摘  要： 受心理學激活-擴散模型的啟發(fā)，提出了在領域本體基礎上的用戶認知結(jié)構模型。該模型依據(jù)用戶提供的認知中心，一方面，根據(jù)領域本體中概念之間的語義相關性推導出用戶的認知范圍；另一方面，根據(jù)概念之間的語義相關度刻畫出用戶的認知深度。從認知范圍和認知深度兩方面，描述用戶對某領域知識的認知結(jié)構。實驗結(jié)果表明，該模型與通用本體模型相比，具有較高的查準率。
關鍵詞： 認知結(jié)構；激活擴散模型；認知廣度；認知深度；個性化檢索

　隨著信息的急劇膨脹，人們希望借助信息檢索工具如搜索引擎來獲取自己需要的信息顯得尤為迫切。然而，傳統(tǒng)的基于關鍵詞匹配的信息檢索技術往往只是得到“千人一面”的檢索結(jié)果，難以理解用戶檢索目的和區(qū)別用戶的需求。造成這種情況的主要原因有兩方面：一是當前的互聯(lián)網(wǎng)不能恰當?shù)奶幚碚Z義；二是缺乏對用戶的理解。針對第一個原因，Tim Berners-Lee提出了語義Web(Semantic Web)的概念[1]。其引入了以本體(Ontology)來表示概念和語義關聯(lián)信息這一思想，來實現(xiàn)不同系統(tǒng)之間的信息共享，提高網(wǎng)絡服務的智能化與自動化。語義Web通過把當前Web上無序的信息變?yōu)橛行虻闹R，為解決數(shù)據(jù)管理有序性與Web上信息無序性相矛盾，搜索引擎的查全查準要求與數(shù)據(jù)缺乏語義相矛盾等問題指明了方向[2]。針對第二個原因，許多學者引入了用戶上下文信息，如用戶工作內(nèi)容、專業(yè)背景、興趣、愛好、生活習慣、經(jīng)驗、點擊反饋、用戶認知(Cognition)、理解水平等因素都屬于用戶上下文信息。這些上下文信息都是理解用戶個性化需求的關鍵信息。
　隨著語義Web的研究，人們紛紛在本體的基礎上對上下文信息進行分析和描述[3]，這些研究具有以下特點：
　(1)研究對象僅僅只是用戶的興趣，缺乏從多角度對用戶個性化需求，如理解水平、認知結(jié)構等的理解和挖掘。
　(2)分析只是集中于利用上下語義關系，缺乏精確的分析和表示。這些研究工作大都基于WordNet、dmoz ODP(Open Directory Project)之類的通用本體，只在概念間的父子關系基礎上進行分析，而不能從細粒度上對用戶的興趣進行精確分析和表示。
　(3)研究方法多集中在定性的分析，缺乏定量分析和描述。這些研究大部分從父子語義關系入手來描述用戶興趣范圍，缺乏對用戶興趣深度的描述和表示。如文獻[4]的正例/反例擴展向量和文獻[5]中的個性化層次樹，只要描述的關鍵詞相同，那么用戶的個性化模型也必然相同。
心理學上認為，人們的興趣、認識和情感密切聯(lián)系。認識越深刻，情感就越豐富，興趣也就越濃厚。用戶的愛好、理解水平、表達等都和用戶認知結(jié)構緊密相關[6]。因此，從用戶的認知結(jié)構入手可以更好地理解用戶的個性化需求。尤其在專業(yè)領域范圍內(nèi)，用戶的檢索目標往往和自身在該領域的認知結(jié)構相適應。
　受認知心理學上激活-擴散模型(spreading-activation model)的啟發(fā)，本文提出了一種基于領域本體來描述用戶認知結(jié)構的模型ObSAM(Ontology based Spreading-Activation Model)。激活-擴散模型是認知心理學領域里一種表征個體知識的模型，它認為個體內(nèi)部知識不是按照層次組織的，而是根據(jù)概念間的語義關系或者語義之間的距離來組織和表示的。當概念在用戶大腦里出現(xiàn)時，用戶語義記憶中相對應的概念節(jié)點會被激活，被激活了的概念節(jié)點就開始擴散到其他的概念上，尤其會擴散到那些在語義上有緊密聯(lián)系的概念。根據(jù)這個模型，本文提出了用戶認知結(jié)構模型，依據(jù)用戶給出的認知中心概念，一方面，根據(jù)領域本體中概念之間的語義相關性推導出用戶認知范圍；另一方面，通過概念之間的語義相關度刻畫出用戶認知深度，從這兩個方面描述用戶對某領域知識的認知結(jié)構。
1 激活-擴散模型
　1968年Quillian提出了最早的語義記憶模型。在這個模型中，他用type來描述概念，用token描述詞語，用帶有標簽說明的激活擴散行為來描述兩個節(jié)點之間關聯(lián)時涉及到的中間節(jié)點。1975年Collins和Loftus最早提出了激活-擴散模型。他們認為個體內(nèi)部知識不是按層次組織的，而是根據(jù)語義關系或語義之間的距離來組織和表示的，并提出了描述人類認知的激活-擴散模型。
　激活-擴散模型認為，個體頭腦里所存儲的知識是一種組織巨大的概念網(wǎng)絡，概念之間是通過語義關系相關聯(lián)。激活-擴散模型有兩個關于知識結(jié)構的假設：(1)連接節(jié)點的線段表示概念之間的聯(lián)系，連線越短，表明兩個概念之間的聯(lián)系越緊密；(2)語義的距離是知識組織的基本原則，即概念的內(nèi)涵是由它相關聯(lián)的其他概念，特別是聯(lián)系密切的概念來確定的。它認為，當概念出現(xiàn)時，認知中相應的概念節(jié)點會被激活，被激活了的概念節(jié)點就開始擴散到其他的概念，特別是那些在語義上有緊密聯(lián)系的概念。而激活-擴散的遠近主要由以下因素決定：最初被激活節(jié)點的激活強度、從最初被激活的節(jié)點到目前節(jié)點的語義距離、擴散時間等。
20世紀80年代，激活-擴散模型已經(jīng)被應用到信息檢索領域，主要運用在文檔和詞匯查詢過程中用以擴展詞匯和文檔集。F.Crestani曾經(jīng)綜述了激活-擴散模型在信息檢索領域中的應用，指出了激活-擴散模型中典型的四點約束：扇出約束、路徑約束、距離約束以及激活約束。本文試圖在信息檢索領域直接按照激活-擴散模型的本意來描述用戶的認知結(jié)構，并把它應用到個性化信息檢索中。

　

3 實驗
3.1 實驗設置
　為了表現(xiàn)出在領域本體上構建模型ObSAM比通用本體有優(yōu)勢，實驗中采用了2個本體進行對比，一個是通用本體WordNet，另一個是經(jīng)濟學領域本體EO(economic ontology)(假設該領域本體包含所有的經(jīng)濟領域詞匯)。WordNet的讀取采用了SourceForge開放源碼社區(qū)提供的JWNL接口(http：//sourceforge.net/projects/jwordnet)；EO是NSFC資助項目“通用網(wǎng)上知識編輯器及示范主題語義網(wǎng)研究”的一部分成果，基本包含了經(jīng)濟學領域的重要概念和關系。
　對應于兩種不同的本體，相應采用的測試數(shù)據(jù)集是：一個是美國國家標準技術局NIST(National Institute of Standards and Technology)與2004年公開發(fā)布的TREC2001 Filtering Track中使用的REuters數(shù)據(jù)集(http：//www.jmlr.org/papers/volume5/lewis04a/lyrl2004_rcv1v2_README.htm)，另一個是中國人民大學數(shù)字圖書館個性化服務系統(tǒng)DLPers V2.0中的數(shù)字資源作為測試數(shù)據(jù)集。
3.2 實驗評測標準和實驗結(jié)果分析
　實驗主要從查詢準確率方面進行評價，查準率采用Precision@n和AP@k來衡量。Precision@n是前n個結(jié)果文檔中查詢準確率，用來衡量大多數(shù)用戶關注的前n個結(jié)果文檔的準確率。AP@k用來衡量前n個結(jié)果文檔中相關文檔的排序情況。Precision@n和AP@k在一起能更全面對top-k檢索結(jié)果進行評價，因為大多數(shù)用戶習慣在檢索過程中主要關注top-k檢索結(jié)果[7]。

　本文以認知心理學上的“激活-擴散模型”為基礎，提出了一種基于用戶認知結(jié)構的ObSAM模型。它具有以下優(yōu)點：(1)它是基于領域本體而不是通用本體。由于人類知識的構建本身是分領域進行的，所以基于領域本體更有利于表達用戶的認知結(jié)構，可以提供更精確和細致的分析。(2)基于概念之間的概念相關度來合理刻畫出用戶的認知深度，對用戶的個性化需求增加了定量分析，從認知廣度和認知深度兩個方面，加深對用戶個性化需求的理解。
參考文獻
[1] Berners-Lee T， Hendler J， Lassila O.The Semantic Web-A New Form Of Web Content That is Meaningful to Computers Will Unleash a Revolution of New Possibilities[J]. Scientific American， 2001， 284(5)：34-43.
[2] Berners-Lee T， Hendler J. Publishing On The Semantic Web-the Coming Internet Revolution Will Profoundly Affect Scientific Information[J]. Nature 2001，410(6832)：1023-1024.
[3] Middleton S， Shadbolt N， De Roure D.Ontological user profiling in recommender systems[J]. ACM Transactions on Information Systems 2004，22(1)：54-88.
[4] Sieg A， Mobasher B， Burke R， et al. Representing User Information Context with Ontologies[C]. In： Proceedings of 11thInternational Conference on Human-Computer Interaction(HCII2005)； Las Vegas， Nevada， USA，2005.
[5] Chaffee J， Gauch S. Personal Ontologies for Web Navigation[C]. In： Proceedings of the ninth international conference on Information and knowledge management；McLean，Va.，USA，2000， P.227-234.
[6] 梁寧建.當代認知心理學[M].上海：上海教育出版社，2003.
[7] 田萱，杜小勇，李海華.語義查詢擴展中詞語-概念相關度的計算[J]，軟件學報，2008，19(8)：2043-2053.