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。

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/

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）。

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。

主办单位：上海图书馆学会学术委员会
协办单位：上海市普陀区图书馆
活动主题：关联数据：技术实现和应用前景
费用：无
会议时间：2010年8月23日13:00-18:00pm
会议地点：普陀区图书馆 大渡河路1800号（铜川路口）12楼多功能会议室

会议日程（执行）：
13:00-13:10 上海市图书馆学会学术委员会主任范并思致辞，普陀区图书馆馆长司颖致辞
13:10-13:40 曾蕾教授远程发言(ppt)
13:40-14:20 林海青 关联数据的功能需求及其实现(ppt)
14:20-15:00 刘  炜 关联数据ABC及近两年来的应用进展(ppt)
15:00-15:40 胡小菁 RDA与关联数据(ppt)
15:40-15:50 休息
15:50-16:15 黄田青 关联数据:语义万维网的新坐标 (ppt)
16:15-16:45 夏翠娟 应用开源内容管理软件Drupal发布关联数据的探索(ppt)
16:45-17:10 张春景 关联数据开放的有关法律问题(ppt)
17:10-17:40 白海燕 基于关联数据的信息组织深度序化初探(ppt)
17:40-18:05 赵  亮 主持远程参会者发言及讨论
18:05-18:06 范并思 会议总结并宣布闭幕

群组资料在此：http://sns.libspace.org/space-mtag-tagid-38.html
会议通知在此：https://docs.google.com/ 或pdf格式：http://sns.libspace.org/

2010图书馆前沿技术论坛：关联数据与书目数据的未来

开放数据（Open Data）：
在网络上可以公开得到的数据，没有任何控制访问的措施（无需登录，否则只能是免费数据或其它名称）。
为了促进开放数据应用，模仿“创作共用”协议，好事者也提出了“开放数据共用协议”。
开放元数据是其中的一类。
项目举例：

• data.gov（美国）
• Open Data Network（德国）
• making public data public（英国）

关联数据（Linked Data）：
一种数据访问（整合）技术，基本上都是以RDF方式表达，对于Http协议进行少量扩展（规定）而成。低成本，高可用性，整合简单。
开放链接数据（Linked Open Data）是关联数据的一项运动。

• 美国纽约时报项目，目前已经上载了5000个人物的主题表目，可以按照cc by协议开放使用。
• Linked Data Research Center
• GoodRelations：关于产品、价格和企业数据的规范词表
• oeGOV：应用于政府信息管理的本体词表

Web3.0：
Web2.0的热衷者或者搅局者提出的一个概念，作为下一代Web的一种趋势探讨，有人说就是语义Web，有人在语义Web基础上添加了P2P、各类无线应用甚至云计算等内容。

语义Web：
现有Web之上的、以数据资源为基本组成单位的Web，这些资源（数据）都标注有元数据描述，从而能够进行语义查询，以及数据整合，提供了互联网上实现语义互操作的技术平台。关联数据可以理解为语义Web的一种实现。
Web of Data是其另一别称。

虽然这个三元组库不是世界上最大的，但它的动态性目前还无人能比。Linked Open Data项目中的所有RDF库，还没有应用于动态商业产品信息的。因此，百思买能否成功，从某种程度上对于关联数据/语义网的应用具有示范效应。

三元组数据集在这里（可惜居然要翻墙，不知是何道理！）：

语义地图: http://products.semweb.bestbuy.com/sitemap.xml

数据集：
a) 软件产品:http://products.semweb.bestbuy.com/products/8182593/semanticweb.rdf

b) 硬件（”Hardgoods”）:http://products.semweb.bestbuy.com/products/8794691/semanticweb.rdf

c) 电影:http://products.semweb.bestbuy.com/products/7590289/semanticweb.rdf

d) 游戏产品:http://products.semweb.bestbuy.com/products/9223752/semanticweb.rdf

20090827update: 雨师对此已经做了详细解释，参见：http://www.linhq.net/archives/5。

20090826update: 在apache的httpd.conf文件中插入：AddType application/rdf+xml .rdf, AddType text/rdf+n3;charset=utf-8 .n3, AddType application/x-turtle .ttl。即解决了本帖中所遇到的问题（Firefox需安装Tabulator插件）。

最近一直在关注关联数据的实现问题。今天试验了这样几个浏览器（插件）：

• Tabulator Browser (MIT, USA)
• Marbles (FU Berlin, DE)
• OpenLink RDF Browser (OpenLink, UK)
• Zitgist RDF Browser (Zitgist, USA)
• Disco Hyperdata Browser (FU Berlin, DE)
• Fenfire (DERI, Irland)

各有千秋。

好像Zitgist的适应性最好（见插图）。其它几个对于我的FOAF文件都不能正常显示。

后来参考《如何在网上发布关联数据》，发现是我的apache服务器的设置问题：不支持application/rdf+xml的MIME类型。

]]> http://www.kevenlw.name/archives/1844/feed 2