在过去的几年里,图书馆机构知识库主要通过主题标目和MARC记录数据去实现资源的发现服务,但浏览和精炼结果的深度具有相当大的局限性。

2008年,瑞典联合目录LIBRIS^{[ 4]}率先将国家图书馆级书目数据全部发布为关联数据,使用了FOAF、SKOS、BIBO的混合体,为关联数据的应用提供了方向。此后,英国的哈德斯菲尔德大学^{[ 5]}、美国国会图书馆LCSH^{[ 6]}、OCLC^{[ 7]}、德国国家图书馆、英国国家图书馆、匈牙利国家图书馆^{[ 8]}等都先后将其部分图书馆目录、相关主题规范等发布为关联数据,将关联数据在机构知识库知识组织体系中的应用推向了高潮。同时一些关联数据索引引擎也随之出现,如Sindice^{[ 9]}、Swoogle^{[ 10]}、Waston^{[ 11]}等,它们均提供可以对RDF文档进行关联访问的API。国内相继出现了Arnetminer^{[ 12]}、 Falcons^{[ 13]}等语义搜索引擎。这都为机构知识库的语义扩展奠定了技术基础。

通过上述研究,关联数据在机构知识库方面应用的关键技术总结如下：

（1）利用关联数据技术将机构知识库中的实体关系发布为能够进行语义揭示的关联数据格式。CASIR是围绕研究部门来进行知识组织的,每个研究部门又可分为多个子部门和专题,其数量不受限制。每个专题的内容类型又包含着中国科学院各个研究所存缴的会议论文、期刊论文、学位论文、专著、专利、演示报告等多种数据集。从长远的发展角度来考虑,为满足科研用户尤其是机器用户快速、明确地找到所需资源并获取其语义,机构知识库必须能够提供高质量的语义化访问服务,而不仅仅是普通HTML网页的信息描述。例如,机构知识库可以为不同的研究社群之间以及同一个研究社群的不同子社群之间,提供动态的链接,描述其归属关系;同一个作者的不同科研成果之间、同一个科研成果的合作者之间、同一个资源所属学科主题的上下位关系之间等都可以通过关联数据来关联扩展到这些资源的上下文信息,从而不仅能够让用户更快地获得更多更全面的相关知识,同时还可以增加用户回到机构知识库服务的途径,而且也方便外部关联数据源能够主动地关联到机构知识库。

（2）利用关联数据技术将机构知识库中数字对象间的知识组织体系扩展到已有的关联词表。关联数据构建的基本原则之一就是尽可能地复用已有的关联词表或本体模型。一般最常用在数字图书馆领域的是DC、FOAF、SKOS、LCSH,它们均已实现了全面的关联数据化,搭建了知识组织系统（如分类表、词表）到关联数据之间的桥梁。CASIR自身的知识组织体系虽然不是标准的关联数据组织模式,但是它在建立之初已复用了DC元数据的部分词表规范。因而,进一步的工作便显得十分可行,只需要为已有的类以及属性选择最合适的关联词表源,并明确建立两者之间的词汇映射关系,最终使得机构知识库能够在关联词表的帮助下支持基于SPARQL模式的语义查询和推理。

（3）利用关联数据技术将机构知识库中的实体数据进行语义标注,并扩展到外部关联数据源。关联数据可以为机构知识库扩展资源信息提供结构化的数据基础,提供多个分布式异构数据源整合的关联访问,将来自不同数据源的同一个实体数据进行整合,返回给用户关于该实体的尽可能多的相关信息的统一视图,从而为用户提供资源发现和访问服务的新视角。简单来说,就是关联数据允许机构知识库关联到更广泛的信息资源,并不局限于资源本身的信息,可以扩充科研人员、所属机构、科研成果以及其所属学科主题等其他信息到其他任何一个存在该信息描述的数据源。

以上三点关键技术形成了本文利用关联数据实现机构知识库语义扩展的核心方法。

以CASIR中软件研究所的会议论文为例,主要抽取了科研人员（Person）、研究部门（Organization）、会议论文（Paper）、会议（Conference）、学科主题（Topic）这5种核心实体类,其关系如图1所示：

图1

	Figure Option ViewDownloadNew Window
	图1 CASIR中的实体类及关系

可为该实体类及关系添加如下隐性约束：

（1）对研究部门及其子部门的约束。一个研究部门可以包含1个或N个子部门。相反,这N个子部门从属于该研究部门。对于软件研究所来说,作为中国科学院的一个研究部门,它自身又包含计算机科学国家重点实验室、软件工程技术研究开发中心、并行计算实验室等多个子部门。

（2）对科研人员和研究部门的约束。一个研究部门可有N个科研人员。反之,这N个科研人员都是该研究部门的成员。

（3）对科研人员及其会议论文的约束。一位科研人员可能是多篇会议论文的作者。同时,一篇会议论文可以由多位科研人员合作完成。

（4）对会议论文及其所属学科主题的约束。一篇会议论文必然属于某一个学科主题或者相近的学科主题。同一个学科主题下必然会包含多篇相关会议论文。 （5）对科研人员及其学科主题的约束。一个科研人员肯定有自己的研究方向,该研究方向必然归属于某一个或多个学科主题。

（6）对会议论文和会议的约束。一篇会议论文必定对应一次会议。某一次会议下必然包含N篇会议论文。

基于MySQL的数据库编程,在设计底层数据模式时,可将该隐性约束转化为如下外键关联条件（部分）：

＃Foreign keys for table rel_paper_topic

ALTER TABLE ′rel_paper_topic′

ADD CONSTRAINT ′rel_paper_topic_ibfk_1′ FOREIGN KEY （′PaperID′） REFERENCES ′papers′ （′PaperID′）,

ADD CONSTRAINT ′rel_paper_topic_ibfk_2′ FOREIGN KEY （′TopicID′） REFERENCES ′topics′ （′TopicID′）;

＃Foreign keys for table rel_person_organization

ALTER TABLE ′rel_person_organization′

ADD CONSTRAINT ′rel_person_organization_ibfk_1′ FOREIGN KEY （′PersonID′） REFERENCES ′persons′ （′PerID′）,

ADD CONSTRAINT ′rel_person_organization_ibfk_2′ FOREIGN KEY （′OrganizationID′） REFERENCES ′organizations′ （′OrgID′）;

＃Foreign keys for table rel_person_paper

ALTER TABLE ′rel_person_paper′

ADD CONSTRAINT ′rel_person_paper_ibfk_1′ FOREIGN KEY （′PersonID′） REFERENCES ′persons′ （′PerID′）,

ADD CONSTRAINT ′rel_person_paper_ibfk_2′ FOREIGN KEY （′PaperID′） REFERENCES ′papers′ （′PaperID′）;

＃Foreign keys for table rel_person_topic

ALTER TABLE ′rel_person_topic′

ADD CONSTRAINT ′rel_person_topic_ibfk_1′ FOREIGN KEY （′PersonID′） REFERENCES ′persons′ （′PerID′）,

ADD CONSTRAINT ′rel_person_topic_ibfk_2′ FOREIGN KEY （′TopicID′） REFERENCES ′topics′ （′TopicID′）;

语义标注是使用计算机可理解的属性来描述资源的相关陈述^{[ 14]}。这些属性可以用于本体中的任何资源或公理,包括本体本身。类、属性和实体标注都是通过创建一些陈述来实现的,而且标注属性在该陈述中充当谓语。在OWL标准本体语言中预定义的基本标注属性有很多种,本文是基于RDF+OWL语言进行知识呈现,主要用到以下几种,如表1所示。

表1

表1

表1 OWL中定义的基本标注属性 Property Description rdfs：label 一个名称或者对主题资源的简单描述 rdfs：comment 关于主题资源的注释 rdfs：seeAlso 跟该主题资源最相关的其他资源信息 owl：sameAs 描述同一个主题资源的其他资源 rdf：type 将一个类的全体成员指派给某一特定资源

表1 OWL中定义的基本标注属性

根据上文所抽取的实体关系,复用的关联词表主要有DC、DCTERMS、FOAF、SKOS、ISWC、VCARD,选择的关联数据源主要有DBpedia Ontology、DBLP Bibliography,并基于D2R^{[ 15]}这一个将关系型数据库发布为关联数据格式的主流工具作为开发平台。D2R的映射语言D2RQ Mapping是基于RDFS和OWL进行描述的,自身生成的映射相当简单,无法覆盖到所关联的全部词表,而且部分约束关系也无法直接映射生成。因此必须通过人工干预,构建符合机构知识库语义扩展的映射模式,最终形成的词表映射和语义扩展方案,如表2所示：

表2

表2

表2 CASIR的语义扩展方案 Prefix：Namespace Description map： D2R自动生成,指定机构知识库映射文件的绝对位置,可以更改 db： <> D2R自动生成,关系数据库标准前缀 rdf： D2R自动生成,OWL标准格式 rdfs： D2R自动生成,OWL标准格式 owl： D2R自动生成,OWL标准格式 xsd： D2R自动生成,OWL标准格式 d2rq： D2R自动生成,指定D2R的标准命名空间 jdbc： D2R自动生成,指定关系型数据库的驱动 casir： 人工修改,指定CASIR关联数据服务的URL,2020为D2R标准服务端口 dc： 人工添加,指定DC的命名空间;主要用于扩展Paper和Conference的相关属性,如将Paper的Title扩展到dc：title,将Conference的Date扩展到dc：date dcterms： 人工添加,指定Dcterms的命名空间;主要用于扩展Paper的相关属性,如将Paper的Abstract扩展到dcterms：abstract foaf： 人工添加,指定foaf的命名空间;主要用于扩展Person的相关属性,如将Person的mbox扩展到foaf：mbox;name扩展到foaf：name skos： 人工添加,指定skos的命名空间;主要用于扩展Topic的相关属性,如将Topic的name扩展到skos：subject,如果还有子学科,可以继续扩展到skos：primarySubject iswc： 人工添加,指定iswc的命名空间;主要用于扩展Conference的相关属性,如将Conference 的location扩展到iswc：location vcard： 人工添加,指定vcard的命名空间;主要用于开展Organization的相关属性,如将Organization的Country扩展到vcard：Country,Location扩展到vcard：Locality DBpedia Ontology 人工添加,以owl：sameAs的形式附加标注指定部分资源在DBpedia 中的描述信息 DBLP Bibliography 人工添加,DBLP主要是用来描述计算机科学领域文献元数据,本文以rdfs：seeAlso的形式附加标注指定的资源到DBLP数据源

表2 CASIR的语义扩展方案

基于表2的方案,在MyEclipse的Java开发环境中对D2RQ Mapping进行编程,主要示例如下：

（1）基于CASIR核心实体类的RDF语义标注,以会议论文实体（Paper）为例,选取部分代表性的代码如下：

＃Table papers

map：papers a d2rq：ClassMap;

d2rq：dataStorage map：database;

d2rq：uriPattern ＂papers/@@papers．PaperID@@＂;

d2rq：class iswc：InProceedings;

d2rq：class foaf：Document;

map：papers_Title a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property dc：title;

d2rq：property rdfs：label;

d2rq：column ＂papers．Title＂;

d2rq：lang ＂en＂;

map：papers_URI a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property dc：identifier;

d2rq：uriColumn ＂papers．URI＂;

map：papers_Conference a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property iswc：conference;

d2rq：refersToClassMap map：conferences;

d2rq：join ＂papers．Conference => conferences．ConfID＂;

（2）基于CASIR实体关系的RDF关联转换。主要是针对所述的几种实体关系进行编程转换,部分代码如下：

＃n：m table rel_person_paper

map：rel_person_paper a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property dc：creator;

d2rq：refersToClassMap map：persons;

d2rq：join ＂persons．PerID = rel_person_paper．PersonID＂;

d2rq：join ＂rel_person_paper．PaperID = papers．PaperID＂;

＃n：m table rel_person_organization

map：rel_person_organization a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：persons;

d2rq：property iswc：has_affiliation;

d2rq：refersToClassMap map：organizations;

d2rq：join ＂persons．PerID = rel_person_organization．PersonID＂;

d2rq：join ＂rel_person_organization．OrganizationID = organizations．OrgID＂;

（3）将CASIR实体元数据关联到外部数据源的RDF呈现,仍以Paper实体为例,选取部分代表性的代码如下：

＃Table papers

map：papers_Seealso a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property rdfs：seealso;

d2rq：uriColumn ＂papers．Seealso＂;

map：papers_Sameas a d2rq：PropertyBridge;

d2rq：belongsToClassMap map：papers;

d2rq：property owl：sameas;

d2rq：uriColumn ＂papers．Sameas＂;

CASIR中的会议论文元数据提供了对作者、论文名称、会议名称以及ISBN号的准确记录, ISBN作为会议论文的唯一标示符,为关联到外部数据源提供了方便。在实例化时,只需要判断两个资源的ISBN是否一致,即可获得该会议论文元数据在DBLP关联数据源中的描述URL,此外也可以根据作者以及对应的机构,获得作者的其他论文资源信息。

在D2R的DOS路径下,以＃d2r-server iswc．n3的命令行启动D2R Server,然后在浏览器中输入地址：http：//210．77．64．53：2020/。可看到已将上述数据发布为含有语义的关联数据源。以CASIR中的一篇会议论文元数据为例,如图2所示。

图2

	Figure Option ViewDownloadNew Window
	图2 CASIR中会议元数据描述示例

经过RDF语义标注和关联扩展的同一篇会议论文元数据如图3所示。

图3

	Figure Option ViewDownloadNew Window
	图3 语义化的论文元数据

通过对比发现,语义扩展后的论文元数据中的属性和实体数据都是灵活的,可通过众多URI标示获得该论文元数据的合作者、会议、学科主题等具体信息。

（1）点击图3中< http：//localhost：2020/page/conferences/2 >,可得到该论文所属的会议信息,如图4所示：

图4

	Figure Option ViewDownloadNew Window
	图4 语义化的会议元数据

（2）点击图3中的< http：//localhost：2020/persons/2 >,可得到该论文其中一个作者的详细信息,如图5所示：

图5

	Figure Option ViewDownloadNew Window
	图5 语义化的作者元数据

（3）点击图5 < http：//localhost：2020/page/organizations/10 >,可得到该作者所属的研究部门信息,如图6所示：

图6

	Figure Option ViewDownloadNew Window
	图6 语义化的机构元数据

（4）本语义扩展模块还开放了基于SPARQL的语义查询服务端点http：//210．77．64．53：2020/snorql/,能够进行基于类和属性的浏览,以及进行基于实体关系的检索和推理,如图7（部分）所示：

图7

	Figure Option ViewDownloadNew Window
	图7 SPARQL查询点

点击各个图中的相关链接都可以得到对应元数据的详细信息,这些信息,有的来自CASIR本身,有的来自外部数据源,但却相互关联在一起,构成了一个轻量级的关联数据网络。