實作範例

實作範例我們使用的本體論領域為 Travel，下面我們將分成兩個部分說明，一 為 Query Extension Based on WordNet(QEW)方法，另一部分為 QEW 再加上 SWRL 規則的方法。

4.2.1 Query Extension Based on WordNet(QEW)

在此章節會先介紹擴充功能的使用方法和所得到的執行結果，接著會再說明利 用這些所擴充出來的 Query 到 Inference Engine 中配對服務的方法和結果。

4.2.1.1 擴充功能

在一般關鍵字搜尋中就是以單一詞為主，在 QEW 的方法中是將使用者輸入的

Query 做擴充，透過參數的設定，擴充的部分包含此 Query 相關意思的詞，下 圖為 JWI 從 WordNet 中取得相關擴充資訊之程式碼:

28

圖 15 取得擴充資訊之程式碼

我們將參數設為尋找 Query 相關的詞，因為在 WordNet 中，” Bike”這詞沒有形 容詞和副詞，所以在我們的例子中，只會顯示名詞和動詞。下圖為搜尋結果畫 面:

圖 16 擴充之 Query

29

圖 16 中 Bike 為使用者所輸入之 Query，下面則為擴充後的結果，我們可得知 在擴充後的 Query 增加了四個關聯詞，再利用這些 Query 來搜尋服務，讓使用 者能以搜尋條件增加的前提下搜尋到更多相關或適合的服務。

4.2.1.2 QEW 搜尋結果

當取得擴充後的 Query 時，再以這些 Query 透過 Service Match Maker 到 Inference Engine 中進行服務的配對，配對結果如下圖:

圖 17 QEW 搜尋結果

透過 Service Match Maker 配對我們可從 Inference Engine 中匹配到符合這些

Query 的結果，在沒有擴充時搜尋，我們所得到的結果只有 Jason’s bike shop，

而擴充後我們所得到的結果除了原本的 Jason’s bike shop 之外還增加了 Joe’s

bicycle store，所以透過這擴充的方法，讓使用者能不受單一關鍵字的限制，有 更多的服務選擇。

4.2.2 增加 SWRL 規則方法

在此章節，會先介紹我們所加入的 SWRL 規則如何撰寫並列出其例子和虛擬碼，

再加以說明解釋，在 4.2.2.2 的部分列出並說明所配對到的結果。

4.2.2.1 SWRL 規則加入

30

在加入 SWRL 規則方法中，我們會事先將 SWRL 規則寫好在 Service Match

Maker 中，當 Service Match Maker 接收到擴充後的 Query 時，SWRL 規則會先 和 Inference Engine 中的本體結合來增加本體之間所隱含的訊息，接著再透過擴 充後的 Query 做服務的配對，這樣除了原有的擴充 Query 作為搜尋依據外，還 增加了先寫好的 SWRL 規則讓使用者獲取更多的服務和相關訊息，下列為我們 所增加的 SWRL 規則和虛擬碼:

Store (Mike’s store) ^ HasService (Mike’s store, sellbike)

→HasServiceSellbike (Mike’s store)

上面為我們所要加入至 Inference Engine 中的 SWRL 規則，其所代表的意思是 有一間商店名稱為 Mike’s store，而這間 Mike’s store 他有 Sellbike 的服務，所以 我們可以得知 Mike’s store 這個商店他有提供 Sellbike 這樣的一個服務。

圖 18 SWRL 規則虛擬碼

圖 18 為 我 們 例 子 中 所 撰 寫 的 SWRL 規 則 和 虛 擬 碼 ，

31

Declaration(Class(:HasServiceSellbike)) 為 我 們 所 要 新 定 義 的 ObjectProperty ， Body 的 部 分 為 我 們 的 推 論 前 提 也 就 是 ClassAtom(:Store :Mike’s store) 和 ObjectPropertyAtom( :hasService :Mike’s store :Sellbike)，Head 的部分則為我們 所推論出來的結果也就是 ObjectPropertyAtom(:HasServiceSellbike :Mike’s store)，

透過推論引擎 Pellet，我們可以利用已知的前提 Body 來推論出新的結論 Head。

4.2.2.2 加入 SWRL 規則搜尋結果

將原本的 QEW 方法和 SWRL 規則透過 Service Match Maker 結合後，再進行服 務的配對，結果如下圖:

圖 19 加入 SWRL 規則之搜尋結果

圖 19 為加入 SWRL 規則後之配對結果。SWRL 規則透過 Service Match Maker 與 Ontology 的結合，再利用 QEW 為搜尋依據做配對服務，除了原有的 Jason’s bike shop 和 Joe’s bicycle store 兩個結果外，我們還可以得到 Mike’s store，讓使 用者有更多的選擇，而在撰寫例子的部分，我們也會針對使用者的 FEEDBACK 或較熱門的例子優先增加或修改。

32