摘要：知識(shí)工程旨在面向企業(yè)業(yè)務(wù)應(yīng)用需求，通過一系列以知識(shí)為對(duì)象的工程實(shí)踐達(dá)到海量信息中的知識(shí)挖掘、知識(shí)的高效組織應(yīng)用。其中知識(shí)的表示，以及如何大規(guī)模地獲取知識(shí)是支撐其目標(biāo)達(dá)成的關(guān)鍵技術(shù)，也是技術(shù)難點(diǎn)。而語義分析為知識(shí)的獲取和應(yīng)用提供了一種有效的方法和手段。
從企業(yè)層面講，企業(yè)開展知識(shí)工程建設(shè)旨在面向企業(yè)業(yè)務(wù)應(yīng)用需求，通過一系列以知識(shí)為對(duì)象的工程實(shí)踐達(dá)到海量信息中的知識(shí)挖掘、知識(shí)的高效組織應(yīng)用。主要包括三大要素：知識(shí)獲取、知識(shí)組織表示和知識(shí)應(yīng)用。想要獲取知識(shí)和實(shí)現(xiàn)知識(shí)的應(yīng)用，首先要知道知識(shí)長什么樣，當(dāng)前主要的知識(shí)表示形式為一個(gè)包含多種不同類型的結(jié)點(diǎn)和邊的知識(shí)圖以及圖結(jié)點(diǎn)之間的關(guān)系集合。那么如何獲得這個(gè)結(jié)點(diǎn)以及如何獲得這個(gè)邊(關(guān)系)就是知識(shí)獲取所要做的工作。
圖1 知識(shí)圖示例
當(dāng)前知識(shí)獲取主要有三種方式：非自動(dòng)知識(shí)獲取、知識(shí)抽取、機(jī)器學(xué)習(xí)知識(shí)。非自動(dòng)知識(shí)獲取常采用直接編輯知識(shí)、利用大眾智慧等手段，效率較低，無法應(yīng)用于大規(guī)模的知識(shí)獲取;完全機(jī)器學(xué)習(xí)的難度較大;知識(shí)抽取是目前最有效的方式。
所謂知識(shí)抽取，指的是通過對(duì)文本資料進(jìn)行內(nèi)容分析處理，對(duì)蘊(yùn)含于文本中的知識(shí)進(jìn)行識(shí)別、理解和篩選，抽取出每個(gè)知識(shí)點(diǎn)，并以一定的形式存入知識(shí)庫中。那么如何通過對(duì)文本資料進(jìn)行內(nèi)容分析從而達(dá)到識(shí)別并抽取出知識(shí)的目的呢?語義分析就是有效的手段和方法。
語義，又稱語意，指的是話語所包含的意義，在計(jì)算機(jī)科學(xué)領(lǐng)域，可以稱之為數(shù)據(jù)對(duì)應(yīng)現(xiàn)實(shí)世界中事物所代表概念的含義。簡單來說，語義分析的根本目的是為了讓計(jì)算機(jī)理解自然語言，一旦計(jì)算機(jī)擁有了這種能力，就可以從文本信息中識(shí)別并抽取出知識(shí)。
對(duì)于特定領(lǐng)域來說，完全句法分析和深入的語義理解一方面在技術(shù)上還達(dá)不到，而且也是沒有必要的。只要從輸入的文本中抽取關(guān)注的信息，填寫在預(yù)定義好的模板的屬性槽中，即可完成特定領(lǐng)域文本的知識(shí)抽取的第一步。
如這段文字：2005年11月1日，周杰倫發(fā)行了第六張國語專輯《十一月的蕭邦》，包含了《夜曲》、《發(fā)如雪》等十二首動(dòng)聽的歌，大家可以在專輯當(dāng)中，嗅出他潛藏的浪漫古典因子。
圖2 主體與事件抽取示例
圖2就是典型的通過主體和事件將這段文字轉(zhuǎn)化為一張圖的例子，其中主體是指某種具體事物的個(gè)體或集合體，事件是指與主體所施行的或主體被施加的動(dòng)作、過程等等。如前所說，這只是知識(shí)抽取的第一步，如果只停留在這個(gè)層面，我們只能稱之為信息抽取，而非知識(shí)抽取。將N篇這樣的文章進(jìn)行信息抽取處理，然后建立它們之間的關(guān)聯(lián)，形成一個(gè)網(wǎng)絡(luò)。以新聞為例，經(jīng)過抽取和管理，我們可以看到某個(gè)地點(diǎn)發(fā)生的各類新聞，發(fā)現(xiàn)在某個(gè)人物身上的各類新聞，甚至于可以抽取到兩個(gè)新聞之間內(nèi)在的關(guān)聯(lián)(比如這兩個(gè)新聞所述對(duì)象是某某關(guān)系)等等，而這些可以稱之為關(guān)聯(lián)類的知識(shí)。
目前，這種基于語義的半自動(dòng)抽取技術(shù)在特定產(chǎn)業(yè)領(lǐng)域商業(yè)化、工程化應(yīng)用較少，這是因?yàn)槿绻氆@得高質(zhì)量的語言分析結(jié)構(gòu)，就需要構(gòu)建面向特定領(lǐng)域的成熟語料。
北京億維訊科技有限公司依托基于語義的知識(shí)抽取技術(shù)及其知識(shí)工程平臺(tái)在石化等特定領(lǐng)域的應(yīng)用，是目前為數(shù)不多的領(lǐng)域化應(yīng)用。億維訊將“業(yè)務(wù)對(duì)象”和“業(yè)務(wù)主題”作為文本中的抽取點(diǎn)，編寫該產(chǎn)業(yè)領(lǐng)域不同知識(shí)類型的知識(shí)模板框架，在文本分析挖掘時(shí)首先進(jìn)行知識(shí)類別識(shí)別，根據(jù)類別調(diào)用相應(yīng)的框架。圖3為從億維訊知識(shí)工程軟件界面中截取的方法類知識(shí)模板，其中摘要是半自動(dòng)提取，關(guān)鍵詞、分類、業(yè)務(wù)主題、知識(shí)來源、提供者等為自動(dòng)提取。據(jù)了解，目前億維訊正在設(shè)計(jì)更加細(xì)化、具有針對(duì)性的可配置摘要，即形成摘要的模板框架。
通過將知識(shí)模板中知識(shí)的相關(guān)屬性進(jìn)行關(guān)聯(lián)，則可以構(gòu)建關(guān)于某一特定業(yè)務(wù)主題或其它屬性的知識(shí)網(wǎng)絡(luò)。
圖3 知識(shí)模板示例
將語義分析落實(shí)到大量的具體的篇章文本上，形成熟語料庫，其中包括詞匯級(jí)別的義素、語義特征的標(biāo)注、實(shí)體標(biāo)注，句子級(jí)別的語義角色標(biāo)注，還有語法句法范圍的詞性標(biāo)注、句法功能標(biāo)注等等。我們可以想象，當(dāng)大量文章(一般來說至少100萬字的量級(jí))進(jìn)行了這樣的標(biāo)注后，我們需要什么知識(shí)，就可以從中抽取出一些信息后進(jìn)行加工和關(guān)聯(lián)而得到。在未來，或者說已經(jīng)有人在做，當(dāng)標(biāo)注好的熟語料已經(jīng)達(dá)到一定量級(jí)，我們甚至可以通過機(jī)器學(xué)習(xí)的方式對(duì)其他未標(biāo)注的文章進(jìn)行自動(dòng)標(biāo)注，那么也就實(shí)現(xiàn)了自然語言計(jì)算機(jī)自動(dòng)處理的最終目標(biāo)，也就解決了知識(shí)自動(dòng)獲取的難題。
不僅如此，基于語義的知識(shí)獲取與表示因?yàn)槭怪R(shí)具有了良好定義的語法和語義，所以有充分的表達(dá)能力，能清晰的表達(dá)有關(guān)領(lǐng)域的各種知識(shí);便于有效的檢索和共享;容易管理，易于維護(hù)知識(shí)庫的完整性和一致性。而這些正是知識(shí)工程的應(yīng)有之義。因此，我們說，語義分析是知識(shí)工程建設(shè)中非常關(guān)鍵的支撐技術(shù)，是知識(shí)工程平臺(tái)的基石。
發(fā)布信息
