圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理研究

●吳 旻（西北大學 圖書館，西安 710069）

1 對關(guān)聯(lián)數(shù)據(jù)的初步認識

關(guān)聯(lián)數(shù)據(jù)（Linked data） 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，一般認為是語義網(wǎng)的主題之一。［1］關(guān)聯(lián)數(shù)據(jù)的基本原理是用一種基于標準的知識表示與檢索協(xié)議、可逐步擴展的機制來實現(xiàn)可動態(tài)關(guān)聯(lián)的知識對象網(wǎng)絡(luò)，并支持以此為基礎(chǔ)的知識發(fā)現(xiàn)與知識組織。［2］這樣看來，關(guān)聯(lián)數(shù)據(jù)將對圖書館的知識組織起促進作用。

研究者認為，關(guān)聯(lián)數(shù)據(jù)的核心技術(shù)是使用資源描述框架（RDF）進行資源的組織與交換。關(guān)聯(lián)數(shù)據(jù)通過URI、HTTP、RDF等語義網(wǎng)技術(shù)將網(wǎng)絡(luò)上相關(guān)的數(shù)據(jù)資源進行關(guān)聯(lián)，是從文件網(wǎng)絡(luò)向數(shù)據(jù)網(wǎng)絡(luò)轉(zhuǎn)化的一種優(yōu)化策略，其技術(shù)體系框架如圖1所示。［3］圖書館擁有大量的結(jié)構(gòu)化數(shù)據(jù)，國外圖書館界對關(guān)聯(lián)數(shù)據(jù)的應(yīng)用已引起了足夠重視并進行推廣，比較典型的是美國國會圖書館和瑞典國家圖書館。目前國內(nèi)關(guān)于關(guān)聯(lián)數(shù)據(jù)在圖書館應(yīng)用的研究成果較少，筆者查閱了國內(nèi)外相關(guān)資料，經(jīng)過一番探索后認為，圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理可歸納為關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建、關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建、關(guān)聯(lián)數(shù)據(jù)的發(fā)布、關(guān)聯(lián)數(shù)據(jù)的瀏覽、關(guān)聯(lián)數(shù)據(jù)的鏈接維護。

圖1 關(guān)聯(lián)數(shù)據(jù)的技術(shù)體系

2 圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理

2.1 圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建

圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建是實現(xiàn)其集成管理的首要環(huán)節(jié)。圖書館創(chuàng)建關(guān)聯(lián)數(shù)據(jù)需要用規(guī)范形式描述內(nèi)容對象的內(nèi)部結(jié)構(gòu)、描述內(nèi)容的語義（如作者、書名、出版社、內(nèi)含數(shù)據(jù)集和圖表等）。該描述深度取決于所依據(jù)元數(shù)據(jù)格式的豐富程度和內(nèi)容對象的內(nèi)容深度，描述結(jié)果是依據(jù)元數(shù)據(jù)格式轉(zhuǎn)換的RDF關(guān)聯(lián)記錄。圖書館關(guān)聯(lián)數(shù)據(jù)創(chuàng)建過程中較有難度的工作是在描述信息中建立彼此內(nèi)容對象之間的關(guān)聯(lián)描述，只有建立該關(guān)聯(lián)描述，所創(chuàng)建的數(shù)據(jù)才算是關(guān)聯(lián)數(shù)據(jù)。在關(guān)聯(lián)數(shù)據(jù)創(chuàng)建前，圖書館已積累了大量的文獻和電子資源，如何將現(xiàn)有的數(shù)據(jù)資源創(chuàng)建成關(guān)聯(lián)數(shù)據(jù)并在網(wǎng)上發(fā)布，成為當前急需解決的問題之一。圖書館的數(shù)據(jù)量非常龐大，需要將其放進RDF數(shù)據(jù)庫中，并選擇合適的服務(wù)器作為關(guān)聯(lián)數(shù)據(jù)服務(wù)的前端。一般而言，圖書館關(guān)聯(lián)數(shù)據(jù)的更新頻率相對較快，那么還需要引入更新機制，或在請求關(guān)聯(lián)數(shù)據(jù)時依據(jù)原始數(shù)據(jù)在線生成RDF，但這可能影響用戶的在線連續(xù)訪問。在圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建中，還將面臨一些現(xiàn)實問題：詞表的定義和選擇、復(fù)雜數(shù)據(jù)的結(jié)構(gòu)化（RDF化）、數(shù)據(jù)集內(nèi)數(shù)據(jù)關(guān)聯(lián)的自動生成等。［4］

2.2 圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建

圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)關(guān)系構(gòu)建與圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建是兩個不同的過程，二者存在本質(zhì)的區(qū)別。關(guān)聯(lián)數(shù)據(jù)通過“鏈接”來為用戶開展服務(wù)，并通過鏈接實現(xiàn)不同數(shù)據(jù)集的關(guān)聯(lián)。［5］對于圖書館來說，關(guān)聯(lián)數(shù)據(jù)關(guān)聯(lián)關(guān)系的構(gòu)建是圖書館關(guān)聯(lián)數(shù)據(jù)發(fā)布的前提。可以認為，圖書館關(guān)聯(lián)數(shù)據(jù)中關(guān)聯(lián)關(guān)系的構(gòu)建是圖書館關(guān)聯(lián)數(shù)據(jù)集成管理的核心環(huán)節(jié)。圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建主要采取兩種方式：映射關(guān)聯(lián)和非映射關(guān)聯(lián)，可采取三種常見的自動關(guān)聯(lián)構(gòu)建方法：基于圖相似度的映射、基于規(guī)則的關(guān)聯(lián)構(gòu)建和基于實體的文本映射。基于圖相似度的映射是對單一三元組比較方法的擴展，基于實體的文本映射是實現(xiàn)自動關(guān)聯(lián)的基本方法，這兩種方法具有通用性，但創(chuàng)建的關(guān)系類型比較有限。而基于規(guī)則的關(guān)聯(lián)構(gòu)建能創(chuàng)建較復(fù)雜的關(guān)系，但要依賴特定的相關(guān)規(guī)則和數(shù)據(jù)模型。對圖書館的書目數(shù)據(jù)來說，館員希望通過識別和確定不同對象間的屬性關(guān)系來構(gòu)建較為豐富的關(guān)聯(lián)關(guān)系。以瑞典聯(lián)合目錄LIBRIS系統(tǒng)為例，該系統(tǒng)通過關(guān)聯(lián)數(shù)據(jù)發(fā)布了600多萬條書目數(shù)據(jù)，其規(guī)范文檔數(shù)據(jù)集的類型為組織機構(gòu)名稱或人名，URI為http：//libris.db.se/resource/auth/＜number＞；其書目數(shù)據(jù)類型為書目，URI為 http：//libris.kb.se/resource/bib/＜number＞。［6］

2.3 圖書館關(guān)聯(lián)數(shù)據(jù)的發(fā)布

如何將已有的數(shù)據(jù)或新生成的數(shù)據(jù)發(fā)布為RDF三元組，是關(guān)聯(lián)數(shù)據(jù)發(fā)布的核心，通常需考慮待發(fā)布數(shù)據(jù)的規(guī)模、更新頻率和當前的存儲方式。根據(jù)關(guān)聯(lián)數(shù)據(jù)的基本原理，在Web中發(fā)布關(guān)聯(lián)數(shù)據(jù)必須具有可參照的HTTP或URI標識。一般來說，RDF數(shù)據(jù)的生成方式主要有4種：生成并發(fā)布靜態(tài)RDF文件，通過其他類型信息的RDF轉(zhuǎn)換實現(xiàn)，通過關(guān)系型數(shù)據(jù)庫的RDF轉(zhuǎn)換實現(xiàn)，通過對已有應(yīng)用或Web API的封裝實現(xiàn)。［7］

我們首先應(yīng)該弄清楚圖書館大規(guī)模的關(guān)聯(lián)數(shù)據(jù)集是怎么發(fā)布到網(wǎng)上的。對于儲存在關(guān)系型數(shù)據(jù)庫里的數(shù)據(jù)，可用D2R Server將數(shù)據(jù)轉(zhuǎn)換成RDF格式，并發(fā)布到網(wǎng)上。［7］關(guān)聯(lián)數(shù)據(jù)的發(fā)布步驟如下：（1）從網(wǎng)上下載，然后安裝D2R Server服務(wù)軟件；（2） 用D2R Server軟件將關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)自動生成D2RQ mapping映像文件（包括RDF格式數(shù)據(jù)）：（3） 根據(jù)已有的詞匯集對自動生成的D2RQ mapping文件進行手工改動，對D2RQ mapping文件中的資源用網(wǎng)絡(luò)中已有的資源代替；（4）把圖書館的關(guān)聯(lián)數(shù)據(jù)集發(fā)布到網(wǎng)上，并通過RDF links與網(wǎng)上其他數(shù)據(jù)集相連，使瀏覽器或搜索器能搜索和瀏覽圖書館發(fā)布的數(shù)據(jù)。除此之外，還有其他的關(guān)聯(lián)數(shù)據(jù)發(fā)布工具，如：Virtuoso Universal Server，較多的關(guān)聯(lián)數(shù)據(jù)集通過Virtuoso U-niversal Server轉(zhuǎn)換并發(fā)布。舉例來說，美國國會圖書館以簡單知識組織系統(tǒng)（SKOS） 格式將國會標題表（LCSH）全部關(guān)聯(lián)數(shù)據(jù)化，并且提供LCSH詞表的下載，成為關(guān)聯(lián)數(shù)據(jù)在圖書館應(yīng)用的成功范例。除了將權(quán)威文檔LCSH發(fā)布為關(guān)聯(lián)數(shù)據(jù)外，還創(chuàng)建了不同資源之間的關(guān)聯(lián)（如LCSH與瑞典聯(lián)合目錄LIBRIS關(guān)聯(lián)）。可以認為，美國國會圖書館的做法可作為國際上其他圖書館的成功實踐范例，已經(jīng)覺察到了圖書館發(fā)布關(guān)聯(lián)數(shù)據(jù)的較大益處。

2.4 圖書館關(guān)聯(lián)數(shù)據(jù)的瀏覽

圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理另外需解決的問題是怎樣在網(wǎng)上瀏覽圖書館的關(guān)聯(lián)數(shù)據(jù)。瀏覽關(guān)聯(lián)數(shù)據(jù)需要專門的瀏覽器或插件，目前主要的瀏覽器有Open Link RDF Browser， Tabulator Browser， Zitgist RDF Browser等。實驗結(jié)果表明，當多個關(guān)系頻繁地進行連接操作時，關(guān)聯(lián)數(shù)據(jù)分布樹CDDT（conjunction data distribution tree）能提高整個分布式系統(tǒng)的查詢性能。所謂關(guān)聯(lián)數(shù)據(jù)分布樹，可以這樣理解：如果某一關(guān)系聯(lián)系圖中不存在回路，則該關(guān)系圖就構(gòu)成一個關(guān)聯(lián)數(shù)據(jù)分布樹，如果該關(guān)系聯(lián)系圖中存在回路，則刪除最少的邊使得該關(guān)系聯(lián)系圖中不存在回路。當刪除一個聯(lián)系時，將其中的一個關(guān)系復(fù)制到另一個關(guān)系一端，使其構(gòu)成新的聯(lián)系，該新的聯(lián)系是被刪除聯(lián)系的一個副本。關(guān)聯(lián)數(shù)據(jù)分布樹如圖2所示，在CDDT中其中的一個關(guān)系也可稱為一個結(jié)點，刪除了U、S之間的一條邊，關(guān)系R為CDDT的根結(jié)點，其中和U相連的關(guān)系為S的一個副本。［8］

圖2 關(guān)聯(lián)數(shù)據(jù)分布樹示意圖

2.5 圖書館關(guān)聯(lián)數(shù)據(jù)的鏈接維護

隨著圖書館關(guān)聯(lián)數(shù)據(jù)集的不斷增多，不同數(shù)據(jù)集之間的關(guān)系將會越來越復(fù)雜。任何一個數(shù)據(jù)集的狀態(tài)發(fā)生變化，都有可能導(dǎo)致與之相鏈接的其他數(shù)據(jù)集發(fā)生訪問故障。因此，圖書館關(guān)聯(lián)數(shù)據(jù)集之間的鏈接關(guān)系建立之后，對這些動態(tài)變化的鏈接進行及時、有效的維護是發(fā)揮關(guān)聯(lián)數(shù)據(jù)的作用、維系數(shù)據(jù)集之間鏈接關(guān)系的重要手段，也是體現(xiàn)關(guān)聯(lián)數(shù)據(jù)價值的重要保證。一般認為，關(guān)聯(lián)數(shù)據(jù)鏈接的狀態(tài)主要有5種：初態(tài)、不變、消失、斷鏈、新鏈接。由源數(shù)據(jù)集到目標數(shù)據(jù)集的鏈接建立后，需要采取一定的方法對其進行維護，包括及時修補斷鏈、刪除已消失的鏈接、建立新鏈接等。有關(guān)研究表明，主要有三種動態(tài)鏈接的維護方法：基于WOD-LMP協(xié)議的方法要求鏈接雙方都遵守WOD-LMP協(xié)議（是專用的關(guān)聯(lián)數(shù)據(jù)鏈接維護協(xié)議）；基于主動監(jiān)測機制的方法對目標數(shù)據(jù)集的要求較低，只需要提供SPARQL查詢接口或支持RDF堆下載即可；［9］基于更新通知的方法適用于目標數(shù)據(jù)集具有數(shù)據(jù)更新通知機制的情況，需要針對目標數(shù)據(jù)集的數(shù)據(jù)更新通知機制采取相應(yīng)的更新數(shù)據(jù)獲取方法。相對而言，第二種方法的適應(yīng)性較其他方法的適應(yīng)性要強。

3 圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理主要注意事項

3.1 關(guān)聯(lián)數(shù)據(jù)的效用問題

隨著美國、瑞典等國家的圖書館將自身關(guān)聯(lián)數(shù)據(jù)發(fā)布到Web網(wǎng)上的實踐，其他國家的圖書館也展開了發(fā)布關(guān)聯(lián)數(shù)據(jù)的嘗試。但是，也可能出現(xiàn)關(guān)聯(lián)數(shù)據(jù)斷鏈的問題，因為關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)中的數(shù)據(jù)保持著更新狀態(tài)，新的數(shù)據(jù)不斷增加，舊的數(shù)據(jù)需要更改或刪除，數(shù)據(jù)之間的鏈接也發(fā)生變化。數(shù)據(jù)源之間的關(guān)聯(lián)可能產(chǎn)生斷鏈，這將引起關(guān)聯(lián)數(shù)據(jù)的應(yīng)用發(fā)生錯誤，并導(dǎo)致關(guān)聯(lián)數(shù)據(jù)失效。目前的一般做法是將該問題暫時忽略，當在具體應(yīng)用中發(fā)現(xiàn)斷鏈時再加以解決。雖然Web網(wǎng)絡(luò)結(jié)構(gòu)允許一定數(shù)量死鏈接的存在，但過多的死鏈接無疑會影響數(shù)據(jù)網(wǎng)絡(luò)的使用效率。圖書館應(yīng)該保證數(shù)據(jù)源關(guān)聯(lián)關(guān)系的有效性，還應(yīng)建立關(guān)聯(lián)數(shù)據(jù)的監(jiān)測和修正機制，以維護關(guān)聯(lián)數(shù)據(jù)的效用。

3.2 關(guān)聯(lián)數(shù)據(jù)的安全問題

數(shù)據(jù)安全對圖書館來說特別重要，一旦丟失書目數(shù)據(jù)或流通數(shù)據(jù)等，后果將是特別嚴重的。那么圖書館創(chuàng)建并發(fā)布了關(guān)聯(lián)數(shù)據(jù)，是不是就意味著萬無一失了呢？答案是否定的。盡管關(guān)聯(lián)數(shù)據(jù)依賴較完善的鏈接保存策略和模式映射，但關(guān)聯(lián)數(shù)據(jù)的安全問題仍是圖書館界擔憂的主要議題之一。關(guān)聯(lián)數(shù)據(jù)的理想目標是將目前的Web資源通過鏈接關(guān)系打造成為一個全球共享數(shù)據(jù)庫，這為Web服務(wù)帶來了極大的便利，但同時也帶來諸多安全障礙，如用戶的個人數(shù)據(jù)有可能被泄漏，無意中可能侵犯別人的知識產(chǎn)權(quán)和網(wǎng)絡(luò)隱私權(quán)。因此，圖書情報界應(yīng)高度重視關(guān)聯(lián)數(shù)據(jù)的安全問題，首先要求用戶具有良好的安全意識，其次依靠技術(shù)手段與法律方式相結(jié)合，共同確保圖書館關(guān)聯(lián)數(shù)據(jù)的安全，更好地為讀者服務(wù)，提升圖書館的社會價值。

［1］Wikipedia.Linked data［EB/OL］.［2011-09-28］.http∶//en.wikipedia.org/wiki/linked_data.

［2］沈志宏，張曉林.關(guān)聯(lián)數(shù)據(jù)及其應(yīng)用現(xiàn)狀綜述［J］.現(xiàn)代圖書情報技術(shù)，2010（11）：1-9.

［3］ Passant A，etal.Meaningofatag：acollaborativeapproach tobridge the gap between taggingand linked data［C］//Proceedingsofthewww2008workshop Linked Dataonthe Web （LDOW2008）.Beijing：China，2008.

［4］黃永文.關(guān)聯(lián)數(shù)據(jù)在圖書館中的應(yīng)用研究綜述［J］.現(xiàn)代圖書情報技術(shù)，2010（5）：1-7.

［5］Malmsten M.Making a library catalogue part of the semantic web ［EB/OL］.［2011-09-28］.http∶//dcpa pers.dublincore.org/ojs/pubs/article/view/927/923.

［6］白海燕.關(guān)聯(lián)數(shù)據(jù)及DBPedia實例分析［J］.現(xiàn)代圖書情報技術(shù)，2010（3）：33-39.

［7］譚潔清.關(guān)聯(lián)數(shù)據(jù)的簡介與進展［J］.信息與電腦，2011（1）：103，106.

［8］陳慶奎，黃雨田.關(guān)聯(lián)數(shù)據(jù)分布樹在分布式查詢中的應(yīng)用［J］.計算機工程與設(shè)計，2008，29（15）：4009-4012.

［9］郭少友.關(guān)聯(lián)數(shù)據(jù)的動態(tài)鏈接維護研究［J］.圖書情報工作，2011，55（17）：112-116.