模型层是基于本体推理的链接关系发现框架的结构基础, 提供了用于关联数据发布的核心本体库和资源信息库, 以及三元组存储器TDB。该层的核心组件如下:

(1) 核心本体库

核心本体库是根据领域知识构建的本体元数据集合, 它提供了一套用于描述资源的词汇表。在词汇表的选择上, 可优先重用已有的本体词汇表, 如不能满足需要, 可自定义新的本体词汇表。本文采用RDF文件格式存储本体词汇, 并定义统一的命名空间, 文件名为“ coreOntology.rdf ” 。

(2) 资源信息库

资源信息库采用本体词汇表中的词汇, 并按照“ 资源-属性-值” 的三元组形式对资源内容进行标识和描述。其中, 每个资源都使用HTTP URI进行标识, 以保证资源描述的唯一性和可访问性。本文采用RDF文件格式存储资源的描述, 并定义统一的命名空间, 文件名为“ resourceFile.rdf ” 。

(3) 三元组存储器TDB

Fuseki^[10]提供了可存储三元组的TDB数据库和执行SPARQL查询的端点, 以及支持RDF文件上传的接口。其中, TDB数据库包括只读数据集和可读写数据集, 并通过自身的Service接口对外提供SPARQL查询和更新服务。本文将上述RDF文件上传至三元组存储器TDB中, 并通过Service接口执行对三元组的操作。

推理层是框架的核心部分, 该层包括供推理使用的规则文件和推理组件。规则存储在后缀名为.rule的文件中, 推理组件使用Jena^[11]工具包开发, 并通过调用Jena自身携带的推理引擎实现推理过程。其中, 规则文件和推理算法是推理层的重要组成部分, 分别给予详细说明。推理层使用的规则文件的语法形式如下:

//采用正向推理规则

Rule := term, …, term  term

//采用三元组模式

term := (node, node, node)

//节点采用变量或URI

node := ?varname or uri-ref

推理组件的核心算法如下:

输入: 核心本体文件(coreOntology.rdf)、原始的资源描述文件
(resourceFile.rdf)、规则文件(inferRules.rule)

输出: 推理后的资源描述文件(resourceFile.rdf)

//装载本体文件到模型中

Model schema = loadModel(“ …/filepath/…/coreOntology.rdf” );

schema = loadModel(“ …filepath…/resourceFile.rdf” );

//读取规则到列表容器中

List rules = rulesFromURL(“ …/filepath/…/inferRules.rule” );

//根据规则列表生成推理机对象

GenericRuleReasoner reasoner = new GenericRuleReasoner
(rules);

//设置基于Rete算法的正向链推理模式

reasoner.setMode(GenericRuleReasoner.FORWARD_RETE);

//执行推理并将结果保存在InfModel对象中

InfModel infmodel = ModelFactory. CreateInfModel

(reasoner, schema);

//将推理得到的结果回写到资源描述文件中

infmodel.write(new FileOutputStream(“ …/filepath/…
/resourceFile.rdf” ));

逻辑层使用PHP语言开发, 是框架中用于查询关联数据和验证链接发现结果的中间层。该层接收由显示层传递的SPARQL语句, 通过调用ARC2^[12]类包和访问TDB的Service接口对Data数据集中的三元组进行查询。同时, 该层对查询结果对象的原始URI按照Pubby的重定向规则进行必要的重写, 以实现对Pubby提供的关联数据界面的访问。该层的核心代码如下:

//设置远程访问的Service接口

$config = array('remote_store_endpoint' => 'http://localhost:3030/
data/query', );

//调用ARC2的相关方法实例化远程存储对象

$store = ARC2::getRemoteStore($config);

//执行查询过程并返回结果集的行项目

$rows = $store-> query(SPARQL语句, 'rows')

//对行项目中三元组的各部分重写URI

foreach($rows as $row){

URIOverwrite($row[$subject]); //对主体重写URI

URIOverwrite($row[$predict]); //对谓词重写URI

URIOverwrite($row[$object]); //对客体重写URI

}

其中, URIOverwrite方法针对查询结果对象的原始URI执行重写操作, 具体的过程将在第3节中结合实例给予说明。

显示层提供了使用PHP语言编写的可视化的SPARQL查询模板, 是整个框架与用户的接口部分。用户根据需求编写SPARQL语句并提交给逻辑层执行查询, 显示层将返回由查询结果对象的原始URI构成的HTML页面, 与原始URI对应的超链接属性(< a href=“ …” > )将设置为由URIOverwrite方法重写的URI。

显示层的核心部分是Pubby组件^[13], 它是基于Tomcat的Web应用程序, 通过配置Pubby的config.ttl文件可实现关联数据中最重要“ URI重定向” 机制。该文件的核心配置信息如下:

//设置访问关联数据页面的基准URI前缀

conf:webBase < http://example.dlmu.edu.cn:8080/LinkedData/> ;

//配置可供访问的数据集属性

conf:dataset[

//设置可供访问数据集的SPARQL查询端点

conf:sparqlEndpoint < http://localhost:3030/data/query> ;

//设置数据集中可供访问资源的URI前缀

conf:datasetBase < http://example.dlmu.edu.cn/> ;

//设置Web资源的前缀

conf:webResourcePrefix "resource/";

]

上述配置信息的作用将在第3节中结合实例给予说明。

(1) 检验目的: 验证框架的各个组成部分能否有效协同工作以实现关联数据链接关系的发现。

(2) 检验流程: 为了保证检验过程的完整性和有序性, 设计了链接发现框架的有效性检验流程。

(3) 预期效果: 通过运用含本体推理的链接发现框架, 有效地提高链接发现的查全率。

(1) 建立本体文件

执行图2所示检验流程中的步骤①。通过对图书馆领域图书信息进行分析, 整理出与图书相关的核心概念、属性和关系, 如表1所示。其中, 继承关系使用< 子类, 父类> 形式表示, 其他关系使用映射函数σ 将对象属性映射为核心概念笛卡尔积的子集。

表1

表1

表1 图书本体的概念、属性和关系 概念 属性 关系 核心概念: Thing(顶概念), Document(文档), Book(图书), Article(文章), Thesis (学位论文), Webpage(网页), Press(出版社), Person (人), Author (作者), SubjectTerm(主题词), … 对象属性: PublishedAt(出版地), CreatedBy (存在创作者), hasBibliography(存在参考文献), Citedby(被引用), RelatedWith(存在相关图书), hasSubjectTerm(存在主题词), Create(编著图书), hasNormalTerm(存在规范词条), hasRelativeTerm(存在相关词条), … 数据属性: BookISBN(ISBN号), YearOfPublication(出版日期), … 继承关系: < Document, Thing> , < Book, Document> , < Article, Document> , < Thesis, Document> , < WebPage, Document> , < Press, Thing> , < Person, Thing> , < Author, Person> , < SubjectTerm, Thing> , … 其他关系: σ (PublishedAt) = {< Book, Press> }, σ (CreatedBy) = {< Book, Author> }, σ (hasBibliography) = {< Book, Document> }, σ (Citedby) = {< Book, Document> }, σ (RelatedWith) = {< Book, Book> }, σ (hasSubjectTerm) = {< Book, SubjectTerm> }, σ (Create) = {< Author, Book> }, σ (hasNormalTerm) = {< SubjectTerm, SubjectTerm> }, σ (HasRelativeTerm) = {< SubjectTerm, SubjectTerm> }, …

表1 图书本体的概念、属性和关系

将上述本体词汇使用OWL语言描述并保存在coreOntology.rdf中。为了便于表示, 定义命名空间前缀coreOntology: http://example.dlmu.edu.cn/coreOntology#。

(2) 建立资源文件

执行图2所示检验流程中的步骤②。具体过程如下:

选取与“ ERP” 主题相关的图书数据作为实例, 建立相应的资源文件。具体的实例信息如表2所示:

表2

表2

表2 图书数据实例 序号 图书名称 作者 出版社 ISBN 出版时间 主题词 1 ERP原理与应用 桂海进 中国电力出版社 9787508335056 2005 ERP 2 企业资源计划教程 程国卿 清华大学出版社 9787302176589 2008 企业资源计划 3 企业信息化及实施案例 韩向东 南京师范大学出版社 9787819476768 2001 信息化实施

表2 图书数据实例

对选取的图书数据使用OWL语言并结合coreOntology.rdf文件中的定义本体词汇加以描述, 将描述的结果保存在resourceFile.rdf文件中。为了便于表示, 定义命名空间前缀bookNotation: http://example. dlmu.edu.cn/bookNotation/。以《ERP原理与应用》一书为例进行描述, 代码片断如下所示:

< owl:NamedIndividual rdf:about="& bookNotation;
9787508335056 ">

< rdf:type rdf:resource="& coreOntology; Book"/>

< rdfs:label xml:lang="zh"> ERP原理与应用< /rdfs:label>

< coreOntology:YearOfPublication rdf:datatype=
"& xsd; dateTime"> 2005

< /coreOntology:YearOfPublication> < coreOntology:BookISBNrdf:datatype="& xsd; string"
> 9787508335056

< /coreOntology:BookISBN>

< coreOntology:CreatedBy rdf:resource="& bookNotation;

桂海进"/>

< coreOntology:PublishedAt rdf:resource="& bookNotation;
中国电力出版社"/>

< coreOntology:hasSubjectTerm rdf:resource="
& bookNotation; ERP"/>

< /owl:NamedIndividual>

主题词将用于推理操作, 对主题词采用同样的方式进行描述, 代码片断如下:

< owl:NamedIndividual rdf:about="& bookNotation; ERP">

< rdf:type rdf:resource="& coreOntology; SubjectTerm"/>

//指定“ ERP” 的正式主题词为“ 企业资源计划”

< coreOntology:hasNormalTerm rdf:resource=
"& bookNotation; 企业资源计划"/>

//指定“ ERP” 的相关主题词为“ 信息化实施”

< coreOntology:hasRelativeTerm rdf:resource="& bookNotation; 信息化实施"/>

< /owl:NamedIndividual>

(3)上传RDF文件至TDB

执行图2所示检验流程中的步骤③。具体过程如下:

制作批处理文件start.bat, 在文件中保存命令“ java -jar fuseki-server.jar -config=config-tdb.ttl” , 双击批处理文件以启动Fuseki。其中, config-tdb.ttl文件用于配置TDB的各种数据集及每个数据集提供的服务, 本例使用名为data的数据集, 它是TDB的可供读写的数据集。启动Fuseki后, 在浏览器中输入http://localhost: 3030/, 访问Fuseki的主界面, 点击主界面中的“ 控制面版” , 进入data数据集, 选择coreOntology.rdf和resourceFile.rdf文件并点击Upload按钮完成文件的上传。

(4) 查询推理前的关联数据页面

执行图2所示检验流程中的相关步骤, 顺序为: ④→ ⑤→ ⑥→ ⑦。具体过程如下:

编写用于测试的SPARQL语句, 查询未经推理的图书信息, 例如查询名称为“ ERP原理与应用” 的图书信息可使用如下语句:

SELECT ?s WHERE{?s rdfs:label "ERP原理与应用"@zh.}

将上述语句填充至使用PHP编写的SPARQL查询生成模板中, 如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 基于PHP的SPARQL查询生成模板

点击“ 提交查询” 按钮, PHP脚本将执行查询, 并返回包含查询结果超链接的HTML页面, 如图4所示。

图4

	Figure Option ViewDownloadNew Window
	图4 SPARQL查询结果

在2.3节中提到, 在逻辑层构建时, PHP程序将调用URIOverwrite方法针对查询结果对象的原始URI执行重写操作; 在2.4节中也提到, 显示层将返回由查询结果对象的原始URI构成的HTML页面, 与原始URI对应的超链接的属性值将设置为由URIOverwrite方法重写的URI, 重写的规则在Pubby的config.ttl配置文件中。

针对本例而言, 查询结果对象的原始URI为http:// example. dlmu.edu.cn/bookNotation/9787508335056。根据config.ttl配置文件的设定, 将使用“ http://example. dlmu.edu.cn:8080/LinkedData/” 替代“ http://example.dlmu. edu.cn/” , 并在执行替代部分的后面追加“ resource/” 片断, 则重写后的URI为http://example.dlmu.edu.cn:8080/ LinkedData/resource/bookNotation/9787508335056, 并将其设置为原始URI的href属性值。点击此超链接后, Pubby将自动实现重定向, 将上述URI中的“ resource/” 修改为“ page/” , 并显示资源对应的关联数据页面, 如图5所示:

图5

	Figure Option ViewDownloadNew Window
	图5 资源的关联数据页面

(5) 执行推理过程

执行图2所示检验流程中相关的步骤, 顺序为: ⑨→ ⑩。具体过程如下:

调用推理组件读取规则文件inferRules.rule中的\规则, 针对resourceFile.rdf文件执行推理操作。inferRules.rule文件中所含的规则如表3所示。其中, 变量? B1、?B2、?B3表示图书对象, 变量?S、?S1、?S2表示主题词对象。

表3

表3

表3 推理规则示例 规则 示例 Rule1 (?S1 hasNormalTerm ?S)(?B1 hasSubjectTerm ?S1)→ (?B1 hasSubjectTerm ?S) Rule2 (?B1 hasSubjectTerm ?S)(?B2 hasSubjectTerm ?S)→ (?B1 RelatedWith ?B2) Rule3 (?S1 hasRelativeTerm ?S2)(?B1 hasSubjectTerm ?S1) (?B2 hasSubjectTerm ?S2)→ (?B1 RelatedWith ?B2) Rule4 (?B1 RelatedWith ?B2)→ (?B2 RelatedWith ?B1) Rule5 (?B1 RelatedWith ?B2)(?B2 RelatedWith ?B3)→ (?B1 RelatedWith ?B3)

表3 推理规则示例

以《ERP原理与应用》图书资源为例, 说明推理的具体执行过程。该资源的主题词(hasSubjectTerm)是“ ERP” , 而“ ERP” 的正式主题词为“ 企业资源计划” , 根据规则1可知, 该资源包含主题词(hasSubjectTerm)“ 企业资源计划” ; 而资源《企业资源计划教程》的主题词(hasSubjectTerm)为“ 企业资源计划” , 根据规则2可知, 资源《ERP原理与应用》和资源《企业资源计划教程》是相关的(RelatedWith), 从而实现了资源间基于推理的链接发现的目的。

其他对象的推理执行过程如图6所示。其中, 直角矩形表示已知的事实, 圆角矩形表示推理出的链接关系。

图6

	Figure Option ViewDownloadNew Window
	图6 基于本体推理的链接发现过程

推理全部完成后, 可使用下述语句将推理的结果回写到资源描述文件中:

infmodel.write (new FileOutputStream(“ …/filepath/…/resourceFile.rdf” ));

(6) 查询推理后的关联数据页面

重复之前的过程(3)和(4)所含的步骤, 可得到同一资源推理后的关联数据页面, 如图7所示:

图7

	Figure Option ViewDownloadNew Window
	图7 推理后的资源关联数据页面

由图7可知, 《ERP原理与应用》经过推理后得到了与其相关的(RelatedWith)图书资源的信息, 并以“ 属性-值” 的形式将发现的链接关系显示在关联数据的页面中。

(7) 基于链接发现的语义浏览

执行图2所示检验流程中的步骤⑧。具体过程如下:

点击ISBN号为“ 9787302176589” 的图书资源URI, 可跳转至资源《企业资源计划教程》的关联数据页面, 如图8所示:

图8

	Figure Option ViewDownloadNew Window
	图8 通过语义链接访问的关联数据页面

检验结果表明, 本文提出的关联数据链接发现框架可利用本体推理有效地实现资源之间链接关系的发现。同时, 为了从定量的角度分析链接发现的效果, 笔者将本文的方法与文献[9]中基于相似度匹配的链接发现方法进行对比, 并采用查全率指标来评价实验结果。具体过程如下:

笔者从大连海事大学图书馆的公共检索系统^[14]中随机选取100篇与ERP主题相关的图书信息, 划分为5组, 针对3.2节中使用过的“ ERP原理与应用” 资源对象, 分别采用两种方法执行关联链接发现实验, 并计算每次实验结果的查全率。两种方法的实验对比结果如图9所示:

图9

	Figure Option ViewDownloadNew Window
	图9 实验对比结果

由图9可知, 在5次实验中, 基于本体推理的链接发现的查全率均高于基于相似度匹配方法的结果。原因在于: 前者借助本体关系和推理规则实现了语义层面的关联发现, 而后者只是在技术上实现了字符串的相似度比较, 如: 《ERP原理与应用》与《企业资源计划应用教程》, 使用相似度匹配方法的结果是两者属于不相关的对象, 降低了链接发现的查全率。

同时, 针对基于本体推理的链接发现方法所存在的漏检情况, 通过分析发现, 主要原因在于某些图书的主题词, 如“ 信息化建设” , 没有在本体文件resourceFile.rdf中显示声明与主题词“ ERP” 的hasRelativeTerm关系, 导致语义关系的缺失。通过建立相应的语义关系, 可进一步提高基于本体推理的链接发现的查全率。