基于HNC理論的本體知識庫建設初探

陳 欣

解放軍外國語學院，河南 洛陽 471003

在自然語言處理（Natural Language Processing，NLP）領域，如何利用計算機高效地理解和處理自然語言日益成為一個核心課題。自然語言處理須以語言知識為依托（黃曾陽，1998∶99），它包括語法、語用和語義知識，其中語法知識最早應用于自然語言處理。自20世紀70年代起，對語義知識的研究日益受到重視，研究者們相繼提出了語義網絡（Semantic Network）、概念依存理論（Conceptual Dependency Theory）、格語法（Case Grammar）等語義表示理論。這些理論的發展和應用使自然語言處理從語法層面深入到了語義層面，完成了形式到內容質的飛躍。

近年來，基于本體（Ontology）形式來表達和組織語義知識的方法成了人工智能領域的研究熱點之一，Nirenburg和Raskin（2004）提出了一種基于本體的語義理論，即本體語義學（Ontological Semantics），在這個理論中，本體是析取和表示自然語言文本意義的核心資源。在自然語言處理中，語義分析需要龐大的語義知識庫，20世紀80年代以來，國內外發展了一批語義知識庫，著名的有WordNet、HowNet、北大的CCD等，從知識表示的角度來說，上述知識庫都可成為本體知識庫。

概念層次網絡（Hierarchical Network of Concepts，HNC）理論是由中國科學院聲學研究所黃曾陽研究員創立的自然語言理解和處理的理論體系，它緊扣建立概念聯想脈絡、模擬大腦語言感知過程這條主線，設計了一套符號體系來表達自然語言的語義知識。作為HNC理論的一大特色，精心設計的符號體系使得HNC理論的多個處理模塊環環相扣。這種高度抽象的符號化表達方式新穎簡介且便于計算機處理，但另一方面，其符號體系的獨特性、系統性和復雜性也增加了人們學習、理解、發展和應用HNC理論的難度。與HNC符號化的表示不同，本體的表示可以將概念間的層次結構和概念之間的關系明確地表達出來，便于人們的理解和應用，同時用形式化描述語言的本體也可直接應用于自然語言的計算機處理。如果將HNC理論對概念的表述用通用的本體形式表示出來，無疑將促進HNC理論的發展和應用，實現人和機器之間的知識共享。

本研究將基于HNC概念基元符號體系所揭示的概念知識，探討如何采用本體的方法和技術構建知識庫，并進行智能查詢。

1 本體知識庫開發環境

本研究將采用Windows XP Professional SP1作為本體的建構環境與使用環境。所要使用的軟件有本體編輯軟件Protégé3.4.1和JRE。Protégé3.4.1的安裝文件可從http∶//protege.stanford.edu下載，它集成了JRE的安裝文件，因此無需單獨下載JRE的安裝文件。

2 本體知識庫開發整體思路

綜合分析常見本體知識庫的功能和特點，緊密結合實際學習過程中的需求，以HNC理論為核心，建立一個本體知識庫，并通過Protégé軟件對知識進行管理，實現對知識的更新，達到使本體知識庫高效率、高質量、低成本的建設目標。

3 知識庫設計及主要功能

3.1 知識庫體系結構（如圖1所示）

圖1 知識庫體系結構

3.2 本體構建方法

現有的本體構建方法一般都是本體通過研究組織和團體本體項目開發的經驗總結而來的，方法很多但相互之間又有重疊的部分，Noy和McGuinness提出了一個簡單的知識工程方法——“七步法”，主要針對領域本體的構建。我們以編輯工具Protégé為例來說明本體構建的步驟。主要步驟如下：

1）確定本體的領域和范圍；

2）考慮重用已有的本體；

3）列舉本體中的重要的術語；

4）定義類及類的層次結構；

5）定義類的屬性；

6）定義屬性的限制條件；

7）創建實例。

3.3 知識庫主要功能

基于HNC理論的本體知識庫主要包括三大模塊，即“HNC概念表示”模塊、“實例”模塊、“查詢”模塊，下面對每個模塊做一介紹。

“HNC概念表示”模塊。根據HNC概念節點的語義網絡及其相互聯系，在模塊中把HNC概念以樹形圖的形式表示出來，通過此模塊，我們可以更加清晰直觀地觀察HNC語義網絡中各節點之間的關系，對我們更加深入地研究HNC理論大有裨益。在屬于不同級別節點的概念間，我們也可以通過屬性的設計建立聯系，使概念更加網絡化。

“實例”模塊。在概念節點的底層我們可以建立實例來具體說明這一概念。下面我們以“飛機”實例來具體解釋。比如，在“飛機”實例中我們可以建立不同的飛機型號，而不同型號的飛機的性能也不盡相同，在Protégé軟件中，我們可以把不同“性能”進行賦值，從而完成實例的具體化和形象化，這也為進行智能查詢進行了鋪墊。

“查詢”模塊。Protégé自帶插件String Search和Queries可提供檢索服務。String Search插件只能進行簡單的基于字符串的查詢，且功能單一，對中文的支持性也欠佳，因此主要采用Queries插件實現本體知識庫的智能查詢。由于基于HNC理論的本體知識庫中的術語由于定義清晰、表述準確，并在概念層次上是統一的，因此檢索的時候不會返回重復的和無關的結果。本體中的概念描述主要是通過建立概念間關系和為概念定義各種屬性來實現的，所以本體不但能對概念進行單獨的描述，而且可以從整個領域的高度出發來描述概念，具有較強的知識表現能力，能夠提供較高的查準率與查全率。

4 結論

基于HNC理論的本體知識庫建設，對HNC相關概念及概念間關系進行了清晰直觀地表述，并實現了智能查詢，提供了較高的查準率和查全率。但是，知識庫仍存在以下不足，首先是概念中具體屬性間的聯系無法建立，無法在深層次上進行知識表示，其次是隨著HNC理論的發展，其擴展空間還很大，最后是使用的Protégé軟件及其插件還有更進一步的擴展空間，以提高知識庫的質量。

綜上所述，基于HNC理論的本體知識庫建設是對HNC理論的與本體知識庫建設之間的有益結合，相信隨著HNC理論的發展和本體知識庫建設技術的進步，此研究還有更大的應用價值。

[1]Nirenburg, S.& Raskin, V.Ontological Semantics[M].Cambridge, MA: The MIT Press，2004.

[2]黃曾陽.在反思中前進在碰撞中成長[D].第二屆HNC與語言學研究學術研討會論文集. 北京：海洋出版社，2004.

[3]黃曾陽（口述），池毓煥（整理）.HNC概念基元符號體系概覽.HNC內部資料，2006.

[4]苗傳江.HNC（概念層次網絡）理論導論[M].北京：清華大學出版社，2005.

[5]郁書好.基于本體的教學知識庫研究[D].河海大學碩士學位論文，2006.

[6]張克亮.面向機器翻譯的漢英句類及句式轉換[M].開封：河南大學出版社，2007.