書目數(shù)據(jù)RDF/XML序列化方法研究??

索傳軍　王　新

信息組織

書目數(shù)據(jù)RDF/XML序列化方法研究??

索傳軍王新

書目數(shù)據(jù)序列化是構(gòu)建關(guān)聯(lián)開放書目數(shù)據(jù)集的重要步驟之一。為解決書目數(shù)據(jù)RDF/XML序列化轉(zhuǎn)換問題，在對(duì)源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)進(jìn)行分析的基礎(chǔ)上，提出書目數(shù)據(jù)的RDF/XML序列化具體方法以及操作步驟。以MARCXML到BIBFRAME的序列化過程為例，對(duì)上述方法進(jìn)行實(shí)證分析，對(duì)結(jié)果的對(duì)比證實(shí)了該方法的可行性。圖11。參考文獻(xiàn)22。

書目數(shù)據(jù) 序列化 關(guān)聯(lián)數(shù)據(jù) RDF/XML轉(zhuǎn)換

1　引言

書目數(shù)據(jù)是圖書館等文獻(xiàn)服務(wù)機(jī)構(gòu)進(jìn)行文獻(xiàn)管理、提供信息服務(wù)的重要工具，也是圖書館、檔案館等文獻(xiàn)服務(wù)機(jī)構(gòu)對(duì)人類知識(shí)進(jìn)行組織、序化的重要成果。當(dāng)前，書目數(shù)據(jù)以MARC格式為主，其結(jié)構(gòu)的封閉性使圖書館服務(wù)始終游離于互聯(lián)網(wǎng)信息服務(wù)之外，難以最大程度地發(fā)揮其使用價(jià)值及社會(huì)價(jià)值。為打破這一現(xiàn)狀，適應(yīng)未來(lái)語(yǔ)義網(wǎng)絡(luò)的發(fā)展，將圖書館服務(wù)融入互聯(lián)網(wǎng)信息服務(wù)之中，亟需對(duì)書目數(shù)據(jù)進(jìn)行語(yǔ)義化和序列化。

為促進(jìn)圖書館融入互聯(lián)網(wǎng)并向語(yǔ)義網(wǎng)方向發(fā)展，國(guó)內(nèi)外圖書館學(xué)界已經(jīng)開展了由MARC到MARCXML［1-2］、MARCXML到FRBR［3］，再進(jìn)一步到BIBFRAME［4-5］的相關(guān)研究。雖然國(guó)內(nèi)一些專家學(xué)者對(duì)此已進(jìn)行了一些理論研究和探索［6-8］，但還沒有關(guān)聯(lián)開放書目數(shù)據(jù)集的應(yīng)用實(shí)例，也沒有發(fā)現(xiàn)在線提供服務(wù)的關(guān)聯(lián)書目數(shù)據(jù)集。而國(guó)外已有數(shù)家圖書館開展了關(guān)聯(lián)書目數(shù)據(jù)的在線服務(wù)，最早的當(dāng)屬瑞典國(guó)家圖書館，于2008年開始提供關(guān)聯(lián)書目數(shù)據(jù)的在線服務(wù)，而我國(guó)目前為止仍未提供這方面的服務(wù)。為盡快實(shí)現(xiàn)中文關(guān)聯(lián)開放書目數(shù)據(jù)集的發(fā)布并提供服務(wù)，本文重點(diǎn)探討書目數(shù)據(jù)RDF/XML序列化方法，并以MARCXML到BIBFRAME的序列化轉(zhuǎn)換為例對(duì)該方法進(jìn)行驗(yàn)證。

2　RDF序列化國(guó)內(nèi)外相關(guān)研究現(xiàn)狀

關(guān)聯(lián)數(shù)據(jù)序列化，是指利用關(guān)聯(lián)數(shù)據(jù)技術(shù)，采用特定本體或詞匯集，對(duì)目標(biāo)數(shù)據(jù)進(jìn)行語(yǔ)義描述，并將其轉(zhuǎn)換為某種關(guān)聯(lián)數(shù)據(jù)格式的過程，如RDF/XML、N-triple等。書目數(shù)據(jù)序列化，是指利用關(guān)聯(lián)數(shù)據(jù)技術(shù)，將傳統(tǒng)書目數(shù)據(jù)（MARC格式）轉(zhuǎn)換為可以被計(jì)算機(jī)識(shí)別、理解和處理的關(guān)聯(lián)數(shù)據(jù)形式的過程，實(shí)質(zhì)是關(guān)聯(lián)數(shù)據(jù)序列化方法在圖書館領(lǐng)域的具體應(yīng)用。

在關(guān)聯(lián)數(shù)據(jù)序列化方面，國(guó)外走在相關(guān)研究的前列。應(yīng)用方面，Teruaki Hayashi等［9］通過將行動(dòng)計(jì)劃中的場(chǎng)景信息序列化為RDF，創(chuàng)建了支持檢索和復(fù)用的知識(shí)庫(kù)，并用于幫助用戶獲取準(zhǔn)確信息和決策支持；Xiang Sua［10］等將SenML①M(fèi)edia Type for Sensor Markup Language的縮寫，一種定義簡(jiǎn)單傳感器測(cè)量和設(shè)備參數(shù)的媒體類型的傳感器標(biāo)記語(yǔ)言。數(shù)據(jù)序列化為RDF格式，并應(yīng)用于物聯(lián)網(wǎng)智能服務(wù)領(lǐng)域，同時(shí)對(duì)該方法與其他替代方案進(jìn)行了實(shí)驗(yàn)比較；Paul Groth等［11］圍繞nanopub lications②納米出版，一種采用可發(fā)布、可參引的單一實(shí)體來(lái)表示結(jié)構(gòu)化數(shù)據(jù)及其來(lái)源的社區(qū)驅(qū)動(dòng)出版方式。概念模型提出命名圖RDF序列化方案，并采用現(xiàn)有技術(shù)對(duì)這一序列化方法進(jìn)行了實(shí)現(xiàn)。以上研究大多是基于現(xiàn)有工具及本體來(lái)完成關(guān)聯(lián)數(shù)據(jù)的序列化，側(cè)重于應(yīng)用。理論方面，Kim YH等［12］提出使用現(xiàn)有XML文件轉(zhuǎn)換為RDF格式的策略，并介紹了使用關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)RDF數(shù)據(jù)的方法；HassanzadehK等［13］提出了T2R系統(tǒng)，實(shí)現(xiàn)了從純文本中自動(dòng)獲取句法與語(yǔ)義關(guān)系并序列化為RDF，最后通過個(gè)案研究實(shí)驗(yàn)對(duì)該系統(tǒng)方法進(jìn)行了評(píng)估；Assem MV等［14］提出一種敘詞表的RDF序列化方法，通過準(zhǔn)備、語(yǔ)法轉(zhuǎn)換、語(yǔ)義轉(zhuǎn)換和標(biāo)準(zhǔn)化四個(gè)步驟，實(shí)現(xiàn)敘詞表的RDF序列化，并以MeSH和WordNet為例進(jìn)行了實(shí)證研究。

關(guān)聯(lián)數(shù)據(jù)是指將目標(biāo)數(shù)據(jù)集描述為關(guān)聯(lián)數(shù)據(jù)形式，并將其發(fā)布為開放網(wǎng)絡(luò)環(huán)境下可供查詢及使用的形式的過程。關(guān)聯(lián)數(shù)據(jù)序列化僅僅將目標(biāo)數(shù)據(jù)集描述并轉(zhuǎn)換為關(guān)聯(lián)數(shù)據(jù)形式，是關(guān)聯(lián)數(shù)據(jù)發(fā)布的一個(gè)環(huán)節(jié)。國(guó)內(nèi)對(duì)關(guān)聯(lián)數(shù)據(jù)序列化的相關(guān)理論研究較少，而且存在與關(guān)聯(lián)數(shù)據(jù)發(fā)布相混淆的情況。賈君枝等［15］以DDC關(guān)聯(lián)數(shù)據(jù)為例，從授權(quán)模型、實(shí)體對(duì)象明確、URI命名、SKOS模型化和RDF表示五個(gè)方面討論了DDC關(guān)聯(lián)數(shù)據(jù)的RDF表示和描述，并未涉及具體轉(zhuǎn)換的實(shí)現(xiàn)方法。濮德敏［16］等討論了關(guān)系型本體向關(guān)聯(lián)數(shù)據(jù)轉(zhuǎn)換的可行性，在此基礎(chǔ)上對(duì)Virtuoso Universal Server、Triplify、D2R三種轉(zhuǎn)換工具的使用進(jìn)行了比較。夏翠娟等［17］在介紹利用Drupal發(fā)布關(guān)聯(lián)數(shù)據(jù)的過程中，同時(shí)涉及利用Drupal CCK模塊實(shí)現(xiàn)本體映射及關(guān)聯(lián)數(shù)據(jù)轉(zhuǎn)換。白林林等論述了從CNMARC到RDF的映射［18］，建立了映射關(guān)系，但并未就映射的關(guān)聯(lián)化轉(zhuǎn)換及實(shí)現(xiàn)方法進(jìn)行討論。

當(dāng)前，國(guó)內(nèi)關(guān)聯(lián)數(shù)據(jù)序列化研究沒有對(duì)序列化與關(guān)聯(lián)數(shù)據(jù)發(fā)布進(jìn)行嚴(yán)格區(qū)分，現(xiàn)有研究大多只重點(diǎn)討論了由MARC到RDF的映射，尚停留在實(shí)體映射階段，未見關(guān)聯(lián)數(shù)據(jù)序列化的具體理論與方法。這可能是造成國(guó)內(nèi)沒有書目數(shù)據(jù)關(guān)聯(lián)開放數(shù)據(jù)集應(yīng)用實(shí)例的重要原因之一。因此，本文重點(diǎn)探索了由MARCXML到BIBFRAME的具體序列化轉(zhuǎn)換方法及途徑。

3　書目數(shù)據(jù)RDF/XML序列化方法

“序列化”概念源自于計(jì)算機(jī)科學(xué)領(lǐng)域，原意是將內(nèi)存中的對(duì)象轉(zhuǎn)換為可以存儲(chǔ)或傳輸?shù)男问降倪^程，序列化后的對(duì)象實(shí)例數(shù)據(jù)可以被其他代碼訪問或修改。根據(jù)RDF 1.1 Primer的提法，序列化的內(nèi)容是對(duì)RDF圖（即實(shí)體及實(shí)體間關(guān)系）進(jìn)行序列化。顯然，序列化所涉及的實(shí)體類及關(guān)系來(lái)源于目標(biāo)數(shù)據(jù)集所采用的本體或詞匯。因此，書目數(shù)據(jù)RDF/XML序列化就是將以MARC格式存在的書目數(shù)據(jù)源數(shù)據(jù)集，轉(zhuǎn)換并存儲(chǔ)為反映目標(biāo)數(shù)據(jù)集語(yǔ)義描述邏輯架構(gòu)的RDF/ XML格式的過程。該序列化過程以目標(biāo)數(shù)據(jù)集數(shù)據(jù)結(jié)構(gòu)為導(dǎo)向，從源數(shù)據(jù)集中抽取對(duì)應(yīng)數(shù)據(jù)，經(jīng)“歸類”（即對(duì)應(yīng)目標(biāo)數(shù)據(jù)集特定實(shí)體類）、實(shí)例化（URI分配及注冊(cè)為實(shí)體的實(shí)例）并以特定結(jié)構(gòu)進(jìn)行表達(dá)（語(yǔ)義化，如元素嵌套表達(dá)三元組），完成書目數(shù)據(jù)的序列化。

本項(xiàng)目組的序列化方法通過XSLT①XSLT是擴(kuò)展樣式表轉(zhuǎn)換語(yǔ)言的縮寫，1999年11月成為W3C推薦標(biāo)準(zhǔn)，是一種可以將XML文檔轉(zhuǎn)換為任意文本的描述語(yǔ)言。語(yǔ)言實(shí)現(xiàn)，以MARCXML到BIBFRAME的序列化轉(zhuǎn)換為例，對(duì)書目數(shù)據(jù)RDF/XML序列化方法進(jìn)行探討。

書目數(shù)據(jù)RDF/XML序列化是一個(gè)數(shù)據(jù)處理流程，本質(zhì)是計(jì)算機(jī)對(duì)源數(shù)據(jù)集（書目數(shù)據(jù)）進(jìn)行數(shù)據(jù)訪問及提取，然后按照一定的規(guī)則重新組織數(shù)據(jù)中所包含的信息，然后按照目標(biāo)數(shù)據(jù)集的要求進(jìn)行格式化輸出。該流程主要涉及三個(gè)環(huán)節(jié)，即輸入、處理和輸出。

（1）輸入環(huán)節(jié)，確定序列化操作所需要提取的信息，并根據(jù)數(shù)據(jù)源的數(shù)據(jù)結(jié)構(gòu)確定其數(shù)據(jù)訪問方式，以便對(duì)數(shù)據(jù)進(jìn)行訪問及提取操作。

（2）數(shù)據(jù)處理環(huán)節(jié)，按照一定的規(guī)則對(duì)提取自源數(shù)據(jù)集的數(shù)據(jù)進(jìn)行重組，進(jìn)行語(yǔ)義的顯式表達(dá)并按照目標(biāo)數(shù)據(jù)集的格式輸出。

（3）輸出環(huán)節(jié)，按目標(biāo)數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)進(jìn)行形式化輸出。要求了解目標(biāo)數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)及其語(yǔ)義描述框架。

以上三個(gè)環(huán)節(jié)通過下文五個(gè)步驟實(shí)現(xiàn)，各環(huán)節(jié)與序列化方法步驟之間的對(duì)應(yīng)關(guān)系見圖1。

3.1源數(shù)據(jù)集結(jié)構(gòu)分析（書目數(shù)據(jù)分析）

書目數(shù)據(jù)是典型的靜態(tài)結(jié)構(gòu)化數(shù)據(jù)。對(duì)書目數(shù)據(jù)進(jìn)行序列化的前提是要對(duì)其結(jié)構(gòu)有著充分的了解，這就需要分別從語(yǔ)義結(jié)構(gòu)層面和語(yǔ)法結(jié)構(gòu)層面進(jìn)行分析。

（1）書目數(shù)據(jù)語(yǔ)義結(jié)構(gòu)分析。語(yǔ)義結(jié)構(gòu)即書目數(shù)據(jù)所包含的隱式語(yǔ)義及其表達(dá)方式。書目數(shù)據(jù)在進(jìn)行RDF/XML序列化之前，其語(yǔ)義表達(dá)是隱式的，計(jì)算機(jī)無(wú)法識(shí)別其中所包含的實(shí)體及關(guān)系，因此無(wú)法被計(jì)算機(jī)所理解和處理。在分析書目數(shù)據(jù)語(yǔ)義結(jié)構(gòu)的過程中，需要明確其中隱式語(yǔ)義所描述的各類對(duì)象（如實(shí)體、屬性及屬性值）及對(duì)象間的關(guān)系，并以有向圖的形式予以表示。分析書目數(shù)據(jù)的語(yǔ)義結(jié)構(gòu)是為了與目標(biāo)數(shù)據(jù)集中的對(duì)應(yīng)實(shí)體進(jìn)行配對(duì)辨識(shí)，建立源數(shù)據(jù)集（即書目數(shù)據(jù)）與目標(biāo)數(shù)據(jù)集在語(yǔ)義結(jié)構(gòu)層面的映射關(guān)系。

（2）書目數(shù)據(jù)語(yǔ)法結(jié)構(gòu)分析。語(yǔ)法結(jié)構(gòu)即書目數(shù)據(jù)在編碼、傳輸、交換過程中所遵循的數(shù)據(jù)結(jié)構(gòu)及表示的規(guī)則，是計(jì)算機(jī)描述現(xiàn)實(shí)世界（即書目信息）的數(shù)據(jù)表示。對(duì)書目數(shù)據(jù)進(jìn)行語(yǔ)法結(jié)構(gòu)分析，明確其遵循的語(yǔ)法規(guī)則及數(shù)據(jù)表示方式，可以為數(shù)據(jù)抽取提供訪問方法。

3.2目標(biāo)數(shù)據(jù)集結(jié)構(gòu)分析

本部分目標(biāo)數(shù)據(jù)集是指采用RDF/XML進(jìn)行結(jié)構(gòu)化編碼的實(shí)例，其語(yǔ)義描述的框架取決于所采用的本體或詞表，即采用的本體或詞表不同，其資源描述框架也必然不相同。對(duì)目標(biāo)數(shù)據(jù)集的分析也要從語(yǔ)義層面和語(yǔ)法層面入手。

（1）目標(biāo)數(shù)據(jù)集語(yǔ)義結(jié)構(gòu)分析。從總體上分析目標(biāo)數(shù)據(jù)集的語(yǔ)義結(jié)構(gòu)，了解目標(biāo)數(shù)據(jù)的資源描述框架結(jié)構(gòu)，確定描述對(duì)象所涉及的實(shí)體、類、關(guān)系及屬性約束，了解在相應(yīng)資源描述過程中所使用的詞匯及其層級(jí)關(guān)系。

（2）目標(biāo)數(shù)據(jù)集語(yǔ)法結(jié)構(gòu)分析。從語(yǔ)法層面了解目標(biāo)數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)及其表示方式，即數(shù)據(jù)是如何在相關(guān)機(jī)制的基礎(chǔ)上，通過遵循一定規(guī)則的組合對(duì)數(shù)據(jù)所含語(yǔ)義進(jìn)行顯式表達(dá)的。語(yǔ)義層關(guān)系的表達(dá)是以有向圖的形式，而語(yǔ)法層只能以樹狀結(jié)構(gòu)采用元素的層級(jí)嵌套對(duì)這種有向圖結(jié)構(gòu)進(jìn)行轉(zhuǎn)述表達(dá)。單一屬性的語(yǔ)義描述，RDF/ XML使用元素嵌套表達(dá)三元組陳述；對(duì)資源的整體描述則涉及實(shí)體、屬性及關(guān)系的三元組集合，這些三元組集合的組織方式體現(xiàn)了該本體或詞匯資源描述框架的邏輯架構(gòu)。

3.3建立源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的映射

在對(duì)源數(shù)據(jù)集和目標(biāo)數(shù)據(jù)集的語(yǔ)法和語(yǔ)義結(jié)構(gòu)進(jìn)行分析的基礎(chǔ)上，接下來(lái)需要建立源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的映射，從而為下一步XSLT轉(zhuǎn)換文檔的結(jié)構(gòu)及模板設(shè)計(jì)提供信息。映射內(nèi)容涉及語(yǔ)義層面和語(yǔ)法層面。

（1）通過源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集語(yǔ)義層面的映射，在數(shù)據(jù)源端確定源數(shù)據(jù)集中所需提取的數(shù)據(jù)內(nèi)容。

（2）根據(jù)源數(shù)據(jù)集數(shù)據(jù)結(jié)構(gòu)，確定數(shù)據(jù)訪問方式，采用XPath路徑表達(dá)式對(duì)所需提取的數(shù)據(jù)進(jìn)行訪問及篩選，并將其作為運(yùn)算結(jié)果返回給模板。

（3）通過源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集語(yǔ)法層面的映射，確定被提取數(shù)據(jù)的具體轉(zhuǎn)換方式。根據(jù)被提取數(shù)據(jù)所含語(yǔ)義的不同，采用相應(yīng)的規(guī)則設(shè)計(jì)模板并對(duì)其應(yīng)用。模板規(guī)則是具體的數(shù)據(jù)轉(zhuǎn)換方式，以XML元素嵌套的三元組表達(dá)方式對(duì)路徑表達(dá)式返回節(jié)點(diǎn)序列進(jìn)行語(yǔ)義的顯式表達(dá)，并生成RDF/XML結(jié)構(gòu)化編碼。

（4）根據(jù)目標(biāo)數(shù)據(jù)集語(yǔ)法結(jié)構(gòu)與語(yǔ)義結(jié)構(gòu)的關(guān)系，確定數(shù)據(jù)的總體架構(gòu)和輸出?？傮w架構(gòu)用于模板結(jié)構(gòu)的設(shè)計(jì)，模板按照目標(biāo)數(shù)據(jù)集語(yǔ)義結(jié)構(gòu)表達(dá)的需求可以分為若干區(qū)塊，每個(gè)區(qū)塊包含若干模板，每個(gè)模板都具有獨(dú)立的處理功能，可以按照其功能分配對(duì)一類或一系列同類型數(shù)據(jù)進(jìn)行處理及輸出。模板之間可以相互調(diào)用，從而在總體上實(shí)現(xiàn)符合目標(biāo)數(shù)據(jù)集語(yǔ)義及語(yǔ)法結(jié)構(gòu)的輸出。

3.4設(shè)計(jì)并編輯XSLT轉(zhuǎn)換文檔

XSLT轉(zhuǎn)換文檔的設(shè)計(jì)及編輯，需要以最終的結(jié)構(gòu)化輸出內(nèi)容為對(duì)象，自頂向下，規(guī)劃整個(gè)轉(zhuǎn)換文檔的結(jié)構(gòu)，詳細(xì)劃分各模板所具備的功能，實(shí)現(xiàn)具體的數(shù)據(jù)轉(zhuǎn)換過程，以代碼實(shí)現(xiàn)整個(gè)序列化流程。

XSLT轉(zhuǎn)換文檔的設(shè)計(jì)與編輯要建立在對(duì)源數(shù)據(jù)集與目標(biāo)數(shù)據(jù)集框架及數(shù)據(jù)結(jié)構(gòu)完全了解的基礎(chǔ)上，要考慮到所有字段的數(shù)據(jù)及其屬性的取值，在文檔編輯過程中，要盡可能地枚舉源數(shù)據(jù)集中被提取數(shù)據(jù)所有可能出現(xiàn)的方式及其取值情況，采用條件表達(dá)式具體區(qū)分并加以處理。

3.5XSLT文檔調(diào)試與數(shù)據(jù)轉(zhuǎn)換

XSLT文檔編輯完成后，需要進(jìn)行調(diào)試并排除錯(cuò)誤，之后才可以用于批量書目數(shù)據(jù)的RDF/ XML序列化。

XSLT文檔的調(diào)試可以分塊進(jìn)行，由于模板只處理特定類型或字段的數(shù)據(jù)，同時(shí)輸出數(shù)據(jù)也無(wú)須是完整的文檔，因此可以對(duì)每個(gè)模板單獨(dú)調(diào)試?？傮w調(diào)試完成后，即可用于書目數(shù)據(jù)的序列化。

4　書目數(shù)據(jù)RDF/XML序列化方法驗(yàn)證

本部分?jǐn)?shù)據(jù)實(shí)驗(yàn)以MARCXML格式書目數(shù)據(jù)為源數(shù)據(jù)集，以BIBFRAME為目標(biāo)數(shù)據(jù)集，以若干字段的轉(zhuǎn)換及URI的分配為實(shí)驗(yàn)內(nèi)容，按照轉(zhuǎn)換流程，分步驟實(shí)現(xiàn)對(duì)書目數(shù)據(jù)RDF/XML序列化方法。

本項(xiàng)目組所用源數(shù)據(jù)集數(shù)據(jù)來(lái)源于Project-Muse①http：//muse.jhu.edu/cgi-bin/book_marc_html.cgi.，以MARC數(shù)據(jù)集形式打包下載2014年至今的書目記錄，共計(jì)2915條。經(jīng)MarcEditor軟件處理后獲得MARCXML格式數(shù)據(jù)并將其作為實(shí)驗(yàn)樣本。

4.1MARCXML結(jié)構(gòu)分析

MARCXML是MARC的XML版本，實(shí)現(xiàn)了MARC記錄的無(wú)損轉(zhuǎn)換。MARCXML從整體上沿用了MARC描述數(shù)據(jù)的思路，只是在形式上進(jìn)行了XML元數(shù)據(jù)格式轉(zhuǎn)換，并未就各字段的語(yǔ)義進(jìn)行描述及解釋。例如，MARC記錄中關(guān)于個(gè)人名稱的100字段“=100 1$aSandburg，Carl，$d1878-1967.”轉(zhuǎn)換為MARCXML格式后為:

＜marc:datafield tag=＂100＂ind1=＂1＂ind2=＂＂＞

＜marc:subfield code=＂a＂＞Sandburg，Carl，＜/marc: subfield＞＜marc:subfield code=＂d＂＞1878—1967.＜/marc:subfield＞

＜/marc:datafield＞

所有字段使用datafield元素標(biāo)注，字段編號(hào)使用tag屬性標(biāo)注，指示符使用ind1和ind2屬性標(biāo)注，子字段使用subfield元素標(biāo)注，并用code屬性進(jìn)行內(nèi)容區(qū)分。

通過以上示例，主要了解源數(shù)據(jù)集所表達(dá)語(yǔ)義結(jié)構(gòu)和隱式語(yǔ)義表達(dá)實(shí)體的語(yǔ)法表達(dá)方式。語(yǔ)義分析可以實(shí)現(xiàn)與目標(biāo)數(shù)據(jù)集相關(guān)實(shí)體的對(duì)應(yīng)，語(yǔ)法分析可以幫助確定源數(shù)據(jù)集數(shù)據(jù)訪問方法。BIBFRAME中與之所對(duì)應(yīng)的實(shí)體是Authority子集中Agent子集下的Person，數(shù)據(jù)訪問方式用XPath表示就是marc:collection/marc:record/ marc:datafield［tag=‘100'］/marc:subfield［＠code =‘a(chǎn)'］。

4.2BIBFRAME結(jié)構(gòu)分析

了解目標(biāo)數(shù)據(jù)集結(jié)構(gòu)，可以確定需要描述的實(shí)體和語(yǔ)義表達(dá)方式，以及描述框架的邏輯架構(gòu)。

（1）BIBFRAME所描述實(shí)體分析。以BIBFRAME為例，圖2顯示了BIBFRAME詞匯所定義的實(shí)體。實(shí)體名稱即以“rdfs:label”標(biāo)注的元素，“rdf:about”是該詞匯為實(shí)體分配的URI，由“BaseURI+label”形式構(gòu)成，此處BaseURI為“http://bibframe.org/vocab/”，用于語(yǔ)義標(biāo)注時(shí)縮寫為“bf:”。

（2）BIBFRAME語(yǔ)義表達(dá)方式分析。RDF/ XML格式在語(yǔ)義描述方面的形式大同小異，都是以條帶化（striping）［19］的元素嵌套模擬RDF圖的路徑，表現(xiàn)為資源與謂詞交替出現(xiàn)，反復(fù)構(gòu)成三元組，見圖3。

（3）分析描述框架的邏輯架構(gòu)及語(yǔ)法表達(dá)方式。在BIBFRAME中，主要包含四類實(shí)體，且所有實(shí)體都是資源實(shí)體的子類，實(shí)體之間存在層級(jí)和類屬關(guān)系。RDF/XML編碼中元素的嵌套也體現(xiàn)了這種結(jié)構(gòu)。

4.3建立MARCXML到BIBFRAME的映射

在對(duì)目標(biāo)數(shù)據(jù)集進(jìn)行分析后，可以確定所有需要轉(zhuǎn)換的實(shí)體，通過與源數(shù)據(jù)集隱式語(yǔ)義所表達(dá)實(shí)體的對(duì)比，可以建立源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集實(shí)體對(duì)應(yīng)關(guān)系的映射。

在下面的示例中，顯示的是bf:work實(shí)體與MARCXML相關(guān)字段的映射關(guān)系。由于MARCXML格式涉及書目記錄內(nèi)容的元素只有record、datafield和subfield，所有datafield和subfield元素僅以屬性進(jìn)行區(qū)分，因缺乏語(yǔ)義而無(wú)法顯示結(jié)構(gòu)，所以在映射部分只能以輸入點(diǎn)的形式進(jìn)行顯示，指示該節(jié)點(diǎn)對(duì)應(yīng)的訪問路徑（見圖4）。

4.4編輯XSLT轉(zhuǎn)換文檔

XSLT作為一種語(yǔ)言轉(zhuǎn)換工具，可以實(shí)現(xiàn)XML及類XML結(jié)構(gòu)文本的格式轉(zhuǎn)換，具體使用方法本文不作贅述，僅對(duì)MARCXML向BIBFRAME格式轉(zhuǎn)換過程中的幾個(gè)問題進(jìn)行探討。

4.4.1XSLT整體結(jié)構(gòu)規(guī)劃

由于XSLT具有函數(shù)性和輸出結(jié)果不依賴執(zhí)行順序的特點(diǎn)，因此，對(duì)XSLT結(jié)構(gòu)進(jìn)行規(guī)劃的重要性尤為突出。在微觀層面，數(shù)據(jù)最終需要使用元素嵌套表述RDF圖；在宏觀層面，三元組也要以層級(jí)類屬嵌套或相互并列的方式進(jìn)行組織，從而維持語(yǔ)義描述框架的整體架構(gòu)。此外，目標(biāo)數(shù)據(jù)集所用本體或詞匯的結(jié)構(gòu)越復(fù)雜，其轉(zhuǎn)換文件結(jié)構(gòu)的復(fù)雜程度也越高，為便于管理、調(diào)試也需要對(duì)XSLT的結(jié)構(gòu)進(jìn)行規(guī)劃。

規(guī)劃過程就是功能和結(jié)構(gòu)的分解過程，從總體上進(jìn)行結(jié)構(gòu)分解，然后對(duì)各部分所負(fù)責(zé)的功能做進(jìn)一步劃分，最終實(shí)現(xiàn)底層代碼的轉(zhuǎn)換。

在圖5示例中，整個(gè)XSLT文檔由以下區(qū)域構(gòu)成:聲明區(qū)（2—3行）、輸出區(qū)（6—10行）、主模板區(qū)（12—14行）、work構(gòu)建區(qū)（16—27行）。其中，聲明區(qū)引用需要的命名空間，在轉(zhuǎn)換過程中，計(jì)算機(jī)會(huì)對(duì)XSLT中所引用的元素（即詞匯中定義的謂詞，如bf:work）進(jìn)行語(yǔ)義合法性核查，這一過程中需要對(duì)相關(guān)詞匯進(jìn)行解引。輸出區(qū)負(fù)責(zé)定義輸出文件的最外層結(jié)構(gòu)，圖5中代碼第6行match屬性將該模板應(yīng)用于整個(gè)輸入數(shù)據(jù)源文件，第8行對(duì)select屬性選定的節(jié)點(diǎn)（//marc: record指所有record記錄）使用rdf:RDF標(biāo)簽進(jìn)行封裝。主模板區(qū)負(fù)責(zé)對(duì)子模板進(jìn)行調(diào)用（第13行），子模板包括work（16—27行）、instance、annotation、heldItem及其他未歸入以上四類節(jié)點(diǎn)的對(duì)應(yīng)節(jié)點(diǎn)處理模板。work構(gòu)建區(qū)包含一個(gè)當(dāng)前區(qū)的主模板和若干子模板，主模板負(fù)責(zé)調(diào)用其區(qū)域內(nèi)各子模板，以保證最后輸出結(jié)果中各后代元素的層級(jí)、類屬或并列關(guān)系，各子模板實(shí)現(xiàn)相關(guān)字段信息的轉(zhuǎn)換。

4.4.2實(shí)體URI的生成及分配

在書目數(shù)據(jù)序列化過程中，對(duì)所有實(shí)體都需要賦予其URI，各類實(shí)體URI的生成和分配過程較為相近，不同之處僅在于構(gòu)成URI的字段值及其組合方式。實(shí)驗(yàn)以BIBFRAME數(shù)據(jù)集中的work實(shí)體數(shù)據(jù)抽取及URI生成為例進(jìn)行說(shuō)明。

2005年，Tim Berners-Lee提出使用HTTP uri標(biāo)識(shí)網(wǎng)絡(luò)資源［20］。2008年，Sauermann和Cyganiak介紹了語(yǔ)義網(wǎng)標(biāo)識(shí)資源所用的兩種HTTP uri機(jī)制:Hash URIs和303URIs［21］，同時(shí)，提出HTTP uri使用應(yīng)該滿足兩個(gè)要求:第一，HTTP uri所標(biāo)識(shí)的資源應(yīng)該可以通過標(biāo)準(zhǔn)網(wǎng)絡(luò)技術(shù)進(jìn)行檢索訪問及獲?。坏诙?，命名方案要清晰，不能混淆事物本身與描述事物的文檔。

使用HTTP uri標(biāo)識(shí)資源，意味著要同時(shí)遵循URI及URL語(yǔ)法規(guī)范，Hash URIs與303URIs的不同在于它們使用現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)保存其隱式指向功能的方式不同。無(wú)論是用于標(biāo)識(shí)資源的位置，還是反映資源所在體系的結(jié)構(gòu)，URI所遵循的語(yǔ)法與結(jié)構(gòu)都是有意義的，這使URI生成與分配變得有章可循。同時(shí)，所有URI都要保證全局唯一性，生成的URI不能重復(fù)。盡管從定義角度來(lái)講，URI具有全局唯一性，但在網(wǎng)絡(luò)環(huán)境下，難以避免URI沖突（URI collision）情況的發(fā)生［22］，即同一URI被用作描述兩個(gè)不同的資源。因此，要盡可能“在同一體系范圍內(nèi)”保證資源描述URI的全局唯一性。解決方案有多種，例如可以通過URI結(jié)尾追加的ISBN號(hào)與隨機(jī)碼所構(gòu)成的字符串進(jìn)行標(biāo)識(shí)。

workURI生成函數(shù)（見圖6），主要原理是采用分支選擇，根據(jù)當(dāng)前節(jié)點(diǎn)上下文，從MARC記錄001、003控制字段、數(shù)據(jù)字段020（ISBN）、022（ISSN）中進(jìn)行選擇判斷，當(dāng)條件滿足時(shí)直接跳出選擇并將值存入變量id，然后54行的concat函數(shù)通過引用$id變量，與字符串“http://bibframe. org/resources/”進(jìn)行組合，構(gòu)成URI后返回給調(diào)用該函數(shù)的模板。同時(shí)，為應(yīng)對(duì)以上四個(gè)字段取值失敗的情況，在otherwise分支中設(shè)置了generateid函數(shù)，根據(jù)當(dāng)前上下文節(jié)點(diǎn)生成一個(gè)隨機(jī)碼，然后傳遞給concat函數(shù)用于生成workURI，以保證其唯一性。

URI的分配過程是通過對(duì)函數(shù)的調(diào)用來(lái)完成的，URI一般作為屬性值置于謂詞元素中，根據(jù)描述對(duì)象的不同，其屬性分為rdf:about和rdf: resource兩種。當(dāng)描述對(duì)象為“主體”時(shí)，使用rdf: about屬性，當(dāng)描述對(duì)象為客體時(shí)，使用rdf: resource屬性。調(diào)用及URI分配過程見圖7。

圖7中，通過第16行attribute元素為bf:work元素添加屬性，name=＂about＂namespace=＂http://www.w3.org/1999/02/22-rdf-syntax-ns#＂是“rdf:about”的URI展開形式，通過value-of元素為“rdf:about”屬性賦值，以select屬性調(diào)用local:uri-work函數(shù)，小括號(hào)中的“.”是XPath路徑表達(dá)式，意為將當(dāng)前上下文節(jié)點(diǎn)作為參數(shù)傳遞給該函數(shù)，然后將計(jì)算結(jié)果返回并賦予rdf:about，從而實(shí)現(xiàn)URI的分配。當(dāng)前上下文節(jié)點(diǎn)來(lái)自于調(diào)用work模板的主模板，主模板通過match屬性獲得一個(gè)record及其所有子節(jié)點(diǎn)構(gòu)成的節(jié)點(diǎn)集（7行），通過調(diào)用，主模板將該節(jié)點(diǎn)序列傳遞給work模板（8行），然后work模板再通過調(diào)用過程依次將節(jié)點(diǎn)序列傳遞給各子模板及函數(shù)（18行），各子模板從中有針對(duì)性地選擇特定字段進(jìn)行處理。通過層層調(diào)用，實(shí)現(xiàn)數(shù)據(jù)的分類、分流處理。

4.4.3 字段映射的XSLT編碼實(shí)現(xiàn)

字段映射可以有多種編碼實(shí)現(xiàn)形式，編碼要以控制輸出為導(dǎo)向。映射可以理解為計(jì)算機(jī)對(duì)數(shù)據(jù)源采取的一系列處理活動(dòng)，如取值、計(jì)算、返回、輸出，XSLT編碼將映射過程表達(dá)為計(jì)算機(jī)可以處理的指令形式。編碼過程圍繞數(shù)據(jù)輸入、處理、輸出三方面進(jìn)行。以分類信息與050字段的映射為例，分析該字段映射的XSLT編碼實(shí)現(xiàn)過程。

（1）確定數(shù)據(jù)輸入。050字段為美國(guó)國(guó)會(huì)圖書館索書號(hào)，在明確050字段與bf:classificaionLcc實(shí)體對(duì)應(yīng)關(guān)系后，還要進(jìn)一步明確所需處理的具體值。050字段在MARCXML文件中的示例代碼如下:

＜marc:datafield tag=＂050＂ind1=＂＂ind2=＂4＂＞

＜marc:subfield code=＂a＂＞XXXXXX.＜/marc:subfield＞

＜marc:subfield code=＂b＂＞YY YYY＜/marc:subfield＞

＜/marc:datafield＞

（2）確定輸出形式。輸出形式反映了數(shù)據(jù)處理的要求，包括格式、數(shù)據(jù)處理手段等。輸出形式的確定可以通過本體及詞表提供的樣例信息獲得。上例轉(zhuǎn)換后的代碼為:

＜bf:Work rdf:about=＂http://bibframe.org/resources/ muse1＂＞

＜bf:classificationLcc rdf:resource=＂http://id.loc.

gov/authorities/classification/XXXXXX.YY YY＂/＞

＜/bf:Work＞

通過樣例可以發(fā)現(xiàn)，數(shù)據(jù)輸出需要對(duì)marc: subfield元素a和b進(jìn)行取值、連接字符串操作，然后再與字符串“http://id.loc.gov/authorities/ classification/”進(jìn)行連接，然后賦值給rdf:resource屬性，該屬性屬于bf:classificationLcc元素，同時(shí)該元素是bf:work的子元素。

（3）以XSLT編碼實(shí)現(xiàn)處理過程。該示例處理過程大致包括取值和兩次連接字符串操作，實(shí)現(xiàn)這些操作的編碼可以有很多種方式，采用何種方式要視具體情況而定。本文對(duì)這一過程的實(shí)現(xiàn)采用調(diào)用遞歸方法，通過調(diào)用可以人工干預(yù)代碼的執(zhí)行順序，同時(shí)可以限定相關(guān)代碼的激活條件，進(jìn)而實(shí)現(xiàn)控制輸出的目的。調(diào)用遞歸方法是XSLT實(shí)現(xiàn)循環(huán)的主要方法之一。

在圖8代碼中，實(shí)現(xiàn)了取值—緩存—字符串連接—變量賦值—引用變量—字符串連接等過程。通過第8行調(diào)用，將Marc050字段元素以序列傳遞給處理模板（13行），聲明storage變量后，通過其子元素（15—16行）對(duì)該模板自身的調(diào)用，實(shí)現(xiàn)一個(gè)遞歸循環(huán)，遞歸會(huì)觸發(fā)處理器內(nèi)建模板，循環(huán)過程會(huì)將15行路徑選定元素的子元素的值依次存入緩存，循環(huán)結(jié)束會(huì)將緩存中的結(jié)果返回并賦予storage變量。18行完成元素＜bf:classificationLcc＞創(chuàng)建，19行字符串連接函數(shù)調(diào)用$storage，經(jīng)規(guī)范化處理（normalize-space）后與字符串“http://id.loc. gov/authorities/classification/”連接，返回結(jié)果并完成resource屬性賦值。

通過第8行調(diào)用，使處理器在運(yùn)行完050字段處理模板后再運(yùn)行＜/bf:work＞輸出指令，借此控制輸出流的元素嵌套方式。此外，使用模板調(diào)用方式傳遞節(jié)點(diǎn)序列，而不是在模板中直接以絕對(duì)尋址方式指定處理序列，可以控制該模板的激活條件，進(jìn)而減少輸出中的意外因素。

4.5代碼調(diào)試及數(shù)據(jù)轉(zhuǎn)換

本文以MARCXML網(wǎng)站提供的示例代碼為源文件①http：//www.loc.gov/standards/marcxml/Sandburg/sandburg.xml.，將work、classification、subject等實(shí)體轉(zhuǎn)換后的結(jié)果與LC提供的BIBFRAME轉(zhuǎn)換服務(wù)返回的結(jié)果進(jìn)行對(duì)照。源文件MARC格式數(shù)據(jù)見圖9。

從圖10、圖11的數(shù)據(jù)可以發(fā)現(xiàn)，本文代碼所得結(jié)果與LC提供的BIBFRAME轉(zhuǎn)換服務(wù)所生成代碼并不完全一致，具體表現(xiàn)在各屬性的值，而屬性值的生成則取決于算法。以bf:subject為例，本文所用算法將MARC數(shù)據(jù)關(guān)于topic及主題的字段進(jìn)行取值，然后為各bf:subject的resource屬性賦值，從屬性值即可直觀地了解該作品的主題。在BIBFRAME轉(zhuǎn)換服務(wù)生成代碼中，bf: subject元素的resource屬性值是由workURI連接topic和數(shù)字組成，與本文的算法截然不同。盡管以上序列化方法各自所生成的URI不同，但二者對(duì)資源的描述方式一致，都完成了以BIBFRAME為目標(biāo)數(shù)據(jù)集的RDF/XML序列化，證明本文所用方法可行。

5 總結(jié)

通過五個(gè)步驟——源數(shù)據(jù)集結(jié)構(gòu)分析、目標(biāo)數(shù)據(jù)集結(jié)構(gòu)分析、建立映射、XSLT轉(zhuǎn)換文檔編輯、數(shù)據(jù)轉(zhuǎn)換，對(duì)書目數(shù)據(jù)RDF/XML序列化方法進(jìn)行了闡述，并以MARCXML到BIBFRAME的序列化過程為例，對(duì)以上方法進(jìn)行了實(shí)證研究，通過對(duì)結(jié)果的對(duì)比和討論，論證了該方法的可行性。

本文所述書目數(shù)據(jù)RDF/XML序列化方法，理論適用范圍不僅限于XML格式文件，還適用于任何XML及類XML的合式文檔的語(yǔ)義化結(jié)構(gòu)轉(zhuǎn)換，如MODS、MADS等。此外，轉(zhuǎn)換的目標(biāo)數(shù)據(jù)集支持任意格式文檔，因而適用于基于任何本體或詞匯的序列化轉(zhuǎn)換。限于條件，本項(xiàng)目組僅對(duì)2915條實(shí)驗(yàn)樣本進(jìn)行了基于BIBFRAME詞匯的RDF/XML數(shù)據(jù)轉(zhuǎn)換，未對(duì)其他格式進(jìn)行實(shí)驗(yàn)。同時(shí)，該方法還存在操作復(fù)雜的問題，源數(shù)據(jù)集到目標(biāo)數(shù)據(jù)集的實(shí)體及關(guān)系映射還需要人工分析，映射實(shí)現(xiàn)及轉(zhuǎn)換算法尚需人工設(shè)計(jì)編寫，不利于機(jī)器自動(dòng)序列化的實(shí)現(xiàn)，在未來(lái)的研究中將做進(jìn)一步完善和探討。

1Radebaugh J.MARC 21/MARCXML［J］.Computers in Libraries，2007，27（4）：15.

2余敏.從CNMARC到MARC21數(shù)據(jù)轉(zhuǎn)換研究［J］.圖書館論壇，2011（3）.

3Brascher M.MARC，MARCXML e FRBR：connections found in literature［J］.Informacao&Sociedade：Estudos，2007，17（3）：13-25.

4婁秀明，危紅.書目格式的過去與未來(lái)——從MARC到BIBFRAME研究［J］.圖書館雜志，2015（5）.

5Rollitt K.MARC21 to Bibframe：outcomes，possibilities and new directions［J］.New Zealand Library&Information Management Journal，2014，55（1）：16-19.

6Angela Kroeger.The Road to BIBFRAME：The Evolution of the Idea of Bibliographic Transition into a Post-MARC Future［J］.Cataloging&Classification Quarterly，2013，51（8）：873-890.

7夏翠娟.面向語(yǔ)義網(wǎng)的書目框架（BIBFRAME）：功能需求及實(shí)現(xiàn)［J］.大學(xué)圖書館學(xué)報(bào)，2014（6）.

8夏翠娟，等.基于書目框架（BIBFRAME）的家譜本體設(shè)計(jì)［J］.圖書館論壇，2014（11）.

9Teruaki Hayashi，Yukio Ohsawa.Knowledge Structuring and Reuse System Using RDF for Supporting Scenario Generation［J］.Procedia Computer Science，2015，60：1281-1288.

10Xiang Sua，et al.Connecting IoT Sensors to Knowledge-based Systems by Transforming SenML to RDF［J］.Procedia Computer Science，2014，32：215-222.

11Paul Groth，et al.The anatomy of a nanopublication［J］.Information Services&Use，2010，30：51-56.

12Kim Y H，et al.The strategy of transform from XML and storage structure based on RDB for RDF［C］//6th International Conference on AdvancedCommunicationTechnology.IEEE， 2004：1030-1034.

13Hassanzadeh K，et al.T2R：System for Converting Textual Documents into RDF Triples［C］// 12th IEEE/WIC/ACM International Joint Conferences on Web Intelligence.IEEE Computer Society，2013：221-228.

14Assem M V，et al.A Method for Converting Thesauri to RDF/OWL［J］.Lecture Notes in Computer Science，2014：17-31.

15賈君枝，趙潔.DC關(guān)聯(lián)數(shù)據(jù)實(shí)現(xiàn)研究［J］.中國(guó)圖書館學(xué)報(bào)，2014（4）.

16濮德敏，等.關(guān)系型本體轉(zhuǎn)換為關(guān)聯(lián)數(shù)據(jù)技術(shù)方案比較研究［J］.圖書館理論與實(shí)踐，2014（12）.

17夏翠娟，劉煒.關(guān)聯(lián)數(shù)據(jù)發(fā)布技術(shù)及其實(shí)現(xiàn)——以Drupal為例［J］.中國(guó)圖書館學(xué)報(bào)，2012（1）.

18白林林，賈君枝.關(guān)聯(lián)數(shù)據(jù)中CNMARC到RDF的映射實(shí)現(xiàn)［J］.國(guó)家圖書館學(xué)刊，2015（4）.

19Why Is RDF The Way It Is［EB/OL］.［2015-09-01］.http：//www.w3.org/2001/sw/Europe/ 200407/swintro/syntaxdesign.html.

20Tim Berners-Lee.What HTTP URIs Identify［EB/OL］.［2015-08-31］.http：//www.w3. org/DesignIssues/HTTP-URI2.html.

21Leo Sauermann，Richard Cyganiak.Cool URIs for the Semantic Web［EB/OL］.［2015-08-31］. http：//www.w3.org/TR/cooluris/.

22W3C Technical Architecture Group.Architecture of the World Wide Web，Volume One［EB/OL］.［2015-08-31］.http：//www.w3.org/TR/2004/ REC-webarch-20041215/.

（索傳軍 教授 中國(guó)人民大學(xué)信息資源管理學(xué)院，王新 中國(guó)人民大學(xué)信息資源管理學(xué)院圖書館學(xué)專業(yè)2012級(jí)博士研究生）

Study on Serialization Methods of Bibliographic Data RDF/XML

Suo ChuanJun Wang Xin

Bibliographic data serialization is one of the important steps to construct linked open bibliographic datasets.To solve the issue of bibliographic data serialization，this paper proposes specific methods and procedures of bibliographic data RDF/XML serialization based on the analysis of data structure of source and target datasets.Then，this paper makes an empirical analysis of the aforementioned methods with an example of serialization process from MARCXML to BIBFRAME.After comparison and discussion of the results，these methods have been proved feasible.11 figs.22 refs.

Bibliographic Data；Serialization；Linked Data；RDF/XML Conversion

?本文系國(guó)家自然科學(xué)基金項(xiàng)目“基于關(guān)聯(lián)書目數(shù)據(jù)的分層聚合與導(dǎo)航機(jī)制研究”（項(xiàng)目編號(hào)：71373278）研究成果之一。

2016-03-04