基于Wikidata的COVID-19信息組織策略研究

楊倩 李小麗

摘? 要：對(duì)Wikidata數(shù)據(jù)模型以及其對(duì)COVID-19信息組織等模式進(jìn)行研究，以期對(duì)國(guó)內(nèi)信息組織等相關(guān)領(lǐng)域的研究以及COVID-19數(shù)據(jù)整合的相關(guān)工作提供借鑒和參考。首先對(duì)主流的三個(gè)知識(shí)庫(kù)進(jìn)行對(duì)比分析，其次將Wikidata中的中國(guó)COVID-19數(shù)據(jù)與中國(guó)國(guó)家衛(wèi)生健康委員會(huì)的疫情數(shù)據(jù)進(jìn)行多個(gè)維度的比較分析，最后對(duì)Wikidata中的COVID-19數(shù)據(jù)可視化基礎(chǔ)框架進(jìn)行分析，以探索Wikidata對(duì)COVID-19信息組織策略。Wikidata具有靈活的數(shù)據(jù)模型，使用RDF三元組的形式存儲(chǔ)數(shù)據(jù)，并通過(guò)限定符和參考引用提供基本語(yǔ)句的附加特性和來(lái)源。Wikidata記錄的COVID-19數(shù)據(jù)具有多種可獲取途徑和較高的準(zhǔn)確性，但在數(shù)據(jù)及時(shí)性和完整性方面有待進(jìn)一步完善。

關(guān)鍵詞：Wikidata；COVID-19；信息組織；COVIWD

中圖分類號(hào)：TP391；G254? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）03-0001-07

Research on COVID-19 Information Organization Strategy Based on Wikidata

YANG Qian， LI Xiaoli

（School of Public Administration， Sichuan University， Chengdu? 610065， China）

Abstract： This paper studies the Wikidata data model and its mode on COVID-19 information organization， with a view to providing reference for the research of domestic information organization and the relevant work of COVID-19 data integration. First， the three mainstream knowledge bases are compared and analyzed. Secondly， the COVID-19 data from China in Wikidata and the epidemic data of the National Health Commission of China are compared and analyzed from multiple dimensions. Finally， the basic framework of COVID-19 data visualization in Wikidata is analyzed to explore the strategy of Wikidata to COVID-19 information organization. Wikidata has a flexible data model， stores data in the form of RDF triples， and provides additional features and sources of basic statements through qualifiers and reference. The COVID-19 data recorded by Wikidata has multiple access ways and high accuracy， but the timeliness and integrity of the data need to be further improved.

Keywords： Wikidata; COVID-19; information organization; COVIWD

0? 引? 言

2019年新型冠狀病毒感染（COVID-19）的爆發(fā)對(duì)全球的政治、經(jīng)濟(jì)、生活等各方面產(chǎn)生了巨大的影響。截至2022年10月11日，全球累計(jì)確診病例已達(dá)61 916萬(wàn)人，累計(jì)死亡人數(shù)已達(dá)653萬(wàn)[1]，由此，各領(lǐng)域需要采取多種行動(dòng)來(lái)抗擊COVID-19的傳播。COVID-19的爆發(fā)導(dǎo)致世界各地?zé)o時(shí)無(wú)刻不在產(chǎn)生著海量的數(shù)據(jù)，因此，對(duì)COVID-19各類數(shù)據(jù)進(jìn)行有效的組織與整合是當(dāng)下研究的熱點(diǎn)話題，同時(shí)，對(duì)結(jié)構(gòu)化的COVID-19數(shù)據(jù)的開(kāi)放共享，有利于推進(jìn)各領(lǐng)域?qū)OVID-19相關(guān)工作的開(kāi)展以及學(xué)術(shù)界的研究。

Wikidata是一個(gè)開(kāi)放、協(xié)作的平臺(tái)，集成了各類主題的結(jié)構(gòu)化數(shù)據(jù)，截至2022年1月20日，總計(jì)包含9 666 172個(gè)數(shù)據(jù)條目[2]，其數(shù)據(jù)主要來(lái)源于維基百科和其他維基媒體的數(shù)據(jù)條目，采用眾包的模式建立，支持包含中文版本在內(nèi)的多種語(yǔ)言，是一個(gè)機(jī)器和人都能編輯的免費(fèi)、開(kāi)放的知識(shí)庫(kù)。Wikidata整合了COVID-19各類主題的數(shù)據(jù)，用戶可以免費(fèi)查詢和獲取有關(guān)數(shù)據(jù)，眾包模式允許任何人添加或編輯其專業(yè)知識(shí)領(lǐng)域或感興趣的主題信息，便于對(duì)COVID-19科學(xué)數(shù)據(jù)的開(kāi)放獲取，旨在改善關(guān)于新冠病毒和大流行的公開(kāi)，提高語(yǔ)義關(guān)聯(lián)數(shù)據(jù)的可用性。

儀表盤主要整合大量不同主題的數(shù)據(jù)，并提供可視化服務(wù)。目前，國(guó)外已經(jīng)有多個(gè)領(lǐng)域?qū)x表盤進(jìn)行了研究及應(yīng)用，如美國(guó)亞特蘭大市政府機(jī)構(gòu)于2002年提出了一個(gè)業(yè)績(jī)衡量系統(tǒng)，即亞特蘭大儀表盤，主要用于評(píng)估市政業(yè)績(jī)的各個(gè)方面，從而提高市政服務(wù)的效率和效力[3]；私營(yíng)部門基于不同制造目標(biāo)群體關(guān)鍵績(jī)效指標(biāo)的調(diào)查結(jié)果，設(shè)計(jì)了三個(gè)具有代表性的制造儀表盤，包括工人操作儀表盤、經(jīng)理戰(zhàn)術(shù)儀表盤和高管戰(zhàn)略儀表盤，用于制造企業(yè)[4]；在醫(yī)療保健領(lǐng)域，有學(xué)者提出一種醫(yī)療儀表盤——BESTBoard，并在一家三甲醫(yī)院中的所有病房實(shí)施[5]。

在新冠疫情背景下，國(guó)外針對(duì)COVID-19數(shù)據(jù)開(kāi)發(fā)出了許多儀表盤可視化平臺(tái)，如世界衛(wèi)生組織[6]、約翰霍普金斯大學(xué)[7]和Worldometers[8]。除此之外，Wikidata也提供了COVID-19相關(guān)主題數(shù)據(jù)的可視化服務(wù)——COVID-19 Wikidata的儀表盤（COVIWD），COVIWD采用了RDF技術(shù)進(jìn)行數(shù)據(jù)建模，以及SPARQL構(gòu)建查詢，是最早利用開(kāi)放知識(shí)圖譜及相關(guān)技術(shù)提供實(shí)時(shí)、直觀的COVID-19數(shù)據(jù)的應(yīng)用，其中包含了疫情病例癥狀、風(fēng)險(xiǎn)因素、各國(guó)病例和死亡人數(shù)的比較以及隨時(shí)間的變化趨勢(shì)，并以可視化的形式呈現(xiàn)給用戶，用戶可以通過(guò)該儀表盤快速了解到相關(guān)主題數(shù)據(jù)的信息。目前，國(guó)內(nèi)對(duì)儀表盤的研究及應(yīng)用較少，本文對(duì)Wikidata的COVIWD分析，以期為國(guó)內(nèi)相關(guān)領(lǐng)域的研究提供借鑒和啟示。

本文基于Wikidata知識(shí)庫(kù)，在對(duì)其數(shù)據(jù)模型分析的基礎(chǔ)上，針對(duì)Wikidata上的COVID-19主題數(shù)據(jù)進(jìn)行調(diào)查分析，并通過(guò)與中國(guó)國(guó)家衛(wèi)生健康委員會(huì)的疫情數(shù)據(jù)進(jìn)行對(duì)比分析，旨在對(duì)Wikidata整合的COVID-19數(shù)據(jù)進(jìn)行可訪問(wèn)性、準(zhǔn)確性、及時(shí)性和完整性四個(gè)維度的評(píng)價(jià)，并根據(jù)提供的COVIWD可視化儀表盤，構(gòu)建SPARQL查詢及可視化呈現(xiàn)。Wikidata作為一個(gè)開(kāi)放、協(xié)作的平臺(tái)，國(guó)內(nèi)學(xué)者可以很好地借鑒并使用，從而促進(jìn)我國(guó)信息組織領(lǐng)域和新冠疫情數(shù)據(jù)整合等方面的研究。

1? Wikidata知識(shí)庫(kù)概述

1.1? Wikidata、DBpedia和YOGO對(duì)比分析

語(yǔ)義網(wǎng)是由Berners-Lee等于2001年提出的，其思想是以語(yǔ)義化結(jié)構(gòu)的方式在Web上發(fā)布和查詢知識(shí)[9]。在實(shí)現(xiàn)其思想過(guò)程中，知識(shí)圖譜的概念被提出，并被視為其最重要的組件之一。目前，《本體論手冊(cè)》一書(shū)中將知識(shí)圖譜定義為知識(shí)庫(kù)，即本體與本體中類與實(shí)例的組合，包含大量有關(guān)實(shí)體的事實(shí)[10]。近年來(lái)，有關(guān)知識(shí)圖譜的研究及應(yīng)用日益流行，各種各樣的知識(shí)圖譜可以在諸如Wikidata、DBpedia、YAGO、OpenCyc、NELL和ConceptNet等網(wǎng)站上找到。維基百科是目前最大的公共知識(shí)庫(kù)之一，也是網(wǎng)絡(luò)上最大的百科全書(shū)，包含各種主題的文本和結(jié)構(gòu)化數(shù)據(jù)，但并不支持任何語(yǔ)言進(jìn)行數(shù)據(jù)查詢?cè)L問(wèn)數(shù)據(jù)或下載轉(zhuǎn)儲(chǔ)，目前Wikidata、DBpedia、YAGO等知識(shí)庫(kù)抽取維基百科頁(yè)面的數(shù)據(jù)信息，并將數(shù)據(jù)存儲(chǔ)為RDF三元組形式，實(shí)現(xiàn)了維基百科中數(shù)據(jù)的查詢和獲取。因此，本節(jié)選取Wikidata、DBpedia、YAGO三個(gè)使用最廣泛的知識(shí)庫(kù)，進(jìn)行多個(gè)維度的對(duì)比分析，比較結(jié)果如表1所示。

DBpedia從維基百科中提取結(jié)構(gòu)化信息，其包含了大多數(shù)其他知識(shí)庫(kù)如Wikipedia、YAGO、Wikidata、Freebase等的鏈接，DBpedia是一個(gè)靜態(tài)的知識(shí)圖譜，從維基百科的靜態(tài)轉(zhuǎn)儲(chǔ)中定期更新，信息提取過(guò)程比較繁雜。由于維基百科的內(nèi)容每秒鐘都在更新，Mohamed Morsey等人于2012年提出DBpedia LIVE[11]版本，其目的是為了提供與維基百科同步的信息，但其數(shù)據(jù)質(zhì)量依賴于維基百科的內(nèi)容和提取算法/模板映射，不如Wikidata和YAGO的人工評(píng)估。

YAGO是最早自動(dòng)創(chuàng)建的知識(shí)庫(kù)學(xué)術(shù)項(xiàng)目之一[12]，其主要思想是從維基百科中獲取有關(guān)實(shí)體的信息，并將獲取的信息與WordNet[13]中類派生的本體結(jié)合。YAGO創(chuàng)建者對(duì)數(shù)據(jù)提取、過(guò)濾過(guò)程以及本體、關(guān)系的選擇、語(yǔ)義約束的嚴(yán)格控制，提高了YAGO知識(shí)庫(kù)數(shù)據(jù)的質(zhì)量，人工驗(yàn)證的準(zhǔn)確率達(dá)到95%[14]。然而，盡管新版本YAGO 4在之前版本的范圍和規(guī)模上有了巨大的飛躍以及高度精準(zhǔn)的特點(diǎn)，但對(duì)維基百科信息框的關(guān)注意味著YAGO還沒(méi)有達(dá)到Wikidata的規(guī)模。

綜合上述維度的對(duì)比分析可知，Wikidata與其他兩個(gè)知識(shí)庫(kù)相比，擁有更大規(guī)模的數(shù)據(jù)量、更廣泛的數(shù)據(jù)來(lái)源以及靈活的數(shù)據(jù)結(jié)構(gòu)，并支持多種數(shù)據(jù)格式的獲取，其實(shí)體以唯一的ID來(lái)標(biāo)識(shí)，Wikidata的數(shù)據(jù)模型允許用戶對(duì)某個(gè)特定主題靈活、及時(shí)地表示，例如Wikidata創(chuàng)建了候選疫苗的條目（Q28051899），但由于其沒(méi)有出現(xiàn)在維基百科上，因此該概念在DBpedia中也沒(méi)有出現(xiàn)。綜合來(lái)說(shuō)，Wikidata具有開(kāi)放協(xié)作、多語(yǔ)言、結(jié)構(gòu)化的特點(diǎn)[15]，其為每個(gè)條目添加聲明，并記錄了其來(lái)源，使得數(shù)據(jù)更具有可靠性和真實(shí)性。故本文選取Wikidata知識(shí)庫(kù)，對(duì)其數(shù)據(jù)模型進(jìn)行分析，并對(duì)Wikidata中的COVID-19維基項(xiàng)目進(jìn)行進(jìn)一步的探析，以期借鑒Wikidata知識(shí)庫(kù)的信息組織模式，促進(jìn)國(guó)內(nèi)相關(guān)領(lǐng)域研究的發(fā)展，引發(fā)對(duì)COVID-19數(shù)據(jù)有效整合的進(jìn)一步思考。

1.2? Wikidata數(shù)據(jù)模型分析

Wikidata的主要目的是存儲(chǔ)維基百科頁(yè)面中任何語(yǔ)言描述的實(shí)物的結(jié)構(gòu)化數(shù)據(jù)，換言之，Wikidata是結(jié)構(gòu)化數(shù)據(jù)的集成。而Wikibase是Wikidata的軟件基礎(chǔ)設(shè)施，可以將其理解為一個(gè)實(shí)體集，這些實(shí)體是知識(shí)庫(kù)的基本元素，可以用Wikibase數(shù)據(jù)模型來(lái)描述和引用[16]。MediaWiki是為維基百科和其他維基媒體項(xiàng)目開(kāi)發(fā)和使用的特定wiki引擎。Wikibase數(shù)據(jù)模型描述了在Wikibase中處理的數(shù)據(jù)的結(jié)構(gòu)，它指定了用戶可以向系統(tǒng)提供具體類型的信息。在更抽象的層面上，Wikibase數(shù)據(jù)模型提供了一個(gè)元模型或本體來(lái)描述現(xiàn)實(shí)世界的實(shí)體。

Wikidata上數(shù)據(jù)的組織包含三個(gè)命名空間[17]：

（1）主命名空間，主要存儲(chǔ)Wikidata上的條目，在Wikidata數(shù)據(jù)模型中，每個(gè)概念都有相應(yīng)的條目，Wikidata上存儲(chǔ)的信息通常與條目的主題相關(guān)。

（2）屬性命名空間，用于存儲(chǔ)數(shù)據(jù)的屬性并生成描述性語(yǔ)句。

（3）查詢命名空間，用于定義查詢和顯示信息的方法。

Wikidata條目的字段包含：多語(yǔ)言標(biāo)簽（label）、標(biāo)識(shí)符（ID）、多語(yǔ)言描述（description）、多語(yǔ)言別稱（aliases）、陳述（statements）或聲明（claims）等。Wikidata上COVID-19大流行的數(shù)據(jù)結(jié)構(gòu)如圖1所示。

Wikidata中的基本語(yǔ)句是RDF三元組的形式，即主語(yǔ)、謂語(yǔ)和賓語(yǔ)，主語(yǔ)即各種條目，謂語(yǔ)是每個(gè)條目對(duì)應(yīng)的屬性，賓語(yǔ)是另一個(gè)條目或?qū)傩?。Wikidata為每個(gè)條目分配唯一標(biāo)識(shí)符，用Q+ID表示，同時(shí)，為每個(gè)屬性分配唯一標(biāo)識(shí)符，用P+ID表示。部分屬性將條目作為賓語(yǔ)關(guān)聯(lián)起來(lái)，如實(shí)例（P31）、子類（P279）和部分（P361），也可以是重要人物（P3342）、用于治療的藥物（P2176）或癥狀（P780）。大多數(shù)情況下，屬性所連接的賓語(yǔ)是一個(gè)值，如病例數(shù)（P1603）、時(shí)間點(diǎn)（P585）、URL（如官方網(wǎng)站[P856]）、字符串（如官方名稱[P1448]）或外部標(biāo)識(shí)符（如疾病本體ID[P699]）。Wikidata向每個(gè)條目添加了限定符和參考引用，通過(guò)限定符或參考引用提供其限定條件或參考來(lái)源，使數(shù)據(jù)更具有真實(shí)性和可靠性，用戶也可通過(guò)參考來(lái)源對(duì)該條目進(jìn)行進(jìn)一步的了解。

1.3? Wikidata相關(guān)研究綜述

國(guó)外在Wikidata等知識(shí)庫(kù)的研究相對(duì)比較成熟，其研究?jī)?nèi)容主要集中是將Wikidata應(yīng)用于數(shù)據(jù)重用以及對(duì)Wikidata數(shù)據(jù)質(zhì)量的評(píng)估等方面。DENNY和MARKUS對(duì)Wikidata的基本情況進(jìn)行了闡述，包括Wikidata的基本目標(biāo)，即抽取包括維基百科等網(wǎng)站頁(yè)面結(jié)構(gòu)化數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的可見(jiàn)性和實(shí)用性，以及Wikidata的眾包模式，允許全球社區(qū)編輯數(shù)據(jù)[18]。Erxleben等人將Wikidata連接到關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)，引入了新的RDF導(dǎo)出，從而解決了Wikidata中豐富、復(fù)雜的數(shù)據(jù)不能以RDF形式提供的問(wèn)題，并探討了Wikidata的數(shù)據(jù)模型及其RDF編碼[19]。Malyshev等人探討了Wikidata發(fā)揮其全部潛力的主要挑戰(zhàn)，即數(shù)據(jù)共享與查詢提供的服務(wù)，并分析了Wikidata依賴的語(yǔ)義網(wǎng)技術(shù)以及Wikidata的底層基礎(chǔ)設(shè)施，包括Wikidata及其RDF編碼和導(dǎo)出服務(wù)、SPARQL服務(wù)等[20]。此外，國(guó)外還有學(xué)者對(duì)Wikidata數(shù)據(jù)貢獻(xiàn)者進(jìn)行了研究，Piscopo等人提出了一個(gè)用于評(píng)估本體質(zhì)量的框架，利用回歸模型，研究了Wikidata中不同用戶角色與Wikidata本體質(zhì)量之間的關(guān)系，并探討了每種角色是如何影響本體質(zhì)量的[21]。

國(guó)內(nèi)Wikidata相關(guān)的研究較少，主要研究學(xué)者是賈君枝教授及其團(tuán)隊(duì)，研究?jī)?nèi)容集中在對(duì)Wikidata上的人物類、機(jī)構(gòu)類等結(jié)構(gòu)化數(shù)據(jù)集的分析。賈君枝和馮婕運(yùn)用因果鏈求解算法挖掘Wikidata人物親屬關(guān)系，通過(guò)羅馬親等方法計(jì)算親屬關(guān)系遠(yuǎn)近，并構(gòu)建了個(gè)人實(shí)體關(guān)聯(lián)模型[22]。賈君枝和崔西燕對(duì)Wikidata的屬性特征進(jìn)行了分析，并根據(jù)屬性特征利用Gephi工具進(jìn)行進(jìn)一步的挖掘研究[23]。劉超針對(duì)Wikidata編纂條目，構(gòu)建了PROV起源模型，并評(píng)估了Wikidata條目編纂的可信度，對(duì)其數(shù)據(jù)來(lái)源和質(zhì)量進(jìn)行有效追溯[24]。賈君枝和葉壯壯基于Wikidata上的機(jī)構(gòu)類，利用子類和實(shí)例屬性，構(gòu)建機(jī)構(gòu)類目范疇樹(shù)并在此基礎(chǔ)上提出了對(duì)其優(yōu)化方法，可有效地解決機(jī)構(gòu)類層級(jí)混亂等問(wèn)題[25]。賈君枝和趙宇飛對(duì)Wikidata上的人物類條目進(jìn)行研究，實(shí)現(xiàn)其與名稱規(guī)范檔數(shù)據(jù)的聚合，并在此基礎(chǔ)上，構(gòu)建了D2R三元組映射模型，初步實(shí)現(xiàn)名稱規(guī)范檔人物數(shù)據(jù)的語(yǔ)義化整合[26]。

Wikidata與其他知識(shí)庫(kù)相比，在數(shù)據(jù)源、數(shù)據(jù)量、數(shù)據(jù)質(zhì)量等各方面具有一定的優(yōu)勢(shì)，目前國(guó)外在Wikidata數(shù)據(jù)模型以及利用其對(duì)新冠疫情數(shù)據(jù)進(jìn)行整合集成研究上相對(duì)成熟，而國(guó)內(nèi)的相關(guān)研究較少，盡管在新冠疫情數(shù)據(jù)整理方面，國(guó)內(nèi)各政府部門每日發(fā)布實(shí)時(shí)數(shù)據(jù)，但目前尚未形成一個(gè)全面的數(shù)據(jù)組織模式。Wikidata：COVID-19維基項(xiàng)目整合了新冠疫情相關(guān)的各方面數(shù)據(jù)，并以可視化形式呈現(xiàn)給用戶，分析Wikidata數(shù)據(jù)模型以及其對(duì)疫情數(shù)據(jù)在信息組織與發(fā)布的模式對(duì)國(guó)內(nèi)疫情大數(shù)據(jù)的有效組織集成具有重要意義，值得進(jìn)一步的探討和借鑒。

2? Wikidata COVID-19開(kāi)放數(shù)據(jù)分析

2.1? Wikidata COVID-19主要條目

Wikidata中COVID-19知識(shí)圖譜的核心包含三個(gè)主要條目：COVID-19（Q84263196）、SARS-CoV-2（Q82069695）和COVID-19大流行（Q81068910），這三個(gè)核心條目之間存在一定的關(guān)系：SARS-CoV-2病毒導(dǎo)致了COVID-19疾病的產(chǎn)生，而COVID-19疾病本身就具有導(dǎo)致COVID-19大流行的因素。Wikidata中與COVID-19各方面相關(guān)的所有條目都與這三個(gè)核心條目相互鏈接，其基本數(shù)據(jù)模型如圖2所示，該圖可從Wikidata網(wǎng)站上獲取[27]。

圖2中內(nèi)圓部分表示與COVID-19相關(guān)的三個(gè)主要條目，Wikidata上與這三個(gè)條目相關(guān)的其他條目在圖中外圓部分顯示，它們之間的關(guān)系用箭頭進(jìn)行連接，相關(guān)類別中每個(gè)條目的陳述數(shù)量都標(biāo)注在條目旁邊。由圖可知三個(gè)核心條目相關(guān)的學(xué)術(shù)文章對(duì)應(yīng)的發(fā)表數(shù)量，可以看出，目前在COVID-19方面的學(xué)術(shù)研究數(shù)量最多，而在COVID-19大流行方面相對(duì)較少。

2.1.1? COVID-19

COVID-19疫情條目在Wikidata上由Q84263196唯一標(biāo)識(shí)，陳述部分的內(nèi)容主要描述了COVID-19與Wikidata上其他條目的關(guān)系。COVID-19的屬性大致可分為兩類：通用屬性和醫(yī)學(xué)特有屬性。通用屬性包含：實(shí)例（P31）、子類（P279）、圖像（P18）、重要人物（P3342）、等；醫(yī)學(xué)特有屬性包含健康專業(yè)（P1995）、癥狀和體征（P780）、基本繁殖數(shù)（P3492）、病原體傳播過(guò)程（P1060）等。用戶可以直接了解到COVID-19的基本信息以及在生物醫(yī)學(xué)領(lǐng)域的專業(yè)知識(shí)。

2.1.2? SARS-CoV-2

SARS-CoV-2（Q82069695）是COVID-19條目的病因（P828）的屬性值。SARS-CoV-2的通用屬性包括實(shí)例（P31）和圖像（P18）等，其病毒特有屬性包括寄主（P2975）、分類單元名稱（P225）、分類單元等級(jí)（P105）、基因組大?。≒2143）和親本分類單元（P171）。通過(guò)這些屬性關(guān)系，領(lǐng)域研究者可以追溯與SARS-CoV-2嚴(yán)重急性呼吸綜合征相關(guān)的冠狀病毒，還可以追溯其祖父母（即薩爾貝病毒）等，Wikidata上建立的SARS-CoV-2相關(guān)信息對(duì)生物醫(yī)學(xué)領(lǐng)域有著重要意義，能對(duì)其他病毒的溯源追溯和控制提供一定的幫助。

2.1.3? COVID-19大流行

COVID-19大流行（Q81068910）是指SARS COV-2引起的持續(xù)性大流行，在該主題下，概述了COVID-19從國(guó)家到省份，再到城市等不同實(shí)體的流行病學(xué)演變狀況，實(shí)體層面可以細(xì)分到COVID-19的確診病例數(shù)、死亡人數(shù)、痊愈人數(shù)。該條目下包含了各個(gè)國(guó)家關(guān)于COVID-19流行的數(shù)據(jù)信息，即每個(gè)國(guó)家都有針對(duì)COVID-19的特定的Wikidata條目，這樣有利于檢測(cè)COVID-19在各個(gè)國(guó)家的傳播情況，也便于數(shù)據(jù)的組織和訪問(wèn)。

2.2? Wikidata COVID-19其他相關(guān)主題

Wikidata中COVID-19的相關(guān)數(shù)據(jù)主要圍繞三個(gè)核心條目展開(kāi)，同時(shí)也包含了其他相關(guān)的主題。在生物醫(yī)學(xué)方面，Wikidata記錄了COVID-19相關(guān)的分類群，包括親本分類群（P171）和其他乙型冠狀病毒（Q16532287），還記錄了基因組、蛋白質(zhì)等信息，有助于醫(yī)學(xué)研究者追溯COVID-19病原體以及相關(guān)的醫(yī)學(xué)信息。在醫(yī)學(xué)科學(xué)數(shù)據(jù)方面，Wikidata實(shí)現(xiàn)了對(duì)各國(guó)COVID-19相關(guān)出版物（包括學(xué)術(shù)文章、預(yù)印本等）的有效整合和開(kāi)放獲取，并提供了多種文獻(xiàn)服務(wù)平臺(tái)，如Allen人工智能研究所和其他研究小組發(fā)布的COVID-19開(kāi)放研究數(shù)據(jù)集[28]，收錄了在1951—2020年期間來(lái)自不同來(lái)源的出版物約有47 000份，包括：

（1）PubMed的PMC開(kāi)放獲取文集。

（2）來(lái)自世衛(wèi)組織維護(hù)的文集的COVID-19研究文章。

（3）bioRxiv和medRxiv預(yù)印本。

用戶可以在這些平臺(tái)上檢索和獲取相關(guān)文獻(xiàn)，實(shí)現(xiàn)構(gòu)建學(xué)術(shù)命運(yùn)共同體，從而促進(jìn)對(duì)COVID-19有效管控。除此之外，Wikidata還建立了社會(huì)、經(jīng)濟(jì)方面影響有關(guān)的條目，但這些條目的信息相對(duì)來(lái)說(shuō)并不完整，還有待進(jìn)一步完善。

2.3? Wikidata中的中國(guó)疫情數(shù)據(jù)分析

Wikidata的COVID-19項(xiàng)目記錄了各國(guó)的COVID-19大流行的條目，如中國(guó)COVID-19大流行（Q83872271）。中國(guó)國(guó)家衛(wèi)生健康委員會(huì)（簡(jiǎn)稱國(guó)家衛(wèi)健委）是國(guó)務(wù)院組成部門，其發(fā)布的數(shù)據(jù)具有一定的權(quán)威性，本文選取國(guó)家衛(wèi)健委發(fā)布的數(shù)據(jù)，從數(shù)據(jù)可獲取性、準(zhǔn)確性、及時(shí)性、完整性四個(gè)維度與Wikidata上的中國(guó)COVID-19大流行數(shù)據(jù)進(jìn)行對(duì)比。

2.3.1? 可獲取性

Wikidata提供了一個(gè)公共SPARQL端點(diǎn)來(lái)訪問(wèn)數(shù)據(jù)集，可通過(guò)瀏覽器或編程語(yǔ)言進(jìn)行訪問(wèn)，而國(guó)家衛(wèi)健委提供的數(shù)據(jù)可通過(guò)官方網(wǎng)站直接訪問(wèn)每日疫情通報(bào)鏈接，但在獲取和利用數(shù)據(jù)方面，衛(wèi)健委尚未提供數(shù)據(jù)獲取途徑。

2.3.2? 準(zhǔn)確性

中國(guó)的疫情數(shù)據(jù)統(tǒng)計(jì)主要依靠健全的行政組織來(lái)完成，Wikidata上的COVID-19數(shù)據(jù)主要來(lái)源于約翰霍普金斯大學(xué)系統(tǒng)科學(xué)與工程中心（CSSE）的COVID-19數(shù)據(jù)存儲(chǔ)庫(kù)[29]，其存儲(chǔ)的中國(guó)數(shù)據(jù)源來(lái)自中國(guó)衛(wèi)健委和中國(guó)疾病預(yù)防控制中心以及國(guó)內(nèi)權(quán)威科普網(wǎng)站“丁香園”?；羝战鹚勾髮W(xué)存儲(chǔ)的COVID-19數(shù)據(jù)實(shí)時(shí)更新，準(zhǔn)確率高且具備糾錯(cuò)能力，是相當(dāng)權(quán)威的疫情數(shù)據(jù)，因此，Wikidata上記錄的COVID-19數(shù)據(jù)具有較高的準(zhǔn)確性。

2.3.3? 及時(shí)性

中國(guó)COVID-19大流行條目下的病例數(shù)據(jù)是實(shí)時(shí)更新的，但就及時(shí)性來(lái)說(shuō)，仍不及國(guó)家衛(wèi)健委官方網(wǎng)站公布的數(shù)據(jù)。截至2022年1月25日，Wikidata上的中國(guó)COVID-19大流行條目下的病例數(shù)據(jù)更新至2022年1月22日，而國(guó)家衛(wèi)健委的數(shù)據(jù)已經(jīng)更新至2022年1月24日。

2.3.4? 完整性

Wikidata上的中國(guó)COVID-19大流行數(shù)據(jù)中，以表格的形式記錄了各省份的基本數(shù)據(jù)，但其表格頁(yè)面的編輯和維護(hù)在2021年7月后停止更新。由此可見(jiàn)，Wikidata上中國(guó)的COVID-19各省份數(shù)據(jù)的更新尚不完整。從國(guó)家衛(wèi)健委疫情通報(bào)內(nèi)容上看，每日公布的疫情數(shù)據(jù)中包含了病例的具體省份、市區(qū)等，以及密切接觸者、醫(yī)學(xué)觀察者的相關(guān)信息，而Wikidata上的COVID-19數(shù)據(jù)相對(duì)來(lái)說(shuō)尚不完整和直觀，可根據(jù)相關(guān)方面的內(nèi)容進(jìn)一步完善。

3? Wikidata COVIWD基礎(chǔ)框架分析

COVIWD（Wikidata：COVID-19儀表盤）為Wikidata上的COVID-19相關(guān)主題提供一站式信息及可視化服務(wù)。COVIWD的主要數(shù)據(jù)來(lái)源為Wikidata上存儲(chǔ)的COVID-19相關(guān)的數(shù)據(jù)，其核心依賴于RDF和SPARQL技術(shù)。Wikidata中的數(shù)據(jù)以RDF三元組的形式進(jìn)行存儲(chǔ)，并提供了一個(gè)SPARQL端點(diǎn)，可以通過(guò)SPARQL查詢語(yǔ)言高效地查詢所需要的數(shù)據(jù)，從大規(guī)模知識(shí)圖中動(dòng)態(tài)地提取三重信息，其查詢結(jié)果在COVIWD中以不同形式的可視化視圖展示。當(dāng)用戶訪問(wèn)COVIWD頁(yè)面時(shí)，對(duì)應(yīng)的每個(gè)主題版塊可對(duì)Wikidata進(jìn)行實(shí)時(shí)查詢，并將查詢結(jié)果的可視化視圖組成的界面呈現(xiàn)給用戶。

全球COVID-19病例數(shù)、死亡人數(shù)、痊愈人數(shù)可通過(guò)SPARQL查詢進(jìn)行可視化呈現(xiàn)，直觀地了解到全球各國(guó)COVID-19傳播現(xiàn)狀以及對(duì)人口帶來(lái)的影響。相關(guān)的主要屬性及條目包括病例數(shù)（P1603）、國(guó)家（Q3624078），以各國(guó)確診病例數(shù)的最大值作為最新病例數(shù)。如圖3所示。

同時(shí)，還可以按國(guó)家每10萬(wàn)人中的病例數(shù)進(jìn)行查詢，查詢結(jié)果如圖4所示。

由圖3可知，美國(guó)COVID-19病例數(shù)在全球最高，但從圖4可以得知，全球確診病例每10萬(wàn)人中人數(shù)最高的國(guó)家是圣馬力諾共和國(guó)（San Marino）。同樣，該查詢也適用于比較各國(guó)的COVID-19死亡人數(shù)、痊愈人數(shù)，從而了解各國(guó)COVID-19發(fā)展現(xiàn)狀，為各國(guó)COVID-19管控或研究提供一定的事實(shí)依據(jù)。

自COVID-19爆發(fā)以來(lái)，學(xué)術(shù)界一直致力于各方面的研究，以期有效控制COVID-19蔓延，由此，學(xué)界在COVID-19研究中發(fā)表了很多相關(guān)的出版物，包括預(yù)印本（Q580922）和學(xué)術(shù)文章（Q13442814）。COVID-19主題相關(guān)的學(xué)術(shù)文章標(biāo)題進(jìn)行關(guān)鍵詞形成的氣泡圖如圖5所示。

由此可見(jiàn)，COVID-19相關(guān)的研究大多數(shù)集中在疫情大流行主題中，但由于查詢僅選取了1 000個(gè)出版物條目進(jìn)行關(guān)鍵詞提取，故查詢結(jié)果可能會(huì)存在一定的偏差。除此之外，還可以對(duì)其關(guān)鍵詞進(jìn)行共現(xiàn)研究，以期實(shí)現(xiàn)對(duì)電子文獻(xiàn)更廣泛的查詢和獲取。

除了上述對(duì)COVID-19相關(guān)數(shù)據(jù)的示例查詢與可視化呈現(xiàn)外，Wikidata上還有很多方面的數(shù)據(jù)可以做進(jìn)一步的研究。此外，Wikidata上也存在一些數(shù)據(jù)缺失，例如Wikidata目前并未對(duì)各國(guó)每年更新的社會(huì)經(jīng)濟(jì)信息進(jìn)行記錄，如失業(yè)率（P1198）和國(guó)民生產(chǎn)總值（P2131）等，因此不利于將知識(shí)圖譜技術(shù)應(yīng)用于研究COVID-19對(duì)全球經(jīng)濟(jì)的影響。同時(shí)，Wikidata在COVID-19相關(guān)法律規(guī)定方面的數(shù)據(jù)也不完整，如居家令、口罩等方面的政策，因此，審核和驗(yàn)證Wikidata不同主題內(nèi)容的標(biāo)準(zhǔn)化方法有待進(jìn)一步的完善。Wikidata通過(guò)COVID-19關(guān)聯(lián)數(shù)據(jù)發(fā)布，以及COVIWD提供SPARQL查詢以及可視化形式呈現(xiàn)，能夠直觀地將COVID-19數(shù)據(jù)呈現(xiàn)給用戶，實(shí)現(xiàn)了數(shù)據(jù)的開(kāi)放獲取，值得國(guó)內(nèi)相關(guān)領(lǐng)域的學(xué)習(xí)和借鑒。

4? 結(jié)? 論

本文旨在通過(guò)對(duì)Wikidata數(shù)據(jù)模型以及其對(duì)COVID-19信息組織等模式上的研究，以期對(duì)國(guó)內(nèi)信息組織等相關(guān)領(lǐng)域的研究以及中國(guó)COVID-19大流行的相關(guān)工作提供借鑒和參考。目前，本文完成了：

（1）對(duì)當(dāng)前主流的Wikidata、DBpedia、YAGO三個(gè)知識(shí)庫(kù)進(jìn)行多維度的對(duì)比分析，分析發(fā)現(xiàn)Wikidata主要區(qū)別在于使用RDF三元組的形式存儲(chǔ)數(shù)據(jù)，并通過(guò)使用限定符和參考引用來(lái)提供基本語(yǔ)句的附加特性和來(lái)源。

（2）基于Wikidata中記錄的COVID-19數(shù)據(jù)進(jìn)行主要條目和其他相關(guān)主題的調(diào)查分析。

（3）將國(guó)家衛(wèi)健委的疫情數(shù)據(jù)與Wikidata的中國(guó)COVID-19大流行數(shù)據(jù)進(jìn)行四個(gè)維度的比較分析，結(jié)果表明，Wikidata記錄了實(shí)時(shí)更新且數(shù)據(jù)質(zhì)量真實(shí)可靠的COVID-19數(shù)據(jù)，其數(shù)據(jù)在目前的基礎(chǔ)上，可從密切接觸者數(shù)、醫(yī)學(xué)觀察人數(shù)、市區(qū)病例數(shù)等方面進(jìn)一步完善。

本文僅對(duì)Wikidata及其記錄的COVID-19數(shù)據(jù)進(jìn)行了的初步分析和研究，并未在實(shí)踐上實(shí)現(xiàn)對(duì)其數(shù)據(jù)的應(yīng)用。從Wikidata數(shù)據(jù)發(fā)布者來(lái)看，機(jī)構(gòu)知識(shí)庫(kù)是其數(shù)據(jù)發(fā)布者的主要組成，目前已經(jīng)有VIAF、GND等許多機(jī)構(gòu)知識(shí)庫(kù)參與到Wikidata數(shù)據(jù)發(fā)布中，而國(guó)內(nèi)機(jī)構(gòu)知識(shí)庫(kù)參與其中的較少。在信息組織、開(kāi)放數(shù)據(jù)的發(fā)布及語(yǔ)義網(wǎng)技術(shù)應(yīng)用等方面，Wikidata是一個(gè)很好的平臺(tái)，在未來(lái)的研究中，將繼續(xù)對(duì)Wikidata開(kāi)放數(shù)據(jù)的組織、發(fā)布及應(yīng)用進(jìn)行研究，并深入探討國(guó)內(nèi)知識(shí)庫(kù)與Wikidata數(shù)據(jù)發(fā)布的連接，從而提高國(guó)內(nèi)數(shù)據(jù)的開(kāi)放性和可獲取性。

參考文獻(xiàn)：

[1] World Health Organization. Coronavirus （COVID-19） data [EB/OL].（2022-01-20）[2022-09-12].https：//www.who.int/data.

[2] Wikidata [EB/OL].（2022-01-20）[2022-09-12].https：//www.wikidata.org.

[3] EDWARDS D，THOMAS J C. Developing a Municipal Performance-Measurement System：Reflections on the Atlanta Dashboard [J].Public administration review，2005，65（3）：369-376.

[4] TOKOLA H，GR?GER C，J?RVENP?? E，et al. Designing Manufacturing Dashboards on the Basis of a Key Performance Indicator Survey [J].Procedia CIRP，2016，57：619-624.

[5] LEE K，JUNG S Y，HWANG H，et al. A novel concept for integrating and delivering health information using a comprehensive digital dashboard：An analysis of healthcare professionals' intention to adopt a new system and the trend of its real usage [J].International Journal of Medical Informatics，2017，97：98-108.

[6] World Health Organization. WHO Coronavirus（COVID-19）Dashboard [EB/OL].（2022-01-20）[2022-09-15].https：//covid19.who.int/.

[7] Johns Hopkins University. COVID-19 Dashboard [EB/OL].（2022-01-20）[2022-09-15].https：//coronavirus.jhu.edu/map.html.

[8] Worldometer. COVID-19 CORONAVIRUS PANDEMIC [EB/OL].（2022-01-20）[2022-09-15].https：//www.worldometers.info/coronavirus/.

[9] BERNERS-LEE T，HENDLER J，LASSILA O. The semantic web [J]. Scientific American，2001，284（5）：34-43.

[10] STAAB S，STUDER R. Handbook on Ontologies：Second Edition [M].[S.I.]：Springer，2010.

[11] MORSEY M，LEHMANN J，AUER S，et al. DBpedia and the live extraction of structured data from Wikipedia [J].Program：electronic library and information systems，2012，46（2）：157-181.

[12] SUCHANEK F，KASNECI G M，WEIKUM G M. YAGO：A Core of Semantic Knowledge Unifying WordNet and Wikipedia [C]//WWW'07：16th International World Wide Web Conference.Banff：Association for Computing Machinery.2007：697-706.

[13] FELLBAUM C，MILLER G. WordNet：An Electronic Lexical Database [M].[S.I.]：A Bradford Book，1998.

[14] TANON T P，WEIKUM G，SUCHANEK F. YAGO 4：A Reason-able Knowledge Base [EB/OL].[2022-09-15].http：//videolectures.net/eswc2020_tanon_paper_110/.

[15] ERXLEBEN F，G?NTHER M，KRTZSCH M，et al. Introducing Wikidata to the Linked Data Web [C]//The Semantic Web – ISWC 2014.Riva del Garda：Springer，2014：50–65.

[16] mediawiki. Wikibase [EB/OL].[2022-09-15].https：//www.mediawiki.org/wiki/Category：Wikibase.

[17] 賈君枝，薛秋紅.Wikidata的特點(diǎn)、數(shù)據(jù)獲取與應(yīng)用 [J].圖書(shū)情報(bào)工作，2016，60（17）：136-141+148.

[18] VRANDE?I? D，KR?TZSCH M. Wikidata：a free collaborative knowledgebase [J]. Communications of the ACM，2014，57（10）：78-85.

[19] ERXLEBEN F，G?NTHER M，KR?TZSCH M，et al. Introducing Wikidata to the Linked Data Web [C]//International semantic web conference.Riva del Garda：Springer，Cham，2014：50-65.

[20] MALYSHEV S，KR?TZSCH C M，GONZ?LEZ L，et al. Getting the Most Out of Wikidata：Semantic Technology Usage in Wikipedia's Knowledge Graph [C]//International Semantic Web Conference. Monterey：Springer，Cham，2018：376-394.

[21] PISCOPO A，SIMPERL E. Who Models the World？ Collaborative Ontology Creation and User Roles in Wikidata [J].Proceedings of the ACM on Human-Computer Interaction， 2018，2（CSCW）：1-18.

[22] 賈君枝，馮婕.基于因果鏈求解算法的人物關(guān)系挖掘研究——以Wikidata知識(shí)庫(kù)為例 [J].情報(bào)學(xué)報(bào)，2017，36（3）：221-230.

[23] 賈君枝，崔西燕.Wikidata屬性特征及關(guān)系分析 [J].情報(bào)科學(xué)，2019，37（6）：80-86+118.

[24] 劉超.維基數(shù)據(jù)條目編纂起源管理與起源可信度應(yīng)用 [D].太原：山西大學(xué)，2019.

[25] 賈君枝，葉壯壯.基于Wikidata的機(jī)構(gòu)類目范疇樹(shù)構(gòu)建與優(yōu)化 [J].國(guó)家圖書(shū)館學(xué)刊，2018，27（1）：56-64.

[26]賈君枝，趙宇飛.Wikidata與名稱規(guī)范檔數(shù)據(jù)聚合實(shí)現(xiàn) [J].情報(bào)科學(xué)，2018，36（11）：72-77+82.

[27] Wikidata. COVID-19 on Wikidata [EB/OL].[2022-08-22].https：//commons.wikimedia.org/wiki/File：COVID-19_on_Wikidata.svg.

[28] Allen Institute for A1. CORD-19 Explorer [EB/OL].[2022-08-24].https：//cord-19.apps.allenai.org/.

[29] github. CSSEGISandData/COVID-19 [EB/OL].[2022-08-24].https：//github.com/CSSEGISandData/COVID-19.

作者簡(jiǎn)介：楊倩（1998—），女，藏族，四川瀘定人，碩士研究生在讀，研究方向：信息檢索與情報(bào)服務(wù)；李小麗（1998—），女，漢族，四川德陽(yáng)人，碩士研究生在讀，研究方向：信息檢索與情報(bào)服務(wù)。

收稿日期：2022-10-08