語義Web環(huán)境下基于模型的數(shù)據(jù)溯源研究.pdf

1、當前的網絡環(huán)境正在向語義Web的美好愿景不斷擴展和演進。然而，數(shù)據(jù)源的不斷增長，信息流動的加快，數(shù)據(jù)在傳遞過程中的頻繁復制、演化，給信息的可靠性、真實性和可信度帶來了巨大的挑戰(zhàn)。被W3C稱之為語義Web最佳實踐的關聯(lián)數(shù)據(jù)發(fā)布越來越呈現(xiàn)如下特點:數(shù)量增長快，質量參差不齊，分布式發(fā)布使連接的復用越來越普遍，動態(tài)更新進一步導致數(shù)據(jù)的不一致。其根本原因在于起源信息的缺失。因此，在語義Web環(huán)境下，如何應用統(tǒng)一的數(shù)據(jù)溯源模型定位和查詢起源信息，如

2、何在相似網頁中辨別真?zhèn)危约叭绾卧陉P聯(lián)數(shù)據(jù)發(fā)布中增加溯源元數(shù)據(jù)，成為亟待解決的問題。
　　論文從目前語義Web研究中存在的瓶頸入手，以語義Web、數(shù)據(jù)溯源、關聯(lián)數(shù)據(jù)為理論基礎，以語義Web應用為研究目標，綜合運用文獻研究、調查研究、系統(tǒng)分析、比較研究、歸納推理和軟件工程等研究方法，在以下幾個方面進行了創(chuàng)新性探索:
　　(1)開展了語義Web環(huán)境下數(shù)據(jù)溯源模型的比較研究。討論了DCMI術語、OPM-O、PV、VoIDP、Pro

3、v-O等目前國外主要的數(shù)據(jù)溯源描述語言，從來源和目的、資源描述角度、主要服務對象和解決的問題、標注方式、詞表結構等方面分別對這些數(shù)據(jù)溯源描述語言進行了比較分析。
　　(2)構建了PROV模型的應用情境。在分析W3C數(shù)據(jù)溯源推薦標準PROV的基礎上，闡釋該模型的主要功能，深入解析該標準的核心要素，構建了PROV模型的Web應用情境并進行描述;總結出該模型的Web應用特征:可解析性、語義性和可追溯性。這些工作對于推進國內同行在該標準的

4、框架下，進行分布式環(huán)境下信息追溯和起源記錄互操作的進一步研究具有一定參考價值。
　　(3)驗證了PROV本體描述的起源記錄在未來Web應用中的語義表達和查詢服務問題。在深入解析Web應用中起源記錄的定位、傳遞模式、實現(xiàn)途徑和實現(xiàn)模式的基礎上歸納總結出Web應用中起源元數(shù)據(jù)的四類定位發(fā)現(xiàn)機制與兩類查詢機制。結合語義標注Web頁面和溯源信息表達技術，采用在線論文追溯案例，實現(xiàn)了包含RDFa語義標注起源記錄的HTML頁面顯示，并通過可視

5、化方式揭示起源，最后對案例中的起源記錄查詢服務問題進行了探討。
　　(4)提出了一種借助PROV本體自動化發(fā)現(xiàn)相似網頁起源關系的實現(xiàn)方法。針對目前大多數(shù)已有的網頁內容缺乏起源標注的問題，通過文檔的變化過程分析，將文檔定義為實體，并由多個語義屬性進行特征描述，采用基于語義相似性的聚類方法發(fā)現(xiàn)文檔間的變化關系，借助PROV本體發(fā)現(xiàn)文檔的特征變化和責任人。通過屬性識別抽取命名實體，建立文檔屬性的關系，鏈接到LOD云，借助通用語義本體發(fā)現(xiàn)