如圖4所示，石油地質語義檢索原型系統主要由解析模塊、索引模塊、檢索模塊、語義標引和本體模塊五部分組成[6]，其中索引模塊中的語義標引、本體模塊以及檢索模塊中本體搜索為本文在Lucene開源包基礎上新增的部分，并且對原有的排序模塊進行完善優化，形成新的基于權重的排序模塊。各個模塊的具體功能介紹如下。（1）解析模塊：主要對各種類型的電子文檔進行，目前能夠解析的文檔類型包括Doc、PDF、Xml和Html，在未來工作中將進一步擴展可解析的文檔類型。（2）索引模塊：基于Lucene已有的分詞器進行文檔預處理，去除停頓詞，保留主題詞。一方面將高頻主題導入形成石油地質領域概念詞庫，另一方面將高頻主題詞作為每個文檔的標引詞匯，形成語義標引文檔集。（3）本體模塊：利用Jena實現了本體的解析與推理[7]，將本體中的等級、等同和相關關系解析處理，并利用概念擴展算法實現了對檢索詞的語義擴展[8-9]，形成新的檢索詞列表。（4）檢索模塊：將經過本體擴展后的全新檢索詞列表重新作為輸入條件，在本體庫和資源庫中進行查詢，匹配相應數據資源并返回至排序模塊。（5）排序模塊：根據本體中的概念與概念之間的距離，對匹配到數據資源進行重新排序，并將最終權重計算后的結果作為最終的系統檢索結果返回給用戶[10]。當用戶輸入檢索詞后，整個原型系統的工作流程如圖5所示，Lucene基礎層完成對文檔的索引和標注，應用層通過Jena本體解析工具和語義擴展算法完成對用戶輸入查詢詞的擴展[1,11-13]，并返回新的檢索列表對應的結果，使用應用排序規則實現資源的綜合排序，最終為用戶提供準確的信息服務[14,15]。

    3.2檢索試驗

    地質知識檢索系統實現了基于石油地質領域本體的語義查詢，圖6顯示了輸入“油氣田”關鍵詞并檢索石油地質本體的查詢結果頁面[1]。（1）“油氣田”相關概念：油氣區、油氣藏、油氣田勘探、油氣田開發等，其屬性有“定義”，其實例有中原油田、長慶油田等。（2）通過擴展“油氣田”的相關概念，可檢索出標引為“油氣藏”、“油氣田勘探”、“油氣田開發”、“油氣田管理”等文檔。（3）還可以對檢索結果進行深一步的概念查找，如“油氣生成”。

    4總結

上一頁 [1] [2] [3] [4] 下一頁