感谢曾蕾老师邀请，28日中午参加了一场关联数据的网络会议（Agenda在此http://lists.w3.org/Archives/Public/public-xg-lld/2011Apr/0066.html），会议采用的工具以及整个过程挺有趣，此记录之。

网络采用的平台是W3C的IRC实时文本+电话会议方式，平台有两个机器人（Zakim和RRSAgent）可以掌控发言角色，安排顺序，最重要的是能自动生成会议记录，并发布在W3C的网站上。比如这次会议的记录会后马上就经过整理，发布在此：http://www.w3.org/2011/04/28-lld-minutes.html （IRC的记录：http://www.w3.org/2011/04/28-lld-irc）。

因为不舍得拨打国际长途，我通过曾老师用Skype转播参与了会议全过程，通过IRC的文字交谈功能算是参加了讨论和互动。会议时间控制得很好，原计划一个小时，基本上到点就结束了。参加会议的成员来自世界各地，美洲的正值午夜，亚洲的正午，欧洲的还在凌晨。会前大家都必须做好准备，用这种形式推动课题进展，效率极高。

Tom Baker作为DCMI技术应用方向的实际领路人，一直很看重W3C，很有W3C情结。近十年来DCMI的元数据运动离图书馆行业越走越远，随着万维网由技术导向向内容导向的转变，DCMI越来越走向万维网，成为Web语义化和知识化的核心内容之一。这个方向我认为是完全正确的，也是图书馆界的专业知识贡献于网络社会，在万维网上寻求类似定位的必由之路。老Tom在W3C中仍然要扛起图书馆大旗，于去年5月21日牵头成立图书馆关联数据应用的孵化小组（LLD：http://www.w3.org/2005/Incubator/lld/），联合图书馆、博物馆、档案馆等相关领域的关联数据先锋，共同探讨关联数据应用的可能性和巨大潜力，并努力为人们指明方向。。

这个小组凝聚了相关业界（图情博档）的技术精英，然而大家其实都是志愿者，每人都有自己的工作，平时相隔万里，托信息技术和网络社会的恩赐，把大家紧密联系在一起。据曾蕾老师说，基本上每周都召开课题组会议，所有计划、过程、进展、内容、成果都以一定方式在网上公布，其采用的技术工具也并非十分先进，甚至可以看成是网络应用的古董，不外是邮件列表、IRC、电话会议、wiki之类，我们上次召开上图学会第二届图书馆前沿技术论坛（关联数据）还用了非常先进的Cisco公司的WebEx会议系统，这类人士通常只把注意力集中在要做的事情上，对工具的选择有一些基本原则，例如一定要是开源（免得有知识产权等相关法律问题）、足够简单（方便绝大多数人使用）、功能够用并以提高效率为主要目的（额外工作例如后续加工工作尽可能用程序来完成）等等，对于花拳绣腿的功能一般都很漠视。

看起来这个小组的各项研究任务正按计划进行，已经取得了不少进展，然而距离其雄心勃勃的目标，看来还是有相当的挑战。根据其目前的研究框架（下述），点到为止是基本上没有问题的，但是能不能非常准确地拿捏到位，深浅适度且带来共识，还要看最后的结果。但是无论如何，这应该是图书馆相关领域技术应用前沿近年来最重要的进展了，希望不久的将来能够看到其成果集成应用到相应的解决方案中去。

目前的研究框架大致如下：

1. 界定本课题的涉猎范围和主要内容，主要对一些基本概念进行界定，例如什么是本研究中所称的“图书馆”。对每一项研究而言概念界定往往是基础工作，是最重要的，尤其要在参与研究的成员之间达成共识，这样才能避免大家自说自话，最后再回头调整，出来的东西以其昏昏使人昭昭。
2. 阐述应用关联数据技术能够带来的好处（主要向业界同行和“利益相关者”宣示），因为技术的隔阂和对于行业的职能作用及其未来前景的认识的不同。现在看起来这部分很难写，是最具有挑战性的。目前的做法似乎是从几个角度同时展开，从应用领域（图书馆、档案馆、博物馆、网络资源等）、用户角色（研究人员、教授、学生、开发者、机构、客户等）、技术方面的进步以及从用例中总结出来的好处。
3. 现有的词表和数据集。曾蕾老师就主要牵头这部分内容。现在看来好像就这部分内容还比较成熟和确定，梳理得较为完整，但内容和很庞杂，看起来博大精深，选择和介绍到什么程度是个问题。目前似乎分两部分：属性（关系）元素所成的各类模式（元数据集），以及各类取值词表（包括领域模型中的各类实体），前者可以编码为OWL本体，后者可以以SKOS形式发布。
4. 相关实现技术。这也是个挑战，因为关联数据本身是一个Web架构的问题，不是任何具体的技术问题，要实现这个架构可以有多种方式，实现的程度也不一样。具体而言，涉及到数据的转换、重新发布、与内容管理平台的结合、链接的管理维护、OWL等各类编码的实现、与关系数据库的关系、海量三元组存储库的管理、效率问题、SPARQL端点的实现、嵌入HTML（RDFa）的方式和工具等等，这部分目前看起来还很初级，但这部分内容涉及对技术方案的总结和梳理，提到了很多目前普遍采用的工具或方法（如D2RQ），值得尝试。

语义Web（关联数据）用URI来标识大千世界的各类“对象”，称这类资源为“非信息资源”；而对这些对象进行描述的网页文件、RDF文件以及各类图像、 音视频等特殊编码的文件等，才称为“信息资源”。尽管URI负责标识（命名）和定位对象，但具体描述、说明和承担起交流作用的，还是各类作为信息资源的文 件，因此如何通过URI获取与其相关的“信息资源”就成了关联数据在实现时必须解决的问题。

上述“对象”、URI和说明文件的关系，可用上图（来自这里）的三角形关系来表示。左下的真实对象一只黑猫，被认识为一个概念（三角形顶角）而可以用URI进行标识，这个概念可以以多种符号或方式进行描述（右下角，指代HTML网页、图片、RDF文件等）。这个关系构成了语义Web（关联数据）表达真实世界的认识论基础。

那么具体在Web上怎么实现上述模型的语义表达和传递功能呢？关键在于保证URI在作为非信息资源标识功能的同时，能够起到对描述该对象的信息资源（各类文件）的定位作用。关联数据给出的方案如下：

1、对于来自客户端的任何非信息资源所有URI请求（称为dereference，这里翻译成参引），均采用HTTP协议中的“内容协商”规则，返回其所请求的信息资源描 述文件（对于非信息资源的请求是无法返回具体实物对象的，只能以描述该对象的代码文件代替）。一般信息资源描述文件有两类：即如果请求来自于普通浏览器 （头信息中包含text/html请求，其它MIME文件类型，如图像文件、音视频文件等，可归入此类），则返回HTML文件的网页；如果请求为 application/rdf+xml，则返回负责该对象语义描述的RDF文件。

2、具体的“内容协商”方式，通常有两种方案达成：

1） 采用HTTP协议的303指令重定向功能（如下图所示）。客户端（浏览器）的URI请求由于不存在“东西”（非信息资源），服务器就会发送一个303 See Other给客户端，再由客户端根据重定向规则发送请求，具体根据客户端是HTML浏览器还是支持RDF的浏览器，决定HTTP文件头请求何种类型的文件 （HTML或者RDF）。

该过程的具体流程如下图所示：

URI重定向通常采用以下惯例：
(1)
http://www.kevenlw.name/kevenliu (ID)

http://www.kevenlw.name/kevenliu.html

http://www.kevenlw.name/kevenliu.rdf

(2)
http://www.kevenlw.name/resource/kevenliu (ID)

http://www.kevenlw.name/page/kevenliu

http://www.kevenlw.name/data/kevenliu

(3)

http://id.kevenlw.name/kevenliu

http://page.kevenlw.name/kevenliu

http://data.kevenlw.name/kevenliu

2） 采用带井号“#”（hash）的URI方式（如下图所示）。其井号前面的URI能够便于浏览器进行解析定位，而与后面带#号的片段标识符共同用来标识非信 息资源，该片段标识符同时起到了类似于重定向的功能，允许支持RDF的浏览器参引到信息资源文件（在这里是静态的RDF文件）的所需位置。这种方式要求该 片段标识符必须在RDF文件中是唯一的，且整个RDF文件不可过大，否则非常影响查询效率。

采用hash井号方式作为URI的例子如：

http://www.library.sh.cn/people.rdf#kevenliu

http://www.library.sh.cn/people.rdf#leonzhao

注：这里的“参引”（dereference），意指“为了获取引用资源的相关信息，在万维网上查找URI的过程。”

参考文献：
Best Practice Recipes for Publishing RDF Vocabularies. 见http://www.w3.org/TR/swbp-vocab-pub/

两年来一直想做一些关联数据的普及工作，总有一种无从下手的感觉。这个话题越来越热，有远洋师和雨师等的号召和书社会众社员的积极响应，感觉似乎时机成熟了，于是先放出风去，给自己一点不得不做的压力。

关联数据的概念想法其实很简单，但同时又很难让人理解，这是个很有意思的现象。是不是可以拿刘谦的魔术来类比，不知道的看不懂，知道了其实都是业内常见的trick。

前面的博文写了关联数据的n种定义，还没有完成远洋师的要求，远洋师希望解释两个问题：

1. 关联数据是Web of Data（数据的Web）的一种实现，而不再是Web of Documents（文档的Web）；
2.实现关联数据的两种方式：采用HTTP303转向和采用hash（即井号#），各有什么优缺点。

要解释清楚这两个问题，一方面我还要加紧学习，另外对于书社会的广大社员来说也需要学习，因为要听懂对这个问题的解释，听众至少要达到前述定义中的第四级用户——Web应用开发人员——的水平，而且还要假设这类开发人员对于HTTP协议有一定的了解，而不是只利用现成的工具进行开发。我相信这样的用户太少了。为了使1-3级用户也能有所收获，就让我多打比方，慢慢道来吧。

上过网的朋友都知道，通过在浏览器的网址栏键入网址（即URL），就能传回网页。如键入这个URL：“http://www.kevenlw.name/about/index.php”，服务器接收到这个URL，以HTTP（超文本传输）协议来响应这个请求（之前还有DNS域名解析的过程，把域名转化为ip地址，略过不表），将about目录下的index.php文件传输给浏览器，并显示出来。

这个过程，涉及到Web技术的三个主要内容：HTTP、URL和HTML。

• HTTP是服务器操作的指令，规定了遇到各种请求（如GET/PUT/POST/DELETE)服务器如何响应，怎么处理；
• HTML是存储在服务器端的网页文件，将根据请求传送给浏览器，HTML的标准规定了文件的结构，允许包含丰富的超文本链接，并能嵌套各类其它文件格式，如果浏览器一端有相应的资源或程序就能够调用或运行。正是由于HTML，使整个万维网上布满了相互链接的文件，成为一个巨大的、不断膨胀的文件宇宙，这就是Web of Documents的来历。
• URL本来是作为在这个文件宇宙中定位具体的文件而用的，后来演变成兼具名称作用，从而被URI连同URN一起收入麾下，让URI一统江湖了。

一个由方案（scheme，或译为主题）、域名和路径组成的URI标识，从仅仅标识文档，到用来标识“任何东西”，看似简单的变化，其背后却是思考范式的变化，是哲学认识论层面的变化。(一个最重要的trick就在这里）。这个变化使得我们可以把大千世界的任何东西，都“投影”到万维网上，每个东西都有URI，都有对这件东西的描述（元数据）以及用数据表达的这件东西，这样，万维网就变成了一个数据的世界，其实构成了一个波普尔所称的第三世界（在我看来，这个概念和URI体系可以应用到物联网）。

可以看到，URI同时解决了命名问题和定位问题，然而在具体实现URI命名和定位时，该名称还有永久性和易实现的要求，路径作为某个“东西”的名称的一部分，就不能允许轻易发生改变，并且不同的软硬件平台和技术环境下都能够正确编码，这就是CoolURI的由来。

同时对于同一个对象，必须允许有不同的描述与表达方式，例如对于上面kevenlw的描述，既要有html文件（php可以认为是动态生成的html文件），通过浏览器显示给人看，又要有rdf文件描述kevenlw的各种性状属性以便机器获取相关元数据信息，如foaf文件：http://www.kevenlw.name/kevenfoaf.rdf。这两个文件其实描述的是同一个“东西”，因此不应该有不同的ID标识（注意：在这里是两个不同的URI，这是不规范的），必须在一个URI中区分这两类数据，同时让服务器有一种机制，能够自动地根据请求方的不同，传送不同格式的数据。

（下一篇再讲采用303转向和hash“#”两种实现方案各自的特点）。

以下针对不同知识背景的读者，分别给出了不同详略程度和专业程度的解释，供参考（并请提出意见）：

1、普通网民（知道如何上网，希望对一些网络知识做一般性的了解）
关联数据是一种由国际互联网协会（W3C）推荐的数据规范，用来联接和发布各类数据、信息和知识，使互联网上的服务器能够基于内容进行检索而不是简单的全文检索（文字相同但含义不一定一样，会检出很多不准确不相关内容），从而更准确地分享和关联信息。

2、普通图书馆员（非IT相关专业大专或本科毕业，能利用网络查找信息或为读者提供服务，懂得MARC是一种元数据）。
关联数据是按照一定方法发布的数据，它直接以每个数据的网址作为它的名称（即其中只包含字母数字和左斜杠），并且数据不是一般的网页文件，而是由字段组成的元数据记录，字段描述中通常包含到其它数据的链接。

3、资深编目员或中级职称以上自动化系统管理员（长期从事编目工作或ILS维护工作，了解国际编目规范和图书馆相关技术的最新进展，参加过元数据相关知识培训或从事过相关研究）。
关联数据是按照一定方法发布的数据，它直接以每个数据的网址作为它的名称标识（即名称中只包含字母数字和左斜杠），并且包含以RDF/XML格式描述的元数据信息。由于RDF数据里包含了指向其它RDF数据的链接，因此能形成富含元数据信息的数据关联。

4、Web应用开发人员（具有IT知识背景，熟知最新Web技术，参与过Web应用的开发）
关 联数据是任何资源在万维网上发布的一种方式，以HTTP URI方式链接到一个以RDF/XML编码的数据对象，而不是一个其它任何格式的文档。其中URI决定了数据的唯一性和“可关联”性，RDF确立了数据的 语义和链接的实体。RDF文件中应该包含更多的由URI所标识的其它资源，即尽可能不使用“空节点（blank nodes）”少使用“普通文字（literal）”，并且包含以RDF/XML格式描述的、规范格式的元数据信息。空白节点(Blank node)是指没有全局ID的本地资源(没有定义命名域的URI,如ISBN, DOI)，文字(Literal)指一个字串值(可以有类型以及语言属性)

5、语义Web研究者（熟知语义Web技术，有志于为互联网带来图书馆的知识服务）
关 联数据是由Web的发明人Tim Berners-Lee提出的一个概念，定义了一种URI规范，使得人们可以通过HTTP/URI机制，直接获得数字资源(Thing)，从而实现一种 Web上的富链接机制。从本质上看，关联数据是将超文本链接（即文件之间的链接）转变为超数据链接（事物Thing之间的链接）。
TBL认为关联数据是实现Data Web的关键技术，应符合四个原则：

• 使用URI作为任何事物的标识名称，不仅是标识文档；
• 使用HTTP URI，使任何人都可以参引(dereference)这一全局唯一的名称；
• 当有人访问名称时，以RDF形式提供有用的信息；
• 尽可能提供链接，指向其它的URI，以使人们发现更多的相关信息。