基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化框架設(shè)計與實現(xiàn)

(武漢大學(xué)信息管理學(xué)院 湖北武漢 430072)

1 書目數(shù)據(jù)語義化與關(guān)聯(lián)數(shù)據(jù)

書目數(shù)據(jù)語義化是指基于規(guī)范的概念模型，顯性地、以機器可讀的方式表達書目實體及其屬性特征和關(guān)聯(lián)關(guān)系，序化書目實體之間和屬性之間的關(guān)系，并提供基于語義關(guān)系的、統(tǒng)一的存取方式?！?〕目前，書目數(shù)據(jù)的主要功能仍然局限于為用戶查找相關(guān)信息，機器無法理解這些書目數(shù)據(jù)。并且，傳統(tǒng)書目數(shù)據(jù)的組織是基于MARC的一維、線性的組織方式，只提供元數(shù)據(jù)描述，以某一屬性特征作為索引點和檢索點，不區(qū)分信息對象的實體層次和相互的關(guān)聯(lián)關(guān)系，書目數(shù)據(jù)的語義化程度較低，〔2〕主要表現(xiàn)在以下幾個方面:第一，書目記錄內(nèi)部隱藏著大量有價值、高質(zhì)量的數(shù)據(jù)，如個人名稱、主題、地點等，它們沒有獨立的標(biāo)識，也缺乏結(jié)構(gòu)化的描述，沒有得到充分揭示、重用。第二，書目數(shù)據(jù)是封閉的，沒有實現(xiàn)與外部信息或數(shù)據(jù)的融合。第三，雖然部分圖書館OPAC系統(tǒng)提供了按語種、載體形態(tài)、年代、主題等集中同一信息對象，基于書目層次關(guān)系的瀏覽與檢索，但沒能區(qū)分實體層次及其關(guān)系，也沒有揭示實體層次之間各種衍生和變化關(guān)系，缺乏形式化的語義信息表達手段。

2006年，Tim Berners-Lee在萬維網(wǎng)體系架構(gòu)筆記《關(guān)聯(lián)數(shù)據(jù)筆記》中提出了關(guān)聯(lián)數(shù)據(jù)這一概念，它要求采用RDF數(shù)據(jù)模型組織資源，利用URI命名數(shù)據(jù)實體，發(fā)布和部署實例數(shù)據(jù)和類數(shù)據(jù)，通過HTTP協(xié)議揭示并獲取這些數(shù)據(jù)，同時它強調(diào)數(shù)據(jù)的相互關(guān)聯(lián)和有益于人機理解的語境信息?！?〕關(guān)聯(lián)數(shù)據(jù)在實現(xiàn)書目數(shù)據(jù)語義化中具有以下兩個方面的優(yōu)勢:第一，URI標(biāo)識與復(fù)用。關(guān)聯(lián)數(shù)據(jù)利用URI標(biāo)識不同的實體對象，可以是責(zé)任者、出版者、主題、評論等，使書目數(shù)據(jù)的顆粒化程度更加細化、結(jié)構(gòu)化和語義化，并可以跨領(lǐng)域的得到更廣泛的參引。第二，RDF鏈接機制。關(guān)聯(lián)數(shù)據(jù)采用RDF模型即“資源-屬性-屬性值”的形式表達書目實體及其間的關(guān)系，通過RDF鏈接，不僅實現(xiàn)了書目實體之間和屬性之間的關(guān)系顯性化和語義化，而且擴展了書目數(shù)據(jù)的信息，為用戶提供超越圖書館的資源和訪問服務(wù)。本研究的目的是構(gòu)建一個基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化框架，并以武漢大學(xué)圖書館一定數(shù)量的書目數(shù)據(jù)為例，采用選定的技術(shù)和工具對該框架進行實現(xiàn)。

2 基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化框架的構(gòu)建

筆者提出了一個基于關(guān)聯(lián)數(shù)據(jù)的層次化的書目數(shù)據(jù)語義化框架，將書目數(shù)據(jù)的描述、組織、發(fā)布和應(yīng)用劃分為四個層次(見圖1)。該框架基于概念模型對圖書館的書目數(shù)據(jù)進行語義化描述與組織，采用關(guān)聯(lián)數(shù)據(jù)原則〔4〕發(fā)布數(shù)據(jù)，提供統(tǒng)一存取方式，實現(xiàn)了書目數(shù)據(jù)的關(guān)聯(lián)化和語義化。

圖1 基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化框架

2．1 數(shù)據(jù)層

數(shù)據(jù)層分為本地數(shù)據(jù)源和外部數(shù)據(jù)源兩大部分。本地數(shù)據(jù)源主要指圖書館書目記錄。每條記錄中包含著幾百個字段，揭示了書目信息的各個方面。本研究抽取記錄中能夠反映文獻內(nèi)容并與其它記錄區(qū)分的字段，如題名、ISBN、責(zé)任者等，書目數(shù)據(jù)中沒有描述各個字段的詳細信息。外部數(shù)據(jù)源可以提供如責(zé)任者、主題、評論等的詳細信息。本研究通過手工抽取Wiki、百度百科等網(wǎng)站中的相關(guān)數(shù)據(jù)并結(jié)構(gòu)化處理，實現(xiàn)與書目數(shù)據(jù)的關(guān)聯(lián)。

2．2 語義聚合層

數(shù)據(jù)層中抽取的數(shù)據(jù)語義缺乏明確的、形式化的定義，機器無法直接進行理解和處理，需要在數(shù)據(jù)的基礎(chǔ)上構(gòu)建某種機制，實現(xiàn)其關(guān)聯(lián)化和語義化，這就是語義聚合層的作用。概念模型是將圖書館資源描述與組織以文獻為中心轉(zhuǎn)向以概念/對象為中心的實體分層思路，本體、書目記錄的功能需求(Functional Requirements for Bibliographic Records，簡稱FRBR)模型〔5〕等遵循面向?qū)ο蠓椒ǎ敲嫦驁D書館資源的概念框架。1997年IFLA提出了應(yīng)用實體-關(guān)系模型來構(gòu)建概念框架的FRBR模型，它將書目記錄涉及的實體分為三組:作品及其各類物化實體(作品-表達-表現(xiàn)-單件)、與文獻生產(chǎn)、發(fā)行、收藏以及流通有關(guān)的人或團體(個人、家族和機構(gòu)團體)和主題類實體(概念、實體、事件、地點等)。FRBR以作品、內(nèi)容表達、載體表現(xiàn)逐層聚集書目，將文獻形態(tài)進行分面分類，打破了傳統(tǒng)書目記錄概念的平面性和單一性，揭示出同一作品不同實體之間的關(guān)系以及不同作品實體之間的關(guān)系。

2．3 數(shù)據(jù)關(guān)聯(lián)層

2．4 應(yīng)用層

在應(yīng)用層可以實現(xiàn)對關(guān)聯(lián)數(shù)據(jù)的統(tǒng)一瀏覽和檢索以及其他的應(yīng)用和服務(wù)。既可以通過Web瀏覽器實現(xiàn)HTML網(wǎng)頁瀏覽與導(dǎo)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。通過SPARQL端點可以實現(xiàn)動態(tài)分面查詢和語義關(guān)系查詢，也可以利用對象之間和屬性之間的關(guān)系實現(xiàn)復(fù)雜智能查詢。另外，關(guān)聯(lián)化的書目數(shù)據(jù)成為數(shù)據(jù)網(wǎng)絡(luò)的一部分，可以向其他的應(yīng)用提供數(shù)據(jù)服務(wù)，也可以在關(guān)聯(lián)數(shù)據(jù)之上構(gòu)建新的Web應(yīng)用。

3 基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化的實現(xiàn)

本實驗的實驗平臺如表1所示。選取武漢大學(xué)圖書館有關(guān)的書目，并從Wiki、百度百科、豆瓣中抽取責(zé)任者、評論等相關(guān)詳細信息。然后按照FRBR模型劃分書目層次，提取實體之間、實體與屬性之間的語義關(guān)系，并利用SQL Server構(gòu)建書目數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(注:命名為Bibliography)及相關(guān)數(shù)據(jù)表。最后利用開源軟件D2R將關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)發(fā)布為關(guān)聯(lián)數(shù)據(jù)，并提供HTML、RDF及SPARQL等方式訪問。

表1 實驗的操作環(huán)境和工具

3．1 基于FRBR的數(shù)據(jù)資源聚合與關(guān)系數(shù)據(jù)庫的建立

3．1．1 數(shù)據(jù)的抽取

在武漢大學(xué)圖書館OPAC系統(tǒng)中檢索《安徒生童話》的書目數(shù)據(jù)，選取不同版本的10條記錄。抽取記錄中的數(shù)據(jù)主要包括題名、ISBN、責(zé)任者、出版者、摘要、主題等。從豆瓣、Wiki和百度百科中抽取書評和責(zé)任者包括代表作、出生與死亡日期等的相關(guān)詳細信息。

3．1．2 基于FRBR的數(shù)據(jù)資源聚合

參照FRBR概念模型聚合抽取的書目數(shù)據(jù)相關(guān)信息，以作品為中心，為每一個作品建立一條主干記錄和分支記錄，分支記錄主要揭示同一作品的不同內(nèi)容表達和載體表現(xiàn)等內(nèi)容，從而形成立體的、網(wǎng)狀的書目數(shù)據(jù)。根據(jù)上文中抽取的書目信息，應(yīng)用FRBR概念模型形成了 Aggregate Work、Single Work、Author三個實體，這些實體分別對應(yīng)為數(shù)據(jù)庫中的各個數(shù)據(jù)表，實體的屬性對應(yīng)為表中的各列，實體之間的關(guān)系即為表間關(guān)系。

3．1．3 關(guān)系數(shù)據(jù)庫的創(chuàng)建

正如閨蜜所說，男人一旦有了出息，就算自己不出去尋花覓柳，一些鶯鶯燕燕的誘惑也會主動找上門來，防不勝防。

啟動SQL Server 2005，建立Bibliography數(shù)據(jù)庫。在Bibliography數(shù)據(jù)庫中依次建立Aggregate Work表、Single Work表、Author表，分別為 Aggregate Work(Work_ID，Title，Subject)、Single Work(SWork_ID，Title，ISBN，IS_Part_of，Author，Translator，Publisher，Date_of_Publish，Language，Abstract，Subject，Comment，CLC)、Author(Author_ID，Name，Sex，nationality，Date_of_Birth，Place_of_Birth，Date_of_Death，Place_of_Death，Masterpiece1，Masterpiece2，Masterpiece3)。分別為各個表設(shè)置相應(yīng)的主鍵和外鍵。

3．2 基于D2R的數(shù)據(jù)語義映射、轉(zhuǎn)換與關(guān)聯(lián)的構(gòu)建

3．2．1 D2R的結(jié)構(gòu)及其語義映射機制

D2R是一個將關(guān)系型數(shù)據(jù)庫發(fā)布為關(guān)聯(lián)數(shù)據(jù)的開源軟件，支持將主流關(guān)系型數(shù)據(jù)庫如 Microsoft SQL Server、Microsoft Access、MySQL、Oracle等中的數(shù)據(jù)發(fā)布為關(guān)聯(lián)數(shù)據(jù)。目前使用D2R進行關(guān)聯(lián)數(shù)據(jù)發(fā)布的應(yīng)用有:Berlin DBLP Bibliography Server、Hannover DBLP Bibliography Server 等?！?〕D2R Server的體系結(jié)構(gòu)〔8〕如圖2所示。

圖2 D2R的體系結(jié)構(gòu)圖

D2R主要包括以下三個部分:D2R服務(wù)器(D2R Server)，是一個HTTP Server，其主要功能是提供查詢RDF數(shù)據(jù)的訪問接口，以供上層的RDF瀏覽器、SPARQL查詢客戶端以及傳統(tǒng)的HTML瀏覽器調(diào)用。D2RQ引擎(D2RQ Engine)，主要功能是使用可定制的D2RQ Mapping文件將關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)換成RDF格式。D2RQ映射語言(D2RQ Mapping Language)，主要功能是定義將關(guān)系型數(shù)據(jù)轉(zhuǎn)換成RDF格式的映射規(guī)則。

將關(guān)系型數(shù)據(jù)庫的二維組織模式轉(zhuǎn)換為RDF三元組的表達，其中包括數(shù)據(jù)結(jié)構(gòu)、約束條件轉(zhuǎn)換為本體的概念語義和規(guī)則語義，需要構(gòu)建關(guān)系型數(shù)據(jù)庫模式與RDF的Schema的映射。D2R語義模式映射機制主要是構(gòu)建映射規(guī)則，生成映射文件，基于映射文件實現(xiàn)模式的轉(zhuǎn)換。映射文件的作用是在訪問關(guān)系型數(shù)據(jù)庫是將RDF數(shù)據(jù)查詢語言SPARQL轉(zhuǎn)換為關(guān)系數(shù)據(jù)庫的SQL查詢，并將查詢結(jié)果轉(zhuǎn)換為RDF三元組?！?〕

3．2．2 基于映射文件的關(guān)系數(shù)據(jù)庫語義模式轉(zhuǎn)換

D2R Server提供基于映射文件將關(guān)系數(shù)據(jù)庫發(fā)布為RDF三元組的機制，在本實驗中，是通過執(zhí)行D2R生成映射文件的執(zhí)行腳本-generate．bat來實現(xiàn)。具體的編碼如下:

其中，-u表示數(shù)據(jù)庫用戶名;-p是數(shù)據(jù)庫的登錄密碼;-d是數(shù)據(jù)庫的驅(qū)動類名稱，不同數(shù)據(jù)庫驅(qū)動格式不同，本實驗是以SQL Server為例;-o是輸出的映射文件名稱;最后一個參數(shù)設(shè)置了所映射的SQL Server數(shù)據(jù)庫的路徑和名稱。

通過運行該腳本，生成映射文件Bib．n3。基于該映射文件，可以實現(xiàn)關(guān)聯(lián)數(shù)據(jù)的瀏覽與查詢服務(wù)。本實驗中生成的映射文件Bib．n3如下(截取文件中部分代碼):

其中，d2rq:ClassMap代表OWL Ontology或者是 RDFS Schema中的一個或一組相似的類，它與關(guān)系數(shù)據(jù)庫中的一個數(shù)據(jù)表相映射，〔10〕包括 d2rq:UriPattern、d2rq:Class 等屬性。d2rq:UriPattern用來指導(dǎo)生成實例化資源的真實URI，由關(guān)系數(shù)據(jù)庫表名和對應(yīng)的主鍵組成。d2rq:Class表示該d2rq:ClassMap所對應(yīng)的實體類，其取值可以來自O(shè)WL Ontology或者是RDFS Schema，也可以自定義新的類。d2rq:Property-Bridge表示OWL Ontology或者是RDFS Schema中類的屬性，與關(guān)系數(shù)據(jù)庫中數(shù)據(jù)表的某一列相映射。

3．2．3 構(gòu)建與外部數(shù)據(jù)集的關(guān)聯(lián)

關(guān)系數(shù)據(jù)庫中的書目數(shù)據(jù)與外部資源之間存在著一些聯(lián)系，在將其轉(zhuǎn)換為關(guān)聯(lián)數(shù)據(jù)的過程中，需要對這些關(guān)系進行創(chuàng)建和關(guān)聯(lián)。映射文件僅顯示數(shù)據(jù)間基于主鍵和外鍵引用的關(guān)系，沒有表現(xiàn)出數(shù)據(jù)間存在更為豐富和復(fù)雜的關(guān)系，可以手動修改映射文件，以展現(xiàn)數(shù)據(jù)資源之間更為豐富的語義關(guān)系。

在D2RQ中可以通過類映射的d2rq:constantValue，為某個資源的屬性關(guān)聯(lián)一個常量，實現(xiàn)與某些常量的關(guān)聯(lián)。例如，在本實驗中，為Author表增加一個DBpedia的作者概念的參見，編碼如下:

圖3 D2R的服務(wù)首頁

3．3 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，運行生成的映射文件Bib．n3，啟動關(guān)聯(lián)數(shù)據(jù)發(fā)布服務(wù)。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3)，圖中顯示出發(fā)布的具有語義關(guān)聯(lián)的書目數(shù)據(jù)資源，提供了HTML瀏覽、RDF瀏覽和SPARQL端點查詢3類服務(wù)入口。

圖4 聚合各個作品的關(guān)聯(lián)數(shù)據(jù)發(fā)布圖

進入HTML View，可以看到3個數(shù)據(jù)表分別映射為不同的實體類。進入Aggregate Work類中，可以看到其所關(guān)聯(lián)的具體作品資源，即Single Work類中的10個作品(如圖4)，體現(xiàn)出FRBR作品聚合的特點?？梢詥螕舾鱾€作品，進一步瀏覽其屬性特征。

在Author類中，可以看到 Author數(shù)據(jù)表中各個列如Country、Work等被映射為資源的屬性特征(如圖5)，其中Name和Country的屬性值通過 http://depedia．org/resource/Anderson Hans Christian 和 http://depedia．org/resource/Denmark實現(xiàn)了與外部數(shù)據(jù)集DBpedia的鏈接。

圖5 Author類的詳細信息

4 總結(jié)與展望

本文嘗試了將關(guān)聯(lián)數(shù)據(jù)應(yīng)用于書目數(shù)據(jù)以解決傳統(tǒng)書目數(shù)據(jù)語義化程度低的問題，并提出了一個基于關(guān)聯(lián)數(shù)據(jù)的書目數(shù)據(jù)語義化框架。該框架具有4個層次，數(shù)據(jù)層、語義聚合層、數(shù)據(jù)關(guān)聯(lián)層、應(yīng)用層，其核心是書目數(shù)據(jù)的語義化和關(guān)聯(lián)化的構(gòu)建。最后，以武漢大學(xué)圖書館一定數(shù)量的書目數(shù)據(jù)為例，使用開源軟件D2R對該框架進行了實現(xiàn)。但本研究中仍然存在著一定的缺陷，即書目記錄中有價值的數(shù)據(jù)和外部數(shù)據(jù)的抽取及與其他數(shù)據(jù)集關(guān)聯(lián)采用的是手工方式，若進行大規(guī)模的數(shù)據(jù)抽取和關(guān)聯(lián)則需要一定的技術(shù)和算法支持。

關(guān)聯(lián)數(shù)據(jù)的一致化語義描述方法(RDFS/OWL)和統(tǒng)一存取機制(SPARQL)對書目數(shù)據(jù)語義化與關(guān)聯(lián)化提供了一種輕量級的實現(xiàn)方式。2011年，巴斯大學(xué)UKOLN研究組開展了“關(guān)聯(lián)開放 Copac Archives Hub項目”〔12〕，力圖探索書目資源內(nèi)容間的語義關(guān)聯(lián)。英國劍橋大學(xué)實施了“開放書目項目”〔13〕，研究基于現(xiàn)有語義工具、標(biāo)準(zhǔn)提交書目元數(shù)據(jù)語料庫作為開放關(guān)聯(lián)數(shù)據(jù)。隨著關(guān)聯(lián)書目數(shù)據(jù)理論研究與實踐活動的不斷深入，相信書目數(shù)據(jù)將以語義化、關(guān)聯(lián)化的形式為用戶提供各種應(yīng)用和服務(wù)。

1．Martin M．Making a library catalogue part of the semantic web．In:Proceeding of the 2008 International Conference on Dublin Core and Metadata Applications．2008:146-152

2．白海燕，喬曉東．基于本體和關(guān)聯(lián)數(shù)據(jù)的書目組織語義化研究．現(xiàn)代圖書情報技術(shù)，2010(9):18-27

3．Linked Data．〔2013-04-23〕．http://linkeddata．org/

4．Linked Data．〔2013-04-24〕．http://www．w3．org/DesignIssues/LinkedData．html

5．國際圖聯(lián)書目記錄的功能需求研究組著．王紹平等譯．書目記錄的功能需求最終報告．德國慕尼黑:紹爾出版社，1998:14-54

6．夏翠娟等．關(guān)聯(lián)數(shù)據(jù)發(fā)布技術(shù)及其實現(xiàn)-以Drupal為例．中國圖書館學(xué)報，2012(1):49-57

7．RDF Vocabulary Description Language 1．0:RDF Schema．〔2013-04-27〕．http://www．w3．org/TR/rdf-schema/

8．The D2RQ Platform．〔2013-05-04〕．http://d2rq．org/

9．Christian B，Richard C．D2R Server-Publishing Relational Databases on the Semantic Web．In:Poster at the 5th International Semantic Web Conference，2006

10．The D2RQ Mapping Language．〔2013-05-04〕．http://d2rq．org/d2rq-language

11．白海燕，梁冰．利用D2R實現(xiàn)關(guān)系數(shù)據(jù)庫與關(guān)聯(lián)數(shù)據(jù)的語義模式映射．現(xiàn)代圖書情報技術(shù)，2011(Z1):1-7

12．Linked Open Copac Archives Hub．〔2013-05-05〕．http://www．jisc．a(chǎn)c．uk/whatwedo/programmes/inf11/jiscexpo/locah．a(chǎn)spx

13．Open Bibliography．〔2013-05-05〕．http://www．jisc．a(chǎn)c．uk/whatwedo/programmes/inf11/jiscexpo/jiscopenbib．a(chǎn)spx