RDF——Web数据集成的元数据解决方案

搜索引擎

Yahoo

Altavista

Infoseek

 

一． 引言
在现今的社会中，信息无处不在，从这些信息中获取对本身有用的信息并非件容易的事。固然也有例外的，好比，在图书馆里你能够根据书名或做者名或关键字的信息找到藏书号，从而很容易找到所要的书，在音像店里你能够根据片名、主演等信息方便的找到本身所要的影碟。这两个系统有一个共同的特色——它们都是创建在元数据之上。
元数据是关于数据的数据或关于信息的信息。例如：书的文本就是书的数据，而书名、做者、版权数据都是书的元数据。元数据并不必定就是用来检索的，也可用于内部的管理，如图书馆系统能够为书定义被借次数这个元数据，以了解书的被借阅状况，肯定是否要增长副本数。元数据的使用，能够大大提升系统的检索和管理的效率。
网络是个大的数据库，它里面包含的数据比起图书馆和音像店来可要复杂的多，五花八门，什么都有，但有一个问题——网络基本上没有元数据。那搜索引擎是怎么工做的呢？其实，搜索引擎中除极少数如Yahoo!外，基本上都是采用网页的全文检索来提供检索服务，这就可想而之其查准率之低了。Yahoo! 将其收集到的网站及网页分门别类加以索引和文摘（由人工完成），从而大大提升了查准率，这也是其流行的一个重要缘由。但对如此浩瀚的信息海洋若都采用人工标引显然是不现实的，因此咱们用Yahoo!检索的时候查全率不如象Altavista、Infoseek这样的搜索引擎高，缘由是其收录的网站网页数量有限。若是网络上的资源在建立之初就都使用元数据来描述其自身的信息，那不就能够省去人工标引的麻烦吗？是的，可是怎样用元数据来描述，这得有个标准， W3C提出的用于描述Web资源的RDF（Resource Description Framework 资源描述框架）就是这样的一个标准，RDF给出了Web数据集成的元数据解决方案。

二． RDF简介
RDF的含义就是描述资源的框架（Framework for Describing Resources），下面咱们逐个来看这三个词的意思。
资源（Resource）：全部在Web上被命名、具备URI(Unified Resource Identifier 统一资源描述符)的东西。如网页、XML文档中的元素等；
描述（Decription）：对资源属性（Property）的一个陈述（Statement），以代表资源的特性或者资源之间的联系；
框架（Frameword）：与被描述资源无关的通用模型，以包容和管理资源的多样性、不一致性和重复性。
综合起来，RDF就是定义了一种通用的框架，即资源—属性—值的三元组，一不变应万变，来描述Web上的各类资源。
下面咱们来看一个简单的RDF的例子：
<rdf : Description about='http://www.textuality.com/RDF/Why-RDF.html'> (指明被描述资源的URI)
<Author> Tim Bray </Author> （被描述资源有一个叫Author即做者的属性，其值是Tim Bray）
<Home-Page rdf:resource='http://www.textuality.com/'> （被描述资源有一叫Home-Page即主页的属性，其值指向另外一资源）
</rdf: Description> （结束标志）

三． RDF实现Web元数据描述与交换的机制
3．1 RDF的两大关键技术
RDF有两大关键技术——URI和XML。URI是Web资源的惟一标识，它是更经常使用的统一资源定位符URL的超集，除了网页之外，它还能够标识页面上的元素、书籍、电视等资源，甚至能够标识某一我的。在RDF中，资源无所不在，资源的属性是资源，属性的值能够是资源，甚至与一个陈述也能够是资源，也就是说，全部这些均可以用URI标识，能够再用RDF来描述。那RDF怎样放在网络上让人使用呢？XML做为一种通用的文件格式承担了这个责任，它定义了RDF的表示语法，这样就能够方便的用XML来交换RDF的数据。
3．2 词聚集
咱们能够看到，RDF只定义了用于描述资源的框架，它并无定义用哪些元数据来描述资源。这正是其高明之处。由于显然描述不一样资源的元数据是不一样的，而若是要定义一种元数据集，包括全部种类的资源，这在目前仍是不现实的，不但工做量巨大，并且即便定义出这样的元数据集，能不能被你们采纳仍是个问题，由于对于图书馆这样已经用元数据描述其资源的系统，要放弃原来的元数据集采用一种新的元数据集，其工做量是可想而知的，估计实施过程当中遇到的阻力会很大。
RDF采用的是另一种方法，即它容许任何人定义元数据来描述特定的资源，因为资源的属性不止一种，所以实际上通常是定义一个元数据集，这在RDF中被称做词聚集（Vocabulary），词聚集也是一种资源，能够用URI来惟一标识，这样，在用RDF描述资源的时候，可使用各类词聚集，只要用URI指明它们便可。固然，各类词聚集的受欢迎程度可能不一样，有的也许只是被定义它的人使用，有的却因为其定义的科学性为许多人所接受，如以相似图书馆卡片目录的方式来定义资源的词聚集Dublin Core，定义教育内容IMS元数据，定义我的信息的V-Card元数据等。既然词聚集是资源，固然能够用RDF来描述它的属性以及和其余词聚集间的关系，W3C为此特意提出RDF Schema来定义怎样用RDF来描述词聚集，也就是说RDF Schema是定义RDF词聚集的词聚集，但这个RDF Schema可不是随便什么人均可以定义的，它只有一个，就是W3C定义的版本。例如：
http://mymetadata.vocab.org/Author
---rdfs: subPropertyOf --->
http://purlorg/dc/elements/1.0/Creator
即表示某人本身定义的元数据Author是Dublin Core的元数据Creator的特殊形式。RDF Schema正是经过这样的方式来描述不一样词聚集的元数据之间的关系，从而为元数据交换打下基础。
3．3 实现机制
到这里咱们就能够发现RDF是怎么来实现Web上的元数据描述和交换的了：它使用XML语法，首先指定词聚集的URI，词聚集能够是多个，视须要而定，再使用指定的词聚集来描述资源，不一样的词聚集间怎么联系呢？用RDF Schema。
为了更加清楚的理解这个机制，下面咱们来看一个用XML表达的RDF的例子：
<rdf :RDF
xmlns :rdf=" http://www.w3.org/1999/02/22-rdf-syntax-ns#
xmlns:dc=" http://www.purl.org/DC/" (词聚集1的URI)
xmlns:nm=" http://www.metalab.unc.edu/xml/names/"> （词聚集2的URI）

<rdf :Description about=" http://www.metalab.unc.edu/xml" > （被描述资源的URI）
<dc:CREATOR parsetype="Literal"> （用词聚集1的元数据CREATOR描述做者属性）
<nm:FirstName> Elliotte</nm:FirstName>（用词聚集2的元数据描述做者的姓名属性）
<nm:MiddleNmae> Rusty</nm:MiddleName>
<nm:LastName> Harold</nm:LastName>
</dc:CREATOR>
</rdf :Description>
</rdf :RDF>

四． RDF的特色
4． 1易控制
RDF使用简单的资源—属性—值三元组，因此很容易控制，即便是数量很大的时候。这个特色很重要，由于如今Web资源愈来愈多，若是用来描述资源的元数据格式太复杂，势必会大大下降元数据的使用效率，其实从功能的角度来看，彻底能够直接使用XML来描述资源，但XML结构比较复杂，容许复杂嵌套，不容易进行控制。采用RDF能够提升资源检索和管理的效率，从而真正发挥元数据的功用。
4． 2易扩展
在使用RDF描述资源的时候，词聚集和资源描述是分开的，因此能够很容易扩展。例如若是要增长描述资源的属性，只须要在词聚集中增长相应元数据便可，而若是使用的是关系数据库，增长新字段可不是件容易的事情。
4．3包容性
RDF容许任何人定义本身的词聚集，并能够无缝的使用多种词聚集来描述资源，以根据须要来使用，使各尽其能。好比，在上个例子里描述网页资源时用Dublin Core 描述其做者属性，而在描述做者的姓名时又使用了另一个专门描述人的词聚集来描述。
4． 4可交换性
RDF使用XML语法，能够很容易的在网络上实现数据交换；另外，RDF Schema定义了描述词聚集的方法，能够在不一样词聚集间经过指定元数据关系来实现含义理解层次上的数据交换。
4． 5易综合
在RDF中资源的属性是资源，属性值能够是资源，关于资源的陈述也能够是资源，均可以用RDF来描述，这样就能够很容易的将多个描述综合，以达到发现知识的目的。例如，在描述某书籍时指明其做者属性值是另外一资源，咱们就能够根据描述做者的URI来得到做者的信息，如毕业院校等，从而知道这本书是某一院校的毕业生写的，因而在表面上看来没任何关系的二者间创建的联系，而这种联系每每是知识发现的前奏。

五． RDF与若干Web新技术
5． 1 RDF与资源发现（Resource Discovery）技术
RDF采用简单的资源—属性—值三元组来描述资源，试想，若是Web上的资源都用RDF进行描述，因为RDF采用XML语法，这样就能够很容易的实现资源的自动搜索，而不须要进行人工进行标引，而且能够达到很高的查全率和查准率；另外，RDF描述能够很容易进行综合，产生表面不易观察出来的信息。全部这些都将对资源发现技术产生革命性的影响。
5． 2 RDF与个性化服务
随着Web技术的发展，个性化服务被提上日程。W3C提出的综合能力/偏好界面（CC/PP，Composite Capability/Preference Profile）推荐标准是定义网络上用户以及其用来上网工具（包括硬件平台、系统软件和应用软件）的性能和偏好的集合，它使用了RDF技术。咱们能够简单认为用户及工具的能力和偏好都是用户的属性，是用户的元数据，因而能够用RDF来描述，这样就可以使用同一种方法来描述Web内容和用户的能力与偏好，在用户获取信息的时候，能够经过某一种规则进行折中，以使得获取的信息符合用户的能力和偏好，为用户提供个性化服务。例如：某Web内容是用多种语言实现的，但因为翻译的问题，各语种的可信度有高有低，而用户对各类语言的掌握程度也不一样，这样就须要某一种规则进行折中，以让用户选择一种他能够理解的最忠实于原文档的语种进行阅读，使用RDF描述Web内容和用户能力/偏好可大大简化这种折中的过程。
5．3 RDF与Web信息过滤
RDF最初提出就是为了配合W3C提出的PICS（Platform for Internet Content Selection，因特网内容选择平台）规范。PICS是由服务器向客户机传递Web内容等级的一种机制，好比说某一网页是否包含有×××、暴力的内容。不一样的机构能够按本身的价值标准将Web内容进行分级，这样用户就能够很容易的经过设置浏览器将某些网页过滤掉。RDF设计的一个要求就是能够表达PICS1.1能表达的全部内容，以使得能够自动的将PICS1.1标签翻译成RDF的标识，而不损失任何信息，这样作的好处就是能够用RDF来进行数据的交换。
5．4 RDF与可信任Web（Web of Trust）
如今网络要解决的一个重要问题是创建信任机制，这个问题比较复杂，涉及到社会和技术上的许多问题。信任的一个方面是将某一陈述可靠的与作出此陈述的人或机构联系起来，数字签名技术则是技术上实现可信任Web的关键技术。W3C提出的数字签名初步（DSig，Digital Signature Initiative）提出了一种为元数据签名的机制，以确认是谁作了这种机器可读的陈述，它规定了如何由RDF/PICS描述签名陈述，使其成为机器可识别的描述。具备数字签名的RDF将成为构建可信任Web以知足电子商务等应用须要的关键技术。
5．5 RDF与智能浏览（Smart Browsing）技术
Mozilla 浏览器的pre-Nglayout版本和Netscape浏览器的4.07或4.5+版本都大量采用RDF技术，实现了智能浏览。智能浏览即浏览器帮助浏览网页的用户提供其余与其浏览内容有关的信息，例如，若是你在 www.whitehouse.gov上浏览白宫的网页，就有可能须要国会、国防部或者总统我的主页的URL，而这些浏览器自己就能够提供给用户。智能浏览技术是将来浏览器发展的一个方向。
5．6 RDF与语义Web（Semantic Web）
语义Web是最近才提出的一个概念，即Web的内容不只仅用来显示，更重要的是具备真正的含义，使得能够用软件工具在Web中漫游来处理用户提出的复杂任务。而实现语义Web的一个关键技术就是RDF，由于RDF提供了资源的通用描述方式。语义Web的一个目标是突破虚拟世界的界限来控制现实世界，当咱们能够用RDF来描述电视机、电话等设备来实现对它们的协调控制的时候，想想那是多么美好的将来！

六． 结语 RDF为Web资源描述提供了一种通用框架，它以一种机器可理解的方式被表示出来，能够很方便的进行数据交换，RDF提供了Web数据集成的元数据解决方案。经过RDF的帮助，Web能够实现目前还很难实现的一系列应用，如能够更有效的发现资源，提供个性化服务，分级与过滤Web的内容，创建信任机制，实现智能浏览和语义Web等。固然，如今的RDF还处于标准的制定和推广阶段，要在整个网络上都实现用RDF来描述资源，还有很长的一段路要走，这须要各方面的共同努力。