VIVO是康奈尔大学、印第安纳大学、佛罗里达大学等联合开发的科学家网络,支持跨学科科学对象(人、机构等)的发现、交流和共享。VIVO系统采用语义网技术,基于本体和关联数据技术构建科研对象关系模型,VIVO系统支持科研本体构建、支持科研对象的创建、唯一标识和关联。

由于VIVO系统采用了当前主流的技术框架和标准,所以SKE平台选用VIVO平台作为原型系统,并根据中国科学院的环境和用户需求进行二次开发。SKE平台的体系框架如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 专业领域知识环境体系框架

SKE平台由以下模块组成:

(1)知识库:SKE平台的核心是知识库,知识库存储数字对象的元数据、相关文档和组织关联这些数字对象的知识组织体系,包括科研本体、学科分类体系、主题词表等。

(2)标签和子环境:SKE平台可以包含多个虚拟的个性化子环境,标签和子环境用于配置用户个性化知识环境,每个子环境有一个标签本体配置其个性化的环境样式。标签本体向下关联知识库中的本体和实例,向上成为个性化知识环境的结构化知识导航界面。通过标签本体,将知识库内容与个性化环境连接起来,实现了在一个SKE平台上,既具有统一的科研本体和集中存储的知识库,又有逻辑上分离的虚拟知识环境。

(3)应用层:基于Web浏览器的应用,提供用户通过浏览器按对象知识关系发现、浏览、创建知识对象。应用层也提供API接口供其他系统定制知识环境内容。

(4)开放组织引擎:开放组织引擎是外部的服务系统。SKE环境知识对象组织除了科研本体外,还引入了学科分类体系、叙词表、用户标签(关键词)来对资源的主题内容和特征进行揭示和组织。为此,在系统框架中考虑与开放知识组织引擎的接口,SKE平台可以动态调用开放知识组织引擎来对知识进行标引,也可以从开放知识组织引擎个性化定制知识组织体系到SKE平台中。

(5)数据集成:SKE平台设计有数据集成模块,通过数据集成工具来抽取和集成各种格式、各种类型的数字对象,按SKE的科研本体数据模型和描述元数据格式将对象元数据信息集成到SKE知识库中。

(6)第三方接口:SKE平台提供接口和工具与第三方系统进行交互。SKE的API接口供第三方系统定制、抽取SKE知识库数据,SKE平台也通过RSS和Mashup等技术动态集成第三方系统的信息。

上述的功能模块和各种应用工具和接口使得SKE系统成为一个可以组织多类型数字对象、开放和个性化的知识组织工具,提供科研人员方便灵活地应用这个平台来创建、发布、发现多类型科研信息。

知识环境是一个共享的、开放的信息交流和知识发现平台,同时又能满足科研团队内部的学术交流需要,在这样一个内外部交流并存、多种应用目标的需求驱动下,设计知识环境的机制并固化到系统中是非常重要的。SKE共设计了5类用户、3类对象、3类许可。5类用户包括平台管理员、本体管理员、子环境管理员、注册用户和公共用户,分别承担或有权负责SKE平台的管理、知识库中科研本体和主题本体的构建和演化管理、个性化知识环境的构建和子环境用户管理、子环境中发布信息,浏览子环境内部信息和阅读内部交流文档、访问公共阅读平台和各子环境公开的信息。3类对象指知识环境的资源对象,包括本体、实例和全文文档。3类许可包括阅读许可、更新许可、新增许可。

SKE平台通过对用户、对象、许可三个维度的组合配置,使得每个SKE应用可以设置符合个性化知识环境需求的服务和管理机制。例如:一个SKE应用可以设置一个实例允许被公共用户阅读;也可以限制在个性化社区,仅可被社区用户阅读;也可以设置一个实例允许注册用户修改,或只能由子环境管理员更新维护。

SKE关键技术的核心是基于本体的体系架构。本体技术贯穿于SKE的体系框架、存储结构、内容管理、知识发布、知识组织、知识发现等全过程。

本体(Ontology)是共享概念模型的明确的形式化规范说明,近年来在知识工程、人工智能、语义网等领域得到了广泛关注,被应用于解决通信、异构环境互操作和系统工程中。目前在国内外数字图书馆建设和e-Science虚拟科研环境建设中,本体作为一种更加结构化的知识组织体系,在知识检索、信息抽取、知识发现等方面也得到广泛应用^{[ 7]}。

建设SKE信息组织模型,主要是利用本体的知识关联方式,为专业领域信息资源的组织和发现提供解决方案。SKE的科研本体描述了学科领域科研生命周期中所涉及到的综合科技信息资源类型,如人员、机构、项目、成果、科学数据、文献资源、仪器设备等,以及符合学科特点的领域知识组织方式。所以,SKE的科研本体从科研活动规律出发揭示对象及对象之间的关系,主题本体则揭示对象的学科主题特性,通过学科主题之间的关联模型,从主题内在关联关系角度揭示对象之间的关系。SKE两个本体在系统中的作用和彼此的关联^{[ 8]}如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 SKE知识组织体系

当前SKE中提供的科研本体共包括16个一级类,87个二级类,146个数值属性和120个对象属性。16个一级类为人员、研究机构、研究项目、学术活动、科研成果、科学数据、设备与工具、文献资源、科技政策与规划、资助与合作、招生招聘、新闻动态公告等。主要类目的关系如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 科研本体模型

SKE平台实现了基于本体的知识推理和知识发现。本体的本质在于其公理系统和推理能力,能够从显性知识发现隐性知识。本文在SKE系统中对科研人员、科研机构、研究项目和学术活动等本体类的知识关系进行分析,设计关于这些类的近50条推理规则。例如关于科研人员的属性中,虽然没有科研人员参与哪些学术活动,哪些新闻报道与该科研人员有关,科研人员是哪些学术团体的成员等信息,但根据定义的推理规则,可以推导出知识库中并不实质存在的信息。用户在SKE环境浏览实例时,系统不仅显示实例描述中明确表达的信息,也显示自动推理的信息,发挥了本体的知识发现能力。

SKE系统用W3C的语义网规则描述语言(A Semantic Web Rule Language Combining OWL and RuleML, SWRL)^{[ 9]}描述推理规则,通过标准的规则语言,实现对推理能力的管理和配置。例如:

(1)关于科研人员信息的推理

①IF T(?Event, ?hasReporter,?People),Then T(?People,?takePartIn, ?Event)

②IF T(?Organization, ?hasMemberOfScholarCommittee, ?People),THEN T(?People, ?isScholarMemberOf, ?Organization)

③IF T(?People, ?writerOf, ?Publication), (?Publication, publicationOfProject, ?Project), Then (?People, ?ParticipateIn, ?Project)

(2)关于科研机构信息的推理

①IF T(?Organizaiton1,?hasParentBody,?Organization2),THEN T(?Organization2,?childBody,?Organization1)

②IF T(?People,?specialistType, “院士、百人计划、杰出青年”),THEN T(?Organizaion,hasOutstandingSpecialist,?People)

SKE平台中的推理规则应用在两个方面:对象属性推理和科研合作网络推理。

对象属性推理使得能够对一个对象仅做简单的描述而实现丰富的表示和关联。例如在科研人员信息中,可以推理得出该科研人员参加了哪些研究项目、参与了哪些科研活动、是哪些社团的成员等。

科研合作网络计算科研人员的合作关系。在SKE科研合作网络设计中,科研合作关系包括同论文、同科研项目、同课题组、同专利发明人等关系,每种关系赋予一定的权重,SKE推理模块在知识库中进行挖掘和计算,并用可视化方式显示科研合作网络。

个性化信息环境体现在知识组织体系的个性化、平台设置的个性化、内容的个性化。

(1)SKE以三种方式为用户实现个性化环境所需要的本体:直接采用SKE系统提供的核心科研本体;用户在科研本体基础上创建局部本体,实现与核心本体的互操作;通过添加资源描述框架(Resource Description Framework,RDF)的方式把外部获取的本体摄入SKE中,生成新的本体。

(2)在SKE平台的设置上,用户可以灵活设置多级的栏目、栏目与底层本体类的关联(一个栏目下可以设置多个类,或者一个类可以关联到不同的栏目下),用户也可以通过设置实例所在的本体类而把实例放置到不同的栏目下。

(3)在SKE内容的个性化创建上,提供了不同用户权限下的数据添加、修改,同时针对特定领域大量数据的摄入开发了数据摄取工具。面向本体的数据导入,由于本体中对象属性值的存在,往往1 000条数据导入后会生成几千条有关联的数据^{[ 10]},例如一条论文数据导入后生成一条论文实例、三个作者(人员)实例、一个机构实例、一个期刊的实例,这些实例互为对象属性的值。另外,SKE提供的公共平台+子环境平台的系统架构,实现了不同平台数据的共享和个性化,可以在其他平台上定制数据后在用户的SKE平台的相应栏目下呈现,也可以把用户平台上的实例共享到其他平台。

当前基于RDF的海量数据的出现,让关联数据技术的研究和应用成为热点,其中,对技术人员和用户最具有吸引力的是不同数据集的平滑整合^{[ 11]},即数据间的“无障碍”关联。当前很多基于本体的系统中的数据,都被放到了LOD云中,如FOAF Profile、VIVO。SKE数据用RDF来描述,发布的实例都是基于本体的关联数据。

目前SKE实现了不同方式的内容导航,便于用户快速定位到寻找的知识,如图5所示:

图5

	Figure Option ViewDownloadNew Window
	图5 SKE多种方式的知识关联

(1)不同信息资源的栏目分类浏览,实例存储于不同的本体类下,按照类与栏目的关联而显示在不同的栏目下。

(2)提供索引,实现内容按照本体类目结构的资源类型索引(由科研本体支持)和学科领域信息索引(由主题本体支持),见图5(a)。

(3)基于本体关系的内容关联,实现不同类型实例之间的“链接”,例如某一论文(文献)-作者(人员)-研究项目(项目)-学术会议(学术活动),直接实现用户知识点/面的扩展。

(4)通过设计围绕人员的推理规则,实现了科研人员的合作者网络,见图5(b)。

SKE所实现的知识发现能力包含基于数据库的知识发现和数据挖掘,以帮助科研人员快速发现所需的知识内容。

(1)检索结果按照科研本体的类(即不同的资源类型)或学科主题本体的类(即专业领域知识点)分类呈现。

(2)推理规则(主要围绕人员和机构)的设计,实现平台上隐性知识的发现。

(3)支持SPARQL查询,可以从RDF数据中找到所需的数据,这个功能将来会应用在语义检索中。

为了满足用户实时更新信息的需求,SKE平台上提供了“新闻聚合”(Really Simple Syndication,RSS)嵌入和“网页嵌套”,用户可以配置RSS信息源和定制来源嵌套网页,实现实时的第三方信息内容的集成和第三方工具的集成。