基于本體和關(guān)聯(lián)數(shù)據(jù)的館藏資源融合模型

，， ，

為用戶提供便捷的服務(wù)，使館藏得到高效利用是大數(shù)據(jù)時(shí)代圖書館亟待解決的問題。在網(wǎng)絡(luò)環(huán)境下，圖書館不僅要快速、全面搜集知識(shí)信息，還要建立起知識(shí)之間的關(guān)聯(lián)，實(shí)現(xiàn)館藏資源的語義深度挖掘，從而實(shí)現(xiàn)個(gè)性化知識(shí)服務(wù)[1]。作為語義網(wǎng)實(shí)現(xiàn)的有效技術(shù)，關(guān)聯(lián)數(shù)據(jù)一直是研究的重點(diǎn)，在現(xiàn)有因特網(wǎng)基礎(chǔ)上，將自然、社會(huì)和精神世界映射到數(shù)據(jù)網(wǎng)絡(luò)中，通過資源描述，使網(wǎng)絡(luò)的內(nèi)容富含語義、互聯(lián)互通。知識(shí)組織的核心目標(biāo)是尋求有效語義描述，但在館藏資源語義特征的揭示及關(guān)聯(lián)研究上，傳統(tǒng)信息組織方法存在一定的缺陷，面向用戶需求的智能化服務(wù)由于館藏資源描述的語義缺失而難以應(yīng)用到知識(shí)服務(wù)的最前沿去，而是一直停留在理論研究層面。在數(shù)字形態(tài)的館藏資源中，關(guān)聯(lián)數(shù)據(jù)的應(yīng)用為多層次深度語義描述、應(yīng)用資源提供了有效的示范。劉飛[2]等人通過對(duì)國(guó)外關(guān)聯(lián)數(shù)據(jù)研究文獻(xiàn)的計(jì)量學(xué)分析，認(rèn)為資源定位、元數(shù)據(jù)、本體和語義是國(guó)外近年來研究的熱點(diǎn)，研究?jī)?nèi)容和關(guān)鍵詞、主題詞的范圍正在逐漸擴(kuò)展。但是國(guó)外研究也存在某些問題，如核心團(tuán)隊(duì)過于集中，在科技快速發(fā)展的同時(shí)，經(jīng)典文獻(xiàn)、理論和方法沒有得到完善。蘇春萍[3]等人則根據(jù)現(xiàn)有醫(yī)學(xué)圖書館信息資源整合訴求，應(yīng)用關(guān)聯(lián)數(shù)據(jù)理論和SOA技術(shù)，給出一種資源整合模型，能有效消除數(shù)據(jù)源異構(gòu)缺陷，整合了醫(yī)學(xué)圖書館關(guān)聯(lián)數(shù)據(jù)的生成系統(tǒng)，簡(jiǎn)化了醫(yī)學(xué)圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建和維護(hù)流程。

然而，目前在關(guān)聯(lián)數(shù)據(jù)方面的研究多處在淺層次開發(fā)應(yīng)用階段，如有效的發(fā)布機(jī)制、關(guān)聯(lián)開放數(shù)據(jù)的建立、深層次描述與關(guān)聯(lián)還處在缺失狀態(tài)，應(yīng)用服務(wù)推廣也迫在眉睫[4]。

1 本體和關(guān)聯(lián)數(shù)據(jù)

1.1 本體的應(yīng)用

早在20世紀(jì)80年代末，國(guó)外學(xué)者就將本體理論與技術(shù)應(yīng)用到信息資源融合研究中。在資源融合中使用本體方法是對(duì)異構(gòu)信息資源語義化標(biāo)注，建立標(biāo)準(zhǔn)元數(shù)據(jù)知識(shí)存儲(chǔ)庫，實(shí)現(xiàn)語義檢索的過程。本體的本質(zhì)是知識(shí)組織工具，這使數(shù)字資源語義化標(biāo)注和互操作成為可能，在一定范圍消除了數(shù)字資源語義異構(gòu)問題，但局限在于其一定是領(lǐng)域相關(guān)，是針對(duì)某一個(gè)領(lǐng)域或知識(shí)庫內(nèi)的資源融合。對(duì)于多個(gè)領(lǐng)域間或知識(shí)庫間的融合，則必須通過數(shù)據(jù)映射和關(guān)聯(lián)加以實(shí)現(xiàn)。

1.2 關(guān)聯(lián)數(shù)據(jù)的引入

作為語義網(wǎng)的實(shí)現(xiàn)方式之一，關(guān)聯(lián)數(shù)據(jù)的優(yōu)勢(shì)已經(jīng)展現(xiàn)出來，得到了各界和圖書館界的廣泛關(guān)注[5]。面對(duì)海量數(shù)字資源和增強(qiáng)資源全球互操作性的要求，2010年成立了圖書館關(guān)聯(lián)數(shù)據(jù)孵化組織。該組織期望各圖書館通過制定共同標(biāo)準(zhǔn)進(jìn)行數(shù)字館藏資源的描述，并發(fā)布統(tǒng)一標(biāo)準(zhǔn)的關(guān)聯(lián)數(shù)據(jù)，從而能更好地推動(dòng)圖書館事業(yè)的發(fā)展。瑞典國(guó)家圖書館開放聯(lián)合書目為關(guān)聯(lián)數(shù)據(jù)，實(shí)現(xiàn)了書目數(shù)據(jù)互聯(lián)；美國(guó)國(guó)會(huì)圖書館共享和重用了書目數(shù)據(jù)，語義化描述標(biāo)題表后，在Web上以關(guān)聯(lián)數(shù)據(jù)的形式發(fā)布；2010年德國(guó)國(guó)家圖書館公開其關(guān)聯(lián)數(shù)據(jù)為權(quán)威數(shù)據(jù)；法國(guó)國(guó)家圖書館語義描述主題編目后，將其以開放式關(guān)聯(lián)數(shù)據(jù)發(fā)布；2010年匈牙利國(guó)家圖書館將數(shù)字圖書館、OPAC以及相應(yīng)的數(shù)據(jù)以關(guān)聯(lián)數(shù)據(jù)的形式發(fā)布；OCLC將來自14家圖書館中格式不同的權(quán)威文檔進(jìn)行關(guān)聯(lián)之后，提供給VIAF項(xiàng)目，使圖書館規(guī)范文檔的利用率得到有效提高。

2 館藏資源融合的必要性

網(wǎng)絡(luò)技術(shù)和計(jì)算機(jī)技術(shù)不斷發(fā)展，圖書館館藏資源逐漸向數(shù)字資源演化，館藏范圍越來越廣，館藏結(jié)構(gòu)也不再拘泥于傳統(tǒng)的紙質(zhì)文獻(xiàn)等格式。新技術(shù)在促使圖書館發(fā)展的同時(shí)，也沖擊了其傳統(tǒng)的服務(wù)模式[6-7]。

館藏資源種類繁多，內(nèi)容豐富，分屬不同數(shù)據(jù)庫，具有不同的組織形式、描述格式和存儲(chǔ)格式，很容易出現(xiàn)數(shù)據(jù)異構(gòu)現(xiàn)象。知識(shí)庫資源之間也可能產(chǎn)生重復(fù)，知識(shí)的相關(guān)性不明晰。為了幫助用戶獲得更全面和準(zhǔn)確的信息，有必要集成圖書館的數(shù)字資源，對(duì)館藏資源進(jìn)行更深層次的融合。

3 館藏資源的語義關(guān)聯(lián)

一直以來圖書館研究領(lǐng)域關(guān)注的重點(diǎn)是館藏資源在數(shù)字化進(jìn)程中的組織和序化，語義網(wǎng)的興起及相關(guān)信息技術(shù)的出現(xiàn)使該研究進(jìn)入了新的時(shí)代。近年來，館藏資源的語義關(guān)聯(lián)研究有了眾多成果。

3.1 系統(tǒng)的構(gòu)建

從用戶的角度看，個(gè)性化需求因用戶層次不同而有所差異。在館藏資源語義融合過程中，最關(guān)鍵的是語義關(guān)聯(lián)系統(tǒng)的構(gòu)建，相關(guān)研究分為新型知識(shí)組織概念體系的構(gòu)建和傳統(tǒng)詞表的語義化改造兩個(gè)方面。

迄今為止，有數(shù)種關(guān)于文本的知識(shí)表示方法。文本挖掘是從海量的文本數(shù)據(jù)中提取出潛在、用戶可用的隱藏知識(shí)以及可用信息。隨著研究的不斷推進(jìn)，學(xué)者們基于本體論開始進(jìn)行信息資源的語義揭示。在詞表的語義化方面，相關(guān)研究機(jī)構(gòu)改造了原有的概念組織系統(tǒng)并提出相應(yīng)的數(shù)據(jù)描述模型。

3.2 技術(shù)的實(shí)現(xiàn)

組織和序化館藏?cái)?shù)字資源的目標(biāo)是使用戶的個(gè)性化需求得到滿足，所以研究的趨勢(shì)就是設(shè)計(jì)出符合用戶習(xí)慣的知識(shí)組織體系。利用現(xiàn)有知識(shí)組織系統(tǒng)把數(shù)字化館藏資源科學(xué)有效地序化，并在此基礎(chǔ)上對(duì)館藏資源的語義信息進(jìn)行有效的揭示，最終構(gòu)建起語義關(guān)聯(lián)，推動(dòng)館藏資源的深層次應(yīng)用。關(guān)聯(lián)數(shù)據(jù)技術(shù)的提出，推動(dòng)了館藏資源的語義關(guān)聯(lián)和全面共享。作為新興的技術(shù)，關(guān)聯(lián)數(shù)據(jù)技術(shù)越來越受到關(guān)注，但是圖書館資源關(guān)聯(lián)數(shù)據(jù)的語義化研究尚處在起步階段，研究成果較少，研究團(tuán)隊(duì)也較為分散。上海圖書館集合數(shù)字圖書館背景和語義網(wǎng)技術(shù)深入研究探討了關(guān)聯(lián)數(shù)據(jù)理念，國(guó)家科學(xué)圖書館在數(shù)字圖書館中利用LOD方法揭示資源與知識(shí)內(nèi)容關(guān)聯(lián)。

3.3 關(guān)系識(shí)別和算法

關(guān)聯(lián)的識(shí)別和發(fā)現(xiàn)算法在館藏資源語義描述的實(shí)現(xiàn)、語義關(guān)系的挖掘和關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建過程中極其重要。這方面的研究成果集中在發(fā)現(xiàn)機(jī)制的探討和算法研究上，研究涉及的資源類型多樣化，包括數(shù)據(jù)、文本及多媒體信息。

在數(shù)據(jù)融合空間的構(gòu)建中，數(shù)據(jù)間的關(guān)聯(lián)發(fā)現(xiàn)是研究重點(diǎn)，計(jì)算語義相關(guān)度的傳統(tǒng)方法存在語義揭示缺乏的問題。針對(duì)這一問題，相關(guān)學(xué)者進(jìn)行了語義關(guān)聯(lián)計(jì)算方法的改進(jìn)，主要是借助語義樹構(gòu)建和描述上下文權(quán)重。還有研究者基于知識(shí)模型提出了簡(jiǎn)單的語義發(fā)現(xiàn)規(guī)則。在研究文本語義關(guān)聯(lián)中，熱點(diǎn)是關(guān)聯(lián)和知識(shí)發(fā)現(xiàn)非相關(guān)文獻(xiàn)的隱含內(nèi)容。一部分學(xué)者認(rèn)為該方法不能客觀反映中間文獻(xiàn)的主題關(guān)聯(lián)度，因而提出為文獻(xiàn)聚類加權(quán)的改進(jìn)方法。在語義關(guān)聯(lián)發(fā)現(xiàn)算法方面，占據(jù)重要位置的是層次聚類方法，而且由于館藏資源對(duì)象的向量空間維度很高，在語義關(guān)聯(lián)發(fā)現(xiàn)中擅長(zhǎng)處理高維數(shù)據(jù)的算法也得到了充分的應(yīng)用。

3.4 存在的不足

目前國(guó)內(nèi)在資源知識(shí)組織方面的研究主要集中在基礎(chǔ)知識(shí)、知識(shí)表示以及關(guān)鍵技術(shù)和方法等領(lǐng)域，理論研究逐步發(fā)展，但是缺乏與實(shí)踐應(yīng)用的結(jié)合。基于語義的知識(shí)組織缺乏系統(tǒng)的創(chuàng)新，沒有考慮到用戶實(shí)際的個(gè)性化需求?；谥R(shí)組織的服務(wù)平臺(tái)大部分是以館藏文獻(xiàn)為單位的粗粒度、淺層服務(wù)模式，與用戶實(shí)際所需的細(xì)粒度知識(shí)服務(wù)存在著一定的差距。從組織和序化館藏資源的角度來看，語義深層次序化與關(guān)聯(lián)的研究空間較大，可以從兩方面入手深入研究：一是以文獻(xiàn)為單位組織和整合物理形態(tài)，二是從知識(shí)元視角討論網(wǎng)絡(luò)資源的語義描述和融合。

4 基于本體和關(guān)聯(lián)數(shù)據(jù)的館藏?cái)?shù)字資源融合模型

4.1 融合結(jié)構(gòu)設(shè)計(jì)

本文基于關(guān)聯(lián)數(shù)據(jù)構(gòu)建了數(shù)字圖書館館藏資源語義化融合模式的整體結(jié)構(gòu)(圖1)。

圖1 基于關(guān)聯(lián)數(shù)據(jù)的館藏資源語義化融合模型(LDRSPM)框架

由圖1可見，該模式共分為3個(gè)層次。一是本體融合層。在圖書館中，館藏資源根據(jù)類型和來源的不同，所采用的元數(shù)據(jù)描述規(guī)范通常也有所不同。即使是處于同一所圖書館，其中的元數(shù)據(jù)規(guī)范也是多樣化的，不同圖書館之間的元數(shù)據(jù)更是千差萬別。在圖書館數(shù)字資源中，元數(shù)據(jù)是語義基礎(chǔ)，但其帶來的異構(gòu)性問題無法得到解決，有必要基于本體機(jī)制對(duì)元數(shù)據(jù)進(jìn)行描述，轉(zhuǎn)換元數(shù)據(jù)為同一語義的RDF格式，實(shí)現(xiàn)元數(shù)據(jù)的語義化互操作。二是資源融合層。在該層依據(jù)關(guān)聯(lián)數(shù)據(jù)的原則，采用本體化的元數(shù)據(jù)模型，對(duì)館藏資源進(jìn)行語義化描述，借助語義融合的本體把具有語義的RDF鏈接顯性地揭示出來，將具有各種隱性關(guān)系的相關(guān)資源連接起來，實(shí)現(xiàn)圖書館不同制式單元語義融合。三是數(shù)據(jù)應(yīng)用層。該層主要是瀏覽和查詢關(guān)聯(lián)數(shù)據(jù)化資源，在明確查詢結(jié)果的基礎(chǔ)上對(duì)其他相關(guān)信息進(jìn)行深度鏈接，從而查詢到更多的知識(shí)單元。

4.2 本體的設(shè)計(jì)和構(gòu)建

在構(gòu)建本體時(shí)，一般采用多本體法或混合法。前者相對(duì)靈活，后者則較易實(shí)現(xiàn)元數(shù)據(jù)之間的語義互操作。根據(jù)兩種方法的特點(diǎn)，本文構(gòu)建出核心元數(shù)據(jù)本體，保證元數(shù)據(jù)本體的共享和靈活。根據(jù)特定資源添加相應(yīng)的屬性和概念，從而實(shí)現(xiàn)本體間的互聯(lián)。本文選用的核心元數(shù)據(jù)本體為DC元數(shù)據(jù)，構(gòu)建本體采用的編輯器為Protg本體編輯器，編輯時(shí)使用手工編輯方式。首先，在構(gòu)建核心元數(shù)據(jù)本體時(shí)，基于粒度劃分?jǐn)?shù)據(jù)資源，分為文檔和文檔集合；其次，將文檔進(jìn)一步細(xì)分為合集文檔和單一文檔。由于融合的資源類型廣泛，在對(duì)館藏資源外的資源進(jìn)行語義描述時(shí)，要對(duì)基于現(xiàn)有本體復(fù)用，擴(kuò)展其屬性。在對(duì)相關(guān)知識(shí)組織資源進(jìn)行融合時(shí)，采用的描述語言是SKOS語言，其具體描述概念和相互之間的關(guān)系本文就不一一列舉了。

4.3 關(guān)聯(lián)數(shù)據(jù)的構(gòu)建

在構(gòu)建本體模型的基礎(chǔ)上，語義化描述所有資源，使各類資源的數(shù)據(jù)格式統(tǒng)一為RDF數(shù)據(jù)。在關(guān)聯(lián)數(shù)據(jù)發(fā)布時(shí)，選擇RDF三元存儲(chǔ)器，完成不同知識(shí)單元間的資源融合。首先，進(jìn)行數(shù)據(jù)的采集。數(shù)據(jù)來源于圖書館文獻(xiàn)資源數(shù)據(jù)庫，在數(shù)據(jù)采集時(shí)，選用標(biāo)準(zhǔn)格式數(shù)據(jù)。在批量導(dǎo)出元數(shù)據(jù)信息時(shí)，選擇“NoteFirst”格式以便于后期的格式轉(zhuǎn)換。其次，進(jìn)行RDF元數(shù)據(jù)的構(gòu)建。根據(jù)數(shù)據(jù)類型屬性對(duì)數(shù)據(jù)采用手工轉(zhuǎn)換的方式進(jìn)行RDF數(shù)據(jù)集的生成，并根據(jù)不同的本體對(duì)不同的數(shù)據(jù)進(jìn)行描述，分別生成對(duì)應(yīng)的RDF數(shù)據(jù)集。第三，構(gòu)建元數(shù)據(jù)。它是語義關(guān)聯(lián)其他相關(guān)本體的，因此按照數(shù)據(jù)類型屬性的屬性值關(guān)聯(lián)不同數(shù)據(jù)集間的數(shù)據(jù)，形成關(guān)聯(lián)數(shù)據(jù)化的圖書館館藏資源。第四，發(fā)布關(guān)聯(lián)數(shù)據(jù)。數(shù)據(jù)源的存在形式、更新頻率以及數(shù)據(jù)量決定關(guān)聯(lián)數(shù)據(jù)的發(fā)布，本文利用RDF三元組存儲(chǔ)器方式進(jìn)行發(fā)布，其過程如圖2所示。第五，通過關(guān)聯(lián)數(shù)據(jù)訪問目標(biāo)資源。LDRSPM采用SPARQL查詢終端，該界面支持基于語義的查詢，不僅可以無縫切換圖書館的不同數(shù)據(jù)集，還可以鏈接圖書館的外部數(shù)據(jù)。但是該界面的缺點(diǎn)是用戶要很熟悉SPARQL，加大了普通用戶的查詢難度。

圖2 RDF三元組存儲(chǔ)器發(fā)布關(guān)聯(lián)數(shù)據(jù)示意圖

5 功能、屬性和檢索效果比較

從融合的角度和檢索的效果兩方面，對(duì)LDRSPM模型和典型的資源整合系統(tǒng)CALIS OPAC和中國(guó)知網(wǎng)(CNKI)進(jìn)行比較(表1和表2)。

從表1和2可以看到，應(yīng)用本體和關(guān)聯(lián)數(shù)據(jù)聯(lián)動(dòng)融合的LDRSPM模型具有以下顯著特征。一是在廣度方面，LDRSPM可檢索到多種類型的資源，而OPAC和CNKI只能對(duì)某幾種特定的資源進(jìn)行檢索；二是在深度方面，LDRSPM提供資源之間的無痕鏈接，可明確資源之間的語義相關(guān)性，有利于資源的開發(fā)和利用；三是控制詞能實(shí)現(xiàn)語義概念搜索，在搜索過程中實(shí)現(xiàn)對(duì)詞匯的自動(dòng)配對(duì)，既可擴(kuò)展搜索范圍，又可以維持檢索的精準(zhǔn)率，而OPAC和CNKI只能機(jī)械地進(jìn)行字符串檢索，準(zhǔn)確率和召回率都明顯不如LDRSPM。但LDRSPM對(duì)控詞依賴程度大，對(duì)于控制詞表里沒有收錄的詞，則無法實(shí)現(xiàn)檢索。

表1 LDRSPM模型和OPAC與CNKI的功能、屬性比較

表2 LDRSPM模型和OPAC與CNKI的檢索效果比較

6 結(jié)論

在圖書館的數(shù)字化進(jìn)程中，館藏資源融合的深度和廣度不夠，語義異構(gòu)問題也有待進(jìn)一步解決。本文在討論關(guān)聯(lián)數(shù)據(jù)和館藏資源融合現(xiàn)狀的基礎(chǔ)上，基于關(guān)聯(lián)數(shù)據(jù)探討了數(shù)字圖書館藏資源的語義化融合過程，力爭(zhēng)實(shí)現(xiàn)元數(shù)據(jù)的語義互操作和格式、類型不同的元數(shù)據(jù)之間的融合，從而給用戶提供更加便利和完善的知識(shí)服務(wù)，使圖書館資源價(jià)值最大化。