一种基于本体论的智能搜索Agent

时，本体论中还应包含关于同义词的描述。这样，相同的概念用不同的术语表达就不会造成
重复和错误。 （２）分析网页所属本体
设ｑ，Ｄ２，人，ｑ分别是知识领域ＤＩ，Ｄ２，人，见对应的本体论，领域概念（术语）集 正＝ｃｏｎｃｅｐｔ（Ｏｊ）（其中１≤ｉ≤ｎ）。函数ｃｏｎｃｅｐｔ（Ｄｆ）定义为：从领域ｑ对应的本体论Ｑ 中求出该领域的概念术语集（包括同义词）。函数ｒｅｌａｔｉｏｎ（ｑ）定义为：从本体论ｑ中求出
若ｆ巧Ｉ＝ｌｃｏｎｃｅｐｔ（ＯＴ，ｊ）Ｉ≤ｕ，则停』卜划分，否则重复上述过程，可以得到对应于ｄ个领域的
用户最感兴趣的ｄ个本体（次本体）。 接下来，对要浏览的网页ｐａｇｅ，的内容进行语义网络匹配。针对每一个与该网页相关
的本体ｑ（次本体Ｄ毛），首先求出与关键词直接相关的术语对象集合衄ａ
ｐａｇｅ／的关
键词ｋｅｙ／∈Ｚ，说明该网页与本体ｑ相关，这样得到所有与之相关的本体ｑ（次本体Ｄ乃）。
ｐａｇｅ，叠皿
ｅｌｓｅ
ｐａｇｅ／与领域ｑｌ，皿２，人巩相关；
Ｓ
Ｓｔｅｐ２。
对与本体论谚相关的ｓ个网页，计算全局兴趣度ｋｔ雠ｓｔ（Ｑ）＝∑ｔｎｔｒｊ，将
』霉ｌ
Ｉｎｔｅｒｅｓｔ（Ｏ，）豹僵进行排穿，褥到最感兴趣的ｄ个领域；
Ｓｔｅｐ３．
ｉｆ阮ｌ＝ｌｅｏｎｅｅｐｔ（Ｏ≠）ｌ＞ｌｌ（驻为阂值）ｔｈｅｎ根据函数ｈｉｅ粼ｈ甄ｑ）求次本体
１０１１
文检索进行关键词匹配把该网页查出来，但是这又导致了信息量“过载”的问题。 其次，在人类的自然语言中，随着时间、地域或领域的改变，同一概念可以用不同的语
言表现形式来表达。例如，计算机和电脑，厕所和洗手间。因此，对同一概念的检索，不同
的用户可能使用不同的关键词来查询，但是搜索引擎却不一定能明白这一点。 最后，现有传统搜索引擎基本上都采用“一个搜索适用于所有用户”的搜索模式，即不 同的人使用相同的关键词得到的结果是相同的，这是由于传统的搜索引擎没有考虑人的地 域、性别、年龄等方面的差别，它无法处理随用户不同而变化的个性化知识。造成这种局面 的主要原因是搜索引擎缺乏知识处理能力和理解能力，对要浏览的信息仅仅采用机械的关键 词匹配米实现。
定义形式，一个简单的例子：一个标准的，具有各种特定的类及其包含关系的层次就是一个
本体‘５・翻。 我们可以采用如上同样的方法将用户的兴趣集中到ｄ个领域中的某个层次（即次领域
ＤＭ）。具体划分到领域的哪一层，可以由用户指定的阈值Ｕ来决定。设函数ｈｉｅｒａｒｃｈｙ（ｑ） 求得本体论Ｄｆ中包含的次本体，即次本体ＤＺｌ，ＤＺ２，人，Ｄ瓦分别对应于次领域 ＤＭｆｌ，ＤＭ加人ＤＭ腑（其中１
ｒｅｃｏｒｄ ｗｅｂ ｐａｇｅｓ ｂｒｏｗｓｅｄ ｂｙ ｕｓｅｒｓ，ｃｌａｓｓｉｆｙ ｔｈｅｓｅ ｐａｇｅｓ ｂｙ
Ｏｎｔｏｌｏｇｙ
ｔｈｕｓ ｉｎｄｕｃｅ ｄｏｍａｉｎｓ ｉｎ ｗｈｉｃｈ
ｕｓｅｒｓ ａｒｅ
ｒｅａｌｌｙ ｉｎｔｅｒｅｓｔｉｎｇ，ａｎｄ ｉｎ ｐｒｏｃｅｓｓ ｏｆ ｒｅｔｒｉｅｖｉｎｇ ｐａｇｅｓ，ｔｈｅ Ａｇｅｎｔ ｎｏｔ
标题进行分析，得到用户关心的领域；在应用阶段，对任意给出的网页，计算兴趣度和置信 度函数，从而判断用户对该网页是否有兴趣。
（１）本体论 本体论是用来描述或表达某一领域知识的一组概念或术语【２１。在本体论中，概念化对象
１０１２
ｃ可以定义为【３】：Ｃ＝＜Ｄ，Ｗ，Ｒ＞，其中Ｄ是一个领域，Ｗ是该领域中相关的事物状态（ｓｔａｔｅ ｏｆａｆｆａｉｒｓ）的集合，Ｒ是领域空间＜Ｄ，ｗ＞上概念关系（ｃｏｎｃｅｐｔｕａｌ ｒｅｌａｔｉｏｎ）的集合。从这个定义 来看，一个领域的本体论必须包含领域中的概念、概念的定义以及各个概念之间的关系，同
根据ＤＭｆｌ，ＤＭ』２，……，ＤＭ腑．ｔ２…－＂ ……、…Ｅ，…～Ｌ～１度加ｇ，的大小对它们进行排序，
从中找到最人的频度值，即可定义为该网页的相关度。
３．３置信度函数 搜索出的网页还存在一个置信度的问题，即我们要考虑浏览的网页最近有无更新，网页 的内容是否真实可靠。 定义３置信度函数
Ｃｏｎｆ，＝厂（‘，Ｑ，），其中，‘为布尔量，表示网页有无更新，函数
１０１４
３．唾结果处理 根据计算出的网页的兴趣度和置信度，我们设定期望度函数Ｅｘｐ，来判定该网页是否是
用户所希望浏览的。
定义４期望度Ｅｘｐｆ＝ｐ（Ｄｅｇｒｅｅ（ｐａｇｅｆＥｘｐ，的值越大，说明霹更的级别越赢，显示熬位置
就越靠前。再根据用户设定的曰均浏览蕈，以分钟域小时为单位截取出一定数量的网页，排
ｅｌｓｅ
ｇｏ
ｔｏ Ｓｔｅｐ６；
Ｓｔｅｐ４．
求概念术语集巧＝ｃｏｎｃｅｐｔ（Ｄ毛）和语义网络集ｒｅｌａｔｉｏｎ（Ｄ毛），对与次本体ｐ乃
』；１
示对应于本体论Ｏｊ的全局兴趣度。将求得的Ｉｎｔｅｒｅｓｔ（Ｏ，）的值由大到小排序，并按照用户设 定的兴趣范围人小截取其中最大的ｄ个值，就得到用户最感兴趣的ｄ个领域。
用Ｉ正ｌ＝Ｉｃｏｎｃｅｐｔ（ｐ）Ｉ表示领域Ｄｊ中概念的数目，对给定的阂值ｕ，若ｋｌ＞ｕ，表明此
领域的范围过大。以此来过滤网页可能仍然会导致无关页面太多，浏览效率降低，必须将用 户的兴趣范围再具体化。本体可以分层，在知识共享的环境下，本体论指的是代表性词汇的
ｓ
ｆ≤ｄ）。用函数ｃｏｎｃｅｐｔ（Ｄ瓦）求出该次领域的概念术语集
１０１３
巧＝ｃｏｎｃｅｐｔ（ＯＴ，ｊ），用函数ｒｅｌａｔｉｏｎ（Ｄ乃）求出次本体Ｄ乃中的概念关系构成的语义网络 集。・设有ｒ个页面与次本体Ｄ乃相关，则全局兴趣度Ｉｎｔｅｒｅｓｔ（Ｄ乃）＝∑Ｉｎｔｒｈ，求得最大
ｈ＝ｌ
Ｉｎｔｅｒｅｓｔ。戤对应的次本体即为该本体论中用户最关心的。对次本体。乃的概念术语集巧，
造成了关注信息种类的差别，人们希望出现一种针对个人兴趣的智能型搜索引擎。
传统搜索引擎的局限性
我们可能都碰到过这样的麻烦：当你在网上查询一些信息时，所返回的很多网页都是无 用的东西，你没有时间和精力来一一浏览搜索引擎查到的每一个网页。这是因为传统的搜索 引擎通常采用全文检索的技术，从理论上说，只要网页上出现了某个关键词，就能够使用全
内容不出现在该领域的本体论中，就可以认为该网页与这一领域无关【４１。即劬，芒互卜
ｐａｇｅ，诺Ｂ，这里１≤ｆ≤ｎ。经过这一步，过滤掉一些不相关的领域，得到所有与该网
页有关的领域Ｄ，ｌ，Ｄ，２，人，巩，其中ｋｅｙｓ∈乙，‘≤０≤％。 设ｓ为与本体论ｑ相关的网页数目，则可以令Ｉｎｔｅｒｅｓｔ（ｑ）＝∑Ｉｎｔｒｊ，Ｉｎｔｅｒｅｓｔ（Ｏ＿ｆ）表
Ｑ，＝ｇ（Ｈ，，，）反应了网页的知名度。’，，是布尔量，表明该网页是否为知名网页，ｔ为网页
的日均流量大小。
设集合Ａ＝｛ｑ，ａ２，人，口。＞为静态网址集，其中ａｌ，ａ２，人，ａ。是一些包含很多链接的站 点，或是日均浏览量较大的网页。对将要浏览的网页ｐａｇｅ，，如果页面地址不出现在集合Ａ
中，即ｐａｇｅｊ萑Ａ，说明它不是知名网页。
ｉｎｆｏｒｍａｔｉｏｎ
ｈａｒｄ ｗｏｒｋ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｈｅｌｐ
ｕｓｅｒｓ
ｐｅｒｓｏｎａｌｉｚｅｄ
ｉｎｔｅｌｌｅｃｔｕａｌ ｒｅｔｒｉｅｖｅｄ Ａｇｅｎｔ ｂａｓｅｄ
Ａｇｅｎｔ
ｃａｌｌ
ｏｎ
Ｏｎｔｏｌｏｇｙ，ｗｈｉｃｈ
ｃａｌｌ
ｆｉｎｄ
ｉｎｆｏｒｍａｔｉｏｎ
ａｎｄ
ｔｈａｔ ｔｈｅｙ
ｎｅｅｄ．Ｔｈｉｓ
Ａｎ ｉｎｔｅｌｌｅｃｔｕａｌ ｒｅｔｒｉｅｖｅｄ Ａｇｅｎｔ ｂａｓｅｄ
ｏｎ
Ｏｎｔｏｌｏｇｙ
Ｊｉｎｊｉｎ
Ｃｈｅｎ
Ｊｉｎｈｕａ Ｚｈｅｎｇ
Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉａｎｇｔａｎ Ｕｎｉｖｅｒｓｉｔｙ ４ １ １ １ ０５
Ｅ・ｍａｉｌ：ｅｊｊ＿ｍａｙ＠ｙａｈｏｏ．ｃｏｒｎ．ｃａ
由概念关系构成的语义网络集１４】ｏ高速缓存中的网页集合Ｐ＝｛ｐａｇｅｌ，ｐａｇｅ２，人，ｐａｇｅ。）， ｋｅｙ』为网页标题中所给出的关键词，１≤Ｊ≤ｍ。
定义１对于任意网页ｐ秽，，兴趣度函数ＩＩ屿＝ｇ（ｔ／，ｈｊ），其中０为浏览次数，ｈｊ为
浏览时间。 我们知道，任一网页标题中的关键词是对该网页最核心内容的概括，如果这些最核心的
啦＝酬０，坳／）∈ｒｅｌａｔｉ。ｎ（ｑ），ｌ≤ｆ≤ｔ），ｔ椭ｐａｇｅ／相关的本体数目。然后检索整
个网页，统计被检索网页中出现在集合吣中的元素的频度加ｇ，＝∑Ｗ，×所，，其中，ｍ，
是元素的出现次数，ｗ，是权值。户叼，反应了该网页与本体ｑ（次本体ＤＬ）中的ＮＲＮＮ
的近似匹配程度。
定义２相关度Ｄｅｇｒｅｅ（ｐａｇｅ，）＝ｍａｘ（ｆｒｅｑ，）
３．设计思想
传统引擎的局限性限制了资源的更有效的获取，针对上述问题，论文提出了一种基于本 体论的智能搜索Ａｇｅｎｔ的模型。该系统应用本体论分析每个用户所关注的领域（即本体）是 什么，再根据用户所关心的领域为他们提供经过筛选的网页，从而达到个性化服务和提高效 率的目的。
３．１
Ａｇｅｎｔ技术
威心｛｛｝｝
一种基于本体论的智能搜索Ａｇｅｎｔ
陈晋进郑金华 湘潭大学信息工程学院（４１１１０５）
Ｅ－ｍａｉｌ：ｃｊｊ＿ｍａｙ＠ｙａｈｏｏ．ｃｏｒｎ．ｃａ
摘要：互联网为各种主题提供了大量信息，然而，它的动态及分布特性使得检索特定信息成为一项艰 巨的任务。本文提出了一种基于本体论设计的个性化智能搜索Ａｇｅｎｔ，旨在帮助互联网用户快速准确地找 到符合自己需求的信息。该Ａｇｅｎｔ能自动跟踪记录用户浏览过的网页，利用本体论知识对网页进行归类， 由此推算出用户真正感兴趣的领域。并且在考虑用户兴趣的同时，也保证了网页内容的真实可靠性。 关键词：本体论搜索引擎ａｇｅｎｔ
控用户对某一页面的访问次数和停留时间，并根据这些动作做出相应的反应。 ３．２兴趣度函数
对于一个网页而言，人们一般在阅读标题后就可以判断是否对其感兴趣。这是因为标题 言简意赅地表达了网页的核心内容，通过对标题的学习，再结合网页内容，可以把一个网页 归纳到某一本体论中去。具体分为两个步骤：在训练阶段，对用户浏览过的一定数量的网页