古兰经本体设计语义搜索引擎：自动处理古兰经文本，丰富查询结果

沙特国王大学学报古兰经本体Faiza Beiradea，1，Cheryl，Hamid Azzouneb，D.Eddine Zegourca自动处理语言（ESI计算机科学学院博士生），阿尔及利亚阿尔及尔b阿尔及利亚阿尔及尔USTHB大学计算机科学系cComputer Science College ESI，Algiers，Algeria阿提奇莱因福奥文章历史记录：收到2018年2019年4月8日修订2019年4月9日接受在线发售2019年关键词：本体语义搜索引擎丰富A B S T R A C T自然语言的自动处理在技术、方法和潜在应用的多样性方面都有了显著的发展。例如，为了自动化处理阿拉伯语及其特定功能，我们选择了古兰经作为研究案例。后者对人工智能提出了挑战。本论文的主要目标是使用古兰经本体设计古兰经文本的语义搜索引擎。为了确定古兰经词汇的语义场，古兰经本体论被发展出来，它呈现了词汇的含义及其关系。该方法用于每个概念，以丰富查询。©2019作者制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍目前，对古兰经概念的可用搜索模型利用基于关键字的搜索，其中基于统计和关键字的技术在数据挖掘和信息检索系统中取得了一些成功为了利用基于语义的技术，古兰经本体的开发，以呈现单词的含义及其关系，我们的目标是要求数据库与信息检索系统，并保证结果的准确性和可靠性查询扩展是一种克服性能弱点的成功技术。后者需要找出所有或部分查询词的等价词替代（同义词）。这是通过用户干预（通常称为交互式查询扩展）来实现的，或者是在没有上述任何操作的情况下自动实现的，通常称为自动查询扩展，参见（Rachidi et al.， 2003年）。*通讯作者。电子邮件地址：infoprog2002@yahoo.fr（F.贝拉德），azzoune@yahoo.fr（H. Azzoune），d_zegour@esi.dz（D.E. Zegour）。1地址：4 Subdivision Chevallez Bouzareah，阿尔及尔，阿尔及利亚。沙特国王大学负责同行审查。制作和主办：Elsevier我们的贡献在于使用Apache Lucene创建一个搜索引擎。此外，它建立了古兰经本体与古兰经的术语之间的语义关系，以扩大查询。本研究的组织包括：第一，介绍资源和说明古兰经本体论。第二，对系统进行描述，丰富查询功能。第三部分是对搜索结果分析的讨论和论证，最后对程序框图进行了总结，并对进一步的工作进行了讨论2. 的资源该系统使用在（Zakielkhedre，2004年）。这本词典考虑到了古兰经中这个词后者包含几个数据库，每个分析水平：形态，句法和语义。2.1. 形态学数据的基础这个数据库的建设需要削减古兰经中的核心和词缀的话举例来说ﺃﻓﺒﺎﻟﺒﺎﻃﻞ“结尾后缀-和词干（足够）。https://doi.org/10.1016/j.jksuci.2019.04.0051319-1578/©2019作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com754F. Beirade等人 /Journal of King Saud University- Computer and Information Sciences 33（2021）753- 7602.2. 句法数据的基础根据形态结构建立数据库。不同的是，词缀可以作为独立的词来使用，我们可以确定一个词的每个部分的句法分析和关于它的详细信息。专家们对古兰经中几个词的句法分析存在一些分歧，因此在含义和解释上存在差异;性别（男性或女性）和数量（单数和/或复数）也包括在内。2.3. 语义数据库这个语义数据库是围绕不同的标准形成的;第一个是指词根，因为词根之间存在联系，例如：到达（），来（如：（），（）进入（），mastermind（）这组词在语义上与人类运动有关。第二个标准是指词根的不同模式，例如：：进展情况我们可以看到方案之间的差异（），字典的单词表（见表1）是围绕以下字段构建的：Seq：古兰经词根：词根词英文名：The WordOthmani：文字的书写前缀：前缀的几个字段3. 古兰经相关本体论3.1. 本体定义本体模型是语义网技术中的一种新的、先进的模型，它是词汇项的形式化表示。本体的目标是提供一个能够利用语义场理论和成分分析来表示词义的计算模型。以这种方式表示含义将能够为阿拉伯语创建有用的自然语言处理应用程序，例如语义分析。为了构思古兰经中词语的语义场，古兰经本体论被发展成呈现词语古兰经本体论使用知识表示来定义古兰经中的关键概念。它使用底层逻辑显示它们之间的关系。我们有一位阿拉伯语专家参与了整个开发过程。本体的基本概念是基于索引字典（Zaki elkhedre，2004年）。这本字典是基于两个传统的来源古兰经分析，圣训的先知穆罕默德，和古兰经注释的伊本Kathir。3.2. 本体论概念该模型以词义成分分析和语义场理论为基础，对层次结构中的词进行了层次划分;不同的类：语义场、一般意义、相似语义场、语义单位和语义域。我们提供本体类的文本语言概念：一个类，它代表本体中使用的所有术语。语义场（Semantic Field）：代表古兰经中所有现有语义场的类别。一般意义：将每个语义场赋予全局意义。相似语义场：表示语义场相似的类。语义单位：表示单个单词的类语义域：表示域的类。为了获得类的话，我们应用以下规则中引用（扎基elkhedre，2001年）：⬛ 收集所有使用的单词上下文。⬛ 在它出现的每一个上下文中给出它的含义⬛ 把意义相同或相关的词聚集到一个语义场中。⬛ 将每个语义场赋予全局意义。⬛ 在字段的含义之间创建语义和逻辑关系。此外，我们必须澄清古兰经中每个词的确切含义及其上下文。我们将以下方案应用于图1所示的所有本体类集合。一曰：例如，为了获得正义这个词的含义，我们使用了几个关系，最重要的是下面列出的：1. 同义词关系：赋予相同的意义正义：2. 反义词关系：给出义与非的反义词“义与非3. 上下义关系：给出一个词的语义场：“”不规则的、越轨的。“4. 相似关系：给出单词的相似性叛逆，衰落，诽谤，诽谤。单词不规则性的本体类如图所示。第二章：本体是使用OWL格式（Web本体语言）的Protégé 2000开源软件创建的。此外，Protégé还提供了一个用JAVA编写的应用程序接口编程（API）。这个API允许JAVA 程序员开发可以访问图中所示的Protégé知识库的应用程序。3.第三章。3.3. 本体评价评价将包括两个阶段：1. 通过语义分析评估本体如何很好地呈现单词的含义（单词构成及其关系）。2. 用古兰经的所有文字来检验我们的本体论。图4示出了本体的提取：F. Beirade et al./Journal of King Saud University- Computer and Information Sciences 33（2021）753-760755表1单词表Fig. 1.本体类。图二、不规则词的本体类4. 相关作品查询扩展技术已经被许多研究人员研究。最成功的查询扩展技术依赖于自动相关反馈，而不管其语义关系。许多研究人员已经研究了语义查询，下面介绍了其中一些研究，以便从所有这些经验中学习：4.1. 语义查询扩展方法查询扩展方法与基于维基百科页面构建的本体一起使用。用于提高阿拉伯语的搜索准确性的其他同义词词典在（Mahgoubet al.， 2014年）。这种方法研究了两种查询扩展方法;第一种是最常见的查询扩展方法，它生成一个包含所有扩展项的扩展查询。引入的第二种方法是一次扩展一个术语，产生多个查询，然后将这些查询结果组合到一个结果列表中。这种方法讨论了语义搜索的主要特征，使其成为传统的基于关键字的技术的更好选择：1. 处理泛化2. 处理形态变化3. 处理概念匹配4. 正确处理同义词语义场语义域相似语义场语言学概念语义项一般意义756F. Beirade等人 /Journal of King Saud University- Computer and Information Sciences 33（2021）753- 760图3.第三章。《门徒》中的古兰经本体论见图4。 本体提取。这种方法在几个方面表明了一种与其他系统不同的系统：(1) 添加(2) 在没有“重定向”页面时添加维基百科(3) 允许用户在单个查询中扩展所有术语，或者单独扩展每个术语以产生多个查询。这些多个查询的结果列表然后被组合成单个结果列表。(4) 添 加 来 自 另 外 两 个 支 持 性 词 库 （ 即 “Al Raed“ 词 典和”Google_WordNet”词典）的术语，这些方法在（Mahgoubet al.， 2014年）。4.2. Axon系统Axon是一种信息检索系统，其特点是适用于阿拉伯语，并根据用户的偏好/兴趣提供个性化的结果F. Beirade et al./Journal of King Saud University- Computer and Information Sciences 33（2021）753-760757该系统提供了一种基于现有阿拉伯语本体的语义知识和来自用户配置文件的信息的查询扩展方法该个性化信息检索系统提供了基于语义知识的查询扩展方法，这些语义知识来自于现有的阿拉伯语本体（Amine Arabic WordNet和Arabic WordNet（AWN））和来自于用户简档的信息用户被邀请填写与其个人和专业数据以及其研究偏好相关的注册表。领域树的用户配置文件的构建是基于在所提到的本体中发现的语义关系的提取。该方法围绕用户档案的建立或查询、查询分析、查询扩展、搜索空间缩减、匹配文档查询、结果排序与过滤、相关段落抽取等七个主要阶段进行阐述建议的查询扩展方法已经实施，并测试了50个用户的150个查询，即。在（Safi，2014）中引用了7500个评价查询4.3. 语义词典该模型是一个计算模型，使用本体表示阿拉伯语词汇。这些本体是知识的表示结构，它们构成语义网的核心构件。该模型是基于语义场的语言学理论，并从最准确的文本，代表了阿拉伯语的优越性和完善，古兰经收集的数据该模型被归类为这种词汇的建立对于一些阿拉伯文应用程序将是非常宝贵的其应用的结果是在《古兰经》中的“时间名词”词汇上提出的，见（Al-yahya et al.， 2010年）。使用词汇表共包含59个单词（见表2）。该模型使用了28个单词作为其设计的基础;其余31个单词将用于验证结果。评价结果表明，该模型能够以一种便于阿拉伯语单词语义分析和各种有用应用的方式表示单词语义。4.4. 情报检索系统该接口利用词汇资源和词法分析器来重新制定（通过扩展）用户的查询，以增加和细化查询结果。本次演讲重点使用形态分析器和阿拉伯语WordNet自动扩展阿拉伯语查询。处理后，扩展的查询将被发送到谷歌。搜索信息的过程包括查询生成、响应生成和响应评价三个部分。答案的质量主要取决于查询构建的质量。事实上，明确阐述的查询比其答案复杂得多为了测试这种方法，Goo-gle搜索引擎与阿拉伯语WordNet相结合;在（Abderrahim，2009）中呈现这种界面检索界面分为两个重要的模块：形态分析器和WordNet中概念的研究模块。使用两种数据资源– 语言数据库由形态分析器使用。- 阿拉伯文它的结论是，真正的阿拉伯查询的贡献和丰富的评价是一个非常微妙的任务，需要彻底的调查。本体论在信息检索中的作用主要表现在：– 用户回答问题时的沉默减少– 减少噪声响应的数量;– 使得查询表达式更容易（有助于查询的公式化4.5. 基于关联和相似词库自动阿拉伯语叙词表的设计和建造使用术语到术语的相似性和关联技术，可以用来提高阿拉伯语查询扩展。该系统包括三个综合阶段：● 准备文件。● 构建传统的信息检索系统。● 构建同义词词典。查询扩展的过程包括向叙词表发送查询项、获取查询项相似度和重构三个阶段。实验结果表明，关联叙词表比相似叙词表具有更好的性能。然而，与传统的信息检索系统相比，该方法在查全率和查准率方面存在着许多局限性。对来自全国计算机会议的242个阿拉伯语摘要文档和在（Khafajehet al.， 2010年）。不同技术和方法的评价见表3：5. 所提出的系统该系统是一个使用古兰经本体的古兰经文本语义搜索引擎后者是在某种程度上发展起来的，以呈现单词此方法用于每个概念，以丰富查询;以下几个步骤：5.1. 词形化程序如下：● 《古兰经》的核心和词缀。● 在DISCORAN数据库中查找词根。● 从同一个词根中收集所有的单词例如，参见表4：《古兰经》原文的来源：我确已拣选他们，并引导他们走上正路。758F. Beirade等人 /Journal of King Saud University- Computer and Information Sciences 33（2021）753- 760表2《古兰经》中的时间名词。表3评价不同的技术和方法。技术（或系统）优势局限性语义查询扩展方法产生多个查询使用维基百科AxonSystem信息检索系统使用现有的阿拉伯语本体（AmineArabicWordNet和ArabicWordNet（AWN）），使用来自用户配置文件的使用google结果不准确，不可靠。在AmineArabic WordNet和Arabic WordNet中不存在语义级别语义词汇古兰经的时间名称被用来获得本体论结构语料库有限情报检索系统中增强阿拉伯文查询的接口基于关联和相似词库使用形态分析器和阿拉伯语Wordnet。然后将扩展后的查询发送到Google建立的阿拉伯语自动叙词表使用了查询扩展的过程，在查准率和查全率使用Google结果不准确，不可靠。没有限制真主从他的使者中拣选他所意欲的人。“你的主这样拣选你，并教你圆梦。他的恩典，他的恩典。真主拣选了他，并引导他走上正道。12.他的主拣选了他，并施恩于他，并引导他。他的主拣选了他，并使他成为善人。这句话是用Sahih国际翻译的，有相同的根源和相同的含义发现（扎基elkhedre，2001年）。表4同样的词。5.2. 查询丰富的过程用户通过使用自己的术语来制定他的查询;之后，系统从古兰经本体中提取一组术语，并产生一个新的术语。因此，一旦查询被丰富，它就被发送到搜索模块，搜索模块将结果提供给用户。 如下图所示。 5说明：要遵循的算法：在DISCORAN数据库中搜索实体或“根”概念。对每个概念使用本体，查询从这些概念中得到丰富● 发送查询到我们的搜索引擎。● 处理查询的结果。● 我们在古兰经本体的树上执行一个算法。基于本体的搜索算法实例声明R：用户查询W：wordt：本体第五章：对于R1查询，对于W1，提取本体的所有项t1，t2，..我不是因为我愿意如果DISCORAN中存在ti，则将Qti然后恢复的诗句VI ELSE显示消息‘‘incorrect word”EndEnd Forranking of Viremove double ViEnd For●●用户古兰经F. Beirade et al./Journal of King Saud University- Computer and Information Sciences 33（2021）753-760759古兰经本体论富集过程见图6。 研究的过程图五. 丰富查询的过程。5.3. 研究舱语义搜索是基于古兰经的一个词的含义，即搜索一个或多个含义是通过古兰经文本的词之间的语义关系来完成的。尽管它的重要性，只有少数研究使用这种方法。Lucene被添加到我们的平台，为我们的DISCORAN数据库添加索引功能。全文Lucene搜索引擎是一个来自Apache的非常流行的开源库，因为它允许强大的独立功能。它提供了一个简单的API来使用它，这需要对在（Apache，2016）中找到的索引和搜索机制事实上，Apache Lucene是一个高性能的全功能JAVA文本搜索库。这个开源库允许在需要全文搜索的不同类型的应用程序中添加搜索功能。由于Lucene是成熟的、免费的、开源的，并且有着惊人的性能，它已经开始在各种各样的应用程序、网站和软件中使用。然而，由于它不是专门用于阿拉伯语，因此增加了形态处理。怎么用呢？1. 将文档添加到索引。索引是将文本数据转换为便于快速搜索的格式的过程。2. 分析仪3. 查询的执行查询的结果与包括本体的组件之一的每个索引一起显示使用索引/全文搜索，每个单词都被索引，对于每个单词，一个引用与包含该单词的文档相关联首先，有必要索引所有内容，这可能很耗时，但搜索速度会大大加快。性能随数据量呈指数级增长。实际上，不再需要完全浏览所有表记录来查找与之匹配的内容。在索引中找到单词就足够了（Apache，2016）。在研究阶段期间语义资源的使用通过查询的扩展和重构来转换，如以下图6所示：6. 实验结果古兰经本体论是用古兰经中的语义关系建立的。Lucene被添加到我们的平台，因为它不是专用于阿拉伯语，添加了形态处理这个平台是一个搜索引擎，允许在古兰经语义搜索，它是使用JAVA编程语言开发的为了评估我们的系统，使用了两个现有的系统Alfanous古兰经搜索引擎：它是一个搜索引擎的文本在古兰经，基于一些新的技术，确保研究的速度 它配备了形态分析仪（根提取...等）。它向用户提供了其他建议，参见（Assem，2018）。古兰经语料库：它是一个搜索引擎的文本在神圣的古兰经，基于形态和句法分析（阿拉伯语语法）的话，添加到本体概念。此外，它确保了古兰经的背诵及其翻译成英语的语言，见（Kaisdukes，2017）。例1：作为一个例子，单词这个例子解释了我们的方法;我们用相似的词根和相近的词来处理一个词。对于单词“到达（），来（如：（），（）进入（），mastermind（）我们在句子中寻找不同的词：我们使用本体所以通过扩展，ﺟﺎﺀﺭﺑﻚ,ﺃﺗﻰﺭﺑﻚ،ﻗﺪﻡﺭﺑﻚ،ﺣﻀﺮﺭﺑﻚ،ﻭﺻﻞﺭﺑﻚ،ﺗﻮﻟﻰﺭﺑﻚ،ﺃﺩﺑﺮﺭﺑﻚ،ﺩﺧﻞﺭﺑﻚ،.ﻭﻟﺞﺭﺑﻚ،ﺃﻗﺒﻞﺭﺑﻚﻭﻭﺭﺩﺭﺑﻚ6.1. 主要措施为了评价任何系统，最常用的检索性能的度量是查准率和查全率。精度度量系统仅检索与查询相关的文档的能力召回衡量系统检索与查询相关的所有文档的能力（Lynda，2009）。精度=检索到的相关文档数量/检索到召回=检索到的相关文档数量/集合丰富查询显示结果搜索算法+ Lucene Apache+ 结果过滤器初始查询研究舱术语提取丰富查询DISCORAN研究760F. Beirade等人 /Journal of King Saud University- Computer and Information Sciences 33（2021）753- 760表5查询的精度值词翻译我们的系统阿尔法努斯古兰经ﺟﺎﺀﺭﺑﻚ上帝来0.50.10.2ﺍﻟﻠﻪﺑﺼﻴﺮ真主是看得见的。0.70.30.6ﺍﻟﻠﻪﺧﺒﻴﺮ真主是全知的。0.80.70.7ﺍﻟﻠﻪﻋﻠﻴﻢ真主是全知0.90.50.8ﺍﻟﺤﻤﺪﻟﻠﻪ赞美真主110.0ﺍﻟﻠﻪﺃﻛﺒﺮ安拉是至大的0.60.30.3ﺭﺳﻮﻝﺍﻟﻠﻪ真主的使者0.70.50.7ﺑﺴﻢﺍﻟﻠﻪ以真主0.30.30.0天堂0.60.20.2ﻛﺘﺎﺏﺍﻟﻠﻪ书0.60.40.3我的仆人0.70.50.5今世生活110.0义务0.20.20.2伪造了0.60.40.1ﻋﺬﺍﺏﺍﻟﺤﺮﻳﻖ烈火0.60.50.5ﺳﻴﻞﺍﻟﻠﻪ为主道110.8ﻣﻠﻚﺍﻟﺴﻤﻮﺍﺕﻭﺍﻷﺭﺽ就是自治领0.80.80.7ﺷﺪﻳﺪﺍﻟﻌﻘﺎﺏ严重110.9ﻗﻀﻰﺭﺑﻚ所注定0.70.60.3平均精度0.7000.5420.410在这个实验中，我们测量了古兰经文本中6236条记录（经文）的19个查询的精度。使用古兰经本体，我们得到32个丰富的查询，我们应用查询三个系统，阿尔法诺斯，古兰经和我们的系统每个搜索引擎的精确度都是在第一个10个返回结果，如下表5所示的精度值：我们注意到，Alfanous系统并没有给出查询的所有《古兰经》语料库系统给出了很好的结果，但仅限于第一个词。通过使用古兰经本体，该系统给出了查询的所有单词的彻底的结果。该系统给出了0.700的平均精度，这是更好的结果，因为它使用了本体的语义处理，并且它给出了第二个词的精度。该系统提供了更准确的结果，以满足用户的研究专家，也确保节省时间7. 结论研究包括：将层次结构中的词按层次分类，分为：最高层的语言概念、语义场、一般意义、相似语义场、语义单位和语义域。建立古兰经本体与古兰经术语之间的语义关系，以扩展查询。使用Protégé 2000开源创建本体根据古兰经中的单词的含义进行搜索使用Apache Lucene创建搜索引擎。该平台是一个搜索引擎，允许在古兰经中进行语义搜索，它是使用JAVA编程语言开发的由于系统采用了本体我们的结论是，这项工作是非常重要的，我国在阿拉伯语的自动处理领域。未来项目：为了达到准确的结果，并扩大整个阿拉伯语词汇，这是语义困难，并在其初始阶段。● 将本体论推广到其他阿拉伯语文本。利益冲突为其他阿拉伯语文本概括本体引用Abderrahim，M.，2009.建立一个接口，丰富信息研究系统中In：CIIAAl-yahya，M.，al-khalifa，H.，Bahanshal，A.，Al-Odah，A.，Al-Helwah，N.，2010.语义词汇表征的本体论模型--以古兰经时间名词为例。阿拉伯科学杂志工程35（2C）。2010年，沙特阿拉伯利雅得。阿 帕 奇 ， 南 ， 2016. 超 快 速 搜 索 库 Lucene 2016. 可 从 以 下 网 址 获 得 ：http://jakarta.apache.org/luceneAssem，2018年。Alfanouswww.alfanous.org/凯斯公爵，2017年。《古兰经》阿拉伯语语料库可查阅：http：//corpus。quran.com网站。Khafajeh，H.，Yousef，N.，Kanaan，G.，2010. 基于关联和相似叙词表的阿拉伯语文本检索的自动查询扩展。Proc. EMCIS。琳达，T.，2009年查询优化的搜索系统信息的方法的基础上开发的先进技术的遗传算法半：tel- 00377418。https://tel.archives-ouvertes.fr/tel-00377418（4月2009年）。Mahgoub，Ashraf Y.，Rashwan，Mohsen A.，Raafat，Hazem ，Zaafi，MohamedA.，Fayek，Magda B.，2014. ‘‘Semantic query expansion for arabic informationretrieval 2014 Cairo,Rachidi，A.，Bouzoubaa，T.，ElMortaji，M.，布苏阿布湖Bensaid，B.，2003年。阿拉伯文用户检索查询更正和扩充。Proc. COPSTIC'03.Safi，H.，2014年。AXON：一个基于用户配置文件和查询扩展的阿拉伯文本RI个性化系统In：CORIA 2014，Nancy，18Zaki elkhedre，M.，2001.《古兰经中类似结构的词汇表》，阿曼约旦，2001年。Zaki elkhedre，M.，2004.《通过数据库处理阿拉伯语中的语义问题》，《古兰经文本初步研究》，2004年。●●●●●●●●