理解和利用关联数据－－图情档博（LAM）作为关联数据的提供者和消费者

理解和利用关联数据
－－图情档博（ LAM ）作为关联
数据的提供者和消费者

Marcia Lei Zeng 曾蕾
Kent State University

关联数据技术与应用专题研讨班
2012.07.20-23, 上海图书馆

大纲： 12345
• 1 个目的
• 2 种要回答的问题
• 3 段式 triples
• 4 项基本原则
• 5 星排行

• ＋“关联”的不同层次

1 个目的：关联
将数据从 silo 中解放出来，通过关联得到最大
利用，再利用，产生新的数据、信息、知识

Image: Slide from T.B.Lee at TED 2009 conference, "The Great Unveiling" in Long Beach, CA. USA, 4, Feb 2009

2
这个 thing 是什需要回答的 2 种问题
么？
（属性－值）

这个 thing 和别
的 thing 有什么
关系？

3
这 2 种问题的答案
这个 thing 是什
么？都可以用 3 段式（ triples ）来描述
（属性－值）

［属性］［值］
名字：姚明 @zh
名字： Yao Ming@en
出生日期： 1980 － 09 －
12
身高： 7' 6" (2.29 m)
效力球队：上海大鲨鱼
效力球队：休斯顿火箭
出身地：上海
退役时间： 2011 － 07 －
20
获奖：。。。。。。
RDF triples: 参赛：。。。。。
主体 - 谓词 - 客体（ subject-predicate-object ）结。

这里面有多少
是独立的
thing ？
( 有自己的属
性）

［属性］［值］
名字：姚明 @zh
出生日期： 1980 － 09 － 12
身高： 7' 6" (2.29 m)
效力球队：上海大鲨鱼
这个 thing 和别效力球队：休斯顿火箭
的 thing 有什么出身地：上海
关系？退役时间： 2011 － 07 － 20
获奖： NBA All-Star
奖牌： 2002 亚运会银牌

如果我们将能独立的 thing 都用特定的 ID
来表示，就可以产生无歧义的 3 段式

ex:yaoming
ex:yaoming ［属性］［值］
label: 姚明名字：姚明 @zh
ex:yaoming
ex:yaoming
ex:yaoming 出生日期： 1980 － 09 － 12
draftTeam: ex:htrockets 身高： 7' 6" (2.29 m)
效力球队： ex ：
上海大鲨鱼
效力球队： shshark
休斯顿火箭
ex ： htrockets
ex:yaoming
ex:yaoming
birthPlace: ex:shanghai 出身地：上海
ex ： shanghai
退役时间： 2011 － 07 － 20
ex:yaoming
ex:yaoming
获奖： NBA All-Star
ex ：
award: ex:NBA_AllStar 奖牌： 2002 亚运会银牌
NBA_AllStar

RDF triples: 主体 - 谓词 - 客体（ subject-predicate-object ）结构

一个 3 段式能回答什么问题？

ex:yaoming
ex:yaoming 这个人叫什么名字？
label: ？

ex:yaoming
ex:yaoming 这个人与休斯顿火箭队是什么关系？
？ ex:htrockets
？？
ex:yaoming 上海是哪些［名］人的出身地？
？birthPlace: ex:shanghai
？？
ex:yaoming NBA All Star 的名单上都有哪些人？
？ award: ex:NBA_AllStar

3 段式中的客体部分
也能变为主体么？
ex ：
能由之再产生新的 3 段式么？
ex:yaoming
yaoming
label: ？
ex ：
ex:yaoming
yaoming
？ ex:htrockets 关于上海这个城市，你能想
到的属性和值有哪些？
？？
ex:yaoming
？birthPlace: ex:shanghai
？？其中又有哪些客体是可以辨
ex:yaoming
？ award: ex:NBA_AllStar 识的 thing ？

图示 1. thing 的
描述和无限联接
1 2 3

predicates objects
1

2 3

subjects predicates objects subjects

Backgroud image borrowed from Andrea Kosavic: The Semantic Web, (some of) what you need
to know. OLA Superconference 2009.01.30. Compiled by mzeng 2009-03-06.
17

图示 2. 联接的内容是来自不同资源的

注意：
•是格式化数据的相联，不是文本的相联；
•是机器可理解和可处理的数据；
•是对现有数据的再利用；
Image source: Dan Brickley •产生新的资源；其又被利用、再利用
•可无限扩展下去
http://farm4.static.flickr.com/3613/3384528143_83047
92836_b.jpg

4
4 项基本原则

将这个实例放到 4 项基本原则来看

四项基本原则：

1. 使用 URI 作为任何事物的标识名称
– Use URIs as names for things
1. 使用 HTTP URI 使任何人都可以访问名称
– Use HTTP URIs so that people can look up those names
1. 当有人访问名称时，提供有用的 [rdf] 信息
– When someone looks up a name, provide useful
information
1. 尽可能提供相关的 URI 以使人们发现更多的信息
– Include links to other URIs so that they can discover
more things
http://www.w3.org/DesignIssues/LinkedData.html
Translated by Liu Wei, 2008 12

1 1. 使用 URI 作为任何事
物的标识名称
2. 使用 HTTP URI 使任何
人都可以访问名称

2 3

3. 当有人访问名称时，
提供有用的 [rdf] 信息

4. 尽可能提供相关的
URI 以使人们发现更多
的信息

Source: dbpedia

RDF triples
取出其中一截，其结构是：

is president of http://dbpedia.org/page/
http://dbpedia.org/page/Yao_Ming Shanghai_Sharks
2
1
properties 3 values
thing

1
<RDF:RDF>
<RDF:Description RDF:HREF=”http://dbpedia.org/page/Yao_Ming”>

2 < dbpprop:president
rdf:resource= "http://dbpedia.org/page/Shanghai_Sharks">
3
</RDF:Description>
</RDF:RDF>

机器可理解、可处理

只要遵循有 URI 命名， HTTP 途径，凡是有可能的地方对联
接的 properties 合理管理，则可以被考虑为关联数据。

•这是一种为 Web 所用的含义更丰富的联结方式，使
我们从超文本链接（文献到文献）发展到超数据的联
结（文献中所讨论的内容资源（ thing) 的联结） ;
•人们可以通过 HTTP/URI 机制，直接获得数字资源
(Thing) 。

Tim Burners-Lee: http://www.w3.org/DesignIssues/LinkedData.html
参考刘炜 2008-12 的翻译

相对于传统的图书馆数据来说，
关联的图书馆数据有如下优点
• Shareable 可分享
– 不管谁都能解析的唯一标识－ URI
– 可信赖的数据和元数据供大家使用
• Extensible 可无限伸展
– “ 无边无际的世界” －没有什么描述是完成了的，任何人都可以从
他自己发布的空间添加描述信息
• Re-usable 可再利用
– 各种来源的描述谈的是同样的 thing
– 完善、加注、等等
• Internationalizable 国际化
– 多语种、翻译等都没有问题
– 自然语言词串（ strings ）不被用来指代 things 。

This slide is based on a summary prepared by Antoine Isaac, for Talis
Linked Data and Libraries day, London, July 14th 2011;
built on the W3C Library Linked Data Incubator Group Final Report, draft

5
5 星排行表

Image source: http://www.w3.org/DesignIssues/LinkedData.html. TBL, 2006

李爵士在提出关联数据时借用过这样一个五星排行表：
From InkDroid, a nice summary (and CSS) of the star scheme

★ make your stuff available on the web (whatever format)
把你的东西发布在网上（以任何格式）
★★ make it available as structured data (e.g. excel instead of image
scan of a table)
把你的东西变成有结构的数据（ excel 格式的表格而不是扫描的
图像）
★★★ non-proprietary format (e.g. csv instead of excel)
非商家格式，（如 csv 而不是 excel ）
★★★★ use URLs to identify things, so that people can point at your
stuff
用 URLs 来指代和辨识事物，这样别人就能指点到你的东西
★★★★★ link your data to other people’s data to provide context 将
你的数据联到其他人的数据
－－ http://www.w3.org/DesignIssues/LinkedData.html. TBL, 2006

08/14/12 20

用五星排行表理解
网上有很多数据资源和知识组织系
★ 与 LAM 有关的资源
统
•网上开放 ★★
•机器可读 ★★★
•非专属权格式
(html, xml) 越来越多 4 星级的数据集和知识组织
系统 ★★★★
• 采用了 RDF 标准
• 用 URI 指代名称
• 数据用三段式 triples 发布

其中仅有一部分达到 5
星
•关联的 RDF
★★★★★

当前主要关联数据资源
（根据 2012 年 7 月 16 日数据）

越来越多 4 星级的数据集、知识组织
系统 ★★★★
• 采用了 RDF 标准
• 用 URI 指代名称
• 数据用三段式 triples 发布

CKAN ＝ Comprehensive Knowledge Archive Network

CKAN 关联数据中心 CKAN - the Data Hub ( 共有 3880
datasets ）
•其中最有名的一个组是关联的开放数据 LOD 云组，云图
中现含 295 个数据集 http://ckan.net/group/lodcloud 实际
上该组已有 327 个。

•其它几十个组见 : http://ckan.net/group. 一个数据集可以
注册到多个组，其中有些数据集也上了 LOD 云。
• 图书馆关联数据组 http://ckan.net/group/lld （现
含 57 个数据集，大多数联接都是与非图书馆数据
的联接）
• 文献书目数据组 : （现含 77 个数据集）
• 艺术、气象数据、实验数据、考古、经济、能源数据、
地理、语言、国际发展数据、政府数据（加拿大、澳大
利亚、英国等）。有些在试验阶段，有些还不开放。

•数据集的发行格式（可获取格式）：
LOD Cloud group CSV | RDF | XML | XBRL | SDMX | HTML+RDFa | 其它
327 datasets

Linking Open Data （ LOD ）数据集云图 (as of 2011-09, dataset: 295) ；实际组里已有 327

入云要求：
•可解的 http URIs
媒 •数据可解为常用 RDF
体出格式 (RDFa,
RDF/XML, Turtle,
版 N-Triples).
物 •至少有 1000 条
triples （所以你的
政 FOAF 文档不行）
府 •必须通过 RDF 与本图
中一个数据集相联（含
其它数据集来的
URIs ，反之亦然。至
生少 50 条联接）
跨
地命 •必须能通过 RDF
专
理科 crawling, RDF dump,
业或 SPARQL endpoint
学得到整个数据集的数据

Linking Open Data cloud diagram by Richard
Cyganiak and Anja Jentzsch. http://lod-cloud.net/

“ 关联”是有不同层次的，从简单到复杂
-- 以值词汇 (value vocabularies) 为例

相联的各类

用结构化的
同指 ‘ 关于’相似的主题 RDF 图表
达 '类 '

References: Linked Data: Evolving the Web into a Global Data Space, by Tom
Heath and Christian Bizer.
Linked Data FAQ, by Structured Dynamics.
http://structureddynamics.com/linked_data.html#question_8

• 用 owl:sameAs 来表达同一性联接 (identity
links )
两个数据资源指的是具有同一性的一种实体（ entity ）或
者个体（ instance (individual) 。
如：你和我提到的是同一种实体或者个体（个人、事
件、物体等），尽管名称不同。
• 同一性联接
指向另一资源所采用的 URI
• 辨识同样的真实世界的物体
• 或者辨识相同的抽象概念
客户端可以从另一资源中检索到更多的描述。

纽约时报词表里‘苹果公司’的概念＝》纽约时报‘苹果公司’专业专栏

纽约时报
. co m /
data.n ytimes 2
http:// 0235787585
27
614530
http://www.freebase.com/view/en/apple_inc
ycA
cN5Y29
wpEbGdr
x4rvVjfjp
/ co ncept/M Freebase
ncyc.org
http:/ /sw.ope

CYC 本体

http://ww
w4.wiwis
berlin.de/ s.fu-
flickrwrap
ple_Inc. pr/photos
dbpedia /Ap

_Inc.
e /Apple
esourc
a.org/r
dbpedi
http://

dbpedia 图像

练习：艺术家徐冰 (1)
如果：
•艺术资源库 ARTstor 的艺术作品数据里有“艺术家为”：
“Xu Bing (Chinese installation artist, born 1955)” （ ID:
500125592@ulan ）
•另外一个数据集采用了中国国家图书馆的规范数据，
“徐冰 ( 版画家 , 1955~)” （ ID: 000190318@nlc ）
•这两个数据集里关于这个艺术家的数据都指的是同一个人
则：可以用一个 identify link 来表达这两个是同指一人。
请你写下来
哪个对？
［ 1 ］ Xu Bing (Chinese installation artist, born 1955)
owl:sameAs 徐冰 ( 版画家 , 1955~)

［ 2 ］ 500125592@ulan owl:sameAs 000190318@nlc

练习：艺术家徐冰 (2)
很多数据都与 dbpedia 和 freebase 相联，徐冰的同样，不管谁
有徐冰的数据都可以继续联接：
• dbpedia 的：｛ http://dbpedia.org/page/Xu_Bing ｝
• Freebase 的｛ http://www.freebase.com/view/en/xu_bing ｝

这四个代号指代的 thing 是同一个，可以用 owl ： sameAs 来联
：

http://dbpedia.org/page/Xu_Bing
owl:sameAs: http://www.freebase.com/view/en/xu_bing ；
owl:sameAs: {http://..... 500125592@ulan} ；
owl:sameAs:{http://... 000190318@nlc}}.

在 LOD 云里很多数据都指向 dbpedia ，其联接大多是 owl:sameAs ，而且是
个体。

相联的各类

用结构化的
同指 ‘ 关于’相似的主题 RDF 图表
达 '类 '

‘ 关于’相似的主题或概念

• 在这种情况下，重点在于关联有关相似的主题或
概念的数据资源
• 通常采用被定义好了的类（ classes ）和概念，例
如在本体中定义的类、分类法类目、词表系统里
的概念

Xu Bing:Background
Story 7

徐冰
《背后的故事： 7 》

British Museum, 2011
大英博物馆， 2011

Image source: An installation by Xu Bing:
Background Story 7
By British Museum (Albums)
http://www.facebook.com/media/set/?
set=a.10150184112629723.318031.7222852972
2

Image source: An installation by Xu Bing:
Background Story 7
By British Museum (Albums)
http://www.facebook.com/media/set/?
set=a.10150184112629723.318031.7222852972
2

‘about’ similar concepts

建筑与艺
术词表

（通常为
博物馆所
用）

国会标题表

LCSH concept: sh85066731@lcsh
subject heading: 通常在图书馆
“Installations (Art)” 目录中用
在 AAT 和 LCSH 中，装置艺术的概念都得
到完整的定义，有注解，不同名称，语义关
系，资料来源等。但是二者不完全一样，只
能算‘相似’，不能用‘ sameAs’

这几个词表的 {installations (visual works)} 概念
可以用 skos ： closeMatch 来关联
Concept from NDL is
connected via 采用了这些概念描述的文献和物件
skosxl:altLabel 得以通过相似概念而关联
to LCSH's label sh85066731
clo
@lcsh seM
atc
h
skos:prefLabel: Installations (Art)@en
Cb121017792@
rameau
01159407@n 美国国会标题表
dl skos:prefLabel: Installations (Art)@fr
h skos:prefLabel: FRBNF121017790@x-notation
at c
xl:prefLabel: seM
インスタレーション ( インスタレーション )@ja clo
xl:altLabel:Installations (Art) 法国国家图书馆
的标题表
4131808-
0@swd
日本国家 Diet 图书馆
标题表
skos:prefLabel: Installation <Kunst> @de

德国国家图书馆
的主题词汇 ‘about’ similar concepts

• 比个体的联
接更上一层
的，是将类用结构化的 RDF 表达 ‘ 类 ’ 或概念
（ Classes ）
或概念用
SKOS 做成结
构化的 RDF

source: extracted from id.loc.gov/authorities/subjects/sh85066731

:sh85066731
prefLabel Installations (Art)
•RDF 图的结构能

bro
表征概念之间的关 note
"……"

ad
系

er
sh85007805

bro
•其中有些固定的 Art, Modern--20th century

a de
可联接的节点， "……"

r
通过它们能将四
related

narr

处分散的数据系 sh85044164
o

在一起
we r

Environment (Art)
Environment (Art)
"……"
"……"
sh2001001631

Site-specific installations (Art)
" ……"
" ……"

知识组织系统里定义的概念能够起到‘汇合点’的作用，
令分散的资源很容易地通过已发布的三段式用 URI 来关联起来

Slide from Tom Baker "The concepts of knowledge organization systems as hubs in the
Web of data". UDC 2011 Seminar. http://seminar.udcc.org/2011/index.htm

schema.org 定义了无数的类、属性，而且还在增加

Image source: Dan Brickley. http://philarcher.org/inc/showImage.php?
src=/diary/2012/danbri/schema.org.png&float=0&w=689&h=524

超出那些 RDF 中的固定点，则是通过概念结构（例如揭示概念
类之间语义关系的本体）来将各种类型的 things 相互关联起来。

这不仅仅是发布自己的数据，而是产生新的信息和知识。
通过 RDF 可以联通涉及到的人物、地点、事物、组织、事件、
统计资料、基因、理论、思想等）

Image source: Open Knowledge Foundation. http://okfn.org/

例 1 ： Freebase
查 Xu Bing
Freebase example 根据多种属性（谓
词）将个人的有关
信息进行显示

根据所获奖励
这个属性显示
其他获奖者

source:
由此可关联历
freebase
年所有获奖者

例： Freebase MacArthur 奖获得者

根据多种属性（谓
词）对获奖者有选
择性的显示

获奖者概况统一显示

source:
freebase

获奖者概况表格形式显示

获奖者概况的时间隧道形式显示

source:
freebase

案例 1 方法小结
• 定义本体 (schema.org 前身 )
• 从维基百科抓取结构化数据
• 发动群众（注册了的机构和个人）完善数据
• 通过各种界面显示数据
source:
freebase

通过本体结构、采用 RDF 关联所有涉及到的
例 2 ：美国国内战争 150 周年项目人物、地点、队伍、伤亡、物品（如旗
帜）、组织、事件 ( 战役）、统计资料、个
人档案等。

注意：
•是格式化数据的相联，不是文本的相联；
•是机器可理解和可处理的数据；
•是对现有数据的再利用；
•产生新的资源；其又被利用、再利用
•可无限扩展下去

[1] Use case: http://www.w3.org/2005/Incubator/lld/wiki/Use_Case_Civil_War_Data_150
[2] About page source: http://www.civilwardata150.net/

案例 2 方法小结
• 搜集原始资料（来源于联邦、州、地方 LAM 、政府机构、开放数字
化学术著作、多种媒体等），做成结构化数据
• 利用 dbpedia 等资源，集中一些数据
• 定义本体（类，子类，以及各类的属性）
• 在已有资源基础上完善名称和主题规范词汇
• 通过关联数据来组织这些过去分散的研究和历史资料。
• 对数据进行组织、利用
（例如，自动 tweet 战役和伤亡）

Image Source:
http://www.civilwardata150.net/category/app
lications/

例 3 ：哲学史图示
（ simonraper 6 月 13 日贴）

围绕历代哲学
柏拉家间的影响、
图
亚里士传承、学派为
多德黑格线索而展开
尔
马克
思
康德

Source: http://drunks-and-
lampposts.com/2012/06/13/graphing-the-
history-of-philosophy/

例：关于柏拉图的
维基百科条目

属性：
受谁影响
Influenced By

影响了谁
Influenced

值：
各哲学家的
条
目
内容来源 Source: Wikipedia

dbpedia 已经将这些
关系都做成 RDF 了

Source: dbpedia

到 dbpedia 的检索界面输入检索提问

找出凡是在‘哲学家’类有
‘影响过’的所有受影响者
。
（‘哲学家’是 dbpedia 本
体定义的；属性（谓
词）为‘ influenced’ ）。

Source: dbpedia

得到数据后，装到 Spreadsheet 里，分三栏：
｜ Philosopher A ｜ Philosopher B ｜
Weight ｜

然后用开源软件 Gephi （ http://gephi.org/ ）做出
来


案例 3 特点：完全是利用已有关联数据；重在揭示某种’关系‘。

讨论：要产生这样的新信息和知识，需要什么条件？


启示：图情博档在关联数据浪潮中
属于什么角色？
• 作为关联数据的提供者
– 书目资源、受控名称规范文档、词表类表、本体
– 可供别人使用；直接利用规范成果
• 作为关联数据的消费者
– 最起码的：将外面的 URI 请进来，或让自己资源的 URI
被外面拿去联接
– 利用已有资源，扩充知识组织系统，充实元数据
– 将各类文献目录和元数据变为知识服务的新起点，而
不光是提供查到、拿到文献的工具
– 充分利用各种发布的关联数据资源去生产新的知识

关联数据是大趋势
• Google 全面展开 Knowledge-graphs 服务
• WorldCat 在书目数据页面增加关联数据
• 政府部门大数据和开放数据已成现实
• 各国图情机构、博物馆、档案馆已经发布不少数据
集，数字图书馆则在消费和开发上努力

与时俱进吧！

Questions ???
• 1 个目的
• 2 种要回答的问题
• 3 段式 triples
• 4 项基本原则
• 5 星排行

• “ 关联”的不同层次
– sameAs
– 'about' similar concepts （ closeMatch ）
– Classes expressed in RDF graph structure
– Connected various classes

理解和利用关联数据－－图情档博（LAM）作为关联数据的提供者和消费者

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Mehr von Marcia Zeng

Mehr von Marcia Zeng (13)