面向VIVO本体的数据摄取工具.docVIP

面向VIVO本体的数据摄取工具 [摘要]介绍基于本体的科学家网络VIVO中的数据摄取工具，分析关系数据模型向RDF数据模型的批量数据摄取并与VIVO本体匹配的原理，阐述工具应用流程，为基于本体构建的信息服务系统或语义网应用中存在的异构数据摄取问题提供解决方法。本文还讨论了该工具的特色和存在的问题。 [关键词] VIVO 本体 数据摄取工具 SPARQL查询 An Data Ingest Tool for VIVO Ontology [Abstract] To provide an effective method to import the heterogeneous data into the information systems based on ontologies, this paper introduces an data ingest tool developed in VIVO which is a networking of scientists and is a semantic web application, including the principles and the working process in the data ingestion from relational data model to RDF data model and the data mapping with VIVO ontology. The characteristics and some questions in this tool are also discussed. [Keyword] VIVO Ontology Data ingest tool SPARQL query 当前基于本体的系统越来越多，本体已经按照概念和属性的规则定义了数据、按照三元组模式存储了数据，但在当前很多系统中，数据仍以不同的格式存在和存储，这就使得信息系统之间、数据之间的互操作、共享等成为很大的问题，目前的数据集成研究和工具应用几近成熟[1-2]，但还没有专门针对本体的数据导入工具产品。在建设基于本体的信息系统以后，需要把不同格式的数据导入到语义系统的数据库中；如果采用界面录入，将需要较大的人工成本，还不能完全保证数据的正确性。因此，一个强大的、面向本体的数据导入工具在当前语义网应用实施和维护中是很重要的。本文分析一个实用的面向本体的数据导入工具，这是在VIVO——一个面向科学和学术交流的科学家语义网络建设中，开发和应用的数据导入工具。在该项目中，该工具被称为数据摄取工具（Data Ingest Tool）。 1 VIVO项目概况 VIVO最初是康奈尔大学图书馆在2004年启动，农业和生命科学学院的生命科学而发展起来的在2007年利用RDFOWL、Jena 和SPARQL进行改造，目前覆盖康奈尔大学所有院系的教员、科研人员和学科的信息，分为人员、机构、学术活动和科研（）。2009年9月份美国7所大学联合申请，从NIH）的National Center for Research Resources）获得1,220万美元的资助，开放的科学家网络项目为期2年目前。VIVO建议每个机构自己创建一个当地本体来容纳机构数据和数据源的独特需要。利用VIVO提供的本体建设功能（Ontology List），创建一个新本体，并定义命名空间，添加类和属性，如类“人员”的数值属性PersonID、“机构”的数值属性OrganizationID。 （2）创建工作区模型来摄取和构造数据 在数据摄取工作区，选择“Manage Jena Model”（见图2）来创建两个模型，一个为摄取模型（ingest model），一个为构造模型(construction model)。这两个模型还提供模型导出功能，文件为RDF格式。 （3）把外部数据文件转换为RDF 选择“Convert CSV to RDF”（见图2）把整理好的、存放在相关位置的CSV文件如people.csv转换为某一命名空间的RDF文件。需要考虑命名空间、类名，以及选择的摄取模型。资源的命名空间将一直跟随着资源，所以它最好与所创建的当地本体的命名空间一致，而类和属性的命名空间在这一步都是暂时的，因为在下面的步骤中它们将转换到本体的格式。类名在这一步也是暂时的，也将变更到本体的格式。转换是否成功，可以通过在系统的所有类中查找到新导入的类（包括实例）的方式来检查，或者，通过输出摄取模型来检查。 （4）匹配表格数据为本体格式 收集属性、类和其他相关的URI，来作为匹配的标准。首先是获取被摄取数据的URI：打开“Manage Jena Model”，在创建的摄取模型中，选择“output mode