任志遠(yuǎn)

摘要：針對(duì)版權(quán)知識(shí)的結(jié)構(gòu)并考慮到版權(quán)本體需要不斷迭代更新，在充分分析版權(quán)知識(shí)結(jié)構(gòu)的基礎(chǔ)上融合現(xiàn)有本體構(gòu)建技術(shù)，通過提取中華人民共和國國家版權(quán)局和中國裁判文書網(wǎng)數(shù)據(jù)，提出適合版權(quán)知識(shí)本體的自動(dòng)構(gòu)建方法。

關(guān)鍵詞：本體；版權(quán)；知識(shí)庫

DOIDOI：10.11907/rjdk.162585

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）006-0142-03

0 引言

隨著社會(huì)發(fā)展，版權(quán)知識(shí)變得越來越重要。但是版權(quán)知識(shí)比較復(fù)雜瑣碎，人們查找學(xué)習(xí)版權(quán)知識(shí)時(shí)比較困難。目前，大部分知識(shí)庫都只是基于字符串檢索，檢索結(jié)果準(zhǔn)確性差，知識(shí)獲取效率低。本體作為語義網(wǎng)的重要組成部分，可以極大提高檢索效率。本文旨在探討版權(quán)知識(shí)本體的構(gòu)建方法，最大程度減少構(gòu)建版權(quán)知識(shí)本體的難度。

1 本體構(gòu)建方法簡述

由于領(lǐng)域知識(shí)在構(gòu)建本體時(shí)有特定需求，比較成熟的方法有七步法、METHONTOLOGY法，另外還有骨架法、五步獲取法、循環(huán)獲取法。各方法的優(yōu)缺點(diǎn)及用途比較如表1所示。

1.1 METHONTOLOGY法

METHONTOLOGY法是專門用于構(gòu)建化學(xué)本體的方法，該方法支持本體層次構(gòu)建，但是該方法無法進(jìn)行更新迭代。該方法主要應(yīng)用于化學(xué)領(lǐng)域，流程如圖1所示。

1.2 七步法

七步法是由斯坦福大學(xué)提出的一種實(shí)用的本體開發(fā)方式，但是該方法沒法評(píng)價(jià)過程，無法迭代更新，該方法適用于醫(yī)學(xué)本體構(gòu)建，開發(fā)流程如圖2所示。

1.3 五步循環(huán)法

五步循環(huán)法主要用于語義網(wǎng)本體構(gòu)建，該方法有評(píng)價(jià)環(huán)節(jié)，構(gòu)建的本體可以迭代更新，但是該方法操作性差，難度大，因此適用范圍不廣。

2 版權(quán)知識(shí)本體構(gòu)建

本文融合以上方法的優(yōu)點(diǎn)提出新的適合版權(quán)知識(shí)本體構(gòu)建方法，將版權(quán)本體的構(gòu)建分成兩方面，其中法律采用手動(dòng)構(gòu)建本體，而案例等采用自動(dòng)構(gòu)建。最后添加評(píng)價(jià)步驟，使得整個(gè)流程不斷地迭代更新。在本體構(gòu)建過程中，數(shù)據(jù)來源于中華人民共和國版權(quán)局和中國裁判文書網(wǎng)。

2.1 改進(jìn)的本體構(gòu)建方法

對(duì)于法律案例來說，一般裁判文書結(jié)構(gòu)明確，適合自動(dòng)構(gòu)建。從樣例中可以看出案例文書的結(jié)構(gòu)非常直接，案例涉及的人物等信息很容易被準(zhǔn)確提取出來。首先，本體構(gòu)建分成兩個(gè)主要方面，一方面是法律，因?yàn)榉傻膰?yán)謹(jǐn)性以及版權(quán)法字?jǐn)?shù)較少，可以人工構(gòu)建，中國裁判文書網(wǎng)涉及版權(quán)相關(guān)的數(shù)據(jù)條件大約有3萬個(gè)。在已提出方法的基礎(chǔ)上改進(jìn)流程，使得符合版權(quán)知識(shí)的結(jié)構(gòu)特點(diǎn)。流程為：①整理版權(quán)概念詳細(xì)術(shù)語；②根據(jù)知識(shí)內(nèi)容主要分為兩個(gè)具有代表性的類型，法律和案例；③對(duì)于法律來說首先將概念之間的關(guān)系整理出來，構(gòu)建概念模型；④使用OWL本體描述語言將第三步生成的結(jié)構(gòu)化文檔形式化表達(dá)；⑤評(píng)價(jià)法律本體；⑥對(duì)于案例，在本體模板的基礎(chǔ)上，自動(dòng)提取案例的概念以及屬性；⑦檢查案例本體是否具有邏輯錯(cuò)誤。圖3為版權(quán)本體的構(gòu)建流程。

2.2 版權(quán)法律本體構(gòu)建

法律本體是版權(quán)知識(shí)本體的重要組成部分。法律本體構(gòu)建依據(jù)《中華人民共和國著作權(quán)法》、《計(jì)算機(jī)軟件保護(hù)條例》等相關(guān)法律。法律本體包括著作權(quán)相關(guān)概念、權(quán)利、處罰等內(nèi)容。

2.2.1 復(fù)用本體

目前已經(jīng)有LKIF、FOLaw兩個(gè)比較優(yōu)秀的法律本體模型。LKIF 基于LRI-Core但是減少了對(duì)子類的約束。LKIF包含200多個(gè)概念，但是LKIF提出的概念太抽象。而FOLaw更像是一個(gè)認(rèn)知框架，兩者對(duì)于著作權(quán)相關(guān)法律本體的構(gòu)建更多的是借鑒意義，復(fù)用意義不大。

2.2.2 版權(quán)知識(shí)概念關(guān)系抽取

根據(jù)領(lǐng)域知識(shí)界定，版權(quán)知識(shí)本體主要有9個(gè)類、55個(gè)子類、466個(gè)概念。這幾個(gè)類通過概念關(guān)系互相構(gòu)成一個(gè)網(wǎng)狀的概念圖，如作品、人物、權(quán)利等，如圖4所示。根據(jù)概念關(guān)系圖分類手動(dòng)提取法律法規(guī)文本中的概念。

2.2.3 創(chuàng)建實(shí)例

構(gòu)建本體框架以及提取概念及關(guān)系后，實(shí)例化本體的方法分為手動(dòng)構(gòu)建和自動(dòng)構(gòu)建。具體如下：①手動(dòng)導(dǎo)入，可以通過本體構(gòu)建工具Protégé手動(dòng)構(gòu)建本體。在Protégé的Individual by class選項(xiàng)卡中手動(dòng)輸入概念以及關(guān)系；②自動(dòng)導(dǎo)入，通過提取概念關(guān)系后，版權(quán)法律法規(guī)中的概念以及概念之間的關(guān)系已經(jīng)成為結(jié)構(gòu)化數(shù)據(jù)。然后通過Jena語義網(wǎng)工具讀取本體概念，添加本體的實(shí)例及屬性的方式將概念或?qū)傩蕴砑拥奖倔w文件中，實(shí)現(xiàn)本體自動(dòng)擴(kuò)充。

2.3 案例知識(shí)本體構(gòu)建

案例裁定書一般由五部分組成：首部、事實(shí)、理由、判決結(jié)果、尾部。首部主要說明相關(guān)涉案人，事實(shí)包括公司再審審稱和法院再審復(fù)查查明等，理由是判決依據(jù)，尾部是判決結(jié)果。

2.3.1 案例知識(shí)結(jié)構(gòu)

根據(jù)需求，首先構(gòu)建案例的概念之間關(guān)系以及概念跟屬性之間的關(guān)系。圖5為案例中的概念層次。

2.3.2 概念提取

（1） 結(jié)構(gòu)化數(shù)據(jù)提取。建立概念之間的關(guān)系以及屬性之間的關(guān)系，需要提取概念來實(shí)例化本體，而且文書格式比較嚴(yán)格，所以根據(jù)正則匹配就可以提取出大部分概念。首先將文書按照格式規(guī)范分成5部分，根據(jù)開頭詞語確定該段落歸屬于哪一類。根據(jù)規(guī)范提取部分相關(guān)詞如表2所示。

（2）非結(jié)構(gòu)化數(shù)據(jù)提取。提取非結(jié)構(gòu)化數(shù)據(jù)首先需要對(duì)文本進(jìn)行分詞，這一步使用開源框架IKAnalyzer分詞工具進(jìn)行分詞、標(biāo)注。在分詞過程中使用版權(quán)術(shù)語表制作字典提高分詞準(zhǔn)確率，通過分詞標(biāo)注后，通過n-gram算法提取出其中的概念，將概念通過Jena語義網(wǎng)工具添加到本體中。

3 結(jié)語

由于本體在知識(shí)工程以及人工智能知識(shí)表示方面的優(yōu)勢，使得本體一直是語義網(wǎng)的重點(diǎn)研究方向。然而，本體的構(gòu)建尚沒有成熟的標(biāo)準(zhǔn)體系。由于國內(nèi)也尚無標(biāo)準(zhǔn)評(píng)價(jià)體系和工具，本文沒有討論本體的評(píng)價(jià)問題。目前本體質(zhì)量只能通過領(lǐng)域?qū)＜疫M(jìn)行人工評(píng)定。本文主要討論了版權(quán)知識(shí)的基本結(jié)構(gòu)，分析構(gòu)建本體的基本過程，為本體自動(dòng)構(gòu)建作準(zhǔn)備。下一步主要研究將機(jī)器學(xué)習(xí)整合到本體構(gòu)建的過程中，通過監(jiān)督學(xué)習(xí)使得本體構(gòu)建自動(dòng)化。

參考文獻(xiàn)：

[1]賈焰，王永恒，楊樹強(qiáng).基于本體論的文本挖掘技術(shù)綜述[J].計(jì)算機(jī)應(yīng)用，2006，26（9）：2013-2015.

[2]曹燦.基于本體的軟件工程課程知識(shí)庫研究和應(yīng)用[D].北京：北京林業(yè)大學(xué)，2010.

[3]有關(guān)著作權(quán)（copyright）的一些詞匯（中英文對(duì)照）[EB/OL].http：//blog.sina.com.cn/s/blog_4d53c365010188w7.html.

[5]郭沖，王振宇.面向細(xì)粒度意見挖掘的情感本體樹及自動(dòng)構(gòu)建[J].中文信息學(xué)報(bào)，2013，27（5）：75-92.

[6]巫建偉，陳崇成，葉曉燕，等.基于Jena的土地適宜性評(píng)價(jià)本體知識(shí)庫構(gòu)建研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（1）：287-292.

[7]李景.主要本體構(gòu)建工具比較研究[J].情報(bào)理論與實(shí)踐，2014，29（2）：109-111.

[8]田宏，馬朋云.基于Jena的城市交通領(lǐng)域本體推理和查詢方法[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（8）：56-63.

[9]李景.本體理論及在農(nóng)業(yè)文獻(xiàn)檢索系統(tǒng)中的應(yīng)用研究——以花卉學(xué)本體建模為例[D].北京：中國科學(xué)院研究生院，2004.

[9]尚新麗.國外本體構(gòu)建方法比較分析[J].圖書情報(bào)工作，2012，56（4）：116-119.

（責(zé)任編輯：陳福時(shí)）