一、引言
商品知识描述的差异普遍存在于汽车商品的设计、生产、流通、交易、售后等环节，并严重妨碍了商品信息交互、知识的共享和重用。电子商务环境下，参与主体的多元化和应用系统异构性使得这一问题更加突出。利用本体描述细粒度商品知识，通过共享明确的、包含丰富语义知识的商品知识模型，可以有效地解决这一问题。
针对电子商务实际需求，一些学者进行了相关本体建模研究。如Vegetti等研究从PDM系统中抽取商品结构的方法，Hepp等在eCl@ss的基础上发布了OWL语言的商品本体，Raymond提出一种融合词法和统计的从文本中发现商品概念及分类关系的方法，Lee等人提出在UNSPSC标准中手工增加了产品属性和度量单位，丰富了商品本体语义。但以上研究均未考虑商品部件、附件、功能、性质等细粒度语义知识，从而导致商品本体语义描述能力不足，难以满足电子商务应用中对细粒度商品知识的需求。
针对汽车电子商务领域中商品本体模型粒度过粗这一缺陷，本文将引入商品属性及属性类别等细粒度商品知识，提出细粒度商品本体建模方法，结合实例设计一个更加符合实际电子商务环境需求的细粒度商品本体。
二、构建细粒度商品本体元模型
2.1商品细粒度语义知识
商品细粒度语义知识由商品属性和属性类别构成。商品属性是用来标记商品特征或用途的概念集，如商品外观、材质、功能、外观等。商品属性类别则描述了商品概念与商品属性之间的内在语义关系。其中，除商品的层次性结构外，商品属性是人们描述商品信息、把商品同其他商品区分开来的唯一途径。消费者选择商品，其本质是选择该商品所具备的属性及其属性值。因此，基于电子商务应用对商品细粒度语义知识的需求，本文引入商品属性和属性类别等细粒度商品知识，以便更加明确、详尽地描述商品。
以商品概念“汽车”为例，其细粒度语义知识如表1所示：
表1中，商品概念“汽车”有其细粒度属性“轮胎”“安全性”、“驾驶”、“银色”、“车罩”和“价格”等，“轮胎”是其部件，“安全性”是其性能，“驾驶”是其功能，“银色”是其外观，“车罩”是其关联件，“价格”是其市场价值，根据这一内在语义关系，其上述细粒度属性分别属于部件属性、性能属性、功能属性、性质属性、关联件属性和商业属性等属性类别。
2.2 设计细粒度商品本体元模型
模型是对现实的一种抽象，而元模型又是对模型的一种抽象。换言之，细粒度商品本体本身即是对现实商品知识的建模，其本体元模型则是脱离具体商品领域，描述商品本体细粒度语义知识及语义关系。细粒度商品本体元模型如图1所示：
如图1所示，本文基于结合UNSPSC和eC1@ss构建的中文商品本体主干库，运用Mike Ushold和MichealGruninger等人提出的、也是目前应用最广泛的本体构建方法——“骨架法”，引入细粒度商品属性知识，如性质属性、功能属性、性能属性、部件属性、商业属性和关联件属性等设计细粒度商品本体模型。与以往的商品本体不同，细粒度商品本体不仅包含了较全面的商品概念及分类关系，也增加了对商品属性类别等细粒度知识的描述。
三、实例应用
下面就以具体的现实商品为例来说明细粒度商品本体的结构。在现有的电子目录基础上，笔者依据商品的细粒度属性及其属性类别尽可能详尽地展开描述。具体结构如图2所示：
如图2所示，“汽车”这一概念可以分为家用车和商用车，家用车和商用车分别有实例轿车和巴士这两种具体的商品，其中颜色、发动机、驾驶、安全性、导航仪、价格等都是轿车的细粒度属性，依次属于轿车的性质属性、部件属性、功能属性、性能属性、关联件属性和商业属性等属性类别。图2显示的只是商品本体的局部，电子商务实际的商品本体应包含更多的细粒度商品属性及属性类别，以充分地描述电子商务应用中的商品知识。
电子商务环境下对商品知识交互的迫切需求，使得商品本体在物流采购、市场营销、商品推荐、网上商城和企业信息系统集成等领域都有广泛的应用前景。就推荐系统而言，研究者发现消费者为满足需求更喜欢同时购买捆绑和关联产品，比如汽车和汽油就是关联产品。这两者通常一起使用，增加了汽车和汽油的销售数量。相关产品可以为企业带来额外的营销力量和提高销售能力。利用OWL本体描述语言建立产品类模型，定义相关属性，并使用本体技术检测相关产品，企业能够从中获取一些改善产品销售的策略、投资、营销、管理政策和产品目录等有价值的信息。
四、结语
构建商品本体的目的是要明确、充分地表达商品知识，以往的商品本体忽略了对商品细粒度特性的描述，因此表达的商品知识是片面的。本文引入了商品属性和属性类别等细粒度商品知识，并将其融入本体元模型中，解决了商品知识表达不充分的问题。在现有商品本体主干库基础上构建的细粒度商品本体元模型，能够更加明确、详尽地表达商品知识，解决了电子商务应用中对商品知识需求的问题。
参考文献：
[1]杜小勇,李曼,王珊.本体学习研究综述[J].软件学报,2006,17（9）:1837-1847.
[2]Vegetti M, Henning G P, Leone H P. A PDM system forthe derivation of products with complex structure in processindustries[C]//Proceedings of the 33 JAIIO, 2004, ISSN 1666 114,1-10.
[3]Hepp M. Products and services ontologies: a methodology forderiving owl ontologies from industrial categorization standards[J].International Journal on Semantic Web and Information Systems（IJSWIS）, 2006, 2（1）: 72-99.
[4]Lau R Y K. Fuzzy domain ontology discovery for businessknowledge management[J]. IEEE Intelligent Informatics Bulletin,2007, 8（1）: 29-41.
[5]Lee T, Lee I, Lee S, et al. Building an operational productontology system[J]. Electronic Commerce Research and Applications,2006, 5（1）: 16-28.
[6]Lee H,Shim J, Kim D. Ontological modeling of e-catalogsusing EER and description logics[C]//Data Engineering Issues inE-Commerce, 2005. Proceedings. International Workshop on. IEEE,2005: 125-131.
[7]傅魁,刘李利,王惠敏.基于机器学习的商品本体细粒度语义知识获取[J].武汉理工大学学报:信息与管理工程版,2013,35（5）:706-709.
[8]Guihua N, Bo Z. The design and implementation on ChineseE-commerce semantic lexicon ECNET[C]//Computer Science andSoftware Engineering, 2008 International Conference on. IEEE, 2008,1: 753-755.
[9]Moosavi S, Nematbakhsh M, Farsani H K. A semanticcomplement to enhance electronic market[J]. Expert Systems withApplications, 2009, 36（3）: 5768-5774
