<4D F736F F D20C0FBD3C3B9D8C1AACAFDBEDDCAB5CFD6BBFAB9B9D6AACAB6BFE2B5C4D3EFD2E5C0A9D5B9B7BDB7A8D1D0BEBFB1A8B8E62E646F63>

Transcription

1 国 家 科 学 图 书 馆 青 年 人 才 领 域 前 沿 项 目 研 究 报 告 (Y ) 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 方 法 研 究 项 目 总 指 导 : 祝 忠 明 项 目 负 责 人 : 王 思 丽 项 目 组 成 员 : 姚 晓 娜 卢 利 农 刘 魏 1

2 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 方 法 研 究 王 思 丽 祝 忠 明 姚 晓 娜 卢 利 农 刘 魏 ( 中 国 科 学 院 国 家 科 学 图 书 馆 兰 州 分 馆 兰 州 ) 摘 要 首 先, 对 关 联 数 据 的 相 关 技 术 进 展 进 行 研 究, 并 分 析 其 在 数 字 图 书 馆 知 识 库 领 域 的 应 用 现 状, 同 时 结 合 机 构 知 识 库 在 语 义 扩 展 方 面 的 需 求, 研 究 利 用 关 联 数 据 实 现 机 构 知 识 库 语 义 扩 展 的 关 键 技 术, 形 成 机 构 知 识 库 语 义 扩 展 的 核 心 方 法 其 次, 以 中 国 科 学 院 机 构 知 识 库 平 台 CASIR 为 例, 抽 取 其 可 扩 展 的 实 体 关 系 并 添 加 约 束 规 则, 应 用 D2RQ 开 源 工 具 进 行 RDF 化 的 知 识 呈 现 和 语 义 标 注, 最 终 将 其 扩 展 到 DC FOAF SKOS ISWC Vcard 等 关 联 词 表 及 DBpedia Ontology DBLP Bibliography 外 部 数 据 源 实 验 证 明, 该 方 法 合 理 可 行, 为 加 速 国 科 图 实 现 从 基 础 服 务 版 的 机 构 知 识 库 到 语 义 集 成 资 源 版 的 机 构 知 识 库 的 发 展 蜕 变 奠 定 了 基 础 关 键 词 关 联 数 据 机 构 知 识 库 语 义 扩 展 RDF D2RQ 分 类 号 G25076 Study on the Semantic Expansion of Institutional Repository Based on Linked Data Wang Sili Zhu Zhongming Yao Xiaona Zheng Lei (The Lanzhou Branch of the National Science Library,Chinese Academy of Sciences, Lanzhou ,China) Abstracts Firstly, The paper studies the related technology development of the linked data and analyses the application situation of linked data in digital library,then combines with the Institutional repository s demand to study on the key technology and finally propse the core methd for realizing the Semantic Expansion of Institutional repository based on linked data Secondly, taking the CASIR for example, the paper extracts the entity relationship of the CASIR and adds some constraints rules to it, then uses the D2RQ to carry out the knowledge representation and semantic annotation as RDF format Finally,It can expand the CASIR to DC FOAF ISWC Vcard DBpedia Ontology DBLP Bibliography In fact,the method should lay a good foundation in accelerating the CASIR providing not only basic service but also a real sematic integration sevice with its rationality and feasibility in the future Keywords Linked data Institutional repository Semantic Expansion RDF D2RQ 2

3 目 录 1 引 言 4 11 研 究 背 景 及 意 义 4 12 研 究 目 标 和 内 容 5 13 研 究 方 法 和 路 线 5 2 关 联 数 据 的 相 关 技 术 与 典 型 应 用 案 例 分 析 6 21 关 联 数 据 的 产 生 和 发 展 背 景 6 22 关 联 数 据 的 相 关 技 术 进 展 研 究 关 联 数 据 的 创 建 发 布 浏 览 的 相 关 技 术 和 工 具 关 联 数 据 的 应 用 融 合 Mashup 的 相 关 技 术 和 项 目 与 数 字 图 书 馆 相 关 的 典 型 应 用 案 例 分 析 13 3 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 方 法 研 究 机 构 知 识 库 语 义 扩 展 的 需 求 和 关 键 技 术 定 位 应 解 决 的 关 键 问 题 和 解 决 方 案 15 4 机 构 知 识 库 语 义 扩 展 模 块 的 设 计 和 实 现 抽 取 实 体 关 系 和 添 加 关 联 规 则 利 用 D2RQ 进 行 语 义 标 注 和 关 联 19 5 语 义 扩 展 模 块 的 运 行 和 应 用 测 试 基 本 运 行 情 况 用 户 测 试 及 反 馈 的 意 见 27 6 结 论 29 参 考 文 献 : 32 附 件 : 33 附 件 1 iswcn3 33 3

4 1 引 言 11 研 究 背 景 及 意 义 机 构 知 识 库 (Institutional Repository,IR) [1] 是 知 识 开 放 获 取 运 动 的 产 物, 是 大 学 以 及 科 研 机 构 对 其 知 识 资 产 进 行 有 效 管 理 的 工 具, 是 机 构 知 识 能 力 建 设 和 服 务 能 力 提 升 的 重 要 机 制 当 前, 随 着 语 义 网 技 术 的 不 断 推 进 和 白 热 化 发 展, 从 面 向 用 户 到 面 向 机 器, 从 信 息 描 述 到 知 识 呈 现, 从 语 义 隐 含 到 语 义 揭 示, 从 以 概 念 为 中 心 到 以 概 念 - 关 系 为 中 心, 从 信 息 表 示 到 智 能 推 理, 面 对 越 来 越 高 的 科 研 需 求, 传 统 的 机 构 知 识 库 愈 发 显 得 责 任 重 大 2011 年 7 月, 在 西 班 牙 的 赛 博 计 量 学 实 验 室 (Cybermetrics Lab) [2] 推 出 的 世 界 开 放 获 取 机 构 知 识 库 的 200 强 排 名 名 单 中, 整 个 大 中 华 地 区, 排 名 最 靠 前 的 是 National Taiwan University( 国 立 台 湾 大 学 ), 位 于 第 24 位 其 次 分 别 是 位 于 第 67 位 的 National Cheng Kung University( 国 立 成 功 大 学 ) 位 于 第 80 位 的 University of Hong Kong( 香 港 大 学 ) 以 及 位 于 第 89 位 的 National Chiao Tung University( 台 湾 交 通 大 学 ) 中 国 大 陆 的 北 京 大 学 和 清 华 大 学 只 排 到 了 第 109 位 和 第 197 位 该 实 验 室 评 价 机 构 知 识 库 影 响 力 的 指 标 主 要 有 4 个 : (1) 规 模 (Size) 用 Google Yahoo Bing Search Baidu 这 四 大 搜 索 引 擎 能 够 索 引 到 的 总 页 数 去 衡 量 (2) 可 见 度 (Visibility) 用 从 该 机 构 知 识 库 获 取 到 的 不 同 外 部 链 接 的 总 数 去 衡 量 (3) 内 容 丰 富 性 (Rich Files) 用 包 含 相 关 学 术 文 献 和 科 研 作 品 的 不 同 格 式 的 文 件 总 数 去 衡 量, 主 要 指 Adobe Acrobat (pdf), Adobe PostScript (ps), Microsoft Word (doc) and Microsoft Powerpoint (ppt) (4) 学 术 性 (Scholar) 将 Google Scholar 中 能 搜 索 到 的 该 机 构 知 识 库 2006 至 2010 年 公 开 发 表 的 条 目 总 数 以 及 从 Scimago SIR 中 获 取 到 的 2004 至 2008 年 的 全 部 产 出 结 合 在 一 起 去 衡 量 这 些 指 标 分 别 占 的 权 重 如 下, 见 图 1: 图 1 机 构 知 识 库 各 评 价 指 标 所 占 权 重 数 据 来 源 : 仔 细 评 估 这 些 指 标, 我 们 可 以 发 现, 指 标 (3) 和 (4) 基 本 属 于 机 构 知 识 库 自 身 的 硬 性 条 件, 需 要 依 靠 知 识 资 产 的 长 期 积 累 去 提 升 而 指 标 (1) 和 (2) 的 影 响 因 子 一 共 占 到 了 70%, 比 例 大, 权 重 高, 并 且 是 能 够 通 过 对 现 有 的 机 构 知 识 库 进 行 扩 展 而 得 以 提 高 因 而, 要 想 在 优 胜 劣 汰 的 行 业 竞 争 法 则 中 占 有 一 席 之 地, 我 们 必 须 考 虑 进 行 机 构 知 识 库 的 语 义 扩 展, 扩 大 机 构 知 识 库 的 规 模, 提 高 机 构 知 识 库 的 可 见 度, 从 根 本 上 拓 展 和 丰 富 机 构 知 识 库 的 服 务 方 式, 加 快 提 高 发 现 内 容 和 传 递 服 务 质 量 的 步 伐, 以 确 保 机 构 知 识 库 的 服 务 比 网 络 上 其 他 信 息 提 供 者 更 具 竞 争 力, 从 而 更 深 层 次 地 推 动 机 构 知 识 库 的 建 设 和 发 展 应 用 4

5 12 研 究 目 标 和 内 容 通 过 对 机 构 知 识 库 和 关 联 数 据 的 初 步 研 究 证 实, 资 源 发 现 对 机 构 知 识 库 建 设 是 极 其 重 要 的, 而 关 联 数 据 的 优 越 性 则 为 机 构 知 识 库 的 资 源 发 现 服 务 提 供 了 可 能 的 增 强 途 径 和 方 法 中 国 科 学 院 机 构 知 识 库 以 发 展 机 构 知 识 能 力 和 知 识 管 理 能 力 为 目 标, 能 够 实 现 对 机 构 知 识 资 产 的 收 集 长 期 保 存 合 理 传 播 利 用, 这 是 它 自 身 的 优 越 性 但 在 语 义 网 的 高 标 准 要 求 下 和 面 对 各 个 研 究 所 以 及 大 学 等 越 来 越 综 合 和 复 杂 的 信 息 环 境 来 看, 仍 迫 切 需 要 增 强 语 义 扩 展, 积 极 建 设 对 知 识 内 容 进 行 捕 获 转 化 传 播 利 用 和 审 计 的 能 力 因 而 围 绕 这 一 基 本 原 则 和 需 求, 提 出 了 本 项 目 的 研 究 目 标 和 内 容 : (1) 首 先, 调 研 和 分 析 关 联 数 据 的 发 展 背 景 和 应 用 现 状, 着 重 掌 握 并 评 估 其 相 关 技 术 的 进 展 情 况 和 相 关 工 具 的 使 用 方 法 ; 同 时, 对 其 与 数 字 图 书 馆 知 识 库 领 域 紧 密 结 合 的 相 关 典 型 应 用 案 例 进 行 透 彻 分 析, 探 讨 机 构 知 识 库 中 数 字 对 象 间 的 知 识 组 织 关 系, 研 究 利 用 关 联 数 据 实 现 机 构 知 识 库 语 义 扩 展 的 关 键 技 术, 为 进 一 步 实 现 机 构 知 识 库 的 语 义 扩 展 奠 定 基 础 (2) 其 次, 以 中 国 科 学 院 研 究 所 机 构 知 识 库 平 台 (Chinese Academy Sciences Institutional Repository,CASIR) [3] 为 例 进 行 试 验 研 究, 将 上 述 关 键 技 术 转 化 为 具 体 的 可 实 施 的 语 义 扩 展 方 案, 抽 取 CASIR 中 重 要 的 实 体 关 系 并 添 加 约 束 规 则, 选 择 合 适 的 关 联 数 据 源 或 关 联 词 表, 利 用 RDF 进 行 知 识 呈 现 和 语 义 标 注, 最 终 实 现 其 和 外 部 数 据 源 间 的 关 联 13 研 究 方 法 和 路 线 针 对 研 究 目 标 和 内 容, 本 文 的 研 究 方 法 主 要 有 两 种 : (1) 文 献 调 研 法 : 对 关 联 数 据 的 相 关 技 术 进 展 和 典 型 应 用 案 例 进 行 跟 踪 调 研, 研 究 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 的 关 键 技 术 (2) 信 息 系 统 分 析 设 计 法 : 结 合 中 国 科 学 院 机 构 知 识 库 平 台 CASIR 的 语 义 扩 展 需 求, 将 其 核 心 的 实 体 关 系 RDF 化, 并 实 现 和 外 部 数 据 源 间 的 关 联 项 目 具 体 的 实 施 路 线 如 下, 见 图 2: 5

6 文 献 调 研 相 关 技 术 进 展 研 究 典 型 应 用 案 例 分 析 语 义 扩 展 的 关 键 技 术 和 方 法 信 息 系 统 分 析 设 计 关 联 数 据 源 D2R 工 具 CASIR 语 义 扩 展 试 验 研 究 报 告 图 2 项 目 实 施 路 线 2 关 联 数 据 的 相 关 技 术 与 典 型 应 用 案 例 分 析 21 关 联 数 据 的 产 生 和 发 展 背 景 关 联 数 据 (Linked Data) 的 概 念 最 早 是 在 2006 年 由 被 誉 为 互 联 网 之 父 的 Tim Berners-lee 提 出, 并 同 时 发 布 了 关 联 数 据 开 放 的 四 条 基 本 原 则 : (1) 使 用 URI 作 为 任 何 事 物 的 标 识 ; (2) 使 用 HTTP URI 使 任 何 人 都 可 以 访 问 这 些 标 识 ; (3) 当 有 人 访 问 某 个 标 识 时, 使 用 (RDF,SPARQL) 标 准 提 供 有 用 的 信 息 ; (4) 尽 可 能 提 供 相 关 的 URI, 以 使 人 们 可 以 发 现 更 多 的 事 物 该 原 则 提 供 了 在 语 义 网 中 使 用 URI 和 RDF 发 布 分 享 连 接 各 类 数 据 信 息 和 知 识, 部 署 实 例 数 据 和 类 数 据 的 方 法, 从 而 使 得 人 们 可 以 通 过 HTTP 协 议 揭 示 并 获 取 这 些 数 据 具 体 来 说, RDF 对 资 源 的 表 达 通 过 一 系 列 的 三 元 组 来 实 现, 每 个 三 元 组 由 主 语 (Subject) 谓 词 (Predicate) 和 对 象 (Object) 三 个 部 分 组 成, 构 成 一 个 声 明 主 语 是 URI 所 标 识 的 资 源, 实 例 对 象 可 以 是 一 个 字 符 串, 如 字 母 时 间 数 字 等, 也 可 以 是 一 个 URI, 或 是 与 主 语 有 关 的 其 他 资 源 的 标 识 符, 即 RDF 链 接 (RDF Link) 谓 词 表 明 了 主 语 和 对 象 之 间 的 关 系, 谓 词 也 可 以 是 URI, 比 如 来 自 某 一 词 表 或 URI 集 合 RDF 链 接 不 仅 可 以 链 接 同 一 数 据 源 中 的 资 源, 还 可 以 与 其 他 数 据 源 链 接, 这 些 数 据 源 可 能 是 两 个 处 于 不 同 地 理 位 置 的 机 构 所 维 护 的 数 据 库, 也 可 能 是 一 个 机 构 内 的 无 法 在 数 据 层 面 上 进 行 互 操 作 的 不 同 系 统, 最 终 使 得 用 户 能 跟 随 RDF 链 接 浏 览 整 个 数 据 Web 因 此,RDF 链 接 是 数 据 Web 的 基 础, 它 将 独 立 的 资 源 编 织 成 数 据 Web, 通 过 数 据 Web, 关 联 数 据 浏 览 器 或 搜 索 引 擎 的 网 络 爬 虫 能 够 遍 历 整 个 网 络 它 与 普 通 网 页 间 的 URL 链 接 最 大 的 不 同 之 处 就 在 于, 它 强 调 通 过 建 立 已 有 信 息 的 语 义 标 注 和 实 现 数 据 之 间 的 相 互 关 联, 进 而 形 成 有 益 于 人 机 理 解 的 语 境 信 息, 为 最 终 构 建 并 实 现 机 器 可 读 到 机 器 可 理 解 的 语 义 6

7 网 奠 定 了 坚 实 的 基 础 关 联 数 据 为 能 够 图 书 馆 高 校 和 学 术 项 目 提 供 更 强 的 跨 界 搜 索 和 发 现 数 字 信 息 的 能 力, 已 成 为 信 息 系 统 计 算 机 科 学 图 书 情 报 学 甚 至 是 生 物 医 学 社 会 科 学 等 诸 多 学 科 领 域 研 究 的 热 点, 被 人 们 视 为 语 义 网 数 据 网 络 技 术 的 核 心 和 关 键 22 关 联 数 据 的 相 关 技 术 进 展 研 究 221 关 联 数 据 的 创 建 发 布 浏 览 的 相 关 技 术 和 工 具 早 期 国 内 外 对 关 联 数 据 的 研 究 主 要 集 中 在 如 何 将 不 同 格 式 的 非 语 义 数 据 类 型 转 换 成 关 联 数 据 即 RDF 三 元 组 格 式 进 行 存 储 发 布 和 浏 览 的 问 题 上 研 究 的 领 域 一 般 是 和 人 们 生 活 密 切 相 关 的 社 会 公 共 领 域 及 基 础 网 络 信 息 服 务 领 域 通 常 需 要 考 虑 已 有 数 据 的 规 模 数 据 的 格 式 存 储 的 模 式 更 新 的 频 率 等 去 设 计 实 际 的 转 换 方 案 一 般 主 要 有 以 下 几 种 方 式 : (1) 直 接 创 建 和 发 布 静 态 的 RDF 文 件 这 种 方 式 比 较 简 单, 一 般 多 依 赖 于 用 户 或 兴 趣 团 体 手 工 创 建 或 者 使 用 较 为 简 单 的 软 件 进 行 转 换 输 出 一 般 只 需 按 照 软 件 的 提 示 进 行 操 作, 有 的 时 候 可 能 需 要 为 非 信 息 资 源 对 象 设 置 相 应 的 URI, 配 置 标 准 的 多 用 途 互 联 网 邮 件 扩 展 MIME(Multipurpose Internet Mail Extensions) 的 类 型 通 常 适 合 数 据 量 较 少 对 数 据 规 范 要 求 不 太 严 格 不 占 用 较 大 的 服 务 器 空 间 只 需 简 单 存 储 或 可 将 较 大 的 文 件 拆 分 存 储 和 发 布 也 不 需 要 经 常 更 新 的 情 况 最 常 见 的 应 用 就 是 发 布 个 人 的 FOAF 文 件 或 者 RDF 词 表 等 如 FOAF-a-matic [4] 和 FOAFaMaticMark2 [5] 就 是 两 款 简 单 的 创 建 个 人 FOAF 文 件 的 应 用 程 式, 前 者 是 基 于 JavaScript 的 普 通 网 页 格 式, 后 者 是 基 于 桌 面 工 具 的 应 用 模 式 用 户 只 需 要 按 照 给 定 的 项 填 写 自 己 的 名 字 邮 箱 地 址 以 及 所 认 识 朋 友 的 名 字 邮 箱 地 址 或 个 人 主 页 等, 即 可 快 速 地 创 建 一 个 关 于 自 己 的 FOAF 档 案, 然 后 通 过 本 地 的 服 务 器 直 接 进 行 发 布 也 可 以 使 用 FOAF 公 布 栏 (FOAF Bulletin Board) 功 能 将 FOAF 档 案 加 入 到 网 页 当 中, 通 过 FOAFbot 进 行 索 引 以 便 用 户 查 询 如 果 用 普 通 的 浏 览 器 去 浏 览, 会 直 接 下 载 到 该 foafrdf 文 件, 需 要 用 Dreamweaver 或 者 相 关 的 软 件 程 序 去 打 开 如 果 用 语 义 浏 览 器 或 专 门 的 RDF 浏 览 器 去 浏 览, 则 可 以 对 该 RDF 文 件 中 可 访 问 的 三 元 组 进 行 连 续 性 的 可 视 化 的 探 查 目 前 可 选 用 的 浏 览 器 主 要 有 Tabluator Extension for Firefox [6] [7] OpenLink 的 RDF 浏 览 器 和 Disco [8] 等 以 Disco 为 例, 它 主 要 是 以 一 种 基 于 表 的 布 局 样 式 来 显 示 每 个 三 元 组 的 来 源 图 从 而 提 供 对 来 源 信 息 的 访 问, 详 细 情 况 会 显 示 在 Disco 右 侧 的 sources 列, 见 图 3 7

8 图 3 Disco 浏 览 器 基 本 界 面 图 片 来 源 : (2) 将 其 他 类 型 的 数 据 转 换 为 RDF 格 式 进 行 存 储 如 将 PDF Word Visio CSV Excel BibTex 等 传 统 格 式 的 数 据 转 换 成 RDF 格 式, 可 借 助 于 一 些 RDF 化 的 工 具, 术 语 统 称 为 RDFizer 该 方 法 适 合 于 数 据 格 式 严 格 规 范 数 据 量 较 大 但 可 拆 分 数 据 存 储 模 式 相 对 简 单 的 情 况, 借 助 工 具 能 够 进 行 批 量 转 换, 减 少 人 工 创 建 所 花 费 的 开 销, 提 高 转 换 的 效 率 和 准 确 率 常 用 的 RDFizer 主 要 有 以 下 几 种, 下 载 地 址 见 表 1: 表 1 RDF 格 式 转 换 工 具 工 具 名 称 Aperature Javadoc RDFizer RDF123 Torrent2RDF Filckurl 下 载 站 点 RDFizer/ Aperature 它 是 一 个 即 装 即 用 (Out-of-the-box) 式 的 爬 虫 系 统 框 架, 包 括 ical IMAP 和 文 件 系 统 等 它 主 要 用 于 在 多 种 格 式 的 数 据 之 上 进 行 爬 行 抽 取 和 索 引 等 操 作, 目 前 支 持 JPEG MP3 PDF Word 以 及 Visio 文 档 等 超 过 20 类 信 息 的 抽 取, 并 可 以 帮 助 科 研 人 员 将 相 应 的 数 据 和 元 数 据 转 换 为 RDF 格 式 2Javadoc RDFizer 该 项 目 由 MIT 的 Simile 团 队 开 发, 建 立 了 一 个 doclet 程 序, 对 外 提 供 了 可 调 用 的 doclet API, 可 以 将 任 何 与 javadoc 兼 容 的 数 据 格 式 转 换 为 RDF 格 式 3RDF123 该 工 具 是 由 美 国 的 马 兰 里 大 学 研 究 开 发, 主 要 用 于 处 理 简 单 电 子 表 格 信 息, 8

9 如 将 那 些 使 用 HTML 制 表 标 签 的 文 件 和 使 用 逗 号 分 隔 的 CSV 格 式 的 文 件 的 数 据 进 行 处 理, 最 后 以 RDF 格 式 输 出 4Torrent2RDF 该 软 件 工 具 采 用 java 语 言 编 写, 可 以 读 取 torrent 文 件 或 Torrent URI 并 以 RDF 格 式 抽 取 其 相 应 信 息 并 输 出 该 软 件 采 用 了 GNU GPL 许 可 协 议, 开 发 人 员 可 以 根 据 自 己 的 需 要 对 其 进 行 灵 活 的 扩 展 和 进 行 二 次 开 发 5Flickcurl 它 是 Dave Beckett 开 源 软 件 开 发 小 组 基 于 C 语 言 实 现 的 一 个 小 型 转 换 工 具, 主 要 用 于 将 Flickr 数 据, 如 照 片 元 数 据 标 签 和 位 置 等 转 换 为 RDF 格 式 目 前,Open Linked Data 项 目 已 经 使 超 过 20 亿 条 传 统 网 页 上 的 数 据, 包 括 维 基 百 科 图 书 馆 MARC 目 录 等 半 自 动 或 者 自 动 地 转 换 成 了 关 联 数 据 世 界 著 名 的 大 型 媒 体 公 司, 如 BBC, 纽 约 时 报, 也 已 经 把 他 们 的 海 量 数 据 转 换 成 了 关 联 数 据 提 供 了 开 放 下 载 功 能 英 国 美 国 奥 地 利 新 西 兰 挪 威 等 国 都 已 经 率 先 开 始 筹 备 政 府 信 息 语 义 网 的 相 关 建 设 工 作, 目 标 是 把 主 要 的 政 府 信 息 发 布 成 关 联 数 据, 并 试 图 建 立 起 一 个 规 范 的 可 以 重 用 数 据 的 通 用 协 议 (3) 扩 展 已 有 API 抓 取 和 关 联 RDF 格 式 的 数 据 该 技 术 方 法 通 常 适 合 数 据 量 多, 数 据 格 式 复 杂, 数 据 流 通 性 比 较 快 捷 的 一 些 项 目, 主 要 是 搜 索 引 擎 或 者 门 户 型 网 站 平 台 等 如 Google and Google Base,eBay,Yahoo,Amazon 等 主 流 应 用 平 台 一 般 都 有 自 己 的 API, 提 供 了 多 样 化 的 查 询 检 索 接 口 以 及 多 种 格 式 的 返 回 结 果 ( 如 XML JSON 或 Atom) 等, 造 成 了 一 般 数 据 浏 览 器 访 问 的 困 难 和 搜 索 引 擎 抓 取 数 据 的 不 便 而 利 用 关 联 数 据 可 以 对 这 些 已 有 的 API 进 行 扩 展, 并 为 一 些 非 信 息 资 源 分 配 一 定 的 URI, 当 以 Application/RDF+XML 格 式 进 行 查 询 请 求 时, 可 以 获 取 到 RDF 格 式 的 结 果 数 据, 以 便 机 器 进 行 自 动 处 理 同 时 可 以 通 过 解 析 抓 取 到 的 RDF 中 的 URI 关 联 到 其 他 外 部 数 据 源 的 数 据 目 前, 像 Google Yahoo 等 主 流 搜 索 引 擎 等 已 经 能 够 抓 取 关 联 数 据, 利 用 关 联 数 据 丰 富 其 检 索 结 果 和 服 务 关 联 数 据 的 应 用 还 有 助 于 增 加 政 府 的 [9] 透 明 度 现 在 已 经 可 以 看 到 Datagov 网 站 以 关 联 数 据 形 式 整 合 和 可 视 化 政 府 数 据, 为 公 众 提 供 服 务 GovWILD [10] 是 Hasso Plattner 研 究 院 和 IBM 的 Almaden 实 验 室 合 作 开 发 的 项 目, 它 集 成 了 政 治 家 政 党 政 府 机 构 公 司 和 工 业 领 导 人 等 开 放 的 政 府 数 据, 利 用 关 联 数 据 对 其 进 行 可 视 化 链 接 和 显 示, 以 揭 示 并 反 映 隐 藏 在 政 府 企 业 和 政 治 家 背 后 的 潜 在 的 利 益 关 系 和 社 交 网 络 (4) 将 关 系 数 据 库 公 开 为 RDF 接 口 语 义 web 的 主 要 驱 动 力 之 一 就 是 如 何 将 web 上 的 海 量 关 系 数 据 库 信 息 以 计 算 机 可 处 理 的 方 式 进 行 表 达 因 为, 目 前 关 系 数 据 库 (RDB) 是 语 义 web 最 大 的 数 据 源 之 一, 大 多 数 网 站 都 习 惯 于 使 用 关 系 数 据 库 来 存 储 数 据 而 RDF 和 OWL 都 适 用 于 对 基 于 实 体 - 关 系 (ER) 模 型 的 关 系 数 据 库 中 所 表 达 的 信 息 进 行 建 模 目 前, 已 经 有 多 种 工 具 可 以 用 于 将 关 系 数 据 库 中 的 数 据 公 开 为 虚 拟 RDF 视 图, 从 而 作 为 一 个 SPARQL 端 点 被 用 户 浏 览 和 访 问, 并 能 够 进 行 一 定 的 查 询 和 推 理 详 细 见 下 表 2: 表 2 将 关 系 数 据 库 公 开 为 RDF 接 口 的 工 具 工 具 名 称 D2RQ SquirrelRDF DB2RDF Virtuoso Joseki 下 载 站 点 其 中 最 常 用 的 是 D2RQ 工 具, 通 过 添 加 一 定 的 约 束 规 则, 可 以 生 成 和 构 造 一 个 映 射 文 件, 从 而 将 关 系 数 据 库 中 的 表 和 列 映 射 到 本 体 的 类 和 属 性 上, 本 项 目 就 是 基 于 D2RQ 工 具 进 行 开 发, 将 在 后 面 的 实 验 模 块 对 D2RQ 作 详 细 的 介 绍 SquirrelRDF 工 具 主 要 是 通 过 创 建 轻 量 级 目 录 访 问 协 议 LDAP(Lightweight Directory Access Protocol) 模 式 和 RDF 之 间 的 映 射, 把 相 应 的 关 系 数 据 库 公 开 以 进 行 SPARQL 查 询 DB2RDF 是 一 个 基 于 java 语 言 开 发, 遵 循 了 9

10 GPL 许 可 协 议 的 小 型 转 换 工 具, 一 般 用 于 将 本 地 的 关 系 数 据 库 转 换 为 可 进 行 SPARQL 查 询 测 试 的 桌 面 程 序 具 体 应 用 时, 需 要 使 用 java -jar "DB2RDFjar" 命 令, 启 动 程 序, 在 数 据 量 较 大 的 时 候, 程 序 运 行 十 分 缓 慢, 因 而 并 不 适 用 于 进 行 服 务 器 端 的 开 发, 见 图 4 Virtuoso 是 由 Openlink 软 件 公 司 开 发 的 应 用 程 序, 它 可 以 处 理 XML RDF ODB 和 关 系 数 据 库 存 储, 以 及 web 服 务 和 应 用 程 序 服 务 器 其 中 DBpedia 知 识 库 的 SPARQL 端 点, 就 是 由 Virtuoso 提 供 的, 见 图 5 Joseki 是 由 开 发 Jena 语 义 web 框 架 的 惠 普 实 验 室 开 发 的 Joseki 构 建 于 Jena 的 多 语 言 查 询 引 擎 ARQ 之 上, 同 时 支 持 ARQ RDQL 以 及 SPARQL 等 多 种 查 询 语 言, 被 认 为 是 目 前 托 管 SPARQL 端 点 的 最 为 快 捷 的 方 式 这 些 工 具 虽 然 在 具 体 应 用 时 各 有 侧 重 点, 但 都 提 供 了 通 用 的 机 制, 仅 仅 需 要 修 改 和 进 行 一 些 配 置 就 可 以 投 入 使 用, 使 得 将 关 系 数 据 库 快 速 公 开 为 一 个 RDF 知 识 库 的 过 程 变 得 相 对 简 单 和 可 行 但 对 于 数 据 模 式 比 较 复 杂 或 者 数 据 模 式 没 有 正 确 定 义, 亦 或 者 数 据 库 中 含 有 不 一 致 性 数 据 的 关 系 数 据 库, 在 将 其 进 行 处 理 并 转 换 为 RDF 的 过 程 中 需 要 根 据 实 际 情 况 加 入 额 外 的 处 理 步 骤 图 4 DB2RDF 工 具 界 面 10

11 图 5 DBpedia 的 SPARQL 端 点 图 片 来 源 于 : 222 关 联 数 据 的 应 用 融 合 Mashup 的 相 关 技 术 和 项 目 对 关 联 数 据 的 创 建 发 布 浏 览 的 相 关 研 究 是 对 关 联 数 据 自 身 基 础 技 术 的 研 究, 而 如 今, 随 着 互 联 网 上 关 联 数 据 的 不 断 增 加, 有 关 的 研 究 已 经 开 始 扩 展 到 利 用 关 联 数 据 实 现 数 据 网 络 和 合 作 技 术 即 数 据 融 合 技 术 语 义 Web 嵌 入 到 个 人 桌 面 环 境 的 嵌 入 技 术 Mashup 主 动 服 务 技 术 本 体 的 重 组 技 术 语 义 自 动 问 答 技 术 语 义 搜 索 引 擎 技 术 等 方 面 同 时, 关 联 数 据 的 应 用 领 域 也 扩 展 到 了 化 学 生 物 医 学 教 育 科 研 等 领 域 对 关 联 数 据 的 应 用 融 合 Mashup 技 术 的 研 究 是 关 联 数 据 技 术 研 究 提 升 的 一 个 更 高 的 层 次, 也 是 关 联 数 据 发 展 的 必 然 结 果 目 前, 国 内 外 在 这 一 技 术 领 域 开 展 了 很 多 探 索 性 的 前 沿 研 究 项 目, 代 表 性 的 主 要 有 以 下 几 个 : (1)OREChem 项 目 [11] 该 项 目 是 escience 下 关 联 数 据 在 化 学 领 域 的 代 表 性 应 用, 是 由 化 学 学 者 和 信 息 科 学 家 合 作 开 发 和 实 施 的 它 致 力 于 研 究 和 部 署 基 础 设 施 服 务 和 应 用 去 促 使 学 术 资 料 在 化 学 界 传 播 的 新 模 式 的 产 生 项 目 的 主 要 研 究 内 容 是 开 发 一 个 核 心 数 据 模 型 或 本 体 去 描 述 和 标 示 化 学 科 研 实 体 以 及 它 们 之 间 的 相 互 关 系, 然 后 根 据 该 数 据 模 型 将 已 有 的 化 学 数 据 关 联 扩 展 到 各 种 外 部 化 学 数 据 源, 期 望 建 立 不 同 数 据 提 供 者 之 间 的 联 系 最 终 创 建 一 个 化 学 数 据 社 会 网 络, 从 而 增 强 化 学 数 据 的 结 构 化 检 索 [12] (2)Bio2RDF 项 目 该 项 目 主 要 运 用 了 Sesame 的 开 源 三 元 组 存 储 技 术 和 OWL 本 体, 将 一 些 来 自 于 公 共 生 物 学 知 识 库 如 Kegg PDB MGI HGNC NCBI 的 文 档 可 以 有 效 地 以 一 个 唯 一 的 URI 形 式 转 换 为 RDF 格 式, 构 建 了 一 个 生 物 学 数 据 和 知 识 组 织 的 Mashup 系 统 (3)Linking Open Drug data 项 目 [13] 该 项 目 的 目 标 是 建 立 一 个 开 放 的 医 药 数 据 自 动 问 答 系 统 (LODD), 主 要 是 利 用 关 联 数 据 把 来 自 不 同 数 据 源 的 医 药 数 据 关 联 起 来, 在 此 基 础 上 回 答 一 些 相 关 的 医 学 和 商 业 的 问 题 目 前 该 数 据 集 含 有 超 过 8 万 个 RDF 三 元 组 以 及 37 万 个 RDF 内 部 链 接, 见 图 6 11

12 图 6 LODD 关 联 数 据 集 图 片 来 源 于 : [14] (4)JISC 的 相 关 项 目 JISC(Joint Information Systems Committee) 是 英 国 致 力 于 研 究 信 息 和 数 字 化 技 术 在 教 育 和 科 研 领 域 应 用 的 专 业 团 队 目 前, 该 团 队 的 关 键 资 源 发 现 活 动 包 含 了 元 数 据 自 动 生 成 信 息 抽 取 文 本 标 注 基 于 标 签 的 语 义 资 源 发 现 等 21 个 方 案 85 个 项 目 5 项 服 务 SemTech 项 目 就 是 其 中 之 一, 目 标 是 在 将 各 个 高 等 教 育 机 构 之 间 的 教 育 教 学 资 料 和 课 程 资 料 发 布 为 关 联 数 据 进 行 共 享, 并 构 建 教 育 类 本 体, 实 现 基 于 本 体 的 数 据 分 析 和 推 理 应 用 CheTA 是 一 个 化 学 文 本 标 注 系 统, 该 项 目 整 合 了 剑 桥 大 学 的 文 本 挖 掘 工 具 OSCAR 和 U-Compare 的 工 作 流 程, 期 望 增 加 化 学 知 识 到 世 界 最 大 的 支 持 公 共 互 操 作 采 集 的 文 本 挖 掘 工 具 中 去 目 前, 基 于 UCC 和 RSC 的 研 究 和 整 合 已 经 完 成, 项 目 下 一 步 将 会 实 现 不 同 类 型 和 出 处 的 化 学 文 档 的 索 引 功 能, 并 对 系 统 做 出 常 规 的 科 学 评 估, 期 望 借 助 真 实 世 界 用 户 对 元 数 据 的 需 求 研 究 以 及 所 抽 取 的 元 数 据 实 用 性 之 间 的 对 比 研 究 而 发 展 成 为 一 个 严 格 的 标 注 研 究 评 估 框 架 该 系 统 最 终 会 同 时 支 持 人 工 和 机 器 的 自 动 索 引 目 前 该 应 用 系 统 利 用 关 联 数 据 公 开 了 部 分 信 息 源, 并 提 供 了 专 业 的 维 护, 自 动 和 可 持 续 的 文 本 挖 掘 服 务, 将 会 很 大 程 度 上 的 增 强 我 们 的 资 源 发 现 服 务 (5) 语 义 搜 索 引 擎 项 目 目 前, 关 联 数 据 在 科 研 领 域 的 应 用 主 要 是 利 用 关 联 数 据 扩 展 已 有 数 据 源, 填 充 和 构 建 本 体 模 型, 最 终 实 现 语 义 搜 索 和 查 询 因 而, 语 义 搜 索 引 擎 的 研 究 便 首 当 其 冲, 成 为 专 家 和 科 研 学 者 研 究 的 热 点 之 一 根 据 服 务 对 象 的 不 同, 语 义 搜 索 引 擎 一 般 又 可 分 为 两 种 其 一 是, 面 向 用 户 的 关 联 数 据 搜 索 引 擎, 如 Falcons [15] SWSE [16] Arnetminer [17] Yovisto [18] 等, 为 用 户 提 供 基 于 关 键 词 的 检 索 服 务, 不 仅 返 回 相 关 的 检 索 结 果 链 接, 还 提 供 相 关 实 体 的 概 况 Falcons 语 义 搜 索 引 擎 是 中 国 东 南 大 学 开 发 的, 提 供 对 象 概 念 及 文 档 的 语 索, 它 主 要 关 联 了 DBpedia 知 识 库 的 内 容 Arnetminer 是 清 华 KEG 实 验 室 研 制 的 关 于 学 术 研 究 网 络 的 搜 索 和 挖 掘 引 擎, 它 使 用 了 语 义 Web 本 体 技 术, 扩 展 了 FOAF, 主 要 提 供 研 究 人 员 及 其 出 版 物 的 搜 索, 其 中 的 数 据 主 要 来 自 DBLP(Digital Bibliography & Library Project) 数 据 源 具 体 包 括 如 下 功 能 : 检 索 学 术 研 究 人 员 或 特 定 领 域 的 专 家, 获 得 人 员 的 详 细 情 况 和 出 版 物 ; 检 索 会 议 或 出 版 物, 获 得 更 为 详 细 的 信 息 ; 检 索 两 个 研 究 人 员 之 间 的 联 系, 如 两 个 教 授 之 间 的 可 能 联 系 路 线, 根 据 两 个 学 术 机 构 之 间 的 路 径 长 短 进 行 联 系 加 权 Yovisto 是 关 于 学 术 报 告 和 会 议 视 频 的 搜 索 引 擎 它 提 供 基 于 内 容 的 演 讲 录 音 搜 索, 可 以 有 效 访 问 超 过 6200 个 来 自 于 世 界 各 地 的 大 学 和 科 研 机 构 的 演 讲 录 音 Yovisto 通 过 关 联 12

13 数 据 丰 富 了 搜 索 引 擎 的 检 索 结 果, 来 改 善 用 户 的 使 用 体 验, 将 Yovisto 的 内 容 与 关 联 数 据 网 连 接 起 来, 将 外 部 的 其 他 信 息 纳 入 到 Yovisto 中, 同 时 还 通 过 外 部 信 息 交 叉 连 接 再 回 到 Yovisto 自 己 的 内 容 中 其 二 是, 面 向 应 用 的 关 联 数 据 索 引 引 擎, 如 Sindice [19] Swoogle [20] Waston [21] 等, 提 供 关 联 数 据 的 API 接 口, 利 用 接 口 可 以 对 包 括 实 例 数 据 的 RDF 文 档 进 行 访 问 Swoogle 和 Waston 提 供 本 体 的 发 现 服 务, 返 回 与 查 询 相 关 的 概 念 Sindice 既 支 持 用 户 的 关 键 词 检 索 服 务, 也 支 持 机 器 的 自 动 查 询 与 结 果 分 析 利 用, 它 由 世 界 上 最 大 的 语 义 Web 研 究 机 构 DERI (Digital Enterprise Research Institute) 进 行 研 制, 对 关 联 数 据 进 行 监 测 采 集 存 储 和 整 合 总 之, 围 绕 关 联 数 据 世 界 各 国 都 竞 相 展 开 了 相 关 的 研 究, 并 促 成 了 一 系 列 相 当 前 沿 的 国 际 会 议 如 LDOW DC2009 ALA2009 ISWC2009 AAAI2010 ISWC2010 ISWC2011 等 国 际 会 议 都 对 关 联 数 据 的 相 关 技 术 进 行 了 研 讨 交 流, 研 究 内 容 涉 及 关 联 数 据 的 出 版 发 布 浏 览 的 基 础 问 题 以 及 关 联 数 据 的 应 用 架 构 关 联 算 法 语 义 互 操 作 如 何 与 web 数 据 进 行 合 作 和 融 合 如 何 与 人 工 智 能 进 行 交 互 等 高 级 应 用 层 的 问 题 2011 年 3 月,Andrew WMellon 基 金 更 是 先 后 出 资 美 元 和 美 元 分 别 赞 助 了 美 国 图 书 馆 信 息 资 源 委 员 会 (CLIR) [22] 和 斯 坦 福 大 学 进 行 关 联 数 据 的 项 目 研 究, 主 要 通 过 研 究 关 联 数 据 的 标 准 规 范 和 实 际 需 求, 并 在 技 术 层 面 设 计 一 个 跨 国 跨 机 构 的 原 型 系 统 以 证 明 关 联 数 据 可 以 改 善 资 源 发 现 和 资 源 导 航 的 效 果 23 与 数 字 图 书 馆 相 关 的 典 型 应 用 案 例 分 析 在 过 去 的 几 年 里, 数 字 图 书 馆 机 构 知 识 库 主 要 通 过 主 题 标 目 和 机 读 编 目 格 式 标 准 MARC (MAchine-Readable Cataloging) 的 记 录 数 据 去 实 现 资 源 的 发 现 服 务, 但 浏 览 和 精 炼 结 果 的 深 度 具 有 相 当 大 的 局 限 性 传 统 的 机 构 知 识 库 数 据 结 构 是 基 于 MARC 的 一 维 线 性 组 织 模 式 MARC 的 优 势 在 于 结 构 化 程 度 高, 通 过 代 码 化 的 字 段 和 子 字 段 置 标 书 目 的 内 容 特 征 和 外 在 特 征 缺 点 在 于 描 述 语 言 的 通 用 性 和 语 义 性 差, 只 有 元 数 据 描 述, 缺 少 从 语 义 到 语 法 结 构 到 模 型 及 著 录 规 范 和 算 法 的 完 整 体 系 而 一 维 和 线 性 的 组 织 方 式, 是 以 某 一 属 性 特 征 作 为 索 引 点 和 检 索 点, 不 区 分 信 息 对 象 的 实 体 层 次 和 相 互 的 关 联 关 系, 在 实 际 应 用 中, 特 别 是 数 字 环 境 下, 存 在 很 大 的 局 限 性, 突 出 表 现 在 缺 少 对 于 信 息 对 象 表 现 形 式 的 多 样 性 生 命 周 期 的 变 化 性 衍 生 性 和 复 合 对 象 的 复 杂 性 的 关 系 描 述 和 基 于 关 系 的 序 化, 即 语 义 化 程 度 较 低 关 联 数 据 的 出 现 提 高 了 资 源 发 现 的 相 关 性 和 便 捷 性, 为 机 构 知 识 库 的 发 展 和 优 化 带 来 了 契 机 有 关 资 料 表 明, 截 止 2010 年 10 月, 数 字 图 书 馆 和 科 研 教 育 领 域 发 布 的 关 联 数 据 源 已 达 到 68 个,RDF 三 元 组 的 数 量 占 到 关 联 数 据 云 图 总 量 的 808% [23] 可 见, 数 字 图 书 馆 界 在 关 联 数 据 的 创 建 和 发 布 方 面 已 经 取 得 了 初 步 的 研 究 成 果, 而 在 关 联 数 据 的 集 成 融 合 等 高 层 次 的 技 术 应 用 方 面 也 逐 步 进 入 了 探 索 和 实 验 阶 段 2008 年, 瑞 典 联 合 目 录 LIBRIS [24] 全 球 率 先 将 国 家 图 书 馆 级 书 目 数 据 全 部 发 布 为 关 联 数 据, 为 大 学 图 书 馆 公 共 图 书 馆 博 物 馆 以 及 档 案 馆 提 供 在 线 编 目 服 务 LIBRIS 使 用 的 词 汇 表 并 不 仅 仅 局 限 于 图 书 馆 学 领 域, 而 是 使 用 了 FOAF(Friend of a Friend) 简 单 知 识 组 织 体 系 SKOS(Simple Knowledge Organization System) Bibliontology 的 混 合 体, 并 以 RDF 实 现 了 部 分 书 目 记 录 的 功 能 需 求 FRBR(Functional Requirements of Bibliographic Records) 算 法 同 时, 为 了 加 强 和 外 部 数 据 源 间 的 关 联,LIBRIS 还 创 建 了 美 国 国 会 标 题 表 LCSH(Library of Congress Subject Headings) 和 维 基 百 科 (DBpedia) 之 间 的 关 联 链 接 2008 年 11 月, 欧 盟 数 字 图 书 馆 (European) [25] 项 目 在 布 鲁 塞 尔 正 式 启 动, 它 包 括 了 来 自 欧 盟 27 国 的 书 籍 手 稿 音 乐 绘 画 地 图 照 片 和 电 影 等 丰 富 多 彩 的 信 息 和 资 料 它 非 常 重 视 门 户 的 互 操 作 性, 采 用 了 SKOS 编 码, 并 引 入 了 语 义 层, 在 各 聚 合 对 象 之 间 建 立 语 义 连 接, 期 望 利 用 关 联 数 据 达 到 语 义 级 别 的 检 索 在 同 年 的 12 月, 英 国 的 哈 德 斯 菲 尔 德 大 学 [26] 迈 出 了 大 胆 的 一 步, 在 开 放 数 据 共 享 许 可 协 议 (Open Data Commons License) 下 共 享 跨 13

14 越 13 年 的 读 者 流 通 数 据 和 数 字 图 书 馆 读 者 荐 购 数 据, 为 其 他 图 书 馆 提 供 关 于 读 者 的 借 阅 情 况, 如 谁 在 何 时 借 阅 了 什 么 等 匿 名 信 息 集 的 下 载 跨 馆 对 比 这 类 数 据, 可 以 发 现 不 同 区 域 的 读 者 借 阅 趋 势 评 估 馆 藏 的 发 展 战 略 等 这 种 以 数 据 优 先 的 策 略, 重 点 关 注 了 数 据 的 效 率 和 可 用 性, 而 不 是 数 据 本 身 的 表 达 形 式, 为 关 联 数 据 的 应 用 提 供 了 方 向 [27] 2009 年 5 月, 美 国 国 会 图 书 馆 以 SKOS 格 式 将 LCSH 全 部 关 联 数 据 化 并 提 供 词 表 的 开 放 下 载, 成 为 关 联 数 据 应 用 的 成 功 范 例 同 年 9 月, 联 网 计 算 机 图 书 馆 中 心 OCLC(Online Computer Library Center) [28] 利 用 SRU 服 务 为 虚 拟 国 际 规 范 文 档 VIFA(Virtual International Authority File) 项 目 提 供 关 联 数 据, 不 仅 很 大 的 提 高 了 机 构 知 识 库 规 范 文 档 的 利 用 率, 而 且 还 能 降 低 服 务 器 的 负 载 量 此 后, 德 国 国 家 图 书 馆 英 国 国 家 图 书 馆 匈 牙 利 国 家 图 书 馆 法 国 国 家 图 书 馆 等 都 先 后 宣 布, 将 其 部 分 图 书 馆 目 录 叙 词 表 名 称 及 主 题 规 范 数 据 发 布 为 关 联 数 据, 将 关 联 数 据 在 图 书 馆 机 构 知 识 库 知 识 组 织 体 系 中 的 应 用 推 向 了 高 潮 通 过 分 析 上 述 的 案 例, 可 以 看 出 目 前 关 联 数 据 在 数 字 图 书 馆 领 域 的 应 用 主 要 有 以 下 几 个 方 面 : (1) 利 用 关 联 数 据 扩 展 数 字 图 书 馆 知 识 库 的 资 源 规 模 对 数 字 图 书 馆 知 识 库 来 说, 资 源 就 是 它 的 生 命 和 血 液, 资 源 的 规 模 越 大, 数 据 量 越 多, 相 应 就 越 能 够 提 供 丰 富 的 服 务 在 关 联 数 据 云 图 中, 有 许 多 关 联 资 源 可 以 作 为 图 书 馆 的 资 源 库 和 知 识 库, 可 以 利 用 云 图 中 的 关 联 开 放 数 据 进 行 图 书 馆 资 源 的 扩 展 和 关 联, 为 用 户 提 供 更 丰 富 更 有 意 义 的 检 索 结 果 (2) 利 用 关 联 数 据 增 强 图 书 馆 和 其 他 机 构 团 体 间 的 资 源 共 享 和 知 识 重 组 除 了 利 用 现 有 的 关 联 数 据, 图 书 馆 还 可 以 自 己 的 特 色 数 据 发 布 成 关 联 数 据, 增 加 用 户 返 回 图 书 馆 的 途 径 关 联 数 据 是 结 构 化 的, 依 靠 提 供 相 关 资 源 的 链 接 而 丰 富 现 有 的 知 识 库 资 源, 但 同 时 这 种 链 接 不 仅 是 图 书 馆 内 部 资 源 自 身 的 上 下 位 关 系 的 显 式 链 接, 而 且 还 可 以 是 图 书 馆 资 源 和 非 馆 藏 资 源 间 的 外 部 链 接, 有 助 于 知 识 库 在 更 大 范 围 内 提 供 开 放 扩 展 服 务 如 此 的 一 来 一 往, 最 终 会 为 图 书 馆 和 教 育 机 构 科 研 团 体 以 及 其 他 机 构 团 体 之 间 提 供 更 强 的 跨 机 构 合 作 和 共 享 数 据 的 能 力, 也 为 第 三 方 用 户 如 机 器 用 户 等 提 供 对 底 层 数 据 更 便 捷 的 存 取 和 进 行 知 识 重 组, 从 根 本 上 增 强 了 图 书 馆 自 身 的 社 会 价 值 和 社 会 凝 聚 力 (3) 利 用 关 联 数 据 构 建 数 字 图 书 馆 综 合 科 技 资 源 的 语 义 化 描 述 组 织 的 本 体 框 架 目 前, 在 数 字 图 书 馆 领 域, 支 持 信 息 资 源 语 义 化 表 示 存 储 索 引 检 索 查 询 和 共 享 利 用 的 方 法 与 技 术 体 系 正 在 逐 步 完 善 和 成 型 而 支 持 规 模 化 信 息 资 源 的 自 动 语 义 标 注 方 法, 无 论 是 基 于 传 统 的 信 息 抽 取 方 法, 或 基 于 自 然 语 言 分 析 处 理 或 理 解 的 方 法, 还 是 基 于 领 域 知 识 本 体 的 方 法, 都 还 存 在 工 程 化 实 用 化 方 面 的 局 限 关 联 数 据 作 为 一 种 支 持 语 义 互 操 作 的 技 术 体 系, 通 过 采 用 描 述 性 语 言 RDF 以 及 以 数 据 为 中 心 的 可 定 制 的 XML 标 记 语 言 和 技 术 来 支 持 基 于 多 维 情 境 关 系 如 关 联 层 次 约 束 等 价 等 的 构 建, 支 持 对 Web 文 档 和 内 容 进 行 更 加 丰 富 和 富 有 意 义 的 机 器 可 理 解 的 描 述 这 些 机 器 可 处 理 的 描 述 反 过 来 允 许 设 计 更 加 智 能 的 软 件 系 统, 对 基 于 Web 的 信 息 进 行 自 动 分 析 和 利 用 其 中, 本 体 被 认 为 是 支 撑 语 义 互 操 作 和 集 成 数 据 和 过 程 的 关 键 技 术 不 论 是 一 个 组 织 用 户 群 组 或 用 户, 都 面 临 所 处 信 息 环 境 包 含 的 多 种 内 外 部 信 息 系 统, 这 些 系 统 普 遍 存 在 的 不 同 的 主 题 层 级 结 构 元 数 据 模 式 以 及 不 同 的 元 数 据 查 询 式 构 造 语 法 等, 都 会 为 检 索 者 带 来 相 当 大 的 困 扰 因 此, 利 用 关 联 数 据 构 建 基 于 本 体 的 语 义 化 描 述 组 织 框 架, 最 终 建 立 语 义 驱 动 用 户 知 识 环 境 配 置 引 擎 服 务 的 基 础 架 构 成 为 提 供 和 满 足 新 的 集 成 应 用 场 景 和 需 求 的 主 流 解 决 方 案 3 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 方 法 研 究 31 机 构 知 识 库 语 义 扩 展 的 需 求 和 关 键 技 术 定 位 根 据 上 述 研 究, 再 结 合 目 前 中 国 科 学 院 机 构 知 识 库 平 台 建 设 的 实 际 情 况, 关 联 数 据 在 机 14

15 构 知 识 库 方 面 应 用 的 关 键 技 术 主 要 有 以 下 几 点 : (1) 可 利 用 关 联 数 据 技 术 将 机 构 知 识 库 中 的 实 体 关 系 发 布 为 能 够 进 行 语 义 揭 示 的 关 联 数 据 格 式 CASIR 是 围 绕 研 究 社 群 ( 即 研 究 部 门 ) 来 进 行 知 识 组 织 的, 每 个 研 究 社 群 又 可 分 为 多 个 子 社 群 ( 即 子 部 门 ) 和 专 题, 其 数 量 不 受 限 制 专 题 可 以 根 据 论 题 信 息 类 型 ( 如 : 研 究 手 稿 数 据 库 等 ) 或 其 他 任 一 有 利 于 数 字 化 条 目 组 织 的 索 引 方 法 来 进 行 组 织 每 个 专 题 的 内 容 类 型 又 包 含 着 中 国 科 学 院 各 个 研 究 所 存 缴 的 会 议 论 文 期 刊 论 文 学 位 论 文 专 著 专 利 演 示 报 告 等 多 种 格 式 数 据 集, 从 长 远 的 发 展 角 度 来 考 虑, 为 满 足 科 研 用 户 尤 其 是 机 器 用 户 快 速 明 确 地 找 到 所 需 资 源 并 获 取 其 语 义, 机 构 知 识 库 必 须 能 够 提 供 高 质 量 的 语 义 化 访 问 服 务, 而 不 仅 仅 是 普 通 HTML 网 页 的 信 息 描 述 例 如, 机 构 知 识 库 可 以 为 不 同 的 研 究 社 群 之 间, 以 及 同 一 个 研 究 社 群 的 不 同 子 社 群 之 间, 提 供 动 态 的 链 接, 描 述 其 归 属 关 系 ; 同 一 个 作 者 的 不 同 科 研 成 果 之 间, 同 一 个 科 研 成 果 的 合 作 者 之 间, 同 一 个 资 源 所 属 学 科 主 题 的 上 下 位 关 系 之 间, 等 都 可 以 通 过 关 联 数 据 来 关 联 扩 展 到 这 些 资 源 的 上 下 文 信 息, 从 而 不 仅 能 够 让 用 户 更 快 地 获 得 更 多 更 全 面 的 相 关 知 识, 同 时 还 可 以 增 加 用 户 回 到 机 构 知 识 库 服 务 的 途 径, 而 且 也 方 便 外 部 关 联 数 据 源 能 够 主 动 地 关 联 到 机 构 知 识 库 (2) 可 利 用 关 联 数 据 技 术 将 机 构 知 识 库 中 数 字 对 象 间 的 知 识 组 织 体 系 扩 展 到 已 有 的 关 联 词 表 关 联 数 据 构 建 的 基 本 原 则 之 一 就 是 尽 可 能 地 复 用 已 有 的 关 联 词 表 或 本 体 模 型 一 般 我 们 最 常 用 在 数 字 图 书 馆 领 域 的 就 是 DC FOAF SKOS LCSH, 它 们 均 已 经 实 现 了 全 面 的 关 联 数 据 化, 搭 建 了 知 识 组 织 系 统 ( 如 分 类 表 词 表 ) 到 关 联 数 据 之 间 的 桥 梁, 意 义 深 远 CASIR 自 身 的 知 识 组 织 体 系 虽 然 不 是 标 准 的 关 联 数 据 组 织 模 式, 但 是 它 在 建 立 最 初 已 复 用 了 DC 元 数 据 的 部 分 词 表 规 范 因 而, 进 一 步 的 工 作 便 显 得 十 分 可 行, 只 需 要 为 已 有 的 类 以 及 属 性 选 择 最 合 适 的 关 联 词 表 源, 并 明 确 建 立 两 者 之 间 的 词 汇 映 射 关 系, 最 终 使 得 机 构 知 识 库 能 够 在 关 联 词 表 的 帮 助 下 支 持 基 于 SPARQL 模 式 的 语 义 查 询 和 推 理 (3) 可 利 用 关 联 数 据 技 术 将 机 构 知 识 库 中 的 实 体 数 据 进 行 语 义 标 注, 并 扩 展 到 外 部 关 联 数 据 源 关 联 数 据 可 以 为 机 构 知 识 库 扩 展 资 源 信 息 提 供 结 构 化 的 数 据 基 础, 提 供 多 个 分 布 式 异 构 数 据 源 整 合 的 关 联 访 问, 将 来 自 不 同 数 据 源 的 同 一 个 实 体 数 据 进 行 整 合, 返 回 给 用 户 关 于 该 实 体 的 尽 可 能 多 的 相 关 信 息 的 统 一 视 图, 从 而 为 用 户 提 供 资 源 发 现 和 访 问 服 务 的 新 的 视 角 简 单 来 说, 就 是 关 联 数 据 允 许 机 构 知 识 库 关 联 到 更 广 泛 的 信 息 资 源, 并 不 局 限 于 资 源 本 身 的 信 息, 可 以 扩 充 科 研 人 员 所 属 机 构 科 研 成 果 以 及 其 所 属 学 科 主 题 等 其 他 信 息 到 其 他 任 何 一 个 存 在 该 信 息 描 述 的 数 据 源 以 上 三 点 关 键 技 术 形 成 了 本 文 利 用 关 联 数 据 实 现 机 构 知 识 库 的 语 义 扩 展 的 核 心 方 法 32 应 解 决 的 关 键 问 题 和 解 决 方 案 (1) 机 构 知 识 库 实 体 对 象 的 识 别 和 实 体 关 系 的 抽 取 机 构 知 识 库 中 的 实 体 对 象 很 多, 关 系 也 很 复 杂 对 同 一 实 体 对 象 和 关 系 的 识 别 和 抽 取 是 一 个 关 键 问 题 在 现 实 中, 不 同 的 关 联 数 据 源 对 同 一 个 实 体, 如 人 名, 地 名 等, 采 用 了 不 同 的 URI 来 标 识, 会 导 致 他 们 所 标 示 对 象 的 标 签 和 实 质 的 内 容 并 不 是 完 全 匹 配 的 机 构 知 识 库 为 了 解 决 这 一 个 问 题, 设 计 了 知 识 资 产 作 者 及 作 者 排 序 确 认 程 序, 目 的 是 为 了 借 助 于 人 工 的 甄 别, 去 实 现 作 者 ( 人 名 ) 和 对 应 作 品 ( 期 刊 文 献 会 议 论 文 研 究 报 告 等 ) 的 一 一 对 应 关 系 该 程 序 会 在 作 者 向 机 构 知 识 库 所 提 交 的 条 目 内 容 被 接 受 和 保 存, 并 分 配 唯 一 的 URI 标 示 符 后, 自 动 向 作 者 的 邮 箱 发 一 封 认 领 邮 件, 由 作 者 本 人 来 确 认 是 否 是 属 于 自 己 的 文 献 以 及 选 择 作 者 的 排 序 这 种 做 法 虽 然 效 率 可 能 会 比 较 低, 认 领 周 期 会 有 点 长, 但 是 对 于 目 前 的 研 究 层 次 而 言, 是 十 分 有 效 和 且 合 理 可 行 的, 而 且 很 大 程 度 地 提 高 了 实 体 对 象 识 别 的 准 确 率 与 此 同 时, 机 构 知 识 库 还 有 自 己 的 别 名 管 理 程 序, 可 以 为 同 一 个 人 名 实 体 添 加 多 个 形 式 的 别 名, 解 决 了 人 名 实 体 多 样 化 的 识 别 问 题 有 了 前 期 的 预 处 理 工 作, 抽 取 机 构 知 识 库 中 自 身 的 实 体 对 象 和 关 系 可 以 按 照 机 构 知 识 库 的 元 数 15

16 据 描 述 字 段 以 及 关 系 类 型 进 行 解 析 和 拆 分 (2) 机 构 知 识 库 关 联 数 据 源 的 选 择 和 不 同 词 表 间 的 映 射 机 构 知 识 库 中 的 数 据 主 要 是 期 刊 论 文 会 议 论 文 学 术 论 文 专 利 专 著 研 究 报 告 等 科 研 文 献, 要 将 机 构 知 识 库 中 的 元 数 据 扩 展 到 外 部 的 关 联 数 据 源, 选 择 合 适 的 关 联 数 据 源 十 分 重 要 目 前 web 上 得 关 联 数 据 源 有 很 多 ( 见 表 3), 但 基 本 都 是 综 合 性 的 社 会 公 共 性 质 的 数 据 集, 相 对 而 言 能 够 适 合 于 像 机 构 知 识 库 这 样 主 要 应 用 科 研 领 域 的 数 据 进 行 关 联 又 比 较 少 而 不 同 的 关 联 数 据 来 源 可 能 采 用 不 同 的 关 联 词 表, 为 了 最 大 化 的 最 有 效 的 语 义 化 机 构 知 识 库 的 元 数 据, 从 而 为 用 户 提 供 整 合 的 清 晰 的 数 据 视 图, 需 要 将 不 同 的 术 语 转 换 成 统 一 的 目 标 模 式 转 换 工 作 主 要 依 据 词 表 将 数 据 映 射 成 本 地 的 数 据 模 式, 另 外 还 需 要 依 据 人 工 产 生 或 者 经 过 数 据 挖 掘 得 到 的 映 射 规 则 进 行 转 换 通 过 对 关 联 数 据 源 和 关 联 词 表 的 比 较 分 析, 加 上 对 机 构 知 识 库 核 心 元 数 据 框 架 体 系 的 了 解, 本 项 目 主 要 选 择 DBpedia 和 DBLP 作 为 机 构 知 识 库 的 关 联 数 据 源,DC FOAF SKOS ISWC VCARD 作 为 其 扩 展 的 关 联 词 表, 具 体 会 在 实 验 设 计 模 块 做 出 详 细 说 明 表 3 几 种 主 要 的 关 联 数 据 源 数 据 源 DBpedia DBLP Freebase WordNet Flickr YAGO DrugBank MusicBranz GeoNames Revyu Book Mashup New York Times World Factbook 描 述 基 于 Wikipedia 抽 取 结 构 化 数 据 并 转 换 为 关 联 数 据 格 式 进 行 发 布 和 共 享 以 XML 格 式 存 储 计 算 机 领 域 期 刊 文 献 和 会 议 论 文 的 元 数 据 信 息 遵 循 知 识 共 享 CC(Creative Commons) 协 议, 元 数 据 严 格 结 构 化 包 含 了 20 多 万 个 基 于 认 知 语 言 学 方 面 词 汇 的 英 语 词 表 集 含 有 超 过 40 亿 的 图 片 数 据, 并 提 供 图 片 的 分 类 存 储 检 索 等 功 能 基 于 Wikipedia 和 WordNet 的 语 义 知 识 库, 约 含 有 1700 多 万 个 实 体 含 有 约 4800 种 药 物 元 数 据 信 息 的 生 物 化 学 资 源 集 由 个 人 用 户 负 责 添 加 和 管 理 的 音 乐 元 数 据 集 合 包 含 超 过 1000 万 个 地 名 和 550 万 个 地 理 别 名 的 地 理 信 息 数 据 集 允 许 用 户 自 由 标 注 实 体 和 投 票 打 分 的 数 据 集 提 供 了 书 籍 的 相 关 信 息, 包 含 了 大 约 7000 个 链 接 提 供 了 NYT 标 题 词 和 DBpedia 概 念 之 间 的 关 联 链 接 包 含 了 200 个 国 家 信 息 的 数 据 集 (3) 机 构 知 识 库 关 联 数 据 的 访 问 和 查 询 查 询 关 联 数 据 和 语 义 web 需 要 有 一 种 能 够 将 RDF 作 为 基 本 语 法 的 语 言 基 于 这 一 点 以 及 纯 RDF 的 角 度 来 看, 查 询 基 于 RDF 的 语 言 并 不 需 要 特 殊 的 过 程 或 语 言 特 征 目 前 主 要 有 三 种 查 询 语 言 [29] :SPARQL(SPARQL Protocol and RDF Query Language) RDQL(RDF Data Query Language) 和 SeRQL(Sesame RDF Query Language) 其 中,SPARQL 即 是 一 门 查 询 语 言 又 是 一 种 协 议, 它 是 SPARQL 协 议 与 RDF 查 询 语 言 的 递 归 缩 写 形 式, 是 W3C 的 推 荐 标 准, 已 经 得 到 了 广 泛 的 支 持 和 应 用, 并 且 有 大 量 可 用 的 公 共 端 点 如 前 文 所 说 的 DBpedia 的 查 询 端 点 本 项 目 同 样 选 择 SPARQL 作 为 机 构 知 识 库 关 联 数 据 服 务 端 的 查 询 语 言 简 单 来 说, 查 询 一 般 有 两 个 主 要 组 成 部 分 :SELECT 子 句 和 WHERE 子 句 SELECT 子 句 用 于 确 定 查 询 中 返 回 哪 些 变 量 和 这 些 变 量 的 值 而 WHERE 子 句 定 义 了 所 有 匹 配 机 构 知 识 库 中 RDF 库 的 数 据 的 图 模 式 (graph pattern) 默 认 情 况 下, 该 查 询 会 返 回 一 个 包 含 结 果 集 的 HTML 表, 该 结 果 集 会 将 一 个 变 量 集 和 一 个 RDF 术 语 集 映 射 起 来 提 供 给 用 户 同 时 还 提 供 了 将 结 果 集 定 制 为 XML XML+XSLT JSON 多 种 格 式 的 web 服 务 (4) 机 构 知 识 库 关 联 数 据 质 量 的 评 估 和 保 证 随 着 关 联 数 据 的 增 多 和 更 新 的 需 求, 关 联 数 据 源 中 的 数 据 可 能 会 被 修 改 删 除 或 者 移 位, 有 时 对 应 的 链 接 也 会 随 之 改 变, 这 就 会 造 成 已 有 关 联 数 据 的 链 接 失 效 和 出 现 错 误 RDF 链 接 是 关 联 数 据 的 根 本, 因 而 链 接 的 准 确 性 和 有 效 性 成 为 了 制 约 和 评 估 关 联 数 据 质 量 的 决 定 性 因 素 机 构 知 识 库 中 的 关 联 数 据 链 接 主 要 有 两 种, 一 种 是 机 构 知 识 库 内 部 实 体 元 数 据 之 间 关 联 关 系 的 链 接 数 据, 一 种 是 和 外 部 词 表 或 关 联 16

17 数 据 源 间 的 关 联 链 接 数 据 对 于 机 构 知 识 库 内 部 实 体 元 数 据 间 的 关 联 链 接, 主 要 依 靠 时 常 维 护 机 构 数 据 库 自 身 的 数 据 结 构 和 数 据 关 系, 一 旦 关 联 关 系 被 改 变, 就 需 要 及 时 更 新 和 修 改 所 对 应 的 关 联 数 据 的 映 射 文 件 去 确 保 关 联 链 接 和 内 容 的 准 确 性 和 有 效 性 与 此 同 时, 在 CASIR 中, 当 用 户 提 交 的 条 目 成 为 CASIR 的 一 部 分 时, 系 统 会 分 配 给 它 一 个 永 久 URI 这 就 意 味 着, 与 大 多 数 的 URI 不 同, 当 系 统 移 到 新 的 硬 件 设 施 上 时, 这 一 标 识 符 将 不 必 改 变 ; 或 者 当 系 统 发 生 变 化 时,CASIR 仍 会 维 护 该 标 识 符 的 完 整 性 因 此, 在 出 版 物 或 其 他 交 流 活 动 中 引 用 该 条 目 时, 用 户 可 以 安 全 地 利 用 此 标 识 符 找 到 该 条 目 CASIR 的 永 久 URI 是 通 过 句 柄 系 统 注 册 的, 该 系 统 由 美 国 国 家 研 究 推 进 机 构 CNRI [30] (Corporation for National Research Initiatives) 负 责 管 理, 是 一 个 分 配 管 理 和 解 析 因 特 网 上 数 字 对 象 及 其 他 资 源 的 永 久 标 识 符 的 包 容 性 系 统 对 于 机 构 知 识 库 和 外 部 数 据 源 间 的 关 联 链 接 数 据, 一 般 通 过 owl:sameas 和 rdfs:seealso 标 记 去 进 行 链 接 标 注, 我 们 可 以 定 期 地 运 用 链 接 检 测 程 序 对 链 接 进 行 监 控, 根 据 返 回 的 结 果 再 配 合 人 工 的 评 审, 对 链 接 的 有 效 性 进 行 维 护 和 保 证 同 时 考 虑 以 用 户 为 中 心, 将 机 构 知 识 库 关 联 数 据 内 容 本 身 作 为 评 价 指 标, 建 立 一 定 的 用 户 评 价 体 系, 以 用 户 使 用 程 度 和 满 意 度 为 衡 量 指 标, 根 据 用 户 反 馈 的 意 见 和 建 议 及 时 丰 富 关 联 数 据 的 内 容 和 解 决 关 联 数 据 服 务 中 出 现 的 问 题 4 机 构 知 识 库 语 义 扩 展 模 块 的 设 计 和 实 现 41 抽 取 实 体 关 系 和 添 加 关 联 规 则 目 前 中 国 科 学 院 机 构 知 识 库 网 络 中 共 包 含 了 76 家 研 究 所, 其 中 有 12 家 研 究 所 的 数 据 是 仅 限 内 部 访 问 的 截 止 2011 年 12 月 21 日,CASIR 已 通 过 OAI-PMH 接 口 收 割 了 58 家 研 究 所 的 数 据 总 量 因 为 涉 及 到 开 放 权 限 开 放 时 间 以 及 工 作 量 等 因 素 制 约, 项 目 无 法 对 CASIR 全 部 的 数 据 进 行 关 联 数 据 的 转 化 通 过 从 对 各 研 究 所 采 集 回 来 数 据 进 行 初 步 分 析, 最 终 选 定 了 以 中 国 科 学 院 软 件 研 究 所 的 会 议 论 文 为 样 例 进 行 关 联 数 据 的 转 化 研 究 这 样 选 择 的 原 因 主 要 有 以 下 两 点 : 第 一 点 从 本 质 上 来 讲, 关 联 数 据 集 的 内 容 虽 然 依 赖 于 所 选 择 的 数 据 样 例, 但 是 在 技 术 上 却 是 跟 数 据 无 关 的 一, 也 就 是 说 我 们 如 果 选 择 其 他 研 究 所 的 数 据 来 作 为 样 例 进 行 实 现, 技 术 方 法 的 核 心 是 一 样 的, 选 择 某 一 个 研 究 所 是 为 了 在 有 限 的 时 间 内 量 化 研 究 对 象, 使 得 研 究 对 象 更 明 晰 更 具 体, 研 究 工 作 更 可 行 第 二 点, 也 是 比 较 重 要 的 一 点, 目 前 国 内 的 科 研 文 献 数 据 开 放 的 整 体 情 况 并 不 是 很 好, 所 发 布 的 适 合 机 构 知 识 库 语 义 扩 展 的 外 部 关 联 数 据 源 也 寥 寥 无 几, 适 合 中 文 科 研 文 献 进 行 关 联 扩 展 的 开 放 数 据 源 更 少 鉴 于 这 个 情 况 以 及 在 32 章 节 对 关 联 数 据 源 的 调 研 分 析,DBpedia 是 一 个 社 会 公 共 网 络 性 质 的 关 联 数 据 源, 因 此 考 虑 对 地 名 ( 如 会 议 的 地 点 ) 进 行 关 联 扩 展 另 外,CASIR 中 的 中 文 期 刊 文 献 会 议 论 文 等 占 据 了 很 大 一 部 分 比 例, 但 是 能 够 被 EI SCI 索 引 的 又 很 少 而 中 国 科 学 院 软 件 研 究 所 的 会 议 论 文, 大 部 分 都 是 英 文, 且 被 EI 和 SCI 索 引 DBLP 是 发 布 计 算 机 领 域 学 术 期 刊 和 会 议 文 献 元 数 据 的 关 联 数 据 集, 目 前 大 约 含 有 文 献 的 索 引 以 及 个 计 算 机 科 学 家 的 主 页 链 接 地 址, 它 包 含 的 这 些 文 章 大 多 都 是 被 EI 和 SCI 索 引 的 论 文, 软 件 研 究 所 的 科 研 文 献 基 本 都 能 在 DBLP 中 找 到 相 应 的 XML 描 述 因 此 我 们 做 了 以 上 的 选 择, 期 望 能 够 在 有 利 且 符 合 实 际 的 条 件 下 进 行 实 验 设 计 以 CASIR 中 软 件 研 究 所 的 会 议 论 文 为 例, 我 们 主 要 抽 取 了 科 研 人 员 (Person) 研 究 部 门 (Organizations) 会 议 论 文 (Paper) 会 议 (Conference) 学 科 主 题 (Topic) 这 5 种 核 心 实 体 类, 其 关 系 如 图 7 所 示 17

18 图 7 CASIR 中 的 实 体 类 及 关 系 可 为 该 实 体 类 及 关 系 添 加 如 下 约 束 条 件 : (1) 对 研 究 部 门 及 其 子 部 门 的 约 束 一 个 研 究 部 门 可 以 包 含 1 个 或 N 个 子 部 门 相 反, 这 N 个 子 部 门 从 属 于 该 研 究 部 门 对 于 软 件 研 究 所 来 说, 作 为 中 国 科 学 院 的 一 个 研 究 部 门, 它 自 身 又 包 含 计 算 机 科 学 国 家 重 点 实 验 室 软 件 工 程 技 术 研 究 开 发 中 心 并 行 计 算 实 验 室 等 多 个 子 部 门 (2) 对 科 研 人 员 和 研 究 部 门 的 约 束 一 个 研 究 部 门 可 雇 佣 N 个 科 研 人 员 反 之, 这 N 个 科 研 人 员 都 是 该 研 究 部 门 的 成 员 (3) 对 科 研 人 员 及 其 会 议 论 文 的 约 束 一 个 科 研 人 员 可 能 是 多 篇 会 议 论 文 的 作 者 同 时, 一 篇 会 议 论 文 可 以 由 多 个 科 研 人 员 合 作 完 成 (4) 对 会 议 论 文 及 其 所 属 学 科 主 题 的 约 束 一 篇 会 议 论 文 必 然 属 于 某 一 个 学 科 主 题 或 者 相 近 的 学 科 主 题 同 一 个 学 科 主 题 下 必 然 会 包 含 多 篇 相 关 会 议 论 文 (5) 对 科 研 人 员 及 其 学 科 主 题 的 约 束 一 个 科 研 人 员 肯 定 有 自 己 的 研 究 方 向, 该 研 究 方 向 必 然 归 属 于 某 一 个 或 多 个 学 科 主 题 (6) 对 会 议 论 文 和 会 议 的 约 束 一 篇 会 议 论 文 必 定 对 应 了 一 个 会 议 某 一 个 会 议 下 必 然 包 含 N 篇 会 议 论 文 基 于 数 据 库 进 行 编 程, 在 设 计 底 层 数 据 结 构 时, 可 将 该 隐 性 约 束 转 化 为 如 下 外 键 关 联 规 则 : # Foreign keys for table organizations ALTER TABLE `organizations` ADD CONSTRAINT `organizations_ibfk_1` FOREIGN KEY (`Belongsto`) REFERENCES `organizations` (`OrgID`); # Foreign keys for table papers ALTER TABLE `papers` ADD CONSTRAINT `papers_ibfk_1` FOREIGN KEY (`Conference`) REFERENCES `conferences` (`ConfID`); # Foreign keys for table rel_paper_topic ALTER TABLE `rel_paper_topic` ADD CONSTRAINT `rel_paper_topic_ibfk_1` FOREIGN KEY (`PaperID`) REFERENCES `papers` (`PaperID`), ADD CONSTRAINT `rel_paper_topic_ibfk_2` FOREIGN KEY (`TopicID`) REFERENCES `topics` (`TopicID`); 18

19 # Foreign keys for table rel_person_organization ALTER TABLE `rel_person_organization` ADD CONSTRAINT `rel_person_organization_ibfk_1` FOREIGN KEY (`PersonID`) REFERENCES `persons` (`PerID`), ADD CONSTRAINT `rel_person_organization_ibfk_2` FOREIGN KEY (`OrganizationID`) REFERENCES `organizations` (`OrgID`); # Foreign keys for table rel_person_paper ALTER TABLE `rel_person_paper` ADD CONSTRAINT `rel_person_paper_ibfk_1` FOREIGN KEY (`PersonID`) REFERENCES `persons` (`PerID`), ADD CONSTRAINT `rel_person_paper_ibfk_2` FOREIGN KEY (`PaperID`) REFERENCES `papers` (`PaperID`); # Foreign keys for table rel_person_topic ALTER TABLE `rel_person_topic` ADD CONSTRAINT `rel_person_topic_ibfk_1` FOREIGN KEY (`PersonID`) REFERENCES `persons` (`PerID`), ADD CONSTRAINT `rel_person_topic_ibfk_2` FOREIGN KEY (`TopicID`) REFERENCES `topics` (`TopicID`); # Foreign keys for table topics ALTER TABLE `topics` ADD CONSTRAINT `topics_ibfk_1` FOREIGN KEY (`ParentID`) REFERENCES `topics` (`TopicID`); 42 利 用 D2RQ 进 行 语 义 标 注 和 关 联 [31] 语 义 标 注 是 使 用 计 算 机 可 理 解 的 属 性 来 描 述 资 源 的 相 关 陈 述 这 些 属 性 可 以 用 于 本 体 中 的 任 何 资 源 或 公 理, 包 括 本 体 本 身 类 属 性 和 实 体 标 注 都 是 通 过 创 建 一 些 陈 述 来 实 现 的, 而 且 标 注 属 性 在 该 陈 述 中 充 当 谓 语 在 OWL 标 准 本 体 语 言 中 预 定 义 的 基 本 标 注 属 性 有 很 多 种, 本 文 是 基 于 RDF+OWL 语 言 进 行 知 识 呈 现, 主 要 用 到 以 下 几 种, 见 表 4 示 表 4 OWL 中 定 义 的 基 本 标 注 属 性 Property rdfs:label rdfs:comment rdfs:seealso owl:sameas rdf:type Description 一 个 名 称 或 者 对 主 题 资 源 的 简 单 描 述 关 于 主 题 资 源 的 注 释 跟 该 主 题 资 源 最 相 关 的 其 他 资 源 信 息 描 述 同 一 个 主 题 资 源 的 其 他 资 源 将 一 个 类 的 全 体 成 员 指 派 给 某 一 特 定 资 源 此 外, 根 据 上 文 所 抽 取 的 实 体 关 系, 我 们 复 用 的 关 联 词 表 主 要 有 DC DCTERMS FOAF SKOS ISWC VCARD, 选 择 的 关 联 数 据 源 主 要 有 DBpedia DBLP, 并 基 于 D2RQ 这 一 个 将 关 系 型 数 据 库 发 布 为 关 联 数 据 格 式 的 主 流 工 具 作 为 我 们 的 开 发 平 台 CASIR 使 用 的 是 Postgresql 关 系 型 数 据 库, 可 以 在 多 用 户 和 高 强 度 数 据 负 荷 的 条 件 下 提 供 可 伸 缩 的 性 能, 但 并 不 满 足 语 义 web 关 联 开 放 的 基 本 原 则 然 而 语 义 web 的 实 质 并 不 是 颠 覆 这 些 已 有 的 数 据 方 法, 相 反, 它 主 要 是 提 供 RDF 这 样 一 种 灵 活 的 可 扩 展 的 数 据 模 型 表 示 工 具, 使 资 源 的 知 识 组 织 和 语 义 关 联 更 为 容 易 如 前 文 所 说,D2RQ 就 是 其 中 最 常 用 的 组 件 之 一, 其 主 体 框 架 如 图 8 所 示 19

20 图 8 D2RQ 组 件 的 主 体 框 架 D2RQ [32] 主 要 包 括 D2RQ Server,D2RQ Engine 以 及 D2RQ Mapping D2RQ Server 是 一 个 HTTP Server, 它 的 主 要 功 能 是 提 供 对 RDF 数 据 的 查 询 访 问 接 口, 以 供 上 层 的 RDF 浏 览 器 SPARQL 查 询 客 户 端 或 传 统 的 HTML 浏 览 器 调 用 D2RQ Engine 的 主 要 功 能 是 使 用 一 个 可 定 制 的 D2RQ Mapping 文 件 将 关 系 型 数 据 库 中 的 数 据 换 成 RDF 格 式 它 并 不 是 将 关 系 型 数 据 库 发 布 成 真 实 的 RDF 数 据, 而 是 使 用 D2RQ Mapping 文 件 定 义 的 规 则 将 其 映 射 成 虚 拟 的 RDF 格 式 D2RQ Mapping 文 件 的 作 用 是 在 访 问 关 系 型 数 据 时 将 RDF 数 据 的 查 询 语 言 SPARQL 转 换 为 RDB 数 据 的 查 询 语 言 SQL, 并 将 SQL 查 询 结 果 转 换 为 RDF 三 元 组 或 SPARQL 查 询 结 果 目 前 D2RQ 支 持 Oracle DB2 Mysql Postgresql 等 几 乎 所 有 的 主 流 关 系 型 数 据 库 因 此, 本 项 目 中, 我 们 将 CASIR 中 软 件 研 究 所 的 会 议 论 文 实 体 元 数 据 抽 取 到 Mysql 数 据 库 中 进 行 试 验 的 构 建 D2RQ 的 映 射 语 言 D2RQ Mapping 是 基 于 RDFS 和 OWL 进 行 描 述 的, 自 身 生 成 的 映 射 相 当 简 单, 无 法 覆 盖 到 我 们 所 关 联 的 全 部 词 表, 以 及 部 分 约 束 关 系 也 无 法 直 接 映 射 生 成 因 此 必 须 通 过 人 工 干 预, 构 建 符 合 机 构 知 识 库 语 义 扩 展 的 映 射 模 式, 最 终 形 成 的 词 表 映 射 和 语 义 扩 展 方 案, 见 表 5 20

21 表 5 CASIR 的 语 义 扩 展 方 案 Prefix:Namespace map: <file:/d:/program/d2r-server-07/iswcn3#> db: <> rdf:< rdfs: < owl: < xsd: < d2rq: < jdbc: < casir: < Description D2R 自 动 生 成, 指 定 机 构 知 识 库 映 射 文 件 的 绝 对 位 置, 可 以 更 改 D2R 自 动 生 成, 关 系 数 据 库 标 准 前 缀 D2R 自 动 生 成,OWL 标 准 格 式 D2R 自 动 生 成,OWL 标 准 格 式 D2R 自 动 生 成,OWL 标 准 格 式 D2R 自 动 生 成,OWL 标 准 格 式 D2R 自 动 生 成, 指 定 D2R 的 标 准 命 名 空 间 D2R 自 动 生 成, 指 定 关 系 型 数 据 库 的 驱 动 人 工 修 改, 指 定 casir 关 联 数 据 服 务 的 URL, 2020 为 D2R 标 准 服 务 端 口 人 工 添 加, 指 定 DC 的 命 名 空 间 ; 主 要 用 于 扩 dc: < 展 Paper 和 Conference 的 相 关 属 性, 如 将 Paper 的 Title 扩 展 到 dc : title, 将 Conference 的 Date 扩 展 到 dc:date 人 工 添 加, 指 定 Dcterms 的 命 名 空 间 ; 主 要 用 dcterms: < 于 扩 展 Paper 的 相 关 属 性, 如 将 Paper 的 Abstract 扩 展 到 dcterms:abstract 人 工 添 加, 指 定 foaf 的 命 名 空 间 ; 主 要 用 于 foaf: < 扩 展 Person 的 相 关 属 性, 如 将 Person 的 mbox 扩 展 到 foaf:mbox;name 扩 展 到 foaf:name 人 工 添 加, 指 定 skos 的 命 名 空 间 ; 主 要 用 于 skos: < 扩 展 Topic 的 相 关 属 性, 如 将 Topic 的 name 扩 展 到 skos:subject, 如 果 还 有 子 学 科, 可 以 继 续 扩 展 到 skos:primarysubject 人 工 添 加, 指 定 iswc 的 命 名 空 间 ; 主 要 用 于 iswc: < 扩 展 Conference 的 相 关 属 性, 如 将 Conference 的 location 扩 展 到 iswc : location 人 工 添 加, 指 定 vcard 的 命 名 空 间 ; 主 要 用 于 vcard: < 开 展 Organization 的 相 关 属 性, 如 将 Organization 的 Country 扩 展 到 vcard: Country,Location 扩 展 到 vcard:locality Dbpedia 人 工 添 加, 以 owl:sameas 的 形 式 附 加 标 注 指 定 部 分 资 源 在 DBpedia 中 的 描 述 信 息 人 工 添 加,DBLP 主 要 是 用 来 描 述 计 算 机 科 学 DBLP 领 域 文 献 元 数 据 本 文 以 rdfs:seealso 的 形 式 附 加 标 注 指 定 的 资 源 到 DBLP 数 据 源 基 于 表 5 的 方 案, 基 于 java 的 开 发 环 境 对 D2RQ Mapping 进 行 编 程 定 制 映 射 文 件, 主 要 有 以 下 步 骤, 部 分 代 码 示 例 如 下, 全 部 代 码 见 附 件 1: (1) 初 步 生 成 映 射 文 件 该 映 射 文 件 用 来 定 义 数 据 库 中 的 表 和 列 与 本 体 中 的 类 和 属 性 进 行 映 射 的 规 则, 它 并 不 生 成 真 正 的 本 体, 主 要 是 隐 式 定 义 并 使 用 了 一 个 类 和 属 性 集 合 的 vocab 21

22 前 缀, 等 效 于 本 体 的 命 名 空 间 具 体 实 现 时, 主 要 通 过 调 用 D2RQ 组 件 Java 类 的 generate_mapping 方 法 : generate-mapping -u root -p **** -d commysqljdbcdriver -o iswcn3 jdbc:mysql://localhost:3306/iswc 参 数 说 明 :-u 表 示 数 据 库 用 户 名,-p 是 数 据 库 登 录 密 码,-d 是 数 据 库 驱 动 类 名 称, 不 同 的 数 据 库 驱 动 格 式 不 同 -o 是 D2RQ 输 出 的 映 射 文 件 名 称, 后 缀 指 定 为 n3 最 后 一 个 参 数 设 置 了 所 映 射 的 数 据 库 的 路 径 和 名 称 (2) 基 于 CASIR 核 心 实 体 类 的 RDF 语 义 标 注, 以 会 议 论 文 实 体 (Paper) 为 例, 选 取 部 分 代 表 性 的 代 码 : # Table papers map:papers a d2rq:classmap; d2rq:datastorage map:database; d2rq:uripattern "papers/@@paperspaperid@@"; d2rq:class iswc:inproceedings; d2rq:class foaf:document; map:papers_title a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property dc:title; d2rq:property rdfs:label; d2rq:column "paperstitle"; d2rq:lang "en"; map:papers_uri a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property dc:identifier; d2rq:uricolumn "papersuri"; map:papers_conference a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property iswc:conference; d2rq:referstoclassmap map:conferences; d2rq:join "papersconference => conferencesconfid"; (3) 基 于 CASIR 实 体 关 系 的 RDF 关 联 转 换 主 要 是 针 对 31 中 所 述 的 几 种 实 体 关 系 进 行 编 程 转 换, 部 分 代 码 如 下 : # n:m table rel_person_paper map:rel_person_paper a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property dc:creator; 22

23 d2rq:referstoclassmap map:persons; d2rq:join "personsperid = rel_person_paperpersonid"; d2rq:join "rel_person_paperpaperid = paperspaperid"; # n:m table rel_person_organization map:rel_person_organization a d2rq:propertybridge; d2rq:belongstoclassmap map:persons; d2rq:property iswc:has_affiliation; d2rq:referstoclassmap map:organizations; d2rq:join "personsperid = rel_person_organizationpersonid"; d2rq:join "rel_person_organizationorganizationid = organizationsorgid"; (4) 将 CASIR 实 体 元 数 据 关 联 到 外 部 数 据 源 的 RDF 呈 现, 仍 以 Paper 实 体 为 例 CASIR 中 的 会 议 论 文 元 数 据 提 供 了 对 作 者 论 文 名 称 会 议 名 称 以 及 ISBN 号 的 准 确 记 录,ISBN 作 为 会 议 论 文 的 唯 一 标 示 符, 为 我 们 关 联 到 外 部 数 据 源 提 供 了 方 便 在 实 例 化 时, 只 需 要 判 断 两 个 资 源 的 ISBN 是 否 一 致, 即 可 获 得 该 会 议 论 文 元 数 据 在 DBLP 关 联 数 据 源 中 的 描 述 URL, 此 外 也 可 以 根 据 作 者 以 及 对 应 的 机 构, 获 得 作 者 的 其 他 论 文 资 源 信 息 # Table papers map:papers_seealso a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property rdfs:seealso; d2rq:uricolumn "papersseealso"; map:papers_sameas a d2rq:propertybridge; d2rq:belongstoclassmap map:papers; d2rq:property owl:sameas; d2rq:uricolumn "paperssameas"; 参 数 简 要 说 明 : 1d2rq:uriPattern 提 供 一 个 URI 标 识, 用 来 指 导 生 成 所 实 例 化 实 体 的 真 实 URI 一 般 由 关 系 数 据 库 的 实 体 表 名 和 对 应 的 主 键 组 成 2d2rq:class 表 示 该 映 射 类 所 对 应 的 实 体 类, 其 取 值 一 般 来 自 所 应 用 的 OWL 本 体 或 RDFS Schema, 也 可 以 根 据 自 己 的 数 据 模 型 定 义 新 class 3d2rq:PropertyBridge 代 表 OWL 本 体 或 ORDFS Schema 中 类 的 属 性, 它 具 体 映 射 到 关 系 数 据 库 中 数 据 表 的 某 一 列 最 终 构 建 的 RDF 接 口 可 满 足 如 下 基 本 条 件 : 其 一, 能 够 生 成 并 使 用 一 个 或 多 个 一 致 的 隐 性 本 体 描 述 的 合 法 RDF; 其 二, 接 口 能 够 接 收 一 个 查 询 或 者 一 个 对 返 回 数 据 的 说 明 ; 其 三, 能 够 生 成 可 以 准 确 反 映 机 构 知 识 库 底 层 数 据 源 中 的 实 体 及 相 互 关 系 的 关 联 数 据 集 5 语 义 扩 展 模 块 的 运 行 和 应 用 测 试 51 基 本 运 行 情 况 23

24 本 项 目 的 语 义 扩 展 模 块 是 基 于 java 语 言 和 D2RQ 开 源 工 具 在 windows7 平 台 下 进 行 设 计 和 开 发, 由 于 java 语 言 的 跨 平 台 性, 经 测 试, 该 模 块 在 windows 和 Linux 系 统 下 皆 可 正 常 运 行, 且 性 能 稳 定, 运 行 良 好 在 D2RQ 的 DOS 路 径 下, 以 #d2r-server iswcn3 的 命 令 行 启 动 D2R Server, 然 后 在 浏 览 器 中 输 入 地 址 : 可 看 到 已 将 上 述 实 体 元 数 据 扩 展 为 含 有 语 义 的 关 联 数 据 集, 并 提 供 三 种 形 式 的 访 问 :HTML View RDF View 和 SPARQL Endpoint, 详 细 见 图 9 图 9 CASIR 语 义 扩 展 模 块 首 页 点 击 conferences 可 以 看 到 所 有 的 会 议 实 体, 见 图 10, 点 击 organizations 可 以 看 到 所 有 的 机 构 实 体, 点 击 papers 可 以 看 到 全 部 的 会 议 论 文 实 体, 其 他 同 理 图 10 会 议 实 体 以 CASIR 中 的 一 篇 原 始 会 议 论 文 元 数 据 为 例, 见 图 11 24

25 图 11 CASIR 中 会 议 元 数 据 描 述 示 例 经 过 RDF 语 义 标 注 和 关 联 扩 展 的 同 一 篇 会 议 元 数 据 如 下, 见 图 12 通 过 对 比 发 现, 语 义 扩 展 后 的 论 文 元 数 据 中 的 属 性 和 实 体 数 据 都 是 灵 活 的, 可 通 过 众 多 URI 标 示 获 得 该 论 文 元 数 据 的 合 作 者 会 议 学 科 主 题 等 具 体 信 息 图 12 语 义 化 的 论 文 元 数 据 25

26 (1) 示 例 1, 点 击 图 12 中 < 可 得 到 该 论 文 所 属 的 会 议 信 息, 见 图 13 图 13 语 义 化 的 会 议 元 数 据 (2) 示 例 2, 点 击 图 12 中 的 < 可 得 到 该 论 文 其 中 一 个 作 者 的 详 细 信 息, 见 图 14 图 14 语 义 化 的 作 者 元 数 据 (3) 示 例 3, 点 击 图 14 < 可 得 到 该 作 者 所 属 的 研 究 部 门 信 息, 见 图 15 图 15 语 义 化 的 机 构 元 数 据 (4) 示 例 4, 本 语 义 扩 展 模 块 还 开 放 了 基 于 SPARQL 的 语 义 查 询 服 务 端 点 能 够 进 行 基 于 类 和 属 性 的 浏 览, 以 及 进 行 基 于 实 体 关 26

27 系 的 查 询, 最 终 以 三 元 组 方 式 提 供 可 视 化 的 查 询 结 果, 并 可 将 查 询 结 果 定 制 为 XML XML+XSLT JSON 等 多 种 web 服 务 格 式, 见 图 16 图 16 SPARQL 查 询 端 点 查 询 必 须 遵 循 标 准 的 SPARQL 语 法, 例 如 要 查 询 含 有 指 定 关 键 词 的 资 源 Conference, 可 输 入 以 下 命 令, 返 回 结 果 见 图 17 SELECT DISTINCT?resource?value WHERE {?resource < FILTER regex(?value,"conference") } ORDER BY?resource?value 52 用 户 测 试 及 反 馈 的 意 见 图 17 查 询 结 果 示 例 目 前, 语 义 扩 展 模 块 在 一 定 的 范 围 内 进 行 了 应 用, 并 邀 请 了 相 关 人 员 进 行 测 试, 主 要 测 试 内 容 见 表 6 这 些 测 试 用 户 涵 盖 了 老 师 学 生 和 科 研 人 员, 基 本 都 具 有 相 关 专 业 学 科 知 识 背 景, 能 够 本 着 真 实 性 的 基 础 上 对 系 统 提 出 一 定 的 反 馈 意 见 27

28 表 6 主 要 测 试 内 容 姓 名 单 位 测 试 内 容 付 晶 园 兰 州 商 学 院 老 师 基 本 功 能 测 试 苏 兴 河 北 金 融 学 院 老 师 基 本 功 能 测 试 申 晓 康 近 代 物 理 研 究 所 学 生 HTML 浏 览 访 问 测 试 曹 静 兰 州 大 学 学 生 HTML 浏 览 访 问 测 试 梅 利 荣 近 物 物 理 研 究 所 学 生 RDF 浏 览 访 问 测 试 冯 飞 兰 州 大 学 学 生 RDF 浏 览 访 问 测 试 李 超 群 广 州 点 开 科 技 软 件 公 司 java 程 序 员 RDF 关 联 链 接 测 试 荆 彦 铭 大 连 莱 力 柏 自 控 技 术 公 司 软 件 工 程 师 SPARQL 查 询 测 试 姚 晓 娜 兰 州 分 馆 信 息 系 统 部 馆 员 SPARQL 查 询 测 试 目 前, 用 户 反 馈 回 来 的 意 见 和 建 议 主 要 有 以 下 几 个 方 面 : (1) 基 本 功 能 可 用, 运 行 良 好, 性 能 稳 定 (2) 访 问 和 浏 览 时 界 面 简 洁, 使 用 方 便 (3) 可 以 通 过 相 关 标 注 的 标 签 了 解 到 该 资 源 属 性 的 具 体 含 义 (3) 可 以 通 过 点 击 链 接 访 问 到 某 一 资 源 的 上 下 位 信 息 (4) 可 以 通 过 点 击 链 接 访 问 到 某 一 资 源 在 相 关 数 据 源 中 的 描 述 信 息 (5) 总 体 数 据 量 比 较 少, 希 望 能 够 进 一 步 扩 充 并 丰 富 数 据 资 源 (6)SPARQL 对 关 联 数 据 检 索 的 灵 活 性 的 确 比 较 高, 检 索 结 果 是 可 视 化 的, 并 可 将 检 索 结 果 定 制 为 XML XML+XSLT JSON 等 格 式 (7)SPARQL 查 询 太 难, 没 有 一 定 的 语 法 知 识, 很 难 在 短 时 间 内 构 造 到 正 确 的 查 询 语 句, 建 议 可 以 将 SPARQL 查 询 作 为 后 台 处 理, 前 台 封 装 为 普 通 的 SQL 查 询 界 面 展 示 给 用 户 鉴 于 用 户 反 馈 的 建 议, 项 目 组 除 了 进 一 步 丰 富 了 数 据 资 源 之 外, 保 留 了 原 来 的 SPARQL 查 询 端 点, 重 做 了 基 于 JSP 和 SQL 的 RDF 的 普 通 用 户 查 询 界 面, 如 图 18 示 用 户 可 以 任 意 输 入 检 索 词 或 者 精 确 的 查 询 ID 号 并 生 成 相 应 的 RDF 格 式 的 查 询 结 果 例 如 输 入 semantic, 得 到 的 RDF 文 件 如 图 19 示 28

29 图 18 RDF 的 普 通 查 询 界 面 图 19 RDF 格 式 的 返 回 结 果 6 结 论 根 据 用 户 测 试 和 反 馈 的 意 见, 结 合 本 项 目 在 开 发 和 实 施 过 程 中 出 现 的 问 题, 笔 者 总 结 出 以 下 几 点 经 验 和 看 法 : (1) 从 整 体 上 来 看, 本 项 目 已 经 完 成 了 项 目 的 预 期 研 究 目 标 和 内 容, 并 以 实 验 设 计 的 方 式 证 明 了 项 目 所 研 究 的 技 术 和 方 法 的 合 理 性 和 可 应 用 性 但 从 实 际 的 应 用 层 次 来 看, 本 项 29

30 目 还 只 是 一 个 初 步 的 实 验 框 架, 要 想 真 正 地 将 关 联 数 据 技 术 应 用 于 机 构 知 识 库 的 语 义 扩 展 还 需 要 投 入 更 多 的 时 间 资 源 和 人 力 资 源, 更 深 入 地 对 相 关 技 术 和 工 具 进 行 实 际 地 应 用 测 试 和 二 次 开 发 从 用 户 的 角 度 来 看, 关 联 数 据 的 最 大 好 处 是 可 以 提 供 多 个 分 布 式 异 构 数 据 源 的 整 合 的 关 联 的 访 问, 希 望 能 够 做 到 点 击 的 次 数 最 少, 而 获 得 的 内 容 最 丰 富 最 详 实 而 从 开 发 者 的 角 度 来 考 虑, 是 需 要 将 来 自 不 同 数 据 源 的 统 一 对 象 进 行 集 成, 返 回 关 于 该 对 象 的 所 有 相 关 信 息 的 同 一 对 象 的 统 一 视 图, 不 仅 希 望 能 够 充 分 利 用 现 有 数 据 之 间 的 关 联 关 系, 而 且 时 刻 根 据 实 际 需 要 实 现 与 Web 上 得 高 质 量 的 数 据 建 立 新 的 关 联 关 系 从 概 念 层 次 上 看 用 户 的 需 求 和 开 发 者 的 做 法, 好 像 是 统 一 的, 然 而 在 具 体 的 实 施 中, 却 往 往 不 尽 人 意 目 前, 由 于 技 术 上 得 限 制, 将 已 有 的 数 据 生 成 转 换 发 布 为 关 联 数 据 并 不 难, 难 在 于 如 何 组 织 关 联 数 据 利 用 关 联 数 据 去 为 提 供 更 符 合 用 户 常 规 使 用 习 惯 更 为 直 观 的 服 务 方 式 本 模 块 虽 然 提 供 了 基 于 实 体 基 于 类 和 属 性 的 可 视 化 浏 览 方 式, 但 本 质 上 还 是 需 要 用 户 具 有 一 定 的 学 科 知 识 背 景 才 能 更 好 地 驾 驭, 无 形 中 将 适 用 对 象 和 范 围 限 定 到 了 科 研 人 员 教 师 和 学 生, 使 得 项 目 潜 在 用 户 的 应 用 范 围 并 不 是 很 广 进 一 步 的 研 究 中 可 考 虑 借 助 solr 分 面 浏 览 技 术 以 及 可 视 化 浏 览 技 术 等, 提 供 更 加 人 性 化 的 浏 览 方 式 (2) 权 衡 项 目 使 用 开 源 工 具 D2RQ 的 优 点 和 代 价 对 项 目 人 员 来 说, 在 了 解 开 源 软 件 架 构 的 基 础 上, 使 用 开 源 工 具 可 以 缩 减 编 程 的 工 作 量, 降 低 设 计 的 复 杂 性, 提 高 项 目 开 发 的 成 功 率, 从 而 在 有 限 的 时 间 内 更 便 捷 更 快 速 地 设 计 和 实 现 目 标 模 块 的 原 型 系 统 本 项 目 选 择 使 用 D2RQ 开 源 工 具 的 最 大 优 点 是 只 需 要 做 极 少 的 设 置 和 配 置 调 整, 就 可 以 自 动 生 成 映 射 文 件 通 过 人 工 干 预 对 映 射 文 件 进 行 修 改 和 调 用, 就 可 以 将 原 有 的 数 据 源 公 开 为 RDF, 提 供 SPARQL 查 询 端 点, 并 且 直 接 集 成 了 对 Jena 和 Sesame 语 义 web 框 架 的 支 持, 很 容 易 被 其 他 语 义 web 应 用 程 序 快 速 集 成 和 调 用 由 于 动 态 环 境 下 底 层 数 据 经 常 会 发 生 变 化, 针 对 查 询 进 行 转 换 能 够 反 映 数 据 库 中 得 真 实 数 据 内 容, 因 而 这 是 能 够 解 决 动 态 性 问 题 的 少 数 几 种 公 开 为 RDF 的 方 法 之 一, 也 是 唯 一 一 种 能 够 完 整 地 建 立 虚 拟 RDF 图 的 方 法, 且 该 虚 拟 RDF 图 很 容 易 被 访 问 和 装 载 然 而, 使 用 D2RQ 开 源 工 具 也 会 给 项 目 造 成 一 些 问 题 和 缺 陷 主 要 有 以 下 几 点 : 1D2RQ 使 用 的 是 一 种 JDK 编 译 生 成 的 配 置 文 件, 当 RDB 模 式 发 生 变 化 时, 该 文 件 需 要 重 新 映 射 和 修 改 事 实 上 关 系 数 据 库 结 构 和 模 式 的 变 化 通 常 是 一 个 重 要 事 件, 因 此 尽 管 需 要 重 新 生 成 映 射 文 件, 但 仍 然 能 够 为 开 发 者 所 接 受 2 公 开 的 RDF 接 口 几 乎 是 数 据 库 结 构 的 一 个 精 确 映 像, 可 能 包 含 面 向 具 体 应 用 程 序 和 工 作 的 信 息, 如 管 理 元 数 据 的 信 息 解 决 的 方 法 之 一 是 将 一 般 管 理 元 数 据 的 信 息 和 数 据 库 中 重 要 实 体 如 论 文 作 者 等 相 关 元 数 据 的 信 息 分 开 存 放, 并 以 外 键 形 式 进 行 关 联, 在 映 射 的 时 候 屏 蔽 掉 管 理 元 数 据 的 实 体 类 和 对 象 即 可 3SPARQL 查 询 语 法 难 以 掌 握 正 如 用 户 测 试 反 馈 回 来 的 意 见 所 述 : SPARQL 查 询 太 难, 没 有 一 定 的 语 法 知 识, 很 难 在 短 时 间 内 构 造 到 正 确 的 查 询 语 句 对 于 项 目 的 SPARQL 查 询 端 点 来 说, 一 般 适 用 于 第 三 方 用 户 如 机 器 用 户 或 其 他 科 研 应 用 程 序 对 其 进 行 调 用, 并 不 使 用 于 普 通 人 工 用 户 的 查 询 对 于 人 工 用 户 来 讲, 这 一 般 要 求 用 户 对 底 层 的 关 系 数 据 库 模 式 有 较 为 细 致 的 了 解, 并 具 备 一 定 的 SPARQL 语 法 知 识, 才 能 够 构 造 可 用 的 查 询 语 句 然 后 目 前, SPARQL 又 是 查 询 RDF 关 联 数 据 图 的 最 有 效 的 方 法 之 一 一 些 大 型 的 数 据 集, 基 本 都 是 利 用 D2RQ 的 服 务 组 件 D2R Server 构 造 和 开 放 自 己 的 SPARQL 查 询 端 点, 包 括 前 文 所 述 的 DBpedia 的 查 询 端 点 [33] DBLP 的 查 询 端 点 [34] Chris Mungall (Berkeley Drosophila Genome Project) [35] 为 Gene 标 注 本 体 开 放 的 查 询 端 点 等 都 需 要 基 于 SPARQL 语 法 构 造 相 应 的 查 询 语 句 项 目 组 也 试 着 按 照 用 户 测 试 反 馈 的 建 议, 将 SPARQL 语 法 构 造 的 查 询 作 为 后 台 的 处 理 语 句, 前 台 封 装 为 基 于 SQL 的 查 询 界 面, 但 对 于 返 回 结 果 的 处 理 就 只 能 返 回 静 态 的 RDF 格 式 的 数 据, 在 一 般 不 能 实 现 基 于 三 元 组 的 可 视 化 浏 览 30

31 4D2RQ 以 及 其 他 很 多 对 关 联 数 据 支 持 的 开 源 工 具 的 最 大 缺 陷 在 于 缺 乏 对 其 的 支 持 和 发 展 D2RQ 在 操 作 数 据 时, 会 将 整 个 后 台 数 据 导 入 到 内 存 模 型 中, 在 数 据 量 大 的 情 况 下, 可 能 会 出 现 内 存 溢 出 问 题, 也 会 使 映 射 文 件 的 加 载 非 常 缓 慢 目 前 很 多 基 于 关 联 数 据 进 行 语 义 扩 展 的 项 目 在 从 政 府 基 金 支 持 的 研 究 项 目 过 渡 到 切 实 可 行 的 商 业 化 产 品 的 过 程 中 都 发 展 缓 慢, 甚 至 陷 入 停 滞 其 中 最 大 的 原 因 是 目 前 国 内 围 绕 语 义 Web 和 关 联 数 据 项 目 所 开 展 的 业 务 活 动 层 次 仍 然 很 低 尽 管 如 此, 但 是 需 求 旺 盛 的 用 户 群 体 仍 然 存 在, 那 些 作 为 前 沿 研 究 领 域 的 专 家 和 学 者 们 一 直 在 渴 望 并 努 力 地 推 动 者 这 些 项 目 的 持 续 发 展 这 为 项 目 后 续 研 究 中 改 进 上 述 问 题, 并 提 出 尽 可 能 实 际 的 解 决 办 法 奠 定 了 基 础 因 此, 进 一 步 的 研 究 中 可 考 虑 选 择 一 些 更 合 适 的 开 源 的 软 件 工 具, 建 立 更 为 完 善 的 安 全 数 据 监 测 机 制 和 更 新 机 制, 以 保 证 对 语 义 化 研 究 和 应 用 方 法 的 可 持 续 性, 并 进 一 步 深 入 研 究 机 构 知 识 库 内 部 语 义 关 系 以 及 机 构 知 识 库 内 部 与 外 部 知 识 库 的 关 联 关 系 总 体 的 研 究 表 明, 关 联 数 据 组 织 方 式 灵 活, 数 据 格 式 简 单, 借 助 于 开 源 工 具 能 够 和 目 前 主 流 的 关 系 数 据 源 进 行 交 互, 并 快 速 地 形 成 一 定 规 模 性 应 用 因 而 如 果 能 够 进 一 步 地 合 理 地 利 用 关 联 数 据, 真 正 将 关 联 数 据 技 术 融 入 现 有 的 用 户 知 识 群 组 配 置 技 术 中, 它 就 能 够 为 机 构 知 识 库 在 内 容 组 织 资 源 组 织 方 式 上 提 供 更 为 丰 富 的 功 能 支 持 和 语 义 发 现 服 务, 对 未 来 提 高 机 构 知 识 库 的 服 务 能 力 有 着 重 大 的 意 义 同 时 也 为 加 速 国 科 图 实 现 从 基 础 服 务 版 的 机 构 知 识 库 到 语 义 集 成 资 源 版 的 机 构 知 识 库 的 发 展 蜕 变 奠 定 了 基 础 31