[发明专利]一种茶学领域虚拟本体建模方法

权利要求书

1.一种茶学领域虚拟本体建模方法，其特征是本建模方法基于云计算的MapReduce框架，本方法包括1个或多个Map任务、以及一个Reduce任务；

本茶学领域虚拟本体建模方法的步骤包括：

1)先由Map任务对茶学领域本体模块进行虚拟抽取，Map任务的个数由所涉及到茶学领域本体的个数确定；Map任务开展茶学领域本体模块虚拟抽取是基于社团划分：首先根据需求对茶学领域本体进行社团抽取，将与需求联系更紧密的茶学领域本体知识划分到一个本体社团中；然后对本体社团内的知识与需求进行相关的局部性判断，获得具有非局部性的本体知识；

局部性判断的方法为：若本体中的某一概念或概念间关系的删除，不能改变用户需求的意义，则该概念或关系具有关于用户需求局部性，否则，该概念或关系具有关于用户需求的非局部性；

2)由Reduce任务对虚拟抽取出的茶学领域本体模块进行映射，最终生成茶学领域虚拟本体；

Reduce任务对茶学领域本体模块进行映射是基于茶学同义词词林的；先构建茶学同义词词林；然后以同义词词林为基础，计算虚拟抽取出的茶学领域本体模块概念间的相似度，实现茶学本体模块的映射，生成茶学虚拟本体模块；

2.1)构建茶学同义词词林的步骤包括：

步骤一：确定茶学同义词词林的收录范围；

步骤二：通过文献、书籍、网络收集茶学领域词汇；

步骤三：对收集的茶学领域词汇按词义进行分类；

步骤四：根据同义词词林编码规则，对茶学领域词汇进行编码，形成茶学同义词词林；

步骤五：邀请茶学领域专家对茶学同义词词林进行评估校正；

2.2)计算茶学领域本体模块的概念间的相似度，并设定阈值，

获得相似度大于阈值的概念对；然后对该概念对对应的茶学领域本体模块增加等价属性，即得到茶学领域本体模块的映射；

计算茶学领域本体模块概念间的相似度的方法为：

c₁和c₂是分属两个茶学领域本体模块的概念，i表示c₁和c₂编码开始出现不同的层数，N是第i层分支上结点的总数，D是c₁和c₂的在同义词词林中的距离。

2.根据权利要求1所述的建模方法，其特征是本建模方法中所涉及的茶学领域虚拟本体知识均储存在HBase数据库中，由基于HBase的茶学领域虚拟本体存储模型实现；

建立基于HBase的茶学领域虚拟本体存储模型的方法为：

RDF三元组是本体的基础结构；被表示成OWL的本体转换成RDF三元组来表示；一个RDF三元组被定义为<s,p,o>，其中：s表示主语，p表示谓语，o表示属性；s和o是本体中的概念，看做是结点；p是本体中概念间的属性，看做是结点间的连线；

建立基于HBase的茶学领域虚拟本体存储模型，是通过两个HBase表格来存储按需虚拟融合的茶学领域本体RDF三元组；两个HBase表格分别为SR_P_O表和OR_P_S表，如表1、表2所示：

表1 SR_P_O表存储结构

表2 OR_P_R表存储结构

SR_P_O表中：行键是由s和r组成的，其中：

r表示抽取茶学领域本体模块的所依据的需求；虚拟抽取出的茶学领域本体模块是一个按需所取的知识集合；在访问表格中的知识时，需要首先判断知识是否与需求相关；如果将需求作为属性放入列族，则需要进行全表扫描才能判断知识是否与需求相关；

SR_P_O表中的列族内部分成了两列，其中：

一列是Name，用于存放RDF三元组的谓语，即本体属性的名字，

另外一列是Value，用于存放RDF三元组的宾语，即本体属性的值；

s_n是本体中RDF三元组的主语，p_n是本体中RDF三元组的谓语，o_n是本体中RDF三元组的属性，r_n表示抽取茶学领域本体模块的所依据的需求。

3.根据权利要求1所述的建模方法，其特征是所述步骤2.1)中的步骤四中，同义词词林编码规则是以哈工大版的同义词词林编码规则为基础；

哈工大版本的同义词词林收录了大约七万个常用词汇，这些词汇在人民日报语料库中出现频率都不低于3；该版本共分成12个大类，94个中类，1428个小类，每个小类中又被分为若干个词群；

根据分类，同义词词林为每个词汇设置了一个8位的编码，其中第一位代表词汇所属大类，用一位大写英文字母表示；第二位表示词汇所属中类，用一位小写英文字母表示；第三位、第四位代表词汇所属小类，用两位阿拉伯数字表示；第五位代表词群，用一位小写英文字母表示；第六位、第七位代表词群中的词汇，用两位阿拉伯字母表示；第八位是标记为，用符号＝、#、@表示，符号＝表示编码表示的是一组同义词，符号#表示编码表示的是一组相关词汇，但不是同义词，符号@表示编码表示的是既不同义，又不相关的词汇。