圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理研究

●吳 旻（西北大學(xué) 圖書館，西安 710069）

1 對(duì)關(guān)聯(lián)數(shù)據(jù)的初步認(rèn)識(shí)

關(guān)聯(lián)數(shù)據(jù)（Linked data） 描述了通過(guò)可鏈接的URI方式來(lái)發(fā)布、分享、連接Web中各類資源的方法，一般認(rèn)為是語(yǔ)義網(wǎng)的主題之一。［1］關(guān)聯(lián)數(shù)據(jù)的基本原理是用一種基于標(biāo)準(zhǔn)的知識(shí)表示與檢索協(xié)議、可逐步擴(kuò)展的機(jī)制來(lái)實(shí)現(xiàn)可動(dòng)態(tài)關(guān)聯(lián)的知識(shí)對(duì)象網(wǎng)絡(luò)，并支持以此為基礎(chǔ)的知識(shí)發(fā)現(xiàn)與知識(shí)組織。［2］這樣看來(lái)，關(guān)聯(lián)數(shù)據(jù)將對(duì)圖書館的知識(shí)組織起促進(jìn)作用。

研究者認(rèn)為，關(guān)聯(lián)數(shù)據(jù)的核心技術(shù)是使用資源描述框架（RDF）進(jìn)行資源的組織與交換。關(guān)聯(lián)數(shù)據(jù)通過(guò)URI、HTTP、RDF等語(yǔ)義網(wǎng)技術(shù)將網(wǎng)絡(luò)上相關(guān)的數(shù)據(jù)資源進(jìn)行關(guān)聯(lián)，是從文件網(wǎng)絡(luò)向數(shù)據(jù)網(wǎng)絡(luò)轉(zhuǎn)化的一種優(yōu)化策略，其技術(shù)體系框架如圖1所示。［3］圖書館擁有大量的結(jié)構(gòu)化數(shù)據(jù)，國(guó)外圖書館界對(duì)關(guān)聯(lián)數(shù)據(jù)的應(yīng)用已引起了足夠重視并進(jìn)行推廣，比較典型的是美國(guó)國(guó)會(huì)圖書館和瑞典國(guó)家圖書館。目前國(guó)內(nèi)關(guān)于關(guān)聯(lián)數(shù)據(jù)在圖書館應(yīng)用的研究成果較少，筆者查閱了國(guó)內(nèi)外相關(guān)資料，經(jīng)過(guò)一番探索后認(rèn)為，圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理可歸納為關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建、關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建、關(guān)聯(lián)數(shù)據(jù)的發(fā)布、關(guān)聯(lián)數(shù)據(jù)的瀏覽、關(guān)聯(lián)數(shù)據(jù)的鏈接維護(hù)。

圖1 關(guān)聯(lián)數(shù)據(jù)的技術(shù)體系

2 圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理

2.1 圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建

圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建是實(shí)現(xiàn)其集成管理的首要環(huán)節(jié)。圖書館創(chuàng)建關(guān)聯(lián)數(shù)據(jù)需要用規(guī)范形式描述內(nèi)容對(duì)象的內(nèi)部結(jié)構(gòu)、描述內(nèi)容的語(yǔ)義（如作者、書名、出版社、內(nèi)含數(shù)據(jù)集和圖表等）。該描述深度取決于所依據(jù)元數(shù)據(jù)格式的豐富程度和內(nèi)容對(duì)象的內(nèi)容深度，描述結(jié)果是依據(jù)元數(shù)據(jù)格式轉(zhuǎn)換的RDF關(guān)聯(lián)記錄。圖書館關(guān)聯(lián)數(shù)據(jù)創(chuàng)建過(guò)程中較有難度的工作是在描述信息中建立彼此內(nèi)容對(duì)象之間的關(guān)聯(lián)描述，只有建立該關(guān)聯(lián)描述，所創(chuàng)建的數(shù)據(jù)才算是關(guān)聯(lián)數(shù)據(jù)。在關(guān)聯(lián)數(shù)據(jù)創(chuàng)建前，圖書館已積累了大量的文獻(xiàn)和電子資源，如何將現(xiàn)有的數(shù)據(jù)資源創(chuàng)建成關(guān)聯(lián)數(shù)據(jù)并在網(wǎng)上發(fā)布，成為當(dāng)前急需解決的問(wèn)題之一。圖書館的數(shù)據(jù)量非常龐大，需要將其放進(jìn)RDF數(shù)據(jù)庫(kù)中，并選擇合適的服務(wù)器作為關(guān)聯(lián)數(shù)據(jù)服務(wù)的前端。一般而言，圖書館關(guān)聯(lián)數(shù)據(jù)的更新頻率相對(duì)較快，那么還需要引入更新機(jī)制，或在請(qǐng)求關(guān)聯(lián)數(shù)據(jù)時(shí)依據(jù)原始數(shù)據(jù)在線生成RDF，但這可能影響用戶的在線連續(xù)訪問(wèn)。在圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建中，還將面臨一些現(xiàn)實(shí)問(wèn)題：詞表的定義和選擇、復(fù)雜數(shù)據(jù)的結(jié)構(gòu)化（RDF化）、數(shù)據(jù)集內(nèi)數(shù)據(jù)關(guān)聯(lián)的自動(dòng)生成等。［4］

2.2 圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建

圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)關(guān)系構(gòu)建與圖書館關(guān)聯(lián)數(shù)據(jù)的創(chuàng)建是兩個(gè)不同的過(guò)程，二者存在本質(zhì)的區(qū)別。關(guān)聯(lián)數(shù)據(jù)通過(guò)“鏈接”來(lái)為用戶開展服務(wù)，并通過(guò)鏈接實(shí)現(xiàn)不同數(shù)據(jù)集的關(guān)聯(lián)。［5］對(duì)于圖書館來(lái)說(shuō)，關(guān)聯(lián)數(shù)據(jù)關(guān)聯(lián)關(guān)系的構(gòu)建是圖書館關(guān)聯(lián)數(shù)據(jù)發(fā)布的前提?？梢哉J(rèn)為，圖書館關(guān)聯(lián)數(shù)據(jù)中關(guān)聯(lián)關(guān)系的構(gòu)建是圖書館關(guān)聯(lián)數(shù)據(jù)集成管理的核心環(huán)節(jié)。圖書館關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)構(gòu)建主要采取兩種方式：映射關(guān)聯(lián)和非映射關(guān)聯(lián)，可采取三種常見的自動(dòng)關(guān)聯(lián)構(gòu)建方法：基于圖相似度的映射、基于規(guī)則的關(guān)聯(lián)構(gòu)建和基于實(shí)體的文本映射?；趫D相似度的映射是對(duì)單一三元組比較方法的擴(kuò)展，基于實(shí)體的文本映射是實(shí)現(xiàn)自動(dòng)關(guān)聯(lián)的基本方法，這兩種方法具有通用性，但創(chuàng)建的關(guān)系類型比較有限。而基于規(guī)則的關(guān)聯(lián)構(gòu)建能創(chuàng)建較復(fù)雜的關(guān)系，但要依賴特定的相關(guān)規(guī)則和數(shù)據(jù)模型。對(duì)圖書館的書目數(shù)據(jù)來(lái)說(shuō)，館員希望通過(guò)識(shí)別和確定不同對(duì)象間的屬性關(guān)系來(lái)構(gòu)建較為豐富的關(guān)聯(lián)關(guān)系。以瑞典聯(lián)合目錄LIBRIS系統(tǒng)為例，該系統(tǒng)通過(guò)關(guān)聯(lián)數(shù)據(jù)發(fā)布了600多萬(wàn)條書目數(shù)據(jù)，其規(guī)范文檔數(shù)據(jù)集的類型為組織機(jī)構(gòu)名稱或人名，URI為http：//libris.db.se/resource/auth/＜number＞；其書目數(shù)據(jù)類型為書目，URI為 http：//libris.kb.se/resource/bib/＜number＞。［6］

2.3 圖書館關(guān)聯(lián)數(shù)據(jù)的發(fā)布

如何將已有的數(shù)據(jù)或新生成的數(shù)據(jù)發(fā)布為RDF三元組，是關(guān)聯(lián)數(shù)據(jù)發(fā)布的核心，通常需考慮待發(fā)布數(shù)據(jù)的規(guī)模、更新頻率和當(dāng)前的存儲(chǔ)方式。根據(jù)關(guān)聯(lián)數(shù)據(jù)的基本原理，在Web中發(fā)布關(guān)聯(lián)數(shù)據(jù)必須具有可參照的HTTP或URI標(biāo)識(shí)。一般來(lái)說(shuō)，RDF數(shù)據(jù)的生成方式主要有4種：生成并發(fā)布靜態(tài)RDF文件，通過(guò)其他類型信息的RDF轉(zhuǎn)換實(shí)現(xiàn)，通過(guò)關(guān)系型數(shù)據(jù)庫(kù)的RDF轉(zhuǎn)換實(shí)現(xiàn)，通過(guò)對(duì)已有應(yīng)用或Web API的封裝實(shí)現(xiàn)。［7］

我們首先應(yīng)該弄清楚圖書館大規(guī)模的關(guān)聯(lián)數(shù)據(jù)集是怎么發(fā)布到網(wǎng)上的。對(duì)于儲(chǔ)存在關(guān)系型數(shù)據(jù)庫(kù)里的數(shù)據(jù)，可用D2R Server將數(shù)據(jù)轉(zhuǎn)換成RDF格式，并發(fā)布到網(wǎng)上。［7］關(guān)聯(lián)數(shù)據(jù)的發(fā)布步驟如下：（1）從網(wǎng)上下載，然后安裝D2R Server服務(wù)軟件；（2） 用D2R Server軟件將關(guān)系型數(shù)據(jù)庫(kù)中的數(shù)據(jù)自動(dòng)生成D2RQ mapping映像文件（包括RDF格式數(shù)據(jù)）：（3） 根據(jù)已有的詞匯集對(duì)自動(dòng)生成的D2RQ mapping文件進(jìn)行手工改動(dòng)，對(duì)D2RQ mapping文件中的資源用網(wǎng)絡(luò)中已有的資源代替；（4）把圖書館的關(guān)聯(lián)數(shù)據(jù)集發(fā)布到網(wǎng)上，并通過(guò)RDF links與網(wǎng)上其他數(shù)據(jù)集相連，使瀏覽器或搜索器能搜索和瀏覽圖書館發(fā)布的數(shù)據(jù)。除此之外，還有其他的關(guān)聯(lián)數(shù)據(jù)發(fā)布工具，如：Virtuoso Universal Server，較多的關(guān)聯(lián)數(shù)據(jù)集通過(guò)Virtuoso U-niversal Server轉(zhuǎn)換并發(fā)布。舉例來(lái)說(shuō)，美國(guó)國(guó)會(huì)圖書館以簡(jiǎn)單知識(shí)組織系統(tǒng)（SKOS） 格式將國(guó)會(huì)標(biāo)題表（LCSH）全部關(guān)聯(lián)數(shù)據(jù)化，并且提供LCSH詞表的下載，成為關(guān)聯(lián)數(shù)據(jù)在圖書館應(yīng)用的成功范例。除了將權(quán)威文檔LCSH發(fā)布為關(guān)聯(lián)數(shù)據(jù)外，還創(chuàng)建了不同資源之間的關(guān)聯(lián)（如LCSH與瑞典聯(lián)合目錄LIBRIS關(guān)聯(lián)）。可以認(rèn)為，美國(guó)國(guó)會(huì)圖書館的做法可作為國(guó)際上其他圖書館的成功實(shí)踐范例，已經(jīng)覺察到了圖書館發(fā)布關(guān)聯(lián)數(shù)據(jù)的較大益處。

2.4 圖書館關(guān)聯(lián)數(shù)據(jù)的瀏覽

圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理另外需解決的問(wèn)題是怎樣在網(wǎng)上瀏覽圖書館的關(guān)聯(lián)數(shù)據(jù)。瀏覽關(guān)聯(lián)數(shù)據(jù)需要專門的瀏覽器或插件，目前主要的瀏覽器有Open Link RDF Browser， Tabulator Browser， Zitgist RDF Browser等。實(shí)驗(yàn)結(jié)果表明，當(dāng)多個(gè)關(guān)系頻繁地進(jìn)行連接操作時(shí)，關(guān)聯(lián)數(shù)據(jù)分布樹CDDT（conjunction data distribution tree）能提高整個(gè)分布式系統(tǒng)的查詢性能。所謂關(guān)聯(lián)數(shù)據(jù)分布樹，可以這樣理解：如果某一關(guān)系聯(lián)系圖中不存在回路，則該關(guān)系圖就構(gòu)成一個(gè)關(guān)聯(lián)數(shù)據(jù)分布樹，如果該關(guān)系聯(lián)系圖中存在回路，則刪除最少的邊使得該關(guān)系聯(lián)系圖中不存在回路。當(dāng)刪除一個(gè)聯(lián)系時(shí)，將其中的一個(gè)關(guān)系復(fù)制到另一個(gè)關(guān)系一端，使其構(gòu)成新的聯(lián)系，該新的聯(lián)系是被刪除聯(lián)系的一個(gè)副本。關(guān)聯(lián)數(shù)據(jù)分布樹如圖2所示，在CDDT中其中的一個(gè)關(guān)系也可稱為一個(gè)結(jié)點(diǎn)，刪除了U、S之間的一條邊，關(guān)系R為CDDT的根結(jié)點(diǎn)，其中和U相連的關(guān)系為S的一個(gè)副本。［8］

圖2 關(guān)聯(lián)數(shù)據(jù)分布樹示意圖

2.5 圖書館關(guān)聯(lián)數(shù)據(jù)的鏈接維護(hù)

隨著圖書館關(guān)聯(lián)數(shù)據(jù)集的不斷增多，不同數(shù)據(jù)集之間的關(guān)系將會(huì)越來(lái)越復(fù)雜。任何一個(gè)數(shù)據(jù)集的狀態(tài)發(fā)生變化，都有可能導(dǎo)致與之相鏈接的其他數(shù)據(jù)集發(fā)生訪問(wèn)故障。因此，圖書館關(guān)聯(lián)數(shù)據(jù)集之間的鏈接關(guān)系建立之后，對(duì)這些動(dòng)態(tài)變化的鏈接進(jìn)行及時(shí)、有效的維護(hù)是發(fā)揮關(guān)聯(lián)數(shù)據(jù)的作用、維系數(shù)據(jù)集之間鏈接關(guān)系的重要手段，也是體現(xiàn)關(guān)聯(lián)數(shù)據(jù)價(jià)值的重要保證。一般認(rèn)為，關(guān)聯(lián)數(shù)據(jù)鏈接的狀態(tài)主要有5種：初態(tài)、不變、消失、斷鏈、新鏈接。由源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的鏈接建立后，需要采取一定的方法對(duì)其進(jìn)行維護(hù)，包括及時(shí)修補(bǔ)斷鏈、刪除已消失的鏈接、建立新鏈接等。有關(guān)研究表明，主要有三種動(dòng)態(tài)鏈接的維護(hù)方法：基于WOD-LMP協(xié)議的方法要求鏈接雙方都遵守WOD-LMP協(xié)議（是專用的關(guān)聯(lián)數(shù)據(jù)鏈接維護(hù)協(xié)議）；基于主動(dòng)監(jiān)測(cè)機(jī)制的方法對(duì)目標(biāo)數(shù)據(jù)集的要求較低，只需要提供SPARQL查詢接口或支持RDF堆下載即可；［9］基于更新通知的方法適用于目標(biāo)數(shù)據(jù)集具有數(shù)據(jù)更新通知機(jī)制的情況，需要針對(duì)目標(biāo)數(shù)據(jù)集的數(shù)據(jù)更新通知機(jī)制采取相應(yīng)的更新數(shù)據(jù)獲取方法。相對(duì)而言，第二種方法的適應(yīng)性較其他方法的適應(yīng)性要強(qiáng)。

3 圖書館關(guān)聯(lián)數(shù)據(jù)的集成管理主要注意事項(xiàng)

3.1 關(guān)聯(lián)數(shù)據(jù)的效用問(wèn)題

隨著美國(guó)、瑞典等國(guó)家的圖書館將自身關(guān)聯(lián)數(shù)據(jù)發(fā)布到Web網(wǎng)上的實(shí)踐，其他國(guó)家的圖書館也展開了發(fā)布關(guān)聯(lián)數(shù)據(jù)的嘗試。但是，也可能出現(xiàn)關(guān)聯(lián)數(shù)據(jù)斷鏈的問(wèn)題，因?yàn)殛P(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)中的數(shù)據(jù)保持著更新狀態(tài)，新的數(shù)據(jù)不斷增加，舊的數(shù)據(jù)需要更改或刪除，數(shù)據(jù)之間的鏈接也發(fā)生變化。數(shù)據(jù)源之間的關(guān)聯(lián)可能產(chǎn)生斷鏈，這將引起關(guān)聯(lián)數(shù)據(jù)的應(yīng)用發(fā)生錯(cuò)誤，并導(dǎo)致關(guān)聯(lián)數(shù)據(jù)失效。目前的一般做法是將該問(wèn)題暫時(shí)忽略，當(dāng)在具體應(yīng)用中發(fā)現(xiàn)斷鏈時(shí)再加以解決。雖然Web網(wǎng)絡(luò)結(jié)構(gòu)允許一定數(shù)量死鏈接的存在，但過(guò)多的死鏈接無(wú)疑會(huì)影響數(shù)據(jù)網(wǎng)絡(luò)的使用效率。圖書館應(yīng)該保證數(shù)據(jù)源關(guān)聯(lián)關(guān)系的有效性，還應(yīng)建立關(guān)聯(lián)數(shù)據(jù)的監(jiān)測(cè)和修正機(jī)制，以維護(hù)關(guān)聯(lián)數(shù)據(jù)的效用。

3.2 關(guān)聯(lián)數(shù)據(jù)的安全問(wèn)題

數(shù)據(jù)安全對(duì)圖書館來(lái)說(shuō)特別重要，一旦丟失書目數(shù)據(jù)或流通數(shù)據(jù)等，后果將是特別嚴(yán)重的。那么圖書館創(chuàng)建并發(fā)布了關(guān)聯(lián)數(shù)據(jù)，是不是就意味著萬(wàn)無(wú)一失了呢？答案是否定的。盡管關(guān)聯(lián)數(shù)據(jù)依賴較完善的鏈接保存策略和模式映射，但關(guān)聯(lián)數(shù)據(jù)的安全問(wèn)題仍是圖書館界擔(dān)憂的主要議題之一。關(guān)聯(lián)數(shù)據(jù)的理想目標(biāo)是將目前的Web資源通過(guò)鏈接關(guān)系打造成為一個(gè)全球共享數(shù)據(jù)庫(kù)，這為Web服務(wù)帶來(lái)了極大的便利，但同時(shí)也帶來(lái)諸多安全障礙，如用戶的個(gè)人數(shù)據(jù)有可能被泄漏，無(wú)意中可能侵犯別人的知識(shí)產(chǎn)權(quán)和網(wǎng)絡(luò)隱私權(quán)。因此，圖書情報(bào)界應(yīng)高度重視關(guān)聯(lián)數(shù)據(jù)的安全問(wèn)題，首先要求用戶具有良好的安全意識(shí)，其次依靠技術(shù)手段與法律方式相結(jié)合，共同確保圖書館關(guān)聯(lián)數(shù)據(jù)的安全，更好地為讀者服務(wù)，提升圖書館的社會(huì)價(jià)值。

［1］Wikipedia.Linked data［EB/OL］.［2011-09-28］.http∶//en.wikipedia.org/wiki/linked_data.

［2］沈志宏，張曉林.關(guān)聯(lián)數(shù)據(jù)及其應(yīng)用現(xiàn)狀綜述［J］.現(xiàn)代圖書情報(bào)技術(shù)，2010（11）：1-9.

［3］ Passant A，etal.Meaningofatag：acollaborativeapproach tobridge the gap between taggingand linked data［C］//Proceedingsofthewww2008workshop Linked Dataonthe Web （LDOW2008）.Beijing：China，2008.

［4］黃永文.關(guān)聯(lián)數(shù)據(jù)在圖書館中的應(yīng)用研究綜述［J］.現(xiàn)代圖書情報(bào)技術(shù)，2010（5）：1-7.

［5］Malmsten M.Making a library catalogue part of the semantic web ［EB/OL］.［2011-09-28］.http∶//dcpa pers.dublincore.org/ojs/pubs/article/view/927/923.

［6］白海燕.關(guān)聯(lián)數(shù)據(jù)及DBPedia實(shí)例分析［J］.現(xiàn)代圖書情報(bào)技術(shù)，2010（3）：33-39.

［7］譚潔清.關(guān)聯(lián)數(shù)據(jù)的簡(jiǎn)介與進(jìn)展［J］.信息與電腦，2011（1）：103，106.

［8］陳慶奎，黃雨田.關(guān)聯(lián)數(shù)據(jù)分布樹在分布式查詢中的應(yīng)用［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（15）：4009-4012.

［9］郭少友.關(guān)聯(lián)數(shù)據(jù)的動(dòng)態(tài)鏈接維護(hù)研究［J］.圖書情報(bào)工作，2011，55（17）：112-116.