Fedora(Flexible Extensible Digital Object Repository Architecture)是康奈尔大学在美国国家科学基金会(National Science Foundation, NSF)和美国国防部高级研究项目机构(Defence Advanced Research Projects Agency, DARPA)共同资助下进行的关于复合数字对象模型的研究项目^[2], 旨在为数字内容、资产管理和数字资源保存等提供灵活可扩展的数字对象仓储结构。Fedora定义了一系列表示数字对象的概念, 明确了数字对象间的关系, 以及连接数字对象的行为, Fedora项目利用一个通用的数字内容管理系统来实现这些Fedora概念。数字对象模型是Fedora系统的核心, 提供了一种描述、管理、传递和保存复杂数字内容的通用框架, 其复合数字对象结构、模板化内容模型框架以及采用语义网技术对数字资源间复杂结构、语义、源流和管理关系的揭示, 实现了数字对象模型的灵活和可扩展, 使得数字仓储适应日益多样化和复杂化的数字内容管理需求。

Fedora数字对象结构^[3]采用复合数字对象的方案, 聚合了数字内容, 其基本组成内容包括数字对象唯一标识符、对象属性和一系列数据流。数字对象通过数据流记录和封装数字对象的内容、元数据、关系描述等信息, 其中DC数据流用于包含对象的元数据, AUDIT数据流记录数字对象的所有变化。Fedora通过数字对象关系元数据的形式表示数字对象的关联关系, 并以关系数据流的形式存储在数字对象中, RELS-EXT数据流主要用于描述与其他数字对象的关系, RELS-INT数据流则用来描述数字对象的内部数据流之间的关系。为了构建富语义的数字知识网络, Fedora定义了一个基本语义关系本体来支持数字对象网络中常见关系的规范表示, 包括组成关系(hasConstituent)、成员关系(hasMember)、衍生关系(hasDerivation)、依赖关系(hasDependent)、等同关系(hasEquivalent)、描述关系(isDescriptionOf)、标注关系(isAnnotationOf)等^[4], 揭示了数字资源间的结构关系、源流关系和管理关系等语义关系, 为数字仓储中知识网络的描述、操作和查询等问题提供了开放关联和可扩展的解决方案。此外, Fedora可在基本关系本体的基础上, 复用外部的领域本体或词汇, 实现多种复杂形式关联关系的扩展^[5]。通过这种定义数字资源之间语义关系和对象之间层次关系的灵活可扩展机制, Fedora可支持复合数字对象组成部分的重用, 在互相关联资源的基础上构建数字对象网络, 满足各种类型复杂数字内容的结构和语义关系的表示与组织管理。

为了提供模板化组织管理数字对象的方式, Fedora通过引入内容模型框架(Content Model Architecture, CMA)^[6]的概念和方法为具有相似特征的一类数字对象构建内容模型。在CMA中, 内容模型用于定义数字内容保存和传递过程所需要的所有可能的特征, 如结构、行为和语义信息, 以及与其他数字对象或实体间的各类关系, 为各种类型数字资源提供了一种可重用的模板, 从而减少创建、摄取、存储、管理、保存、转换和获取数字内容过程中的重复工作, 支持内容的分类管理, 促进其分享和发现利用等。

CMA提供了一个集成内容和行为操作的框架, 改变了之前将数据、元数据和行为操作聚合在一起的数字对象结构, 定义4类数字对象来描述数字资源的内容类型及其实现的操作行为, 数字对象及其关系如图1所示：

图1

	Figure Option ViewDownloadNew Window
	图1 Fedora内容模型框架中数字对象的关系[6]

数据对象(Data Object)表示所要组织管理的数字资源, 用于存储数字内容实体; 内容模型对象(Content Model)是数据对象的类, “ hasModel” 关系表示属于数据对象所遵循的内容模型; 服务定义对象(Service Definition Object)和服务配置对象(Service Deployment Object)实现了内容模型对象的服务, 服务定义对象是Fedora中用于存储服务模型的控制对象, 定义了一个服务及其相关操作集合, 通过“ hasService” 关系描述内容模型对象提供的服务及相关操作, 而服务配置对象表明了内容模型对象服务的具体实现方式, 描述了Fedora如何执行服务定义的操作。CMA这种数字资源表现形式和内容类型分离、表现形式和操作行为分离的机制, 不仅使得Fedora数字对象可遵循描述其特征的丰富内容模型, 而且提供了决定数字对象操作方法的多样行为机制, 实现各种类型数字资源及其表现形式的可定制的描述模式, 为Fedora数字对象的灵活扩展和重用提供基础。

作为实施知识资产长期保存和支持科研成果开放共享的主力, 数字仓储目前向基于知识语义关联的应用方向发展。面对不同类型的数字资源, Fedora通过复合数字对象结构和内容模型框架构建了灵活可扩展的数字对象模型, 通过捕获数字对象的关联关系, 增强了数字对象语义关系的表达能力, 使其在保存管理数字内容的研究中得到越来越多的应用和扩展。

为促进欧洲范围内知识文化遗产资源的共享利用, 欧盟推动建立了欧洲数字图书馆Europeana, 提供访问和利用欧洲知识文化遗产资源的集成门户^[7]。在数字化知识文化遗产资源时, 欧洲范围内图书馆、档案馆、博物馆等机构采用了不同的元数据标准, Europeana这种跨文化、多情境的环境要求合理组织和管理这些异构的元数据或描述信息。ESE(Europeana Semantic Elements)数据模型的扁平结构, 造成数据提供者的元数据在映射过程中语义损失。为了有效组织管理来自不同数据提供者对文化遗产资源的描述信息, Europeana对ESE数据模型进行改进升级, 采用资源聚合结构建立了EDM(Europeana Data Model)数据模型, 实现对来自跨领域异构知识文化遗产元数据的有效融合、集成、重用与关联组织。

EDM通过复用OAI-ORE构建了聚合模型中的资源类和情境实体类, 并捕获了类关系属性, 聚合结构使得数据提供者能够以自身的描述标准构建数据, 并且Europeana为这些不同来源的数据增加语义描述, 支持来自不同数据提供者的元数据的语义增强, 丰富文化遗产对象的语义描述。因此, EDM模型包括基本结构和语义增强的扩展结构, 构建了灵活的类的层级结构以支持知识文化遗产资源的描述与组织, 包括EDM自身的类和从其他名称空间复用的类^[8]。EDM基本聚合结构有三个资源核心类:描述不同来源数据的聚合(Aggregation), 及其所包含的文化遗产对象(Provided Cultural Heritage Object, ProvidedCHO)和该对象的数字形式(Web Resource)。Europeana需要从不同来源集成数据, 然而对于同一资源对象, 不同数据提供者采用的元数据标准和描述方式存在差异, 为了区分这些不同来源的描述, 记录数据的源流信息, EDM引入代理(Proxy)表示一个特定提供者对某个ProvidedCHO的描述, 使用属性ore:proxyIn关联该提供者的聚合, 使用属性ore:proxyFor连接所代理的ProvidedCHO。同时, 为了标准化和丰富文化遗产对象不同来源的描述, Europeana对象模型使用edm:EuropeanaAggregation聚合类创建自身的聚合, 为文化遗产对象增加Europeana描述, 聚合每个数据提供者对同一对象的描述^[9]。EDM的这种聚合结构, 能够兼容多种领域标准, 如博物馆的LIDO、档案馆的EAD或数字图书馆的METS, 实现了博物馆、档案馆和数字图书馆等领域内资源的集成关联^[7]。

为了捕获文化遗产对象的相关情境信息, 支持语义增强建模, EDM构建了表示对象相关的情境实体(Contextual Entities)类来支持情境关系的建立, 包括主体(Agent)、地点(Place)、概念(Concept)、事件(Event)、自然实体(Physical Thing)、时间范围(Time Span)。这些情境实体本身可以拥有自身的元数据, 并使用控制词表进行规范描述, 提供细致深入的信息, 实现对象与相关的人、地点、主题等数据信息的关联, 例如, Agent 通过VIAF权威记录, 提供了更多有关ProvidedCHO作者的信息^[10]。

EDM模型复用相关本体或词汇, 通过层级结构的EDM属性关系(如图2)描述如下类型的资源关联:.

(1)结构组成关系:核心聚合结构一方面复用OAI-ORE的属性ore:aggregates, 构建其子属性aggregatedCHO描述Aggregation和ProvidedCHO的聚合关系; 另一方面将Aggregation和文化遗产对象的呈现形式(hasView)、所在数据提供者网站(landingPage)关联。

(2)主题类型关系:主题(dc:subject)、类型(hasType)、共现资源(hasMet)属性表示EDM对象主题类型描述的特征。

(3)情境关系:属性occurredAt、happenedAt和wasPresentAt提供关于主体、地点、时间范围等情境实体的描述信息。

(4)文化遗产对象间的关系:衍生(isDerivativeOf)、后继(isSuccessorOf)、包含(incorporates)等关系属性揭示了对象间的相似关系(isSimilarTo), 邻接关系(isNextInSequence)用来表示期刊等出版物序列的顺序, 还包括自然实体对信息资源的实现(realizes)和资源间表现关系(isRepresentationOf)。

图2

	Figure Option ViewDownloadNew Window
	图2 EDM属性的层级结构[10]

EDM遵循语义网和关联数据原则, 语义化描述数字资源的聚合结构和关联关系, 因此EDM对象易于根据关联数据原则赋予HTTP URIs, 并通过与外部GeoNames地点数据、DBpedia人物数据等关联数据源的语义关联^[11], 连接外部的其他项目和机构, 为欧洲文化遗产数据增加更多有意义的关联关系。作为Europeana的一个更加灵活和明确的新数据模型, EDM满足了跨领域知识文化遗产资源的整合和集成利用的需求, 在促进Europeana构建语义化、网络化数据环境的同时, 也为开放关联环境下数字图书馆等相关领域关联聚合资源的研究提供了借鉴。

科研信息与科学研究环境中的角色相关, 能够支持科研活动的组织、管理和计划, 以及科学研究过程中日益增强的合作交流, 因此需要对科研信息进行组织管理和共享。CERIF(Common European Research Information Format)^[12]是euroCRIS推荐给其成员国的支持科研信息管理的概念模型标准, 作为表示科研环境中有关实体及实体间关系的底层数据模型, 应用于科研信息系统(Current Research Information System, CRIS)的建设, 便于科研信息的交换和共享。CERIF数据模型中丰富的实体、灵活的关系管理、XML交换格式和CERIF语义, 使其成为构建可扩展的科研信息系统的一个强大工具。

CERIF从科研管理流程出发, 分析和明确了研究计划、项目、成果等各个环节^[13]所涉及的主要科研实体及其科研关系, 以支持科研信息的集成共享管理, 如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 CERIF模型中的实体及实体间的关系[12]

CERIF的实体框架围绕人(Person)、组织单元(OrganisationUnit)和项目(Project)这三个基本实体(Base Entities)展开, 他们为描述研究者及其所处科研环境开展科研活动时产生的各种交互提供基础, 整个科研过程其他科研实体通过与基本实体的关联支持科研活动。基本实体产出包括出版物(ResultPublication)、专利(ResultPatent)和产品(ResultProduct)等成果实体(Result Entities)。通过成果和设备等基础设施实体(Infrastructure)的关联, CERIF支持捕获科研产出的产生源流关系, 同时为了使得科研信息系统能够提供科研评价服务, CERIF构建评价实体(Measurement)和指标实体(Indicator)来扩展定量评价能力, 这些二级实体(2nd Level Entities)通过与基本实体、成果实体的关联, 描述了科学研究的情境。

CERIF通过构建关联实体来表示实体之间的关联关系, 由于科研实体在所处的科研场景发挥着特定的角色功能, 并产生相应的科研关系, 为实现科研领域一般关系和类型词汇的标准化, CERIF使用标准词汇和术语构建语义层, 定义和描述了科研实体在研究环境中所涉及的关系和角色, 形成类的语义值和所属的类别体系, 并以类别标识符和类别体系标识符标识, 例如组织单元间的部分整体关系(hasPart)属于组织结构(Organisation Structure)类别体系, 作者(Author)则属于人在出版物中所处角色(Publication-Person Roles)的类别体系。CERIF关联实体以记录实体标识符的方式将两个实体相互关联, 通过类别标识符和类别体系标识符关联至语义层, 参考CERIF语义层中实体关系或角色类型的语义值^[14]。CERIF模型构建的关于科研实体类型和角色的CERIF语义, 为捕获科研信息管理中科研实体的功能和角色关系提供了标准化的方法。

随着数据密集型计算模式逐步成为科学研究的主流范式, 研究者希望能够发布、查找、共享科学研究过程中一切有价值的学术资料, 包括研究方法、工具和过程。因此, 支持广泛复杂类型数字知识的关联组织和结构化重用成为科学记录和学术交流出版系统适应这种研究范式演化的基本要求。显然, 传统线性结构的学术出版模式使得科研过程的知识出版和传播以不可分割的单位保存, 难以支持科研产出及研究方法关联重用。研究对象(Research Object, RO)模型从科研过程的角度, 提取并集成研究数据、情境信息和研究方法等科学知识对象, 通过数字知识的封装, 提供了可重用科研知识的组织、发现和分享机制。

RO是支持科学工作流分享的社交平台myExperiment中包(Pack)概念的扩展延伸^[15], 封装了有关科研过程的重要信息, 包括研究数据、科研方法、科研成果产出、涉及的人和机构等实体、行为操作和细节描述等注释信息以及源流、衍生等关联关系, 是一种资源语义聚合的知识单元^[16]。为了实现研究学术价值链上各个环节知识产出的共享、重用和增值, RO模型并不仅限于为科学工作流等某类科研资源提供聚合结构, 还面向整个研究过程, 组织管理有价值的各类科研知识产出, 以多种方式支持科研知识的重用。RO能够作为可重用(Reusable)的对象整体在新实验或其他RO中重用, 而且RO的聚合结构描述了组成部分之间的关系, 这些组成部分可作为可重组的(Repurposeable)对象在研究过程中进行重用, 衍生出新的RO。RO通过对研究过程各方面实体信息及其关系的完整记录, 使得所描述的研究成为可重复的(Repeatable)、可再生的(Reproducible)、可重现的(Replayable)和可揭示的(Revealable)研究。同时, 为了支持科研资源的发现和检索, RO也需要是可参考(Referenceable)或可引用的^[17]。这些可重用方式是可共享对象所应表现的主要行为特征, 为RO模型的定义提供了需求基础。

为满足以上多种可重用的功能需求, RO模型需要实现一些支持这些功能的特征。一个RO模型应用示例如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 RO模型应用示例[16]

RO作为一个整体可被注释或分享, 在资源的基本聚合结构中, 被聚合的数字对象表示了科研产出实体, 聚合整体及其组成部分都可被唯一识别; RO模型使用元数据描述RO中资源之间的关系, 提供成果源流、衍生等关联关系的信息。RO中捕获内部结构和资源间关系的元数据, 为数字科研资源的重用提供了面向研究过程的全面视角, 使得研究对象从一个简单的聚合结构成为一个可重用的对象, 促进了相应附加值的产生, 实现了资源重用和共享、支持科学研究的目标。

考虑到科研活动以特定序列生命周期的方式进行, RO模型面向科研过程进行扩展, 描述了科研生命周期不同阶段研究对象的状态以及执行的操作, 使用版本记录对象的变化, 实现其在生命周期中的动态管理。依据科研生命周期中涉及的研究活动, 研究对象识别出表示资源聚合的常用类型, 例如支持语义化出版的出版对象(Publication Object)、表示科研过程中工作的动态对象(Live Object)、记录研究方法的方法对象(Method Object)等^[16]。作为科研领域发布和组织数据的方式, RO框架提供的聚合结构可融入关联数据的语义环境中, 依据关联数据规则, RO本身作为一种资源发布为关联数据, 另外研究对象可作为命名图聚合关联数据资源^[16]。RO模型为数字化科研领域提供了一个关联组织研究过程中科研产出的框架, 支持科研知识的重用和共享。