關(guān)聯(lián)數(shù)據(jù)映射語言的發(fā)展

關(guān)聯(lián)數(shù)據(jù)映射語言的發(fā)展1引言2010年11月，關(guān)聯(lián)開放數(shù)據(jù)（LinkingOpenData,LOD）項(xiàng)目組發(fā)布了關(guān)聯(lián)數(shù)據(jù)規(guī)范，其核心規(guī)范/協(xié)議模型見圖1［1］。圖1關(guān)聯(lián)數(shù)據(jù)規(guī)范/協(xié)議由上述規(guī)范/協(xié)議結(jié)合關(guān)聯(lián)數(shù)據(jù)發(fā)布規(guī)則可知，關(guān)聯(lián)數(shù)據(jù)的本質(zhì)是將本體和相關(guān)數(shù)據(jù)資源按照RDF格式的標(biāo)準(zhǔn)鏈接起來，同時要求支持HTTPURI訪問和RDF查詢語言SPARQL檢索。根據(jù)W3CSWEO研究組的統(tǒng)計(jì)，截至2011年9月，關(guān)聯(lián)數(shù)據(jù)云（LODCloud）含有310億個RDF三元組，5億個RDF鏈接［2］（見圖2）。由此推算，涉及關(guān)聯(lián)關(guān)系的三元組與三元組總量之比不到3.5％，96％的RDF三元組有建立RDF鏈接的潛力卻無RDF關(guān)聯(lián)。隨著關(guān)聯(lián)數(shù)據(jù)云中實(shí)例數(shù)據(jù)的快速增長，這一矛盾將進(jìn)一步加劇。圖2關(guān)聯(lián)數(shù)據(jù)云2007—2011年增長態(tài)勢針對發(fā)布后的關(guān)聯(lián)數(shù)據(jù)集，不同數(shù)據(jù)源用多種本體詞匯描述相同實(shí)體類型，RDF關(guān)聯(lián)表現(xiàn)為對上述相同實(shí)體創(chuàng)建RDF類型關(guān)聯(lián)。創(chuàng)建更多RDF關(guān)聯(lián)受詞匯異構(gòu)和實(shí)例屬性值關(guān)系的制約。基于此，國外學(xué)者初步形成了發(fā)現(xiàn)關(guān)聯(lián)和映射關(guān)聯(lián)兩種思路。其中，發(fā)現(xiàn)關(guān)聯(lián)是利用已創(chuàng)建的直接關(guān)聯(lián)發(fā)現(xiàn)更多不同數(shù)據(jù)集間的間接關(guān)聯(lián)，從而達(dá)到創(chuàng)建更多RDF鏈接的目的。近年來研究集中在運(yùn)用一定的方法發(fā)現(xiàn)實(shí)例記錄的等同關(guān)系，代表成果包括機(jī)器學(xué)習(xí)方法［3-5］、各種相似度算法應(yīng)用［6-8］、實(shí)例關(guān)聯(lián)工具的開發(fā)［9-11］等。與上述思路不同，映射關(guān)聯(lián)從描述數(shù)據(jù)集的本體詞匯出發(fā)，消除因不同數(shù)據(jù)集對相同屬性采用多種本體詞匯進(jìn)行描述導(dǎo)致的類或?qū)傩援悩?gòu)。由于關(guān)聯(lián)數(shù)據(jù)規(guī)范允許數(shù)據(jù)發(fā)布者自由選擇多種本體詞匯混合使用以支持實(shí)例表示的靈活性，因此，這種自描述方式［12］形成的詞匯異構(gòu)在LOD中十分普遍，克服詞匯異構(gòu)有助于推動更多實(shí)例記錄關(guān)聯(lián)的創(chuàng)建。由于缺乏細(xì)粒度的映射機(jī)制對描述關(guān)聯(lián)數(shù)據(jù)集的本體詞匯進(jìn)行深層整合，RDF關(guān)聯(lián)主要限于實(shí)例層，例如通過傳統(tǒng)描述方法如owl：sameAs、skos：exactMatch等建立實(shí)例等同關(guān)聯(lián)［13］，此外也有用rdfs：subClassOf、rdfs：subPropenyOf、owl：equivalentClass、owl：equivalentProperty揭示不同本體詞匯的等同或包含關(guān)系。受詞匯異構(gòu)的制約，更廣泛的RDF關(guān)聯(lián)無法得到揭示。面對上述困境，德國柏林自由大學(xué)學(xué)者比澤和舒爾茨提出關(guān)聯(lián)數(shù)據(jù)映射框架R2R［14］,該方法拓展了RDF關(guān)聯(lián)思路，豐富了映射關(guān)聯(lián)機(jī)制，為LOD構(gòu)建面向領(lǐng)域應(yīng)用的集成服務(wù)環(huán)境提供了新途徑。R2R語言是比澤和舒爾茨于2010年夏季發(fā)布的RDF指令語言，目前還處于發(fā)展階段。盡管如此，R2R語言的簡潔性、易擴(kuò)展性、描述的細(xì)粒度以及與語義網(wǎng)聯(lián)系緊密等特點(diǎn)已逐漸引起人們的重視。2009年以來，關(guān)聯(lián)數(shù)據(jù)的研究已引起國內(nèi)圖書情報界的廣泛興趣，但尚未發(fā)現(xiàn)運(yùn)用R2R語言探索關(guān)聯(lián)數(shù)據(jù)映射的成果，R2R研究尚未與國際同步。為此，本文在研究R2R框架的基礎(chǔ)上，結(jié)合在EclipseHELIOS（集成JDK1.6）平臺中通過映射處理程序接口調(diào)用R2R映射實(shí)例的體會，向國內(nèi)同行解讀R2R語言在關(guān)聯(lián)數(shù)據(jù)映射中的用法。2R2R語言R2R語言的特色在于一方面能夠?qū)崿F(xiàn)不同RDF數(shù)據(jù)集術(shù)語映射的創(chuàng)建，另一方面可使生成的映射直接發(fā)布為關(guān)聯(lián)數(shù)據(jù)。作為R2R框架的組成部分。R2R語言包括映射屬性、表示規(guī)則、函數(shù)與修飾符、映射元數(shù)據(jù)等內(nèi)容［15］。2.1映射屬性映射屬性是R2R語言的基礎(chǔ)，通過映射屬性可創(chuàng)建不同的映射語句，為不同類型RDF詞匯表（本體）類或?qū)傩詷?gòu)建映射。其類型有六種，如表1所示。R2R定義了ClassMapping和propertyMapping兩種映射類型的類。類在R2R映射語句中充當(dāng)賓語，聲明創(chuàng)建映射的類型，而映射屬性為謂語。映射聲明、源模式和目標(biāo)模式語句屬強(qiáng)制類型，任何R2R映射均要采用；其他映射屬性屬非強(qiáng)制類型，其應(yīng)用根據(jù)需求適時采用。例1反映了上述屬性在具體環(huán)境中的用法。例1：@prefixmp:Vhttp://www4.wiwiss.fu-berlin.de/R2Rmappings/>.mp:DBpediaToFoafMappingrdf:typer2r:ClassMapping;r2r:prefixDefinitions“fog:V/foaf/0.1/>.dbpedia:V/ontology/〉”;r2r:sourcePattem“?SUBJrdf:typedbpedia:Person”;r2r:targetPattern“?SUBJrdf:typefoaf:Person”.這里構(gòu)建數(shù)據(jù)集dbpedia中Person類到本體foaf中Person類之間的映射，第一行聲明映射的名稱空間前綴；第二行定義映射URI并聲明映射類型為類映射；隨后定義源模式和目標(biāo)模式中用到的前綴；第四行和第五行分別定義源模式和目標(biāo)模式，除空節(jié)點(diǎn)外，一般要使用?SUBJ符號，這是R2R映射規(guī)則的基本要求。表示規(guī)則R2R語句在創(chuàng)建過程中需要遵循映射創(chuàng)建規(guī)范、函數(shù)調(diào)用規(guī)范、修飾符使用規(guī)范等多種表示規(guī)則。本節(jié)主要介紹創(chuàng)建規(guī)范，其他規(guī)范將在2.3節(jié)闡述。筆者通過運(yùn)行R2R映射實(shí)例總結(jié)得出R2R存在以下表示規(guī)則：R2R映射語句由“資源一映射屬性一三元組文字”結(jié)構(gòu)組成。以例1的源模式語句mp：DBpediaToFoafMappingr2r：sourcePattern”?SUBJrdf：typedbpedia：Person”為例，其“資源”是映射URImp：DBpediaToFoafPersonMapping，映射屬性是r2r：sourcePattern，”?SUBJrdf:typedbpedia： Person”則是三元組結(jié)構(gòu)，？SUBJ,rdf:type和dbpedia：Person分別充當(dāng)主謂賓，其整體又是作為映射語句中的文字值。三元組文字表示與SPARQL［16查詢的主謂賓結(jié)構(gòu)一致。與此相同的還有目標(biāo)模式語句和轉(zhuǎn)換語句；而前綴定義格式則遵循“資源—映射屬性—字符串文字”規(guī)則。值得指出的是，結(jié)構(gòu)中的三元組為文字定義，應(yīng)與資源定義區(qū)別開來，故表示時須加引號。映射聲明語句、源模式語句和目標(biāo)模式語句是構(gòu)建映射的基礎(chǔ)語句，其他語句依應(yīng)用情形的需要選擇表示。源模式和目標(biāo)模式語句有兩個約束：其一，變量不允許在三元組文字的謂語位置；其二，?SUBJ是R2R專門的變量，在源模式和目標(biāo)模式中均要用到，其目的是用于標(biāo)識數(shù)據(jù)集的主語URI。⑷R2R支持Turtle語法［17］規(guī)貝I」。R2R構(gòu)建RDF數(shù)據(jù)集間的映射需選擇一種RDF序列化方式實(shí)現(xiàn)信息建模，除支持RDF/XML語法以RDF樹結(jié)構(gòu)表示外,R2R語句也支持Turtle語法的RDF序列化，Turtle較RDF/XML和N-Triple［18］序列化格式更為簡潔，目前在基于語義網(wǎng)的各類應(yīng)用中倍受青睞。例如使用a代替rdf：type，通過分號和逗號分別實(shí)現(xiàn)RDF陳述的主語省略和主謂省略，以#字符表示注釋。各語句的先后順序無嚴(yán)格要求。例如r2r:prefixDefinitions語句置于源模式語句前或目標(biāo)模式后對程序運(yùn)行結(jié)果均無影響。一般將映射聲明語句(例1中的第二句)拆分成兩段表示。表示映射語句的主語占一行，謂語和賓語占一行。突出映射URI便于其他映射語句如r2r:mappingRef調(diào)用該映射。R2R函數(shù)與修飾符R2R語言提供的函數(shù)和修飾符在映射屬性r2r：transformation的支持下可滿足詞匯修飾和復(fù)雜屬性值轉(zhuǎn)換的需求。作為R2R語言頗具特色的功能之一，R2R函數(shù)可有效改善R2R應(yīng)用性能，拓展關(guān)聯(lián)數(shù)據(jù)映射的范圍。R2R函數(shù)和修飾符主要應(yīng)用于變量，函數(shù)一般應(yīng)用于r2r:transformation語句中，修飾符支持變量的數(shù)據(jù)類型、語言標(biāo)記、變量URI與文字值之間的相互轉(zhuǎn)換等修飾情形。截至2011年9月，R2R語言提供字符串函數(shù)（6種）、算術(shù)函數(shù)（6種）、列表函數(shù)（6種）和XPath函數(shù)（29種以上）四種類型供在映射轉(zhuǎn)換中使用。這些函數(shù)綜合了Java語言函數(shù)、XML路徑語言XPath函數(shù)的重要功能，并與它們有一定的相關(guān)性。其中算術(shù)函數(shù)較為簡單，包括加、減、乘、除、求整和求余六類運(yùn)算，與Java中的二元算術(shù)運(yùn)算一致。字符串函數(shù)（見表2）在應(yīng)用中最為廣泛，XPath函數(shù)是R2R語言于2011年7月推出的新內(nèi)容，尚處于發(fā)展中。有關(guān)XPath函數(shù)的功能見文獻(xiàn)［19］。由表2可知，R2R的字符串函數(shù)有六類，主要包括插入、連接、拆分、替代等字符串處理功能。例2的應(yīng)用情景是構(gòu)建詞匯foaf:6rslName,foaf：lastNaBe和詞匯v：n的映射.且要實(shí)現(xiàn)姓（lastName）和名（firstName）的交換。這里采用連接函數(shù)concat（），通過轉(zhuǎn)換策略語句r2r:transformation構(gòu)建變量name的轉(zhuǎn)換規(guī)貝l」?name=coneat（?l，‘.'，？f）。這樣原數(shù)據(jù)集的2n個三元組記錄經(jīng)轉(zhuǎn)換后在新數(shù)據(jù)集中生成了n個三元組，新三元組的本體詞匯由v：n替代。列表函數(shù)與Java語言有類似之處，表3總結(jié)了列表函數(shù)的功能。由表3可知，R2R列表函數(shù)主要用于輸出數(shù)組元素、截取子數(shù)組、返回?cái)?shù)組長度等。與Java語言數(shù)組的表示一致，R2R列表函數(shù)中的數(shù)位從0開始，首位為aO,依此類推。例如sublist（list（5，6，7，8，9），1，4）表示截取數(shù)位在第1位到第4-1位的所有序列，即數(shù)位al,a2，a3，故輸出為6，7，8。同理，subListByIndex（list（5,6，7，8，9），3，1）表示數(shù)位為a3和a1的輸出元素。此外，R2R也提供條件三元運(yùn)算，其表示規(guī)則為：［式1X式2?式3：式4］規(guī)則中各式表示參與運(yùn)算的表達(dá)式，X是任一比較運(yùn)算符（=，＞，V，V=，＞=,!=），表示“式1”和“式2”之間的關(guān)系，該三元運(yùn)算的含義是先求式IX式2的值，若為真，則執(zhí)行式3并返回式3的結(jié)果；若為假，則執(zhí)行式4并返回式4的結(jié)果。例如：concat（［?sex=female，?，Ms.，:Mr.，］,?familyname）”上例在concat函數(shù)中嵌套條件三元運(yùn)算構(gòu)建稱呼與姓氏的連接，即若為女性則與Ms.連接，反之與Mr.連接。由于R2R函數(shù)自身的不健壯性，R2R語言提供了r2r:importFunction屬性來實(shí)現(xiàn)外部函數(shù)的導(dǎo)入，以彌補(bǔ)R2R函數(shù)的不足?？赏ㄟ^配置類路徑、本地文件、遠(yuǎn)程URL方式等實(shí)現(xiàn)外部函數(shù)的裝載。除使用函數(shù)功能外，R2R語言在變量中還可使用以下四類修飾符（見表4）。由表4可知，R2R修飾符與SPARQL類似。修飾符均用于三元組文字的賓語，故常用rdfs：label屬性充當(dāng)謂語。值得注意的是，URI修飾符不得用于修飾謂語。正如2.2節(jié)所述,三元組文字的謂語必須是明確的URI,而不能由變量充當(dāng)。例如語句“?SUBJ?p?o”在程序運(yùn)行中會出現(xiàn)異常，因?yàn)樵撝^語是變量?p，不符合R2R語法規(guī)定。2.4映射元數(shù)據(jù)如前所述，筆者以映射屬性為起點(diǎn)介紹了如何通過表示規(guī)則、函數(shù)與變量修飾符創(chuàng)建映射程序。上述映射程序尚未對映射本身進(jìn)行描述。在R2R中，描述映射本身的屬性以及提供映射發(fā)現(xiàn)的屬性統(tǒng)稱為映射元數(shù)據(jù)。映射元數(shù)據(jù)一方面可構(gòu)建映射URI與映射數(shù)據(jù)集和本體詞匯的鏈接機(jī)制，為用戶獲得高質(zhì)量的映射提供參考；另一方面可用于標(biāo)注R2R映射，建立本體詞匯與映射URI之間的關(guān)聯(lián)發(fā)現(xiàn)。簡言之，映射元數(shù)據(jù)用于支撐R2R映射的發(fā)布和發(fā)現(xiàn)機(jī)制(見表5)。其中，前四組元數(shù)據(jù)用于r2r映射的發(fā)布，第五組用于構(gòu)建映射詞匯與映射URI之間的關(guān)聯(lián)發(fā)現(xiàn)。除B2R提供的元數(shù)據(jù)外，在應(yīng)用程序中通常還使用由RDFschema，DublinCore提供的rdfs：label，rdfs：comment，dc：date，dc：creator等常用的元數(shù)據(jù)進(jìn)行描述。例3闡述了映射元數(shù)據(jù)的有關(guān)用法。例3-1：mp:concatFirstAndLastNameMappingrdfs:label“foaftoyardnamepropertymappingandindivualschangedandconcated”;rdfs:comment“Namearetransformedthroughchangingplaceswitheachother”;dc:date“2011-09-11”;de:creatorV/2006/vcard/ns#/name/Bizer>;r2r:mapsTov:n;r2r:dependsOnloaf:firstName;r2r:dependsOnfoaf:lastName;r2r:soureeDatasetmapping:foafVOID;r2r:targetDatasetmapping:vcardVOID.例3-1通過元數(shù)據(jù)定義映射的元信息。首行是映射URI，隨后四行定義了映射的標(biāo)簽及創(chuàng)建者來源信息，為映射質(zhì)量評估提供元信息。接著通過mapsTo和dependsOn定義了R2R映射與目標(biāo)數(shù)據(jù)集的本體詞匯和源數(shù)據(jù)集的本體詞匯。最后兩行定義了源數(shù)據(jù)集和目標(biāo)數(shù)據(jù)集的映射VOID描述。VOID詞匯表(TheVocabularyOfInterlinkedDatasets)是描述關(guān)聯(lián)數(shù)據(jù)集本身的元數(shù)據(jù)集［20］，W3C倡議發(fā)布關(guān)聯(lián)數(shù)據(jù)應(yīng)提供數(shù)據(jù)集本身的描述信息以促進(jìn)關(guān)聯(lián)數(shù)據(jù)集消費(fèi)，在此背景下VOID應(yīng)運(yùn)而生，它本質(zhì)上是一種本體。數(shù)據(jù)發(fā)布者可通過VOID對關(guān)聯(lián)數(shù)據(jù)集進(jìn)行著錄描述、數(shù)據(jù)集VOID存檔和VOID信息的部署；關(guān)聯(lián)數(shù)據(jù)消費(fèi)者則可通過它來發(fā)現(xiàn)和重用數(shù)據(jù)集及其映射本身的信息。由于VOID框架描述數(shù)據(jù)集的全面性，其使用較SemanticSitemaps更為普遍。正因如此，VOID有望成為描述關(guān)聯(lián)數(shù)據(jù)集的W3C推薦標(biāo)準(zhǔn)［21］。例3-1通過表5的前四組元數(shù)據(jù)提供了R2R映射的發(fā)布屬性，元數(shù)據(jù)r2r：hasMapping則提供了R2R映射的發(fā)現(xiàn)屬性。那么二者有何區(qū)別呢?映射發(fā)布是從數(shù)據(jù)提供者的角度將映射本身的描述信息部署后發(fā)布到Web中，映射發(fā)現(xiàn)則是從映射消費(fèi)者角度提供映射詞匯與映射本身的關(guān)聯(lián)發(fā)現(xiàn)，表示該本體詞匯有相應(yīng)的R2R映射可供消費(fèi)者使用。例3-2揭示了has-Mapping的使用。例3-2：v:nrdf:typeowl:DatatypeProperty;rdfs:domainowl:Thing;rdfs:rangexsd:string;r2r:hasMappingmp:concatFirstAndLastNameMapping.上例首先聲明屬性v：n屬于數(shù)據(jù)屬性，區(qū)別于對象屬性(owl：ObiectProperty)，rdfs：domain和rdfs：range分別聲明v：n的主語和賓語的取值范圍是實(shí)例和字符串資源類型，mp：concatFirstAndLastNameMapping是映射URI，v：n通過r2r：hasMapping元數(shù)據(jù)建立與映射URI的關(guān)聯(lián)。映射消費(fèi)者通過定向查詢r2r:hasMapping,可發(fā)現(xiàn)映射詞匯及關(guān)聯(lián)的映射URI。通過發(fā)現(xiàn)機(jī)制共享網(wǎng)上已有的映射文件，可實(shí)現(xiàn)映射的有效重用。從映射作用RDF位置的角度可將映射分為詞匯層(Vocabulary,V)和實(shí)例層(Dataset,D)映射。詞匯層用于轉(zhuǎn)換術(shù)語屬性，實(shí)現(xiàn)不同詞匯間類的映射或?qū)傩缘挠成洌粚?shí)例層定義實(shí)例怎樣轉(zhuǎn)換,主要是消除屬性值不一致,例如,統(tǒng)一不同的測量單位,或增加屬性值的語義標(biāo)簽或數(shù)據(jù)類型。R2R語言一方面能夠分別構(gòu)建各層映射(V-V，D-D)，另一方面也能實(shí)現(xiàn)彼此間的映射(V-D,D-V)，見表6。例1就是V-V模式，例2將foaf：firstName和foaf:lastName兩個本體詞匯映射到v：n,并通過連接函數(shù)調(diào)整次序合并生成新的實(shí)例，則屬于詞匯層到實(shí)例層映射的V-D模式。與SPARQL語言的比較R2R語言是專門針對RDF數(shù)據(jù)集之間的轉(zhuǎn)換而開發(fā)的映射語言，其命名(RDFdatasettoRDFdataset，縮寫R2R)即體現(xiàn)了上述基本目標(biāo)?；谇拔陌l(fā)現(xiàn)，R2R在應(yīng)用中結(jié)合了SPARQL、XPath、Java等的有關(guān)規(guī)則或函數(shù)功能。R2R語言最突出的特點(diǎn)是借鑒了SPARQL語言，二者在表示上既有聯(lián)系又有區(qū)別，其主要差異見表7。例1至例3是R2R語言實(shí)例，下面例舉SPARQL語言的實(shí)例，通過對比揭示二者語法一致性特征。例4：PREFIXrdfs:V/2000/01/rdf-schema#>PREFIXdbprop:V/property/>SELECT?locationWHERE{?personrdfs:lable“GeorgeWashington”@en.?locationdbprop:namedFor?person.}該例用于SPARQL端點(diǎn)下的RDF查詢，其目標(biāo)是查找英文名為GeorgeWashington的地方。其中Where中的兩個子句均用RDF三元組表示，說明SPARQL支持RDF三元組表示；變量?location表明SPARQL同樣支持采用“?變量名”的方式定義變量(此外SPARQL和R2R均可用“$”表示變量定義)；地名限定運(yùn)用@en修飾字符串GeorgeWashington：通過RDF三元組謂詞可看出，SPARQL支持PREFIX定義名稱空間前綴；整體表示結(jié)構(gòu)則反映了SPARQL也運(yùn)用Turtle序列化方式。盡管均支持RDF三元組表示，但SPARQL用于查詢功能，而R2R則以映射為目的，因此二者又表現(xiàn)出多種語法差別。SPARQL圍繞查詢提供SELECT、CONSTRUCT、ASK和DESCRIBE等句法，R2R圍繞映射提供源模式r2r:sonrcePattern、目標(biāo)模式r2r：targetPattern、轉(zhuǎn)換策略r2r:transformation等多種映射屬性來支持映射語句的生成。SPARQL中的SELECT和DESCRIBE句法