工信部领域知识服务平台分类标准体系及主题词表研究应用.doc

工信部领域知识服务平台分类体系及主题词表研究
1. 研究目的
工信行业涵盖了了所有第二产业和第三产业，占国内国内生产总值80%以上，如何更好为这个行业提供高档知识化服务是增进工业和信息化产业发展重要任务。本课题旨在从工业和信息化行业需求出发，觉得细分行业提供专业知识服务为核心，研究和探讨如何建设面向行业顾客、服务工业和信息化实业发展一种全新知识服务平台为重要研究目。
2. 研究内容
知识服务是指从各种显性和隐性知识资源中按照人们需要有针对性地提炼知识，依照顾客对内容需求来提供信息服务。构建工信领域知识服务平台除了需要大量资源汇集，同步还要与之匹配有关知识体系作为知识组织根据。知识体系构建是实现知识服务平台核心，知识体系构建重要通过建立领域分类和相应领域主题词表方式，领域分类对于本次研究来说将重点以面向行业顾客需求为主，工信部自成立整合了国内大某些工业产业部门，国内尚未建立专门面向工信行业分类原则和主题词表，因而这将是本次研究核心内容。
在实现知识服务过程中，老式上咱们普通在知识服务系统中运用主题分类词表实现信息检索、知识索引、学科导航等服务。但是随着智能化技术和语义服务发展，在知识服务体系中引入了“本体”概念，Neches（　Neches R，Fikes R E ,Gruber T R .Enabling Technology for Knowledge Sharing .AIM agazine，1991 ）等人对本体定义为“给出构成有关领域词汇基本术语和关系，以及运用这些术语和关系构成规定这些词汇外延规则定义”。本体作为一种能在语义和知识层次上描述概念体系有效工具，与规范化词表如:主题词表、叙词表有着很大相似之处。特别是随着智能化应用，本体事实上起到了将知识体系模型化、实例化作用，它可以以计算机可用方式进行描述。对于特定领域本体构建，国内外学者已有了某些研究，比较成熟做法是在主题词表基本上开发本体，或者将其转化为本体模型。因而以拟定领域分类和主题词表为基本建立相应本体模型，是构建工信部领域知识服务平台一种有效办法。综上所述本次研究重要内容可归纳为如下三个方面：
1) 依照行业需求建立工信领域分类体系及主题词表；
2) 在分类体系和主题词表构建完毕基本上，开展领域内本体构建研究。
3) 实践性研究，选用一种特定细分行业进行本体模型创立，采用RDF资源描述语言对其本体模型进行描述，或直接开发成可供知识服务平台使用OWL本体模型。
3. 核心问题
随着工业和信息化技术发展，不同行业对于学科交叉融合知识需求越来越多，基于行业需求知识服务需求也越来趋于复杂化、行业精细化。国内当前开发主题词表大体可以分为综合性主题词表和行业主题词表。综合性主题词表如《中华人民共和国分类主题词表》。行业性主题词表有诸多，表1 罗列了国内既有近70个行业主题词表。《中华人民共和国分类主题词表》是一某些类法——叙词表对照索引式一体化检索语言，它涉及了分类法类目52992个，主题词110837条，其中涉及了哲学、社会科学、自然科学、工程技术等各个领域学科和主题概念。这个综合性主题词表涵盖了工信领域大某些行业知识概念，可作为咱们建立工信领域主题词表基本。但是由于中华人民共和国分类主题词表是基于《中图分类法》和《汉语主题词表》基本上通过整合和映射形成一体化主题分类词表，从类目划分上看与行业顾客有一定差别，特别是对于行业分工细化、行业知识学科交叉化问题，《中图分类法》是不能完全与之相应。而行业性主题词表则比较集中地反映了某一种行业主题词。工信领域行业范畴较为广泛，也无法选取某一种行业主题词表与之相应。基于以上现状，建立工信领域分类体系及主题词表需要解决如下核心问题：
1） 工信领域分类体系建设
一方面需要依照国内行业原则分类（参照《国民经济行业分类》）建立工信领域行业分类体系。建立此体系，可参照《中华人民共和国分类主题词表》下与工信领域知识有关学科分类体系，调研国内已经建立其她行业分类体系和分类方式，综合工信部所包括各个行业应用需求，形成一种较为完整工信领域行业分类原则。分类体系建设时形成面向行业化服务基本，在分类体系建设中需要充分考虑三级如下细分行业类目分类方式，例如依照机构名称、依照应用分类等。
2） 工信领域主题词表建设
主题词表建设可采用两种方式：一种是基于既有主题词表整合，一种是基于据采集和记录算法自动构建领域概念层次构造，抽取热点词汇，并在领域专家指引下补充原有主题词。第一种方式可基于《中华人民共和国分类主题词表》和行业主题词表中与工信领域有关所有主题词进行抽取整合，这种方式较为以便，精确性高，但是随着领域发展，各个行业都也许有诸多新词，对于新兴产业特别是跨领域交叉产业很也许会漏掉许多重要主题词。第二种方式记录构建算法诸多，可以采用自动化方式形成领域概念层次构造，辅助专家拟定词间属种关系，但是第二种方式容易忽视了低频领域词汇。因而需要同步采用两种办法互为补充。
3） 工信领域分类体系和主题词表一体化
一体化是知识体系构建将为后来智能化知识服务奠定基本，因而可作为本次研究之后扩展性研究。本次研究面向是行业顾客，因此其领域分类体系是基于国民经济行业分类原则来建立。而对于知识服务来说，行业顾客所关注也不但限于本行业知识，还包括所属学科体系下有关知识，因而分类体系和主题词表映射将存在诸多学科分类体系和行业分类体系主题词交叉，如何建立分类和主题词之间参照映射关系是本次研究难点。
4） 领域本体构建办法研究
本体构建因系统和领域不同而异。国外常用几种构建本体办法有：a.IDEF5 法(用于描述和获取公司本体办法)； b. TOVE 法(是指多伦多虚拟公司，专用于构建关于公司建模过程知识本体)；c. METHONTOLOGY法(专门用于化学领域本体构建)； d.骨架法(专门用于构建公司本体，也是关于公司建模过程中知识本体开发)； e. KACTUS工程法(是针对技术系统生命周期过程中知识复用问题而构建一种关于多用途复杂技术系统知识建模工程)；f. SENSUS 法(是关于电子领域用于自然语言解决本体构建办法)；g. 七步法(用于医学领域本体构建办法)。对于特定领域本体知识库构建，当前在国内外学者中研究较为成熟是在叙词表基本上开发本体，或者直接将叙词表转换为本体。本项目将通过对以上办法对比研究，选用适合工信领域知识服务办法，基于本项目主题词表研究成果进行构建实验。

表1.行业主题词表

书名
作者
出版社
出版时间
 中华人民共和国中医药学主题词表
 吴兰成
 中医古籍出版社

 水利公文主题词表
 吴文庆，陈献
 中华人民共和国水利水电出版社

 肿瘤专业文献分类主题一体化词表
 廖先珍，黄钢
 湖南科学技术出版社

 交通汉语主题词表
 交通部科学研究院
 人民交通出版社

 综合电子政务主题词表 ：试用本，范畴表
 赵新力
 科学技术文献出版社

 中文主题词表，人文社会科学类 [海外中文图书]
 中文主题词表编订小组
 [台湾]国家图书馆

 中华人民共和国少年小朋友文献分类主题词表. 第二表，主题词——分类号相应表
 《中华人民共和国少年小朋友文献分类主题词表》编辑委员会
 北京图书馆出版社

 中华人民共和国少年小朋友文献分类主题词表. 第一表，分类号——主题词相应表
 《中华人民共和国少年小朋友文献分类主题词表》编辑委员会
 北京图书馆出版社

 测绘学叙词表
 《测绘学叙词表》编辑委员会
 测绘出版社

 电力主题词表
 张金城
 中华人民共和国电力出版社

 海军主题词表
  陈明山
 海潮出版社

 海军主题词表. 上卷，主表(字顺表)
  陈明山
 海潮出版社

 海军主题词表. 下卷，范畴表附表英汉对照表附录
 陈明山
 海潮出版社

 原则文献主题词表与分类法对照索引
 中华人民共和国技术监督情报研究所
 中华人民共和国原则出版社
 1999
 军用公文主题词表
 总参谋部办公厅、通讯部
 中华人民共和国检察出版社
 1999
 黄河水利委员会公文主题词表
 黄河水利委员会办公室
 黄河水利出版社
 1999
 中华人民共和国铁路叙词表
 铁道部科学技术信息研究所
 北京科学技术出版社
 1998
 公文主题词表
 中共中央办公厅秘书局
 中华人民共和国档案出版社
 1998
 大气科学主题词表
 中华人民共和国气象科学研究院情报所
 气象出版社
 1998
 军队政治工作主题词表
 总政治部办公厅
 解放军出版社
 1998
 水利水电科技主题词表
 水利部信息研究所
 黄河水利出版社
 1998
 中华人民共和国中医药学主题词表
 吴兰成
 中医古籍出版社
 1996
 管理科学主题词表
 魏铁进
 机械工业出版社
 1996
 兵器科技档案主题词表使用手册
 《兵器科技档案主题词表使用手册》编制委员会
 国防工业出版社
 1996
社会科学检索词表
 《社会科学检索词表》编辑委员会
 社会科学文献出版社
 1996
 《中华人民共和国档案主题词表》研究与使用精要
 张正强
 上海科学技术文献出版社
 1995
 数学汉语主题词表
 王声培
 上海教诲出版社
 1995
 航天科学技术叙词表
 罗瑛,王乃洪
 宇航出版社
 1995
 音像资料叙词表
 赵锦,戴维民
 中华人民共和国计量出版社
 1995
 地理科学叙词表
 郭扬
 科学出版社
 1995
 环保保护档案主题词表
 国家环保局
 中华人民共和国环境科学出版社
 1995
 兵器科技档案主题词表
 《兵器科技档案主题词表》编制委员会
 国防工业出版社
 1995
 邮电公文主题词表
 邮电部办公厅
 黑龙江人民出版社
 1995
 石油主题词表 = Petroleum thesaurus. 第一分册
 杨义忠
 石油工业出版社
 1994.5
 石油主题词表. 第二分册，附表 = Petroleum thesaurus，Supplemental list
 杨义忠
 石油工业出版社
 1994.5
 《勘探与开发词表》汉英索引
 杨义忠
 石油工业出版社
 1994
 军队档案惯用主题词表
 中华人民共和国人民解放军总参谋部办公厅
 同济大学出版社
 1994
 物理学汉语主题词表
 中华人民共和国科学院文献情报中心
 中华人民共和国科学技术出版社
 1994
 生物分类叙词表. 第三分册，分类表拉/英—汉索引
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 生物分类叙词表. 第二分册，字顺表 P～Z
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 民航主题词表范畴纲目
 民航主题词表课题组
 中华人民共和国民航出版社
 1994
 生物分类叙词表. 第一分册，字顺表 A～O
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 农业科学叙词表. 第二分册，字顺表 P-Z
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 农业科学叙词表. 第一分册，字顺表 A～O
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 农业科学叙词表. 第三分册，分类表英/拉-汉索引
 农业部情报研究所
 中华人民共和国农业出版社
 1994
 航空航天医学主题词表 = Aerospace medicine thesaurus
 吴国兴
 中华人民共和国科学技术出版社
 1993.5
 军用医学主题词表 = Military medical thesaurus
 张立平
 人民军医出版社
 1993年10
 教诲主题词表
 曹青阳,赵燕群
 教诲科学出版社
 1993.12
 世界汉语教学主题词表 = Chinese thesaurus of world Chinese teaching
 许维翰,武金香
 北京语言学院出版社
 1993.8
 邮电通信技术主题词表
 邮电通信技术主题词表编委会
 人民邮电出版社
 1993.2
 军用后勤主题词表
 周克玉
 金盾出版社
 1992.5
 中华人民共和国地震科学主题词表 = Seismology thesaurus of China
 李存悌
 地震出版社
 1992.4
 艺术科学叙词表
 中华人民共和国艺术研究院
 文化艺术出版社
 1992.12
 水产科学叙词表 = Fishery science thesaurus
 中华人民共和国水产科学研究院科技情报研究所
 中华人民共和国农业科技出版社
 1991年10
 军用公文主题词表
 总参谋部办公厅,总参谋部通信部
 蓝天出版社
 1991.9
 计算机科学技术汉语叙词表 = =CHINESE THESAURUS OF COMPUTER SCIENCE AND TECHNOLOGY
 王能琴
 清华大学出版社
 1990.6
 军用主题词表. 第一卷，主表(字顺表)
 军用主题词表编制委员会
 军事科学出版社
 1990.12
 军用主题词表. 第二卷，范畴表、附表
 军用主题词表编制委员会
 军事科学出版社
 1990.12
 《军用主题词表》使用手册
 军用主题词表编制委员会
 军事科学出版社
 1990.12
 军用主题词表. 第三卷，汉英-英汉对照索引
 军用主题词表编制委员会
 军事科学出版社
 1990.12
 环境科学叙词表
 《环境科学叙词表》编制组
 中华人民共和国环境科学出版
 1989.12
 气象部门档案文献主题词表
 国家气象局办公室
 气象出版社
 1989
 纺织汉语叙词表 = =CHINESE THESAURUS OF TEXTILE，范畴索引表英汉对照索引表附表
 纺织工业部科学技术情报研究所
 人民交通出版社
 1989.9
 纺织汉语叙词表 = =CHINESE THESAURUS OF TEXTILE，主表
 纺织工业部科学技术情报研究所
 人民交通出版社
 1989.9
 情报检索与主题词表
 丘峰
 书目文献出版社
 1988.3
 核科学技术叙词表 ：英汉对照索引
 中华人民共和国核情报中心
 [编者刊]
 1988
 中华人民共和国档案主题词表
 中华人民共和国档案主题词表》编委会
 档案出版社
 1988
 海洋科学主题词表
 国家海洋局海洋科技情报研究所
 海洋出版社
 1986
 国防科学技术叙词表，英汉索引
 《国防科学技术叙词表》编写组
 编者刊
 1985
 国防科学技术叙词表，字顺表型号表
 《国防科学技术叙词表》编写组
  编者刊
 1985
 机械工程主题词表
 第一机械工业部技术情报所
 第一机械工业部技术情报所
 1979
 概念词表
 铁道部科学技术情报研究所
 铁道部科学技术情报研究所

4. 技术路线
技术路线可分为如下几种环节：
1) 调研当前工信部下属所有产业部门，参照《国民经济行业分类》原则建立工信领域行业分类体系，给出大类、中类、小类名称。
2) 调研工信部下属所有产业部门对知识服务需求，需求调研采用官网数据采集、问卷调查、行业专家征询等方式，形成需求调研报告，为在行业分类体系下建立四级、五级分类提供根据。
3) 记录并抽取《中华人民共和国分类主题词表》下所有覆盖工信行业学科领域，作为主题词表基本。对既有行业主题词表进行调研，选用工信行业有关主题词表或叙词表。对上述所有主题词表按照词间关系进行整合。
4) 对工信部下属行业官网、维基百科、有关行业知识检索平台进行数据采集。运用共词分析办法对主题词进行聚类，从而发现新兴主题词或热点主题词。
5) 在给定核心词集基本上可采用贝叶斯玫瑰树算法（也可尝试其她算法实现）构建领域层次构造，拟定词间关系，聘请领域专家辅助，将这些词补充到已经整合主题词表中。
6) 建立分类体系和主题词表一体化映射关系。可选用重点行业进行实验，对映射后分类体系和主题词表某些可运用RDF进行描述。开发主题词编辑平台，可在线编辑并增长主题词，为后续研究提供便利；
7) 对本体构建办法进行研究，重点研究前文在核心问题中所阐述六种办法，并给出工信领域本体建设详细方案。
8) 基于上述研究成果，在已有工信领域分类体系和主题词表基本上以电信行业下子类，如移动电信（可选取其她行业）为例进行本体构建实验，通过本体一致性检查和形式化编码，将所建本体以 OWL 语言进行形式化编码并保存，在知识服务平台中进行测试。