“ Folksonomy” 一词最早由美国信息架构专家Thomas Vander Wal于2004年将Folk和Taxonomy两个词融合而成, 中文翻译有大众分类法、分众分类法、自由分类法等。其定义为:个人为方便检索而对任何具有URL的信息和对象进行自由标注的结果^[5]。该标注在社会环境下形成, 对他人公开并共享。标注行为是用户个人对信息的消化、吸收。

Folksonomy主要包含三个基本元素:资源、标签和用户。就目前而言, 对其应用最多且最完整的属标签系统。社会标签系统的概念模型如图1所示。在该模型中, 用户对特定资源标注标签, 但用户的信息空间不封闭、不孤立, 而是开放共享的。用户可以通过查看其他用户添加的标签, 了解其他用户对某资源的评价, 也可以通过标签找到拥有共同兴趣爱好的社群成员^[10]。

图1

	Figure Option ViewDownloadNew Window
	图1 标签系统模型

通过大量文献查阅, 笔者发现可以将Folksonomy 中资源、标签、用户用RDF表示, 以实现RDF的存储与查询的方式, 实现Folksonomy的具体应用。

资源描述框架(Resource Description Framework, RDF)是W3C提出的一种描述Web信息的通用语言。RDF中任何对象都是资源, 既可指Web上被标明、含有URL的对象, 也可指对象的属性, 都具有一个URL作为统一标识。对资源属性的陈述是描述, 它表明了资源的特性, 指出资源之间的相互联系, 极大地增加了可扩展性。框架是通用模型, 与被描述资源无关^{[11, 12]}。

RDF作为一种信息表示语言, 提出一个简单的模型来表示数据:采用三元组(S, P, O)来描述Web信息, 其中S(Subject)即主语, P(Predicate)即谓语, O(Object)即宾语, 如图2(b)所示。从图的角度看, 又可以表示为带标记的有向图模型, 即RDF图。其源节点表示主语, 目标节点表示宾语, 连接主语节点和宾语节点的边表示谓语, 如图2(c)所示。由此, 可以方便地描述资源以及它们之间关系^{[13, 14]}。

图2

	Figure Option ViewDownloadNew Window
	图2 RDF陈述与三元组、图模型的对应关系

企业的产品信息表示与顾客用户之间有千丝万缕的关系, 是用户决策的主要参考内容。而目前大多数企业缺少对产品信息表示的重视。以制造企业合肥美菱股份有限公司为例, 其产品信息表示如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 美菱产品信息表示

该企业通过产品类型、所属系列、产品型号三个属性实现其三维表示, 定位到特定产品后显示其具体信息。产品具体信息分为5大部分:购买信息(包括型号、库存、售价、类别、添加商品标签等)、商品属性(包括系列、外观颜色、显示形式、净重等)、商品描述、购买记录和用户评价(包括用户名、电子邮件地址、评价等级和评论内容)。这样的信息组织和表示方式相对局限, 其提供的查询也是在用户知道产品型号的基础上进行, 不利于用户方便、快速地了解产品相关信息以选择满足自己需求的产品。

淘宝网作为目前网上购物的主要平台, 对产品的表示在类似上述三维定位的基础上, 以部分属性的选择来实现产品的进一步筛选。此外, 它添加了利用产品名称(或称为产品概述)实现关键字匹配查询的功能。但这样的结果是商家尽可能地加长产品名称, 以期在尽可能多的匹配结果中展示自己的产品, 导致顾客用户查询到大量无关的产品信息, 或者与自身要求并不是很符合的产品信息。而且这些信息全部由商家提供, 顾客用户只是单向的接受者, 缺少参与性。

为了解决企业产品信息只有在用户了解产品信息前提下才能有针对性地查询且缺乏用户参与的问题, 本文引入Folksonomy思想, 在增加用户参与度的同时, 实现产品信息的多维表示, 使得信息得到更好的组织和管理, 便于用户更好地获取有用信息, 有助于用户快速做出决策。改进后的美菱产品信息表示如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 改进后的美菱产品信息表示

将资源、标签、用户用RDF表示, 用谓语(即属性)将三者联系起来, 以达到实现Folksonomy应用的目的。只需“ 标签名” 、“ 标注者” 和“ 用户ID” 三个谓语, 简单又明确, 同时有助于信息进一步组织和管理。“ BCD-560WPB” 摩登城市产品被用户标注标签的部分RDF表示和RDF图表示分别如图5和图6所示:

图5

	Figure Option ViewDownloadNew Window
	图5 资源、标签和用户的RDF表示

图6

	Figure Option ViewDownloadNew Window
	图6 资源、标签和用户的RDF图

此外, 企业还可以给出产品相关的基本知识(如冰箱分类有哪些、单门直冷式系统的种类与特点等), 以便用户通过标签可以查找, 进而对产品有更深入的了解。

RDF的存储方式较为成熟, 多采用分布式存储^{[15, 16, 17]}。本文在存储时, 把每个对应的“ 资源-标签-用户” 看作一条记录, 则一条记录包含多个谓语和宾语, 如果采用关系型数据库来存储, 那么不同记录间会产生大量重复内容, 不利于高效存储和查询。鉴于同一主语下谓语、宾语数量不定的特点, 这里选用Cassandra列数据库。它是稀疏的、分布式的非关系型数据库BigTable的概念扩展。在行键、列键和时间戳的基础上定义了列族的概念, 用于逻辑上的分割, 超列族包含一组或几组有特定关系的列。使用Cassandra列数据库可以将同一资源下的谓语存储在不同的列族中, 而不必像关系型数据库那样重复存储资源。且大量的文本内容改为以URI的形式存储, 所涉及的谓语也只有“ 标签名” 、“ 标注者” 和“ 用户ID” 三个, 大大节省了存储空间。Cassandra数据模型如图7所示:

图7

	Figure Option ViewDownloadNew Window
	图7 Cassandra数据模型

当浏览企业产品网页时, 用户可以根据自己的想法为其添加标签。比如, 当浏览“ BCD-560WPB” 摩登城市产品的网页时, 基于自身的使用经验, 想要告诉其他用户该商品性价比高, 则选择添加标签, 输入“ 性价比高” , 系统在数据库中找到该资源, 判断是否存在该标签:若存在, 且无该用户则将该用户ID添加进数据库; 若不存在, 则添加标签后添加对应的用户ID。用户为资源添加标签的流程如图8所示:

图8

	Figure Option ViewDownloadNew Window
	图8 用户添加标签

在进行存储时, 用行键存储RDF中的主语S, 列族存储谓语P, 列存储宾语O。并按照“ SPO” 、 “ POS” 、“ OSP” 的顺序重复存储三次, 使得存储表分别对应不同的索引。不同的查询请求, 在对应的不同索引结构中进行查询, 通过空间交换的方式获得相对较高的查询性能。借助S、P、O之间的链接, 利用嵌套键值映射, 给定资源、标签、用户中的任意一个或几个, 则能快速定位到对应的其他内容。以“ SPO” 存储为例:S主要表示资源或标签, P表示标签名、标注者和用户ID, O表示标签或用户。Cassandra数据模型中通过S、P、O关联得到的资源、标签与用户的对应关系如表1所示:

表1

表1

表1 某资源与其标签、用户关系 资源 标签 用户 http://mall.meiling.com/ goods.php?id=264 电控 365471 358631 254632 性价比高 365471 459218 雅典娜 254632 365471 摩登城市 459218

表1 某资源与其标签、用户关系

由于Cassandra的查询语言CQL功能不足, 不能满足“ 资源、标签、用户” 间的高效查询。W3C组织推出的用于搜索RDF数据的查询语言SPARQL^[18]不失为一个好的选择。它通过图形模式(Graph Pattern)匹配实现查询功能。最简单的是三元组模式, 其与RDF的三元组类似, 不同之处在于三元组模式允许主语、谓语或宾语是查询变量, 将三元组模式合并, 最终形成一个基本的图形模式。在查询语句中的空白节点则被看成是变量的形式处理。三元组模式和图的匹配并不复杂:绑定查询变量和RDF词汇, 将变量替换成相应的RDF词汇, 就得到一个成功匹配的图的三元组。根据存储和索引方案, 变量出现在不同的位置可选择使用不同的索引, 来进行嵌套的键值映射查找。三元组模式查询及其对应的可用索引如图9所示:

图9

	Figure Option ViewDownloadNew Window
	图9 三元组模式查询和可使用的索引[19]

就上面的例子来说, 当用户想要知道所有电控产品以及对其有所了解的用户时, 可以查找被标注“ 电控” 标签的产品型号和其对应的用户ID, 采用SPARQL查询语言进行查询, 具体语句如图10所示, 其最终结果如表2所示:

图10

	Figure Option ViewDownloadNew Window
	图10 SPARQL查询

表2

表2

表2 查询结果 model userID BCD-560WPB 365471 BCD-560WPB 358631 BCD-560WPB 254632 BCD-560WEC 658216 BCD-418WP9B 572689

表2 查询结果

使用RDF表示方式体现Folksonomy中资源、标签和用户的关联, 结合Cassandra列数据库和SPARQL查询语言, 完成RDF数据的存储及查询, 实现用户对资源的自由标注及相应的查询应用。由于所存储的资源只是网页的链接, 除用户添加的标签和用户ID外, 所需要的谓语只有“ 标签名” 、“ 标注者” 和“ 用户ID” , 这样大大节省了存储空间。且在所用查询语言中需要的谓语(即属性)预先定义在命名空间中, 使得查询语句简洁。同时查询针对性强, 可以用查询多个标签的方式减小查询结果范围。如有需要可以对查询结果进行排序, 提高查询信息的有用性。由此可见, 该方法在提高用户参与度的同时, 实现了数据的有效管理, 具有较强的实用性。