劉 劍，許洪波，賈巖濤，程學旗

（1.中國科學院計算技術(shù)研究所網(wǎng)絡(luò)數(shù)據(jù)科學與技術(shù)重點實驗室 北京100190；2.中國科學院大學 北京100190；3.解放軍外國語學院語言工程系 洛陽471003）

1 引言

近年來，隨著移動互聯(lián)網(wǎng)的高速發(fā)展，傳統(tǒng)基于個人電腦的上網(wǎng)方式正在加速向基于智能移動終端的方式轉(zhuǎn)變，移動互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的主要途徑。來自中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）的報告顯示[1]，截至2013年12月，中國搜索引擎用戶規(guī)模達到4.9億戶，手機搜索網(wǎng)民數(shù)達到3.65億人，移動式搜索成為不斷興起的新型應用之一。與此同時，網(wǎng)絡(luò)空間（cyberspace）中各類應用的層出不窮引發(fā)了數(shù)據(jù)規(guī)模的爆炸式增長，形成了網(wǎng)絡(luò)空間的大數(shù)據(jù)[2]。隨著互聯(lián)網(wǎng)數(shù)據(jù)的爆炸式增長和網(wǎng)民獲取信息需求的不斷增強，傳統(tǒng)的“關(guān)鍵詞”搜索局限性逐漸暴露，基于互聯(lián)網(wǎng)的海量搜索在移動搜索領(lǐng)域已經(jīng)難以滿足用戶需求，用戶對于搜索結(jié)果的直接性要求體現(xiàn)得很明顯，精準信息才是移動式搜索用戶最想要的。在整合海量互聯(lián)網(wǎng)碎片化信息的基礎(chǔ)上，如何基于用戶的片段輸入準確理解用戶搜索意圖，然后從海量顯性和隱性知識資源中按照人們需求，有針對性地提煉知識內(nèi)容或問題解決方案，從而以直接給出可能答案或者更為豐富語義關(guān)聯(lián)信息的形式返回給用戶，這是移動搜索所面臨的巨大挑戰(zhàn)。

傳統(tǒng)Web資源中的語義信息以自由文本的方式存在，缺乏機器可理解的語義，搜索引擎難以自動有效地整合這些數(shù)據(jù)，同時資源間的語義關(guān)系以一種隱含的方式存在，這些語義信息由于缺乏明確的描述而丟失。因此，對于搜索引擎而言，準確理解數(shù)據(jù)符號背后所包含的語義信息變得至關(guān)重要。為了能夠?qū)⑺阉鹘Y(jié)果準確地傳遞給用戶，需要引入語義技術(shù)，對搜索結(jié)果進行優(yōu)化計算，從而理解用戶的搜索意圖。為了解決語義缺失問題，互聯(lián)網(wǎng)創(chuàng)始人Lee T B在XML2000國際會議上正式提出語義Web的體系框架[3]，希望使網(wǎng)絡(luò)中的信息具有語義，以便計算機能夠自動地處理和理解數(shù)據(jù)。語義Web中“語義”的核心就是知識共享，知識共享實質(zhì)上是基于語義技術(shù)的共享，而基于語義技術(shù)的智能搜索使得搜索引擎不再拘泥于用戶所輸入請求語句的字面本身，而是透過現(xiàn)象看本質(zhì)，準確地捕捉到用戶所輸入語句后面的真正意圖，并以此進行搜索，從而更準確地向用戶返回最符合其需求的搜索結(jié)果。

在2013年5月 的Google I/O大會 上，Google的Amit Singhal提出了未來搜索引擎的設(shè)想：搜索引擎的3個主要功能需要改進，搜索將需要答案、對話、預測。未來的搜索引擎需要更智能地為用戶服務，這一切離不開富含語義信息的知識庫作為基礎(chǔ)支撐。語義Web希望賦予互聯(lián)網(wǎng)上所有資源唯一的標識，以一種明確、形式化的方式描述信息資源，從而在資源之間建立起機器可以處理的各類語義關(guān)聯(lián)，最終將萬維網(wǎng)中現(xiàn)存的信息發(fā)展成一個巨大的全球語義知識庫[4]。但是，面對海量的數(shù)據(jù)資源、豐富的文檔類型、形態(tài)各異的數(shù)據(jù)格式，數(shù)據(jù)資源的耦合度較低，也缺乏統(tǒng)一的管理，難以形成統(tǒng)一的語義知識庫。因此，基于現(xiàn)有的互聯(lián)網(wǎng)數(shù)據(jù)資源，構(gòu)建大型的語義知識庫，為智能搜索提供語義知識支持成為切實可行的方案。本文面向開放的互聯(lián)網(wǎng)數(shù)據(jù)資源，結(jié)合現(xiàn)有技術(shù)應用，提出以超圖（hyper-graph）理 論 為 基 礎(chǔ) 的 動 態(tài) 知 識 網(wǎng) 絡(luò)（dynamic knowledge network，DKN）建模方式，從模型層面闡述了“知識+計算→智能”的智能搜索模式，通過計算算子實現(xiàn)基于知識的計算，從而對面向語義的智能搜索提供理論支持和模型支撐。

本文首先結(jié)合信息技術(shù)的發(fā)展介紹了互聯(lián)網(wǎng)搜索技術(shù)的現(xiàn)狀，分析了基于語義技術(shù)進行智能搜索的發(fā)展前景。在此基礎(chǔ)上，提出以超圖理論為基礎(chǔ)、以計算算子為技術(shù)支撐，進行世界知識建模的動態(tài)知識網(wǎng)絡(luò)建模方案，闡述了該模型的理論基礎(chǔ)、結(jié)構(gòu)模式、系統(tǒng)模型及其特點以及基于動態(tài)知識網(wǎng)絡(luò)支撐智能搜索的基本結(jié)構(gòu)框架，最后，對今后研究工作中所面臨的主要問題和挑戰(zhàn)進行了展望。

2 研究現(xiàn)狀

隨著計算機與通信技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)上的信息呈現(xiàn)指數(shù)型增長，在互聯(lián)網(wǎng)信息越來越豐富、用戶使用方式也越來越多變的同時，龐大并且關(guān)聯(lián)的信息讓大部分用戶感到無所適從，搜索的價值也就越來越明顯。面對海量信息，基于分類目錄和關(guān)鍵詞的搜索方式越來越難以適應用戶的搜索需求，迫切需要將檢索方式從基于詞層面提高到基于語義層面，實現(xiàn)基于語義理解的智能搜索。智能搜索不僅要求提升檢索技術(shù)，還向著信息服務的智能化、個性化、可互動的方向發(fā)展，因此，需要實現(xiàn)查詢請求和目標資源的語義理解。本體作為知識的承載者被信息科學領(lǐng)域引入，并作為語義Web的核心技術(shù)，對網(wǎng)絡(luò)信息資源進行語義表達和標注。根據(jù)本體技術(shù)在搜索引擎中的作用，將目前的智能搜索劃分為3類[5]，具體介紹如下。

·基于傳統(tǒng)搜索的增強型搜索：這一類搜索的核心還是傳統(tǒng)的搜索引擎，通過本體技術(shù)對用戶查詢詞的處理來提高搜索效果，如IBM與蘋果公司等合作開發(fā)的OntoSeek系統(tǒng)[6]、美國斯坦福大學與IBM等研究機構(gòu)聯(lián)合開發(fā)的Tap系統(tǒng)[7]等，還有研究將wordnet作為查詢擴展和約束，以改善搜索的效果[8]。

·基于本體推理的知識型搜索：這一類搜索是基于構(gòu)建的本體知識庫，通過本體推理技術(shù)實現(xiàn)知識的自動發(fā)現(xiàn)和關(guān)聯(lián)，如美國馬里蘭大學開發(fā)的SHOE系統(tǒng)[9]、上海交通大學提出的SPARK[10]、清華大學提出的細粒度語義網(wǎng)絡(luò)檢索模型[11]等。

·其他類型的搜索：還有一些其他類型的搜索模型，如美國華盛頓大學開發(fā)的KnowItAll系統(tǒng)[12]、華中科技大學提出的應用在安全訪問控制領(lǐng)域的搜索模型[13]、上海交通大學與香港科技大學共同提出的一種增強的語義搜索模型[14]等。特別值得一提的是，Wolfram在2009年發(fā)布了Wolfram|Alpha系統(tǒng)，該系統(tǒng)一經(jīng)發(fā)布就引起很大的反響，甚至有人認為它會取代Google的搜索霸主地位。

近年來，隨著Linking Open Data等項目的全面展開，語義數(shù)據(jù)源的數(shù)量激增?；ヂ?lián)網(wǎng)正從僅包含網(wǎng)頁與網(wǎng)頁間超鏈接的文檔萬維網(wǎng)（document Web）轉(zhuǎn)變?yōu)榘枋龈鞣N實體與實體之間豐富關(guān)聯(lián)的數(shù)據(jù)萬維網(wǎng)（data Web）。在此背景下，谷歌、微軟、百度和搜狗等搜索引擎公司紛紛以此為基礎(chǔ)構(gòu)建知識圖譜，分別為Knowledge Graph、Probase、知心和知立方，以此來改進搜索質(zhì)量，從而拉開了智能搜索的序幕。

3 動態(tài)知識網(wǎng)絡(luò)建模

網(wǎng)絡(luò)時代人們在探討數(shù)據(jù)、信息、知識之間的相互關(guān)系時，認識到數(shù)據(jù)是事物屬性及其相互關(guān)系等的抽象表示，信息則是有目的、有意義、有用途的數(shù)據(jù)，而知識是通過對信息進行深度加工，經(jīng)過邏輯或非邏輯思維，認識事物本質(zhì)而形成的經(jīng)驗與結(jié)論[15]?；ヂ?lián)網(wǎng)蘊含著豐富的知識資源，不論是信息直接所包含的知識還是信息背后所隱含的知識，都反映在網(wǎng)絡(luò)中。維娜·艾莉[16]曾經(jīng)指出，“我們可以把自己的個人知識看成一張認識的‘網(wǎng)’，很多想法、感覺、思想、概念和信仰都在這里交織在一起”。因此，可以從知識的這種網(wǎng)狀結(jié)構(gòu)特征得到啟發(fā)，互聯(lián)網(wǎng)中也包含著一張巨大的知識網(wǎng)絡(luò)，經(jīng)過數(shù)據(jù)的采集和清洗、信息的提煉和抽取、知識的描述和集成，最終可以利用一個開放的知識網(wǎng)絡(luò)將其呈現(xiàn)出來。基于這一思想，本文提出“知識+計算→智能”的智能搜索模式，如圖1所示。

其基本思想是：基于互聯(lián)網(wǎng)的各類數(shù)據(jù)資源，構(gòu)建動態(tài)知識網(wǎng)絡(luò)，以此為基礎(chǔ)，結(jié)合定義好的各類計算算子的靈活組合，響應用戶需求，實現(xiàn)對用戶真實查詢意圖的語義理解和問題解答，從而實現(xiàn)通過一個事實知識庫和一系列計算算子得到一個可計算的網(wǎng)絡(luò)世界的構(gòu)想。

3.1 動態(tài)知識網(wǎng)絡(luò)的理論基礎(chǔ)

關(guān)于“知識網(wǎng)絡(luò)”這個概念，最早是由瑞典工業(yè)界在20世紀90年代提出來的[17]，不同時代、不同學科和不同領(lǐng)域的學者，對“知識網(wǎng)絡(luò)”概念的內(nèi)涵和外延有著不同的認識[18]。王眾托院士通過對無處不在的網(wǎng)絡(luò)社會的分析[15]，認為一個知識網(wǎng)絡(luò)應該有3個層次：技術(shù)層面的技術(shù)網(wǎng)絡(luò)、知識資源內(nèi)部聯(lián)系的知識網(wǎng)絡(luò)、知識在人際間傳播的人際關(guān)系網(wǎng)絡(luò)。依據(jù)此理論，本文主要研究知識資源自身存在內(nèi)在關(guān)聯(lián)的知識網(wǎng)絡(luò)。知識網(wǎng)絡(luò)目前還沒有明確的定義，它是一個集合概念，指的是知識的空間結(jié)構(gòu)集合，即它是由知識節(jié)點和知識關(guān)聯(lián)所構(gòu)成的集合。其中，知識節(jié)點（以下簡稱節(jié)點）一般代表知識單元的存儲單位，由概念或者事物組成；知識關(guān)聯(lián)（以下簡稱邊）可分為內(nèi)部關(guān)聯(lián)和外部關(guān)聯(lián)。內(nèi)部關(guān)聯(lián)構(gòu)成知識個體，表達知識的內(nèi)涵聯(lián)系，外部關(guān)聯(lián)是知識個體之間的外延聯(lián)系，構(gòu)成知識網(wǎng)絡(luò)的各種鏈接關(guān)系。因此，知識網(wǎng)絡(luò)是由節(jié)點和邊構(gòu)成的網(wǎng)狀結(jié)構(gòu)，這種網(wǎng)狀結(jié)構(gòu)的表現(xiàn)形式多種多樣，有樹型結(jié)構(gòu)、星狀結(jié)構(gòu)、環(huán)型結(jié)構(gòu)、單向關(guān)系網(wǎng)絡(luò)、多向交叉復合關(guān)系網(wǎng)絡(luò)等。

典型的知識網(wǎng)絡(luò)主要考慮知識節(jié)點之間的二元關(guān)聯(lián)，即兩個知識節(jié)點之間的關(guān)聯(lián)。通常，事物之間的關(guān)聯(lián)不僅僅是單一和單向的簡單關(guān)系，而是一個復雜和多向的網(wǎng)絡(luò)。鑒于網(wǎng)絡(luò)世界中知識節(jié)點之間關(guān)聯(lián)的復雜性，一般的二元網(wǎng)絡(luò)圖難以完全刻畫網(wǎng)絡(luò)世界中知識的特征，因此，出現(xiàn)了超越一般網(wǎng)絡(luò)的網(wǎng)絡(luò)系統(tǒng)問題。本文研究的知識網(wǎng)絡(luò)規(guī)模巨大、連接復雜，知識節(jié)點具有異質(zhì)性，可以稱為超網(wǎng)絡(luò)（hyper-network），本文用超圖來定義該類超網(wǎng)絡(luò)[19]。超圖這一概念是Berge在1970年提出的[20]，超圖不同于一般圖論中的無向或有向圖，后者的每一個邊只連接兩個節(jié)點，而超圖中的邊可以連接兩個以上的節(jié)點，稱為超邊。因此，本文提出的動態(tài)知識網(wǎng)絡(luò)的模型是用超圖表示的超網(wǎng)絡(luò)。下面給出超圖在數(shù)學上的嚴格定義，見定義1。

定義1設(shè)V={v1,v2,…,vn}是一個有限集，若滿足以下條 件，則稱二元關(guān)系H=（E,V）為超圖。V={v1,v2,…,vn}是超圖的頂點集，E={e1,e2,…,en}是超圖的邊集，集合ei={vi1,vi2,…,vij}(i=1,2,…,m)為超圖的邊。如果在超圖的邊集中定義了方向，那么超圖就是有向超圖；反之，則是無向超圖。

圖1 智能搜索模式的設(shè)想

定義2（超路徑）超圖H中的頂點和超邊交錯序列{v1,E1,v2,E2,…,Eq,vq+1}稱為具有長度為q的超路徑，若滿足以下條件：

·{v1,v2,…,vq+1}在超圖H中彼此不同；

·{E1,E2,…,Eq}在超圖H中彼此不同；

·vk,vk+1∈Ek,k=1,2,…,q。

同時q≠1且vq+1=v1，則這一條超路徑稱為長度為q的超回路。

超圖是對圖的一種擴展，其在描述多個節(jié)點之間擁有復雜多元關(guān)系的動態(tài)知識網(wǎng)絡(luò)時，具有極大的優(yōu)勢。比如有8個知識節(jié)點V={v1,v2,v3,v4,v5,v6,v7,v8}，構(gòu)成4個多元關(guān)系E={e1,e2,e3,e4}，其中，e1={v1,v2,v4}，e2={v2,v3,v4}，e3={v4,v5,v8}，e4={v5,v6,v7,v8}，用超邊表示多元關(guān)系，可以得到如圖2所示的超圖。

圖2 超圖表示的多元關(guān)系

3.2 動態(tài)知識網(wǎng)絡(luò)的系統(tǒng)建模方案

3.2.1 動態(tài)知識網(wǎng)絡(luò)的結(jié)構(gòu)模式

動態(tài)知識網(wǎng)絡(luò)是對互聯(lián)網(wǎng)域空間知識的描述，是表示知識節(jié)點及節(jié)點間相互關(guān)聯(lián)的復雜網(wǎng)絡(luò)系統(tǒng)。本文基于超圖理論對動態(tài)知識網(wǎng)絡(luò)進行建模，拓展了普通圖中的節(jié)點和關(guān)系的類型，能夠更加靈活地實現(xiàn)知識的概念化描述。為了實現(xiàn)知識的語義表達，需要從結(jié)構(gòu)上對其模式進行分析，解釋知識網(wǎng)絡(luò)的模式是如何由一些簡單的子模式（模式基元）組合而成的。表1為動態(tài)知識網(wǎng)絡(luò)的結(jié)構(gòu)子模式示例。

通過對節(jié)點和關(guān)系描述的拓展，動態(tài)知識網(wǎng)絡(luò)能夠描述更加復雜的結(jié)構(gòu)，也使得對子模式的提取具有更加豐富的語義信息。結(jié)合超點和超邊子模式，還可以衍生更加抽象和復雜的子模式。在一些應用中，通過這些子模式進行動態(tài)知識網(wǎng)絡(luò)的分解和縮減可以簡化結(jié)構(gòu)的復雜性，從而在更高層次上分析網(wǎng)絡(luò)結(jié)構(gòu)的特性。

3.2.2 動態(tài)知識網(wǎng)絡(luò)的系統(tǒng)模型

面向開放網(wǎng)絡(luò)數(shù)據(jù)環(huán)境，本文結(jié)合相關(guān)研究[21]，提出動態(tài)知識網(wǎng)絡(luò)的系統(tǒng)模型，針對海量數(shù)據(jù)中知識的各種特征表現(xiàn)和復雜關(guān)聯(lián)進行語義知識表達和操作。動態(tài)知識網(wǎng)絡(luò)的系統(tǒng)模型使用一個七元組表示，即DKN=(V,E,A,Val,F,G,O)，其中，V是知識節(jié)點的非空有限集合，E是知識關(guān)聯(lián)的非空有限集合，A是知識節(jié)點和知識關(guān)聯(lián)屬性的非空有限集合，Val是屬性的值域集，F(xiàn)是知識節(jié)點和知識關(guān)聯(lián)上的屬性值映射函數(shù)集，G是知識節(jié)點上的關(guān)聯(lián)映射函數(shù)集，O是針對知識網(wǎng)絡(luò)的各類操作，即計算算子的集合。下面分別對該模型的組成元素進行介紹。

（1）知識節(jié)點V

知識節(jié)點由在認識上具有獨立性的知識元素構(gòu)成，具有層次性，其最小粒度可以稱為知識元，是獨立不可再分的知識元素，如人名、城市名等。知識元是最小的知識節(jié)點，多個知識元通過知識關(guān)聯(lián)可以構(gòu)成更大的知識節(jié)點，知識節(jié)點的集合可以構(gòu)成知識體系。對于V={v1,v2,…,vn}，知識節(jié)點vi代表一個簡單或者復雜的事物或概念。

（2）知識關(guān)聯(lián)E

知識關(guān)聯(lián)是構(gòu)成動態(tài)知識網(wǎng)絡(luò)的知識節(jié)點之間的關(guān)聯(lián)關(guān)系，這種關(guān)聯(lián)表現(xiàn)為以一種拓撲形式存在的網(wǎng)絡(luò)結(jié)構(gòu)，其網(wǎng)絡(luò)性體現(xiàn)在知識因為本身的某種聯(lián)系而相互聚集形成網(wǎng)絡(luò)。E={e1,e2,…,en}是帶有標簽的有向超邊和無向超邊的集合，超邊ei代表一個簡單或者復雜的知識關(guān)聯(lián)，其最小粒度是獨立不可再分的關(guān)聯(lián)關(guān)系。有向超邊ei=<(ri)，(λi)>是一個序偶，ri是ei中輸入變量的集合，λi是ei中輸出變量的集合；無向超邊ei={v1,v2,…,vm}是一個多元無向邊集合。通常有3種基本的知識關(guān)聯(lián)類型：同一性關(guān)聯(lián)，知識節(jié)點間具有某種共同性質(zhì)形成的關(guān)聯(lián)，主要表現(xiàn)為知識節(jié)點間的繼承性，知識節(jié)點的等同性是同一關(guān)聯(lián)的特殊表現(xiàn)；隸屬性關(guān)聯(lián)，構(gòu)成知識節(jié)點的單個知識元或者知識元集合隸屬某個概念、類別和范疇的邏輯關(guān)系，主要表現(xiàn)為知識節(jié)點間的屬性關(guān)系、分類關(guān)系、包含關(guān)系等；相關(guān)性關(guān)聯(lián)，是在同一性關(guān)聯(lián)、隸屬性關(guān)聯(lián)之外的，知識節(jié)點間大多具有的相互依存、相互作用的關(guān)聯(lián)，主要表現(xiàn)為工作、家庭、應用、影響等各種關(guān)系，這種關(guān)系不是嚴格固定的，其數(shù)量關(guān)系也是不完全確定的，它使得知識節(jié)點間在橫向上形成關(guān)聯(lián)網(wǎng)絡(luò)。

表1 動態(tài)知識網(wǎng)絡(luò)的結(jié)構(gòu)子模式示例

（3）屬性A、屬性的值域集Val、屬性值映射函數(shù)F

一個具體的事物或者概念總是通過一些性質(zhì)加以描述和區(qū)分，屬性用來描述知識節(jié)點和知識關(guān)聯(lián)自身的性質(zhì)和特征。具體又可以將屬性分為數(shù)值型屬性和對象型屬性兩大類。A=AV∪AE，其中，AV是知識節(jié)點屬性集，AE是知識關(guān)聯(lián)屬性集。Val=ValV∪ValE，是知識節(jié)點屬性和知識關(guān)聯(lián)屬性的值域集合。F=FV∪FE，是知識節(jié)點、知識關(guān)聯(lián)與各自屬性值的映射函數(shù)，其中，F(xiàn)V：V×AV→ValV，F(xiàn)E：E×AE→ValE。比如V={v1,v2,v3}代表3個企業(yè)，組成的商業(yè)合作可以用一條超邊e1={v1,v2,v3}來描述，其中AV包含“公司名稱”、“成立時間”、“年營業(yè)額”等企業(yè)的屬性，AE包含該商業(yè)合作的屬性，如“組建時間”、“合作模式”等，屬性取值ValV包括 “中遠集運”、“中海集運”、“中國外運”等，ValE包括“2014年5月”和“合作經(jīng)營”等。在動態(tài)知識網(wǎng)絡(luò)系統(tǒng)中，不同屬性的對應取值及取值約束通過F來確定，如F（組建時間）→Date（2014年5月）。另外，利用屬性值映射函數(shù)還可以實現(xiàn)節(jié)點間基于屬性的聚類。

（4）知識關(guān)聯(lián)映射函數(shù)G

動態(tài)知識網(wǎng)絡(luò)中各個知識節(jié)點按照需要的因素、層次、結(jié)構(gòu)和功能等構(gòu)成結(jié)構(gòu)化的知識網(wǎng)絡(luò)系統(tǒng)，這種結(jié)構(gòu)化的過程需要將知識節(jié)點通過某些方式關(guān)聯(lián)起來，即知識關(guān)聯(lián)映射。G是V上的關(guān)聯(lián)函數(shù)集合，G={g|g(v)=e}，表示事物之間的不同關(guān)聯(lián)類型。當然，也可以理解為G是超邊構(gòu)造函數(shù)，反映了知識節(jié)點間超邊的構(gòu)造關(guān)系。構(gòu)建知識節(jié)點間的知識關(guān)聯(lián)是建立動態(tài)知識網(wǎng)絡(luò)的關(guān)鍵環(huán)節(jié)，G決定了哪些知識節(jié)點在同一個知識關(guān)聯(lián)中以及知識關(guān)聯(lián)是如何劃分的。根據(jù)知識節(jié)點間關(guān)聯(lián)類型是否明確，可以有兩種構(gòu)建方式：對于可以預定義的關(guān)聯(lián)模式，采用先知識關(guān)聯(lián)后知識節(jié)點的構(gòu)建方式，即先確定動態(tài)知識網(wǎng)絡(luò)的關(guān)聯(lián)模式，描述為超邊，然后在知識節(jié)點集中搜索符合各關(guān)聯(lián)模式的知識節(jié)點對；對于關(guān)聯(lián)模式比較模糊的情況，可以通過對知識節(jié)點進行信息抽取，尋找它們之間的關(guān)聯(lián)模式，常用聚類、頻繁項集挖掘等方法。

（5）計算算子O

計算算子主要針對知識網(wǎng)絡(luò)完成各類運算操作，如同普通運算符號作用于數(shù)后，可以得到新的數(shù)，一個算子作用于一個輸入后，可以實現(xiàn)從一個知識網(wǎng)絡(luò)空間到另一個知識網(wǎng)絡(luò)空間（或它自身）的映射。根據(jù)實際需求，將算子分為兩大類：一是實現(xiàn)動態(tài)知識網(wǎng)絡(luò)內(nèi)部元素動態(tài)構(gòu)造的構(gòu)建類算子，二是提供外部服務的應用類算子。基于外部信息輸入的計算算子模型如圖3所示。

結(jié)合新信息的輸入，計算算子封裝一些針對動態(tài)知識網(wǎng)絡(luò)常用操作的靈活組合，從而實現(xiàn)基于計算算子的運算。表2給出了一些針對動態(tài)知識網(wǎng)絡(luò)的常用算子示例。

3.2.3 動態(tài)知識網(wǎng)絡(luò)模型的特點

本文通過對網(wǎng)絡(luò)世界知識進行建模，提出基于超圖理論的動態(tài)知識網(wǎng)絡(luò)系統(tǒng)模型，該模型具有以下幾個方面的特點。

（1）可以描述復雜知識節(jié)點和知識關(guān)聯(lián)

動態(tài)知識網(wǎng)絡(luò)模型中允許定義復雜知識節(jié)點，知識節(jié)點和知識關(guān)聯(lián)在一定程度上可以相互轉(zhuǎn)化，因此，復雜知識節(jié)點可以是多個知識節(jié)點、知識關(guān)聯(lián)的集合。知識關(guān)聯(lián)復雜多樣，既有二元關(guān)聯(lián)，又有多元關(guān)聯(lián)。既有明確定義的關(guān)聯(lián)類型，又有難以明確描述的關(guān)聯(lián)類型，因此具有很強的知識描述能力，其完整形態(tài)是一個多元、異構(gòu)、立體的超網(wǎng)絡(luò)。

（2）結(jié)構(gòu)開放、靈活，可擴展性強

動態(tài)知識網(wǎng)絡(luò)模型描述的知識是可擴展的，可動態(tài)感知數(shù)據(jù)的變化，同時具有時效性，隨著新信息的加入而動態(tài)更新。另外，模型中允許定義新的知識關(guān)聯(lián)，通過關(guān)聯(lián)結(jié)構(gòu)的可變實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的靈活性，同時對未知關(guān)聯(lián)類型的包容性使得面對不確定的環(huán)境時，網(wǎng)絡(luò)結(jié)構(gòu)也可以隨著信息的交互而發(fā)生演化。

圖3 計算算子模型

表2 動態(tài)知識網(wǎng)絡(luò)的常用算子示例

（3）具有處理不確定、不精確信息的能力

動態(tài)知識網(wǎng)絡(luò)模型是基于超圖理論的，而超圖中的集合理論是其核心，因此，基于集合的表達方式適合描述非明確定義的關(guān)系和規(guī)則。對于難以被明確定義和精確描述的知識關(guān)聯(lián)，該模型采用無向超邊進行描述，同時，模型中定義的計算算子可以實現(xiàn)對知識網(wǎng)絡(luò)的各類操作，使得能夠利用圖理論來處理網(wǎng)絡(luò)環(huán)境下不確定、不精確的信息。

（4）具有較強的可計算性

基于圖理論，動態(tài)知識網(wǎng)絡(luò)模型中定義了多種類型的圖操作，通過這些圖操作的靈活組合，計算算子可以實現(xiàn)動態(tài)知識網(wǎng)絡(luò)構(gòu)建和應用過程中的模式識別、路徑分析、子模式構(gòu)建等各種計算功能。另外，在特定的應用需求驅(qū)動下，基于一定的規(guī)則和約束條件，還可以進行知識的推理計算。

圖4 基于動態(tài)知識網(wǎng)絡(luò)的智能搜索框架

4 基于動態(tài)知識網(wǎng)絡(luò)的智能搜索

新一代的智能搜索致力于建立一個智能化、個性化和互動的搜索模式，這就需要實現(xiàn)對查詢請求的語義理解和對目標文檔的語義理解，而語義理解是建立在語義知識庫基礎(chǔ)之上的。本文提出動態(tài)知識網(wǎng)絡(luò)的系統(tǒng)建模方法，通過構(gòu)建動態(tài)知識網(wǎng)絡(luò)，提高搜索引擎的語義理解能力，從而達到智能搜索的目標?；趧討B(tài)知識網(wǎng)絡(luò)的智能搜索框架如圖4所示。

其基本思想是：充分利用現(xiàn)有各類數(shù)據(jù)資源，基于動態(tài)知識網(wǎng)絡(luò)系統(tǒng)模型，結(jié)合機器學習和數(shù)據(jù)挖掘等技術(shù)，構(gòu)建動態(tài)知識網(wǎng)絡(luò)，并以此為語義基礎(chǔ)，支持基于語義理解的智能搜索。動態(tài)知識網(wǎng)絡(luò)對智能檢索的語義支持通常包含以下兩個方面。

（1）語義的擴展與優(yōu)化

用戶以自然語言輸入查詢，系統(tǒng)基于動態(tài)知識網(wǎng)絡(luò)進行語義分析，需要理解用戶提交關(guān)鍵詞搜索背后的真正意圖，主要包括分類、屬性、同義等語義關(guān)系的提取、歧義消解等，從而豐富查詢的語義信息。同時，在語義理解的基礎(chǔ)上，對數(shù)據(jù)資源進行整合處理，獲取真正符合語義的信息資源。

（2）語義的推理與計算

基于動態(tài)知識網(wǎng)絡(luò)，對用戶查詢的關(guān)鍵詞進行概念化或者實例化處理、相似性計算等，從而在更高層次或者更細粒度上建立語義關(guān)聯(lián)。同時，根據(jù)動態(tài)知識網(wǎng)絡(luò)的推理規(guī)則，進一步拓展語義的關(guān)聯(lián)和約束。

5 結(jié)束語

本文通過對現(xiàn)有信息檢索和語義處理技術(shù)的介紹，分析了基于語義技術(shù)進行智能搜索的發(fā)展前景?；诖?，提出以超圖理論為基礎(chǔ)、以計算算子為技術(shù)支撐進行網(wǎng)絡(luò)世界知識建模的動態(tài)知識網(wǎng)絡(luò)建模方法，并詳細闡述了該模型的理論基礎(chǔ)、結(jié)構(gòu)模式、系統(tǒng)模型及其特點，最后給出了基于動態(tài)知識網(wǎng)絡(luò)支撐智能搜索的基本結(jié)構(gòu)框架，為基于語義的智能搜索應用提供了有效的模型和方法支持。盡管目前已經(jīng)進行了一些探索性的研究工作，但未來的工作仍然面臨兩個重要挑戰(zhàn)：動態(tài)知識網(wǎng)絡(luò)系統(tǒng)模型的完善；動態(tài)知識網(wǎng)絡(luò)支撐的智能檢索應用。

1 中國互聯(lián)網(wǎng)絡(luò)信息中心.2013年中國搜索引擎市場研究報告,2013

2 李國杰,程學旗.大數(shù)據(jù)研究：未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學思考.中國科學院院刊,2012,27(6):647～657

3 Lee T B.Semantic web on XML.http://www.w3.org/2000/talks/1206-xml2k-tbl,2014

4 王本年,高陽,陳世福等.Web智能研究現(xiàn)狀與發(fā)展趨勢.計算機研究與發(fā)展,2005,42(5):721～727

5 文坤梅,盧正鼎,孫小林等.語義搜索研究綜述.計算機科學,2008,35(5):1～4

6 Guarino N.Ontoseek:content-based access to the web.IEEE Intelligent Systems,1999,5(6):70～80

7 Guha R,McCool R.TAP:a semantic web test-bed.Journal of Web Semantics,2003,1(1):81～87

8 Kruse P M,Naujoks A,Roesner D,et al.Clever search:a wordnet based wrapper for internet search engines.Proceedings of the 2nd GermaNet Workshop,Bonn,Germany,2005:367～380

9 Heflin J,Hendler J.Searching the web with shoe.Proceedings of AAAI-2000 Workshop on AI for Web Search,Austin,Texas,2000:450～455

10 周琦.基于關(guān)鍵詞的語義搜索.上海交通大學碩士學位論文,2009

11 吳剛,唐杰,李涓子等.細粒度語義網(wǎng)檢索.清華大學學報（自然科學版）,2005,45(1):1865～1872

12 Cafarella M J,Downey D,Soderland S,et al.KnowItAll:fast,scalable information extraction from the web.Proceedings of the Conference on Empirical Methods in Natural Language Processing,Vancouver B C,Canada,2005:563～570

13 文坤梅.基于本體知識庫推理的語義搜索研究.華中科技大學博士學位論文,2007

14 Zhang L,Yu Y,Zhou J,et al.An enhanced model for searching in semantic portals.Proceedings of the International Conference on World Wide Web,Chiba,Japan,2005:453～462

15 王眾托.無處不在的網(wǎng)絡(luò)社會中的知識網(wǎng)絡(luò).信息系統(tǒng)學報,2007,1(1):1～7

16 趙蓉英.論知識網(wǎng)絡(luò)的結(jié)構(gòu).圖書情報工作,2007,51(9):6～10

17 田占偉,張慶普,劉臣.語義知識網(wǎng)絡(luò)的結(jié)構(gòu)分析與構(gòu)建.情報理論與實踐,2011,34(10):113～118

18 劉向,馬費成,王曉光.知識網(wǎng)絡(luò)的結(jié)構(gòu)及過程模型.系統(tǒng)工程理論與實踐,2013,33(7):1836～1844

19 王志平,王眾托.超網(wǎng)絡(luò)理論及其應用.北京:科學出版社,2008

20 王眾托.關(guān)于超網(wǎng)絡(luò)的一點思考.上海理工大學學報,2011,33(3):229～237

21 吳穎敏.市場機遇發(fā)現(xiàn)的超圖支持方法研究.華中科技大學博士學位論文,2009