面向Ontology适应性的知识发现模型研究.doc

1 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】 Grube r 提出” Ontolog y 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 2 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。 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 3 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 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。 GenesTrace 基于整合 Ontology 的知识发现 GenesTrace 系统充分利用了 UMLS 、 Gene Ontology (GO) 、 Ge