[發(fā)明專利]一種數(shù)字出版資源語義增強(qiáng)描述系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 201210566713.5
• 申請日: 2012-12-24
• 公開（公告）號: CN102999487A
• 公開（公告）日: 2013-03-27
• 發(fā)明（設(shè)計(jì)）人: 陳琳;謝冰;盧朋;高一波;武利娟;代文;宋江龍;溫偉娜
• 申請（專利權(quán)）人: 中國科學(xué)院自動(dòng)化研究所
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

1.一種數(shù)字出版資源的語義增強(qiáng)描述系統(tǒng)，其包括：

輸入接口層模塊，用于接收需要處理的數(shù)字出版資源；

數(shù)據(jù)層模塊，為服務(wù)層模塊提供支持?jǐn)?shù)據(jù)，所述支持?jǐn)?shù)據(jù)包括數(shù)字出版元數(shù)據(jù)集和數(shù)字出版領(lǐng)域知識庫；

服務(wù)層模塊，用于對輸入的數(shù)字出版資源進(jìn)行加工處理；

輸出接口層模塊，用于輸出數(shù)字出版資源的語義增強(qiáng)描述。

2.根據(jù)權(quán)利要求1所述的數(shù)字出版資源語義增強(qiáng)描述系統(tǒng)，其特征在于：所述的數(shù)據(jù)層模塊包括：

數(shù)字出版元數(shù)據(jù)提取系統(tǒng)，用于構(gòu)建數(shù)字出版元數(shù)據(jù)集；

數(shù)字出版領(lǐng)域知識編輯系統(tǒng)，用于構(gòu)建數(shù)字出版領(lǐng)域知識庫。

3.根據(jù)權(quán)利要求1所述的數(shù)字出版資源語義增強(qiáng)描述系統(tǒng)，其特征在于：所述服務(wù)層模塊包括：

語義單元?jiǎng)澐窒到y(tǒng)：基于數(shù)據(jù)層模塊提供的支持?jǐn)?shù)據(jù)，將待處理的數(shù)字出版資源依據(jù)類型的不同劃分為通用概念語義單元和特殊語義單元，得到數(shù)字出版資源的語義單元表述；

語義單元組合系統(tǒng)：采用文本直觀形式的七層文件層次模型對所述數(shù)字出版資源的語義單元表述中的語義單元進(jìn)行組合，得到數(shù)字出版資源的語義增強(qiáng)描述。

4.如權(quán)利要求3所述的數(shù)字出版資源語義增強(qiáng)描述系統(tǒng)，其特征在于：所述七層文件層次模型包括標(biāo)識元素、行、段、節(jié)、章、數(shù)據(jù)集和數(shù)據(jù)集群從底層到高層的七級，其中標(biāo)識元素為語義單元，低層語義根據(jù)資源原本文本組織方式組合表達(dá)高層語義。

5.如權(quán)利要求3所述的數(shù)字出版資源語義增強(qiáng)描述系統(tǒng)，其特征在于：所述特殊語義單元包括基礎(chǔ)教學(xué)教材中的術(shù)語、概念、公式或百科字典中的術(shù)語條；通用概念語義單元?jiǎng)t包括通俗讀物等其他資源中的語義單元。

6.一種數(shù)字出版資源的語義增強(qiáng)描述方法，包括：

步驟1、以數(shù)字出版元數(shù)據(jù)集和數(shù)字出版領(lǐng)域知識庫為基礎(chǔ)，根據(jù)數(shù)字出版資源的類型，對輸入的數(shù)字出版資源內(nèi)容劃分為通用概念語義單元和特殊語義單元，得到數(shù)字出版資源的語義單元表述；

步驟2、采用文本直觀形式的七層文件層次模型對數(shù)字出版資源的語義單元表述中的語義單元進(jìn)行組合，得到數(shù)字出版資源的語義增強(qiáng)描述，并將其輸出。

7.如權(quán)利要求6所述的方法，其特征在于：所述數(shù)字出版資源元數(shù)據(jù)集，是由數(shù)字出版資源元數(shù)據(jù)以及元素模型構(gòu)成；其中，元素是元數(shù)據(jù)中用于定義和描述數(shù)字出版數(shù)據(jù)的內(nèi)涵特征；元數(shù)據(jù)包括數(shù)字出版資源中描述數(shù)字出版參與方、出版物產(chǎn)品以及出版過程和服務(wù)的數(shù)據(jù)元素。

8.如權(quán)利要求6所述的方法，其特征在于：所述數(shù)字出版的領(lǐng)域知識庫包括數(shù)字出版資源概念庫和數(shù)字出版領(lǐng)域知識樹；其中，所述數(shù)字出版資源概念庫是由對元數(shù)據(jù)集中元數(shù)據(jù)進(jìn)行概念化抽象所得到的；所述數(shù)字出版領(lǐng)域知識樹是以所述數(shù)字出版資源概念庫內(nèi)的概念為表達(dá)基礎(chǔ)，從所述數(shù)字出版資源概念庫中抽取具有層次關(guān)系的概念，按照層次關(guān)系組成。

9.如權(quán)利要求6所述的方法，其特征在于：所述步驟1中對所述數(shù)字出版資源內(nèi)容進(jìn)行劃分包括：

1)、通用概念語義單元的劃分：經(jīng)過停用詞和去除干擾處理之后，在數(shù)字出版資源概念庫基礎(chǔ)上采用雙向最大匹配方法切割分詞，并根據(jù)所述數(shù)字出版概念庫和所述數(shù)字出版領(lǐng)域知識樹關(guān)聯(lián)完成詞語的上下文語境消歧，同時(shí)將語義標(biāo)注到所述數(shù)字出版領(lǐng)域知識樹上，注明語義單元類別屬性，完成通用概念語義單元的劃分；

2)、數(shù)字出版特殊語義單元的劃分：

a)公式的劃分：根據(jù)公式的特殊語義單元的語言結(jié)構(gòu)特征設(shè)定識別算法，標(biāo)識出數(shù)字出版資源中出現(xiàn)公式結(jié)構(gòu)特征的文本內(nèi)容，也即公式出現(xiàn)的上下文，并根據(jù)語言結(jié)構(gòu)特征的上下提示作用在其對應(yīng)位置的上或下范圍內(nèi)識別包含一定長度的字母數(shù)字文字，確立公式頭和公式尾的位置，劃分出公式，并將提示說明文字中的基本語義單元作為公式的語義描述標(biāo)注其上，完成公式的語義單元的劃分；

b)術(shù)語的劃分：術(shù)語收錄于領(lǐng)域?qū)W科辭典中，在所述領(lǐng)域?qū)W科辭典的基礎(chǔ)上，采用雙向最大匹配方法切割分詞，同時(shí)將語義標(biāo)注到所述數(shù)字出版領(lǐng)域知識樹上，完成術(shù)語的劃分。

10.如權(quán)利要求6所述的方法，其特征在于：所述數(shù)字出版資源的語義增強(qiáng)描述采用文本直觀結(jié)構(gòu)形式的七層文件層次模型，包括標(biāo)識元素、行、段、節(jié)、章、數(shù)據(jù)集和數(shù)據(jù)集群從底層到高層的七級，其中標(biāo)識元素為語義單元，低層語義根據(jù)資源原本文本組織方式組合表達(dá)高層語義。