基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架構(gòu)建*

孫建軍徐 芳,2（.南京大學(xué)信息管理學(xué)院 南京 20023；2.蘇州大學(xué)社會學(xué)院 江蘇蘇州 2523）

基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架構(gòu)建*

孫建軍1徐 芳1,2
（1.南京大學(xué)信息管理學(xué)院 南京 210023；2.蘇州大學(xué)社會學(xué)院 江蘇蘇州 215123）

〔摘 要〕回顧關(guān)聯(lián)數(shù)據(jù)、學(xué)科網(wǎng)絡(luò)信息深度聚合概念；分析基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架構(gòu)建的可行性，構(gòu)建“聚合框架”并對學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布工作流程進(jìn)行分析；提出“聚合框架”實施應(yīng)該注意的問題：如成立學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)管理中心，發(fā)布中文編碼體系詞表的關(guān)聯(lián)數(shù)據(jù)，遵守關(guān)聯(lián)數(shù)據(jù)查詢的內(nèi)容協(xié)商機制，注意關(guān)聯(lián)數(shù)據(jù)訪問控制問題以及注意關(guān)聯(lián)數(shù)據(jù)更新的同步問題等。

〔關(guān)鍵詞〕關(guān)聯(lián)數(shù)據(jù) 學(xué)科網(wǎng)絡(luò)信息 信息聚合

1 引言

學(xué)科導(dǎo)航網(wǎng)站是一種非常有效的學(xué)科信息組織方法，目前國內(nèi)外典型的學(xué)科導(dǎo)航網(wǎng)站主要有英國的Intute、美國的infomine以及中國的CALIS 重點學(xué)科網(wǎng)絡(luò)資源導(dǎo)航等。令人遺憾的是據(jù)統(tǒng)計CALIS重點學(xué)科網(wǎng)絡(luò)信息導(dǎo)航網(wǎng)站中73.51%的資源從未被用戶點擊，很多服務(wù)出現(xiàn)更新緩慢、訪問不暢等問題；國外學(xué)科導(dǎo)航領(lǐng)導(dǎo)者英國的Intute網(wǎng)站也已于2011年停止更新服務(wù)，可見，學(xué)科網(wǎng)絡(luò)導(dǎo)航網(wǎng)站正面臨嚴(yán)峻考驗，迫切需要尋求一種新的思路來提高其服務(wù)效率。

2006年7月，Tim Berners-Lee提出關(guān)聯(lián)數(shù)據(jù)（Linked Data），由于關(guān)聯(lián)數(shù)據(jù)支持語義描述、提供標(biāo)準(zhǔn)的服務(wù)接口以及以“數(shù)據(jù)”而不是“文件”作為關(guān)聯(lián)的最小單位，并且目前有很多關(guān)聯(lián)數(shù)據(jù)發(fā)布和轉(zhuǎn)換軟件，因而其不失為實現(xiàn)學(xué)科網(wǎng)絡(luò)信息聚合的一種思路或方法。關(guān)于關(guān)聯(lián)數(shù)據(jù)與學(xué)科信息聚合的相關(guān)研究，國內(nèi)方面，部分研究成果體現(xiàn)在國家自然科學(xué)基金項目“基于關(guān)聯(lián)數(shù)據(jù)的信息聚合模型與實現(xiàn)研究”，國家社科基金項目“關(guān)聯(lián)數(shù)據(jù)中潛在知識關(guān)聯(lián)的發(fā)現(xiàn)方法研究”、“關(guān)聯(lián)數(shù)據(jù)的理論和應(yīng)用研究”中。國內(nèi)外的研究論文主要有四個主題：關(guān)聯(lián)數(shù)據(jù)模型與網(wǎng)絡(luò)信息聚合[1-4]，社會網(wǎng)絡(luò)信息聚合[5-7]；關(guān)聯(lián)數(shù)據(jù)與圖書館信息聚合[8-10]以及關(guān)聯(lián)數(shù)據(jù)與信息聚合案例[11-14]。文獻(xiàn)表明：關(guān)聯(lián)數(shù)據(jù)與學(xué)科網(wǎng)絡(luò)信息聚合問題已經(jīng)引起了國內(nèi)外學(xué)者的關(guān)注，現(xiàn)有研究數(shù)量上達(dá)到一定規(guī)模，內(nèi)容上也多有新意，但仍存在一些局限，如：缺少學(xué)科網(wǎng)絡(luò)信息行為、模型/框架等方面的研究等。下文首先回顧關(guān)聯(lián)數(shù)據(jù)、學(xué)科網(wǎng)絡(luò)信息深度聚合概念；然后分析基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架構(gòu)建的可行性，構(gòu)建“聚合框架”并對學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布工作流程進(jìn)行分析；最后提出“聚合框架”實施應(yīng)該注意的問題。

2 關(guān)聯(lián)數(shù)據(jù)與學(xué)科網(wǎng)絡(luò)信息深度聚合

2.1 關(guān)聯(lián)數(shù)據(jù)

2006 年7月，萬維網(wǎng)的發(fā)明者Tim Berners-Lee提出關(guān)聯(lián)數(shù)據(jù)的概念。由于它是一套應(yīng)用規(guī)范，而不是難度很高的技術(shù)，因此，它很快成為互聯(lián)網(wǎng)研究和應(yīng)用的一個熱點問題。關(guān)于關(guān)聯(lián)數(shù)據(jù)的概念，Tim Berners-Lee總結(jié)了四個原則[15]：①使用URIs作為任何事物的標(biāo)識名稱；②使用HTTP URIs標(biāo)識事物，以便人們能夠找到這些事物名稱；③當(dāng)有人訪問具體的某個URI時，以RDF、SPARQL等標(biāo)準(zhǔn)提供有用的信息；④盡可能多地建立與其他URIs的鏈接，以使人們發(fā)現(xiàn)更多的相關(guān)信息。其中，統(tǒng)一資源標(biāo)識符（URI）是一個用于標(biāo)識某一互聯(lián)網(wǎng)資源名稱的字符串，用來標(biāo)識網(wǎng)絡(luò)上的任何事物，使得網(wǎng)絡(luò)資源以“數(shù)據(jù)”而不是“文件”為單位關(guān)聯(lián)成為可能；超文本傳輸協(xié)議（HTTP）提供了一種在互聯(lián)網(wǎng)上發(fā)布和接收HTML頁面的方法，通過HTTP或者HTTPS協(xié)議請求的資源由URI來標(biāo)識，在互聯(lián)網(wǎng)任何位置的事物采用HTTP URIs標(biāo)識后，可以被任何人鏈接；資源描述框架（RDF）的作用則是通過RDF將某個整體的“數(shù)據(jù)”分別表示并且分布在不同的地方，SPARQL是為RDF開發(fā)的一種查詢語言和數(shù)據(jù)獲取協(xié)議，使用戶可以很容易地在分散的 RDF數(shù)據(jù)中找到所需的數(shù)據(jù)。

2.2 學(xué)科網(wǎng)絡(luò)信息深度聚合

學(xué)科網(wǎng)絡(luò)信息聚合是指將網(wǎng)絡(luò)上不同來源的、異構(gòu)的學(xué)科網(wǎng)絡(luò)信息資源整合在一起，以便用戶對學(xué)科信息進(jìn)行瀏覽、檢索與利用。目前，常見的學(xué)科網(wǎng)絡(luò)信息聚合主要有兩種方式：①RSS學(xué)科網(wǎng)絡(luò)信息聚合，通過“訂閱”的方式，可以將不同來源的網(wǎng)頁信息集中到RSS閱讀器中，從而達(dá)到聚合的目的。它是一種以網(wǎng)頁為單位的聚合，解決了學(xué)科網(wǎng)絡(luò)信息的有效組織和傳播問題，但是缺乏有效的信息內(nèi)容質(zhì)量控制機制。②學(xué)科門戶網(wǎng)站，是指根據(jù)某種學(xué)科分類法和主題詞表來組織信息，用戶可以按學(xué)科內(nèi)容進(jìn)行學(xué)科網(wǎng)絡(luò)信息瀏覽，也可以按學(xué)科、資源類型等進(jìn)行題名和關(guān)鍵詞檢索學(xué)科網(wǎng)絡(luò)信息。由于學(xué)科門戶網(wǎng)站的信息資源是經(jīng)過選擇的，其有效地提高了學(xué)科網(wǎng)絡(luò)信息的質(zhì)量，但是尚存在可持續(xù)發(fā)展，學(xué)科門戶網(wǎng)站之間的互操作以及學(xué)科網(wǎng)絡(luò)信息的長期保存等問題。

基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合是指采用關(guān)聯(lián)數(shù)據(jù)的數(shù)據(jù)發(fā)布或數(shù)據(jù)轉(zhuǎn)換規(guī)范，以具有標(biāo)識意義的“數(shù)據(jù)”而不是“文件”為單位，對網(wǎng)絡(luò)上分布的、異構(gòu)的、動態(tài)的學(xué)科網(wǎng)絡(luò)信息進(jìn)行聚合，以便用戶對學(xué)科網(wǎng)絡(luò)信息進(jìn)行瀏覽、檢索與利用。基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合能夠解決以上兩種學(xué)科網(wǎng)絡(luò)信息聚合存在的問題，有效地控制學(xué)科網(wǎng)絡(luò)信息的質(zhì)量，增強不同學(xué)科門戶網(wǎng)站之間的互操作性，提高學(xué)科門戶網(wǎng)站的利用效率。

3 基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架

3.1 可行性分析

學(xué)科網(wǎng)絡(luò)信息深度聚合框架的構(gòu)建需要考慮兩個問題：①有一個模型，可以用來表示來自不同Web信息源的各種學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)，以便進(jìn)行進(jìn)一步的學(xué)科網(wǎng)絡(luò)信息深度聚合；②有一些數(shù)據(jù)格式轉(zhuǎn)換工具，可以將不同Web信息源的各種學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的格式，以便進(jìn)行學(xué)科網(wǎng)絡(luò)信息深度聚合。

關(guān)聯(lián)數(shù)據(jù)以現(xiàn)有的HTTP、URL、HTML等Web技術(shù)為基礎(chǔ)，采用RDF模型，可以將網(wǎng)絡(luò)上非結(jié)構(gòu)化、半結(jié)構(gòu)化以及各種結(jié)構(gòu)化學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一標(biāo)準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)，以便機器理解。發(fā)布關(guān)聯(lián)數(shù)據(jù)的途徑主要有三種：①靜態(tài)發(fā)布。如果數(shù)據(jù)量很小，如：只有幾百條RDF 三元組［主體（Subject）、謂詞（Predicate）、客體（Object）］或者更少，可以直接采用靜態(tài)的RDF 文件發(fā)布；②批量存儲。如果數(shù)據(jù)量很大，則需要將它們放進(jìn)RDF 庫中，并選擇Pubby等服務(wù)器作為Linked Data 服務(wù)的前端；③調(diào)用時生成。如果數(shù)據(jù)的更新頻率很大，就需要引入更新機制，或者在請求數(shù)據(jù)的時候再根據(jù)原始數(shù)據(jù)在線生成（on-the-fly translation）RDF。[16]

關(guān)聯(lián)數(shù)據(jù)的格式轉(zhuǎn)換工具則主要有：①D2R。它是德國柏林自由大學(xué)（Freie University Berlin）的開源項目，是將關(guān)系型數(shù)據(jù)庫發(fā)布為 Linked data 的工具，由D2R Server， D2RQ Engine 以及 D2RQ Mapping 語言組成。[17]②LMF。LMF是2008年開始開發(fā)的一個解決方案，是一個易于安裝的服務(wù)程序，用于提供以語義網(wǎng)為中心的應(yīng)用。LMF核心提供了關(guān)聯(lián)數(shù)據(jù)服務(wù)器以及SPARQL端點服務(wù)。[18]③OAI2LOD Server。它是一個封裝的組件，主要是將任意 OAI-PMH 標(biāo)準(zhǔn)的元數(shù)據(jù)倉庫按照關(guān)聯(lián)數(shù)據(jù)的規(guī)范進(jìn)行揭示，使得事物和媒介對象可以通過HTTP URIs 獲取并且通過SPARQL 協(xié)議進(jìn)行查詢。[19]可見，關(guān)聯(lián)數(shù)據(jù)不但能夠提供一種統(tǒng)一描述不同數(shù)據(jù)來源、不同格式數(shù)據(jù)的模型RDF，而且有一些數(shù)據(jù)格式轉(zhuǎn)換工具，是解決學(xué)科網(wǎng)絡(luò)信息深度聚合的一種有效思路，目前，在實踐中的應(yīng)用也非常廣泛。在圖書館領(lǐng)域，2008 年，瑞典國家圖書館將瑞典聯(lián)合目錄（LIBRIS）發(fā)布為關(guān)聯(lián)數(shù)據(jù)；2010 年6 月，IFLA發(fā)布關(guān)聯(lián)數(shù)據(jù)與圖書館的專題報告；美國國會圖書館、德國圖書館、OCLC等書目數(shù)據(jù)或規(guī)范數(shù)據(jù)也紛紛開放關(guān)聯(lián)數(shù)據(jù)服務(wù)。大型媒體公司如：BBC、紐約時報等都紛紛發(fā)布關(guān)聯(lián)數(shù)據(jù)。

3.2 框架設(shè)計

框架是一個基本概念上的結(jié)構(gòu)，用于解決或者處理復(fù)雜的問題。由于數(shù)據(jù)來源各不相同、格式也各異，所以學(xué)科網(wǎng)絡(luò)信息聚合是一個非常復(fù)雜的問題，可以考慮用“框架”來表達(dá)關(guān)聯(lián)數(shù)據(jù)預(yù)處理、關(guān)聯(lián)數(shù)據(jù)發(fā)布、關(guān)聯(lián)數(shù)據(jù)應(yīng)用查詢等概念結(jié)構(gòu)。在深入分析關(guān)聯(lián)數(shù)據(jù)和學(xué)科網(wǎng)絡(luò)信息深度聚合概念和“聚合框架”設(shè)計可行性分析的基礎(chǔ)上，利用關(guān)聯(lián)數(shù)據(jù)的原理、技術(shù)、方法設(shè)計了一個包括源數(shù)據(jù)、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)數(shù)據(jù)生成以及應(yīng)用服務(wù)在內(nèi)的四層結(jié)構(gòu)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架（如圖1所示）。

圖1 基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架

源數(shù)據(jù)。源數(shù)據(jù)是指網(wǎng)絡(luò)上的各種結(jié)構(gòu)化的學(xué)科數(shù)據(jù)，如：存儲在關(guān)系型數(shù)據(jù)庫里，可以用二維表結(jié)構(gòu)來邏輯表達(dá)實現(xiàn)的各種專業(yè)數(shù)據(jù)庫、學(xué)術(shù)資源數(shù)據(jù)庫等；半結(jié)構(gòu)化的學(xué)科數(shù)據(jù)，如：數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容混在一起沒有明顯的區(qū)分的學(xué)科門戶網(wǎng)站、學(xué)術(shù)論壇等；以及非結(jié)構(gòu)化的學(xué)科數(shù)據(jù)，如：與學(xué)科專業(yè)相關(guān)的期刊論文電子書等全文文本、圖象、聲音、影視、超媒體等數(shù)據(jù)。

數(shù)據(jù)預(yù)處理。雖然關(guān)聯(lián)數(shù)據(jù)本身并不具備語義特征，但是由于它能夠在數(shù)據(jù)層面建立關(guān)聯(lián)，因而可以為真正的語義網(wǎng)奠定基礎(chǔ)。不同來源、格式各異的學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)往往缺乏明確的、結(jié)構(gòu)化的定義，機器無法直接進(jìn)行理解和處理。所以在關(guān)聯(lián)數(shù)據(jù)生成之前，應(yīng)該對數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理通常通過包裝器、映射器提取器從各種數(shù)據(jù)源搜集數(shù)據(jù)并進(jìn)行結(jié)構(gòu)化處理。包裝器通常根據(jù)學(xué)科主題需求從數(shù)據(jù)源中抽取各種學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)并用結(jié)構(gòu)化（表格）的形式表示出來，通過語言描述數(shù)據(jù)源（SDL），并將分散在Web上的HTML、XML等數(shù)據(jù)整理成關(guān)系表的格式。映射器通過映射描述語言（MDL）來定義一些映射的規(guī)則，用來進(jìn)行屬性名稱和格式的轉(zhuǎn)換，用以統(tǒng)一包裝器的關(guān)系表中表述不規(guī)范的“模式”和“詞匯”。抽取器是指從非結(jié)構(gòu)化文本中抽取結(jié)構(gòu)化的數(shù)據(jù)，主要用于對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理，抽取器是包裝器的一個抽取規(guī)則程序，由編程人員用Junglee抽取語言描述。[20]

關(guān)聯(lián)數(shù)據(jù)生成。關(guān)聯(lián)數(shù)據(jù)的生成是在數(shù)據(jù)預(yù)處理的基礎(chǔ)上，采用關(guān)聯(lián)數(shù)據(jù)發(fā)布或轉(zhuǎn)換工具將數(shù)據(jù)發(fā)布成RDF格式的關(guān)聯(lián)數(shù)據(jù)。關(guān)聯(lián)數(shù)據(jù)的發(fā)布方法主要有：靜態(tài)發(fā)布、批量存儲、調(diào)用時生成以及事后轉(zhuǎn)換四種。[21]

應(yīng)用服務(wù)?；趯W(xué)科網(wǎng)絡(luò)信息深度聚合框架的應(yīng)用服務(wù)是指用戶通過Web瀏覽器實現(xiàn)對學(xué)科網(wǎng)絡(luò)信息資源的HTML、XML網(wǎng)頁進(jìn)行瀏覽（面向用戶個人），或者采用專門的關(guān)聯(lián)數(shù)據(jù)瀏覽器，如：Marble等，通過RDF Links在數(shù)據(jù)源之間進(jìn)行瀏覽（面向機器）；采用一般的自然語言或者專門為RDF開發(fā)的SPARQL查詢語言對基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息進(jìn)行查詢。

3.3 學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布工作流程（如圖2）

圖2 學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布工作流程

（1）選擇需要發(fā)布的學(xué)科網(wǎng)絡(luò)信息實體。學(xué)科網(wǎng)絡(luò)信息實體有很多，一般來說，一個學(xué)科門戶網(wǎng)站主要有學(xué)科論文信息、學(xué)科機構(gòu)網(wǎng)站信息、學(xué)科會議信息、學(xué)科社交網(wǎng)絡(luò)信息等等，學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布的第一步是選擇需要發(fā)布的學(xué)科網(wǎng)絡(luò)信息實體。

（2）選擇或者設(shè)計描述學(xué)科網(wǎng)絡(luò)信息實體元素的元數(shù)據(jù)詞表。學(xué)科網(wǎng)絡(luò)信息實體的描述通常用元數(shù)據(jù)詞表來進(jìn)行描述，這些元數(shù)據(jù)詞表有現(xiàn)成的可以選擇，有時候可能還需要自己設(shè)計元數(shù)據(jù)詞表。常用的元數(shù)據(jù)詞表主要有：①描述學(xué)科論文信息實體的元數(shù)據(jù)集可以選擇Dublin-Core、PRISM工業(yè)標(biāo)準(zhǔn)元數(shù)據(jù)出版需求）等；②描述學(xué)科人員與學(xué)科地址信息的元數(shù)據(jù)集可以選擇規(guī)范定義電子名片（Specification Defines Electronic Business Card, vcard）和FOAF詞表（FOAF是一種XML/RDF 詞匯表，它以計算機可讀的形式描述通?？赡芊旁谥?Web 頁面上的個人信息之類的信息）等；③描述學(xué)科教育資源的元數(shù)據(jù)集可以選擇學(xué)習(xí)對象元數(shù)據(jù)（LOM）等；④描述學(xué)科網(wǎng)絡(luò)信息中的圖像、音頻、視頻等多媒體信息可以選擇廣播詮釋數(shù)據(jù)字典（PBCore）、多媒體內(nèi)容描述接口7（MPEG-7）以及音頻文件元數(shù)據(jù)ID3V2等。[22]

（3）定義各學(xué)科網(wǎng)絡(luò)信息實體元素之間的關(guān)聯(lián)關(guān)系。不同的學(xué)科網(wǎng)絡(luò)信息實體有不同的實體元素，實體元素之間的關(guān)聯(lián)關(guān)系表示也不同。選擇學(xué)科論文信息實體，繪制學(xué)科論文信息實體元素之間的關(guān)聯(lián)關(guān)系示意圖（如圖3所示）。其中，選用DC元數(shù)據(jù)集中的“超資源集合 （dcterms：isPartOf）”標(biāo)簽描述期刊與學(xué)科論文之間的關(guān)聯(lián)關(guān)系，選用“收集者（dc：creator）”標(biāo)簽描述學(xué)科論文與作者之間的關(guān)聯(lián)關(guān)系；選用vCard的ORG、ADR、EMAIL三個元素分別描述作者與學(xué)科機構(gòu)、作者與電子郵箱以及學(xué)科機構(gòu)與地址之間的關(guān)聯(lián)關(guān)系。

圖3 學(xué)科論文信息實體元素之間的關(guān)聯(lián)關(guān)系示意圖

（4）指定每個學(xué)科網(wǎng)絡(luò)信息實體元素的URI。學(xué)科網(wǎng)絡(luò)信息實體元素的URI通常由三部分組成：基地址（BaseURI）+ 實體類型名稱（EntityTypeName）+實體編號（EntityID）?；刂窞閷W(xué)科網(wǎng)絡(luò)信息聚合平臺的網(wǎng)址，實體類型名稱為學(xué)科論文（Paper）、學(xué)科機構(gòu)網(wǎng)站（Organization）、學(xué)科會議（Symposium）等，實體編號為該類資源的編號。

（5）設(shè)計每個學(xué)科網(wǎng)絡(luò)信息實體的RDF。利用RDF描述工具對每個學(xué)科網(wǎng)絡(luò)信息實體元數(shù)據(jù)的每個元素進(jìn)行描述，形成學(xué)科網(wǎng)絡(luò)信息實體的RDF圖。

（6）設(shè)計學(xué)科網(wǎng)絡(luò)信息實體之間的RDF Links。根據(jù)類似圖3的RDF關(guān)聯(lián)關(guān)系，添加學(xué)科網(wǎng)絡(luò)信息實體之間的RDF Links。

（7）學(xué)科網(wǎng)絡(luò)信息實體關(guān)聯(lián)數(shù)據(jù)發(fā)布。選用D2R Server等關(guān)聯(lián)數(shù)據(jù)發(fā)布工具對學(xué)科網(wǎng)絡(luò)信息實體關(guān)聯(lián)數(shù)據(jù)進(jìn)行發(fā)布，開放每一個學(xué)科網(wǎng)絡(luò)信息實體的訪問接口。

（8）開放學(xué)科網(wǎng)絡(luò)信息實體關(guān)聯(lián)數(shù)據(jù)查詢接口。開放HTML、XML學(xué)科網(wǎng)絡(luò)信息查詢接口或者是SPARQL 查詢接口，以便用戶使用普通Web瀏覽器或者專門的關(guān)聯(lián)數(shù)據(jù)瀏覽器訪問學(xué)科網(wǎng)絡(luò)信息。

4 “框架”實施需要注意的問題

4.1 成立學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)管理中心

基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合是一項復(fù)雜的、系統(tǒng)的工程，涉及學(xué)科網(wǎng)絡(luò)信息分類體系的制定、描述學(xué)科網(wǎng)絡(luò)信息實體元數(shù)據(jù)標(biāo)準(zhǔn)的選擇或設(shè)計以及學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)質(zhì)量評估問題等等。這需要有一個專門的管理機構(gòu)來對這些工作進(jìn)行組織、管理、協(xié)調(diào)，應(yīng)該成立一個類似于學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)管理中心的機構(gòu)來負(fù)責(zé)學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布、管理與維護(hù)的工作。就我國而言，這個機構(gòu)可以由目前負(fù)責(zé)我國學(xué)科網(wǎng)絡(luò)信息導(dǎo)航工作的CALIS來兼任。CALIS是我國文獻(xiàn)信息保障中心，經(jīng)過這些年的發(fā)展，已經(jīng)形成了具有很多分中心的等級體系結(jié)構(gòu)，具備管理機構(gòu)的基本要求；另外，負(fù)責(zé)MARC格式的數(shù)據(jù)發(fā)布，有非常好的基礎(chǔ)，有利于學(xué)科網(wǎng)絡(luò)信息分類體系和描述學(xué)科網(wǎng)絡(luò)信息實體元數(shù)據(jù)標(biāo)準(zhǔn)的制定、實施與維護(hù)。

4.2 發(fā)布中文編碼體系詞表的關(guān)聯(lián)數(shù)據(jù)

雖然目前有不少以關(guān)聯(lián)數(shù)據(jù)形式發(fā)布的分類體系、主題詞表資源，如：杜威十進(jìn)制分類法DDC、美國國會圖書館主題詞表LCSH、日本國立國會圖書館主題詞表NDLSH等，但是對中文資源而言，可以直接使用的關(guān)聯(lián)數(shù)據(jù)形式的詞表還非常少。需要由專門的管理機構(gòu)使用簡單知識組織系統(tǒng)（SKOS）將中文的編碼體系詞表，如：中國圖書館分類法、漢語主題詞表等發(fā)布成規(guī)范的Web可用的關(guān)聯(lián)數(shù)據(jù)格式，以便在描述學(xué)科網(wǎng)絡(luò)信息資源時有可以直接選擇的規(guī)范詞匯，從而保障學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布數(shù)據(jù)的質(zhì)量與效率。

4.3 遵守關(guān)聯(lián)數(shù)據(jù)查詢的內(nèi)容協(xié)商機制

內(nèi)容協(xié)商機制是指當(dāng)需要確定應(yīng)該向HTTP客戶端發(fā)送什么內(nèi)容時，Web服務(wù)器會去檢查客戶端發(fā)來的頭信息中“Accept”代碼，進(jìn)而決定需要發(fā)送的內(nèi)容偏好格式，如：當(dāng)“Accept”為“text/html或application/ xhtml+xml”時，向HTTP客戶端發(fā)送普通的HTML格式的內(nèi)容，當(dāng)“Accept”為“application/rdf+xml”時，向HTTP客戶端發(fā)送RDF格式的內(nèi)容。[23]基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架應(yīng)該遵守內(nèi)容協(xié)商機制為用戶提供個性化的查詢內(nèi)容返回服務(wù)。

4.4 注意關(guān)聯(lián)數(shù)據(jù)訪問控制問題

關(guān)聯(lián)數(shù)據(jù)最終目標(biāo)是將目前Web上的各種數(shù)據(jù)轉(zhuǎn)化成為一個相互關(guān)聯(lián)的全球數(shù)據(jù)庫，這給Web 服務(wù)帶來了極大的便利，但也將帶來很多安全性問題。目前，關(guān)聯(lián)數(shù)據(jù)在用戶身份認(rèn)證和數(shù)據(jù)訪問控制方面尚沒有推薦使用的標(biāo)準(zhǔn)，數(shù)據(jù)訪問過程中的用戶身份認(rèn)證和訪問權(quán)限的控制需要由Web服務(wù)器實現(xiàn)，在一定程度上限制了異構(gòu)數(shù)據(jù)庫系統(tǒng)的互操作性。因而，基于關(guān)聯(lián)數(shù)據(jù)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架的應(yīng)用也需要注意數(shù)據(jù)訪問控制的問題。關(guān)聯(lián)數(shù)據(jù)不同級別、不同層次的訪問權(quán)限控制問題，用戶的身份認(rèn)證問題等都是關(guān)聯(lián)數(shù)據(jù)標(biāo)準(zhǔn)化有待進(jìn)一步研究的領(lǐng)域。

4.5 注意關(guān)聯(lián)數(shù)據(jù)更新的同步問題

學(xué)科網(wǎng)絡(luò)信息環(huán)境中的各關(guān)聯(lián)數(shù)據(jù)發(fā)布主體遇到的一個常見的問題便是關(guān)聯(lián)數(shù)據(jù)的更新問題，比如：往關(guān)聯(lián)數(shù)據(jù)中增加新實體、修改現(xiàn)有實體之間的RDF Links等。在操作過程中，可能會涉及對原關(guān)聯(lián)數(shù)據(jù)鏈接的修改或者刪除，其他關(guān)聯(lián)到這些關(guān)聯(lián)數(shù)據(jù)的實體，由于沒有及時更新這些鏈接，用戶在訪問這些實體時會遇到死鏈接，因此，需要尋找一種有效的機制，保證關(guān)聯(lián)數(shù)據(jù)同步更新，提高關(guān)聯(lián)數(shù)據(jù)的質(zhì)量，減少客戶端HTTP訪問的無效請求，從而提高用戶使用關(guān)聯(lián)數(shù)據(jù)的滿意度。

5 結(jié)語

關(guān)聯(lián)數(shù)據(jù)是一個可以與萬維網(wǎng)相媲美的偉大發(fā)明，它的出現(xiàn)使互聯(lián)網(wǎng)從“文件互聯(lián)”時代走向“數(shù)據(jù)互聯(lián)”，互聯(lián)網(wǎng)將會變得更加聰明。深入分析可知，學(xué)科網(wǎng)絡(luò)信息深度聚合有兩個基本要求：有一個可以用來表示來自不同Web信息源的各種學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)的模型和有一些可以將不同Web信息源的各種學(xué)科網(wǎng)絡(luò)信息數(shù)據(jù)轉(zhuǎn)換成統(tǒng)一的格式工具。關(guān)聯(lián)數(shù)據(jù)可以視為一種理念，也可以視為一種技術(shù)或方法，剛好具備了學(xué)科網(wǎng)絡(luò)信息深度聚合的基本要求。而利用關(guān)聯(lián)數(shù)據(jù)的原理、技術(shù)、方法設(shè)計的，包括源數(shù)據(jù)、數(shù)據(jù)預(yù)處理、關(guān)聯(lián)數(shù)據(jù)生成以及應(yīng)用服務(wù)在內(nèi)的四層結(jié)構(gòu)的學(xué)科網(wǎng)絡(luò)信息深度聚合框架和學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)發(fā)布工作流程，在“聚合框架”實施中還應(yīng)該注意：如成立學(xué)科網(wǎng)絡(luò)信息關(guān)聯(lián)數(shù)據(jù)管理中心，發(fā)布中文編碼體系詞表的關(guān)聯(lián)數(shù)據(jù)，遵守關(guān)聯(lián)數(shù)據(jù)查詢的內(nèi)容協(xié)商機制，注意關(guān)聯(lián)數(shù)據(jù)訪問控制問題以及注意關(guān)聯(lián)數(shù)據(jù)更新的同步問題等。

由于受到實踐條件的限制，提出的僅僅是一個理論層面的“框架”，雖然努力保障其“信度”，但是其“效度”的檢驗有待后續(xù)研究。如上所述，關(guān)聯(lián)數(shù)據(jù)尚處于發(fā)展過程中，一些方面的標(biāo)準(zhǔn)尚不夠成熟，如：關(guān)聯(lián)數(shù)據(jù)訪問控制標(biāo)準(zhǔn)等，這些問題需要在關(guān)聯(lián)數(shù)據(jù)的實踐中加以注意。

（來稿時間：2014年12月）

參考文獻(xiàn)：

1.潘有能，劉朝霞. 基于WordNet 的關(guān)聯(lián)數(shù)據(jù)本體映射研究.情報雜志，2013（2）：99-102

2.Curry E, et, al. Linking building data in the cloud: Integrating cross-domain building data.Advanced Engineering Informatics, 2013, 27（2）： 206–219

3.Bizer C, Heath T, Berners-Lee T. Linked data-the story so far. International Journal on Semantic Web and Information Systems, 2009, 5（3）： 1-22

4.Heath T, Bizer C. Linked data: evolving the web into a global data space. Florida: Morgan & Claypool.2011, 1-160

5.鄧勝利.信息聚合服務(wù)的發(fā)展與演變研究.情報資料工作，2012 （1） ：79-83

6.胡昌平，胡吉明，鄧勝利. 基于社會化群體作用的信息聚合服務(wù).中國圖書館學(xué)報，2010（5）：51-56

7.Rudas I J, Pap E, Fodor J. Information aggregation in intelligent systems: An application oriented approach. Knowledge-Based System, 2013, 38（1）：3-13

8.賀德方，曾建勛. 基于語義的館藏資源深度聚合研究.中國圖書館學(xué)報，2012（7）：79-87

9.劉煒等. RDA 與關(guān)聯(lián)數(shù)據(jù).中國圖書館學(xué)報，2012 （1）：34-42

10.沈志宏，張曉林，黎建輝. OpenCSDB：關(guān)聯(lián)數(shù)據(jù)在科學(xué)數(shù)據(jù)庫中的應(yīng)用研究. 中國圖書館學(xué)報，2012（5）：17-26

11.馬費成，趙紅斌等. 基于關(guān)聯(lián)數(shù)據(jù)的網(wǎng)絡(luò)信息資源集成.情報雜志，2011（2）：167-170，175

12.白海燕，朱禮軍. 關(guān)聯(lián)數(shù)據(jù)的自動關(guān)聯(lián)構(gòu)建研究. 現(xiàn)代圖書情報技術(shù)，2010（ 2） ：44- 49

13.Ruiz-Calleja A, et, al. A Linked Data approach for the discovery of educational ICT tools in the Web of Data. Computers & Education, 2012, 59（3）： 952–962

14.O’Riain S, Curry E, Harth A. XBRL and open data for global financial ecosystems: A linked data approach. International Journal of Accounting Information Systems, 2012, 13（2）：141-162

15.Linked Data. [2014-10-8]. http://www.w3.org/DesignIssues/ LinkedData.html

16.沈志宏，劉筱敏等. 關(guān)聯(lián)數(shù)據(jù)發(fā)布流程與關(guān)鍵問題研究——以科技文獻(xiàn)、科學(xué)數(shù)據(jù)的發(fā)布為例.中國圖書館學(xué)報，2013（2）：53-62

17.D2RQ : Accessing Relational Databases as Virtual RDF Graphs.[2014-10-10]. http://d2rq.org/

18.lmf: Linked Media Framework.[2014-10-10]. http://code. google.com/p/lmf/

19.Haslhofer B,Schandl B. The OAI2LOD Server: Exposing OAI-PMH Metadata as Linked Data.[2014-10-10]. http://eprints. cs.univie.ac.at/284/1/lodws2008.pdf

20.黃曉斌.網(wǎng)絡(luò)信息資源開發(fā)與管理.北京：清華大學(xué)出版社，2009：115-116

21.夏翠娟，劉煒等.關(guān)聯(lián)數(shù)據(jù)發(fā)布技術(shù)及其實現(xiàn) ——以Drupal為例.中國圖書館學(xué)報，2013（1）：49-57

22.Zeng M L, Qin J. Metadata. New York: Neal-Schuman，2008：1-363

23.W3C Working Group. Best Practice Recipes for Publishing RDF Vocabularies. [2014-10-24]. http://www.w3.org/TR/swbpvocab-pub/

〔分類號〕G250.73

〔作者簡介〕孫建軍（1962-），男，南京大學(xué)信息管理學(xué)院教授、博士生導(dǎo)師，院長，發(fā)表論文120余篇，著、參著、編、譯書20余部；徐芳（1980-），男，南京大學(xué)信息管理學(xué)院博士后，蘇州大學(xué)社會學(xué)院副教授，發(fā)表論文80多篇，參編著作9部。

* 本文系國家社科基金重大項目“面向?qū)W科領(lǐng)域的網(wǎng)絡(luò)信息資源深度聚合與服務(wù)研究”（批準(zhǔn)號：12&ZD221）、中國博士后基金項目“關(guān)聯(lián)數(shù)據(jù)與學(xué)科網(wǎng)絡(luò)信息深度聚合框架創(chuàng)新研究”（編號：2014M551569）的研究成果之一。

Study on Subject Web Information Depth Integration Framework Construction Based on Linked Data

Sun Jianjun1Xu Fang1,2
( 1.School of Information Management, Nanjing University; 2.School of Social Science, Soochow University )

〔Abstract〕Firstly, the paper reviews the conceptions of Linked Data and Subject Web Information. Then the authors analyze the feasibility of the subject Web information depth integration framework, construct the “integration framework”, and analyze the subject web information data publishing workflow. Lastly, authors put forward five suggestions about the implementation of “integration framework” such as establishing the subject web information Linked Data management center, releasing the Linked Data of Chinese encoding scheme vocabulary, complying with the content negotiation mechanisms associated with Linked Data queries, noting that Linked Data access control issues, and caring synchronization problems concerned with Linked Data updates.

〔Keywords〕Linked Data Subject web information Information fusion