[发明专利]用于建立对象层次结构的方法和系统

说明书

技术领域

本发明一般地涉及从Web获取领域知识(domain knowledge)的方法 和系统。更具体而言，本发明提供了允许自动建立对象层次结构(object hierarchy)的方法和系统。

背景技术

当前，计算机已经成为现代生活必不可少的工具，它可以帮助用户找 到感兴趣的信息，这在当今大量信息在Web上不断积累的因特网时代尤其 明显。虽然计算机在进行诸如计算、存储或搜索之类的信息处理时速度很 快，但其无法理解信息，这成为智能信息处理的主要障碍。为了解决这个 问题，最近用于智能信息处理的语义相关研究变得非常流行。例如，在T. Berners-Lee、J.Hendler和O.Lassila的题为“The Semantic Web” (Scientific American，2001年5月，第28-37页)、Nigel Shabolt、Tim Berners-Lee和Wendy Hall的题为“The Semantic Web Revisited”(IEEE Intelligent Systems 21(3)，第96-101页，2006年5月、6月)以及E. Hyvonen(编者)的题为“Semantic Web Kick-Off in Finland-Vision， Technologies，Research，and Applications”(HIIT Publications，2002-001， Helsinki Institute for Information Technology(HIIT)，Helsinki，Finland，第304 页)中所描述的技术，这些文档通过引用被整体上结合于此以用于所有目 的。它们的主要用途是帮助计算机理解信息的格式和技术。基于某些算术 逻辑，例如描述逻辑和框架逻辑，根据人工智能(AI)传统规律的知识表 示以及现在流行的Web信息处理技术，诸如万维网联盟(W3C)之类的 标准制订组织正在积极制订XML(可扩展标记语言)、RDF(资源描述 框架)和OWL(Web本体语言)等标准并且正在推广语义技术采用的规 则语言，例如Web规则语言和规则标记语言。而且，很多研发商、企业和 相关从业者也已经开始建立和采用相关工具集、产品，甚至实际应用来使 得基于语义的智能信息利用成为可能。

但是，为了使用计算机的强大计算能力和语义相关标准向Web用户提 供不同的智能信息利用服务，领域知识在其中扮演非常关键的角色。因 此，领域知识的建立成为一个急需解决的重要问题。

当前，主要存在两种领域信息，即本体(ontology)和层次结构。

本体是一种用于限定概念之间的关系的文档或文件。用于Web的最典 型的本体具有分类系统(taxonomy)和一组推理规则(inference rule)。 其中分类系统定义了对象类以及它们之间的关系。例如，地址可以被定义 为一种位置，城市代码可以被限定为仅应用于位置等等。本体可以表达如 下规则：“如果一个城市代码与一个州代码相关联并且一个地址使用该城 市代码，则该地址具有相关的州代码”。从而，容易例如推导出以下关 系：位于Ithaca的Comell大学的地址必定在纽约州，纽约州在美国，因此 该地址按美国标准格式化。

层次结构包含节点和连接节点的边，有时在节点处附接有实例 (instance)。与本体相比，层次结构是一种更简单的形式。本体中的很多 元素(例如类、属性、定义和关系)在层次机构中可被忽略。但是，这些 元素也可以通过某些方式从层次结构中推导出来。因此，层次结构可被视 为一种伪本体，其具有明确但不正式的规范。

在现有技术中的本体建立(Ontology Building，OB)方法主要分为两 类。即基于原始素材(raw material)的本体建立和基于某些已有本体的本 体建立。在基于原始素材的本体建立方法中，例如可以根据文本、字典、 知识库、半结构化数据、关系模式等来建立本体。在基于某些已有本体的 本体建立方法中，通过对比概念的文本、上下文等，将若干已有本体集成 在一起以得到一种最终本体。