基于Drupal的关联数据实现研究*

卢玉红　李力

（成都中医药大学图书馆，四川成都610075）

基于Drupal的关联数据实现研究*

卢玉红李力

（成都中医药大学图书馆，四川成都610075）

关联数据是一种发布和链接数据的规范，Drupal是一个支持语义网技术的开源内容管理系统，拥有一套良好的关联数据实现框架。结合关联数据实现流程，将Drupal实现关联数据的机制总结为内容建模及URI分配、节点RDF映射、节点数据关联化和开放使用4个步骤，并依据此机制实现图书馆书目数据的关联数据化。

关联数据Drupal实现流程

1998年蒂姆·伯纳斯·李提出了语义网的概念，但由于其语义堆栈过于复杂，目前语义网还只是一种美好的愿景。但为了实现对海量数据的管理与开放利用，建立数据之间的语义关系已经成为互联网发展的大趋势，为此，蒂姆·伯纳斯·李又提出了“关联数据”[1]。关联数据是在现有万维网技术与架构上，建立各类数据、信息和知识之间语义关联的一种规范[2]。

1　关联数据的实现流程

关联数据的实现可以概括为以下流程[3]：

①数据的RDF化。用RDF数据模型描述数据资源，为每个实体分配HTTP URI；

②RDF数据关联化。在数据之间建立RDF语义链接；

③开放利用。以某种机制存储所建立的RDF数据，并支持以某种方式进行检索和解析，例如SPARQL。

依据关联数据实现流程，目前已经出现了一些实现关联数据的方法，例如通过虚拟映射实现关系型数据库关联数据化[4]；以静态RDF文件形式实现关联数据[5]；用RDF数据库实现关联数据[6]；封装已有的应用或Web APIs来实现关联数据[7]。笔者将以书目数据为例，利用Drupal实现关联数据，并总结此方法的特点。

2　基于Drupal的关联数据实现

Drupal是一种开源的内容管理系统，由比利时安特卫普大学的德瑞斯·布塔特和汉斯·森金德开发而成[8]，经过多年的发展，Drupal已经发展成了一个拥有庞大开源社区的成熟系统。

2.1Drupal与关联数据

关联数据概念提出之后，Drupal团队很快就成立了RDF项目组，2008年正式推出了对关联数据的支持功能。一年后，Drupal6中支持关联数据的模块陆续发布，例如便于RDF内容创建和输出的RDF CCK模块[9]、用来为本地站点导入外部词表的EVOC模块[10]、为查询RDF数据提供检索支持的SPARQL模块[11]和RDF SPARQL Endpoint模块[12]，以及为了实现互联，从其他关联数据站点获取数据的RDF Proxy模块[13]。到2011年Drupal7正式发布后，这些模块就被内化为核心模块，安装Drupal以后会自动开启，而RDF CCK并入全新的RDF Extension（RDFx）模块[14]，SPARQL endpoint则并入原来的SPARQL模块。

除了对关联数据的强有力支持外，Drupal只需用户编写极少的代码就能实现强大的内容发布、管理和组织等功能。另外，Drupal是一个模块化框架结构的开源系统，世界各地有无数的开发者根据不同的用户需求发布了种类各异、功能丰富的第三方模块，系统管理员可以通过组合这些“即安即用”的模块来实现大部分的网站功能，大大降低开发成本。

2.2Drupal实现关联数据的机制

Drupal对关联数据的支持主要是通过相应模块的相互配合来实现，依据关联数据实现流程。Drupal实现关联数据的主要机制如下：

①内容建模及URI分配

Drupal的基本管理单元是内容类型，每个内容类型包含很多的字段，根据某个内容类型而创建的实例被称为节点，系统管理员可以利用CCK模块来自由定制内容类型和字段。依据某个内容类型创建一个节点后，系统会自动为这个节点赋予一个http URI，一般为http：//siteURI/node/number，siteURI为Drupal创建站点的URL地址，number为按创建时间先后顺序为节点分配的流水号。与此同时，如果系统安装了RDF系列模块并启用，系统会自动生成此节点的RDF数据，此RDF数据也是由系统自动分配URI，一般表示为：http：//siteURI/node/number.rdf。

②节点的RDF映射

默认情况下，系统自动生成的RDF数据只包含节点的创建日期、修改日期、标题、制作者等基本数据。为了能把更多的节点数据转换为RDF格式，就需重用更多的词表。

目前Drupal7包含有内化了的基础词表，基础词表和其他外部词表的导入由External RDF Vocabulary Importer端口来实现，RDFx模块则用来实现新内容类型和字段与各种领域本体之间的映射。

③节点数据的关联化

Drupal为用户提供了建立数据内外关联的方法。Drupal中有一个References模块，安装启用后，系统可以为用户提供一个“node References”字段类型。如果一个内容类型中的某个字段使用了这个字段类型，那么此字段的值就必须是系统中的另一个节点，这样就可以把两个节点链接起来。而Drupal中的另一个模块link，它允许字段的值为URI，这样就可以把外界某个数据的URI作为字段的值，实现系统内数据与系统外数据的链接。

④开放使用

SPARQL语言是RDF数据的查询语言，Drupal中提供了一个SPARQL Endpoint模块，此模块为系统中的RDF数据提供了SPARQL查询端口。此端口可以在Web上公开访问，即支持人为地输入查询语言进行数据查询，也支持在程序代码中内嵌查询语句进行机器查询。

2.3实验系统的搭建

本次实验在Drupal中安装的主要模块为：①核心模块，系统默认安装；②RDFx模块，用于生成RDF数据；③Entity API模块，允许模块支持任意实体类型；④Link模块，为内容类型提供链接字段类型；⑤SPARQL模块，提供SPARQL查询端口；⑥Feeds模块，用于批量导入数据；⑦References模块，提供节点参引（node references）字段类型。

如果通过浏览器查看RDF格式的数据，需要安装专用的语义浏览器，如OpenLink、SIOC Browser等，或者在火狐浏览器上安装相应的插件，如Tabulator[15]。笔者采用的是在火狐浏览器上安装Tabulator插件。

2.4利用Drupal实现关联数据的流程

依据Drupal实现关联数据机制，实现书目数据关联数据化的步骤如下：

①数据准备

为了便于数据之间建立链接，本实验所选用的书目数据均来自图书馆学领域，选取的内容描述项为题名、责任者、出版社、主题和语言种类。

②词表选择

根据需要描述的内容项，本实验采用了Dublin core词表来描述图书书目数据；采用FOAF来描述责任者。

③RDF映射

在Drupal中，RDF映射是在内容类型字段被创建时就可以设置的，因此这里就需要先建立一个关于图书书目数据的内容类型，并依据要描述的内容选项来设置字段，最后通过RDFx提供的操作界面来完成各个字段到RDF的映射。

本实验中建立的书目数据RDF关联关系如图1所示。

图1　图书书目数据描述项关系

图书内容类型的字段RDF映射设置好之后，就可以对数据进行批量导入。在Drupal中，数据可以通过两种方式导入，一是利用Drupal的Feeds模块来实现。利用Feeds可以建立专门导入某内容类型的接口，然后通过此接口把数据上传到Drupal中；二是可以编写代码，通过代码实现数据的批量导入。前一种方式不需要使用者掌握相关的编程语言，可直接通过可视化的界面来实现数据的批量导入，但要求数据遵守一定的规则，例如数据要以开放的text/CSV格式导入、编码形式必须是UTF-8；第二种方式可以便于使用者灵活导入数据，但要求使用者掌握一定的编程语言。

当图书书目数据被导入系统后，由于已经事先对各个字段进行了映射，系统会自动生成它们的RDF数据。图2为《图书馆学要旨》一书的RDF数据三元组表达式。

图2　节点“图书馆学要旨”RDF三元组关系

④实现内外部数据的关联

Drupal中数据的内部关联是通过References模块来实现的。例如在为图书书目数据建立内部链接时，本实验新建了一个内容类型，名为“人物”，此内容类型包括的字段有姓名、出生日期、单位、著作。这个内容类型下的一个节点是“刘国钧”。而书目节点“图书馆学要旨”的责任者字段的值恰恰就是“刘国钧”，那就可以利用References模块将节点“刘国钧”设为节点“图书馆学要旨”责任者字段的值，这样，两个节点就相互关联起来。

节点“图书馆学要旨”和节点“刘国钧”之间的关系表示为“dc：creator”，RDF三元组关系见图3。

图3　节点“图书馆学要旨”与节点“刘国钧”的内联关系

与外部数据的互联要选择合适的链接对象，国际互联网联盟罗列的关联开放数据集列表[16]和CKAN注册系统都可供人们查找目标数据集。在查询目标数据集时应首先考虑关联数据云中的核心数据集，例如DBpedia、Geonames、DBLP bibliography等，这些数据集有丰富的内外链接，并且有专业团队维护，链接权威且稳定，与这些数据集互联有利于自身数据被更多的人发现和使用。在关联数据云中，很多的数据集都提供了SPARQL查询端口，可以通过这些端口在目标数据集中查找到相应的数据，然后再建立链接，也可以通过专门的关联数据浏览器或者URI查询服务来查找。

查找到链接目标的URI后，就可以根据它与节点字段所表现出的语义关系来建立链接。安装link模块后，为“责任者单位”字段选择link字段类型，将“华东师范大学”在DBpe⁃dia中的URI作为“责任者单位”字段的值，此字段就成为了RDF数据外链的起点，用户通过这个链接就可以到达DBpe⁃dia数据集。在网页界面上实现这种链接，对人来说感觉跟传统的超链接一样，但对于机器来说则不同，这里的链接是有语义的，而传统的超链接则没有。

通过SPARQL端口获取URI的方法由于需要人的参与，所以查找的URI准确率比较高，但这对于不了解SPARQL查询语言的数据发布者来说是一个挑战。为此关联数据的研究者们开发了一些便捷的工具或服务来支持URI的查找。Sindice就是一个帮助关联数据发布者找寻目标URI的在线服务，它沿着RDF链接对数据网络进行抓爬，对发现的资源进行索引，并提供了应用接口去查找这些资源[17]。在数据量较小时，可以手工建立链接，如果数据量很大的话就必须采用自动或者半自动的方法来实现，但目前机器参与的关联建立基本都还仅限于建立OWL：sameAs类型的链接，类型单一。手工建立链接虽然耗时耗力，但能建立的链接类型比较丰富。

⑤开放查询

Drupal为外界开放了SPARQL查询端口，在本实验中，此端口的地址是：http：//localhost/drupal7/sparql。如果要查询由“科技出版社”出版的图书有哪些以及这些图书的作者是谁，可以通过以下命令查询：

3　结语

Drupal是利用“Drupal内容创建+PHP脚本+ARC2存储+ SPARQL终端”的组合来实现关联数据，无论是在内容创建还是RDF数据生成方面，Drupal都提供了优秀的功能。内容创建功能允许用户创建任意的内容类型来展示自己的数据，并且在节点创建时就生成相应的RDF数据，节点本身的内容发生改变，RDF数据也会实时发生改变。但基于Drupal的关联数据实现也存在着一定的风险，例如Drupal是通过在内容模型与本体之间建立映射关系来实现语义互联的，但在这个映射过程中，不是所有的字段都能得到很好的映射，这就会在一定程度上造成部分语义的缺失[18]；作为RDF数据仓储管理模块，ARC2更新与维护得不到保障；缺乏建立外部链接的机制，如果想通过Drupal来实现关联数据，还要配合使用其他链接发现工具。

总之，Drupal操作简单，界面化程度高，实现关联数据的成本低廉，使用门槛低。但Drupal的功能有限，外链机制不完善，自动化程度不够，如果想进一步在关联数据运动中占据重要位置，Drupal还需不断完善自身功能。

[1]Linked Data FAQ[EB/OL].[2014-10-15].http：//structured⁃dynamics.com/linked_data.html#question_4.

[2]刘炜.关联数据：概念、技术及应用展望[J].大学图书馆学报，2011（2）：5-12.

[3]BizerC，CyganiakR，HeathT.Howtopublishlinkeddataon the web[R/OL].[2014-11-18].http：//www4.wiwiss.fu-ber⁃lin.de/bizer/pub/linkeddatatutorial/.

[4]白海燕，梁冰.利用D2R实现关系数据库与关联数据的语义模式映射[J].现代图书情报技术，2011（7）：1-7.

[5]欧石燕.面向关联数据的语义数字图书馆资源描述与组织框架设计与实现[J].中国图书馆学报，2012（6）：58-71.

[6]Caracciolo C，Morshed A，Stellato A，et al.Thesaurus main⁃tenance，alignment and publication as linked data：The AGROVOC use case[C]//Proceedings of the 5thInternation⁃al Conference on Metadata and Semantics Research.Heidel⁃berg：Springer，2011：489-499.

[7]娄秀明.用关联数据技术实现网络知识组织系统的研究[D].上海：华东师范大学，2010.

[8]Drupal history[EB/OL].[2014-11-13].https：//drupal.org/ about/history.

[9]RDF CCK[EB/OL].[2014-11-25].http：//drupal.org/project/ rdfcck.

[10]Evoc[EB/OL].[2014-11-26].http：//drupal.org/project/evoc.

[11]SPARQL[EB/OL].[2014-12-26].http：//drupal.org/project/ sparql.

[12]SPARQL Endpoint[EB/OL].[2014-02-26].http：//drupal. org/project/sparql_ep.

[13]RDF Proxy[EB/OL].[2014-11-26].http：//drupal.org/proj⁃ect/rdfproxy.

[14]RDFx[EB/OL].[2014-12-26].http：//drupal.org/project/rd⁃fx.

[15]How to use the Tabulator[EB/OL].[2014-12-28].http：// dig.csail.mit.edu/2005/ajar/release/tabulator/0.8/tab.html.

[16]Statistics on Data Sets[EB/OL].[2014-12-01].http：//www. w3.org/wiki/TaskForces/CommunityProjects/LinkingOpen⁃Data/DataSets/Statistics.

[17]Tummarello G，Delbru R，Oren E.Sindice.com：Weaving the Open Linked Data[J].Lecture Notes in Computer Sci⁃ence，2008（4825）：552-565.

[18]夏翠娟，等.关联数据发布技术及其实现[J].中国图书馆学报，2012（1）：45-54.

卢玉红女，1989年生。硕士，馆员。研究方向：信息资源管理。

李力男，1973年生。本科学历，馆员。研究方向：计算机技术及自动化。

G250.7

*本文系四川省教育厅社会科学项目“基于关联数据语义链接的文献知识发现模型构建研究”（15SB0059）成果之一。

（2015-06-01；责编：杨新宽。）