曲佳彬

摘 要：論述了關(guān)聯(lián)數(shù)據(jù)在知識組織中應(yīng)用的優(yōu)勢，提出基于關(guān)聯(lián)數(shù)據(jù)的知識組織模型，并介紹了模型各個層次的工作和內(nèi)容。根據(jù)此模型，設(shè)計了以"煙臺大學(xué)圖書館學(xué)術(shù)論文"為實例的知識組織系統(tǒng)，驗證了模型的可行性、實用性，展示了關(guān)聯(lián)數(shù)據(jù)作為新技術(shù)在知識組織中的應(yīng)用前景。

關(guān)鍵詞：關(guān)聯(lián)數(shù)據(jù)；知識組織；語義網(wǎng)

傳統(tǒng)知識組織在文獻信息組織與檢索中發(fā)揮了巨大的作用，隨著計算機技術(shù)以及語義網(wǎng)技術(shù)的發(fā)展，對知識組織的研究將更加深入，如何豐富和拓展知識組織的結(jié)構(gòu)和功能，如何深度序化信息資源的內(nèi)部屬性和特征，無縫的鏈接相關(guān)的信息資源，消除信息孤島使其富含語義，如何有效的整合、序化異構(gòu)、動態(tài)變化的網(wǎng)絡(luò)信息資源將成為知識組織研究的熱點。關(guān)聯(lián)數(shù)據(jù)作為輕量級的語義網(wǎng)實現(xiàn)方法，自2006年由Tim Bern

ers-Lee[1]提出以來備受關(guān)注，逐漸成為圖情界的翹楚，關(guān)聯(lián)數(shù)據(jù)以通用框架RDF描述信息資源，關(guān)注的焦點放在信息本身而不是承載信息的頁面或是信息的訪問接口，組織的對象直接深入到細粒度級的具有語義信息的實體，為每個信息實體定義唯一的URI，使用RDF鏈接相關(guān)的實體從而構(gòu)建關(guān)聯(lián)關(guān)系，揭示信息間的語義隱含，到達語義揭示的目的。鑒于關(guān)聯(lián)數(shù)據(jù)的特性以及它在知識組織、信息聚合等方面的突出表現(xiàn)，本文以關(guān)聯(lián)數(shù)據(jù)為視角，探索知識組織的新方法，通過關(guān)聯(lián)數(shù)據(jù)的應(yīng)用實現(xiàn)知識組織的語義化、標(biāo)準(zhǔn)化，以促進知識組織的新發(fā)展。

一、關(guān)聯(lián)數(shù)據(jù)在知識組織中應(yīng)用的優(yōu)勢

（一）關(guān)聯(lián)數(shù)據(jù)一種輕量級的語義網(wǎng)實現(xiàn)方法，結(jié)構(gòu)簡單適合混搭。關(guān)聯(lián)數(shù)據(jù)設(shè)計的技術(shù)主要是統(tǒng)一資源定位符（URI）、超文本傳輸協(xié)議（HTTP）和RDF資源框架。關(guān)聯(lián)技術(shù)沒有定義特定的實現(xiàn)方式和技術(shù)，只是提出了發(fā)布的原則和要求，只要遵循四個原則即可[2]：使用URI作為任何事物的標(biāo)識名稱、通過

HTTP協(xié)議，任何人都可以訪問這一事物、以RDF的形式提供有用的信息、盡可能多的提供相關(guān)的URI鏈接。簡單來說就是使用RDF框架描述信息資源，通過HTTP的方式去訪問，利用

RDF鏈接的信息導(dǎo)航到更多的相關(guān)信息。

（二）信息之間的語義更加明顯，不僅是單純的知識鏈接。關(guān)聯(lián)數(shù)據(jù)本身不會給信息增加任何語義含義，其在底層數(shù)據(jù)間構(gòu)建了信息之間的鏈接，以攜帶語義的形式展現(xiàn)給用戶，通過將目前文檔web轉(zhuǎn)化成數(shù)據(jù)的Web，并在不同的數(shù)據(jù)間通過

URI建立關(guān)聯(lián)，最終實現(xiàn)信息資源有效整合。

（三）關(guān)聯(lián)數(shù)據(jù)采用標(biāo)準(zhǔn)化的RDF描述信息資源。RDF是一種用來描述Web上資源的語言，將一個資源描述成一組三元組（主語，謂語，賓語），主語用來表示需要描述的資源，謂語用來表示主語的某個屬性或者某個關(guān)系，賓語表示了屬性的值[3]。主語、謂語都可以用 HTTP URI來表示，其中賓語也可以用 HTTP URI 標(biāo)識另一個資源。例如：Yantai University（主語）is

located（謂語） in Yantai（賓語）。主體和客體都是一個獨立的類資源，都有自己的HTTP URI標(biāo)示符，通過查看“Yantai Univer

siyt”的描述，還可以鏈接到客體“Yantai”的具體描述的信息，同時“Yantai”還有自己的屬性值可供參引。

二、基于關(guān)聯(lián)數(shù)據(jù)的知識組織模型

關(guān)聯(lián)數(shù)據(jù)主要使用URI，HTTP，RDF 等語義網(wǎng)技術(shù)來實現(xiàn)，使信息組織更加細化、結(jié)構(gòu)化和語義化，同時能夠支持機器理解和處理，另外，其統(tǒng)一的數(shù)據(jù)模型（RDF）、統(tǒng)一的存取API

（RDF/SPARQL）、統(tǒng)一的HTTP URI標(biāo)識，為信息對象的整合和組織提供了統(tǒng)一的標(biāo)準(zhǔn)，使得在開發(fā)應(yīng)用的時候可以考慮使用幾個平臺的混搭。本文設(shè)計了一個基于關(guān)聯(lián)數(shù)據(jù)的知識組織的技術(shù)體系，為知識組織提供新的研究方法和思路。

圖1 基于關(guān)聯(lián)數(shù)據(jù)的知識組織層次模型

從圖1可以得出，基于關(guān)聯(lián)數(shù)據(jù)的知識組織框架可以分為底層數(shù)據(jù)源、語義標(biāo)引層、RDF數(shù)據(jù)關(guān)聯(lián)層、信息資源應(yīng)用層，如下對四個層次進行介紹。

（一）底層數(shù)據(jù)源的組織。數(shù)據(jù)源主要包括：來自不同領(lǐng)域的信息資源，可以是圖書的出版社、科學(xué)出版物的刊號、地名、人名、等具體化的數(shù)據(jù)資源；同時也可以是早已成型的關(guān)系數(shù)據(jù)庫系統(tǒng)中的數(shù)據(jù)，如：圖書館的圖書目錄數(shù)據(jù)庫、企業(yè)內(nèi)部資源的數(shù)據(jù)庫、科研機構(gòu)的知識管理系統(tǒng)。這兩者是目前為止比較受歡迎的關(guān)聯(lián)數(shù)據(jù)底層數(shù)據(jù)源的組織形式，如果將這些信息源進行整合、組織，以關(guān)聯(lián)數(shù)據(jù)的形式發(fā)布出去將會有驚人的發(fā)現(xiàn)。在此筆者將底層數(shù)據(jù)分為如下三類。（1）易于檢索的結(jié)構(gòu)化數(shù)據(jù)。這類數(shù)據(jù)主要設(shè)計到存儲在關(guān)系數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)，已經(jīng)有了成型的數(shù)據(jù)模型。（2）分散的異構(gòu)的網(wǎng)絡(luò)信息資源。主要指分布在網(wǎng)絡(luò)上，以html網(wǎng)頁的形式表達的、異構(gòu)的、分散的、形式多樣的數(shù)據(jù)，對這些數(shù)據(jù)的聚合難度相對來說比較大，要進行充分的分析、預(yù)處理。（3）靜態(tài)的結(jié)構(gòu)化數(shù)據(jù)。主要包括了CSV、Excel、BibTeX格式的文件，這些文件要通過RD

Fizing等工具轉(zhuǎn)換成為RDF格式的數(shù)據(jù)，然后存儲到RDF數(shù)據(jù)庫中發(fā)布。

（二）信息的語義標(biāo)引。語義標(biāo)注是使用計算機可理解的屬性來描述資源，目前的語義標(biāo)注中，標(biāo)注往往是針對特定的應(yīng)用，不能根據(jù)不同數(shù)據(jù)的特點而靈活變換標(biāo)注方法，如領(lǐng)域本體只是針對特定的領(lǐng)域內(nèi)的信息資源來標(biāo)注、概念化信息資源。進一步而言，標(biāo)注方法只能標(biāo)注相互獨立的數(shù)據(jù)信息，涉及到數(shù)據(jù)之間的相互依賴、相互關(guān)聯(lián)時，往往不能明確的標(biāo)注這種依賴關(guān)系。本文討論的關(guān)聯(lián)數(shù)據(jù)采用的是RDF三元組來描述資源，其中包括了“主體”，“謂語”，“客體”，使用規(guī)范的詞表標(biāo)注三元組陳述的“謂語”，不僅靈活的描述了信息資源，信息資源間的相互依賴關(guān)系清晰的展現(xiàn)了出來。RDF僅僅使用特定命名和值來表達與資源有關(guān)的簡單聲明，很大程度上了限制了用戶的使用范圍，比如說定義Person類了來描述人，定義Orga

nization類來描述機構(gòu)等，因此需要擴展更多的詞表。DC、

FOAF、OWL、SKOS等規(guī)范的詞表擴展了RDF/RDFS的描述能力，作為關(guān)聯(lián)數(shù)據(jù)集和用戶之間的橋梁得到了很好的應(yīng)用，充實飽滿的描述了信息資源。

（三） RDF數(shù)據(jù)關(guān)聯(lián)層。RDF數(shù)據(jù)關(guān)聯(lián)層是通過數(shù)據(jù)集內(nèi)部的URI來實現(xiàn)，一個RDF三元組描述了一個數(shù)據(jù)對象，這個數(shù)據(jù)對象的客體或者主體在其他RDF三元組中也有類似的描述或者相依賴的資源，這樣就需要構(gòu)建這兩個RDF數(shù)據(jù)描述間的關(guān)聯(lián)，此中情況只是針對本地數(shù)據(jù)庫中的信息資源。另一個情況擴展其他開放的關(guān)聯(lián)數(shù)據(jù)集，因為這些數(shù)據(jù)集之間已經(jīng)形成了很好的數(shù)據(jù)鏈接，研究者只需要獲得相關(guān)對象的URI就可以鏈接到他們的數(shù)據(jù)集，從而把自己的數(shù)據(jù)集中的相關(guān)信息進行擴展。當(dāng)把開放的數(shù)據(jù)集作為鏈接的潛在候選目標(biāo)時，如下幾點應(yīng)該考慮在內(nèi)：（1）目標(biāo)數(shù)據(jù)集中的主要領(lǐng)域是什么。（2）所鏈接的數(shù)據(jù)集中對象的URIs是否穩(wěn)定、保持不變。（3）目標(biāo)數(shù)據(jù)集和它的命名空間是否保持一致、不會隨時變化。（4）目標(biāo)數(shù)據(jù)集中的RDF links是否和其他關(guān)聯(lián)數(shù)據(jù)集保持無縫的鏈接，沒有死鏈接或者空節(jié)點。

（四）信息資源應(yīng)用層。發(fā)布為關(guān)聯(lián)數(shù)據(jù)的資源主要是通過以下方式瀏覽和檢索。（1）關(guān)聯(lián)數(shù)據(jù)主要是以URI來標(biāo)識數(shù)據(jù)對象的，通過HTTP參引可以找到相應(yīng)的資源RDF描述，通過數(shù)據(jù)間的RDF鏈接在這些相關(guān)的數(shù)據(jù)源間導(dǎo)航，獲得用戶感興趣的知識。（2）發(fā)布后的信息資源以RDF的形式呈現(xiàn)，使得一些基于RDF的瀏覽器插件成為佼佼者，比如Tabulator

Browser、OpenLink RDF Browser插件在瀏覽關(guān)聯(lián)數(shù)據(jù)方面發(fā)揮了很大的優(yōu)勢。（3）SPARQL是為RDF開發(fā)的一種查詢語言和數(shù)據(jù)獲取協(xié)議，能夠接收客戶端的查詢請求，可以在關(guān)聯(lián)數(shù)據(jù)源中像SQL那樣查詢，并把結(jié)果反饋給用戶，如Wikipedia、GeoNames、MusicBrainz、DBLP bibliography這些數(shù)據(jù)集都支持這種SPARQL端點查詢訪問模式。

三、學(xué)術(shù)論文特色數(shù)據(jù)資源的知識組織的實例

（一）學(xué)術(shù)論文特色知識庫的系統(tǒng)結(jié)構(gòu)。為了驗證前文提出關(guān)聯(lián)數(shù)據(jù)在知識組織中的優(yōu)勢及框架的合理性，本文以“煙臺大學(xué)圖書館學(xué)術(shù)論文數(shù)據(jù)庫”為背景，構(gòu)建了基于關(guān)聯(lián)數(shù)據(jù)的特色知識庫，遵循關(guān)聯(lián)數(shù)據(jù)的基本原則，揭示信息資源之間的內(nèi)在語義關(guān)聯(lián)。

圖2 學(xué)術(shù)論文知識庫系統(tǒng)模型

鑒于學(xué)術(shù)論文數(shù)據(jù)庫的特點，采用D2R的方式將學(xué)位論文數(shù)據(jù)發(fā)布成富含語義的關(guān)聯(lián)數(shù)據(jù)。D2R Server是一個HTTP Server，支持將關(guān)系數(shù)據(jù)庫中的內(nèi)容發(fā)布成為RDF描述形式的關(guān)聯(lián)數(shù)據(jù)。D2R提供一種可定制的映射文件：D2RQ Mapping 文件，該映射文件將關(guān)系數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換為虛擬的 RDF 數(shù)據(jù)進行訪問，其中表的名字轉(zhuǎn)換成了映射文件中的類（d2rq：ClassMaps）、表中的列轉(zhuǎn)換成映射文件中的屬性（d2rq：Property

Bridges），通過映射文件中這兩個類和屬性來表示關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)表間的關(guān)系以及表內(nèi)不同屬性的關(guān)系。在用戶在前臺請求相關(guān)的信息實體時，D2RQ Mapping 文件會映射到關(guān)系數(shù)據(jù)庫，將查詢結(jié)果轉(zhuǎn)換為RDF描述的實體、屬性反饋給前臺界面。

（二） 學(xué)術(shù)論文資源的建模。以“煙臺大學(xué)圖書館學(xué)術(shù)論文數(shù)據(jù)庫”為主要數(shù)據(jù)源，對信息進行了預(yù)處理，歸納為論文、作者、論文主題、組織機構(gòu)、論文所屬期刊五種實體類型，如下圖是它們的關(guān)系圖。

圖3 實體關(guān)系圖

本文采用SQL Server作為底層數(shù)據(jù)的存儲容器，上述幾個實體類分別包含了各自的數(shù)據(jù)項，在關(guān)系數(shù)據(jù)庫建立相應(yīng)的表存儲，如：Papers、Persons、Topic、Department、Periodical表。在后臺處理的時候還要考慮數(shù)據(jù)實體間的關(guān)聯(lián)，Paper表中的作者字段必須和Persons表中的作者字段相關(guān)聯(lián)、Topics表中的論文名稱需關(guān)聯(lián)Papers表中的論文名等等。

（三）學(xué)術(shù)論文特色知識庫的實現(xiàn)。實現(xiàn)了底層數(shù)據(jù)的組織以后，就要采用D2R的方式將SQL Server關(guān)系數(shù)據(jù)庫的數(shù)據(jù)發(fā)布成為RDF描述數(shù)據(jù)，這樣才能使關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)富含語義，數(shù)據(jù)之間形成鏈接的數(shù)據(jù)網(wǎng)。其實在通過D2R形式發(fā)布關(guān)系數(shù)據(jù)的時候，所形成的D2RQ Mapping映射文件將關(guān)系數(shù)據(jù)虛擬成為RDF格式，在上層瀏覽、查詢的時候通過此映射文件對關(guān)系數(shù)據(jù)庫進行操作。

本實例使用的是SQL Server數(shù)據(jù)庫，需要把SQL Server的驅(qū)動包放到D2R Server的lib下，在進行瀏覽、查詢的時候才能驅(qū)動數(shù)據(jù)庫。然后需要運行生成映射文件的腳本：gener

ate-Mapping [-u username] [-p password] [-d driverclass] [-o out

file.n3] [-b base uri] jdbcURL，參數(shù)的意義為：數(shù)據(jù)庫的登錄名、數(shù)據(jù)庫登錄密碼、驅(qū)動名稱、輸出映射文件名、JDBC鏈接數(shù)據(jù)庫的URL。此腳本運行后生成一個對應(yīng)關(guān)系數(shù)據(jù)庫的映射文件linkeddata.n3文件，用來實現(xiàn)上層關(guān)聯(lián)數(shù)據(jù)的展示和查詢。

其D2RQ Mapping是基于RDFS和OWL進行描述的，自動生成的與關(guān)系數(shù)據(jù)的映射文件顯得簡單、粗糙。表之間的約束關(guān)系、關(guān)聯(lián)關(guān)系沒有形成很好的鏈接，謂詞的也是默認的表中列的值，在表達語義方面顯得蒼白無力，與外部數(shù)據(jù)源間的鏈接也需要用詞表來描述。如下

實例中用到的部分詞表有dc：title表示論文的題目，dc：data論文發(fā)表的日期，dc：author論文的作者，dc：Description對論文的描述，foaf：person說明這個類是用來描述人的，foaf：knows描述與此人有關(guān)系的人， skos：PrimaySubject描述該文獻的主題，

vcard：locality描述機構(gòu)的位置。這些規(guī)范詞表的使用規(guī)范了對數(shù)據(jù)的描述，更容易讓人明白要表達的關(guān)系，另外采用規(guī)范的詞表來描述，使機器也能很好的識別，關(guān)聯(lián)數(shù)據(jù)的共享和重復(fù)利用變得更加容易。

（四）結(jié)果分析。本實例經(jīng)過D2R發(fā)布后的關(guān)系數(shù)據(jù)庫，使得信息資源使用RDF描述，并且富含語義，能比較好的展示數(shù)據(jù)之間的語義關(guān)聯(lián)。linked data技術(shù)在知識組織中的運用，使得用戶可以通過HTML瀏覽關(guān)聯(lián)數(shù)據(jù)，還可以通過SPARQL語言實現(xiàn)對關(guān)聯(lián)數(shù)據(jù)的查詢。Linked data不僅可以整合內(nèi)部相關(guān)的信息，使其深度序化，還實現(xiàn)了與外部相關(guān)數(shù)據(jù)的關(guān)聯(lián)，對分布式異構(gòu)的網(wǎng)絡(luò)資源的整合提出了很好的解決辦法。準(zhǔn)備好數(shù)據(jù)后在D2R的路徑下啟動服務(wù)器，運行命令d2r-server linked

data.n3，在瀏覽器中輸入：http：//127.0.0.1：2020/，即可進行關(guān)聯(lián)數(shù)據(jù)的瀏覽。以一個作者的數(shù)據(jù)為例，如下圖4所示。關(guān)聯(lián)數(shù)據(jù)化后的作者元數(shù)據(jù)的屬性和實體都是比較靈活的，都有與之相關(guān)的URI導(dǎo)航到作者的所屬部門、發(fā)表的其他論文、合作者等等相關(guān)的信息。

圖4 關(guān)聯(lián)數(shù)據(jù)化的作者詳細信息

其中http：//localhost：2020/data/persons/1是實體的唯一

URI，分別用實體和屬性來描述實體的，點擊圖4中屬性dc：cre

ator，可以導(dǎo)航到作者發(fā)表論文的描述。

圖 5 關(guān)聯(lián)數(shù)據(jù)化的論文信息

SPARQL是W3C的RDF數(shù)據(jù)工作組設(shè)計的一種查詢語言和協(xié)議，用于RDF數(shù)據(jù)的查詢。本實例也支持基于

SPARQL檢索。圖6中檢索的內(nèi)容是：在煙臺大學(xué)圖書館2000年以后發(fā)表的學(xué)術(shù)論文。

圖6 基于SPARQL語言的查詢界面

結(jié)論：本文利用關(guān)聯(lián)數(shù)據(jù)對煙臺大學(xué)圖書館學(xué)術(shù)論文數(shù)據(jù)庫再組織，實現(xiàn)了關(guān)聯(lián)數(shù)據(jù)的html導(dǎo)航瀏覽、SPARQL檢索服務(wù)。深層次的序化了學(xué)術(shù)論文的關(guān)聯(lián)關(guān)系，發(fā)掘?qū)W術(shù)論文中隱含的語義信息，比如說學(xué)術(shù)論文所屬作者的合作關(guān)系、學(xué)術(shù)論文主題相關(guān)性、作者所屬部門的關(guān)聯(lián)等等，無縫的鏈接相關(guān)的信息資源，消除信息孤島使其富含語義，以知識鏈的形式呈現(xiàn)。

關(guān)聯(lián)數(shù)據(jù)一種輕量級的語義網(wǎng)實現(xiàn)方法，結(jié)構(gòu)簡單適合混搭，沒有定義特定的實現(xiàn)方式和技術(shù)，只是提出了發(fā)布的原則和要求，因此可以不受技術(shù)的限制，定制化自己的實現(xiàn)平臺，其強調(diào)語義關(guān)聯(lián)、數(shù)據(jù)網(wǎng)絡(luò)，無疑將成為未來信息聚合、知識呈現(xiàn)的佼佼者。關(guān)聯(lián)數(shù)據(jù)的發(fā)展帶來了語義網(wǎng)的普及，基于 RDF形式存在的數(shù)據(jù)也會不斷增多，如何消費關(guān)聯(lián)數(shù)據(jù)、如何使用

SPARQL語言進行語義發(fā)現(xiàn)將會成為研究熱點。

參考文獻：

[1] 劉煒. 關(guān)聯(lián)數(shù)據(jù)：概念、技術(shù)及應(yīng)用展望[J]. 大學(xué)圖書館學(xué)報，2011（02）：05-12.

[2]夏翠娟. 關(guān)聯(lián)數(shù)據(jù)的發(fā)布技術(shù)及其實現(xiàn)——以Drupal 為例[J].中國圖書館學(xué)報，2012（01）：049-057.

[3] RDF Vocabulary Description Language 1.0：RDF Schema[EB/OL].[2012-06-09].