基于本体的信息检索模型研究

第41卷　第2期2005年3月 南京大学学报(自然科学)J OURNAL OF NANJ IN G UN IV ERSIT Y (NA TURAL SCIENCES )Vol.41,No.2Mar.,2005基于本体的信息检索模型研究Ξ宋峻峰ΞΞ,张维明,肖卫东,唐九阳(国防科技大学信息系统与管理学院,长沙,410073)摘　要:　在传统的信息检索模型中,由于文档逻辑视图和用户信息需求逻辑视图不能有效地代表文档和用户信息需求,所以尽管根据逻辑视图的特点选取了合适的排序函数,但检索性能总是不能令人满意.提出基于本体的信息检索模型,使用较好的兼顾了知识表达能力和推理效率的描述逻辑来构建本体,利用tableau 算法和只含有原子角色情况下个体间的等价关系分别生成概念集和个体集的商集,从而得到具有语义的索引项集合,利用这些具有语义的索引项来生成较好地反映文档和用户信息需求语义的文档逻辑视图和用户信息需求逻辑视图;由于逻辑视图能够有效地代表文档和用户信息需求,再根据逻辑视图的特点选取合适的排序函数,从而可以使检索性能大大提高.关键词:　信息检索,本　体,语　义,描述逻辑中图分类号:　TP 391R esearch on Ontology B ased Information R etrieval ModelSong J un-Feng ,Zhang Wei-M i ng ,Xiao Wei-Dong ,Tang Ji u-Y ang(School of Information System and Management ,The National University ofDefense Technology ,Changsha ,410073,China )Abstract :　In the traditional information retrieval models ,although suitable retrieval function is chosen in terms of logical views ,the performance of information retrieval is always unsatisfiable because the logical views of documents and the logical views of user ’s information needs can not represent documents and user ’s information needs well.In this paper ,ontology -based information retrieval model is introduced ;ontology is generated using a kind of basic description logic ,which is a suitable tradeoff between expressivity of knowledge and complexity of reasoning problems.The equivalent classes of concepts can be obtained by using tableau algorithm for this kind of basic description logic ;the equivalent classes of individuals can be obtained by using equivalent relations between individuals under condition that only atomic roles exist ;so the set of semantic index terms can be acquired.The logical views of documents and user ’s information needs ,generated in terms of these semantic index terms ,can represent documents and user ’s information needs well ,so the performance of information retrieval can be improved effectively when suitable retrieval function is chosen.By using a common scenario ,the practicability of this model is explained in theory.Finally ,the related work is introduced ,and the conclusion and our future work are given.K ey w ords :　information retrieval ,ontology ,semantics ,description logicΞΞΞ通讯联系人,E -mail :sjfiscool @基金项目:国家自然科学基金(60172012),湖南省自然科学基金(03JJ Y3110)收稿日期:2004-03-14 信息检索技术的研究伴随着信息时代的到来而展开.每天,数据采集、计算机数字化、卫星遥感、生产和经济运行、办公和管理等系统产生大量的数据.我们被“淹没”在数据的海洋中,为此需要有效地从数据集中检索出信息的方法和工具.用文档来表示一个信息的单元,文本是它的一种典型的形式,但是文档也可以包含其它的媒体,例如图像、视频和音频.在这里,把文档广义地看成是包括普通文本文档、扩展的多媒体文档、多媒体数据在内的所有形式的数据单元.信息检索(IR,information retrieval)[1]就是从大量收集的文档集合中,找到与给定的用户信息需求相关的恰当数目的文档子集.机器目前还不能直接使用原始文档和用户信息需求来实现信息检索,所以从原始文档和用户信息需求出发,建立起各自的适合机器处理的逻辑视图(在本文中,逻辑视图是一组具有代表性的索引项的权值),通过计算文档的逻辑视图与用户信息需求的逻辑视图间的相似性程度,可以给文档集中的文档排序.在传统的信息检索模型中,没有具有语义特征的规范的词汇集,事先无法对文档做有意义的标记,所以抽取索引项的方法主要是从语法的角度出发———如索引项主要由名词构成,副词、连词和形容词很少作为索引项;去除非用词(文档集中出现频率很高的词);词干提取;利用词典做词的扩展等———由于它们是建立在语法分析之上,所以抽取所得的索引项表达语义的能力总是不能令人满意,从而导致文档逻辑视图不能有效代表文档;同时,由于没有具有语义特征的规范的词汇集,用户信息需求逻辑视图的形式五花八门且不准确,不能有效地代表用户信息需求.在这样的信息检索模型中,信息检索性能较差.本文首先建立起具有普遍意义的信息检索模型,指出信息检索的核心任务在于根据文档和用户信息需求的特点选取好的逻辑视图生成函数,根据逻辑视图的特点选取合适的排序函数.由于要求逻辑视图生成函数能够生成有效反映文档和用户信息需求的语义的逻辑视图,大量研究表明本体作为表达语义的基础是合适的[2～6].基于此,本文建立起基于本体的信息检索模型,使信息检索更加精确、有效.1　信息检索模型的一般定义 文档集中相同的文档应看作一个文档,用户信息需求集合中相同的用户信息需求应看作一个用户信息需求.给出信息检索模型的一般定义如下.定义1　对于一个文档集D和一组用户信息需求Q而言,选定文档逻辑视图生成函数v d、用户信息需求逻辑视图生成函数v q、排序函数R,则信息检索模型可表示为一个七元组F{D,V D,v d,Q,V Q,v q,R(v q(q l),v d (d j))};设|・|表示集合的基数,该信息检索模型具有以下特性:(1)D是文档的集合,n是正整数,|D|= n,且D中任意两个文档互不相同.(2)V D是文档逻辑视图的集合,n≥|V D|.(3)v d是一个文档逻辑视图生成函数,将文档映射成文档逻辑视图,v d∶D→V D,且v d 是满射.(4)Q是用户信息需求的集合,m是正整数,|Q|=m,且Q中任意两个用户信息需求互不相同.(5)V Q是用户信息需求逻辑视图的集合,m≥|V Q|.(6)v q是一个用户信息需求逻辑视图生成函数,将用户信息需求映射成用户信息需求逻辑视图,v q∶Q→V Q,且v q是满射.(7)v d和v q统称为逻辑视图生成函数(v d,v q).(8)q l∈Q(l∈[1,m]),d j∈D(j∈[1, n]),R(v q(q l),v d(d j))是一个排序函数,返回一个反映v q(q l)和v d(d j)相似性程度的实数.(9)设逻辑视图生成函数(v d,v q)和排序函数R取定,可根据某个用户信息需求q l给文档集D建立一个序关系σl(aσl b的含义・91・南京大学学报(自然科学)第41卷是:根据用户信息需求q l,文档a不劣于文档b),序关系满足条件:Πd j1,d j2∈D,d j1σld j2∴R(v q(q l),v d(d j1))≥R(v q(q l),v d(d j2))序关系σl包含两种情况::l(a:l b的含义是:根据用户信息需求q l,文档a优于文档b)和～l(a～l b的含义是:根据用户信息需求q l,文档a和文档b无差异),分别满足条件:Πd j1,d j2∈D,d j1:l d j2∴R(v q(q l),v d(d j1))>R(v q(q l),v d(d j2))Πd j1,d j2∈D,d j1～l d j2∴R(v q(q l),v d(d j1))=R(v q(q l),v d(d j2))定理1　设逻辑视图生成函数(v d,v q)和排序函数R取定,根据某个用户信息需求q l(l∈[1,m])给文档集D建立的序关系σl(l∈[1, m]满足:(1)自反性:Πd j∈D,d jσl d j(2)连通性:Πd j1,d j2∈D,d j1σl d j2∨d j2σl d j1(3)反对称性:Πd j1,d j2∈D,d j1σl d j2∧d j2σl d j1→d j1～l d j2(4)传递性:Πd j1,d j2,d j3∈D,d j1σld j2∧d j2σl d j3→d j1σl d j3即序关系σl是一个全序关系.证明:根据定义易证,略.由定理1可知,在逻辑视图生成函数(v d, v q)和排序函数R取定时,针对各个用户信息需求ql(l∈[1,m]),文档集D上可建立一系列相应的全序关系σl(l∈[1,m]),从而对所有文档进行排序,这些排序完全取决于(v d, v q)和R.也就是说,信息检索的核心任务在于根据文档和用户信息需求的特点选取好的逻辑视图生成函数(v d,v q),它所生成的逻辑视图要能够有效地代表文档和用户信息需求;根据逻辑视图的特点选取合适的排序函数R.在本文中,逻辑视图是一组具有代表性的索引项的权值,逻辑视图可看成空间中的点;两点间的距离越近,表示两点的差异越小,所以排序函数R 取空间中点的距离的倒数.2　基于本体的信息检索模型 在传统的信息检索模型中,没有具有语义特征的规范的词汇集,且事先没有对文档做有意义的标记,所以只能从语法的角度出发,来抽取索引项,再运用一定的项加权策略(一般用tf-idf加权策略[1])对索引项赋以权值,生成文档的逻辑视图,该逻辑视图不能有效地反映文档的语义,从而不能有效地代表文档;同时,由于缺乏具有语义特征的规范的词汇集,用户信息需求逻辑视图的形式五花八门且不准确,该逻辑视图不能有效地反映用户信息需求的语义,从而不能有效地代表用户信息需求.在这样的信息检索模型中,尽管根据逻辑视图的特点选取了合适的排序函数R(排序函数R取空间中点的距离的倒数),由于逻辑视图不能有效地代表文档和用户信息需求,所以检索性能总是不能令人满意.为了能够有效地反映用户信息需求和文档的语义,即逻辑视图生成函数生成的用户信息需求逻辑视图、文档逻辑视图能有效地代表用户信息需求、文档,本文引入本体作为表达语义的基础.领域本体是对领域概念化[4]的一个详细说明.将领域概念化抽象出来的对象、关系和类等用一个词汇集来表达,该词汇集就是领域本体.利用该词汇集,可以以一种知识表示语言写出领域的知识.通常,领域本体也可把这些知识包括进来,那么,这时的领域本体就由词汇集和知识组成.这个世界根本上只存在一个本体(本体是对世界概念化的一个详细说明,因为只有一个世界,所以只有一个本体),但实际应用中人们总是先建立起各自领域应用所需的领域本体;当需要多个领域一起协作时,将这几个领域各自的领域本体集成起来,形成关于这几个领域的领域本体.2.1　基于描述逻辑的本体构建和推理　构建本体可采用的语言多种多样,在本文中,采用描・191・　第2期宋峻峰等:基于本体的信息检索模型述逻辑来构建本体.相对于语义网(semantic networks )、框架(frame )等非基于逻辑的形式化方法而言,描述逻辑能够精确刻画语义;相对于一阶谓词逻辑推理问题的半可判定性而言,描述逻辑既具有较强的知识表达能力,又保证推理是可判定的.随着构造器的增多,可从基本的描述逻辑派生出许多适于不同场合应用的描述逻辑形式,总的来讲,构造器越多,知识表达能力越强,但推理问题的复杂度越高.设A 、B 为原子概念,C 、D 为概念描述,原子概念和概念描述都是概念,R 、S 为原子角色,a 、b 为个体,考虑到知识表达能力和推理效率的折衷,本文对所使用的描述逻辑规定如下(关于这些约束的详细说明可参见文献[7]):(1)描述语言是A LCN ,它归纳地使用原子概念和原子角色以生成概念描述.(3)设T 中只在定义右边出现的原子概念构成集合B T (base symb ols ),在定义左边出现的原子概念构成集合N T (name symb ols ).术语集T 是非循环的(acyclic ),从而可使用一个有限步的迭代过程得到T 的扩展(expansion )T ′,已经证明T 和T ′有相同的B T 和N T 、两者是等价的、两者都是确定的[7].在T ′中,只有定义,且所有定义都是形如A ≡C ′,其中C ′中只会出现集合B T 包含的符号,不会出现集合N T 包含的符号.(4)不使用角色构造器,从而只有原子角色,不会有复杂的角色;A 是一组声明(assertion )的有限集,声明包括概念声明(concept assertion ,形如C (a ))和角色声明(role assertion ,形如R (a ,b ));可将A 中概念声明所使用的概念描述C 以该概念描述的扩展C ′来替代,从而得到A ′.(5)进行推理之前,将T g 变形成T,再将T 扩展成T ′;将A 扩展成A ′.2.2　生成概念集的商集和个体集的商集　知识工程、描述逻辑等领域大量的研究成果可以指导人们正确地构造本体,本体的构造使用了某种本体语言,可以是OIL (对应的描述逻辑是SHIQ (D ))[7,13]、DAML +OIL (对应的描述逻辑是SHOIQ (D ))[7,13]、OWL Lite (对应的描述逻辑是SHIF (D ))[14]、OWL DL (对应的描述逻辑是SHOIN (D ))[14]等等,这些语言都是以描述逻辑为基础的,根据2.1节对所需要描述逻辑的描述,本文所要求的描述逻辑是这些语言的子集.基于本体的信息检索模型将利用已构造好的本体(使用2.1节中所规定的描述逻辑来构造本体),认为本体使用的词汇是合适的、包含的知识是正确的.对于文档的内容而言,名词或者一组名词最具有代表性[1],所以我们只使用本体定义的概念和个体来标记文档,而不使用本体定义的角色.・291・南京大学学报(自然科学)第41卷两个等价的概念表达同样的语义,考虑本体中所定义的概念间的等价关系(≡),利用tableau 算法,建立起概念集合的商集.定义2　设本体定义的所有概念的集合为S (concept ),根据两个概念间的等价关系(≡),利用tableau算法[7]可建立商集S (concept )/≡. 综合(1)、(2)知,A 11≡A 12.解毕!对中的任意两个概念都调用tableau 算法判断是否等价,生成一系列的等价类,从而得到概念集合的商集S (concept ) ≡.两个等价的个体表达同样的语义,考虑本体中所定义的个体间的等价关系,建立起个体集合S (individual )的商集.由于所使用的描述逻辑不考虑复杂角色,所以个体间等价官系可用一个原子角色EI 来定义.设a 、b 、c 是个体,个体间等价关系EI 满足规则如下:(1)a ∈S (individual )]EI (a ,a ).(2)a ,b ∈S (individual )∧EI (a ,b )]EI (b ,a ).(3)a ,b ,c ∈S (individual )∧EI (a ,b )∧EI (b ,c )]EI (a ,c ).定义3　设本体定义的所有个体的集合为S (individual ),利用本体中已有的关于个体间的等价关系,反复调用个体间等价关系EI 满足的3条规则,根据个体间等价关系EI ,可建立商集S (individual ) EI.2.3　基于本体的逻辑视图生成和排序　利用本体提供的、能够代表语义的、规范的词汇集,可对文档做标记,这些标记就是有语义的索引项.标记使用U R I [15]来书写,每个U R I 是一个表示本体词汇的字符串.设[X i ]∈(S (concept ) ≡∪S (individual ) EI ),X i1,X i2∈[X i ],在文档集的某个文档d j 中,根据需要表达的语义对字符串x 、y 、z (展示出来的)加上语义标记X i1、X i1、X i2(机器处理用的,不需展示出来),虽然x 、y 、z 互不相同,但在语义上看,它们是相同的,可用同一个索引项X i 来表达.表1　外观和语义的对应关系T able 1　The correspondence betw eenappearance and sem antics文档外观展示的字符串语义标记xX i 1y X i 1zX i 2・391・　第2期宋峻峰等:基于本体的信息检索模型 设(S(concept) ≡∪S(i ndivi dual) EI)={[X1],[X2],…[X t]};索引项集合可看成是{X1,X2,…X t};文档集D={d1,d2,…, d n},d j∈D(1≤j≤n),记录下各索引项X i (1≤i≤t)所在等价类[X i]中元素在文档d j 中出现的次数的总和f ij,如表2所示.根据已有的tf-idf[1]加权策略和本文所述的情况,得到下列公式:tf ij=f ijmax{f1j,f2j,…,f tj} (1)i df i=log2(nn),n i表示包含等价 类[X i]中元素的文档个数 (2)ωij=tf ij×i df i (3)表2　各索引项所在等价类中元素在文档d j中出现次数T able2　The frequency of element from equivalent class,which each index term belongs to,in document d j 索引项d1d2...d j...d n X1f11f12...f1j (1)X2f21f22...f2j (2)…………………X i f i1f i2…f ij…f in…………………X t f t1f t2…f tj…f tn 利用这些公式即可求得所有的权值ωij (i∈[1,t],j∈[1,n]),从而可得文档d j(j∈[1,n])的逻辑视图(空间中的一个点),d j (ω1j,ω2j,…,ωtj)=v d(d j);相对于在传统的信息检索模型中生成的逻辑视图,该逻辑视图较好地反映了文档的语义,能够有效地代表文档,文档逻辑视图生成函数较好.根据用户信息需求,利用具有语义的索引项集合{X1,X2,…,X t}可得到用户信息需求q 的逻辑视图(空间中的一个点),q (ω1q,ω2q,…,ωtq)=v q(q);相对于在传统的信息检索模型中生成的逻辑视图,该逻辑视图较好地反映了用户信息需求的语义,能够有效地代表用户信息需求,用户信息需求逻辑视图生成函数较好.取排序函数R(v q(q),v d(d j))= 1∑ti=1(ωiq-ωij)2,计算d j和q间的相似度,可对文档集中的文档进行排序;相对于传统的信息检索模型,由于逻辑视图能够更有效地代表文档和用户信息需求,这个排序更加合理.给出基于本体的逻辑视图生成和相似度计算过程如图1.3　关于模型实用性的验证信息检索模型之检索性能的基本评价指标是查准率P(precision)和回调率R(recall)[1,16].查准率:P=R aA(4)回调率:R=R aR(5) 其中,A为检索出的文档数目,R为所有相关的文档数目,R a为检索出的相关文档数目.信息检索模型实用性的验证一般是使用公认的测试参考文档集(如TREC、CACM、CF 等)来进行试验,比较不同模型的查准率和回调率(查准率和回调率越大,那么检索模型较好),以分析哪个模型较好.但由于目前还没有使用本体中的词汇来标记的公认的测试参考文档集,所以给出一个一般性的想定(scenario),该想定较好地反映了语义层次的信息检索与语法层次的信息检索的本质区别,即语义层次的信息检索依赖于词汇的语义而非表现形式;通过分析该想定中的查准率和回凋率,从理论上来验证本文提出的基于本体的信息检索模型的实用性. 想定　设有3个文档,文档1、文档2、文档3.文档1中有字符串x,它由本体中定义的词汇X来标记;文档2中有字符串y,它由本体中定义的词汇Y来标记(依据2.2节给出的推理算法,X和Y属于同一个等价类);文档3中・491・南京大学学报(自然科学)第41卷do表示领域本体(domain ontology),领域本体和它们间的关系构成本体(ontology),使用文中所规定的描述逻辑作为书写本体的知识表示语言;概念集和个体集的商集是(S(concept) ≡∪S(individual) EI)={[X1], [X2],[X t]}图1　基于本体的逻辑视图生成和相似度计算过程Fig.1　Ontology-b ased logical view production and similarity calculation有字符串x,它由本体中定义的词汇Z来标记.用户信息需求x,它由本体中定义的词汇X来标记.根据该想定,我们知道,实际上与用户信息需求相关的是文档1和文档2. 分析　按照传统的信息检索模型,只能基于语法层次来进行检索,根据用户信息需求x,返回文档1和文档3,此时的查准率是0.5,回调率是0.5.按照本文的基于本体的信息检索模型,可以基于语义层次来进行检索,根据用户信息需求x的语义标记X,返回文档1和文档2,此时的查准率是1,回调率是1.可见,由于基于本体的信息检索模型利用了本体中定义的词汇,从而实现了语义层次的检索所以较传统的信息检索模型更为优越.4　相关研究工作信息检索模型和本体技术在信息检索中的应用是目前信息检索领域的热点之一,因此国内外众多科研人员在这一领域进行了一定的探索.文献[1]和[17]中给出了3种传统的信息检索模型:布尔模型、矢量模型、概率模型.布尔模型是三者中最不实用的,矢量模型和概率模型哪个更优越,目前还存在争论.从这3种传统的信息检索模型出发,有许多变种,如基于布尔模型的变种[17]:模糊集合模型、扩展布尔模型,基于矢量模型的变种[17]:通用矢量空间模型、潜在语义索引模型、神经网络模型,基于概率模型的变种[17]:推理网模型、可信网模型.在这些模型及其变种中,现在居于主导地位的是传统的矢量模型.总的来看,这些模型及其变种都是语法层次的信息检索模型.・591・　第2期宋峻峰等:基于本体的信息检索模型文献[18]介绍了信息检索系统的结构(robot,搜索引擎,索引数据库,查询服务等4个部分),信息检索系统的分类(检索工具站点和检索服务站点),信息搜寻的基本原理,信息检索模型(布尔模型,概率模型等),其它的检索技术(push技术,mobile agent技术等),对WWW上的信息检索做了比较全面的介绍,为在WWW上开展信息检索提供了基础知识.这是语法层次的信息检索模型在WWW上的应用.A T&T建立的FindUR系统[7]是一个应用了本体技术的信息检索系统.通过使用描述逻辑系统CLASSIC[19]规定的描述逻辑语法来表达Wordnet[20]中定义的词汇间的同义/上义/下义关系,得到简单的背景知识(这就是FindUR系统使用的本体);可调用CLASSIC 推理系统来完成推理任务,得到某个词汇的同义词集合、上义词集合、下义词集合,对查询输入的词汇使用该词汇的同义词集合和下义词集合来扩展,从而可以实现查询扩展.但该系统从本质上讲仍然是基于语法的,因为它并没有使用本体中的词汇去标记文档,只是强调利用本体来实现查询扩展,而查询输入的词汇本身也并非是依据本体中的词汇来书写的.中科院计算所智能信息处理开放研究实验室建立的基于本体论和多主体的信息检索服务器[21]是一种利用多智能主体和本体理论设计的信息检索服务器,集成了界面主体、预处理主体、管理主体、信息处理主体和具有移动性的信息搜集主体,并利用本体对文档进行领域分类,同时对用户的查询信息进行规范.文献[22]介绍了一个基于本体的信息检索主体M EL ISA,用于在医疗专业领域检索参考文献.但这两项研究都没有使用形式化的本体语言来建立本体,没有考虑本体的推理问题,这导致难以具体实现本体并以之为基础进行推理,对本体的应用还是很粗略的.与上述研究相比,本文提出的基于本体的信息检索模型采用了2.1节所规定的描述逻辑作为构造本体的本体语言,可以使用基本tableau算法和2.2节中提供的生成个体等价类的方法来生成概念和个体的等价类,使用本体中定义的词汇来标记文档,生成基于本体的文档逻辑视图和用户信息需求逻辑视图,从而可以实现语义层次的检索,使检索性能大大改善.5　结论和展望与传统的信息检索模型相比较,基于本体的信息检索模型具有较好的逻辑视图生成函数,生成的逻辑视图能更有效地代表文档和用户信息需求,从而使得排序函数生成的关于文档集中文档的排序更加合理.在本文中,只考虑了概念间和个体间的等价关系,忽略了本体所能提供的许多有用的关系,如概念间的包含关系、概念间的不相交关系、个体与概念间的成员关系等;同时为了保证推理的效率,对本体的构建采用的是较简单的描述逻辑,知识表达能力较弱.对于如何在较复杂的关系下实现更有效的信息检索、如何在较强的描述逻辑下保证推理的效率等问题有待于进一步研究.R eferences[1]　Li G H,Tang D Q,Wu D rmation organi2zation and retrieval.Beijing:Science Press,2003,1～106.(李国辉,汤大权,武德峰.信息组织与检索.北京:科学出版社,2003,1～106). [2]　Gruber T R.A translation approach to portableontologies.Knowledge Acquisition,1993,5(2):199～220.[3]　Stuart R,Peter N.Artificial intelligence:A modernapproach.Beijing:Pearson Education North AsiaLimited and People’S Posts and Telecommunica2tions Press,2002,229～231.[4]　Nilsson N J.Artificial intelligence:A new synthe2sis.Beijing:China Machine Press and MorganK aufmann Publishers,Inc,1999,215～316. [5]　Xu Z N.Research of representation and process ofsemantic information of web data based on ontolo2・691・南京大学学报(自然科学)第41卷gy.Ph.D Thesis.National University of DefenseTechnology,2002.(徐振宁.基于本体的Web数据语义信息的表示与处理方法研究.博士学位论文.国防科技大学,2002.)[6]　Gruber T R.Towards principles for the design ofontologies used for knowledge sharing.Internation2al Journal of Human-Computer Studies,1995,907～928.[7]　Franz B,Deborah Mc G,Daniele N,et al.Thedescription logic handbook:Theory,implementa2tion and applications.Cambridge,U K:CambridgeUniversity Press,2003,1～100,436～459. [8]　Baader F,Hanschke P.A scheme for integratingconcrete domains into concept languages.Proceed2ings of I J CAI-91,1991:452～457.[9]　Baader F,Sattler U.Description logics with aggre2gates and concrete rmation Systems,2003,28(8):979～1004.[10]　Horrocks I,Sattler U,Tobies S.Practical reason2ing for expressive description logics.G anzinger H,McAllester D,Voronkov A.Proceedings ofL PAR’99,number1705in LNAI,S pringer-Verlag,1999:161～180.[11]　Horrocks I,Sattler U,Tobies S.Practical reason2ing for very expressive description logics.LogicJournal of the IGPL,2000,8(3):239～264. [12]　Horrocks I,Sattler U.Ontology reasoning in theSHOQ(D)description logic.Proceedings I J CAI-01,2001:199～204.[13]　Horrocks I.DAML+OIL:A description logic forthe semantic web.Bullition of the IEEE ComputerS ociety Technical Committee on Data Engineer2ing,2002,25(1):4～9.[14]　Horrocks I,Peter F.Patel-Schneider.ReducingOWL entailment to description logic satisfiability.Proceedinys of the2003International SemanticWeb Conference(ISWC2003),number2870inLecture Notes in Computer Science,Springer,2003:17～29.[15]　W3C.Naming and Addressing:URIs,URLs,…/Addressing/,2003-10-23.[16]　S ong J F,Li G H.Analysis and improvement onevaluation of information retrieval algorithm.Mini-Micro Systems,2003,24(10):1800～1803.(宋峻峰,李国辉.信息检索算法评价指标的分析与改进.小型微型计算机系统,2003,24(10):1800～1803).[17]　Ricardo Baeza-Y ates.Mordern information retrieval.Addison Wesley Longman PublishingCo.Inc,1999,1～97.[18]　Zhao Y W,Wang H Z,Li Z D.A survey ofinformation retrieval on the World Wide Web.Journal of Nanjing University(Natural Sciences),2001,37(2):193～198.(赵一唯,王和珍,李振东.WWW信息检索综述.南京大学学报(自然科学),2001,37(2):193～198).[19]　Ronald J,Brachman D L,Mc Guinness P F,etal.Living with CLASSIC:When and how to usea K L-ON E-like language.Principles of SemanticNetworks.Los Altos:Morgan K aufmann,1991,401～456.[20]　G eorge A M.WordNet:A lexical database formunications of the ACM,1995,38(11):39～41.[21]　Wu C G,Jiao W P,Tian Q J et al.An informa2tion retrieval server based on ontology and multi-agent.Journal of computer research and develop2ment,2001,38(6):641～647.(武成岗,焦文品,田启家等.基于本体论和多主体的信息检索服务器,计算机研究与发展,2001,38(6):641～647).[22]　Abasolo J M,Gmez M.MEL ISA:An ontology-based agent for information retrieval in medicine.Proceedings of the First International Workshopon the Semantic Web(SemWeb2000).Lisbon,Portugal,2000:73～82.・791・　第2期宋峻峰等:基于本体的信息检索模型。