关系模型是关系数据库的数据模型,在关系模型中,无论是实体还是实体之间的关系均由单一的结构关系,即二维表来表示。每一个表由行和列组成。表的每一行为一个元组,每一列为一个属性。在实际应用中,通常将每一个实体设计为一个表,例如:5个表分别存储和管理期刊、期刊论文、作者、专利、主题词5类不同的实体。每个表的列,代表了这个实体的属性特征,如期刊的属性特征包括题名、ISSN号、出版者等,作者的属性特征包括姓名、专业、单位等。属性的值具有相应的数据类型和取值范围。

客观世界中,事务内部及事务之间存在联系,表现为实体内部的联系和实体之间的联系,实体内部的关系通常是指组成实体的各属性之间的联系,实体之间的联系可以分三种:一对一联系,一对多联系和多对多联系。实际上,一对一联系是一对多联系的特例,而一对多联系又是多对多联系的特例,这些联系不仅存在于两个实体之间,也存在于两个以上的实体之间^{[ 1]}。

关联数据的基本思想是:

(1)用URI来标识事物;

(2)一切万维网上标识的事物,具体的或抽象的,统称为“资源”;

(3)用属性和属性值描述资源以及资源与资源之间的关系^{[ 2]}。

关联数据的数据模型是RDF一阶谓词(First-order Logic)模型。RDF模型可以用三元组(Triple)的方法来表示,即主语(Subject)、谓语(Predicate)、客体(Object)构成,称为RDF陈述(Statement)。如果把主语和客体看作节点,属性看成是一条边,则一个简单的RDF陈述可以表示成一个RDF有向图(Graph)^{[ 3]}。RDF实质上是一种二元关系的表达,由于任何复杂的关系都可以分解为多个简单的二元关系,属性和属性值类似于E-R模型,因此RDF数据模型可以描述任何复杂的关系。实际上,属性和属性值都可以包含URI,也同样是资源,通过URI可以参引任何可以被标识的事物,因此,RDF可以链接到万维网上的任何地方,描述万维网上的一切资源。在关联数据中,强调通过丰富的RDF链接,构建资源的“语境”^{[ 4, 5]}。

RDF使用特定命名和值来表达与资源有关的简单声明。但很多情况下,用户希望能够自定义一些词汇,然后用这些词汇来描述资源,即需要定义一些类和特性,例如定义Person类来描述人,定义Book类来描述图书,定义Author特性来描述图书的作者等。RDF本身并不能定义这些类和特性,它们需要用RDF的描述语言RDF Schema来定义^{[ 6]}。

两者的概念模型都是基于现实世界的实体、属性及其关系而构建的,因此具备建立映射和实现转换的可能性。在RDBMS与RDF的映射实现研究方面,Imai等^{[ 7]}提出了新型的元数据类型——关系元数据,即基于ER实体关系模式的XML数据,用于实现与RDF相兼容的目的;Korotkiy等^{[ 8]}使用RDF/S作为将关系数据与预定义领域本体映射的定义和实现机制,提出了一种映射实现的方法;Yanhui 等^{[ 9]}通过抽取关系模型的语义并映射到RDF模型,提出了一种具备灵活性的映射机制。关系模型和三元组之间的映射转换关系可描述为概念映射和数据映射两个方面,具体如表1所示:

表1

表1

表1 关系模型与三元组之间的映射关系 概念映射 数据映射 Linked Data RDBMS Linked Data RDBMS 类 实体 主体,客体 表 数据属性 实体属性 谓词-文本值 列-元组 对象属性 实体关系 谓词-客体 关系名-关系

表1 关系模型与三元组之间的映射关系

通过表 1可以看出,在语义模式的映射中,类、数据属性与实体、实体关系的映射比较清晰。类与实体的映射体现为表与RDF类的映射,即表映射为RDF三元组中的主体或客体,表的主键映射为主语或对象的URI;数据属性的映射,即二维表的列对应为三元组中的谓词,其行数据映射为文本对象。

而对象属性的映射,则相对比较复杂,原因在于实体内部及实体之间的关系,在关系数据库中有不同的表达和构建方式,并且基于实际需求,有一定的应用设计特点。而在关联数据中,对象之间的语义关系通过RDF链接来表达。因此,对象属性的映射,是关系数据库与关联数据语义组织模式映射的关键。

基于数据组织的实际应用,本文分析和归纳了关系数据库中关联关系的不同构建方式,确定了核心的语义映射和模式转换需求。

(1)不同表之间的关联关系

不同的表代表不同的实体,而表间关系即实体之间的关系,需要在关联数据的RDF中,通过关联链接来进行表达。通常在关系数据库中,不同表之间的关系通过以下几种方式进行构建:

①基于外键引用的表间关系,即一个表中的非主属性,来自于另一个表的主属性。例如期刊论文表中,期刊论文的subject属性,引自主题词表的subject_id,期刊论文的母体即journal属性,引自期刊表的journal_id。对这些数据进行关联数据发布时,应表达这些在数据库中显性构建的关联关系。

②基于属性关联的表间关系,即一个表中的属性,基于一定的限制条件,与另一个表的相关属性相等。例如期刊论文表和专利表,都有author属性,表明两者存在一定的关系,当使用SQL语句,select * from 期刊论文表,专利表 where 期刊论文表.author=专利表.author,则可以得到期刊论文与专利文献基于相同作者的关联关系;同时,可增加限制条件,在满足一定条件下,动态获得某些关联关系。对这些数据进行关联数据发布时,应显性表达这些隐含在数据中的关联关系。

(2)同一表内部的关联关系

①一个表及其列代表一个实体及其属性之间存在的一对多的关系,即表1中的数据属性及其实现。例如期刊表与其诸多列之间,存在一对多的内在联系。对这些数据进行关联数据发布时,应表达这些在数据库中显性构建的关联关系。

②一个表及其别名表,通过某一属性的等值关系,可构建两个不同实体的逻辑关系。例如一个主题表中,每一个主题词subjectid,都有一个上级主题词parentid,通过subjectid=parentid可以构造出主题词及其上级主题词的等级关系。这种关系可以通过SQL语言中别名的运用,将一个表逻辑上拆分为两个表,基于属性相等的条件,得到两个虚拟表的关联关系,从而获得了同一表(主题表)内部,主题及其上位主题的等级关系。对这些数据进行关联数据发布时,应显性表达这些隐含在数据中的关联关系。

(3)与外部数据的关系

在将关系型数据库转换为关联数据的过程中,如已知与外部数据(如RDF词表、某些常量等)存在某些关系(如rdf:seealso、owl:sameAs关系等),则需要与已知的URI建立关联关系。

D2R是一个将关系型数据库发布为关联数据的专用工具,支持主流关系型数据库如Oracle、MySQL、PostgreSQL、Microsoft SQL Server、Microsoft Access等,将表数据发布为关联数据。目前使用D2R进行关联数据发布的应用有:Gene Ontology Annotationshttp://spade.lbl.gov:2020/、Berlin DBLP Bibliography Serverhttp://www4.wiwiss.fu-berlin.de/dblp/、Hannover DBLP Bibliography Serverhttp://dblp.l3s.de/d2r/、 EuroStat Countries and Regions Serverhttp://www4.wiwiss.fu-berlin.de/eurostat/等^{[ 6]}。

D2R语义模式映射机制主要包括两大部分:

(1)构建映射规则,即利用映射语言,以RDF格式描述映射关系,形成映射文件,该文件的作用是在访问关系型数据时将RDF数据的查询语言SPARQL转换为关系数据库的SQL数据查询式,并将SQL查询结果转换为RDF三元组,该部分的实现脚本为generate.bat;

(2)构建关联数据服务,使用映射文件对关系型数据进行转换,并提供多种访问模式,包括关联数据的URI参引、SPARQL查询和DUMP下载,其生成脚本为d2r-server.bat。

基于映射语言编写的映射文件是D2R实现语义模式映射的核心,如图 1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 D2R的语义模式映射机制

本文利用SQL Server建立了一个学术文献数据库,针对期刊、期刊论文、专利等不同类型文献,分别设计了相应的期刊(Journal)、期刊论文(JournalPaper)、专利(Patent)等数据表,并建立了与之相关的作者(Author)、主题词(Subject)等数据表。通过运行D2R的generate.bat脚本,生成了一个映射文件outfile.n3;基于该映射文件,构建了学术文献数据库的关联数据的浏览与查询服务。

D2RQ Mapping是D2R的映射语言,作为一种声明性语言,用于描述关系型数据模式与RDFS Vocabularies 或者OWL的映射关系。每一个由generate.bat脚本生成的映射文件,都是用D2RQ语言编写的RDF文件。这种语言由D2RQ RDFS Schemahttp://www4.wiwiss.fu-berlin.de/bizer/d2rq/0.1定义。D2RQ的命名空间为http://www.wiwiss.fu-berlin.de/suhl/bizer/D2RQ/0.1#。该语言的语义映射实现有两大核心。

(1)URI模式定义

在关联数据中,任何一个资源都使用HTTP URI来标识,以通过HTTP协议进行访问,实现基于Web的访问与互联^{[ 10, 11]}。

D2RQ映射语言提供了URI生成的描述模板机制,用来指导生成实例化资源的真实URI,具体包括4种方式:绝对URI模式(URI Pattern),相对URI模式(Relative URI Pattern)、URI列模式(URI Columns Pattern)和空节点模式(Blank Nodes Pattern),具体介绍见文献[12]和文献[14]。

本文采用绝对URI模式,即使用d2rq:uriPattern属性对每个表对象进行配置,形如JournalPaper/@@JournalPaper.PAPER_ID@@,“/”前面的部分为表名,后面“@@”之间的部分为表的列。

(2)类与属性的映射

类与属性的部分映射编码如下:

①表JournalPaper的类映射

a d2rq:ClassMap;

d2rq:dataStorage map:database;

d2rq:uriPattern "JournalPaper/@@JournalPaper.PAPER_ID@@";

d2rq:class ;

d2rq:classDefinitionLabel "JournalPaper";,

a d2rq:PropertyBridge;

d2rq:belongsToClassMap ;

d2rq:property rdfs:label;

d2rq:pattern "JournalPaper#@JournalPaper.PAPER_ID@@";

②属性映射

map:JournalPaper_PAPER_ID a d2rq:PropertyBridge;

d2rq:belongsToClassMap ;

d2rq:property vocab:JournalPaper_PAPER_ID;

d2rq:propertyDefinitionLabel "JournalPaper PAPER_ID";

d2rq:column "JournalPaper.PAPER_ID";

d2rq:datatype xsd:int;

map:JournalPaper_TITLE a d2rq:PropertyBridge;

d2rq:belongsToClassMap ;

d2rq:property vocab:JournalPaper_TITLE;

d2rq:propertyDefinitionLabel "JournalPaper TITLE";

d2rq:column "JournalPaper.TITLE";

map:JournalPaper_Language a d2rq:PropertyBridge;

d2rq:belongsToClassMap ;

d2rq:property vocab:JournalPaper_Language;

d2rq:propertyDefinitionLabel "JournalPaper Language";

d2rq:column "JournalPaper.Language";

③外键引用的关联构建

map:JournalPaper_MotherJournal a d2rq:PropertyBridge;

d2rq:belongsToClassMap ;

d2rq:property vocab:JournalPaper_MotherJournal;

d2rq:refersToClassMap ;

d2rq:join "JournalPaper.MotherJournal=>Journal.Journal_ID";

类映射(d2rq:ClassMaps)中的ClassMap代表一个类或本体中相似的一组类,它与关系数据库中的一个表相映射。类映射有两个重要属性d2rq:Class和 d2rq:UriPattern。URI模式下,d2rq:Class表示当前的类映射所对应的Class,其取值可以来自现有的OWL Ontology 或者RDFS Schema,也可以根据数据特征定义新的Class。每一个类映射组成了数据库的映射,如JournalPaper_ClassMap和Journal_ClassMap等,其中JournalPaper_ClassMap的映射编码见映射编码①^{[ 12, 13, 14]}。

属性映射(d2rq:PropertyBridge)代表OWL Ontology或者RDFS Schema中Class的属性,它与关系数据库中某个表的列相对应。本实例中,JournalPaper_ClassMap包括了PaperID_PropertyBridge、 Title_PropertyBridge和Language_PropertyBridge三个属性映射,分别映射三个列,其映射编码见映射编码②。属性映射可概括为几个基本属性:d2rq:belongsToClassMap表示该PropertyBridge 所属的ClassMap;d2rq:property表示该PropertyBridge所对应property,其值可以来自现有的OWL Ontology或者RDFS Schema,也可以根据数据特征定义新的property;d2rq:column表示该PropertyBridge关联的某个具体表中的列^{[ 12, 13, 14]}。

本实例的映射结构^{[ 12, 15]}如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 类映射与属性映射示意图[ 12, 15]

(1)不同表间关联关系的构建

在图 2中,期刊论文表的母体属性MotherJournal,引用了期刊表中的JournalID。D2RQ映射会自动为数据库中已构建的显性关系,如基于主键和外键引用的表间关系,建立链接,从而在关联数据浏览中提供跳转链接,如图 3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 不同表间关系在关联数据中生成的RDF链接

图3中,(a)是由表JournalPaper生成的关联数据,其中包括指向Journal的关联数据(b)的链接。这是通过属性映射d2rq:PropertyBridge的相关属性d2rq:refersToClassMap和d2rq:join来实现的。参见映射编码③,d2rq:refersToClassMap说明了关联的对象引用自哪个类,d2rq:join则描述了关联关系,两个引用字段之间的“=>”符号代表了引用的方向。

如果数据库没有显性地建立这种参引关系,而是通过SQL语句动态获得表间关系,则需要手工进行支持SQL语句的映射描述,即手工在每个表的ClassMap的PropertyBridge增加join属性。例如当需要在关联数据中揭示期刊论文和专利文献基于相同作者的关联关系时,可使用d2rq:refersToClassMap map:专利 和d2rq:join "专利表.作者=>期刊论文表.作者"来构建这种关联。而如果一个期刊论文作者对应多个专利文献时,在关联数据中会为期刊论文的一个作者生成指向多个专利文献的RDF链接,因此,为了列出多个作者之间可能存在的关系,可以同时使用两个方向的描述,即d2rq:join "专利表.作者=>期刊论文表.作者"和d2rq:join "期刊论文表.作者<=专利表.作者 ",从而描述两个对象(期刊论文与专利文献)之间基于相同属性(作者)的n:m的多对多关系,动态表间关系映射编码如下:

map:PaperAuthor a d2rq:PropertyBridge;

d2rq:belongsToClassMap map:JournalPaper;

d2rq:property :JournalAuthor;

d2rq:refersToClassMap map:Patent;

d2rq:join "JournalPaper.Author <= Patent.Author";

d2rq:join "JournalPaper.Author =>Patent.Author";

d2rq:condition "JournalPaper.PubYear > 2000".

当这种关系需要满足一定的条件,或在某些条件下才成立时,则需要使用d2rq:conditon来对这些条件进行描述,从而达到关系的动态构建和多对多关系的转换实现,如其中的d2rq:condition "JournalPaper.PubYear > 2000",相当于SQL中的WHERE语句。

(2)同一表内部关系的构建

代表实体与其属性之间的一对多的关系,可通过ClassMap及PropertyBridge的描述来实现。而对于同一表内所包含的内在实体关系, D2RQ映射语言提供对SQL语言中的“别名”的支持,即d2rq:alias区分不同的逻辑对象,再利用d2rq:join进行关系描述。因此,可以通过使用别名,实现同一表内部树状关系的提取,并将这种关系在关联数据中转换为RDF链接,如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 表内关系的关联数据发布

图4中,主题词表Subject中的每一个主题词subjectid都有一个上位类subjectparentid,如果采用默认的生成方式(见图 4(a)),只能显示其上位类的概念代码“S10”,但无法得到其链接;而通过建立一个别名表parentsubject,基于属性相等的条件subjectid=parentid,则能够得到同一表内部,不同逻辑实体,主题概念及其上位概念之间的等级关系(见图 4(b)),使用以下编码,则可以获得其上位概念S10的链接及其下位概念S112,S113的链接。

同一表内部关系映射编码如下:

map:Subject_Parent_ID a d2rq:PropertyBridge;

d2rq:belongsToClassMap

;

d2rq:property skos:broader;

d2rq:refersToClassMap

;

d2rq:join "dbo.Subject.Parent_ID=parentSubject.

Subject_ID";

d2rq:alias "dbo.Subject AS parentSubject";

(3)与外部数据集的关联构建

关系型数据库的数据内容可能与外部数据之间存在某种联系,如果已知这种联系,可以在发布为关联数据时进行关联创建和描述,从而通过丰富的数据链接,达到构建数据“语境”的目的。在D2RQ中,通常支持使用以下两种方式的外部关联应用。

①与某类常量的关联,即为每一个资源增加一个属性,通过类映射的d2rq:constantValue,为这个属性关联一个常量。

与常量关联的编码如下:

map:PatentClassMap a d2rq:ClassMap;

d2rq:class :Patent;

map:seeAlsoBridge a d2rq:PropertyBridge;

d2rq:belongsToClassMap map:PatenClassMap;

d2rq:property rdfs:seeAlso;

d2rq:constantValue ;

其中,rdfs:seeAlso带有一个固定的URL对象,连接到每个map:PatentClassMap类映射的实例中,即为每一个专利类增加了一个Wikipedia的专利概念参见。在更早的版本中,对增加常量关联的方法采用增加附加属性的方法d2rq:additionalProperty来实现。

②与通用词表的映射关联。关联数据构建的基本原则之一,是尽可能地使用已有的通用词表^{[ 6]}。因此,在关联数据的构建过程中,需要为已有的类或属性名称,建立与通用词汇的映射,并支持这些通用词汇参与SPARQL的模式查询。

D2RQ提供了附加类定义(d2rq:additionalClassDefinition)和附加属性定义(d2rq:additionalPropertyDefinition),分别与类映射和属性映射相对应,能够为私有的类和属性词汇,建立与通用词表之间的映射。

与通用词表的关联编码如下:

map:AuthorClassMap a d2rq:ClassMap;

d2rq:class :Author;

d2rq:additionalClassDefinitionProperty

map:AuthorEquivalence.

map:AuthorEquivalence a d2rq:AdditionalProperty;

d2rq:propertyName owl:equivalentClass;

d2rq:propertyValue foaf:Person.

其中,通过附加一个类映射AuthorEquivalence,为Author类与通用的foaf:Person类建立了映射关联,通过附加一个属性映射PaperTitleEquivalence,为Title建立了与dc:title的映射。而foaf:Person、dc:title也能够像Author和Title一样,参与SPARQL的模式查询,实现诸如(additionalName, ANY, ANY), (URI, ANY, additionalName)和 (URI, additionalName, ANY)的模式匹配查询。