基于敘詞表的中醫(yī)古籍文獻領(lǐng)域本體建模方法研究.pdf

1、1.前言隨著20世紀90年代中醫(yī)藥文獻數(shù)字化研究的開展，中醫(yī)古籍文獻數(shù)字化工作已經(jīng)走過了幾個階段。從2000年國家中醫(yī)藥管理局設(shè)立的重點研究專項“中醫(yī)藥古代文獻資源數(shù)字化關(guān)鍵問題研究”的起步階段，到2001年國家科技部基礎(chǔ)工作重大項目“中醫(yī)藥科技信息數(shù)據(jù)庫建設(shè)”項目，再至2003年國家科技部醫(yī)學科學數(shù)據(jù)共享服務(wù)系統(tǒng)“中醫(yī)藥學科學數(shù)據(jù)共享服務(wù)中心”建設(shè)項目，中醫(yī)古籍文獻數(shù)字化已成功研制出“中醫(yī)本草文獻數(shù)據(jù)庫”、“中醫(yī)方劑文獻數(shù)據(jù)庫”，在全

2、國三十余家中醫(yī)院校和和研究機構(gòu)的參與下，成功構(gòu)建了我國第一個中醫(yī)古籍文獻知識庫，目前已收錄了本草、方劑類古籍260余種，6000余萬漢字，并于2003年實現(xiàn)了網(wǎng)絡(luò)運行。 在數(shù)字化工作的研究中，導師柳長華教授提出的基于“知識元”的中醫(yī)古籍計算機知識表示方法在知識庫建設(shè)中取得了進展，基本形成了一套較成熟的建庫技術(shù)。 以這種技術(shù)建立的數(shù)據(jù)庫使知識的查詢更加精確，避免了大量冗余信息的出現(xiàn)，使用戶最大限度地擺脫了信息爆炸的困擾。但

3、隨之而來的另一個問題又出現(xiàn)在查詢者面前，這就是所謂的“信息孤島”現(xiàn)象。 古籍數(shù)字化的功能不僅在于一般的信息查詢，更重要的是古籍文獻中的知識發(fā)現(xiàn)。普通的數(shù)據(jù)庫難以達到知識挖掘的深層次要求，古籍數(shù)字化的目標是建設(shè)知識庫。 2.知識庫系統(tǒng)的原理從知識的使用角度來看，知識庫是由知識和知識處理機構(gòu)組成，知識庫形成一個知識域，該知識域中除了事實、規(guī)則和概念之外還包含各種推理、歸納、演繹等知識處理方法。 知識庫系統(tǒng)的核心組成部

4、分是知識庫和推理機構(gòu)。知識庫對知識進行存儲和管理，推理機構(gòu)是推理機使用知識庫內(nèi)的知識執(zhí)行推理的機構(gòu)。如果一個系統(tǒng)具有能用計算機所存貯的知識對輸入的數(shù)據(jù)進行解釋和推理，并有對其進行驗證的功能，則該系統(tǒng)稱為知識庫系統(tǒng)。 知識庫系統(tǒng)的實現(xiàn)涉及到兩個關(guān)鍵問題：知識表示和知識推理。知識庫的處理過程分為二個層面：先將知識由底層數(shù)據(jù)經(jīng)過一系列加工，如分類、歸納、綜合等處理過程而得到上層信息，稱為知識表示。這種信息再經(jīng)過解釋、比較、推理得到我們

5、所獲取的知識，即知識推理的過程。 為了實現(xiàn)知識推理，一種基于本體的知識表示方法成為各個領(lǐng)域構(gòu)建知識庫推理系統(tǒng)的首選。 3.本體的概念、作用與分類本體(Ontology)起源于哲學領(lǐng)域，古希臘哲學家亞里士多德(Aristotle)定義Ontology為“對世界客觀存在物的系統(tǒng)的描述，即存在論”。Ontology是客觀存在的一個系統(tǒng)的解釋或說明，它關(guān)心的是客觀現(xiàn)實的抽象本質(zhì)。Ontology這個哲學范疇，被人工智能界賦予了新

6、的定義，從而被引入信息科學中。 目前普遍接受的本體定義為：共享概念模型的形式化規(guī)范說明。從內(nèi)涵上來看，本體是領(lǐng)域(可以是特定領(lǐng)域的，也可以是更廣的范圍)內(nèi)部不同主體(人、機器、軟件系統(tǒng)等)之間進行交流(對話、互操作、共享等)的一種語義基礎(chǔ)，即由本體提供一種明確定義。Ontology自身所要實現(xiàn)的目標，即：“在人類和應用系統(tǒng)之間實現(xiàn)共享和相互理解”。 Ontology能夠?qū)㈩I(lǐng)域中的各種概念及概念之間的關(guān)系顯示地、形式化地表

7、達出來，從而將術(shù)語的語義表達出來，因而在語義查詢方面發(fā)揮著重要作用。自W3C主席TimBermem-Lee在1998年首先提出了語義web的概念之后，Ontology正在成為人工智能和信息處理領(lǐng)域的研究熱點之一。 本體強調(diào)相關(guān)領(lǐng)域的本質(zhì)概念，同時強調(diào)這些概念之間的關(guān)聯(lián)。本體論可以有效地表達知識和知識之間的關(guān)系，基于本體論的知識庫系統(tǒng)可以建立有效的知識表達體系，揭示知識之間的內(nèi)在關(guān)系。 本體技術(shù)主要在以下幾個方面提高知識庫

8、系統(tǒng)的性能：可重用性、知識獲取、查找智能性、可靠性、規(guī)范定義、任務(wù)解析、可維護性。 本體通?？煞譃橐韵聨最悾侯I(lǐng)域本體、通用本體、應用本體、表示本體。本文關(guān)注的是本體類型中的領(lǐng)域本體，主要討論如何運用Ontology技術(shù)構(gòu)建中醫(yī)古籍領(lǐng)域本體。 4.本研究的意義、方法與創(chuàng)新點本文通過對本體的國內(nèi)外研究與發(fā)展現(xiàn)狀的考察，根據(jù)中醫(yī)古籍數(shù)據(jù)庫的實際情況，在知識推理層面提出了建設(shè)面向中醫(yī)古籍數(shù)據(jù)庫應用的中醫(yī)古籍文獻領(lǐng)域本體的設(shè)想。參

9、考國內(nèi)外領(lǐng)域本體的建設(shè)方法，論述了利用敘詞表建設(shè)領(lǐng)域本體的優(yōu)勢，提出了基于敘詞表的適合中醫(yī)古籍數(shù)據(jù)庫應用的中醫(yī)古籍文獻領(lǐng)域本體建設(shè)方法。最后通過一個實例闡述了中醫(yī)古籍文獻領(lǐng)域本體的具體建設(shè)方法，為中醫(yī)古籍數(shù)據(jù)庫的進一步建設(shè)提供了理論與實踐的雙重參考。 研究意義：中醫(yī)古籍知識庫建設(shè)的要求；中醫(yī)古籍知識深入整理研究的要求；便于網(wǎng)絡(luò)中醫(yī)古籍文獻資源的統(tǒng)一管理。 研究方法：文獻調(diào)研法、概念分析法、本體構(gòu)建法。創(chuàng)新點：在中醫(yī)古籍文

10、獻數(shù)字化領(lǐng)域提出建立本體系統(tǒng)的設(shè)想；分析了適合中醫(yī)古籍文獻數(shù)據(jù)庫的本體表示語言和編輯工具；提出中醫(yī)古籍文獻領(lǐng)域本體的建設(shè)目標；設(shè)計了中醫(yī)古籍文獻領(lǐng)域本體的建設(shè)方法；建立了一個以“病證”概念為核心的中醫(yī)古籍文獻領(lǐng)域本體模型。 5.本體的國內(nèi)外研究現(xiàn)狀國外主要研究現(xiàn)狀：①理論深化研究；②信息系統(tǒng)中的應用；③本體作為一種能在知識層提供知識共享和復用的工具在語義網(wǎng)中的應用。 國外較為知名的本體知識系統(tǒng)：WordNet、Frame

11、Net、GUM、SENSUS、OntoSeek、Cyc、HowNet和SUMO等。國內(nèi)主要研究現(xiàn)狀：我國本體的研究尚處于起步階段，一個是對W3C發(fā)布的關(guān)于本體的外文資料的翻譯，一個是主要為面向應用的研究，無論是理論還是實際應用都相對落后于國外。 面向中醫(yī)藥領(lǐng)域的研究主要有：浙江大學網(wǎng)格計算實驗室開發(fā)的基于語義的中醫(yī)藥信息本體虛擬組織模型——DartGrid服務(wù)棧；北京中醫(yī)藥大學和中國科學院計算機研究所開發(fā)的基于本體的中醫(yī)專家臨床

12、病案知識庫。 6.領(lǐng)域本體的構(gòu)建20世紀50年代敘詞表得到了很大發(fā)展，成為主題檢索的主要語言，各國擁有的敘詞表數(shù)以千計，并涵蓋了各個領(lǐng)域。從一定意義上講，敘詞表可以說是一種輕量級本體(Light-weightOntology)?；跀⒃~表構(gòu)建領(lǐng)域本體有諸多的的優(yōu)越性，目前人工智能界普遍推薦利用敘詞表構(gòu)建領(lǐng)域本體。 中醫(yī)古籍文獻敘詞表與本體的關(guān)系：中醫(yī)古籍文獻敘詞表表示的是中醫(yī)古籍文獻中包含的概念，概念來自于古籍內(nèi)容與古籍

13、本身，是對中醫(yī)古籍文獻的客觀反映。 敘詞表表示的是樹狀結(jié)構(gòu)，這種樹狀結(jié)構(gòu)反映了古籍文獻內(nèi)部的自然構(gòu)成方式。敘詞表的結(jié)構(gòu)是可見的、清晰的，可稱為顯性結(jié)構(gòu)。領(lǐng)域本體繼承了敘詞表的樹狀結(jié)構(gòu)特征。本體更重在表示一種概念之間的隱含關(guān)系，這種關(guān)系是模糊的，不明顯的，可以稱為隱性結(jié)構(gòu)。相對來說，本體的反映更微細，更深入，為文獻中的知識關(guān)聯(lián)提供了可實現(xiàn)的途徑。敘詞表或本體是對體現(xiàn)古籍內(nèi)涵的概念的集合。 領(lǐng)域本體的建模元語：(概念)類、屬

14、性、函數(shù)、公理、實例。 建模語言：選用OWL語言。本語言的優(yōu)勢在于：基底層語法符合XML標準格式；為W3C推薦的標準本體編輯語言，便于與數(shù)據(jù)庫之間的數(shù)據(jù)交換；支持多種語言輸入，并支持中文；網(wǎng)絡(luò)中有免費教學手冊，便于下載學習。 編輯工具：選用Protégé-2000。其優(yōu)勢在于：界面友好，具有圖形化的用戶界面；版本更新速度快，目前已發(fā)布了3.1.1版；支持多種語言格式，支持中文編輯；本體文檔可以不倚賴于本體編輯器進行代碼修

15、改，方便與數(shù)據(jù)庫的連接；網(wǎng)絡(luò)開放資源；是W3C推薦的本體編輯器；是基于XML的本體標記語言，多種存儲格式，可以適應不同需要。 構(gòu)建方法：選用斯坦弗大學醫(yī)學院開發(fā)的七步法。7.中醫(yī)古籍文獻領(lǐng)域本體模型(病證模型)的構(gòu)建元數(shù)據(jù)(Metadata)就是數(shù)據(jù)之數(shù)據(jù)，或描述原始數(shù)據(jù)的獨立數(shù)據(jù)。元數(shù)據(jù)是針對網(wǎng)絡(luò)信息標引發(fā)展起來的，它以Web頁作背景，通過元數(shù)據(jù)將Web信息組織起來，構(gòu)成基于元數(shù)據(jù)的有序信息系統(tǒng)，為網(wǎng)絡(luò)信息資源的組織提供了重要

16、手段。其主要學術(shù)意義和應用價值在于信息處理。 根據(jù)中醫(yī)文獻數(shù)字化研究室的最新研究，中醫(yī)藥古籍元數(shù)據(jù)包括三類概念：一是表達古籍外部特征的元數(shù)據(jù)，稱為書目元數(shù)據(jù)；二是表達古籍內(nèi)部篇、卷、章、節(jié)層次特征的元數(shù)據(jù)，稱為書體結(jié)構(gòu)元數(shù)據(jù)；三是表達古籍知識單元內(nèi)容的元數(shù)據(jù)，稱為語義元數(shù)據(jù)。本領(lǐng)域本體模型以“語義元數(shù)據(jù)”為核心概念集，以“病證”語義元數(shù)據(jù)及其包涵的概念為中心建立本體模型。 有關(guān)病證與其他概念間的關(guān)系主要有二類：等級關(guān)系，

17、包括上下位關(guān)系和實例關(guān)系；非等級關(guān)系，包括同義關(guān)系、交叉關(guān)系、排斥關(guān)系等。 以《諸病源候論》“風痙候”為例，為本體添加類和實例：“風痙候”條文：“風痙者，口噤不開，背強而直，如發(fā)癇之狀。其重者，耳中策策痛；卒然身體痙直者，死也。由風邪傷于太陽經(jīng)，復遇寒濕，則發(fā)痙也。診其脈，策策如弦，直上下者，風痙脈也?！?“風痙候”的概念等級鏈為：病證——風病——風痙。條文中與與本概念相關(guān)的其他概念有：證候表現(xiàn)、預后、病因、病位、脈象。