基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式構(gòu)建與實現(xiàn)?

劉雪梅

（蘭州大學圖書館，甘肅 蘭州 730000）

?

基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式構(gòu)建與實現(xiàn)?

劉雪梅

（蘭州大學圖書館，甘肅 蘭州 730000）

［摘要］資源建設是機構(gòu)知識庫可持續(xù)發(fā)展的瓶頸，機構(gòu)知識庫價值的實現(xiàn)很大程度上得益于豐富的資源存儲。將關(guān)聯(lián)數(shù)據(jù)技術(shù)應用于機構(gòu)知識庫，構(gòu)建了基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式，采用D2R工具并以蘭州大學機構(gòu)知識庫條目數(shù)據(jù)為例對該模式進行了研究。研究表明，利用關(guān)聯(lián)數(shù)據(jù)可以擴展機構(gòu)知識庫的資源發(fā)現(xiàn)途徑，提升其服務能力。

［關(guān)鍵詞］機構(gòu)知識庫關(guān)聯(lián)數(shù)據(jù)資源發(fā)現(xiàn)

1　引言

機構(gòu)知識庫在開放獲取運動的背景下應運而生，它是大學和科研機構(gòu)收集、保存和傳播數(shù)字知識資產(chǎn)的重要媒介。近幾年來，機構(gòu)知識庫發(fā)展迅速，目前，在OpenDOAR上注冊的機構(gòu)知識庫已達2989個。筆者在“機構(gòu)知識庫質(zhì)量評價研究”［1］中通過調(diào)查訪問及文獻查閱，發(fā)現(xiàn)資源建設是影響國內(nèi)目前機構(gòu)知識庫發(fā)展最為核心的因素，機構(gòu)知識庫內(nèi)容單一、存儲量少的現(xiàn)象已成為機構(gòu)知識庫可持續(xù)發(fā)展的瓶頸。如何豐富機構(gòu)知識庫的內(nèi)容，加強機構(gòu)庫的資源發(fā)現(xiàn)能力，提升用戶對機構(gòu)庫的認知度和滿意度，從而有利于機構(gòu)知識庫的推廣應用成為目前亟待解決的問題。

關(guān)聯(lián)數(shù)據(jù)［2］由“互聯(lián)網(wǎng)之父”TimBerners-Lee于2006年首次提出，它是指在語義網(wǎng)上發(fā)布、共享、鏈接各類數(shù)據(jù)、信息和知識的一種方式。其采用RDF三元組模型存儲數(shù)據(jù)，用URI地址鏈接到其他資源實現(xiàn)資源間的語義跳轉(zhuǎn)，是未來語義網(wǎng)的關(guān)鍵技術(shù)之一。2007年，W3C發(fā)起了開放關(guān)聯(lián)數(shù)據(jù)運動，網(wǎng)絡上以W3C推薦的關(guān)聯(lián)數(shù)據(jù)集的數(shù)量和數(shù)據(jù)集之間的關(guān)聯(lián)都在快速增加。圖書館在這場運動中扮演了關(guān)聯(lián)數(shù)據(jù)集的提供者和消費者。因此，2008年瑞典國家圖書館首次以關(guān)聯(lián)數(shù)據(jù)的形式發(fā)布了LIBRIS國家書目，并與DBPedia進行了關(guān)聯(lián)，此后，關(guān)聯(lián)數(shù)據(jù)在圖書館行業(yè)的應用迅速發(fā)展。筆者在上述研究的基礎上，將關(guān)聯(lián)數(shù)據(jù)應用于機構(gòu)知識庫，構(gòu)建了基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式，并采用D2R工具和技術(shù)進行實現(xiàn)，從而提升機構(gòu)知識庫的資源發(fā)現(xiàn)能力。

2　基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式構(gòu)建

關(guān)聯(lián)數(shù)據(jù)采用RDF三元組作為數(shù)據(jù)模型，用URI地址標識數(shù)據(jù)，并通過HTTP協(xié)議在互聯(lián)網(wǎng)上進行發(fā)布。將機構(gòu)知識庫的條目數(shù)據(jù)發(fā)布為關(guān)聯(lián)數(shù)據(jù)，可以實現(xiàn)“內(nèi)外”兩層的關(guān)聯(lián)。即首先揭示了機構(gòu)知識庫條目數(shù)據(jù)集內(nèi)部之間的語義關(guān)聯(lián)關(guān)系，進而通過與外部關(guān)聯(lián)數(shù)據(jù)集比如Web數(shù)字資源、商業(yè)數(shù)據(jù)庫資源等其他數(shù)據(jù)資源進行關(guān)聯(lián)，拓展了機構(gòu)庫的資源發(fā)現(xiàn)途徑，豐富了機構(gòu)庫的存儲內(nèi)容。筆者構(gòu)建的基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式如圖1所示。

圖1　基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式

本模式的優(yōu)越性在于利用URI標識元數(shù)據(jù)的實體對象，引入了一個機器可以理解和處理的技術(shù)框架。本模式以機構(gòu)知識庫為主體對象，通過實現(xiàn)“內(nèi)外”兩層數(shù)據(jù)集的關(guān)聯(lián)，從而提供基礎服務。例如通過Web瀏覽器實現(xiàn)HTML網(wǎng)頁瀏覽與導航，也可以利用關(guān)聯(lián)數(shù)據(jù)瀏覽器，如Tabulator、Marble等，通過RDF鏈接在數(shù)據(jù)源之間進行瀏覽；除此之外，還可以通過SPARQL查詢實現(xiàn)語義檢索等?；谠撃Ｊ剑P者將機構(gòu)知識庫條目數(shù)據(jù)的描述、組織、發(fā)布劃分為數(shù)據(jù)層、關(guān)聯(lián)層兩個層次。

2.1數(shù)據(jù)層

數(shù)據(jù)層是指機構(gòu)知識庫中存儲的條目數(shù)據(jù)，每個條目數(shù)據(jù)都用DC元數(shù)據(jù)規(guī)范進行描述，其中包括題名、作者、期刊、基金等。元數(shù)據(jù)主要是為人而設計的，缺乏明確的語義化定義，機器無法直接理解。

2.2關(guān)聯(lián)層

鑒于機構(gòu)庫元數(shù)據(jù)的局限性，筆者構(gòu)建了數(shù)據(jù)關(guān)聯(lián)層，將機構(gòu)庫中的條目數(shù)據(jù)關(guān)聯(lián)化，實現(xiàn)數(shù)據(jù)之間的語義化跳轉(zhuǎn)，以便計算機進行理解和處理。筆者抽取出元數(shù)據(jù)中的概念和屬性，采用本體描述語言，構(gòu)建元數(shù)據(jù)本體［4］，基于該本體，將機構(gòu)知識庫中的元數(shù)據(jù)轉(zhuǎn)換為RDF三元組格式的語義元數(shù)據(jù)，并采用D2R工具根據(jù)關(guān)聯(lián)數(shù)據(jù)原則［5］進行發(fā)布，如圖2所示。機構(gòu)知識庫條目數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)化后，不僅可以實現(xiàn)機構(gòu)知識庫內(nèi)部條目數(shù)據(jù)之間的關(guān)聯(lián)，而且可以實現(xiàn)與外部關(guān)聯(lián)數(shù)據(jù)集的關(guān)聯(lián)，為用戶提供更豐富的檢索結(jié)果。

3　基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式的語義實現(xiàn)

3.1抽取實體關(guān)系與關(guān)系數(shù)據(jù)庫的建立

本實驗以蘭州大學機構(gòu)知識庫管理學院的期刊論文為例，主要抽取了科研人員（Person）、基金項目（foundation）、研究部門（organization）、期刊論文（Paper）、期刊（Journal）這5種核心實體類，實體關(guān)系如圖3所示。

圖3　IR中的實體類及關(guān)系

啟動postgresql，建立lzuir數(shù)據(jù)庫。在lzuir數(shù)據(jù)庫中分別建立這5個實體類對應的數(shù)據(jù)表，實體的屬性對應為數(shù)據(jù)表中的各列，實體間的關(guān)系對應于表間的關(guān)系，并為各個表設置相應的主鍵和外鍵。不同表之間的關(guān)系對應如下：

①科研人員和研究機構(gòu)的關(guān)系。一個科研人員必定屬于某個機構(gòu)，相應地，某個機構(gòu)下面包括N個科研人員。

②科研人員和基金項目的關(guān)系。一個科研人員可以主持多個基金項目，而一個基金項目必定由一個科研人員主持。

③期刊論文和科研人員的關(guān)系。一篇期刊論文可以由多個作者合作完成，相應地，一個科研人員可以是多篇期刊論文的作者。

④期刊論文和研究機構(gòu)的關(guān)系。一篇期刊論文屬于某個研究機構(gòu)，而一個研究機構(gòu)下面有多篇期刊論文。

⑤期刊論文和期刊的關(guān)系。一篇期刊論文必定對應一個期刊，相應地，某個期刊下面必定包括多篇期刊論文。

⑥期刊論文和基金項目的關(guān)系。一篇期刊論文屬于某個基金項目的科研成果，相應地，一個基金項目可以產(chǎn)出多篇期刊論文作為科研成果。

3.2利用RDF進行語義標注和關(guān)聯(lián)

語義標注［6］是使用計算機可理解的屬性來描述資源的相關(guān)陳述。類、屬性和實體標注都是通過創(chuàng)建一些陳述來實現(xiàn)的。在OWL本體標注語言中，已經(jīng)預定義了很多基本屬性，筆者使用RDF+OWL語言進行標注。筆者定義的實體關(guān)系中會復用到一些關(guān)聯(lián)詞表，分別是FOAF，DC，VCARD等，而外部數(shù)據(jù)源是DBpedia。

3.3基于D2R的數(shù)據(jù)語義映射和轉(zhuǎn)換

關(guān)聯(lián)數(shù)據(jù)的發(fā)布方式主要有3種，根據(jù)數(shù)據(jù)量的規(guī)模和更新頻率對應不同的發(fā)布方式。第一種方式針對數(shù)據(jù)量較小的情況，將其生成靜態(tài)的RDF文件進行發(fā)布；第二種方式針對數(shù)據(jù)量較大的情況，將其存儲到RDF存儲器中，并采用Pubby［8］服務器前端進行操作；第三種方式針對數(shù)據(jù)的更新頻率比較大的情況，在請求數(shù)據(jù)的過程中，將其映射為虛擬的RDF格式，這種方式用到的工具主要有D2R、Triplify［9］等。本文的機構(gòu)知識庫因為數(shù)據(jù)請求操作比較頻繁，因此采用第三種方式進行發(fā)布，使用的工具是D2R。D2R的核心是D2RQ Engine，它的功能是實現(xiàn)RDB2RDF，主要采用D2RQMapping文件將關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)映射為虛擬的RDF格式進行發(fā)布。筆者在java開發(fā)環(huán)境中，對D2RQMapping進行編程，主要步驟如下：

（1）使用D2RQ工具生成映射文件，D2R的映射語言D2RQMapping是基于RDF和OWL進行描述的，自身生成的映射無法滿足需求，因此筆者根據(jù)實際需要對蘭州大學機構(gòu)知識庫抽取的核心實體類進行RDF語義標注，以期刊論文為例，將實體關(guān)系進行RDF關(guān)聯(lián)轉(zhuǎn)換，部分代表性的代碼如下：

（2）將蘭州大學機構(gòu)知識庫關(guān)聯(lián)到外部數(shù)據(jù)源，仍以期刊論文為例，部分代表性的代碼如下：

3.4關(guān)聯(lián)數(shù)據(jù)的發(fā)布與訪問

在D2R的DOS路徑下，執(zhí)行D2R-Server.bat腳本，運行生成映射文件lzuir.n3，啟動關(guān)聯(lián)數(shù)據(jù)發(fā)布服務。在瀏覽器中輸入訪問地址http：//localhost：2020，顯示出D2R的運行入口界面（如圖4），圖中可看到已將機構(gòu)知識庫條目數(shù)據(jù)發(fā)布為含有語義的關(guān)聯(lián)數(shù)據(jù)源，提供了HTML瀏覽、RDF瀏覽和SPARQL端點查詢3類服務入口。

圖4　D2R的服務首頁

從圖中可以看到，5個數(shù)據(jù)表分別映射為不同的實體類。以蘭州大學機構(gòu)知識庫中的一篇期刊論文為例（如圖5所示），可以看到paper數(shù)據(jù)表中的各個列被映射為資源的屬性特征，點擊圖中的相關(guān)鏈接都可以得到對應元數(shù)據(jù)的詳細信息。例如點擊圖5的鏈接http：//localhost：2020/resource/person/1，就可以得到該論文的作者信息，如圖6所示。從圖中也可以看出，這些元數(shù)據(jù)信息，有的來自于機構(gòu)知識庫本身，有的來自外部數(shù)據(jù)源，卻相互關(guān)聯(lián)在一起，構(gòu)成了一個輕量的關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡。

圖5　語義化的論文元數(shù)據(jù)

圖6　語義化的作者元數(shù)據(jù)

4　總結(jié)與展望

筆者將關(guān)聯(lián)數(shù)據(jù)技術(shù)應用于機構(gòu)知識庫，構(gòu)建了基于關(guān)聯(lián)數(shù)據(jù)的機構(gòu)知識庫服務模式，并以蘭州大學機構(gòu)知識庫的條目數(shù)據(jù)為例，使用D2R工具將條目數(shù)據(jù)發(fā)布為關(guān)聯(lián)數(shù)據(jù)，對該模式進行了實現(xiàn)。通過實證研究表明，該模式的實現(xiàn)有助于從根本上擴展機構(gòu)知識庫的資源發(fā)現(xiàn)途徑，提升機構(gòu)知識庫的服務能力。

參考文獻：

［1］劉雪梅，刀克群.基于模糊綜合評價法的機構(gòu)知識庫評價模型［J］.情報探索，2015（5）：22-24.

［2］歐石燕.面向關(guān)聯(lián)數(shù)據(jù)的語義數(shù)字圖書館資源描述與組織框架設計與實現(xiàn)［J］.中國圖書館學報，2012（2）：58-71.

［3］賀文君.SPARQL聯(lián)合查詢及其應用［D］.大連：大連海事大學，2014（6）.

［4］劉煒，李大玲，夏翠娟.元數(shù)據(jù)與知識本體［J］.圖書館雜志，2004（6）：50-54.

［5］金燕，江閃閃.基于四原則的關(guān)聯(lián)數(shù)據(jù)發(fā)布方法研究［J］.圖書館理論與實踐，2013（5）：77-80.

［6］ HebelerJ，etal.SemanticWebProgramming［M］.Wiley，2009.

［7］沈志宏，等.關(guān)聯(lián)數(shù)據(jù)發(fā)布流程與關(guān)鍵問題研究——以科技文獻、科學數(shù)據(jù)發(fā)布為例［J］.中國圖書館學報，2013 （2）：53-62.

［8］ CyganiakR，BizerC.Pubby：Alinkeddatafrontendfor SPARQLendpoints［EB/OL］.［2012-05-10］.http：//wifo5-03. informatik.uni-mannheim.de/pubby/.

［9］AuerS，DietzoldS，LehmannJ.Triplify-light-weightlinked datapublicationfromrelationaldatabases［C］.Proceedingsof the18thInternationalConferenceonWorldWideWeb.New York：ACM，2009：621-630.

［10］張靜，馬春娥.如何利用D2R發(fā)布LinkedData［EB/OL］. ［2011-04-20］.http：//www.ibm.com/developerworks/cn/web/ 1003_zhangjing_d2r/.

劉雪梅女，1987年生。碩士，館員。研究方向：數(shù)字圖書館。

［分類號］G250.7

*本文系蘭州大學圖書館2015年科研項目（編號：LZUL［201502］）研究成果之一。

收稿日期：（2016-01-19；責編：楊新寬。）