基于语义推理的资源可视化研究与实现刘毅1宋文2汤怡洁1周子健1.DOCVIP

基于语义推理的资源可视化研究与实现 刘毅1 宋文2 汤怡洁1 周子健1 杨锐1 1（中国科学院国家科学图书馆武汉分馆/中国科学院武汉文献情报中心 湖北 武汉 430071） 2（中国科学院国家科学图书馆，北京，100190） [摘要] 从语义推理和资源可视化两个方面入手，首先调研了国外相关技术和项目的研究现状。在理论研究的基础上，提出了语义可视化应用的设计方案，并介绍了具体的实现方法。最后，以中国科学院国家科学图书馆构建的专业领域知识应用环境（SKE）平台为例，展示了可视化实现效果。 [关键词] 语义推理，推理机，可视化 [中图分类号] G250 Research and Implementation of Resource Visualization Based On Semantic Inference Liu Yi1 Song Wen2 Tang Yijie1 Zhou Zijian1 Yang Rui1 1(Wuhan Branch of National Science Library of CAS, Wuhan, 430071, China) 2 (National Science Library of CAS, Beijing, 100190, China) [Abstract] Start from the semantic inference and resource visualization, this paper researches the related technologies and abroad projects firstly. On the basis of the theory, design and implement the semantic visualization application. Lastly, take the Subject Knowledge Environment (SKE) which developed by CAS for example, show the effect of visualization. [Keywords] Semantic Inference, Inference Engine, Visualization 引言 随着信息化社会的发展，越来越多的资源利用网络进行传播，各种电子化数字化的信息源越来越庞大。人们在对海量数据进行浏览和检索的时候，更希望了解数据之间的相互关系，而不是一个个孤立的信息点。实际上，在这些数据背后包含着大量的隐性知识，如何将这些隐性知识挖掘出来直观的展示在人们面前成为了迫切的需求。 基于语义网技术，通过知识组织体系将数据有效的组织成为知识，能够帮助机器理解知识含义并计算相互间的关联关系。语义推理是由给定的知识获得相关的隐性知识，利用相关的推理机以及人工干预设定的推理规则充分挖掘知识内在联系。在与用户交互过程中，为了使知识发现的过程和结果易于理解，知识可视化也成为人们关注的方向。 国外研究现状 相关技术研究 在语义推理方面的相关技术研究主要集中在描述逻辑、推理算法以及推理机等方面。描述逻辑[1]能够提供可判定的推理，是一种基于逻辑的知识表示形式。基于描述逻辑语言ALC的推理分为TBOX和ABOX两大类，主要支持概念蕴含推理、概念等同推理以及实例检验和一致性检验等。用于语义推理的推理算法很多，其中最为常用的算法包括Tableau算法和Rete算法。目前各种流行的推理机所使用的算法多为以Tableau算法[2-3]和Rete算法为基础的优化算法。当前已经出现了多种用于本体推理的推理机，如Racer、Pellet、FaCT++、Jena、Jess等。其中Jena作为本体存储系统带有简单的推理功能，支持基于规则的简单推理；Pellet基于Tableau算法支持OWL DL级的推理，可处理描述逻辑的本体。 在知识可视化方面，视觉表征是可视化构成的关键因素。相关研究主要是概念图、思维导图、认知地图、语义网络和思维地图几种知识可视化技术上，其中概念图可以基于相关理论形成图形化知识表征，语义网络以图形的方式解释概念及概念间的关系，形成层次网状结构。通过视觉表征来促进知识的传播和创新是知识可视化的主要研究方向之一。 相关项目研究 在语义网和知识可视化技术方面的研究，欧美一直处于全球领先地位，许多关键技术经过研究阶段，正在逐步进入实际的社会化应用。 在美国，很多大学院校以及科研院所都开展了相关方向的研究，例如美国国家科学基金会（NSF）资助的SemDis项目[4]由美国莱特州立大学、乔治亚大学和马里兰大学共同完成。这个项目主要的研究方向是通过设计、构建并验证SemDIS（Semantic Discovery，语义发现）系