D. Wang's Log

最近准备一些论文，把语义网络在个人PC桌面管理方面的最新研究进展调研了一下。正式一点的名字是叫语义桌面。自己对这个方向也很感兴趣，有一些相关的论文，但是不是很多。总的来说，就是对个人电脑里面的内容进行语义描述，然后在获得的这堆数据上做处理，提供服务。这么看来，做这个东西，系统设计思路算是比较直观，获取数据，设计核心处理代码（元数据查询、推理），最后就是设计交互式界面。这里的问题是：如何获取语义数据，系统的推理能力究竟有多强。这两个问题其实也是比较相关联的，推理建立数据之上。在设计推理能力上，我目前还没做过实验和测试，在考虑这个问题的时候，需要考虑目前语义网开发的基础设施（工具），要是自己提出的需求超出目前所能获取的这些工具的范畴，那岂不是需要自己去开发一套新的工具，甚至重新定义一套标准，这个工作量就比较大了。还需要考虑性能问题，数据量大的时候（我没测试过，但是性能问题是很显然的），复杂的推理功能势必会和性能搭上关系。当然，还有一个更大的问题，那就是元数据的获取。这个问题，对于语义网开发来说，是一个通用的问题，如何从非结构化的数据当中获取元数据。一个方式是人来做，我一直认为这种方法是可行的，而且我也愿意去做，可是世界上有形形色色的人，有些人就不愿意，何况目前有大量的非结构化数据，因此研究自动获取元数据的方法势在必行，目前在做的，比如从良好的数据源进行入手，像把wikipedia当作数据源，powerset就是拿它做数据源。当然，wikipedia里面更多的是文本，这时候就需要借助NLP、Machine Learning等技术，总之，这是一块比较大的问题。要是能够比较好的解决元数据获取问题，我们用的各种系统会比现在聪明许多：）

当然，事情可以更进一步。正如把各台孤立的电脑连成网络能产生如今的互联网，把孤立的数据放到一块儿也能干很多有意思的事情。系统产生的元数据本身从设计初衷来看，就是为了方便集成、共享。元数据加上各种技术使得系统更加聪明易用，再在所有人的数据当中进行挖掘分析，又能够获取更多有意思的东西，比如做一些推荐了。商品购物网站，例如淘宝，能够利用Data Mining等技术进行商品推荐，那是在计算机不知道数据语义信息基础之上做的事情，要是系统明白数据的意思，试想会有怎样的效果。

无论是什么技术，一个共同点是我们的系统越来越聪明。这种发展趋势是非常明显的，也是很显然的。计算机能完成过去由人来做的事情，从而人从琐碎的事情当中解放出来，可以去关注更加High Level的东西，大家都愿意这样。过去把读书笔记写在纸上，要用到了需要想想究竟记在那个地方了，到现在记在电脑里，要看的时候通过搜索等功能，电脑帮我们完成了很多的事情，提高了效率。而以后，应该是电脑能够明白一些简单的做事流程，理解数据的含义，去完成过去我们需要自己去做的事情。Google的搜索根据个人的喜好定制自己的搜索结果，而不是我用了N回，每次都是一样的结果，即使我对某些结果不会去点击一次。

今晚看Read Write Web，老外在这方面还是做了不少产品的，而且这些产品不少被大的公司使用。在这方面，应该有很大的市场，但是对技术创新也要求比较高。不过没事，有心思了不妨去摸索一把，至少没什么坏处吧：）

return ; 

在这里，此人貌似是Yahoo的。总感觉管理RDF数据，还有本体等的库还是用C/C++实现比较有效率，毕竟在实际应用当中，这些库都是处在底层，支撑上层服务的，效率在面对大量请求的时候就很重要了。可能一开始用Java是因为他的对应库比较全面吧。。

return 

我也做一回标题党:)

其实是那人做出来一套东西，来挑战W3C现有的一系列关于Semantic Web标准和Vision。晚上看semantic-web@w3.org邮件列表发现的， 那人的理念（博客链接）。Dan出来猛批，TimBL也在那人的博客下留言了。哎，这些东西可以拿出来讨论，不过也不用带着这种口气来到这个邮件列表，牛气哄哄，自然会引起大家不爽。。毕竟RDF/OWL/SPARQL都是W3C这些人弄了好多年的东东，你一下站出来否定。不管谁的东西，最后检验的还是实际应用。讨论是好，好好说，好好说~

我随便看了看那人的博客，感觉他关注的应用和实现还是挺狭窄的，思想还是基于SW的思想，只是给出另外一种实现。对于现有的开发者和研究人员来说，肯定还是采用W3C的吧，至少我用着还OK:) 从基础、实现来说，都是符合情理，除非那人说的东西果真是惊世骇俗，非我等俗人能理解。。不过看他的博客内容也不像。

Protege出4.0的Alpha版了，我现在用的是3.2版本，呵呵，够用了。新版本没试用过，等出release版再试试吧。

最近用Jena来进行一些本体操作，发现获得某个class的subclass速度很慢，整个本体也就80多个class，简单的层次关系，居然要3秒左右的时间。下阶段要解决这个问题。

将博客的首页文章用摘要的形式显示，简单明快:)

 

今天开题报告，完了之后感觉轻松不少。虽然也没觉得开题很难办，但是这几天自己一直感觉存在压力。晚上回来在实验室待了会儿便回到宿舍，跟宝宝聊天，随便看了些东西。突然想起该整理一下豆瓣里面的内容，顺便看看下阶段想看的书是什么。转了一圈，发现自己想读的书还有好多，同时发现豆瓣真是个好东东。转到某人的主页，很简单，一个个链接，布局很明了，链接都是到一些Web2.0站点，比如他的豆瓣主页，介绍关于他的读书生活，比如Vim专题页面，介绍他的对Vim的学习。主页由一个个元素构成。类似豆瓣这种站点，不禁让我想起RDF...

在昨天的W3C Semantic-Web Mailing List上，有人给出了以游戏的形式获得本体的点子。这个是那个网站：http://www.ontogame.org/ 

``Since our first experiments in May 2007, we have gained preliminary vidence that (1) users are willing to dedicate a lot of time to those ames, (...

在组织各种内容的时候，要是人们再细心一点，多加点metadata，而我的Agent就是不断的按照我预订的规则去抓取内容，这样的话，我不用再去访问别人博客的链接，从而寻找自己感兴趣的博客，也不用通过Google Scholar去搜索想要的论文，Agent帮我找~

本体不能按照自己的意愿随便建，何况建本体本来就是和领域专家密切相关的，有时候应用需要的时候，专家没在身边，本体只能通过利用第三方的本体或者自己弄一个，往往不如自己同领域专家在一起合作出来的好。需要一个本体ISO组织，负责...

上午和晚上目的都是明确：学习C++/开发技术和算法，现在唯独感觉下午时间利用率不高，过得不爽。今天下午一开始看Paper，硬盘上放了不少各个年代的SW Paper，下午看了几篇老的，都是讲本体工程（ontology engineering）、本体复用（ontology reuse）、本体评估（ontology evaluation）等，看完没啥感觉，甚是无聊，没精神，知识库那边的本体也先这样了。想想干点啥呢？有点坐不住了。索性去存电费！告知周一、三、五才能存。归来。老板找师兄师姐谈论文。一想，何不自己也开始写！想的都不少了，也挺可行，何不天天写一点，到最后就出来了。就这样，俺也开始写论文了。这种感觉不错，不用到时候花好几天去绞尽脑汁的写啊改啊。

return; 

...

目标和步骤明确了，要的事就是按部就班。上阶段建立的本体不行，仅仅是关系到文章、用户的管理，不能体现本体所应有的强大的知识推理和导航功能。昨天和老板的交谈意识到了这一点，明显老板也看出了我前阶段对本体把握的偏颇。知道怎么做了，需要根据领域知识建立一个大的本体。问题来了，领域专家去哪儿找？虽然说我是设计该知识库本体，可是我不是领域专家。老板说去图书馆找找资料。最好的方法是和领域专家沟通合作，可是一是合作单位没在北京，沟通就不方便，要坐到真正的沟通所付出的成本也不低。索性自己学习一把吧，作为第一版本体，要是做出来可行就请专家和用户提出意见改进。这回我又要努力学习一个跟我毫无相关的学科知识。语义网推广难吧，科研人员和开发者，仅仅懂得技术还不行，还需要领域专家，可能这和软件的需求分析类似。不过语义网开发同样需要需求分析，还要同领域专家合作，做一个像样的系统建立本体可能还需要不少时间，相关的工具虽然不...

系统各个模块都大致想好，由于系统本身结构比较清晰，难度不大。核心的问题没有解决好，就是对于知识库本身的分析不够透彻，需求做的不够详细，这就导致本体设计的时候类的层次少，类之间的联系也少，知识之间的交错性没体现出来，这就从根本上影响最后的效果。不过作为第一步还是先做出demo来。今天看了IEEE Intelligent Issue 3 2007的一篇文章，将SW应用在公共健康信息网，想法还是那样，无非是通过本体描述，对知识结构化，出来的效果是各种知识联系，加上可视化，效果不错。对于这种知识量比较大的项目，再有个领域专家，建好本体应该不难，而且本体有比较复杂的结构，核心做好了，外面的就可以慢慢来，最后的东东也是很好的。总想能够到Agent那种地步，嘿嘿，慢慢来吧：） ...