基于MindNet的地理信息概念语义关系分析

朱乔利 李学锋 李永刚 胡波 李亚

摘要：地理信息概念语义关系分析是异构分布式地理信息系统在语义层次上实现共享的重要基础。本文以丰富地理信息概念的语义关系为目的，在分析各种结构化语义词表中定义的语义关系的基础上，结合中文分词，提出了一种基于MindNet的地理信息概念语义关系分析模型，并以部分水系地理信息概念为例对此方法进行了可行性分析。

关键词：地理信息概念 语义关系 MindNet 中文分词

中图分类号：TP391.3 文献标识码：A 文章编号：1007-9416（2016）08-0066-03

地理信息共享与互操作问题一直都是地理信息科学领域研究的热点，利用地理本体可以实现对各种地理信息资源的归类和分级，实现跨数据库间语义互换等，最终实现异构分布式系统之间在语义层次上的互操作，因此地理信息分类是地理本体论研究中最重要的方面甚至前提之一。而领域中术语以及术语之间的关系是本体研究的主要对象之一[1]。然而，地理信息的复杂特性增加了进行地理信息语义分类的难度，一些简单的地理信息概念语义关系无法完全指导地理信息的语义分类体系构建，因此需要更加丰富的语义关系知识。一些结构化语义词表如叙词表、WordNet、MindNet、FramNet还有我国的知网（HowNet）中的词间关系可以为地理信息概念关系和分类提供借鉴内容[2]。本文通过比较分析以上结构化语义词表中定义的各种语义关系，提出一种基于MindNet的地理信息概念语义分析方法，并以水系地理信息概念为例对此方法进行了可行性分析。

1 基于结构化语义词表的语义关系

本体工程中，处于不同逻辑层概念之间的关系和反映物体组成结构的关系对于理论与实际应用都相当重要，这些关系对于指导分类是非常重要的。Gangemi认为理解本体中的不同类型的关系是构造不同的本体分类体系的首要任务，并介绍了一些基本关系如成员关系、实例关系、部分关系、连接关系等等，并提出这些关系在本体中具有重要的角色[3]。结合地理信息的特点，王红等将地理信息概念间的语义关系分为分类关系、依赖关系、部分-整体关系、实例关系以及概念属性关系几大类[4]。由于地理信息的复杂性，地理信息概念的分类研究需要更加丰富的语义关系知识支撑，包括概念之间和概念内部的语义关系。各种结构化语义词表中定义的语义关系能够极大地丰富地理信息概念的语义关系。

MindNet是微软研究院自然语言处理（NLP）组设计开发的一个概念词汇语义知识库系统，通过使用句法分析器从两部英语词典（朗文当代英语词典Longman Dictionary of Contemporary English，美国传统词典American Heritage Dictionary）和一部百科全书（微软多媒体电子百科全书Encarta）中自动获取自然语言概念以及语义信息而建立的，三元组（triple）作为这些知识的表示基元[5]。MindNet中定义有24种不同类型的语义关系，旨在全面分析与表达文本语句中各种语义关系，本文采用了MindNet中定义的24种语义关系（表1），对地理概念描述语句中包含的词语进行语义分析，从它们的语义关系中得出关于这些地理概念的深层含义和本质信息，为地理信息分类研究提供辅助。

2 地理信息领域的中文分词

本文面对的是中文地理信息，与英语等其它语言不同的是，汉语中词的形态基本没有什么变化，一连串前后连续的汉字便组成了一个汉语句字，词与词之间不像英语有空格这种明显的分界标识。因此要想实现中文地理信息描述语句中的词汇之间的语义关系分析，必须经过专门的技术进行处理，这种技术就是中文分词。

2.1 分词方法

以地理信息领域中对地理概念“沙滩”的描述语句“海岸线与干出线之间的沙质潮漫地带”在ICTCLAS中的分词结果为例，该语句被分为“海岸线/n 与/cc 干/v 出/vf线/n 之间/f 的/ude1 沙质潮/nr 漫/v 地带/n”（“/”后面为词性标注），我们可以看出地理概念“干出线”被分为“干”、“出”、“线”三个单独的字，“沙质潮漫地带”被分为“沙质潮”、“漫”和“地带”，地理概念词语“潮漫地带”被分隔开。因此，为获得更加准确的地理信息领域分词结果，本研究还通过自定义领域词典来解决中文分词领域适应性问题，并借助“结巴中文分词”Java版实现对地理信息概念描述语句的分词。结巴分词源程序操作示例如图1。

2.2 地理信息领域分词结果

以GB/T20258.1-2007基础地理信息要素数据字典中部分地理要素概念及其要素描述语句为例。表2列举了选取的部分要素名称及其要素描述。

这里为了分词结果显示需要，使用“/”将所分词语分隔，后续大量处理中将使用空格分隔分词结果以符合标注处理格式要求。首先加载地理信息概念自定义词典，另外由于本研究需要处理的是大量的地理概念，将概念及其描述语句按行存储在文本文件中，然后使程序对文本文件中的内容进行分词。编写代码设置程序以读取的方式打开文本文件，输出结果写入一个新的文本文件，函数为splitSentence（‘MyGeoInput.txt，‘MyGeoOutput.txt），文本文件MyGeoInput.txt里存放的内容即为地理概念及其描述语句，设置编码格式为utf-8，输出结果在新生成文本文件MyGeoOutput.txt中，对表2中列举的概念分词处理结果如图2所示。

3 基于MindNet语义关系的地理信息概念分析

本文采用MindNet中定义的24种语义关系，结合地理概念描述语句的分词结果，对地理概念进行了语义关系分析。以基础地理信息要素数据字典中对地理概念“湖泊”的描述语句分词结果为例，该描述语句分词结果为“陆地/上/洼地/积水/形成/的/水域/宽阔/、/水量/变化/缓慢/的/水体/”，结合表1中定义的部分语义关系可以对地理概念“湖泊”做如图3的语义关系分析。

由图3可以看出地理要素湖泊的空间位置是在陆地，成因是由于积水形成，上位类别是属于水体等，由此既可以分析其本质属性，又能知道它与其它概念（水系）之间的关系。对于其它地理概念描述语句的分词结果也可以用同样的方式进行类似的语义关系分析，这些语义关系揭示了一个具体地理概念的组成成分以及成分之间的内在联系，并希望通过结构化的方式展现，对进一步挖掘地理概念的内涵具有重要的辅助意义，对于分析地理概念的本质属性有很大的帮助。同时有助于对地理概念含义的理解并发现不同地理概念间存在的相似点或差异，消除歧义理解，辅助完善地理信息语义分类。

4 结语

本文采用MindNet语义关系对地理信息概念描述语句的分词结果进行深入分析，进一步丰富了地理信息概念的语义关系内容，揭示了地理概念具体的组成成分以及这些成分之间的内在联系，对进一步挖掘地理概念的内涵具有重要的辅助意义，为地理信息语义分类提供很好的辅助作用，同时对于分析地理概念的本质属性也有很大的帮助。通过对地理信息概念“湖泊”的语义关系的具体分析，表明该语义关系模型对地理信息概念的语义关系分析具有很好的效果，该分析方法具有一定的可行性。但是，对地理信息概念语义关系分析的最终目的是便于计算机理解和处理地理信息，实现语义共享，如何在地理信息概念语义关系分析模型的构建中实现自动化，仍有待进一步研究。

参考文献

[1]Gruber T R. A translation approach to portable ontologies [J]. KnowledgeAcquisition， 1993，5（2）：199-220.

[2]王世清.本体构建中建立概念间关系方法研究[D]：[硕士]. 北京：农业信息研究所研究生院，2010.

[3]Gangemi A， Guarino N， Masolo C， et al. Understanding top-level ontologicaldistinctions[A]. In Proceedings of IJCAI workshop on ontologies and InformationSharing[C]，2001.

[4]王红，李霖，朱海红.国家基础地理信息本体关键问题研究[M].北京：科学出版社，2011.

[5]黄昌宁，张小凤.自然语言处理技术的三个里程碑[J].外语教学与研究，2002，34（3）：180-187.