毛競(jìng)永

【摘? 要】語(yǔ)義出版是建立在資源深度揭示與高度集成基礎(chǔ)之上的，作為數(shù)字出版的高級(jí)形態(tài)，語(yǔ)義出版的深入研究與探索不僅為豐富數(shù)字圖書(shū)館資源集成提供了合理導(dǎo)向與明確目標(biāo)，更為數(shù)字圖書(shū)館將資源組織單位由出版單元或文獻(xiàn)細(xì)化到揭示資源“微內(nèi)容”特性的知識(shí)單元提供了可能。本文對(duì)語(yǔ)義出版模型與及其構(gòu)建工具、語(yǔ)義出版關(guān)鍵技術(shù)、語(yǔ)義出版實(shí)踐進(jìn)行全面分析，旨在揭示語(yǔ)義出版在數(shù)字圖書(shū)館資源組織中的重要作用。

【關(guān)鍵詞】語(yǔ)義出版;數(shù)字圖書(shū)館;數(shù)字資源;關(guān)聯(lián)數(shù)據(jù)

引言

語(yǔ)義出版在語(yǔ)義網(wǎng)的基礎(chǔ)上發(fā)展而來(lái)，是數(shù)字出版的高級(jí)階段，語(yǔ)義出版的正式概念源自于David Shotton在2009年發(fā)表的《Semantic Publishing：the coming revolution in scientific journal publishing》一文，即，語(yǔ)義出版能增強(qiáng)已發(fā)表論文的含義，促進(jìn)論文能自動(dòng)化獲取，能鏈接到與其語(yǔ)義相關(guān)的文章，并提供多種獲取文章內(nèi)數(shù)據(jù)的訪問(wèn)途徑，使得論文之間的數(shù)據(jù)整合變得更加容易。

經(jīng)過(guò)十年的發(fā)展，語(yǔ)義出版的對(duì)象已由狹義的學(xué)術(shù)期刊論文發(fā)展到圖書(shū)、學(xué)位論文等形式文獻(xiàn)型學(xué)術(shù)資源，其概念被不斷的豐富和充實(shí)，王曉光等人認(rèn)為語(yǔ)義出版是基于語(yǔ)義技術(shù)及其相關(guān)信息技術(shù)，通過(guò)語(yǔ)義標(biāo)記豐富期刊文章的表現(xiàn)形式和顯性內(nèi)容，提高文章信息的可操作性和交互性，增強(qiáng)文章關(guān)聯(lián)度，從而改進(jìn)出版流程，進(jìn)而實(shí)現(xiàn)智能化出版的方式。程維紅等人認(rèn)為語(yǔ)義出版是通過(guò)語(yǔ)義標(biāo)記豐富期刊文章表現(xiàn)形式，提高文章信息可操作性和交互性、增強(qiáng)文章關(guān)聯(lián)度、改進(jìn)出版流程的智能化出版方式。汪慶等人認(rèn)為，語(yǔ)義出版可以定義為任何能夠增強(qiáng)期刊文章語(yǔ)義的出版形式，具有語(yǔ)義化、結(jié)構(gòu)化和關(guān)聯(lián)化的特征，能夠?qū)崿F(xiàn)機(jī)器自動(dòng)處理、識(shí)別、集成與整合信息的目的。彭希珺等人則提出語(yǔ)義出版是通過(guò)揭示每篇論文中的知識(shí)單元及其語(yǔ)義類(lèi)型和語(yǔ)義關(guān)系，并且與其他論文、期刊和知識(shí)資源中的知識(shí)單元進(jìn)行關(guān)聯(lián)，支持基于動(dòng)態(tài)關(guān)聯(lián)的知識(shí)發(fā)現(xiàn)。許鑫等人認(rèn)為，語(yǔ)義出版是一種語(yǔ)義增強(qiáng)的出版形式，通過(guò)對(duì)文章內(nèi)容和形式進(jìn)行語(yǔ)義標(biāo)記，增強(qiáng)內(nèi)容之間的關(guān)聯(lián)，提高科研人員的檢索和獲取效率，實(shí)現(xiàn)智能化出版。

1.語(yǔ)義出版模型與及其構(gòu)建工具研究

隨著語(yǔ)義出版概念的不斷豐富，相關(guān)的語(yǔ)義出版模型與構(gòu)建工具也有了一定的成果。其中，語(yǔ)義出版建模的基本思路將出版物內(nèi)容結(jié)構(gòu)化和語(yǔ)義化，主要覆蓋了出版物的內(nèi)容要素、結(jié)構(gòu)要素、出版全流程三個(gè)層面。

出版關(guān)鍵內(nèi)容建模主要是對(duì)論文關(guān)鍵知識(shí)進(jìn)行語(yǔ)義標(biāo)注，促進(jìn)計(jì)算機(jī)對(duì)論文關(guān)鍵貢獻(xiàn)的自動(dòng)識(shí)別。如國(guó)際概念網(wǎng)絡(luò)聯(lián)盟）提出的納米出版物，由聲明、出處和出版物信息組成來(lái)表示可出版信息最小單元。其中，聲明使用主-謂-賓結(jié)構(gòu)表達(dá)的思想最小單元;出處用于描述如何得到此聲明的情景信息，包括方法和歸屬元數(shù)據(jù);出版物信息將前兩者作為一個(gè)整體進(jìn)行表達(dá)。

對(duì)出版物結(jié)構(gòu)建模主要是對(duì)文檔的構(gòu)成要素進(jìn)行結(jié)構(gòu)化組織，對(duì)象和關(guān)系的語(yǔ)義構(gòu)建。A.Bardi等人提出的增強(qiáng)型出版物元數(shù)據(jù)模型，描述了出版物的結(jié)構(gòu)和語(yǔ)義特征。該模型包括六部分：文檔構(gòu)成、嵌入部分、參考與引用、可執(zhí)行和可生成，并對(duì)各部分進(jìn)行了對(duì)象和關(guān)系的RDF描述和序列化。J.Kircz提出的模塊化模型中，模塊被定義為具有獨(dú)一無(wú)二特性、自含概念表示的信息單元，將論文看成是整合了數(shù)據(jù)集、圖像、音頻、視頻等模塊的對(duì)象。另外，為便于交流，模塊被連接成固定單元。

對(duì)出版物全流程建模主要是對(duì)出版全流程（包括文檔信息和出版信息）的描述，支持全工作流的交互和共享。王文清等人報(bào)道的出版物內(nèi)容資源本體模型定義了多個(gè)類(lèi)、屬性和約束，可對(duì)多種出版物數(shù)字資源進(jìn)行統(tǒng)一建模和描述。此外，PUBO采用了OWL描述邏輯，可自動(dòng)驗(yàn)證模型的邏輯完整性，實(shí)現(xiàn)了資源統(tǒng)一管理、互相關(guān)聯(lián)與多系統(tǒng)復(fù)用。Hunter提出新信息格式的科學(xué)出版包，可用于封裝原始數(shù)據(jù)、來(lái)源產(chǎn)品、算法、軟件、文本、相關(guān)上下文環(huán)境以及元數(shù)據(jù)，從而滿足科學(xué)家對(duì)科學(xué)結(jié)果的操作需求。

在論文編輯工具方面，典型的有BioLit項(xiàng)目和SCOPE項(xiàng)目。BioLit項(xiàng)目中可使用基于XML的寫(xiě)作工具，利用美國(guó)醫(yī)學(xué)圖書(shū)館的文檔類(lèi)型定義存儲(chǔ)標(biāo)準(zhǔn)化且機(jī)器可讀的出版物，該工具為開(kāi)放文獻(xiàn)和生物學(xué)數(shù)據(jù)的集成提供方便，使用PLoS和Protein Data Bank（PDB）的全部語(yǔ)料做測(cè)試。

2.關(guān)鍵技術(shù)研究

XML。全稱(chēng)為可擴(kuò)展標(biāo)記語(yǔ)言，是根據(jù)萬(wàn)維網(wǎng)本身的特點(diǎn)從SGML所衍生出來(lái)的簡(jiǎn)化格式。XML的設(shè)計(jì)目標(biāo)是提出一種非常簡(jiǎn)單的標(biāo)記語(yǔ)言，并盡可能地減少抽象概念。XML提供了一個(gè)標(biāo)準(zhǔn)，使得開(kāi)發(fā)人員可以根據(jù)實(shí)際需要定義自己的新的置標(biāo)語(yǔ)言，并可為這個(gè)置標(biāo)語(yǔ)言規(guī)定它特有的一套標(biāo)記。與HTML相比，XML最大的優(yōu)點(diǎn)是它不是固定的標(biāo)記，而是允許開(kāi)發(fā)人員根據(jù)它所提供的規(guī)則，定義數(shù)量不限的標(biāo)識(shí)和屬性來(lái)描述文檔中的資料，允許嵌套的結(jié)構(gòu)描述。

RDF。全稱(chēng)為資源描述框架，其目的主要是提供一種通用的元數(shù)據(jù)結(jié)構(gòu)以滿足所有領(lǐng)域的使用要求使應(yīng)用程序之間能夠在Web上交換元數(shù)據(jù)，以促進(jìn)網(wǎng)絡(luò)資源的自動(dòng)化處理。RDF的基本資料模型包括了三個(gè)對(duì)象類(lèi)型：①資源。所有以RDF表示法來(lái)描述的東西都叫做資源，使用統(tǒng)一資源標(biāo)識(shí)來(lái)命名，它可以是一個(gè)網(wǎng)站，可以是一個(gè)網(wǎng)頁(yè)，可以只是網(wǎng)頁(yè)中的某個(gè)部分，甚至是不存在于網(wǎng)絡(luò)的東西，如紙本文獻(xiàn)、器物、人等。②屬性。屬性是用來(lái)描述資源的特定特征或關(guān)系，每一個(gè)屬性都有特定的意義，用來(lái)定義它的屬性值和它所描述的資源形態(tài)，以及和其它屬性的關(guān)系。RDF的在概念上和傳統(tǒng)的屬性是相同的。③陳述。特定的資源以一個(gè)被命名的屬性與相應(yīng)的屬性值來(lái)描述，稱(chēng)為一個(gè)RDF陳述，其中資源是主詞，屬性是述詞，屬性值則是受詞，陳述的受詞除了可能是一個(gè)字符串，也可能是其它的資料形態(tài)或是一個(gè)資源。

關(guān)聯(lián)數(shù)據(jù)。是W3C建議的用來(lái)發(fā)布和聯(lián)接各類(lèi)資源的一種規(guī)范，簡(jiǎn)單地說(shuō)，關(guān)聯(lián)數(shù)據(jù)就是一些RDF格式的數(shù)據(jù)，使用三元組（主體，謂詞，客體）來(lái)表示資源，它希望用一種通用的機(jī)制將網(wǎng)絡(luò)中的數(shù)據(jù)進(jìn)行發(fā)布，使任何人和機(jī)器都內(nèi)讀取和復(fù)用萬(wàn)維網(wǎng)上的數(shù)據(jù)。語(yǔ)義萬(wàn)維網(wǎng)將資源定義為“任何有URI標(biāo)識(shí)的東西”，分為信息資源和非信息資源兩類(lèi)，信息資源用以表達(dá)任何信息，通常以某種編碼的文件形式而存在;非信息資源用以指代大千世界中的各類(lèi)實(shí)體對(duì)象，可以是自然界、人類(lèi)社會(huì)以及人類(lèi)意識(shí)所創(chuàng)造的精神世界的所有對(duì)象。

本體。本體（ontology）是實(shí)體和關(guān)系之間的一種形式化表達(dá)，起源于哲學(xué)領(lǐng)域，后引入進(jìn)計(jì)算機(jī)領(lǐng)域，本體制定了一種規(guī)范，可以在語(yǔ)義和知識(shí)層次上描述知識(shí)，具有結(jié)構(gòu)化的特點(diǎn)。本體以樹(shù)狀結(jié)構(gòu)存儲(chǔ)，相鄰層次的節(jié)點(diǎn)之間有嚴(yán)格的包含關(guān)系。本體包含四層含義：概念模型、明確、形式化和共享。具有良好的概念層次結(jié)構(gòu)和對(duì)邏輯推理的支持，可以通過(guò)層次網(wǎng)絡(luò)圖來(lái)表示，圖中的每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)概念，節(jié)點(diǎn)之間通過(guò)有向邊來(lái)連接，表示概念與概念之間的關(guān)聯(lián)關(guān)系。

3.實(shí)踐研究

目前，出版機(jī)構(gòu)、信息服務(wù)商、圖書(shū)館等建設(shè)主體正積極開(kāi)展語(yǔ)義出版實(shí)踐，如RSC、Elsevier和BBC等。

RSC。RSC是全球知名的化學(xué)科學(xué)出版社之一，目前已出版44個(gè)同行評(píng)議期刊，提供一系列在線數(shù)據(jù)庫(kù)和文獻(xiàn)更新服務(wù)，是語(yǔ)義出版領(lǐng)域的重要范例。2007年，RSC提出“Science Come Alive”并進(jìn)行積極探索，設(shè)立的RSC Prospect項(xiàng)目旨在通過(guò)語(yǔ)義增強(qiáng)實(shí)現(xiàn)期刊文章的機(jī)器可讀，豐富RSC期刊在線出版的功能。RSC語(yǔ)義出版模式的關(guān)鍵是利用本體和唯一的化合物標(biāo)識(shí)符，使文章可被計(jì)算機(jī)識(shí)別。RSC的技術(shù)編輯在文章中標(biāo)識(shí)出化合物、概念和數(shù)據(jù)，將其鏈接至相關(guān)的學(xué)術(shù)環(huán)境，極大增強(qiáng)了RSC文章對(duì)學(xué)科知識(shí)的揭示和關(guān)聯(lián)能力。

RSC語(yǔ)義出版的核心要素包括：①關(guān)聯(lián)化學(xué)學(xué)術(shù)環(huán)境。為更好地實(shí)現(xiàn)化學(xué)學(xué)科相關(guān)內(nèi)容和數(shù)據(jù)的讀取、對(duì)比，RSC將本體與自建的基于Web的化學(xué)結(jié)構(gòu)數(shù)據(jù)庫(kù)關(guān)聯(lián)，形成RSC語(yǔ)義出版自有的基礎(chǔ)信息系統(tǒng)。②結(jié)構(gòu)化描述與標(biāo)記?；玖鞒贪╔ML預(yù)處理、XML編輯與修正、結(jié)合語(yǔ)境和主題領(lǐng)域?qū)?yīng)的XML標(biāo)注。③嵌入式HTML的呈現(xiàn)。RSC語(yǔ)義出版的學(xué)術(shù)期刊以RichHTML形式發(fā)布，且標(biāo)記為RichHTML的文章可實(shí)現(xiàn)全文嵌入式HTML標(biāo)記，并以不同顏色突出顯示定義的詞匯，實(shí)現(xiàn)語(yǔ)義分類(lèi)。

Elsevier。是全球領(lǐng)先的多媒體出版集團(tuán)和科學(xué)、技術(shù)、醫(yī)學(xué)信息產(chǎn)品和服務(wù)提供商，其在語(yǔ)義出版方面進(jìn)行了積極的嘗試與探索，也取得了一定的成果，典型的有Article of the Future項(xiàng)目、ClinicalKey平臺(tái)等。Elsevier的語(yǔ)義出版路線圖闡釋了語(yǔ)義出版的最終目標(biāo)是使期刊論文變?yōu)楦缓Z(yǔ)義知識(shí)的智能內(nèi)容。

英國(guó)廣播公司（BBC）。2010年世界杯網(wǎng)站是BBC動(dòng)態(tài)出版的首次成功應(yīng)用，如今，BBC已將動(dòng)態(tài)語(yǔ)義出版由體育領(lǐng)域擴(kuò)展到新聞、教育等多個(gè)領(lǐng)域。BBC動(dòng)態(tài)領(lǐng)域出版模式是按需重組的機(jī)制，即根據(jù)應(yīng)用層用戶動(dòng)態(tài)查詢的檢索詞，通過(guò)服務(wù)層獲取語(yǔ)義相關(guān)的內(nèi)容。該模式分為了數(shù)據(jù)層、服務(wù)層和應(yīng)用層。其中，數(shù)據(jù)層負(fù)責(zé)文字、圖片、視頻等多媒體類(lèi)型資源的管理，利用自然語(yǔ)言處理技術(shù)對(duì)內(nèi)容進(jìn)行基于領(lǐng)域本體的命名實(shí)體識(shí)別（實(shí)體抽?。?，并將識(shí)別結(jié)果以元數(shù)據(jù)的形式存儲(chǔ)在RDF三元組中;服務(wù)層負(fù)責(zé)對(duì)應(yīng)用層的請(qǐng)求響應(yīng)以及對(duì)數(shù)據(jù)層的內(nèi)容調(diào)用，是動(dòng)態(tài)語(yǔ)義出版實(shí)現(xiàn)按需重組的核心，主要利用關(guān)聯(lián)數(shù)據(jù)等對(duì)調(diào)用的內(nèi)容進(jìn)行語(yǔ)義增強(qiáng)，豐富用戶的檢索結(jié)果;應(yīng)用層負(fù)責(zé)按需重組在內(nèi)容上有語(yǔ)義關(guān)聯(lián)的不同資源并將其以一定的方式呈現(xiàn)給用戶。

4.結(jié)束語(yǔ)

國(guó)外的出版組織和圖書(shū)館對(duì)語(yǔ)義出版高度關(guān)注相比，我國(guó)的研究明顯滯后。從廣度上看，只有中國(guó)知網(wǎng)、萬(wàn)方等少數(shù)學(xué)術(shù)數(shù)據(jù)庫(kù)服務(wù)商和出版機(jī)構(gòu)開(kāi)展過(guò)語(yǔ)義技術(shù)的應(yīng)用;從深度上看，當(dāng)前研究多集中在語(yǔ)義出版的概念、形式、特征以及國(guó)外相關(guān)項(xiàng)目的介紹和分析上，理論探討較多，應(yīng)用研究較少?！靶枨鬀Q定服務(wù)，服務(wù)選擇資源”，語(yǔ)義出版作為一種創(chuàng)新服務(wù)模式，對(duì)館藏資源組織與利用提出了更高要求，是信息服務(wù)產(chǎn)業(yè)鏈中至關(guān)重要的環(huán)節(jié)之一。

參考文獻(xiàn)

[1]Shotton D.Semantic Publishing：the coming revolution in scientific journal publishing[J].Learned Publishing，2009（22）：85-94.

[2]王曉光，陳孝禹.語(yǔ)義出版：數(shù)字時(shí)代科學(xué)交流系統(tǒng)新模型[J].出版科學(xué)，2012，20（04）：81-86.

[3]程維紅，任勝利，沈錫賓，方梅，王應(yīng)寬.中國(guó)科協(xié)科技期刊數(shù)字出版及傳播力建設(shè)[J].中國(guó)科技期刊研究，2014，25（03）：340-345.

[4]汪慶，任慧玲.新技術(shù)環(huán)境下STM出版發(fā)展趨勢(shì)探析[J].科技與出版，2014（09）：123-127.

[5]彭?，B，張曉林.國(guó)際學(xué)術(shù)期刊的數(shù)字化發(fā)展趨勢(shì)[J].中國(guó)科技期刊研究，2013，24（06）：1033-1038.

[6]許鑫，毛璐，江燕青.基于數(shù)字資源聚合的學(xué)術(shù)期刊語(yǔ)義出版研究[J].數(shù)字圖書(shū)館論壇，2019（07）：2-8.

[7]Nanopub.org.What is a Nanopublication[EB/OL].[2019-12-24].http：//nanopub.org/wordpress/？page_id=65.

Marcondes C H.A semantic model for scholarly electronic publishing[EB/OL][2020-10-24].http：//www.ceur -ws.org/Vol-721/paper-06.pdf.

[8]Bardi A， Manghi P.Enhanced publications：data models and information systems[J].Liberquarterly，2014， 23（4）：240-273.

[9]Kircz J G.Modularity：The Next Form of Scientific Information Presentation？[J].Journal of Documentation， 1998，54（2）：210-235.

[10]Kircz J G.New Practices for Electronic Publishing 2：New Forms of the Scientific Paper [J].Learned Publishing，2002，15（1）：27-32.

[11]王文清，劉春彤，張?jiān)孪?，陳?PUBO：面向出版的數(shù)字資源本體建模[J].大學(xué)圖書(shū)館學(xué)報(bào)，2015，33（03）：88-95.

[12]Hunter J. Scientific Publication Packages-A Selective Approach to the Communication and Archival of Scientific Output[J].Journal of Digital Curation，2006，1（1）：3-16.

[13]Fink J L， Bourne P E. Reinventing Scholarly Communication for the Electronic Age [J].CTWatch Quarterly， 2007，3（3）：26-31.

[14]Enhanced Publications[EB/OL].[2019-12-24].http：//www.doc88.com/p-873117284280.html.

[15]翁彥琴，李苑，彭?，B.英國(guó)皇家化學(xué)會(huì)（RSC）——科技期刊語(yǔ)義出版模式的研究[J].中國(guó)科技期刊研究，2013，24（5）：825-829.

[16]王莉莉，欒冠楠.英國(guó)廣播公司（BBC）動(dòng)態(tài)語(yǔ)義出版模式研究[J].圖書(shū)情報(bào)工作，2017，61（08）：126-132.