光陰荏苒，我在中國科學(xué)技術(shù)信息研究所工作已有10年光景。2007年，我從北京大學(xué)計算語言學(xué)研究所博士后出站，之后一直從事自然語言處理、知識組織與知識工程相關(guān)的工作。多年在一線進(jìn)行研究與實踐工作，一路走來積累了豐富的經(jīng)驗，在不斷迭代和升華中，逐漸形成了一套完整的覆蓋資源獲取、資源加工到知識服務(wù)全流程的思想理論。在該理論思想的指導(dǎo)下，圍繞著技術(shù)目標(biāo)，我領(lǐng)導(dǎo)團隊逐步開展工程實踐研究，對理論方法進(jìn)行驗證。同時，根據(jù)工程實踐中的具體問題，進(jìn)行關(guān)鍵技術(shù)攻關(guān)，對其中的一些流程、步驟、細(xì)節(jié)等進(jìn)行了微調(diào)和補充，不斷升級與完善PYROIS系統(tǒng)。PYROIS系統(tǒng)初建于2007年，2011年年初，PYROIS系統(tǒng)1.0版本上線，目前該系統(tǒng)3.0版本已研發(fā)完成。
　　我在很早之前就有想要寫這本書的想法，分享研究實踐中的一些想法和體會，為從事相關(guān)研究的人員提供一些思路、方法和參考，但一直沒有時間。其間，也陸陸續(xù)續(xù)地發(fā)表了一些研究論文，但沒有進(jìn)行系統(tǒng)性闡述。PYROIS系統(tǒng)3.O版上線之后，空閑時間較以前也多了些，我便抓緊時間完成了早已有的寫書的想法。
　　本書的主要思想是利用自然語言處理技術(shù)和機器學(xué)習(xí)方法對已有的公認(rèn)領(lǐng)域知識進(jìn)行重構(gòu)并加以利用；在構(gòu)建領(lǐng)域本體的基礎(chǔ)上，對相關(guān)文獻(xiàn)進(jìn)行語義標(biāo)注；并在大量內(nèi)容相對語義化的基礎(chǔ)上，結(jié)合傳統(tǒng)組織資源，通過機器學(xué)習(xí)等方法，生成初始語義元數(shù)據(jù)；然后，在輔助平臺的幫助下，實現(xiàn)圖書館資源組織語義化過程與語義元數(shù)據(jù)體系構(gòu)建同步進(jìn)行，將語義標(biāo)注文獻(xiàn)與語義索引分別存儲，實現(xiàn)圖書館資源組織語義化。
　　在思想理論指導(dǎo)及技術(shù)目標(biāo)的驅(qū)動下，相關(guān)研究及實踐工作體現(xiàn)在以下幾個方面。
　　知識元數(shù)據(jù)庫構(gòu)建技術(shù)。從充分開發(fā)和利用百科全書資源的角度出發(fā)，利用自然語言處理技術(shù)和語言分析工具分析百科全書資源，發(fā)現(xiàn)其中隱含的知識點及其之間的內(nèi)在關(guān)聯(lián)，將大量的、不斷出現(xiàn)的知識點結(jié)構(gòu)化地組織和關(guān)聯(lián)起來，構(gòu)成智能連接的網(wǎng)狀圖，建立知識元數(shù)據(jù)庫。
　　語義元數(shù)據(jù)構(gòu)建與標(biāo)注一體化技術(shù)。將圖書館資源組織語義化看作圖書館資源語義標(biāo)注的淺層標(biāo)注，是內(nèi)容語義化與形式語義化交互實現(xiàn)的過程，基于NIP理論與方法，結(jié)合傳統(tǒng)圖書館資源組織方式與領(lǐng)域本體構(gòu)建技術(shù)，搭建輔助構(gòu)建及標(biāo)注一體化平臺，實現(xiàn)語義元數(shù)據(jù)體系構(gòu)建與資源組織語義化過程同步實施。
　　領(lǐng)域本體自動構(gòu)建技術(shù)。通過領(lǐng)域本體構(gòu)建、語義標(biāo)注等信息技術(shù)的融合與集成，將行業(yè)領(lǐng)域知識合理分類，構(gòu)建以知識點為基本單元的圖書、期刊、專利數(shù)據(jù)庫，以智能檢索、知識語義導(dǎo)航、可視化等方式為科學(xué)研究、技術(shù)開發(fā)、工程設(shè)計、工程應(yīng)用的開展提供知識服務(wù)，實現(xiàn)知識的共享與重用。
　　一體化爬蟲技術(shù)。針對語義爬蟲存在的不足，實現(xiàn)從一個概念出發(fā)，自動生成語義結(jié)構(gòu)，用該語義結(jié)構(gòu)指導(dǎo)爬蟲抓取數(shù)據(jù)資源；同時，在爬蟲爬行過程中，不斷從數(shù)據(jù)庫中抽取相關(guān)的概念及其之間的關(guān)系，并填充進(jìn)語義結(jié)構(gòu)，實現(xiàn)語義結(jié)構(gòu)進(jìn)化和爬蟲爬行迭代一體化。