張 衛(wèi)，王 昊，鄧三鴻，張寶隆

（1.南京大學(xué)信息管理學(xué)院，南京210023；2.江蘇省數(shù)據(jù)工程與知識(shí)服務(wù)重點(diǎn)實(shí)驗(yàn)室（南京大學(xué)），南京210023）

1 引言

數(shù)據(jù)驅(qū)動(dòng)時(shí)代，電子政務(wù)信息作為我國(guó)政府機(jī)構(gòu)的戰(zhàn)略性資源，正伴隨著自動(dòng)化辦公與社會(huì)管理的革新與日俱增。2019年，中央部委成功打通了42個(gè)國(guó)務(wù)院部門垂直管理信息系統(tǒng)[1]，而地方平臺(tái)“云上貴州”更是以1387TB的數(shù)據(jù)量實(shí)現(xiàn)了省市縣政府9728個(gè)部門政務(wù)系統(tǒng)的對(duì)接[2]。不難發(fā)現(xiàn)，海量電子政務(wù)信息資源在開放共享中日益表現(xiàn)出多源異構(gòu)的特征，這使得傳統(tǒng)的以電子政務(wù)主題詞表為核心的政務(wù)術(shù)語(yǔ)知識(shí)體系的不足也越發(fā)凸顯，其特點(diǎn)主要表現(xiàn)為3個(gè)方面：①基于內(nèi)容主題的術(shù)語(yǔ)層次較淺。就國(guó)內(nèi)具有代表性的《綜合電子政務(wù)主題詞表》而言，其范疇表依據(jù)主題內(nèi)容劃分為21個(gè)知識(shí)范疇，雖然涉及政務(wù)領(lǐng)域廣，但是術(shù)語(yǔ)層次較淺（僅至3級(jí)）。②基于結(jié)構(gòu)關(guān)系的術(shù)語(yǔ)層次缺失。詞表內(nèi)諸多層次術(shù)語(yǔ)具有結(jié)構(gòu)包含關(guān)系（如“保衛(wèi)”與“安全保衛(wèi)”），但尚不全面。③術(shù)語(yǔ)層次關(guān)聯(lián)缺少語(yǔ)料支持。過去在缺少政務(wù)語(yǔ)料的條件下，只能采取人工構(gòu)建詞表的方式。隨著電子政務(wù)的發(fā)展，公眾對(duì)政府工作的參與性顯著提高，一方面通過網(wǎng)絡(luò)百科以標(biāo)準(zhǔn)化的形式了解政務(wù)知識(shí)；另一方面借助社交媒體關(guān)注實(shí)時(shí)的政務(wù)信息資源。這些都在當(dāng)下催生出大量政務(wù)語(yǔ)料，也為在缺少語(yǔ)料庫(kù)條件下形成的詞表開拓了較大的術(shù)語(yǔ)層次優(yōu)化空間。

由此可見，傳統(tǒng)詞表中的電子政務(wù)術(shù)語(yǔ)由于缺少在大規(guī)模語(yǔ)料支持下對(duì)層次范疇和語(yǔ)義邏輯的深層優(yōu)化[3]，難以在大數(shù)據(jù)時(shí)代適應(yīng)電子政務(wù)信息資源的標(biāo)引、檢索以及組織工作，這就使得從語(yǔ)義角度自動(dòng)化識(shí)別電子政務(wù)術(shù)語(yǔ)的深層關(guān)聯(lián)顯得尤為重要。

本體作為語(yǔ)義網(wǎng)體系內(nèi)一種有效的知識(shí)組織方式，可以在信息系統(tǒng)的整合過程中將資源解析為機(jī)器所能理解的知識(shí)，通過語(yǔ)義驅(qū)動(dòng)實(shí)現(xiàn)信息資源在網(wǎng)絡(luò)環(huán)境內(nèi)的交換與共享[4]。因此，本研究以本體學(xué)習(xí)6層次理論[5]中的概念層次為指導(dǎo)，采用電子政務(wù)主題詞作為術(shù)語(yǔ)集，首先通過對(duì)網(wǎng)絡(luò)百科語(yǔ)料中提取的內(nèi)容特征采取聚類的方式生成具備高召回率的概念層次，稱為基于內(nèi)容的層次關(guān)系；其次，借助術(shù)語(yǔ)共現(xiàn)理論[6]對(duì)社交媒體語(yǔ)料建立概念格結(jié)構(gòu)生成具有高準(zhǔn)確率的概念層次，稱為基于結(jié)構(gòu)的層次關(guān)系；最后，將二者相融合，以前者為整體框架、后者為修正指導(dǎo)，從而形成了一整套電子政務(wù)術(shù)語(yǔ)本體構(gòu)成方案，所形成的電子政務(wù)本體將在信息檢索與推薦、跨部門協(xié)同共享、政務(wù)知識(shí)發(fā)現(xiàn)等實(shí)際應(yīng)用中提供支持。

2 相關(guān)研究工作

采取內(nèi)容與結(jié)構(gòu)相融合的方法，對(duì)電子政務(wù)術(shù)語(yǔ)層次關(guān)系進(jìn)行識(shí)別工作的研究基礎(chǔ)主要包括兩個(gè)方面：電子政務(wù)術(shù)語(yǔ)層次的組織工作和術(shù)語(yǔ)層次關(guān)系的識(shí)別方法。

就我國(guó)電子政務(wù)術(shù)語(yǔ)層次的組織工作而言，具有代表性的是中國(guó)科學(xué)技術(shù)信息研究所于2005年編制完成的《綜合電子政務(wù)主題詞表》，該詞表由字順表與范疇表所組成，是迄今為止國(guó)內(nèi)收詞量最多、專業(yè)覆蓋面最廣的政務(wù)主題詞表[7]。然而，由于詞表由來已久，而且電子政務(wù)信息資源開放共享的訴求日趨強(qiáng)烈[8]，學(xué)者們也逐步展開了對(duì)詞表的改進(jìn)工作。賈君枝等[9]運(yùn)用FAST主題詞分面對(duì)詞表進(jìn)行分面式改造以契合公眾檢索需求。王汀等[10]則基于詞表與百科提出了面向大規(guī)模本體的自動(dòng)化擴(kuò)充方案。目前，尚未有學(xué)者對(duì)詞表的層次體系進(jìn)行補(bǔ)充擴(kuò)展抑或延伸細(xì)化?？紤]到在缺少語(yǔ)料庫(kù)下人工構(gòu)建詞表的主觀性以及現(xiàn)有層次關(guān)系的不完備性[11]，例如，在字順表內(nèi)，結(jié)構(gòu)層面的術(shù)語(yǔ)“保衛(wèi)工作”并未像“安全保衛(wèi)”那樣歸置為“保衛(wèi)”的下位類，也沒有從內(nèi)容層面細(xì)化“安全保衛(wèi)”與“保衛(wèi)工作”二者術(shù)語(yǔ)間的語(yǔ)義聯(lián)系。因此，本文將基于范疇表的知識(shí)體系，通過大規(guī)模語(yǔ)料識(shí)別內(nèi)容與結(jié)構(gòu)層面的術(shù)語(yǔ)層次關(guān)系，形成具備深層樹狀結(jié)構(gòu)的電子政務(wù)術(shù)語(yǔ)本體。

就本體中術(shù)語(yǔ)層次關(guān)系的識(shí)別方法來說，主要包括基于規(guī)則模板的方法與基于統(tǒng)計(jì)的方法[12]。基于規(guī)則模板的方法往往與句法依存分析[13]相結(jié)合，需要人工制定語(yǔ)言模板，在面向大規(guī)模非結(jié)構(gòu)化文本所能獲取的層次關(guān)系較為有限[14]。此外，不同領(lǐng)域所制定的模板方案在相互間的可移植性不高[15]，這也不利于規(guī)則模板的推廣。因此，本研究對(duì)電子政務(wù)術(shù)語(yǔ)層次關(guān)系的識(shí)別工作將基于統(tǒng)計(jì)的方法展開。由于采取不同的統(tǒng)計(jì)方法能夠分別識(shí)別內(nèi)容與結(jié)構(gòu)兩者層面上的術(shù)語(yǔ)層次關(guān)系，故將其劃分為與之對(duì)應(yīng)的兩個(gè)角度：內(nèi)容角度和結(jié)構(gòu)角度。

內(nèi)容角度，是指通過對(duì)文檔內(nèi)容所解析出的向量空間進(jìn)行聚類以達(dá)至對(duì)術(shù)語(yǔ)聚類的目的。該方法由于對(duì)識(shí)別術(shù)語(yǔ)關(guān)聯(lián)性具有較高的召回率而得到廣泛應(yīng)用，具體包括：層次聚類[16]、K-means聚類[17]、DBSCAN聚類[18]等。然而，這些方法在大規(guī)模術(shù)語(yǔ)層次關(guān)系的識(shí)別中均具有一定局限。如層次聚類是一種小規(guī)模高精度的聚類算法；K-means運(yùn)行結(jié)果具有較大的隨機(jī)性；DBSCAN聚類易將大量獨(dú)立點(diǎn)判斷成噪聲，不適合高維稀疏數(shù)據(jù)。相較之下，源于圖論思想的譜聚類[19]逐漸受到學(xué)界的推崇，其核心思想是通過降維將高維空間的數(shù)據(jù)映射到低維，從而實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)特征向量的聚類，面對(duì)高維稀疏矩陣能夠?qū)崿F(xiàn)精準(zhǔn)且穩(wěn)定的劃分效果，適用于從內(nèi)容角度識(shí)別術(shù)語(yǔ)層次關(guān)系。

結(jié)構(gòu)角度，是指在術(shù)語(yǔ)共現(xiàn)理論的指導(dǎo)下通過形式概念分析（formal concept analysis，F(xiàn)CA）建立能夠抽取出層次關(guān)系的概念格結(jié)構(gòu)。該方法由于具備較高的準(zhǔn)確率，在術(shù)語(yǔ)層次識(shí)別中也有不俗的表現(xiàn)。如de Farias等[20]通過FCA對(duì)巴西莫索羅市犯罪記錄數(shù)據(jù)進(jìn)行分析并建立具有犯罪模式的概念格，以期規(guī)劃預(yù)防和打擊犯罪的戰(zhàn)略。王昊等[21]以“白血病”為例借助FCA實(shí)現(xiàn)了中文醫(yī)學(xué)領(lǐng)域本體層次結(jié)構(gòu)自動(dòng)構(gòu)建的有效方法，并對(duì)面向?qū)W科資源的醫(yī)學(xué)專業(yè)術(shù)語(yǔ)層次關(guān)聯(lián)的抽取進(jìn)行了詳細(xì)論證。

對(duì)兩者進(jìn)行比較。從內(nèi)容角度采取聚類的方式識(shí)別層次關(guān)系，有利于提高術(shù)語(yǔ)關(guān)聯(lián)的召回率，但準(zhǔn)確率無法得到較好的保障；從結(jié)構(gòu)角度采取FCA方法，能夠有效地提高術(shù)語(yǔ)層次間的準(zhǔn)確性，但由于概念格結(jié)構(gòu)相對(duì)復(fù)雜使得層次關(guān)系的識(shí)別過于嚴(yán)格，導(dǎo)致在層次關(guān)系的抽取中會(huì)遺漏掉很多上下位關(guān)系?？梢园l(fā)現(xiàn)，采取基于內(nèi)容或結(jié)構(gòu)的統(tǒng)計(jì)方法各有利弊，然而尚未有研究將兩者方法整合以優(yōu)化術(shù)語(yǔ)層次關(guān)系的識(shí)別效果。

綜上所述，在電子政務(wù)術(shù)語(yǔ)的組織工作中，鮮有學(xué)者基于大規(guī)模語(yǔ)料對(duì)內(nèi)容與結(jié)構(gòu)層面的術(shù)語(yǔ)層次體系進(jìn)行擴(kuò)展延伸，更鮮有研究將基于內(nèi)容和結(jié)構(gòu)的統(tǒng)計(jì)方法相融合對(duì)術(shù)語(yǔ)層次關(guān)系的識(shí)別效果進(jìn)行優(yōu)化改進(jìn)。因此，本文擬將基于大規(guī)模語(yǔ)料從內(nèi)容與結(jié)構(gòu)雙重視角識(shí)別電子政務(wù)術(shù)語(yǔ)層次關(guān)聯(lián)，以前者生成的基于內(nèi)容的層次關(guān)系為整體框架，以后者生成的基于結(jié)構(gòu)的層次關(guān)系為修正指導(dǎo)，形成一個(gè)兼顧層次關(guān)聯(lián)召回率與準(zhǔn)確率的電子政務(wù)領(lǐng)域術(shù)語(yǔ)本體。

3 采用方法

本研究所采用的方法是針對(duì)電子政務(wù)術(shù)語(yǔ)所檢索到的自然語(yǔ)言文本，從內(nèi)容和結(jié)構(gòu)雙重視角識(shí)別電子政務(wù)領(lǐng)域中文術(shù)語(yǔ)層次關(guān)系的邏輯流程，如圖1所示。

圖1 電子政務(wù)中文術(shù)語(yǔ)層次關(guān)系識(shí)別的邏輯流程

由圖1可知，電子政務(wù)中文術(shù)語(yǔ)層次關(guān)系的識(shí)別主要包括3個(gè)模塊：①基于內(nèi)容的層次關(guān)系識(shí)別。從內(nèi)容特征的角度識(shí)別層次關(guān)系需要保證文檔內(nèi)容對(duì)電子政務(wù)術(shù)語(yǔ)內(nèi)涵的支撐度，故采用網(wǎng)絡(luò)百科作為語(yǔ)料，按照術(shù)語(yǔ)列表依次獲取百科文檔；隨后，構(gòu)建詞袋模型從文檔內(nèi)容中提取關(guān)鍵詞特征，獲得文檔-詞語(yǔ)矩陣（document word matrix，DWM），并根據(jù)術(shù)語(yǔ)與百科文檔間的獨(dú)立匹配關(guān)系將其轉(zhuǎn)化為術(shù)語(yǔ)-詞語(yǔ)矩陣（term word matrix，TWM）；接著，使用降維所確定的聚類數(shù)目與TWM所提取的拉普拉斯矩陣（Laplacian matrix，LM）進(jìn)行譜聚類劃分矩陣類簇，并形成TWM子矩陣；進(jìn)一步，對(duì)子矩陣進(jìn)行余弦相似度計(jì)算以獲取術(shù)語(yǔ)之間的相似度，采用社會(huì)網(wǎng)絡(luò)分析（social network analysis，SNA）計(jì)算術(shù)語(yǔ)中心度，并將中心度較高的術(shù)語(yǔ)作為子矩陣的類目標(biāo)簽；最后，使用多層譜聚類的方式，形成一個(gè)初步具備理論內(nèi)涵的層次框架。②基于結(jié)構(gòu)的層次關(guān)系識(shí)別?？紤]到識(shí)別基于結(jié)構(gòu)的層次關(guān)系有賴于在每篇文檔中不同術(shù)語(yǔ)之間的共現(xiàn)屬性，可用于揭示實(shí)踐場(chǎng)景中電子政務(wù)術(shù)語(yǔ)間的應(yīng)用情況，故采用社交媒體文檔作為語(yǔ)料，并按照術(shù)語(yǔ)列表依次檢索、爬?。浑S后，通過在社交媒體文檔內(nèi)術(shù)語(yǔ)的共現(xiàn)匹配建立形式化背景，并以＜文檔-術(shù)語(yǔ)-權(quán)重＞三元組的格式存儲(chǔ)；接著，將三元組轉(zhuǎn)化為文檔-術(shù)語(yǔ)矩陣（document term matrix，DTM），使用FCA建立電子政務(wù)術(shù)語(yǔ)的概念格結(jié)構(gòu)，并從中抽取出更為精細(xì)且具備實(shí)踐特性的層次關(guān)系。③語(yǔ)義融合。將基于內(nèi)容與基于結(jié)構(gòu)的層次關(guān)系相融合使其互為擴(kuò)展、修正，便構(gòu)成了更為完整、準(zhǔn)確的電子政務(wù)術(shù)語(yǔ)本體，通過OWL結(jié)構(gòu)存儲(chǔ)即可開展多元的電子政務(wù)知識(shí)服務(wù)。下文將對(duì)整套流程中所采用的具體方法展開闡述。

3.1 基于內(nèi)容的TWM與基于結(jié)構(gòu)的DTM構(gòu)建

從內(nèi)容的角度通過聚類識(shí)別電子政務(wù)術(shù)語(yǔ)的層次關(guān)系，需要深入網(wǎng)絡(luò)百科文檔對(duì)單個(gè)術(shù)語(yǔ)的釋義提取內(nèi)涵特征，同時(shí)，要避免單個(gè)特征的力度過大，故采用TF-IDF構(gòu)建電子政務(wù)術(shù)語(yǔ)內(nèi)容文本的詞袋模型[22]，提取并統(tǒng)計(jì)出每個(gè)電子政務(wù)術(shù)語(yǔ)所對(duì)應(yīng)的釋義文檔中相對(duì)于整體語(yǔ)料文檔區(qū)分度較高的關(guān)鍵詞及其權(quán)重，以此作為特征量化其在每個(gè)文檔中的重要度。其中，單個(gè)文檔的關(guān)鍵詞及關(guān)鍵詞權(quán)重能夠形成一個(gè)權(quán)重向量，即文檔特征向量，所有文檔特征向量的集合便構(gòu)建了電子政務(wù)領(lǐng)域的DWM，而由于每個(gè)電子政務(wù)術(shù)語(yǔ)能夠與其釋義文檔獨(dú)立匹配，故DWM亦可轉(zhuǎn)換為TWM，后續(xù)聚類工作將基于TWM展開。

從結(jié)構(gòu)的角度通過FCA識(shí)別層次關(guān)系，需要統(tǒng)計(jì)出所有術(shù)語(yǔ)在每條社交媒體文檔內(nèi)的共現(xiàn)情況，故而采取函數(shù)匹配判斷單個(gè)社交媒體文檔內(nèi)所有術(shù)語(yǔ)是否出現(xiàn)，若出現(xiàn)統(tǒng)計(jì)為1，否則為0。若在一篇文檔內(nèi)不止一個(gè)術(shù)語(yǔ)出現(xiàn)，則稱為術(shù)語(yǔ)共現(xiàn)[23]。其中，單個(gè)文檔內(nèi)術(shù)語(yǔ)集合的共現(xiàn)情況能夠形成一個(gè)向量，所有文檔向量的集合便構(gòu)建了存儲(chǔ)＜文檔-術(shù)語(yǔ)-權(quán)重＞三元組的電子政務(wù)領(lǐng)域DTM，后續(xù)FCA工作將基于DTM展開。

3.2 基于PCA與T-SNE的聚類數(shù)目確定

對(duì)電子政務(wù)術(shù)語(yǔ)TWM聚類之前需要確定聚類數(shù)目，目前受到學(xué)界認(rèn)可的自動(dòng)化處理方式是將矩陣降維至二維或三維空間，通過可視化輔助聚類數(shù)目的判斷[24]。

（1）主成分分析（principal component analysis，PCA）是一種對(duì)高維數(shù)據(jù)進(jìn)行線性降維的方法[25]，將高維特征映射到低維正交特征上，計(jì)算數(shù)據(jù)在正交特征上投影的方差，方差越大，正交特征包含的信息量越多，刪去小特征值方向上的數(shù)據(jù)即可達(dá)到降維效果。

（2）T分布隨機(jī)鄰域嵌入（T-distributed stochas‐tic neighbor embedding，T-SNE）是一種非線性降維算法[26]，通過高維數(shù)據(jù)點(diǎn)之間的概率分布使得相似對(duì)象有更高的概率被選中，同時(shí)，將對(duì)象點(diǎn)映射至低維空間構(gòu)建概率分布，使兩者盡可能相似以達(dá)到降維的效果。

首先，用數(shù)據(jù)點(diǎn)間的條件概率表示相似度，以xi為中心構(gòu)建高斯分布（方差為σi），則有高維空間中任意兩點(diǎn)xi、xj間的相似性pj|i均可使得鄰域內(nèi)的點(diǎn)（k）相似性較大，如公式(1)所示：

其次，為克服數(shù)據(jù)點(diǎn)間的“擁擠問題”，對(duì)高維數(shù)據(jù)點(diǎn)分布實(shí)行對(duì)稱化使其與采用t分布的低維概率分布矩陣對(duì)稱，用高維空間數(shù)據(jù)點(diǎn)對(duì)xi、xj和映射的低維空間重組的數(shù)據(jù)點(diǎn)對(duì)yi、yj之間的聯(lián)合概率pij、qij分別表示數(shù)據(jù)點(diǎn)之間的相似度，如公式(2)所示：

再次，采用KL散度（Kullback-Leibler diver‐gence）作為目標(biāo)函數(shù)測(cè)度兩種分布之間的差異，利用隨機(jī)梯度計(jì)算的方法優(yōu)化迭代目標(biāo)函數(shù)，目標(biāo)函數(shù)與梯度計(jì)算的判別式分別為

最后，T-SNE使用困惑度（prep）描述樣本點(diǎn)的有效近鄰點(diǎn)個(gè)數(shù)，其通過二分搜索的方式尋找最佳方差，計(jì)算公式為

其中，H(pi)是pi的香農(nóng)熵，用來度量樣本數(shù)據(jù)的不確定性。熵值越大，困惑度越大，領(lǐng)域數(shù)據(jù)點(diǎn)的數(shù)量越多，相互之間的概率也越接近。

綜上所述，PCA算法運(yùn)行高效但特征值分解具有一定局限，降維主元并不一定最優(yōu)；T-SNE精確性更優(yōu)，而高復(fù)雜度計(jì)算會(huì)導(dǎo)致訓(xùn)練時(shí)間過長(zhǎng)。因此，可先行使用PCA對(duì)TWM進(jìn)行線性降維，若降維效果不佳，則進(jìn)一步采取T-SNE開展非線性降維。

3.3 基于譜聚類的術(shù)語(yǔ)類簇劃分

在聚類數(shù)目的指導(dǎo)下，可對(duì)電子政務(wù)術(shù)語(yǔ)百科文本的TWM進(jìn)行譜聚類劃分術(shù)語(yǔ)類簇。譜聚類是一種源于圖論思想的聚類算法，將集中的數(shù)據(jù)點(diǎn)視為無向加權(quán)圖的頂點(diǎn)，從而讓數(shù)據(jù)點(diǎn)之間的相似關(guān)系轉(zhuǎn)化為無向圖的加權(quán)邊，使得數(shù)據(jù)集的聚類轉(zhuǎn)化為無向加權(quán)圖的切分問題[27]。譜聚類的核心在于對(duì)數(shù)據(jù)集LM的特征向量進(jìn)行聚類，以達(dá)到更為精準(zhǔn)的劃分效果，具體步驟如下：

Step1.輸 入 數(shù) 據(jù) 集TWM={v1,v2,…,vm}，聚 類 數(shù)目為l。

Step2.將數(shù)據(jù)集圖譜化，定義任意兩點(diǎn)vi、vj之間的權(quán)重wij來表示兩點(diǎn)之間的相似度，當(dāng)數(shù)據(jù)點(diǎn)間有連接邊時(shí)，wij＞0；否則，wij=0，且無向圖的性質(zhì)使得wij=wji。此外，圖形的邊權(quán)重通過高斯距離獲得，計(jì)算公式為

Step3.通過數(shù)據(jù)集的邊權(quán)重計(jì)算相似度矩陣Sm與對(duì)角矩陣Dm，以此構(gòu)建拉普拉斯矩陣（Lm），并將其進(jìn)行標(biāo)準(zhǔn)化處理（Lstd）：

Step4.計(jì)算并獲取Lstd前e個(gè)最大的特征值與特征向量，將特征向量作為列向量進(jìn)行集合得到矩陣um×e={u1,u2,…,ue}，并對(duì)其規(guī)范化得到新矩陣Tm×e，規(guī)范公式為

Step5.對(duì)Tm×e的 行 向 量 使 用K-means聚類，輸出類簇C1,C2,…,Cl，各類簇內(nèi)的術(shù)語(yǔ)為通過聚類所劃分的電子政務(wù)術(shù)語(yǔ)集合。

因此，通過譜聚類可構(gòu)建電子政務(wù)術(shù)語(yǔ)TWM的無向加權(quán)圖，并計(jì)算LM開展后續(xù)聚類工作，以達(dá)到從內(nèi)容層面劃分電子政務(wù)術(shù)語(yǔ)類簇的目的。

3.4 基于中心度的術(shù)語(yǔ)類標(biāo)確定

在劃分了電子政務(wù)術(shù)語(yǔ)類簇后，緊接著就是提取每個(gè)類簇的類目標(biāo)簽。首先，針對(duì)譜聚類所切分TWM的 類 簇C1,C2,…,Cl提 取 出 子 矩 陣TWM1,TWM2,…,TWMl。其次，在每個(gè)子矩陣內(nèi)以詞語(yǔ)為屬性構(gòu)建術(shù)語(yǔ)特征向量，通過余弦算法計(jì)算術(shù)語(yǔ)特征向量的相似度，獲得表示術(shù)語(yǔ)間相似度的術(shù)語(yǔ)-術(shù)語(yǔ)矩 陣（term-term matrix，TTM）TTM1,TTM2,…,TTMl。最后，將TTM輸入社會(huì)網(wǎng)絡(luò)工具借助SNA計(jì)算各子矩陣內(nèi)的術(shù)語(yǔ)中心度，提取中心度較高的術(shù)語(yǔ)作為子矩陣的類目標(biāo)簽，即類簇C1,C2,…,Cl的標(biāo)簽。

3.5 基于FCA的概念層次結(jié)構(gòu)生成

FCA是一種數(shù)學(xué)語(yǔ)言驅(qū)動(dòng)的本體概念構(gòu)建方法，概念所有對(duì)象的集合被認(rèn)定為概念的外延，而其中公共屬性的集合被稱為概念的內(nèi)涵。從中抽取包括內(nèi)涵和外延在內(nèi)的概念層次結(jié)構(gòu)，稱為概念格結(jié)構(gòu)模型[28]。因此，采取FCA便能夠利用對(duì)象（政務(wù)文本）與屬性（政務(wù)術(shù)語(yǔ)）之間的二元關(guān)系抽取出基于結(jié)構(gòu)的層次關(guān)系。

若電子政務(wù)術(shù)語(yǔ)集合A（屬性）、社交媒體文檔集合O（對(duì)象）以及二者間的關(guān)系R共同構(gòu)建了一個(gè)三元組B=(A,O,R)，其中，aRo表示在對(duì)象o∈O中有屬性a∈A，將三元組B進(jìn)行轉(zhuǎn)化獲得電子政務(wù)DTM。

那么，在三元組B中，對(duì)O、A的冪集定義兩個(gè)映射f和h如下：

公式(8)反映了對(duì)象集合（Oi）中的共同屬性以及相同屬性（Aj）中的所有對(duì)象。此時(shí)，若f(Oi)=Aj且h(Aj)=Oi，則認(rèn)為C=(Oi,Aj)是以O(shè)i為外延、Aj為內(nèi)涵的概念。

若對(duì) 于概念C1=(O1,A1)、C2=(O2,A2)有A1?A2，則稱C2是C1的子概念，而這種父子關(guān)系便形成了層次序以揭示概念間的層次關(guān)系。

實(shí)質(zhì)上，概念間的父子關(guān)系的判斷是推理DTM內(nèi)以文檔為特征的術(shù)語(yǔ)向量間的包含關(guān)系。因此，采取求與運(yùn)算實(shí)現(xiàn)FCA判斷DTM內(nèi)術(shù)語(yǔ)向量間的父子關(guān)系，可識(shí)別基于結(jié)構(gòu)的電子政務(wù)術(shù)語(yǔ)層次關(guān)系。

3.6 基于語(yǔ)義融合的層次關(guān)系優(yōu)化與評(píng)價(jià)

在將基于內(nèi)容與基于結(jié)構(gòu)的層次關(guān)系進(jìn)行融合之后，便可以從擴(kuò)展與修正兩個(gè)角度優(yōu)化電子政務(wù)術(shù)語(yǔ)語(yǔ)義融合的上下位關(guān)系，并提煉出4種典型的融合類別，如表1所示。

表1 語(yǔ)義融合類別

在表1中，語(yǔ)義融合的類別主要包括：①上位擴(kuò)展，即不同的上位術(shù)語(yǔ)（A、B）指向同一個(gè)下位術(shù)語(yǔ)（C），以擴(kuò)展下位詞的上位概念；②下位擴(kuò)展，即代表一個(gè)上位術(shù)語(yǔ)（A）同時(shí)指向不同的下位術(shù)語(yǔ)（B、C），以擴(kuò)展上位詞的下位概念；③上下位擴(kuò)展，即通過同一個(gè)術(shù)語(yǔ)（B）將其上位術(shù)語(yǔ)（A）與下位術(shù)語(yǔ)（C）融合，以擴(kuò)展上下位概念；④上下位修正，即以FCA結(jié)果為準(zhǔn)，對(duì)沖突的上下位關(guān)系（A→B、B→A）開展進(jìn)一步修正。

對(duì)電子政務(wù)術(shù)語(yǔ)層次關(guān)系優(yōu)化之后，緊接著就是對(duì)所識(shí)別術(shù)語(yǔ)層次關(guān)系的召回率與準(zhǔn)確率進(jìn)行評(píng)價(jià)。如前文所述，現(xiàn)有的標(biāo)準(zhǔn)化主題詞表中，術(shù)語(yǔ)間層次關(guān)系尚存不足，不利于對(duì)基于語(yǔ)料庫(kù)所識(shí)別的術(shù)語(yǔ)層次關(guān)系進(jìn)行評(píng)判。因此，本文將訴諸電子政務(wù)領(lǐng)域?qū)＜覍?duì)術(shù)語(yǔ)層次關(guān)系的召回率與準(zhǔn)確率進(jìn)行評(píng)價(jià)，計(jì)算公式為其中，R表示基于術(shù)語(yǔ)實(shí)體進(jìn)行抽樣評(píng)價(jià)所獲取的召回率；P表示基于術(shù)語(yǔ)關(guān)系進(jìn)行抽樣評(píng)價(jià)所獲得的準(zhǔn)確率。其中，基于術(shù)語(yǔ)實(shí)體進(jìn)行抽樣評(píng)價(jià)，是指隨機(jī)抽取特定數(shù)量的電子政務(wù)術(shù)語(yǔ)。根據(jù)術(shù)語(yǔ)集內(nèi)所識(shí)別出的上下位關(guān)系，領(lǐng)域?qū)＜乙环矫嬖u(píng)價(jià)得到正確識(shí)別的術(shù)語(yǔ)層次（TP_entity）；另一方面給出術(shù)語(yǔ)集內(nèi)尚未識(shí)別出的層次關(guān)系（FN_entity），以此計(jì)算得出R。同時(shí)，由于當(dāng)抽取的術(shù)語(yǔ)集中層次關(guān)聯(lián)的數(shù)量較少時(shí)會(huì)影響準(zhǔn)確率的計(jì)算精度，故基于術(shù)語(yǔ)關(guān)系隨機(jī)抽取特定數(shù)量的層次關(guān)聯(lián)（TP_relation+FP_relation），并由領(lǐng)域?qū)＜以u(píng)價(jià)得出正確識(shí)別的數(shù)量（TP_relation），以此計(jì)算得到P。

3.7 基于OWL語(yǔ)言的知識(shí)存儲(chǔ)與展示描述

將基于內(nèi)容、結(jié)構(gòu)和融合所得的層次關(guān)系通過OWL語(yǔ)言進(jìn)行存儲(chǔ)形成電子政務(wù)知識(shí)結(jié)構(gòu)。OWL存儲(chǔ)語(yǔ)法 主要有＜o(jì)wl:Class＞和＜rdfs:SubClassOf＞兩種形式[29]。其中，前者用于定義類，后者用于描述類之間的父子關(guān)系，包含兩種知識(shí)存儲(chǔ)方法，如圖2所示。

由圖2可知，第一種方法（圖2a）利用語(yǔ)法(10)先行定義父類術(shù)語(yǔ)“保衛(wèi)”，隨后通過式(11)在定義子類術(shù)語(yǔ)“安全保衛(wèi)”的同時(shí)規(guī)定二者間的父子關(guān)系；第二種方法（圖2b）運(yùn)用語(yǔ)法(12)在定義子類的同時(shí)定義父類，并描述二者間的父子關(guān)系。第一種編碼語(yǔ)法與第二種編碼語(yǔ)法均可表示“保衛(wèi)”為“安全保衛(wèi)”的上位類，即采用任意一種均可對(duì)識(shí)別出的電子政務(wù)術(shù)語(yǔ)層次關(guān)系編碼。將所有上下位知識(shí)結(jié)構(gòu)存儲(chǔ)為OWL文件，并使用Protégé打開，即可對(duì)電子政務(wù)領(lǐng)域術(shù)語(yǔ)的層次關(guān)系進(jìn)行展示。

圖2 電子政務(wù)術(shù)語(yǔ)層次關(guān)系編碼

4 實(shí)驗(yàn)結(jié)果

本文以《綜合電子政務(wù)主題詞表》內(nèi)“政法、監(jiān)察”類主題詞為術(shù)語(yǔ)集，采用第3節(jié)的邏輯方法，運(yùn)用Python 3.7、Matlab 2017、Gephi 0.9.2、Protégé5.0等工具，分別從內(nèi)容和結(jié)構(gòu)的識(shí)別術(shù)語(yǔ)間的層次關(guān)系，將兩者結(jié)果融合為電子政務(wù)本體以開展深入分析。

4.1 基于內(nèi)容的層次關(guān)系識(shí)別結(jié)果及分析

基于內(nèi)容層面識(shí)別電子政務(wù)術(shù)語(yǔ)層次關(guān)系需要訴諸網(wǎng)絡(luò)百科語(yǔ)料，其中百度百科憑借其詞條收錄數(shù)量、開放編輯機(jī)制、搜索引擎用戶基礎(chǔ)等方面的優(yōu)勢(shì)已經(jīng)成為全球最大的中文網(wǎng)絡(luò)百科[30]，更利于揭示中文領(lǐng)域的術(shù)語(yǔ)知識(shí)內(nèi)涵。因此，按照術(shù)語(yǔ)集列表依次檢索并爬取了所有術(shù)語(yǔ)的百度百科，爬取時(shí)間為2019年10月3日，在進(jìn)行數(shù)據(jù)清洗后得到與術(shù)語(yǔ)匹配的1378個(gè)釋義文本。接下來，對(duì)內(nèi)容層面層次關(guān)系的識(shí)別將基于該文檔展開。

（1）電子政務(wù)TWM構(gòu)建。由于詞表已根據(jù)主題內(nèi)容將“政法、監(jiān)察”類術(shù)語(yǔ)劃分為5個(gè)二級(jí)范疇，故基于此分類標(biāo)準(zhǔn)通過TF-IDF模型分別構(gòu)建這5類術(shù)語(yǔ)集的TWM，一共得到包括“綜合用語(yǔ)”（232×1605）、“公安”（384×1949）、“司法”（522×2320）、“監(jiān)察”（144×629）、“國(guó)家安全”（96×426）在內(nèi)的16114個(gè)術(shù)語(yǔ)-詞語(yǔ)關(guān)聯(lián)權(quán)重。

（2）PCA與T-SNE聯(lián)合輔助聚類數(shù)目確定。首先，對(duì)TF-IDF算法所生成的電子政務(wù)TWM進(jìn)行PCA降維，將高維矩陣降至2維以展現(xiàn)術(shù)語(yǔ)在平面上的分布，從而輔助聚類數(shù)目的確定。若PCA線性降維的效果不佳，則進(jìn)一步采取T-SNE非線性降維。以“司法”類術(shù)語(yǔ)為例，結(jié)果如圖3所示。

由圖3可知，“司法”類術(shù)語(yǔ)特征的PCA降維結(jié)果表明，電子政務(wù)術(shù)語(yǔ)在二維空間內(nèi)分布較不均衡，不利于對(duì)術(shù)語(yǔ)聚類數(shù)目的可視化劃分；而TSNE降維能夠使得術(shù)語(yǔ)在文本空間內(nèi)達(dá)到較好的分布效果。通過可視化不難發(fā)現(xiàn)，“司法”類術(shù)語(yǔ)的聚類數(shù)目可設(shè)定為5，其余類簇在確定向下細(xì)分的類目時(shí)均參照此種方法。

（3）基于內(nèi)容的層次關(guān)系生成。在降維所得聚類數(shù)目的指導(dǎo)下，對(duì)電子政務(wù)術(shù)語(yǔ)的TWM進(jìn)行多重譜聚類，獲得電子政務(wù)術(shù)語(yǔ)的層次關(guān)系，如表2所示。

由表2可知，在內(nèi)容視角下，電子政務(wù)術(shù)語(yǔ)經(jīng)過多重譜聚類已劃分為穩(wěn)定層次，并在原有詞表的基礎(chǔ)上向下細(xì)分了3～4層。本研究通過余弦算法計(jì)算每個(gè)類目?jī)?nèi)術(shù)語(yǔ)間的相似度，再借助SNA計(jì)算術(shù)語(yǔ)中心度，將中心度較高的術(shù)語(yǔ)作為類目標(biāo)簽。以“司法”類第2層中的類簇為例，結(jié)果如圖4所示。

在圖4中，SNA結(jié)果表明該類簇內(nèi)中心度前3的術(shù)語(yǔ)分別為“行政復(fù)議”（196）、“行政司法”（195）及“訴訟代理”（186）。其中，前兩者的中心度最為接近，而從術(shù)語(yǔ)內(nèi)涵的角度來看，“行政司法”是指行政機(jī)關(guān)依照司法程序解決糾紛的所有行政行為，其內(nèi)涵廣度超過了作為行政行為一種的“行政復(fù)議”，故擇其為該類簇的標(biāo)簽。

本研究分別對(duì)表2中的第2、3、4層類目采用SNA的方法確定類目標(biāo)簽，從內(nèi)容視角識(shí)別電子政務(wù)術(shù)語(yǔ)的層次關(guān)系，一共得到了1371對(duì)上下位關(guān)系。通過圖2中的OWL語(yǔ)法對(duì)層次關(guān)系自動(dòng)編碼，可存儲(chǔ)基于內(nèi)容的電子政務(wù)術(shù)語(yǔ)層次知識(shí)結(jié)構(gòu)，如圖5所示。

讀取“政法、監(jiān)察”領(lǐng)域內(nèi)由基于內(nèi)容的電子政務(wù)術(shù)語(yǔ)知識(shí)結(jié)構(gòu)所存儲(chǔ)的OWL文件，通過Onto‐Graf插件對(duì)基于內(nèi)容的層次關(guān)系進(jìn)行展示，如圖6所示。

圖4 類簇標(biāo)簽確定

圖5 基于內(nèi)容的電子政務(wù)術(shù)語(yǔ)層次知識(shí)結(jié)構(gòu)

images/BZ_73_224_795_1013_1018.png

圖6 基于內(nèi)容的電子政務(wù)術(shù)語(yǔ)層次關(guān)系展示(1～3層)

在圖6中，從外在特征的角度來看，基于內(nèi)容的電子政務(wù)術(shù)語(yǔ)層次具備清晰的知識(shí)框架。在“綜合用語(yǔ)”“公安”“司法”術(shù)語(yǔ)集內(nèi)，類簇的最大深度可至5層；在“國(guó)家安全”“監(jiān)察”術(shù)語(yǔ)集內(nèi)，最小層次為2層。在知識(shí)框架的118個(gè)類目?jī)?nèi)，最大簇為“監(jiān)察”類的第3層類目“監(jiān)察工作”，共有44個(gè)術(shù)語(yǔ)；最小簇為“監(jiān)察”類第2層類目“行政監(jiān)察”，共有3個(gè)術(shù)語(yǔ)。此外，超過一半的知識(shí)類目分布于框架的第3層，占整體類目的56.8%，說明采取聚類方法所形成的基于內(nèi)容的層次關(guān)系較為合理。

從內(nèi)在特征的角度而言，本研究將通過例證的方式從電子政務(wù)知識(shí)本體橫向擴(kuò)散的差異性與縱向延伸的繼承性兩個(gè)方面分別探索其優(yōu)劣，如表3所示。

表3 基于內(nèi)容的術(shù)語(yǔ)層次內(nèi)在特征分析

一方面，表3展現(xiàn)了“公安”類術(shù)語(yǔ)內(nèi)的一簇知識(shí)結(jié)構(gòu)。從橫向擴(kuò)散的角度來說，“安全保衛(wèi)”知識(shí)簇在第4層所拆分的類目標(biāo)簽可以代表保衛(wèi)工作的針對(duì)對(duì)象（反動(dòng)組織）、執(zhí)行主體（隊(duì)伍）和具體活動(dòng)（反恐），能夠體現(xiàn)出較為明顯的差異；從縱向延伸的角度來說，C1_公安→C2_保衛(wèi)工作→C3_安全保衛(wèi)→C4_反動(dòng)組織/反恐/隊(duì)伍，也能在類簇不斷細(xì)化的過程中反映出術(shù)語(yǔ)內(nèi)涵的繼承。因此，基于內(nèi)容的層次關(guān)系具備一定的有效性。

另一方面，表3中的知識(shí)結(jié)構(gòu)也尚存不足。如底層術(shù)語(yǔ)“防暴警察”歸屬于第4層的“反恐”類在內(nèi)容層面雖無問題但并不全面，這是因?yàn)樾g(shù)語(yǔ)“警察”也可以作為其上位類，因此可進(jìn)一步對(duì)電子政務(wù)本體進(jìn)行擴(kuò)展。又如該類簇將“保衛(wèi)工作”設(shè)定為“安全保衛(wèi)”的上位類，然而“保衛(wèi)工作”的定義是指國(guó)家安全和公安保衛(wèi)的組成部分，故將其作為“安全保衛(wèi)”的下位類更為合適。此外，術(shù)語(yǔ)“反革命組織”歸屬于“反動(dòng)組織”的范疇會(huì)比作為“隊(duì)伍”的下位類顯得更為貼切，所以已有層次關(guān)系亦可進(jìn)一步修正。

4.2 基于結(jié)構(gòu)的層次關(guān)系識(shí)別結(jié)果及分析

基于結(jié)構(gòu)層面識(shí)別電子政務(wù)術(shù)語(yǔ)層次關(guān)系需要訴諸社交媒體語(yǔ)料。其中，以政務(wù)微博為代表的政務(wù)社交媒體歷經(jīng)十年發(fā)展，從2009年的幾十個(gè)賬號(hào)增長(zhǎng)到如今的179930余個(gè)，已經(jīng)成為我國(guó)最大的移動(dòng)政務(wù)平臺(tái)[31]。因此，按照術(shù)語(yǔ)集列表順序自動(dòng)檢索并爬取了所有“政法、監(jiān)察”類電子政務(wù)術(shù)語(yǔ)的政務(wù)微博文本，爬取時(shí)間為2019年10月3日，獲取從當(dāng)日起向前回溯10個(gè)頁(yè)面的微博文檔。本研究通過去除缺失值、重復(fù)值和整理文檔集與術(shù)語(yǔ)集對(duì)應(yīng)關(guān)系等數(shù)據(jù)清洗操作，得到與電子政務(wù)術(shù)語(yǔ)相匹配的政務(wù)微博共計(jì)21638條，基于結(jié)構(gòu)的層次關(guān)系識(shí)別將圍繞這類文檔展開。

（1）術(shù)語(yǔ)共現(xiàn)關(guān)系生成。相較于基于內(nèi)容角度使用單個(gè)術(shù)語(yǔ)的百科文檔，基于結(jié)構(gòu)識(shí)別層次關(guān)系更強(qiáng)調(diào)不同術(shù)語(yǔ)在文檔內(nèi)的共現(xiàn)情況。若繼續(xù)按照詞表對(duì)“政法、監(jiān)察”類術(shù)語(yǔ)二級(jí)范疇的劃分方式，會(huì)致使5個(gè)類簇內(nèi)的術(shù)語(yǔ)相互隔離，同時(shí)也會(huì)遺漏很多上下位關(guān)系。較為典型的為“綜合用語(yǔ)”類的術(shù)語(yǔ)集合包含有與其他4類術(shù)語(yǔ)集密切相關(guān)的術(shù)語(yǔ)，如“案件”“犯罪”“反貪”等術(shù)語(yǔ)，在實(shí)踐場(chǎng)景中均有可能與“公安”“司法”“監(jiān)察”類術(shù)語(yǔ)在政務(wù)文本中共同出現(xiàn)。因此，基于結(jié)構(gòu)視角識(shí)別層次關(guān)系將不再采用詞表所提供的二級(jí)范疇劃分方式，而是將所有術(shù)語(yǔ)作為一個(gè)整體，通過函數(shù)匹配術(shù)語(yǔ)集在21638條政務(wù)微博文本內(nèi)的共現(xiàn)結(jié)果，共得到32592個(gè)關(guān)聯(lián)。

（2）形式化背景與FCA。將電子政務(wù)術(shù)語(yǔ)在文檔中統(tǒng)計(jì)，得到共現(xiàn)關(guān)聯(lián)以＜文檔，術(shù)語(yǔ)，權(quán)重＞三元組的形式進(jìn)行存儲(chǔ)，并將其轉(zhuǎn)化為DTM，形成電子政務(wù)領(lǐng)域的形式化背景EFM={D,T,R}。其中，D中 共 有21638個(gè)對(duì)象；T中 共 有1378種 屬 性；R中存在32592個(gè)關(guān)聯(lián)。通過編寫求與運(yùn)算程序?qū)FM實(shí)現(xiàn)FCA，如圖7所示。

在圖7中，由工作區(qū)的元胞數(shù)組可知，本實(shí)驗(yàn)使 用DTM（21638×1378）存 儲(chǔ)EFM，通 過 對(duì) 象（電子政務(wù)文檔）所形成的向量空間判斷屬性（電子政務(wù)術(shù)語(yǔ)）之間的包含關(guān)系，從而實(shí)現(xiàn)FCA獲取電子政務(wù)術(shù)語(yǔ)間的上下位關(guān)系，并形成了Result對(duì)稱數(shù)組（1378×1378），包括行術(shù)語(yǔ)（LT）、列術(shù)語(yǔ)（CT）和上下位關(guān)系（H），記作：LT為CT的H，例如，“案件”為“案件處理”的上位，如此累計(jì)得到1505對(duì)上下位關(guān)系。通過數(shù)據(jù)庫(kù)連接運(yùn)算刪去其中冗余關(guān)系，最終獲得1232對(duì)上下位關(guān)系。

圖7 基于結(jié)構(gòu)的上下位關(guān)系生成

（3）知識(shí)存儲(chǔ)與可視化。通過行列轉(zhuǎn)換，將所獲得的上下位關(guān)系轉(zhuǎn)換到二維，并使用OWL語(yǔ)法進(jìn)行存儲(chǔ)，展示基于結(jié)構(gòu)的電子政務(wù)術(shù)語(yǔ)層次關(guān)系，如圖8所示。

在圖8中，從外在特征的角度來看，電子政務(wù)術(shù)語(yǔ)基于結(jié)構(gòu)的層次關(guān)系的整體框架尚不完備。在結(jié)構(gòu)層次的392個(gè)類目中，僅首層就分裂出247個(gè)類目，占總體知識(shí)類目的絕大多數(shù)（63%），僅存有2簇最大深度雖也可至第5層，這使得縱向延伸的類目較為有限。此外，類目的最大簇為“案件”，共有49個(gè)術(shù)語(yǔ)；最小簇中含有1個(gè)術(shù)語(yǔ)，且在首層類目中占據(jù)的比例最大（39.3%）。不難發(fā)現(xiàn)，整體框架的層次性與完整性均略顯不足。

從內(nèi)在特征的角度而言，基于結(jié)構(gòu)的層次關(guān)系的精準(zhǔn)性較高。延續(xù)對(duì)表2中層次關(guān)系的說明，結(jié)構(gòu)層次結(jié)果顯示，“防暴警察”為“警察”的下位類，“安全保衛(wèi)”為“保衛(wèi)工作”的上位類，“反革命組織”歸置為“恐怖組織”的下位類，根據(jù)內(nèi)容層次所識(shí)別“恐怖組織”為“反動(dòng)組織”的下位類，推理可得“反革命組織”也從屬于“反動(dòng)組織”的范疇，這些均能夠?qū)?nèi)容層次框架進(jìn)行有效的擴(kuò)展與修正。此外，結(jié)構(gòu)層次最大深度的2個(gè)類簇分別為C1_審判→C2_一審終審→C3_終審制度→C4_兩審終審制度→C5_四級(jí)兩審終審制度、C1_案件→C2_特別程序→C3_終審制度→C4_兩審終審制度→C5_四級(jí)兩審終審制度，根據(jù)“審判”“案件”的知識(shí)內(nèi)涵，類簇在深層次細(xì)分過程中同樣也能夠保持較強(qiáng)的準(zhǔn)確性。

4.3 語(yǔ)義融合結(jié)果及分析

基于內(nèi)容的層次關(guān)系為電子政務(wù)術(shù)語(yǔ)本體搭建了初步框架，該框架具備有效的完整性與層次性，但準(zhǔn)確性尚可優(yōu)化。相較之下，基于結(jié)構(gòu)的層次關(guān)系則更為精準(zhǔn)，但對(duì)本體框架的支撐性略顯不足。因此，進(jìn)一步將兩者進(jìn)行語(yǔ)義融合，前者用于框架搭建，后者旨在修正與擴(kuò)展，以構(gòu)成一個(gè)框架完整、層次深入、精度準(zhǔn)確的電子政務(wù)術(shù)語(yǔ)本體。

語(yǔ)義融合一共得到2603對(duì)上下位關(guān)系，通過連接運(yùn)算對(duì)合并的上下位關(guān)系進(jìn)行去重，得到2182對(duì)上下位關(guān)系，形成了“政法、監(jiān)察”類電子政務(wù)術(shù)語(yǔ)本體，如圖9所示。

在圖9中，“政法、監(jiān)察”類電子政務(wù)術(shù)語(yǔ)本體具備更為完整、清晰的外在特征，類簇最大深度延伸至11層，語(yǔ)義細(xì)分維度大幅加深。在整體框架的638個(gè)類目?jī)?nèi)，最大簇為“監(jiān)察”類第3層類目的“檢察”以及處于“司法”類第5層或處于“監(jiān)察”類第6層的“監(jiān)察工作”，均聚合有40個(gè)術(shù)語(yǔ)，而最小簇含包含1個(gè)術(shù)語(yǔ)，占總體類目的39.5%。此外，超過一半的知識(shí)類目（52.8%）分布于本體的第4、5層，最多的第4層類目占到整體的29.8%，說明了類目在不同層次間的分布更為均衡。

基于表1中所列舉的語(yǔ)義融合類別，在電子政務(wù)本體中截取囊括所有類別的一個(gè)局部進(jìn)行說明，其內(nèi)容與結(jié)構(gòu)層面的層次關(guān)系如表4所示。

在表4中，內(nèi)容與結(jié)構(gòu)兩者層次關(guān)系的語(yǔ)義融合主要有4種代表形式：①上位擴(kuò)展，即“出入境”“安全員”“保衛(wèi)工作”多個(gè)上位術(shù)語(yǔ)指向同一下位術(shù)語(yǔ)“民航安全保衛(wèi)”；②下位擴(kuò)展，即同一上位術(shù)語(yǔ)“治安”指向“出入境”“治安處罰”多個(gè)下位術(shù)語(yǔ)；③上下位擴(kuò)展，即通過同一術(shù)語(yǔ)“保衛(wèi)”將其上位術(shù)語(yǔ)“打擊犯罪”與下位術(shù)語(yǔ)“安全保衛(wèi)”連接為同一個(gè)類簇；④上下位修正，以FCA為準(zhǔn)對(duì)“安全保衛(wèi)”與“保衛(wèi)工作”的上下位關(guān)系進(jìn)行修正。根據(jù)表4中內(nèi)容與結(jié)構(gòu)視角下層次關(guān)系的語(yǔ)義融合，從電子政務(wù)術(shù)語(yǔ)本體中抽取出經(jīng)過擴(kuò)展與修正后的上下位關(guān)系，如圖10所示。

表4 電子政務(wù)術(shù)語(yǔ)層次關(guān)系融合（局部）

圖10 電子政務(wù)術(shù)語(yǔ)本體擴(kuò)展與修正(局部)

在圖10中，語(yǔ)義融合主要展現(xiàn)了電子政務(wù)本體中“公安”類與“綜合用語(yǔ)”類術(shù)語(yǔ)的擴(kuò)展與修正情況。由①可知，在“公安”類術(shù)語(yǔ)集內(nèi)，通過擴(kuò)展上位概念“C3_出入境”“C4_安全員”及“C6_保衛(wèi)工作”，使得類簇“C2_治安”以及由“C2_嚴(yán)打”所細(xì)分的“C3_破案”“C3_打擊犯罪”分別指向了同一下位術(shù)語(yǔ)“民航安全保衛(wèi)”，該術(shù)語(yǔ)處于“C2_治安”的第4層，“C3_破案”的第5層，“C3_打擊犯罪”的第7層；由②可知，在“公安”類術(shù)語(yǔ)集內(nèi)，“C3_出入境”“C3_治安處罰”擴(kuò)展了其上位術(shù)語(yǔ)“C2_治安”的下位概念；由③可知，在“公安”“綜合用語(yǔ)”類術(shù)語(yǔ)集內(nèi)，上位術(shù)語(yǔ)“C4_保衛(wèi)”及下位術(shù)語(yǔ)“C6_保衛(wèi)工作”分別擴(kuò)展了“C5_安全保衛(wèi)”的上下位概念；由④可知，通過FCA所抽取層次關(guān)系的指導(dǎo)，將“C5_安全保衛(wèi)”修正為“C6_保衛(wèi)工作”的上位類。此外，在整體局部中可以進(jìn)一步發(fā)現(xiàn)與①同屬于上位擴(kuò)展的編號(hào)⑤，其通過擴(kuò)展上位概念“C2_嚴(yán)打”及“C2_犯罪”致使“C1_公安”與“C1_綜合用語(yǔ)”分別指向了同一下位術(shù)語(yǔ)“C3_打擊犯罪”，使得原本詞表中不同二級(jí)范疇內(nèi)的術(shù)語(yǔ)得以關(guān)聯(lián)，也驗(yàn)證了以整體術(shù)語(yǔ)集進(jìn)行FCA的必要性與有效性。

綜上所述，①～⑤表明語(yǔ)義融合能夠切實(shí)有效地?cái)U(kuò)展并修正術(shù)語(yǔ)的層次內(nèi)涵，繼而提升電子政務(wù)術(shù)語(yǔ)本體層次關(guān)系的召回率與準(zhǔn)確率。

4.4 電子政務(wù)術(shù)語(yǔ)本體評(píng)價(jià)分析

在形成了電子政務(wù)術(shù)語(yǔ)本體之后，接下來就是測(cè)度本體中層次關(guān)系的召回率與準(zhǔn)確率，繼而對(duì)本體所識(shí)別的層次關(guān)系進(jìn)行評(píng)價(jià)分析。本體中1～3層術(shù)語(yǔ)、3～7層術(shù)語(yǔ)和7～11層術(shù)語(yǔ)的數(shù)量分布大致滿足1∶3∶1，故可大致分為1～3層的大類術(shù)語(yǔ)、3～7層的中層術(shù)語(yǔ)和7～11層的深層術(shù)語(yǔ)。其中，大類術(shù)語(yǔ)代表著電子政務(wù)本體的整體知識(shí)架構(gòu)，中層術(shù)語(yǔ)在整體框架的基礎(chǔ)上廣泛擴(kuò)散知識(shí)關(guān)聯(lián)，深層術(shù)語(yǔ)則將擴(kuò)散的知識(shí)進(jìn)一步細(xì)化延伸。因此，從這3個(gè)層面測(cè)度術(shù)語(yǔ)層次的召回率和準(zhǔn)確率能夠有效評(píng)價(jià)電子政務(wù)本體的整體質(zhì)量。

基于術(shù)語(yǔ)的分布規(guī)律，本研究采取隨機(jī)抽樣的方式，分別從1～3層、3～7層、7～11層中分別抽取出20、60、20個(gè)術(shù)語(yǔ)實(shí)體以及術(shù)語(yǔ)集中所識(shí)別的上下位關(guān)系，總共抽取5次，取樣過程中秉持每層術(shù)語(yǔ)的抽取數(shù)量相對(duì)均衡，如此便得到了用于評(píng)價(jià)召回率的5組術(shù)語(yǔ)實(shí)體樣本；采取相同的方式從1～3層、3～7層、7～11層 中分別抽 取出20、60、20對(duì)層次關(guān)系，總共抽取5次，得到用于評(píng)價(jià)準(zhǔn)確率的5組術(shù)語(yǔ)關(guān)系樣本。結(jié)合論文發(fā)表數(shù)量、被引次數(shù)、代表性著作以及所在機(jī)構(gòu)遴選出5位電子政務(wù)領(lǐng)域?qū)＜?，并?組樣本分別發(fā)予領(lǐng)域?qū)＜覍?duì)術(shù)語(yǔ)層次關(guān)系進(jìn)行評(píng)價(jià)，收回反饋統(tǒng)計(jì)評(píng)價(jià)結(jié)果如圖11所示。

圖11 電子政務(wù)術(shù)語(yǔ)本體抽樣評(píng)價(jià)結(jié)果

由圖11可知，從整體來看，電子政務(wù)本體層次關(guān)系的評(píng)價(jià)結(jié)果良好，5位專家評(píng)價(jià)的綜合召回率均在80%以上，綜合準(zhǔn)確率在90%以上，這表明將內(nèi)容與結(jié)構(gòu)的層次關(guān)系相融合取得了較好的應(yīng)用效果。從召回率而言，處于1～3層、3～7層、7～11層的術(shù)語(yǔ)關(guān)聯(lián)的召回率較為均衡，并未體現(xiàn)出明顯差異；從準(zhǔn)確率來看，處于1～3層術(shù)語(yǔ)層次的準(zhǔn)確率最高，3～7層次之，7～11層最低但也均在80%以上，這一方面說明了電子政務(wù)本體具備良好的知識(shí)擴(kuò)展性與延伸性，同時(shí)，也反映了術(shù)語(yǔ)層次關(guān)系的準(zhǔn)確率會(huì)隨著層次加深逐級(jí)遞減?；诖?，在電子政務(wù)術(shù)語(yǔ)本體內(nèi)各大類中進(jìn)一步遴選出深層類簇進(jìn)行準(zhǔn)確性分析，如表5所示。

由表5可知，從整體上來說，電子政務(wù)術(shù)語(yǔ)層次關(guān)系的準(zhǔn)確性較高。就“綜合用語(yǔ)類”與“公安類”而言，兩者分別通過“C2_犯罪”與“C2_嚴(yán)打”所細(xì)分的下位術(shù)語(yǔ)“C3_打擊犯罪”在第3層合并為一簇，并自上而下深化至第10層，包含保衛(wèi)、執(zhí)法隊(duì)伍、犯罪案件等子類術(shù)語(yǔ)；就“司法類”而言，術(shù)語(yǔ)細(xì)化主要包含依法行政、訴訟過程、實(shí)例案件等方面的內(nèi)容，能至第11層；就“監(jiān)察類”而言，術(shù)語(yǔ)依據(jù)監(jiān)察工作與監(jiān)察部門的內(nèi)涵演化至第8層；就“國(guó)家安全類”而言，術(shù)語(yǔ)延伸的軌跡圍繞間諜工作展開并達(dá)至第8層。

基于內(nèi)容角度的層次關(guān)系大幅加深，同時(shí)也促使諸如“放火”“放火案”“放火案件”抑或“監(jiān)察”“監(jiān)察部”“監(jiān)察部門”“紀(jì)檢監(jiān)察部門”等基于結(jié)構(gòu)角度的層次關(guān)系得以關(guān)聯(lián)，這說明采用電子政務(wù)語(yǔ)料識(shí)別術(shù)語(yǔ)層次關(guān)系有效彌補(bǔ)了人工詞表的不足。

5 結(jié)語(yǔ)

本文基于內(nèi)容與結(jié)構(gòu)視角，首先，通過對(duì)網(wǎng)絡(luò)百科內(nèi)容所提取出的特征詞語(yǔ)采取譜聚類的方式，生成基于內(nèi)容的層次關(guān)系；其次，根據(jù)術(shù)語(yǔ)集在社交媒體文檔中的共現(xiàn)匹配情況，采用FCA建立概念格結(jié)構(gòu)，從而提取基于結(jié)構(gòu)的層次關(guān)系，以前者具有高召回率的層次關(guān)系為整體框架、后者高準(zhǔn)確率的層次關(guān)系為修正指導(dǎo)進(jìn)行語(yǔ)義融合，形成了一整套電子政務(wù)領(lǐng)域中文術(shù)語(yǔ)本體識(shí)別方案。對(duì)“政法、監(jiān)察”類電子政務(wù)主題詞的實(shí)驗(yàn)表明，內(nèi)容與結(jié)構(gòu)層面的語(yǔ)義融合，則達(dá)到了很好的擴(kuò)展與修正效果，專家評(píng)價(jià)結(jié)果顯示電子政務(wù)本體中層次關(guān)系的整體召回率（≥80%）與準(zhǔn)確率（≥90%）均較高，術(shù)語(yǔ)在語(yǔ)義內(nèi)涵的延伸過程中較好地彌補(bǔ)了原有詞表在內(nèi)容與結(jié)構(gòu)層面上的不足，這說明采用大規(guī)模語(yǔ)料所形成的電子政務(wù)本體具備良好的知識(shí)擴(kuò)展性與延伸性。

表5 電子政務(wù)術(shù)語(yǔ)本體深部層次準(zhǔn)確性分析

本文針對(duì)“政法、監(jiān)察”領(lǐng)域所形成的電子政務(wù)術(shù)語(yǔ)層次關(guān)系識(shí)別方法，是一種可以在短時(shí)間內(nèi)面向更多政務(wù)領(lǐng)域（“科技教育”“對(duì)外事務(wù)”“軍事國(guó)防”）、更大規(guī)模術(shù)語(yǔ)開展知識(shí)組織工作的自動(dòng)化體系，所構(gòu)成的電子政務(wù)術(shù)語(yǔ)本體也將在后續(xù)知識(shí)管理工作中開啟更為智能的應(yīng)用，本文暫列出3點(diǎn)：①信息檢索與推薦。利用電子政務(wù)本體的推理功能，一方面，通過關(guān)鍵詞擴(kuò)展助力于用戶信息需求表達(dá)；另一方面，根據(jù)本體內(nèi)術(shù)語(yǔ)的上下位關(guān)聯(lián)實(shí)現(xiàn)政務(wù)信息的個(gè)性化推薦。②跨部門信息共享?；凇肮病薄八痉ā薄氨O(jiān)察”“國(guó)家安全”等領(lǐng)域的關(guān)聯(lián)術(shù)語(yǔ)，指導(dǎo)公安部、司法部、監(jiān)察部、國(guó)家安全部等跨部門信息系統(tǒng)之間的政務(wù)信息資源共享，以開展不同部門間的政務(wù)合作。③政務(wù)知識(shí)發(fā)現(xiàn)。通過電子政務(wù)術(shù)語(yǔ)關(guān)聯(lián)，探索未被發(fā)掘的政務(wù)知識(shí)資源，繼而洞悉并提取出電子政務(wù)領(lǐng)域的新興知識(shí)，以期為優(yōu)化未來國(guó)家行政管理的工作效率提供參考。

另外，本研究也存在可完善之處。第一，通過機(jī)器識(shí)別層次關(guān)系通常對(duì)語(yǔ)料要求較為嚴(yán)苛，而百度百科與政務(wù)微博均源于網(wǎng)絡(luò)文本，在無人工干涉的條件下會(huì)致使語(yǔ)料內(nèi)容較為粗糙，后續(xù)將著重提高語(yǔ)料質(zhì)量以展開對(duì)比實(shí)驗(yàn)；第二，文章對(duì)術(shù)語(yǔ)層次關(guān)系的識(shí)別來自現(xiàn)有詞表，而長(zhǎng)期以來，在政務(wù)工作中所產(chǎn)生的新主題詞并未被詞表收錄，接下來的研究將試圖識(shí)別未登錄詞間的關(guān)聯(lián)以擴(kuò)充電子政務(wù)本體的層次體系。