关联数据的对象共指问题研究.pdfVIP

1,2 1 ●刘媛媛 ，李春旺 (1 ．中国科学院 国家科学图书馆，北京 100190；2 ．中国科学院 研究生院，北京 100190) 关联数据的对象共指问题研究 Study on the Object Co-reference of the Linked Data 摘 要 介绍了关联数据对象共指的具体问题、特点及对应用的影响，总结了两类共指识别 方法并详细分析了两个共指管理系统，以便为相关研究提供借鉴。 关键词 共指识别 共指管理 关联数据 owl:sameAs Abstract Introduce the object co-reference in linked data, the details of problem, characteristic and the impact to the application. Include two methods to identify the object co-reference and analysis of two systems to manage the co-reference data, in order to provide a reference for related research. Keywords Co-Reference identification Co-Reference management linked data owl:sameAs 1 共指的概念 维基百科中共指 （Co-reference ）的定义是：在语言学中，当一句话或一个文档中多种 表达指向同一个事物时，就会发生共指，语言学的术语是它们有共同的 “指示物”。例如 Mary 说她会帮我，“Marry ”和“她”指的是同一个人。类似的，我昨天看到Scott 了，他在 [1] 湖边钓鱼，“Scott”和 “他”是共指 。共指的概念也同样适用于语义网，当来自多个数据 [2] 源的不同URIs 描述同一个非信息资源对象时，不同的URIs 是共指 。对象间的这种关系大 部分情况下通过属性owl:sameAs 连接。例如同一篇论文在Citeseer，DBLP ，IEEE 和ACM 中用不同的URIs 标识，URIs 之间通过owl:sameAs 建立连接。 共指不是一个新问题，它早就存在于语言学、情报学、数据库等多个领域。情报学中， 使用受控词表解决共指的问题，最著名的是美国国会主题词表 （LCSH ）。一个相关的研究 是数字图书馆领域作者消歧问题。数据库领域，当来自不同数据库的记录被融合时，需要解 决数据重复和不一致等问题。Glaser[3]指出，每当知识被记录时共指就会发生。随着关联开 放数据 （Linked Open Data ）项目的发展，越来越多的组织将自己的知识库发布为关联数据， 建立到其它数据源的连接。与语言学或其他领域的共指不同，关联数据中对象共指更复杂， 主要有以下三个方面的因素： （1）数据发布的开放性。任何人都可以将自己的数据发布为关联数据，与已有的任何 关联数据源建立连接。如果把LOD 中资源比喻为一本书，这本书的作者可以是任何人，作 者之间可能没有任何沟通。对于书中的一个对象，如“张三”这个人，不同的作者可能使用 不同的标识。 （2 ）数据与上下文无关。同一个对象可能被不同的组织，以不同的目的、格式发布为 关联数据。例如一篇文章被多个数据源发布，可能使用多个URIs 标识，虽然文章的内容、 作者相同，但它们有不同的元数据描述，因此使用信息时需要小心的处理上下文。 （3 ）通用的资源标识。语义网的目标是集成web 上机器可理解的知识，除了空节点外 所有资源被分配通用的 URIs 。早期的数据源使用自己的命名模式，不考虑与外部系统的交 互。而现在的设计者必须考虑标识的通用性，能够在全球范围内识别、使用资源。 本文为2010 国家社会科学基金项目“我国数字图书馆集成融汇服务方法研究”的研究成果，项目编号： 10BTQ004。 1 2 关联数据对象共指问题 关联数据中对象共指问题主要是由于信息的