(xún)、控制調(diào)度等6個(gè)主要功能。本文將整個(gè)系統(tǒng)框架劃分為6個(gè)部分，每個(gè)部分的功能由一類(lèi)Agent實(shí)現(xiàn)，這6類(lèi)Agent通過(guò)協(xié)同工作，共同完成整個(gè)檢索任務(wù)。本系統(tǒng)的總體結(jié)構(gòu)如圖l所示：
　　
　　
　　系統(tǒng)中除了多個(gè)Agent以外，還設(shè)置了領(lǐng)域知識(shí)庫(kù)、領(lǐng)域本體庫(kù)、本地信息庫(kù)、遠(yuǎn)端信息在本地索引庫(kù)以及臨時(shí)文檔庫(kù)來(lái)存儲(chǔ)相關(guān)信息。領(lǐng)域知識(shí)庫(kù)除了存儲(chǔ)張謇研究數(shù)字化語(yǔ)義Web資源還存儲(chǔ)張謇研究領(lǐng)域用戶(hù)ID、mail等個(gè)人信息、搜索案例(用戶(hù)ID)、搜索ID、屬于的領(lǐng)域、關(guān)鍵字、返回的數(shù)據(jù)等、用戶(hù)偏好等；領(lǐng)域本體庫(kù)存儲(chǔ)張謇研究領(lǐng)域集、張謇研究關(guān)鍵字集以及張謇研究本體的相關(guān)知識(shí)等；本地信息庫(kù)和遠(yuǎn)端信息在本地的索引庫(kù)主要存儲(chǔ)遠(yuǎn)端搜索Agent帶回的，并經(jīng)過(guò)信息處理Agent處理過(guò)的搜索信息，臨時(shí)文檔庫(kù)存儲(chǔ)遠(yuǎn)端搜索Agent從遠(yuǎn)端數(shù)據(jù)源搜索到的相關(guān)信息。
　　
　　3.2　基于本體論的領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)工作流程
　　通過(guò)信息搜索Agent，對(duì)張謇研究知識(shí)庫(kù)中描述張謇研究領(lǐng)域知識(shí)內(nèi)容的元數(shù)據(jù)(包括知識(shí)庫(kù)存儲(chǔ)的描述內(nèi)容信息和帶描述信息的頁(yè)面WEB信息)進(jìn)行信息提取和過(guò)濾，把收集到的元數(shù)據(jù)經(jīng)過(guò)預(yù)處理Agent進(jìn)行處理后交由存儲(chǔ)Agenh存儲(chǔ)Agent接收語(yǔ)義元數(shù)據(jù)，將這些元數(shù)據(jù)以合適的方式存儲(chǔ)到數(shù)據(jù)庫(kù)中，數(shù)據(jù)庫(kù)既可以是傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)，也可以是專(zhuān)用的XML／RDF數(shù)據(jù)庫(kù)，利用描述領(lǐng)域知識(shí)的領(lǐng)域本體，由推理Agent對(duì)張謇研究用戶(hù)提交的查詢(xún)關(guān)鍵詞進(jìn)行語(yǔ)義匹配和語(yǔ)義相關(guān)性擴(kuò)展，將得到的基于張謇研究領(lǐng)域本體的查詢(xún)要求交由查詢(xún)Agent執(zhí)行，由查詢(xún)Agent接受推理Agent產(chǎn)生的針對(duì)Ontology的查詢(xún)要求，對(duì)存儲(chǔ)元數(shù)據(jù)的數(shù)據(jù)庫(kù)采用基于知識(shí)的方式進(jìn)行查詢(xún)，并將滿足用戶(hù)條件的結(jié)果返回給用戶(hù)。領(lǐng)域用戶(hù)的查詢(xún)過(guò)程如下：①提交檢索請(qǐng)求。界面Agent接收用戶(hù)提交的檢索請(qǐng)求，主動(dòng)細(xì)化檢索請(qǐng)求，并把細(xì)化后的結(jié)果交給預(yù)處理Agent。②規(guī)范化檢索信息。預(yù)處理Agent接收到檢索請(qǐng)求任務(wù)后，首先利用任務(wù)中關(guān)注領(lǐng)域、關(guān)鍵詞、摘要等信息，到所有用戶(hù)共有的知識(shí)庫(kù)中查找利用相同領(lǐng)域，類(lèi)似關(guān)鍵詞作為搜索條件的搜索案例。若在知識(shí)庫(kù)中沒(méi)有檢索到所需案例，預(yù)處理交本體庫(kù)，借助于本體知識(shí)，從中找出出現(xiàn)該關(guān)鍵字的各個(gè)領(lǐng)域以及在該領(lǐng)域下的關(guān)鍵字的含義。③預(yù)處理Agent搜索到的或者是經(jīng)過(guò)本體規(guī)范的信息提交給查詢(xún)界面，界面與用戶(hù)交互，把用戶(hù)根據(jù)自己意圖選擇的信息再次反饋給預(yù)處理Agent,預(yù)處理Agent再把信息提交給查詢(xún)Agent。④為了保持系統(tǒng)的一致性與協(xié)調(diào)性，實(shí)現(xiàn)對(duì)知識(shí)庫(kù)的智能管理、控制和調(diào)度，控制調(diào)度Agent作為智能檢索系統(tǒng)的“司令部”，將在系統(tǒng)中起核心作用。控制調(diào)度Agent的工作過(guò)程是：保存各Agent的名稱(chēng)、通信地址、能力等狀態(tài)信息；接受檢索任務(wù)，在多Agent之間進(jìn)行任務(wù)分配；協(xié)調(diào)整個(gè)系統(tǒng)的通信；接收檢索結(jié)果，將其反饋給預(yù)處理Agent；定期派遣信息收集Agent到遠(yuǎn)端信息源上收集信息，更新本地信息庫(kù)和遠(yuǎn)端信息在本地的索引庫(kù)。
　　
　　3.3　基于本體論的領(lǐng)域知識(shí)庫(kù)智能檢索系統(tǒng)功能實(shí)現(xiàn)
　　系統(tǒng)采用了語(yǔ)義Web技術(shù)和智能Agent技術(shù)，使用RDF模型對(duì)知識(shí)庫(kù)的Web頁(yè)面元數(shù)據(jù)進(jìn)行描述，然后利用Ontol-ogy建模語(yǔ)言對(duì)領(lǐng)域知識(shí)進(jìn)行建模，根據(jù)所得到的Ontology對(duì)元數(shù)據(jù)進(jìn)行基于語(yǔ)義的查詢(xún)，為用戶(hù)提供智能化的檢索服務(wù)。
　　3.3.1　張謇研究領(lǐng)域知識(shí)收集系統(tǒng)中的信息收集Agent的作用是從知識(shí)庫(kù)中收集與Web頁(yè)面內(nèi)容相關(guān)的元數(shù)據(jù)描述信息， 并把收集到的元數(shù)據(jù)交由存儲(chǔ)Agent。在目前的語(yǔ)義Web技術(shù)中，頁(yè)面內(nèi)容的元數(shù)據(jù)描述信息通�？梢圆捎肦DF的形式進(jìn)行描述。使用RDF來(lái)描述頁(yè)面內(nèi)容，最直接的方法就是把描述本W(wǎng)eb頁(yè)內(nèi)容的RDF數(shù)據(jù)段插入到頁(yè)面之中，一般是把以XML語(yǔ)法形式書(shū)寫(xiě)的RDF數(shù)據(jù)嵌入到HTML的頭部信息中，其實(shí)現(xiàn)形式類(lèi)似于Microsoft在Ⅲ中所用到的“數(shù)據(jù)島”。除此之外，對(duì)于知識(shí)庫(kù)和Web頁(yè)元數(shù)據(jù)的數(shù)據(jù)量較大的情況，RDF數(shù)據(jù)還可以用文件的形式保存，并在頁(yè)面中給出存放此文件的鏈接，以供軟件Agent或應(yīng)用程序讀取。信息收集Agent按照設(shè)定的搜索策略訪問(wèn)知識(shí)庫(kù)以及語(yǔ)義萬(wàn)維網(wǎng)環(huán)境下的網(wǎng)頁(yè)，它不僅可以自動(dòng)過(guò)濾知識(shí)庫(kù)網(wǎng)頁(yè)內(nèi)容，采取某種策略來(lái)提取其中的元數(shù)據(jù)描述信息，還可以從一個(gè)知識(shí)庫(kù)頁(yè)面跨越到另一個(gè)頁(yè)面，自動(dòng)沿著超文本的鏈接，遵循超文本傳輸協(xié)議在知識(shí)庫(kù)頁(yè)面上進(jìn)行“爬行”，確認(rèn)知識(shí)庫(kù)頁(yè)面之間的鏈接是否有效，刪除已經(jīng)名存實(shí)亡的鏈接。
　　3.3.2　張謇研究領(lǐng)域知識(shí)存儲(chǔ)通過(guò)Agent之間的通信，信息收集Agent會(huì)將所得到的知識(shí)庫(kù)Web元數(shù)據(jù)傳遞給存儲(chǔ)Agent，而存儲(chǔ)Agent的任務(wù)就是對(duì)所接收的以RDF形式表示的元數(shù)據(jù)還原，然后把元數(shù)據(jù)以合適的方式進(jìn)行存儲(chǔ)。目前，RDF數(shù)據(jù)的存儲(chǔ)基本上有3種方案：①XML／RDF文件形式，②RDF數(shù)據(jù)庫(kù)，③關(guān)系數(shù)據(jù)庫(kù)。對(duì)于少量的數(shù)據(jù)，XML／RDF文件形式的存儲(chǔ)是可行的，但是對(duì)于大量的事實(shí)數(shù)據(jù)，考慮到可擴(kuò)展性、查詢(xún)方式、效率等諸多因素，以RDF數(shù)據(jù)庫(kù)或者關(guān)系數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)RDF事實(shí)數(shù)據(jù)是一種比較好的選擇。關(guān)系數(shù)據(jù)庫(kù)是目前數(shù)據(jù)庫(kù)應(yīng)用的主流，用關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)RDF數(shù)據(jù)，可以有效地利用現(xiàn)有的數(shù)據(jù)庫(kù)資源。但是由于關(guān)系數(shù)據(jù)庫(kù)缺乏所必須的語(yǔ)義要求，所以必須首先把RDF的數(shù)據(jù)模型轉(zhuǎn)化為關(guān)系模型，這就要求能夠?qū)�RDF數(shù)據(jù)進(jìn)行解析，根據(jù)RDF模型的特點(diǎn)設(shè)計(jì)專(zhuān)門(mén)的數(shù)據(jù)庫(kù)模式，實(shí)現(xiàn)從RDF模型到數(shù)據(jù)庫(kù)模式的映射。在RDF模型中，聲明是對(duì)一個(gè)事實(shí)的基本描述，也是RDF模型中的最小有效數(shù)據(jù)單元，所以存儲(chǔ)聲明的表是數(shù)據(jù)庫(kù)模式中最重要的部分，其結(jié)構(gòu)如表1所示：
　　由于RDF是一種以XML語(yǔ)法為基礎(chǔ)的建模語(yǔ)言，所以從某種意義上可以說(shuō)RDF數(shù)據(jù)是一種特殊的XML數(shù)據(jù)。實(shí)際上，XML文檔可以分成兩大類(lèi)：以數(shù)據(jù)為中心或者以文檔為中心。以數(shù)據(jù)為中心的文檔有非常規(guī)則的結(jié)構(gòu)，以文檔為中心的文檔具有不規(guī)則的結(jié)構(gòu)，而且數(shù)據(jù)顆粒度也比較大。根據(jù)RDF數(shù)據(jù)模型的特點(diǎn)，RDF數(shù)據(jù)可以看作以數(shù)據(jù)為中心的XML文檔�；�于RDF數(shù)據(jù)模型的特點(diǎn)，對(duì)于RDF數(shù)據(jù)的存儲(chǔ)最好由中間件(middleware)來(lái)實(shí)現(xiàn)。中間件所需完成的XML文檔與數(shù)據(jù)庫(kù)之間的轉(zhuǎn)換功能是通過(guò)文檔與數(shù)據(jù)庫(kù)之間的映射來(lái)實(shí)現(xiàn)的，實(shí)現(xiàn)過(guò)程共分為3步：編寫(xiě)一個(gè)映射文件、編寫(xiě)過(guò)濾器和動(dòng)作文件、編寫(xiě)Java代碼。
　　3.3.3　張謇研究領(lǐng)域知識(shí)推理　實(shí)現(xiàn)基于語(yǔ)義的檢索，不僅要有被檢索信息的元數(shù)據(jù)信息，也要具有對(duì)被檢索內(nèi)容的智能推理能力。系統(tǒng)中推理Agent的核心是智能推理引擎，它能夠根據(jù)已有的特定領(lǐng)域的本體對(duì)用戶(hù)所輸入的關(guān)鍵詞進(jìn)行基于語(yǔ)義的智能推理。推理包括語(yǔ)義匹配和語(yǔ)義相關(guān)性擴(kuò)展，推理引擎應(yīng)能夠根據(jù)領(lǐng)域本體中對(duì)各個(gè)概念的定義而推理出這個(gè)關(guān)鍵詞在查詢(xún)中的精確語(yǔ)義，并推理出與此詞語(yǔ)義相關(guān)的詞語(yǔ)和概念。推理Agent通過(guò)調(diào)用Jena中的OntologyAPI，根據(jù)Ontology對(duì)用戶(hù)輸入的關(guān)鍵詞進(jìn)行基于語(yǔ)義的推理。推理分為兩種：關(guān)鍵詞的語(yǔ)義匹配和相關(guān)性擴(kuò)展。語(yǔ)義匹配的作用是對(duì)用戶(hù)所輸入的關(guān)鍵詞進(jìn)行語(yǔ)義的分析，推理Agem根據(jù)Ontology可以判斷此關(guān)鍵詞的精確語(yǔ)義，從多個(gè)可能的語(yǔ)義選項(xiàng)中選擇出最符合用戶(hù)要求的那一種。針對(duì)具有一詞多義的詞條，語(yǔ)義匹配提高了檢索結(jié)果的精確性。傳統(tǒng)的收集引擎只是根據(jù)單純的關(guān)鍵詞匹配來(lái)檢索結(jié)果，并不能區(qū)分同一詞條的不同含義，而在本文所提出的檢索框架中，Ontology對(duì)同一個(gè)詞的幾個(gè)不同語(yǔ)義都進(jìn)行了精確的定義，每一個(gè)語(yǔ)義都對(duì)應(yīng)于一個(gè)獨(dú)一無(wú)二的URI，因此如果推理Agent參考了Ontology，就可以根據(jù)上下文來(lái)選擇出符合用戶(hù)要求的語(yǔ)義。相關(guān)性擴(kuò)展的作用在于獲得與該詞相關(guān)的其他詞，因?yàn)樵贠ntology中定義了眾多的與此詞條相關(guān)的其它概念，所以根據(jù)Ontology中所定義的知識(shí)，還可以獲取更多的與此關(guān)鍵詞語(yǔ)義關(guān)聯(lián)的詞，例如，通過(guò)subclass關(guān)系，推理Agent就能夠找到該概念的一個(gè)子概念，盡管該子概念不在關(guān)鍵詞列表中，推理Agent根據(jù)Ontology也會(huì)把它找到并返回給用戶(hù)。推理Agentl后會(huì)將語(yǔ)義匹配和相關(guān)性擴(kuò)展所得到的結(jié)果封裝起來(lái)ACLMessage對(duì)象的形式交給查詢(xún)Agent，由查詢(xún)Agent根據(jù)這些推理結(jié)果對(duì)存儲(chǔ)有描述知識(shí)庫(kù)Web數(shù)據(jù)內(nèi)容的RDF數(shù)據(jù)庫(kù)進(jìn)行查詢(xún)。
　　3.3.4　張謇研究領(lǐng)域知識(shí)查詢(xún)查詢(xún)Agent的任務(wù)是通過(guò)與推理Agent的通信，接受推理Agent針對(duì)用戶(hù)的檢索要求進(jìn)行語(yǔ)義推理的結(jié)果，然后通過(guò)對(duì)存儲(chǔ)網(wǎng)頁(yè)元數(shù)據(jù)的RDF數(shù)據(jù)庫(kù)的查詢(xún)，檢索出符合用戶(hù)語(yǔ)義要求的查詢(xún)結(jié)果，并將這些結(jié)果返回給用戶(hù)。由于RDF數(shù)據(jù)模型的特點(diǎn)，對(duì)數(shù)據(jù)庫(kù)中的RDF數(shù)據(jù)進(jìn)行查詢(xún)，最好使用一種專(zhuān)門(mén)的RDF查詢(xún)語(yǔ)言。RDQL是Jena中的一種RDF查詢(xún)語(yǔ)言，此類(lèi)查詢(xún)語(yǔ)言的特點(diǎn)是忽略Schema或Ontology信息(除非在RDF數(shù)據(jù)源中明確說(shuō)明)，把RDF數(shù)據(jù)當(dāng)作三元組數(shù)據(jù)進(jìn)行處理。RDF數(shù)據(jù)模型是一個(gè)節(jié)點(diǎn)為資源或字符串的有向圖，RDQL提供了一種通過(guò)圖模式來(lái)匹配數(shù)據(jù)的方法，查詢(xún)結(jié)果以一系列的bindings來(lái)表示，每一個(gè)bindings是一個(gè)包含變量值的“名稱(chēng)-值”對(duì)。RDQL查詢(xún)表達(dá)式類(lèi)似于SQL中的select子句，其視圖模式就是一個(gè)RDF Statement，通過(guò)對(duì)Statement的某些部分的限定，就可以查詢(xún)出Statement中未知的部分。RDQL查詢(xún)語(yǔ)句與SQL語(yǔ)句類(lèi)似，既可以單獨(dú)使用，也可以鑲嵌于Java代碼中混合使用，本文中所設(shè)計(jì)的查詢(xún)Agent的查詢(xún)動(dòng)作中使用了RDQL語(yǔ)言，其查詢(xún)語(yǔ)句被封裝為Query對(duì)象，通過(guò)對(duì)Query對(duì)象的方法調(diào)用，可以查詢(xún)出以ResultBinding變量的形式返回的結(jié)果，這些變量可以通過(guò)名字(在查詢(xún)語(yǔ)句中定義)很方便地存取。在存儲(chǔ)網(wǎng)頁(yè)元數(shù)據(jù)的RDF數(shù)據(jù)庫(kù)中，每一個(gè)模型就是一個(gè)Web單元，查詢(xún)出此模型之后，可以很容易地得到它的URL和Title，查詢(xún)Agent把這些信息返回給用戶(hù)，完成整個(gè)查詢(xún)過(guò)程。
　　
　　4　結(jié)語(yǔ)
　　
　　基于本體的智能檢索信息系統(tǒng)由于能提供查詢(xún)和資源描述所必需的元語(yǔ)，并通過(guò)領(lǐng)域語(yǔ)義模型為信息源提供語(yǔ)義標(biāo)注信息，從而使系統(tǒng)內(nèi)的所有Agent對(duì)領(lǐng)域內(nèi)的概念、概念之間的聯(lián)系及領(lǐng)域內(nèi)的基本公理知識(shí)有一個(gè)統(tǒng)一的認(rèn)識(shí)，進(jìn)一步提高了系統(tǒng)的聯(lián)想能力和精確性，可以為用戶(hù)提供有價(jià)值的信息和全面的共同視圖。極的要努力弘揚(yáng)，對(duì)消極影響也可以采用一些相應(yīng)措施來(lái)進(jìn)行克服、消除或淡化。總的來(lái)說(shuō)，我國(guó)內(nèi)地圖書(shū)館學(xué)個(gè)人博客已經(jīng)成為圖書(shū)館學(xué)進(jìn)行學(xué)術(shù)交流、促進(jìn)學(xué)科發(fā)展的一個(gè)有利平臺(tái)，如果我們發(fā)揮好它的作用，將為圖書(shū)館學(xué)發(fā)展帶來(lái)新的生機(jī)與活力，成為我國(guó)圖書(shū)館學(xué)發(fā)展的又一次良機(jī)。

相關(guān)熱詞搜索：本體 知識(shí)庫(kù) 檢索系統(tǒng) 基于本體的專(zhuān)題知識(shí)庫(kù)智能檢索系統(tǒng)研究 基于內(nèi)容的圖像檢索 簡(jiǎn)述信息檢索策略