●金 燕，江閃閃（鄭州大學 信息管理系，鄭州 450001）

1 關聯(lián)數(shù)據(jù)的概念

關聯(lián)數(shù)據(jù)這一概念是由“互聯(lián)網(wǎng)之父”Tim Berners-Lee在2006年首次提出的。在分析web發(fā)展和演化過程的基礎上，Tim Berners-Lee提出了當前web環(huán)境下急需發(fā)展數(shù)據(jù)web的思想，數(shù)據(jù)web的核心和關鍵就是關聯(lián)數(shù)據(jù)。下表展現(xiàn)了數(shù)據(jù)web與傳統(tǒng)web的不同。

表 傳統(tǒng)Web與數(shù)據(jù)Web的比較

關于關聯(lián)數(shù)據(jù)的概念，維基百科給出的定義是：關聯(lián)數(shù)據(jù)是語義網(wǎng)的主題之一，描述了通過可鏈接的URI方式來發(fā)布、分享、連接Web中各類資源的方法。［1］

關聯(lián)數(shù)據(jù)通過web將一切web上沒有關聯(lián)的相關數(shù)據(jù)連接起來，并且可以直接訪問數(shù)據(jù)，是一種簡單的語義網(wǎng)實現(xiàn)技術，已經(jīng)成為推動語義網(wǎng)發(fā)展的重要力量之一，在提出之后得到了社會的廣泛關注和認可。其意義體現(xiàn)在：① 采用訪問web信息資源的URI和RDF統(tǒng)一標準，將現(xiàn)實世界全面映射到網(wǎng)絡世界，為不同數(shù)據(jù)資源的整合和集成提供了穩(wěn)定可靠的機制，揭示了web資源整合的本質(zhì)。② 一種Web上的富鏈接機制將超文本鏈接轉(zhuǎn)變?yōu)槌瑪?shù)據(jù)鏈接，為web提供開放數(shù)據(jù)的存取和鏈接機制。③ 通過數(shù)據(jù)萬維網(wǎng)的超鏈接和語義標注可以發(fā)現(xiàn)更多與之相關的數(shù)據(jù)。

2 關聯(lián)數(shù)據(jù)的四原則

2.1 關聯(lián)數(shù)據(jù)的四個基本原則

關聯(lián)數(shù)據(jù)的四原則是Tim Berners-Lee在《關聯(lián)數(shù)據(jù)的設計問題》中針對關聯(lián)數(shù)據(jù)的構建和實現(xiàn)提出的，這四個原則是：［2］

（1）使用URI作為任何對象的標識名稱，即用戶可以將web上的任何資源用URI進行標識；

（2）使用HTTPURI使人們可以找到對象的標識名稱，即用戶在萬維網(wǎng)上可以通過HTTP協(xié)議連接URI從而找到標識的對象；

（3）訪問HTTPURI中的某個標識名稱時，可以根據(jù)訪問標識的URI發(fā)現(xiàn)有意義的信息（采用RDF，SPARQL標準），即用戶可以通過訪問HTTPURI找到有價值的信息，提高信息的利用率；

（4）提供相關的URI鏈接，以便查詢者可以發(fā)現(xiàn)更多的對象，即用戶通過互聯(lián)可以發(fā)現(xiàn)更多的信息。

這四個基本原則中，最重要的是利用RDF數(shù)據(jù)模型建立結(jié)構化數(shù)據(jù)并發(fā)布到網(wǎng)絡上，再鏈接到不同數(shù)據(jù)庫以便建立關聯(lián)。RDF對資源的表達是通過一系列的三元組來實現(xiàn)。每個三元組由主語、謂語和對象三個部分組成，主語是URI所標識的資源，對象可以是一個字符串，如字母、日期格式的字符值、數(shù)字等，也可以是一個一定程度上與主語有關的其他資源的URI，即RDF鏈接（RDFLink）；謂語表明了主語和對象之間的關系，也可以是URI，比如來自某一詞表或URI集合。［3］關聯(lián)數(shù)據(jù)的三元組都應該盡可能以URI來表達，以RDF來編碼。由此可以通過RDF數(shù)據(jù)模型把web上存在的大量非結(jié)構化數(shù)據(jù)和采用不同標準的結(jié)構化數(shù)據(jù)轉(zhuǎn)換成遵循統(tǒng)一標準的結(jié)構化數(shù)據(jù)。

2.2 關聯(lián)數(shù)據(jù)四原則的現(xiàn)實意義

關聯(lián)數(shù)據(jù)的基本概念和四個基本原則揭示了關聯(lián)數(shù)據(jù)的核心理念，可以簡單高效地實現(xiàn)關聯(lián)數(shù)據(jù)的發(fā)布。

（1）沒有數(shù)據(jù)類型的限制，在web上發(fā)布關聯(lián)數(shù)據(jù)只需將發(fā)布數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一結(jié)構化的RDF三元組，包括統(tǒng)一命名，統(tǒng)一內(nèi)容描述機制即可。

（2）利用RDF鏈接同一數(shù)據(jù)資源內(nèi)的各數(shù)據(jù)項和不同數(shù)據(jù)資源，建立內(nèi)容關聯(lián)機制，包括關聯(lián)解析、檢索和調(diào)用機制，發(fā)現(xiàn)更多數(shù)據(jù)對象。

（3）依據(jù)關聯(lián)數(shù)據(jù)四原則發(fā)布關聯(lián)數(shù)據(jù)，可以構建一個發(fā)布數(shù)據(jù)的標準，網(wǎng)絡中的任何對象通過這個數(shù)據(jù)標準構建，然后將數(shù)據(jù)關聯(lián)起來，通過URI發(fā)布在萬維網(wǎng)上，既可通過傳統(tǒng)的信息發(fā)現(xiàn)方式發(fā)現(xiàn)相關關聯(lián)數(shù)據(jù)，也可根據(jù)關聯(lián)數(shù)據(jù)中的URI來發(fā)現(xiàn)新的關聯(lián)數(shù)據(jù)。這可以減少互聯(lián)網(wǎng)上的冗余數(shù)據(jù)，使數(shù)據(jù)得到最大化的使用，從而使互聯(lián)網(wǎng)信息服務的效率更高。

3 基于四原則的關聯(lián)數(shù)據(jù)發(fā)布方法

3.1 基于四原則的關聯(lián)數(shù)據(jù)發(fā)布過程

依據(jù)四原則發(fā)布關聯(lián)數(shù)據(jù)，最主要的是將信息資源用資源描述框架RDF表示出來。RDF一方面提供了一個極其簡單的數(shù)據(jù)模型，另一方面數(shù)據(jù)量的大小、數(shù)據(jù)的更新頻率和存儲方式很適合Web的結(jié)構。［4］

3.1.1 用URI對web上所要發(fā)布的數(shù)據(jù)進行標識

（1）用RDF 描述待發(fā)布的數(shù)據(jù)，并將各個實體對象間的關系用RDF 圖的形式表示出來。描述要發(fā)布的數(shù)據(jù)時先要統(tǒng)一詞匯。這些詞匯通?？梢詮腤eb 中一些公認的詞匯集中選擇，如朋友的朋友（FOAF），都柏林核心詞匯集（DC）； RDFs 核心詞匯集（RDFSchema）；簡單知識組織系統(tǒng)（SKOS）；在線語義關聯(lián)社區(qū)（SIOC）；項目描述（DOAP）；描述藝術家、影集和軌跡的詞匯的音樂本體；表示復審的詞匯表；描述授權條款的詞匯創(chuàng)作共用（CC）［5］ 等。根據(jù)RDF 圖建立RDF 數(shù)據(jù)模型時，RDF 圖要反映出三元組之間的聯(lián)系

（2）將RDF 圖轉(zhuǎn)換成數(shù)據(jù)頁這個環(huán)節(jié)可以借助D2RQ 平臺技術實現(xiàn)，該平臺由映射語言、D2R 引擎和D2R 服務器組成。［6］先通過D2RQ 映射語言，支持關系型數(shù)據(jù)庫到RDF 數(shù)據(jù)轉(zhuǎn)換規(guī)則的編寫，通過該語言，用戶可以定義如何將關系型數(shù)據(jù)庫中的表、列、行、列值、外鍵值映射成RDF 數(shù)據(jù)中的類、屬性、資源、文本、RDF 鏈接。然后通過D2R 引擎將用戶輸入的SPARQL 轉(zhuǎn)換成SQL，提交給關系型數(shù)據(jù)庫管理系統(tǒng)，并將SQL 查詢結(jié)果封裝成RDF 三元組最后，D2R 服務器在D2R 引擎之上提供Web 界面，使瀏覽器端的用戶可以查看數(shù)據(jù)頁。在轉(zhuǎn)換數(shù)據(jù)項時，要考慮訪問數(shù)據(jù)的時間、數(shù)據(jù)更新的難易和用戶的需求等。一般來說，RDF 文件過大會影響到用戶打開時的數(shù)據(jù)緩存速度。當要發(fā)布的文件較大或者描述的是多個數(shù)據(jù)時，應當將其拆分成幾個RDF 文件，以塊的形式發(fā)布。既可以將整個RDF 圖作為一個數(shù)據(jù)頁發(fā)布，也可以將每個實體描述項作為一個數(shù)據(jù)頁，還可以把若干實體的描述項作為一個數(shù)據(jù)頁。

（3）用URI 進行標識，為每個數(shù)據(jù)頁指定URI。數(shù)據(jù)頁映射后的RDF 是用XML 表達的三元組。RDF模型中數(shù)據(jù)是以URI 引用來命名的，上傳到web 后，可以為每個數(shù)據(jù)項指定URI。URI 是web 上訪問數(shù)據(jù)的標識，任何事物都可以有一個唯一的URI 引用。一方面，選取的URI 必須有著規(guī)范的名字，其他發(fā)布者就可以很信任的在自己的數(shù)據(jù)庫中鏈接相關資源，另一方面，必須把技術基礎設施做到位。選擇URI 時需要盡可能的使用HTTP URI 來標識對象，可以受限于技術環(huán)境。通常使用三個URI 即一個資源標識符、一個適合HTML 瀏覽器的信息資源標識符（用一個網(wǎng)頁表示）、一個適合RDF 瀏覽器的信息資源標識符（用RDF 或XML 來表示） 來標記非結(jié)構化信息資源。

3.1.2 為每個數(shù)據(jù)頁指定URI 后需要將數(shù)據(jù)頁在web 上表示出來，這個環(huán)節(jié)需使用HTTP 機制，其中，對于HTML 瀏覽器來說通常是將RDF 表示的形式作為RDF原代碼，或者是將其作為RDF 文件下載下來而不直接顯示出來。另外，上傳的數(shù)據(jù)頁除了要有RDF 表示形式外，還應有一個合適的HTML 表示形式，有助于理解URI 所指的是什么。

3.1.3 根據(jù)HTTPURI中的某個標識名稱發(fā)現(xiàn)可以鏈接的數(shù)據(jù)

RDF 數(shù)據(jù)模型的主體是RDF 三元組。通過訪問HTTP URI，可以發(fā)現(xiàn)三元組中主語、謂語和對象的標識名稱。無論要描述的對象是結(jié)構化數(shù)據(jù)還是非結(jié)構化數(shù)據(jù)，都可以在RDF 描述的URI 中添加元數(shù)據(jù)。如為了讓用戶合法地使用數(shù)據(jù)，每一個RDF 文件都應包含一個許可其內(nèi)容可以使用的證書，可以添加諸如dc: date、dc: publisher、dc: license、foaf: topic 等元數(shù)據(jù)描述數(shù)據(jù)項。這樣，就可以根據(jù)HTTP URI 中的某個標識名稱發(fā)現(xiàn)新的數(shù)據(jù)。

3.1.4 提供相關的URI鏈接，以便用戶發(fā)現(xiàn)更多的數(shù)據(jù)對象

提供相關的URI 鏈接是通過添加RDF 鏈接實現(xiàn)的。數(shù)據(jù)web 和傳統(tǒng)web 有一點不同就是傳統(tǒng)的web鏈接對象是html 文檔，數(shù)據(jù)web 所關聯(lián)的是數(shù)據(jù)。RDF 鏈接能使不同數(shù)據(jù)發(fā)生關聯(lián)，隨RDF 鏈接瀏覽整個數(shù)據(jù)web。在關聯(lián)數(shù)據(jù)客戶端RDF 的瀏覽器界面中，用戶可以通過RDF 鏈接，使查詢的數(shù)據(jù)項鏈接到其他RDF 鏈接。例如，所要查找的是個人信息數(shù)據(jù)，通過一個查詢界面可以鏈接到web 上所有有關個人信息的數(shù)據(jù)，從而可以發(fā)現(xiàn)更多潛在的數(shù)據(jù)對象。

3.2 基于四原則的關聯(lián)數(shù)據(jù)發(fā)布實例——Facebook的關聯(lián)數(shù)據(jù)發(fā)布

3.2.1 Facebook簡介

Facebook 是美國的一個大學生社交網(wǎng)站，由哈佛大學的Mark Zuckerberg 等學生創(chuàng)建，是當下互聯(lián)網(wǎng)上最大和增長速度最快的社交網(wǎng)絡平臺。目前，F(xiàn)acebook在所有以服務于大學生為主要業(yè)務的網(wǎng)站中，擁有最多的用戶，也是美國排名第一的照片分享站點，其產(chǎn)生的數(shù)據(jù)量非常巨大。Facebook 在2011 年10 月12 日提出了支持RDF 和關聯(lián)數(shù)據(jù)的URIs ，并且將關聯(lián)數(shù)據(jù)的API 引入自己的數(shù)據(jù)庫［7］

3.2.2 基于四原則的Facebook關聯(lián)數(shù)據(jù)發(fā)布

圖1 是Facebook 的關聯(lián)數(shù)據(jù)架構。在這個架構中可以發(fā)現(xiàn)關聯(lián)數(shù)據(jù)的核心作用，它處于內(nèi)部數(shù)據(jù)庫處理機制和外部應用平臺之間，當結(jié)構化數(shù)據(jù)經(jīng)Facebook數(shù)據(jù)庫抽取并轉(zhuǎn)化成RDF 文件之后,先存儲于Memcache 存儲器中，F(xiàn)acebook 訪問者訪問Facebook 應用平臺時，可以看到提供一個關聯(lián)數(shù)據(jù)界面的SPARQL端點，通過此端點查詢Facebook 的數(shù)據(jù)，而在Facebook Web 中關聯(lián)數(shù)據(jù)是通過html 瀏覽器呈現(xiàn)出來的，這個架構明確了Facebook 發(fā)布關聯(lián)數(shù)據(jù)的過程，是基于關聯(lián)數(shù)據(jù)四原則的。

圖1 Facebook的關聯(lián)數(shù)據(jù)架構

在此針對Facebook的Friends用戶界面詳細介紹關聯(lián)數(shù)據(jù)的發(fā)布方法。

（1）從“Friends”這一應用內(nèi)容中的“FriendsList”頁面選取第一部分數(shù)據(jù)進行發(fā)布?！癋riendsList”中主要自定義了“姓名”、“網(wǎng)址”、“狀態(tài)”等字段，對這些字段用URI 進行標識，可以從FOAF中選擇術語先進行RDF 描述。圖2 是“Friends List”的RDF 表示圖。然后將其轉(zhuǎn)換為數(shù)據(jù)頁，轉(zhuǎn)換時要定義“Friends List”的內(nèi)容模型與FOAF 本體之間的RDF 映射，由于命名空間的前綴默認為“site”，由此，RDF 數(shù)據(jù)中術語的命名空間為site：http://siteurl/ns#，可以自動獲得一個http URI，一般地址默認為http://siteurl/node/nodeno/rdf。在用戶瀏覽器端就可以看到在“Friends List”里有name，networks，status 三個節(jié)點，表示出來就是：http：//facebook.com/hadoop/name/rdf； http://facebook.com/hadoop/networks/rdf； http://facebook.com/hadoop/status/rdf。

圖2 “Friends List”的 RDF表示圖

（2）通過HTTP 協(xié)議連接“Friends”中字段的URI。用http 協(xié)議將“Friends List”的數(shù)據(jù)頁用HTML形式表現(xiàn)出來，HTML 形式的地址默認為：http://siteurl/Friends #。當一個節(jié)點創(chuàng)建后，系統(tǒng)會自動賦予一個http URI。一般默認為：http://siteurl/node/nodeno（siteurl） 為站點的URL 地址， 指向Facebook 中“Friends List”的html 文檔。由于Facebook 的核心數(shù)據(jù)集在Hadoop 里，由此“Friends List”站點的內(nèi)容中的四個節(jié)點則生成一系列的URL 地址：http://facebook.com/hadoop/name facebook.com；http://facebook.com/hadoop/networks facebook.com； http://facebook.com/hadoop/statusfacebook.com。

（3）根據(jù)HTTP URI 中的其他字段發(fā)現(xiàn)可以鏈接的數(shù)據(jù)。Facebook 系統(tǒng)自動生成了每個用戶的html 文檔及其URI 和RDF 數(shù)據(jù)及其http URI，所有用戶的RDF 數(shù)據(jù)都存儲在后臺的RDF 倉儲之中，例如可以通過Name： Llia Alshanetsky 在本人的應用中發(fā)現(xiàn)Notes、Events、Photos、video、Group 等鏈接的信息，可以添加dc: Topic 來描述這些數(shù)據(jù)，從而發(fā)現(xiàn)更多關于Llia Alshanetsky 的數(shù)據(jù)

（4）提供與“Friends List”字段相關的URI 鏈接。在Facebook 中通過API 平臺提供“Friends List”字段相關的URI 鏈接。在API 平臺中有很多應用，將里面的信息抽取并轉(zhuǎn)化封裝成RDF 文件之后存儲于存儲器中，在Facebook 中通過API 平臺上的應用提供查詢“Friends List”字段的端點。同時，在查詢端點的前面要建立一個關聯(lián)數(shù)據(jù)界面，用戶通過此界面就可以進行多種途徑的檢索，獲得“Friends List”字段關聯(lián)數(shù)據(jù)， 從而找到用戶所需要的數(shù)據(jù)， 另外，F(xiàn)acebook 站點還建立了自己的SPAQL Endpoint 接口可向遠程站點（REMOTE DRUPAL SITE） 其他的網(wǎng)絡社區(qū)API 提供關聯(lián)數(shù)據(jù)服務，從而在整個數(shù)據(jù)web上可以查到“Friends List”字段中的關聯(lián)數(shù)據(jù)，可以獲得潛在的“Friends List”信息。

3.3 基于四原則的Facebook關聯(lián)數(shù)據(jù)發(fā)布的特點

（1）事先定義好站點內(nèi)容模型與RDF數(shù)據(jù)模型的映射，在Facebookweb上發(fā)布只要將F acebook中用戶的數(shù)據(jù)轉(zhuǎn)化為統(tǒng)一命名，統(tǒng)一內(nèi)容描述機制的RDF三元組即可。

（2）Facebook中的數(shù)據(jù)轉(zhuǎn)化為RDF數(shù)據(jù)后可以保存在專用的RDF數(shù)據(jù)庫中，與原有系統(tǒng)的關系數(shù)據(jù)庫之間在物理上彼此獨立，在邏輯上相互映射。

（3）利用產(chǎn)生的RDF去鏈接Facebook中同一用戶數(shù)據(jù)內(nèi)各種數(shù)據(jù)項和鏈接相關聯(lián)不同用戶的數(shù)據(jù)，建立用戶數(shù)據(jù)的關聯(lián)機制（關聯(lián)解析機制、檢索機制、調(diào)用機制），為用戶數(shù)據(jù)保存提供方便。且對Facebook的數(shù)據(jù)量大小和更新頻率的影響不大。

［1］kevenlw．數(shù)據(jù)的萬維網(wǎng)［EB/OL］.（2009－10－02）.［2012－02－15］. http://www.kevenlw.name/archives/1185.

［2］Tim Berners-Lee．Linked Data ［EB/OL］.（2009－06－18）. ［2012－02－15］．http://www.w3.org/DesignIssues/LinkedData.html.

［3］白海燕．關聯(lián)數(shù)據(jù)及DBpedia實例分析［J］．現(xiàn)代圖書情報技術，2010（3）：33－38.

［4］Chris Bizer，etal．Howto Publishlinke ddataontheweb［EB/OL］.（2010－02－22）.［2012－02－15］http://www4.wiwiss.fu-berlin.de/bizer/pub/Linked Data Tutria l/.

［5］婁秀明．用關聯(lián)數(shù)據(jù)技術實現(xiàn)網(wǎng)絡知識組織系統(tǒng)的研究［D］．上海：華東師范大學，2010.

［6］Tom Heath，Christian Bizer．Linked Data：Evolvingthe Webintoa Global Data Space［EB/OL］.［2012－02－02］．http://linkeddatabook.com/editions/1.0/.

［7］維基．Facebook研究［J］．中國數(shù)字電視，2007（11）：72－75.