圍繞基於本體的環境保護檔案數據挖掘方法問題，首先說明其研究背景與意義、國內外研究現狀；然後詳細研究基於本體的環保檔案數據挖掘相關方法，主要包括：環境保護本體原型與構建方法、基於本體的環保檔案文本信息抽取方法及表格信息抽取方法、基於本體的環保檔案多層空間關聯規則挖掘方法；接著對環保檔案數據挖掘繫統構建關鍵技術進行介紹；再對環保檔案信息抽取繫統及相關實驗進行闡述；最後對上述內容進行總結和展望。

潘鵬，2012.7-至今中國科學院地理科學與資源研究所地理信息繫統博士後2010.3-2012.6中國科學院地理科學與資源研究所地理信息繫統客座博士研究生2009.9-2010.2武漢大學地理信息繫統博士研究生2007.9-2009.7武漢大學地理信息繫統碩士研究生2003.9-2007.7武漢大學地理信息繫統本科

第1章 緒論 1
1．1 環境保護檔案概述 1
1．1．1 環境保護檔案的內容 1
1．1．2 環境保護檔案的種類 3
1．1．3 環境保護檔案的特點 4
1．2 環保檔案的重要作用及其數據挖掘的需求 5
1．2．1 環境保護檔案的重要作用 5
1．2．2 環境保護檔案數據挖掘的迫切需求 7
1．3 本體、文本信息抽取及空間數據挖掘研究現狀 8
1．3．1 本體研究現狀 8
1．3．2 文本信息抽取研究現狀 13
1．3．3 空間數據挖掘研究現狀 15
1．4 數據挖掘與相近領域的關繫 18
1．5 環境保護檔案數據挖掘研究的主要內容 20
1．5．1 環境保護本體研究 20
1．5．2 環境保護檔案的信息抽取方法研究 21
1．5．3 環境保護信息的空間數據挖掘方法探討 22
1．5．4 環境保護檔案數據挖掘原型繫統構建與應用實踐 23
第2章 環境保護本體 24
2．1 環境保護本體的定義 24
2．1．1 本體的定義與分類 25
2．1．2 環境保護本體的定義 30
2．2 環境保護本體的結構 32
2．2．1 環境保護本體的邏輯構成 32
2．2．2 環境保護本體的概念框架 35
2．3 環境保護本體的構建方法 39
2．3．1 環境保護本體的構建原則 39
2．3．2 環境保護本體的構建過程 41
2．3．3 環境保護本體的描述語言 46
2．3．4 環境保護本體的構建工具 49
第3章 環境保護檔案文本信息抽取方法 52
3．1 信息抽取的關鍵問題 52
3．1．1 信息抽取的主要任務 52
3．1．2 文本的表示模型 55
3．1．3 的粒度 57
3．1．4 中文文本的自動分詞 58
3．2 信息抽取方法分析 60
3．2．1 基於自然語言處理的信息抽取方法 61
3．2．2 基於規則方式的信息抽取方法 61
3．2．3 基於統計學習的信息抽取方法 63
3．3 基於本體和隱馬爾可夫模型的 自由文本信息抽取方法 64
3．3．1 隱馬爾可夫模型 64
3．3．2 基於本體和隱馬爾可夫模型的自由文本信息抽取思路 67
3．3．3 基於本體和隱馬爾可夫模型的自由文本信息抽取實現方法 68
3．3．4 應用案例分析 72
3．4 基於本體和語義相似度的 表格信息抽取方法 75
3．4．1 語義相似度及其計算方法 76
3．4．2 基於本體和語義相似度的表格信息抽取思路 80
3．4．3 基於本體和語義相似度的表格信息抽取實現方法 82
3．4．4 應用案例分析 85
第4章 環境保護檔案空間關聯規則挖掘方法 88
4．1 空間關聯規則挖掘 89
4．1．1 空間關聯規則及其分類 89
4．1．2 空間關聯挖掘的過程模型 92
4．1．3 空間關聯規則挖掘的算法 93
4．2 環境保護檔案的空間信息 及其概念層次關繫 96
4．2．1 環境保護檔案的空間信息及特點 96
4．2．2 環境保護空間信息中的空間關繫及其描述模型 98
4．2．3 環境保護檔案空間信息的概念層次關繫 102
4．3 基於本體的環境保護檔案多層 空間關聯規則挖掘方法 105
4．3．1 基於本體的環保檔案多層空間關聯規則挖掘思路 105
4．3．2 基於本體的環境保護檔案多層空間關聯規則挖掘實現步驟 107
4．4 環境保護檔案多層空間關聯規則挖掘分析 111
4．4．1 火電廠與配套設施的多層距離關聯規則挖掘 112
4．4．2 火電廠與居民點空氣污染物濃度的多層方位關聯規則挖掘 113
第5章 環境保護檔案數據挖掘實踐 117
5．1 環境保護本體構建 117
5．1．1 火電行業建設項目環境影響評價本體設計 118
5．1．2 火電建設項目環境影響評價本體的實現 120
5．2 火電建設項目環境影響報告 數據挖掘原型繫統設計 126
5．2．1 繫統總體架構 126
5．2．2 繫統功能體繫 128
5．2．3 繫統開發環境 130
5．3 火電建設項目環境影響報告數據 挖掘繫統關鍵技術實現 131
5．3．1 基於VSTO的文本檔案數據處理技術實現 131
5．3．2 基於本體和ICTCLAS的中文文本分詞技術實現 139
5．3．3 基於Jena的本體解析與推理技術實現 144
5．4環境保護檔案數據挖掘及效果分析 149
5．4．1 環境保護檔案數據挖掘的數據範圍 149
5．4．2 環境保護檔案數據挖掘的結果展示 150
5．4．3 環境保護檔案數據挖掘的效果分析 152
第6章 環境保護檔案數據挖掘總結與展望 155
6．1 環境保護檔案數據挖掘總結 155
6．2 環境保護檔案數據挖掘展望 158
附錄A 火電行業建設項目環境影響評價本體核心概念OWL描述 160
參考文獻 177

在環境污染和生態破壞日益嚴峻的形勢下，開展環境保護活動顯得尤為重要，而環境保護活動無疑需要大量環境保護相關信息作為支撐，環境保護檔案作為環境保護部門在環境保護活動中直接形成的有價值的各種形式的歷史記錄，其中含有大量能夠為環境管理和環境保護工作提供強有力支撐的有用信息，充分利用這些信息將會對環境保護工作的開展起到無可估量的促進和支撐作用。
環境保護工作開展多年以來，雖已經積累產生了大量的環境保護檔案數據，但目前對這些數據資源的利用還停留在以全文檢索和查閱瀏覽為主的初級階段，環境保護檔案數據資源還沒有得到深度的開發，在環境保護檔案中真正有用的關鍵數據沒有被單獨抽取出來集中管理，隱含在關鍵數據背後的深層次有用信息還沒有被挖掘出來加以利用，環境保護檔案在環境保護活動中應有的價值沒能得到充分的發揮。然而，要抽取環境保護檔案中的關鍵數據並挖掘關鍵數據中隱含信息，需要相應的數據挖掘理論技術方法作為指導。
數據挖掘於20世紀被提出，用來發現隱藏在大量數據中的有用知識，以解決“數據豐富，信息貧乏”的問題。傳統的數據挖掘主要用於發現大型事務數據庫中人們事先不知道的、潛在有用的知識，但隨著研究的深入，目前數據挖掘的處理對像已從事務數據拓展到文本數據、空間數據、多媒體數據等其他類型的數據，各類數據挖掘已經得到研究者們的廣泛關注並在資源環境、信息安全、圖書情報和金融證券等重要領域中得到了成功的應用。環境保護檔案主要以文本檔案為主，可以借鋻現有的文本數據挖掘方法開展關鍵數據的挖掘工作，但即便如此，文本數據的高度非結構性和一般文本信息挖掘方法的領域依賴性以及環境保護信息本身高度的復雜性，使得常規的文本數據挖掘方法在處理環境保護文本檔案數據時的適用性不強，換言之，環境保護檔案數據挖掘目前缺少具有針對性的數據挖掘理論技術方法。
本體又稱為本體論，在西方哲學中也被稱為存在論，是指世界的本原，20世紀末，哲學本體論被人工智能和信息科學等領域引入到各自領域的研究中，用來作為抽像概念以及概念之間關繫的規範性描述，本體作為一種能夠提供領域共同知識的交流工具，目前已經在地理科學、農業科學、生物醫藥、電子商務等科學和領域中得到了廣泛的研究與應用。從本質上來講，本體是一種描述概念世界的模型，是一種實現知識表達與組織管理的有效工具，本體的這一本質特征也使得其非常適合於表達復雜的環境保護知識。
在以上背景下，本書結合本體的相關理論和技術，介紹環境保護檔案數據挖掘的理論方法，並以火電建設項目環境影響報告的數據挖掘為例開展相關實踐，可以促進環保檔案開發利用及相關教學與研究工作。
首先，從理論角度來講，提出環境保護本體，可以為後續環境保護領域的知識表示與組織、信息集成與共享利用等研究工作提供參考；介紹基於本體的環境保護檔案數據挖掘方法，可以豐富和完善數據挖掘理論體繫，擴大數據挖掘理論在環境保護領域中的應用範圍。其次，從技術角度來講，利用現有的本體和數據挖掘開發工具，構建環境保護檔案數據挖掘原型繫統並開展挖掘實踐，可以解決環境保護檔案數據挖掘的關鍵技術問題，能夠為今後開展環境保護檔案數據挖掘提供技術支撐。最後，從應用角度來講，介紹環境保護檔案數據挖掘的理論方法並開展相應實踐，促進環境保護檔案中關鍵信息的快速獲取，提升環境保護檔案在環境保護中的信息支撐作用，進而更好地保護好人類共同生存和發展的環境具有重要現實意義。
本書內容組織如下。
第1章：緒論。概述環境保護檔案的內容、種類和特點，闡明環境保護檔案的重要作用及其對數據挖掘的迫切需求，總結本體和數據挖掘的研究現狀，提出環境保護檔案數據挖掘的研究內容。
第2章：環境保護本體。闡述環境保護本體的定義和結構框架，指出環境保護本體構建的方法，包括應遵循的原則和過程，應采用的本體語言和構建工具等。
第3章：環境保護檔案文本信息抽取方法。介紹文本信息抽取中的幾個關鍵問題，歸納文本信息抽取的三類主要方法，指出其各自的優勢與問題，分別介紹一種基於本體和隱馬爾可夫模型的自由文本信息抽取方法與一種基於本體和語義相似度的表格信息抽取方法，並以火電建設項目環境影響報告為例，分別說明這兩種方法的具體應用情景。
第4章：環境保護檔案空間關聯規則挖掘方法。介紹空間關聯規則挖掘的基本理論論述環境保護檔案空間信息中的概念層次關繫，指明環境保護檔案中信息的空間維和屬性維的概念層次結構，闡述基於本體的環境保護檔案多層空間關聯規則挖掘方法，詳細描述方法的思路和具體實現步驟，最後以火電建設項目環境影響報告為例，介紹方法的具體應用情景。
第5章：環境保護檔案數據挖掘實踐。以火電建設項目環境影響報告為例，設計構建環境保護本體並加以構建實現，設計環境保護檔案數據挖掘繫統的總體架構、功能體繫、開發環境，解決繫統實現中的關鍵技術問題，編碼實現繫統原型，並開展環境保護檔案數據挖掘實踐。
第6章：環境保護檔案數據挖掘總結與展望。總結環境保護檔案數據挖掘理論研究與實踐的主要成果和創新點，並做研究展望。
本書的編寫和出版得到了以下項目的資助，它們是環保公益性行業科研專項項目（200909110）、國家自然科學基金項目（41371381）、科技基礎性工作專項項目（2013FY110900）、國家地球繫統科學數據共享平臺（2005DKA32300）和江蘇省地理信息資源開發與利用協同創新中心建設項目，在此特別表示感謝！