信息资源网络模型与应用
2010-5
南京大学出版社
王昊
351
385000
本书的主题是利用本体技术构建学术资源网络模型，这是一项颇具挑战的工作，它突破了传统的学术资源关联结构，把语义网技术用于构建学术资源，使学术资源发挥了更大的功效。过去我们对学术资源的分析往往仅限于文献间的联系，很难将作者、机构、主题、学科、期刊、论文、图书以及研究热点等学术资源构成多维、复杂的知识网络来综合考察学术资源，但本体技术可以做到这一点，本书正是利用这一技术构建了学术资源语义网络，并借助于这个网络进行了学术影响分析，还进行了针对学术资源的语义检索探索。可见其研究成果对相关领域有很大的参考借鉴价值。
第1章 引言 1.1 语义网和本体 1.2 本体在信息服务中的应用概述 1.3 基于本体的学术资源网络模型研究 1.4 信息资源网络模型的实现第2章 本体机制研究概述 2.1 本体基础理论 2.1.1 语义网中的本体 2.1.2 本体的定义及其建模元语 2.1.3 本体的类型 2.1.4 本体描述逻辑和描述语言 2.1.5 叙词表、元数据和本体 2.2 本体构建方法和技术 2.2.1 本体构建的指导原则 2.2.2 本体构建方法 2.2.3 本体构建技术 2.2.4 本体构建工具 2.2.5 本体学习系统 2.2.6 本体案例分析 2.3 本章小结第3章 CSSCI学术资源本体的系统建模 3.1 CSSCI学术资源服务现状 3.1.1 CSSCI数据现状 3.1.2 CSSCI信息检索服务现状 3.1.3 CSSCI引文分析服务现状 3.2 CSSCI本体的研究框架 3.2.1 CSSCI本体构建及应用框架 3.2.2 CSSCI来源数据基本情况 3.2.3 CSSCI_Onto的特点 3.3 CSSCI本体的建模体系 3.3.1 CSSCI本体构建方法 3.3.2 CSSCI本体构建模型 3.3.3 CSSCI本体构建过程 3.4 本章小结第4章 CSSCI_Onto概念模型的构建和描述 4.1 CSSCI本体的概念抽取 4.1.1 CSSCI_Onto主要学术概念的抽取 4.1.2 概念层次结构的建立 4.2 CSSCI_Onto概念属性的定义 4.2.1 概念属性的定义 4.2.2 实例属性值的获取 4.3 CSSCI_Onto概念模型的描述 4.3.1 CSSCI_Onto概念模型的描述工具 4.3.2 CSSCI_Onto的OWL描述 4.3.3 CSSCI_Onto的图形化展示 4.3.4 基于Racer推理机的逻辑检测 4.4 本章小结第5章 CSSCI_Onto的语义标注研究 5.1 基于标准加权的语义关联解析 5.1.1 主题概念间关联分析 5.1.2 来源文献概念间关联解析 5.1.3 来源期刊概念间关联解析 5.1.4 学科概念间关联解析 5.1.5 来源作者概念间关联解析 5.1.6 部门概念间关联解析 5.2 基于TF-IDF的概念属性设置 5.2.1 主题与其他类型概念间关联分析 5.2.2 基于TF-IDF的关联属性设置 5.2.3 基于数理统计的概念属性设置 5.3 CSSCI学术资源本体集成 5.3.1 主题本体的建立 5.3.2 来源文献本体的建立 5.3.3 CSSCI学术资源本体集成 5.4 CSSCI_Onto实例的存储和评价 5.4.1 CSSCI_Onto实例的存储 5.4.2 CSSCI_Onto的评价方法 5.5 本章小结第6章 基于CSSCI_Onto的知识检索服务平台 6.1 知识检索服务平台的设计 6.1.1 基于本体的信息检索系统的一般模型 6.1.2 知识检索服务平台的功能定义 6.1.3 知识检索服务平台的系统框架 6.2 基于语义关联的学术知识推荐 6.2.1 检索表达式的语义扩展 6.2.2 检索结果的语义推荐 6.3 基于本体的知识检索服务 6.3.1 基于本体的知识导航式检索 6.3.2 基于本体的知识关系检索 6.4 本章小结第7章 基于CSSCI_Onto的引文分析研究 7.1 基于本体统计属性的学术影响分析 7.1.1 期刊的学术影响分析 7.1.2 学者的学术影响分析 7.1.3 机构学术影响分析 7.1.4 地区学术影响分析 7.1.5 论著及基金资助论文的学术影响分析 7.2 基于本体的学术资源关联分析 7.2.1 学科关联分析 7.2.2 期刊关联分析 7.2.3 学者关联分析 7.2.4 部门关联分析 7.3 基于本体的学科热点分析 7.3.1 基于高频主题的学科热点分析 7.3.2 基于实体影响力的学科热点分析 7.3.3 跨学科热点分析 7.3.4 基于主题的关联对象推荐 7.4 基于本体的研究趋势分析 7.4.1 研究主题的趋势分析 7.4.2 学者研究的趋势分析 7.4.3 学科热点的趋势分析 7.5 本章小结第8章 学术资源网络模型的内涵及展望 8.1 学术资源网络模型的内涵 8.2 学术资源网络模型研究展望附录参考文献索引
（2）关于语义信息检索研究现状 语义信息检索是在基于关键字词语匹配的传统信息检索无法满足用户需要的情况下提出来的，是智能信息检索的一个发展阶段。关于语义信息检索的研究，目前主要集中在四个方面：基于自然语义处理技术的语义检索，主要是通过对自然语言的分析来达到改善检索效果的目的；基于概念的语义检索则以用户检索词表达的概念为依据，应用该词的同义词、反义词、广义词以及狭义词同时进行检索，达到扩检、缩检的目的；基于潜在语义索引（Latent Semantic Indexing，简称LSI）方法的语义检索；基于本体的语义检索，目前国外已经开发并投入使用的基于本体的语义信息检索系统如FindUR，KIM平台②等。实践证明，基于本体的语义检索系统更能够表达语义，它可利用实例间语义关联达到快速、准确、有效地搜索知识的目的。 （3）关于引文分析研究现状 目前引文分析主要采用基于普通数据库的数理统计方法，能够获得的只是对象之间的简单直接关联；或者采用基于数据仓库的数据挖掘技术进行引文分析，即将引文数据库转化为数据仓库，采用数据挖掘技术（如关联规则挖掘、聚类分析等）发现数据仓库中隐藏的对象之间深层次关联，基于数据仓库的引文分析现在还处于实验室研究阶段。无论是数理统计分析还是数据仓库分析，它们面向结构的数据环境使得引文分析多停留在平面分析的层次上。另外，根据分析需要准备数据基础，使得数据被局限在分析需求的框架内，无法进行扩展分析。基于本体的思想进行引文数据组织，将原有面向结构的数据环境转化为面向对象的数据结构，从资源属性出发探讨资源关系，由数据驱动分析，可以得到更多具有价值的分析结论，而这些结论有可能是分析者根本想不到的。基于本体的引文分析充分利，用对象间复杂关系的数据基础，能够达到立体、全面分析的效果。目前学术界还没有学者尝试通过构建本体进行引文分析。
