基于本体的企业搜索引擎研究

《工业控制计算机｝２０１２年第２５卷第２期　９１　基于本体的企业搜索引擎研究　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｅｎｔｅｒｐｒｉｓｅ　Ｓｅａｒｃｈ　Ｅｎｇｉｎｅ　Ｂａｓｅｄ　ｏｎ　Ｏｎｔｏｌｏｇｙ　王文娟　何利力　廖化生　（浙江理工大学信息电子学院，浙江杭州３１００１８）　摘　要　随着企业的发展以及企业信息化建设的推进，Ｉｎｔｅｒｎｅｔ技术在越来越多的企业中得到应用，企业内部信息量以惊人的　速度增长。面对企业内部海量信息，传统的搜索引擎无法满足企业用户对企业信息的检索需求，因此企业级的搜索引擎成　为迫切需求。对传统的搜索引擎和本体知识进行学习，设计了一个基于本体的企业级搜索引擎系统模型。该设计运用本体　知识，对检索关键词进行语义扩展，对检索结果进行语义相似性判断，最终实现搜索结果更加精确。　关键词：企业，搜索引擎，本体，检索　Ａｂｓｔｒａｃｔ　Ｔｈｉｓ　ｐａｐｅｒ　ｉｎｔｒｏｄｕｃｅｓ　ｔｒａｄｉｔｉｏｎａｌ　Ｓｅａｒｃｈ　Ｅｎｇｉｎｅ　ａｎｄ　ｏｎｔｏｌｏｇｙ　ａｒｅ　ｓｔｕｄｉｅｄ．Ａ　ｍｏｄｅｌ　ｏｆ　Ｅｎｔｅｒｐｒｉｓｅ　Ｓｅａｒｃｈ　Ｅｎｇｉｎｅ　Ｂａｓｅｄ　ｏｎ　Ｏｎｔｏｌｏｇｙ．Ｔｈｅ　ｄｅｓｉｇｎ　ｕｓｅｓ　ｏｎｔｏｌｏｇｙ　ａｎｄ　ｍａｋｅｓ　ｓｅｍａｎｔｉｃ　ｅ￣ｅｎｓｉｏｎ　ｏｆ　ｋｅｙｗｏｒｄｓ．Ｓｅｍａｎｔｉｃ　ｓｉｍｉｌａｒｉｔｙ　ｊｕｄｇｍｅｎｔ　ｏｆ　ｓｅａｒｃｈ　ｒｅｓｕｌｔｓ　ｉｓ　ｍａｄｅ　ｔｏ　ｍａｋｅ　ｔｈｅ　ｓｅａｒｃｈ　ｒｅｓｕｌｔｓ　ｍｏｒｅ　ｐｒｅｃｉｓｅ．　Ｋｅｙｗｏｒｄｓ：ｅｎｔｅｒｐｒｉｓｅ．ｓｅａｒｃｈ　ｅｎｇｉｎｅ．ｏｎｔｏｌｏｇｙ，ｒｅｔｒｉｅｖａｌ　

随着Ｉｎｔｅｒｎｅｔ的普及与企业信息化步伐的不断加快，在企　业信息化的发展趋势下，越来越多的企业广泛地应用Ｉｎｔｅｒｎｅｔ　技术实现数据共享、业务集成与信息发布，信息内容也正在以惊　人的速度增加。包括文件、图片、多媒体等非结构化数据存放在　企业内计算机系统中的各个角落，内部业务系统有大量的结构　化数据，报表与业务功能，有时候要找到它们如同大海捞针，如　果不及时解决这个问题，很多原来有价值的信息无法得到企业　的有效利用。　企业搜索引擎正是为了适应这种需求而诞生的，它简化了　用户在企业内部网上检索信息的操作，深入整合挖掘企业内部　网络资源和信息资源优势，提供智能化搜索服务，为用户提供真　正有价值的信息。传统的搜索引擎在查全率和查准率以及查询　效率上都不够理想，因此，本文将传统的搜索引擎与企业搜索引　擎需求相结合，并将本体知识应用其中，提出基于本体的企业级　搜索引擎系统模型。　１企业搜索引擎系统　１．１互联网搜索引擎体系　传统的搜索引擎由五个部分组成Ⅲ，分别是搜索器（网络爬　虫）、分析器、索引器、检索器和用户接口，如图１所示。　冈特　一［　一匣　图１　传统搜索引擎系统一般架构　搜索器：即网络爬虫，是一个不停运行的计算机程序，主要　功能是在互联网中漫游，尽可能多的发现和搜集信息。　分析器：分析器的工作是对网络爬虫爬取到的网页信息进　行分析，通过切分文档正文得到索引词，建立索引。文档分析技　术一般包括：分词（语句分割或抽词）、过滤（滤掉停用词）、转换　（去除词缀，同义词转换）。　索引器：索引器的功能是对提取索引项，建立索引表。　检索器：检索器用于从索引库中检索出用户所需要的文档，　将文档与检索词进行相关度评价，对检索结果进行排序。　用户接口：用户接口的作用是输入用户查询、显示查询结　果、提供用户相关性反馈机制。主要的目的是方便用户使用搜索　引擎，高效率、多方式地从搜索引擎中得到有效、及时的信息。　１－２企业搜索引擎与互联网搜索引擎的区别　互联网搜索引擎是当今人们每天查询信息必不可少的工　具，已为人们所熟练使用，相对来说，企业搜索引擎对人们来说　则很陌生。企业搜索引擎与传统的互联网搜索引擎有所不同，主　要区别　体现在：传统互联网搜索引擎系统以Ｈ丌Ｐ传输协议　为主，检索资源主要是ＨＴＭＬ和一些特殊格式的文档，搜索引擎　和被采集的信息没有标准约束。传统的搜索引擎系统有很广的　信息采集面，深度不够，它采取的是广度优先采集策略。数据更　新较慢，周期较长，查全率和查准率不高　］，信息公开，不存在隐　私与安全问题。而企业搜索引擎它应从该行业用户对行业文档　搜索的实际需要出发，重点实现数据的实时性、搜索的快速性和　功能的强大性。　企业搜索以主动方式为主进行信息采集，办公文档、客户关　系管理系统、知识管理系统和ＥＲＰ系统等信息资源可以提供约　定的接口，方便企业搜索引擎进行信息采集；因为企业搜索需要　深入挖掘与企业相关的所有信息，因此采用深度优先的采集策　略更佳，同时由于某些行业网站或数据库的信息是动态更新的，　而且更新频率很高，需要更频繁的抓取这些信息，如企业数据　库、供求信息等，所以企业搜索需要对这些网站和数据库设置更　高的优先级。　从信息检索过程进行对比，企业搜索引擎检索方式多样，除　了提供结构化信息的检索，也可以根据自然语言进行搜索，如搜　基于本体的企业搜索引擎研究　索朋友信息时可以按照固定的格式输入姓名、籍贯、出生年月、　毕业院校，也可以直接输入籍贯姓名毕业院校等信息，再由搜索　引擎进行语义分析提炼出关键词进行搜索。从检索结果的排序　方式对比，传统搜索引擎搜索主要通过ＰａｇｅＲａｎｋ　Ｅ　算法来实　现，典型的代表谷歌；而企业搜索大多通过检索条件与被检索内　容的相关度来进行排序。　１．３企业搜索引擎需求　面向企业的搜索引擎与传统的互联网搜索引擎有所不同，　它更侧重与从企业用户对企业内部文档搜索的实际需要出发，　重点实现数据的实时性、搜索的快速性和功能的强大性。　从对企业搜索引擎需要检索的内容看，它不仅包含互联网　中网页信息，也包括企业内部各种文档（ｏｆｆｉｃｅ文档、ｐｄｆ文档、　文件系统、电子邮件等）分类和索引。因此企业级的搜索引擎系　统应由三部分组成，一是互联网信息的抓取、索引和检索；二是　企业内部各种格式文档的分类和索引；三是对数据库的索引和　检索。　２本体　２．１本体概述　本体论（ｏｎｔｏｌｏｇｙ）ｒ　最初是一个哲学概念，指关于存在及其　本质和规律的学说，后被用于研究实体存在性和实体存在的本　质等方面的通用理论。计算机领域借用本体论，把现实世界中的　某个领域抽象或概括成一组概念并定义概念之间的关系，构造　出这个领域的本体。Ｇｒｕｂｅｒ在１９９３年对本体进行了定义，其后　也有其他学者对本体进行了定义。本体是对共享的概念化进行　形式的显示规范说明，这个定义包含了四层含义：“概念化”是对　现实世界中现象进行抽象得到的模型；“显示”指要明确定义所　使用的概念的类型以及使用这些概念的约束；“形式”是指本体　是计算机可读的；“共享”指本体是绝大多数人都可认可的知识，　是某领域被公共认可的。　２．２本体描述　ＲＤＦ５ｊ是一个处理元数据的ＸＭＬ应用，是基于对象、属性和　数值定义的Ｗｅｂ元素标准，ＲＤＦ模式则通过对ＲＤＦ进行扩展，　能够进一步定义概念、属性及概念间的关系。ＲＤＦ和ＲＤＦ模式是　语义Ｗｅｂ领域最先采用的用于描述本体的语言。ＲＤＦ模式对关　系的定义局限在继承关系，已不能满足不断提升的应用要求。欧　盟信息社会技术项目资助开发了ＯｌＬ语言，它是在ＲＤＦ模式基　础上扩展的本体建模语言，允许Ｗｅｂ资源之间语义互用。之后，　美国开发的ＤＡＭＬＬ５　语言以及将其与ＯｌＬ语言相结合的ＤＡＭＬ＋　ＯｌＬ语言，它成为了Ｗ３Ｃ网络本体工作组的新起点。人们在　ＤＡＭＬ＋ＯＩＬ的基础上又定义了全新本体建模语言ＯＷＬ　ｒ　，２００４　年，Ｗ３Ｃ正式宣布ＯＷＬ成为Ｗｅｂ本体语言的标准。为满足不　同的应用范围，Ｗ３Ｃ将ＯＷＬ定义为三个不同的子语言，即　ＯＷＬ—Ｌｉｔｅ、０ＷＬＤＡＬ、ＯＷＬ—Ｆｕｌｌ，每个子语言可实现不兼容需　求的不同方面。　２．３本体应用　随着信息技术的迅猛发展以及人们对本体的研究范围的不　断扩大，本体应用的研究范围也在不断扩大，例如知识工程领　域、软件工程、信息检索、入侵检测等诸多领域。在信息检索系　统、数字图书馆、异构信息源的组成以及Ｉｎｔｅｒｎｅｔ搜索引擎中，　领域本体起到了组织信息并指导搜索过程的作用。　３基于本体的企业搜索引擎系统模型　本文对传统搜索引擎系统进行了研究，对本体知识进行了　学习。在传统搜索引擎系统基础上，结合现代企业用户的需求，　提出了基于本体的企业搜索引擎系统模型，如图２所示。　

图２基于本体的企业搜索引擎系统模型　如图所示，与传统搜索引擎系统架构相比，企业搜索引擎总　体信息检索流程与之是一致的，不同之处在于，该模型新增了对　数据库和企业内部信息的检索模块，以及企业专业词汇本体库　管理模块。　其中，本体知识的运用主要体现在两个方面，一方面在关键　词预处理的模块中，系统利用领域本体来实现查询关键词的语　义扩展，通过对本体的查询，对关键词进行同义词扩展后再进行　查询，还通过本体概念间的上下位关系找出查询关键词的子概　念，提供给用户进行再搜索；另一方面，在对搜索结果进行预处　理时，通过本体库来实现语义ｒ　相似性的判断，从而使搜索结果　更加精确。　４结束语　在现代信息化的社会力，企业内部信息量急速增长。用户在　信息的海洋里查找自己所需信息，如同大海捞针。企业级的搜索　引擎是针对企业用户所设计，可以帮助企业用户快速的、高效的　检索到有用信息。在未来，企业搜索引擎将成为企业用户非常高　效的信息检索工具，其企业搜索引擎系统进行研究具有深远意　义。　

参考文献　［１］张朝斌．企业级搜索引擎的优化设计与实现［Ｄ］．广州：华南理工大　学．２０１０　［２］李春燕．企业信息垂直搜索引擎的研究与实现［Ｄ］．北京：中国地质大　学，２０１０　［３］赵杰．搜索引擎技术［Ｍ］哈尔滨：哈尔滨工程大学出版社，２００７　［４］刘青伟搜索引擎中Ｐａｇｅｒａｎｋ排序算法研究分析［Ｄ］．成都：电子科　技大学，２０１０　［５］程显毅，刘一松，晏立．面向智能体的知识工程［Ｍ］．北京：科学出版　社，２００８　［６］刘延章，马红，等．面向网络信息：数据库与搜索引擎［Ｍ］西安：西北　工业大学出版社，２００７　［７］林培光，康海燕．面向Ｗｅｂ的个性化语义信息检索技术［Ｍ］．北京：中　国财政经济出版社，２００９　［收稿日期：２０１１．９．２１］