关联数据入门——RDF应用

引言

语义网，说白了就是数据的网络——不是让数据被某个应用锁死，而是让它们自由流动、共享。但它的野心不止于此：它试图把数据与现实世界联系起来，让人类和机器都能读懂数据背后的含义。用一句更精炼的话来说：

The Semantic Web isn't just about putting data on the web. It is about making links, so that a person or machine can explore the web of data. ——Linked Data Design Issues . Tim Berners-Lee

关联数据（Linked Data）是语义网目前最接地气、最可行的实现方式。它基于RDF数据模型，用URI（统一资源标识符）给数据实体命名，然后通过HTTP协议发布和获取这些数据。关键点在于：它不只是把数据扔到网上，而是强调数据之间的相互关联、相互联系，以及那些对人类和机器理解都至关重要的上下文信息。

Linked data is a set of best practices for publishing and deploying instance and class data using the RDF data model, and uses uniform resource identifiers (URIs) to name the data objects. The approach exposes the data for access via the HTTP protocol, while emphasizing data interconnections, interrelationships and context useful to both humans and machine agents. ——Linked Data FAQ . M.K. Bergman

语义网本身是个庞大的工程，伴随各种技术难题，更像一个长期愿景。而关联数据作为一套可落地的实践方法论，成了当前实现语义网的最佳选择。

RDF的特点

资源描述框架（RDF）是XML的一种衍生，也是关联数据的基本数据模型。蒂姆·伯纳斯-李在设计它时，要解决两个核心问题：

• 怎么设计一种语言，既方便学习、容易传播，又适合标准化？
• 怎么为离散数据设计入口和出口？

为解决这两个问题，RDF有几个关键特性：

• 使用XML作为基础语言
• 用URIs作为现实事物的名字
• 用HTTP URIs让人们知道如何通过网络找到数据（离散数据入口）
• 包含与其他URIs的联系，让人们能顺着链接找到更多相关的东西（离散数据出口）
• 用三元组（Triple）形式存储数据

顺便提一句，有些RDF版本（尤其是早期版本）并没有使用XML，但主流版本还是以XML为基础。

一个简单的RDF例子

下面是一个典型的RDF代码片段，用XML语法描述一个资源：

World Wide Web Consortium

你把这个代码扔到W3C的RDF验证服务里，会得到这样一个三元组表格：

那么，这到底是个啥？

三元组（Triple）是RDF数据模型的基本单元。顾名思义，就是“主-谓-宾”结构（Subject-Predicate-Object）。就像人类语言中的陈述句：

• Tom是个男人
• Tom住在一个红房子里
• Tom和Lili结婚了

这种表达方式天然有强大的数据存储潜力——人类自己就是靠这种形式传递信息的。但问题来了：对人类友好的句子，机器不一定买账。比如“Tom是个男人”这句，谓语“是个”对宾语“男人”的限定不够严格，机器理解起来容易打架。所以，需要写成更规范的模式：

• Tom（Tom） sex（性别） man（男）
• Tom（Tom） house（房子） red（红色）
• Tom（Tom） wife（妻子） Lili（Lili）

回到刚才那个三元组，它表达的意思就是：

1. 主体是 http://www.w3.org（HTTP URI 映射到现实事物，所以可以理解为“这是一个关于某事物的描述”）
2. 谓语是 http://purl.org/dc/elements/1.1/title（这是都柏林核心元数据里的一个属性，用来指明资源名称）
3. 客体是 World Wide Web Consortium（也就是这个资源的具体名字）

别人是如何获得RDF的？

下面的图说明了整个流程：

• 首先，客户端对HTTP URI发起请求。
• 普通浏览器的HTTP请求头通常包含 text/html、application/xhtml+xml 类型，所以服务器会返回常规的HTML/XHTML文档。
• 而语义浏览器（或专门的数据抓取工具）会发送 application/rdf+xml 类型的请求头，服务器收到后，会进行303重定向，返回对应的RDF文件。

这意味着，同一个HTTP URI可以有两种不同形态的返回结果：一种是给人类看的文档，另一种是给机器读的数据。这样一来，就建立了两套网络——一个是我们熟悉的文档网，另一个是面向机器的数据网。两者相辅相成，各司其职。