分类、主题、元数据与知识本体_COMTIGER | 航 纶

分类、主题、元数据与知识本体
2007-04-02 13:33
元数据方法已成为所有描述信息的方法的总称，而本体（或知识本体）在我看来是关于元数据的元数据，或者说是关于元数据的方法论。
在这里搬出本体的老祖宗——不是最早但是得到最多公认的本体定义："本体是对概念体系的明确的、形式化、可共享的规范说明"（"An Ontology is a formal and explicit specification of a shared conceptualisation of a domain of interest" Studer 1998）。这当然是一个从技术角度给出的可操作的定义。从图书馆学是"人文科学"的角度，我们可能会更认同Gruber在1993年的定义：本体是"概念体系的规范"。对于图林比较喜欢哲学思辨的人（例如游园），推荐使用更早的定义："本体是对于存在的研究或科学"（the science or study of being，见牛津英语辞典），这个定义对于普通人好像不是信息（不含有负熵，呵呵）。
元数据是"关于数据的数据"，元数据方法是给定描述某一事物的一组属性的方法。要描述事物，必须从某个角度，提取某些属性元素。例如对"元数据方法"可以用"对象、规则、结果"三个属性进行描述，当"对象=文献，规则=MARC，结果=目录"时，"元数据方法=编目"。每件事物可以基于不同的目的，从不同角度来描述，因此可以有多套属性元素集合。每套元素集合都是关于这件事物的一种认识和看法的概念体系（规范词表），都可以看成是关于这件事物的一套领域知识，即本体。
（元元数据”本应也是一种元数据，规定元数据的属性和方法。我这里说本体是元元数据，意思是本体能够为不同的元数据方案建立联系，例如葡萄酒本体会涉及葡萄 酒（品名、类型、产地、价格、成分、适应性等）、产地（地名、经纬度、气候、土壤情况）、酒厂（名称、历史、特点等）、西餐菜肴（牛、禽、猪、羊肉、海鲜 等）、餐桌用品（杯、器皿等）、饮食文化（上菜顺序、配伍等）等不同的元数据方案，本体把这些方案都串起来了，建立起了联系，形成一整套有关葡萄酒文化的 领域知识，并可用于指导宴会安排。
应该说元数据可以看成是一种本体。本体与元数据方案的关系是比较复杂，我的说法是不太严格。而且你所说的本体可 以看成是元数据方法的一部分，我在归纳元数据方法时，的确把利用本体构建元数据方案之间的联系也考虑进去了，而考虑本体是常常不会考虑元数据方案，常常可 以认为那是缺省的。）
单纯的元数据只是属性集合的堆积，也就是一组规范词表（或用于信息描述的保留字），并没什么大用。DC能干什么？不就是十五个元素吗？所有的电子文献都用了DC，也不过是一个数据库表单。要揭示出元数据属性之间的联系、以及不同元数据方案之间的联系，就需要依靠本体了。
分 类法与主题法都是本体方法，或者说都可以看成是本体方法，因为他们都是从学科角度，对描述对象进行归纳或解构的方法。一组文献经过分类法或主题法的标引之 后，在学科空间上可以呈现出一个庞大复杂的"语义地图"，采用不同的分类、主题方法可以呈现不同的语义地图。就如同如果你要旅游，你可以用旅游地图，如果 你要看天气，你可以用气象云图一样。这些语义地图就是一个个完美的、关于一组文献集合的多角度透视本体。
广义的现代信息资源组织一般关心四个方面的问题——实际上其中大部分已经交给计算机去关心了：
1、对资源内容的处理：信息的结构化，也就是"先控"；
2、对提问的处理：提问式规范（如布尔逻辑、SQL等）、交互修正、提问分发、规范后控等；
3、对检索结果的处理：剔重、排序、可视化等（常常根据第4点来做）；
4、对用户使用习惯/知识背景(user profile)的处理：相关反馈、用户配置修正、用户本体等等。
情报检索认为，检索过程包括存储和查询两个互逆的过程，从上述4个 方面内容可以看到，现代情报检索已经呈现一种这两个过程很难分清楚的现象，广域网信息的存储过程常常不是物理过程，常常可以由机器代理（agent）通过 与信息资源相关的知识本体和与查询过程相关的用户本体进行交互（需要结合用户需求），因此在这里本体就成为一个关键的方法论。
有 语境才是信息，有关联才是知识。本体方法旨在建立信息资源之间的普遍联系，并且使这种联系"机读化"，大大拓展人类处理知识的能力。体系分类法中的体系， 主题词法中的概念关系（主要是用代属分参）都反映了知识单元之间学科属性的普遍联系，都是本体需要实现的重要内容，也是图书馆学长期知识沉淀的成果。当然 知识本体中还有更广泛、更复杂的关系，例如信息体的生命周期关系（FRBR就可以看成这样一种关系）、时空关系（GPS等地理信息系统、可以用来描述家谱文献），甚至历史上很荒谬的各种认识体系，都可以以本体的形式呈现，并用于组织其对应的领域知识。
本 体以规范的方法建立起来，资源之间的复杂联系就成为一种能够"计算"的数字模型，将全面实现信息资源组织的一种"基于知识的信息组织机制"，信息系统将以 前所未有的形态呈现。对应于大千世界，本体是无穷多的，因而这种机制还应该包括翻译、映射、参照、注册等等功能，以进行本体之间的信息交换，才能使计算机 彼此无障碍地 "听懂"彼此的语言。
下一步建立内容之间的规范联系，以XML/RDF/OWL语言编码（也就是建立大量的领域知识本体），能够使机器运算、操纵这些关系（也就是提供大量的本体工具和系统实现方法），正在成为本体研究与开发的热点。