基于本體的關(guān)系數(shù)據(jù)庫關(guān)鍵詞語義查詢擴(kuò)展方法.doc

《基于本體的關(guān)系數(shù)據(jù)庫關(guān)鍵詞語義查詢擴(kuò)展方法.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于本體的關(guān)系數(shù)據(jù)庫關(guān)鍵詞語義查詢擴(kuò)展方法*國家自然科學(xué)基金（60773100），國家“十一五”科技支撐計劃（2006BAK05BO2），河北省自然科學(xué)基金（F2009000475）。郗君甫，劉國華，唐軍軍，祁瑞麗，朱鶴（燕山大學(xué)信息科學(xué)與工程學(xué)院，河北秦皇島066004）摘要：目前關(guān)系數(shù)據(jù)庫關(guān)鍵詞查詢技術(shù)主要利用關(guān)鍵詞的語法匹配，而沒有利用數(shù)據(jù)之間的語義關(guān)系進(jìn)行匹配，導(dǎo)致查詢效果往往都不太令人滿意。為了改善查詢效果，結(jié)合本體概念，提出了基于本體的關(guān)系數(shù)據(jù)庫關(guān)鍵詞查詢的語義查詢擴(kuò)展方法，把用戶提交的查詢關(guān)鍵詞擴(kuò)展為基于本體的語義關(guān)鍵詞。實例分析表明，擴(kuò)展后的語義關(guān)鍵詞盡可能

2、符合用戶的真實意愿。關(guān)鍵詞：關(guān)鍵詞；本體；概念樹；語義相似度中圖分類號：0引言關(guān)系數(shù)據(jù)庫上的關(guān)鍵詞查詢[1-4]已成為數(shù)據(jù)庫和信息檢索領(lǐng)域的研究熱點之一。關(guān)系數(shù)據(jù)庫關(guān)鍵詞查詢(KeywordQueryOverRelationalDatabases,KQORD)使得用戶通過提交查詢關(guān)鍵詞來訪問關(guān)系數(shù)據(jù)庫，而無需了解數(shù)據(jù)庫模式，也不用懂得書寫SQL查詢，也不需要學(xué)習(xí)和使用關(guān)系數(shù)據(jù)庫的定制的查詢界面。一般是基于關(guān)系數(shù)據(jù)庫管理系統(tǒng)(RDBMS)提供的全文檢索技術(shù)來實現(xiàn)的。這種訪問方式僅僅采用語法匹配，而沒有利用數(shù)據(jù)之間的語義關(guān)系(如同義詞、上下位、轉(zhuǎn)喻等)進(jìn)行語義匹配，導(dǎo)致它們的查

3、詢效果(查全率和查準(zhǔn)率)不太令人滿意。在信息檢索領(lǐng)域，為解決這一問題，目前多采用查詢擴(kuò)展技術(shù)。查詢擴(kuò)展(QueryExpansion,QE)，是公認(rèn)的能夠有效提高查全率的技術(shù)之一，其基本思想是利用與查詢關(guān)鍵詞相關(guān)的詞語對查詢進(jìn)行修正和補充，以便找到更多的相關(guān)文檔，提高查全率。然而在提高查全率的同時難以保證查準(zhǔn)率[5]，根本原因在于，人們在現(xiàn)實生活中描述同樣的對象或事件的用詞存在多樣性。為了解決這個問題，人們提出了基于本體的語義查詢擴(kuò)展方法，用概念來描述查詢主旨，找到與查詢語義相關(guān)的概念進(jìn)行擴(kuò)展[6]，篩選出那些語義相似度超過系統(tǒng)設(shè)定閾值的概念形成新的查詢關(guān)鍵詞(語義關(guān)鍵詞)

4、，此方法可有效的提高查詢結(jié)果的查全率，并改善查準(zhǔn)率[7]。為了改善KQORD的查詢效果，把信息檢索領(lǐng)域的查詢擴(kuò)展技術(shù)應(yīng)用到KQORD技術(shù)中，提出了基于本體的關(guān)系數(shù)據(jù)庫關(guān)鍵詞查詢的語義查詢擴(kuò)展方法，把用戶提交的查詢關(guān)鍵詞進(jìn)行語義查詢擴(kuò)展，將其擴(kuò)展為基于本體的語義關(guān)鍵詞。實例分析表明，擴(kuò)展后的語義關(guān)鍵詞盡可能符合用戶的真實意愿。將該方法應(yīng)用到目前的關(guān)系數(shù)據(jù)庫查詢技術(shù)中，可使得KQORD轉(zhuǎn)換成基于本體的關(guān)系數(shù)據(jù)庫語義查詢，為KQORD提高查詢效果提供了一條新的方法和途徑。1基本定義所謂本體，通俗地講，是用來描述某個領(lǐng)域甚至更廣范圍內(nèi)的概念以及概念之間的關(guān)系，是概念和概念之間的集合

5、[8]。目前，本體已經(jīng)被廣泛應(yīng)用于語義網(wǎng)、知識工程、信息檢索以及信息集成等方面。本體可表示為O(Cg,Rg,Hg),其中Cg是概念全集，即本體中的所有概念的集合，記為Cg{C1,C2,…,Cm}，Rg是概念和概念之間的關(guān)系集合，Hg是層次集合。一個領(lǐng)域本體可能會有很多層次結(jié)構(gòu)(如父子關(guān)系、部分關(guān)系、相關(guān)關(guān)系等)，而父子關(guān)系是本體的最重要的層次結(jié)構(gòu)，也是基于本體的查詢處理最主要的層次結(jié)構(gòu)[9]。父子關(guān)系是一個偏序的關(guān)系，具有傳遞性、自反性、反對稱性等特點。如圖1所示，ACMClassificationSystem1998分類系統(tǒng)作為計算機(jī)領(lǐng)域本體來描述DBLP數(shù)據(jù)庫中的Pap

6、ers表的Title屬性，是一個父子關(guān)系的層次結(jié)構(gòu)。把本體看作概念樹Ct(O)，如圖1所示的概念樹的根為最抽象的概念C(Root)。相關(guān)定義如下（定義8和定義12引自[10])：定義1:關(guān)系數(shù)據(jù)庫模式假設(shè)關(guān)系數(shù)據(jù)庫的模式，Sdb=(R,FK),R={R1,R2,…,Rk}是一組關(guān)系模式，F(xiàn)K是R中關(guān)系模式間引用關(guān)系的映射，F(xiàn)K:R?R，如果FK(Ri)=Rj，記為Ri?Rj(1￡i,j￡n)，它表示Rj一個外鍵引用了Ri主鍵。定義2:數(shù)據(jù)庫模式圖假設(shè)Gs=(V,E)表示模式Sdb=(R,FK)的關(guān)系數(shù)據(jù)庫DB對應(yīng)的模式圖。Gs是一個有向圖，將DB中的每一個關(guān)系模式Rk(1￡

7、k￡n)看作是Gs的一個頂點，當(dāng)且僅當(dāng)關(guān)系模式Ri?Gs，關(guān)系模式Rj?Gs,(Ri?Rj)?FK時，(Ri,Rj)?E。定義3:連接元組樹給定一個關(guān)系數(shù)據(jù)庫DB的模式圖Gs=(V,E)，T是以DB中的元組tl為結(jié)點的一棵樹，其中tl(1￡l￡m)是關(guān)系rk(1￡k￡m)中元組，關(guān)系rk(1￡k￡m)是關(guān)系模式Rk(1￡k￡n)上的實例,如果(Ri,Rj)?E且(titj)?(rirj)，那么，(ti,tj)是T的一條邊，其中ti?ri,tj?rj,(1￡i,j￡n)，稱T為一棵連接元組樹。定義4:關(guān)鍵詞查詢把關(guān)鍵