CRFs模型面向情感分析的领域知识库构建研究(6)
4）Protégé
Protégé[ ]是由斯坦福大学Stanford Medical Informatics用Java编写开发的一个开放源码本体编辑器，用户可免费下载使用，并不需联网。Protégé支持多重继承，并对新数据进行一致性检查。Protégé可以通过一系列插件来扩展其功能，包括语言转换插件（支持F-logic、Jess、OIL、XML、prolog转换）、本体合并插件PROMPT、本体视图插件（OntoViz）、约束检验插件PAL(Protégé Axiom Language)、知识获取插件、形式化概念分析插件(Formal Concept Analysis)等。同时Protégé具有很强的可扩展性，主要表现在如下几点：
（1）Protégé是一个可扩展的知识模型。用户可以重新定义系统使用的表示原语。
（2）文件输出格式可以定制。可以将Protégé的内部表示转换成多种形式的文本表示格式，包括XML、RDF(S)、OIL、DAML、DAML+OII、OWL等系列语言。
（3）用户接口可以定制。提供可扩展的API接口，用户可以更换Protégé的用户接口的显示和数据获取模块来适应新的语言。
（4）有可以与其它应用结合的可扩展的体系结构。用户可以将其与外部语义模块（例如针对新语言的推理引擎）直接相连。
（5）后台支持数据库存储，使用JDBC和JDBC-ODBC桥访问数据库。由于Protégé开放源代码，提供了本体建设的基本功能，使用简单方便，有详细友好的帮助文档，模块划分清晰，提供完全的API接口，以及良好的中文支持，因此，它基本上成为国内外众多本体研究机构的首选工具。本文也采用了Protégé作为本体构建工具。
2.3.3 本体的构建方法
目前尚没有一套标准的本体构建方法，但一般认为，构建本体应遵循Gruber提出的5条规则[ ]：
（1）明确性和客观性(Clarity and Minimal Encoding Bias)：本体用自然语言对术语给出明确、客观的定义，对概念的描述不应该依赖于某一种特殊的符号。
（2）完整性(Integrity)：所给出的定义是完整的，能表达特定术语的含义。
（3）一致性(Coherence): 本体应该是一致的，也就是说，知识推理产生的结论与术语本身的含义不产生矛盾。它所定义的公理以及用自然语言进行说明的文档都应该具有一致性。
（4）可扩展性(Extendibility)：本体应该为可预料到的任务提供概念基础, 向本体中添加通用或专用的术语时，通常无须修改已有的概念定义。
（5）最少约束(Minimal Ontology Commitment)：只要能够满足特定的知识共享需求，本体约束条件就应该尽可能少。这可以通过定义约束最弱的公理以及只定义通讯所需的词汇来保证。
2.4 数码商品评论领域本体的构建
本文旨在构建中文数码商品评论的领域本体，采用斯坦福大学医学院开发的“七步法”（seven-steps）[ ]作为指导，提出了一种面向中文数码商品评论的本体构建流程，并采用OWL作为本体描述语言。本节将以手机领域为例，实现手机的评论信息本体的构建。其主要流程如图2.3所示：
图2.3 领域本体构建流程
2.4.1 确定本体的领域和数据来源
本以手机的中文评论信息为研究领域并完成本体的构建，以辅助完成中文商品评论内评论对象的抽取。因此该本体中包含的概念主要来自两个领域：①中文商品评论中评论对象的所属领域，本文即手机领域；②能够显示所评论对象以及中文商品评论的情感倾向的指示词。
（1）手机领域概念的数据来源
目前手机领域并未行程规范的行业分类标准或成熟的叙词表，因此为保证领域知识来源的可靠性和科学性，本研究中手机领域知识的主要来源是IT专业门户网站—中关村在线的手机频道和各品牌手机（如诺基亚、三星、摩托罗拉）官方网站。