语义Mashup技术研究*

doi:10.11925/infotech.1003-3513.2010.01.09

现代图书情报技术

2010, Vol. 26

Issue (1): 46-50 https://doi.org/10.11925/infotech.1003-3513.2010.01.09

数字图书馆

本期目录 | 过刊浏览 | 高级检索

语义Mashup技术研究*

李峰

（中国科学院国家科学图书馆北京 100190）
（中国科学院研究生院北京 100049）

Study on Technologies of Semantic Mashup

Li Feng

(National Science Library, Chinese Academy of Sciences, Beijing 100190, China)
(Graduate University of Chinese Academy of Sciences, Beijing 100049, China)

摘要
参考文献
相关文章
Metrics

全文: PDF (383 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

介绍语义集成融汇概念，语义网技术在集成融汇中的作用；总结语义集成融汇关键技术，包括语义化数据描述技术、基于语义的协议规范、基于本体的融汇推理技术三个方面；分析国外主要研究项目，包括KC3 Browser、Bio2RDF、SBWS和Semantic REST等；最后指出如何推动其发展。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李峰

关键词 ：集成融汇, 语义网, RDF, 本体

Abstract：

This paper first introduces the concept of Semantic Mashup and the role of Semantic Web in the Mashup process. Then it summarizes the crucial technologies of Semantic Mashup, such as semantic data describing technology, semantic protocol specifications, Ontology-based Mashup reasoning technology. In addition, the paper analyzes some oversea on-going research projects, specifically for KC3 Browser, Bio2RDF, SBWS and Semantic REST. And finally, it gives some advice on how to promote the development of Semantic Mashup.

Key words： Mashup Semantic Web RDF Ontology

收稿日期: 2009-10-16 出版日期: 2001-01-25

G250.7

基金资助:

*本文系中国科学院2009年新增能力项目“知识服务集成融汇关键技术研究”的研究成果之一。

通讯作者: 李峰 E-mail: lifeng@mail.las.ac.cn

作者简介: 李峰

引用本文:

李峰. 语义Mashup技术研究*[J]. 现代图书情报技术, 2010, 26(1): 46-50.
Li Feng. Study on Technologies of Semantic Mashup. New Technology of Library and Information Service, 2010, 26(1): 46-50.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.01.09 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I1/46

［1］ Cheung K H, Yip K Y, Townsend J P, et al. HCLS 2.0/3.0: Health Care and Life Sciences
Data Mashup Using Web 2.0/3.0［J］. Journal of Biomedical Informatics, 2008,41(5):694-705.
［2］ Goble C, Stevens R. State of the Nation in Data Integration for Bioinformatics ［J］. Journal
of Biomedical Informatics, 2008, 41(5):687-693.
［3］ Linked Data: Principles and State of the Art ［R/OL］. ［2009-05-14］.http://www.w3.org/2008/Talks/WWW2008-W3CTrack-LOD.pdf.
［4］ DBpedia［EB/OL］.［2009-05-30］.http://dbpedia.org/.
［5］ WordNet［EB/OL］.［2009-05-30］.http://wordnet.princeton.edu/.
［6］ RDF Book Mashup［EB/OL］.
［2009-05-30］.http://www4.wiwiss.fu-berlin.de/bizer/bookmashup/.
［7］ RDFa Primer ［EB/OL］. ［2009-05-30］.http://www.w3.org/TR/xhtml-rdfa-primer/.
［8］ Microformats［EB/OL］. ［2009-05-30］.http://microformats.org/.
［9］ Social Semantic Mashups with GRDDL and Microformats［EB/OL］. ［2009-05-30］.
http://2006.xmlconference.org/proceedings/127/slides.html.
［10］ Piggy Bank ［EB/OL］. ［2009-05-30］.http://simile.mit.edu/wiki/Piggy_Bank.
［11］ Solvent ［EB/OL］. ［2009-05-30］.http://simile.mit.edu/wiki/Solvent.
［12］ Semantic Annotations for WSDL and XML Schema ［EB/OL］. ［2009-05-30］.
http://www.w3.org/2002/ws/sawsdl/spec/.
［13］ Lathem J，Gomadam K，Sheth A P. SA-REST and (S)Mashups : Adding Semantics to
RESTful Services［C］. In: Proceedings of the International Conference on Semantic
Computing.2007: 469-476.
［14］ Sahoo S S, Bodenreider O, Rutter J L, et al. An Ontology-driven Semantic Mashup of
Gene and Biological Pathway Information: Application to the Domain of Nicotine Dependence［J］.
Journal of Biomedical Informatics, 2008, 41（5）:752-765.
［15］ Villanueva-Rosales N，Dumontier M . yOWL: An Ontology-driven Knowledge Base for
Yeast Biologists ［J］. Journal of Biomedical Informatics, 2008, 41（5）:779-789.
［16］ Michiaki Iwazume, Ken Kaneiwa, Koji Zettsu, et al.KC3 Browser: Semantic Mash-up and
Link-free Browsing［EB/OL］. ［2009-05-30］. http://www2008.org/papers/pdf/p1209-iwazume.pdf.
［17］ Belleau F, Nolin M A, Tourigny N, et al.Bio2RDF:Towards a Mashup to Build
Bioinformatics Knowledge Systems［J］. Journal of Biomedical Informatics, 2008, 41（5）: 706-719.
［18］ Stephens S, LaVigna D, DiLascio M, et al. Aggregation of Bioinformatics Data Using
Semantic Web Technology［J］. Web Semantics, 2006, 4（3）:216-221.
［19］ Battle R, Benson E. Bridging the Semantic Web and Web2.0 with Representational State
Transfer (REST) ［J］. Journal of Web Semantics, 2008, 6（1）: 61-69.

[1]	盛姝, 黄奇, 杨洋, 解绮雯, 秦新国. HL7 FHIR框架下中国医疗领域信息交换研究与解决方案[J]. 数据分析与知识发现, 2021, 5(11): 13-28.
[2]	邵琦,牟冬梅,王萍,靳春妍. 基于语义的突发公共卫生事件网络舆情主题发现研究^*[J]. 数据分析与知识发现, 2020, 4(9): 68-80.
[3]	曾桢,李纲,毛进,陈璟浩. 区域公共安全数据治理与业务领域本体研究^*[J]. 数据分析与知识发现, 2020, 4(9): 41-55.
[4]	强韶华,罗云鹿,李玉鹏,吴鹏. 基于RBR和CBR的金融事件本体推理研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 94-104.
[5]	邓诗琦,洪亮. *面向智能应用的领域本体构建研究^——以反电话诈骗领域为例**[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[6]	高广尚. 用户画像构建方法研究综述^*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[7]	王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究^*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[8]	何有世, 何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘^*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[9]	唐慧慧, 王昊, 张紫玄, 王雪颖. 基于汉字标注的中文历史事件名抽取研究^*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[10]	庞贝贝, 苟娟琼, 穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究^*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[11]	丁晟春, 刘梦露, 傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究^*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.
[12]	王颖, 吴思竹. 基于R2RML的STKOS超级科技词表RDF转换实现^*[J]. 数据分析与知识发现, 2018, 2(12): 89-97.
[13]	涂海丽, 唐晓波. 基于标签的商品推荐模型研究^*[J]. 数据分析与知识发现, 2017, 1(9): 28-39.
[14]	陈二静, 姜恩波. 文本相似度计算方法研究综述[J]. 数据分析与知识发现, 2017, 1(6): 1-11.
[15]	白如江, 冷伏海, 廖君华. 一种基于语义组块特征的改进Cosine文本相似度计算方法^*[J]. 数据分析与知识发现, 2017, 1(6): 56-64.

Viewed

Full text

Abstract

Cited

Shared

Discussed