本站新址：www.kevenlw.name

SOA/Web服务的特点是灵活，平台和语言独立，服务可以通过简单的、设计良好的界面在Internet上发布和提供，服务效果和效率都有一定的保证。然而SOA/Web服务的架构目前还不成熟，仅仅依靠目前Web服务的一系列标准，对于语义互操作是不够的，困难至少有如下一些：

• 缺乏对于“内容语义”信息（作为传输对象的语义）的描述机制（语义本体）；
• 缺乏对于“服务语义”（描述服务过程和行为的语义）的描述和共享机制（服务本体）；
• 缺乏发布和共享相同或相类似的服务，使同类服务尽可能得到重用而不重复的机制（注册体系及本体的建立、转换、映射、融合的机制）；
• 缺乏服务前提条件以及服务后果的描述；
• 缺乏对自由组合的服务的质量控制和保证机制。

对上述困难的解决办法是进一步定义一些语义标准，使基于本体的语义互操作体系架构得以规范化。本项研究的努力也在于此。

本体的应用也存在问题：

本体目前被普遍用来对于领域知识或领域知识之间的联系进行形式化的表示，其理论和实践工具逐步成熟，成为建立系统内和跨系统互操作，特别是语义互操作不可缺少的工具。然而本体的应用有两个困难：

1. 本体建立的门槛过高。能够掌握本体建立方法、形式化方法和工具的不可能是普通用户，而且一般的专家都不行，需要“跨学科”专家，起码是建立本体的团队需要懂得领域知识和本体知识，可能还要有足够的计算机基础。这带来两方面的问题：本体普及的困难同时代价高昂，以及本体方法不可能广泛普及。

2. 获得对领域知识的共识是一件非常困难的事情。领域知识的丰富多彩，内部的不一致、不统一、相互矛盾的问题，多种“学说”、“学派”共存的问题，等等。

这些问题也带来本体的管理、版本控制、映射/翻译/合并拆分的困难。

对于上述问题，可以采取1、专家建立标准、大众使用的模式；2、允许容错，建立“半形式化”本体的方法来部分地解决，要知道a little semantics goes a long way，虽然不完美，但是根据20/80定律，仍然也能解决绝大多数应用中所需的语义互操作问题。

本体与SOA作为一种方法论和体系架构，现有的技术成果可能并不能完全解决语义互操作问题，还需要有所发展。但是已经是我们看到了解决数字图书馆语义互操作问题的曙光。

面向服务的架构SOA最早是Gartner公司于1996年就提出了，但是它的广为传播却是由于近年来Web服务的兴起和普及。SOA从本质上说是一种理念和体系架构，而Web服务为其提供了可操作的实现手段。尽管Web服务不必以SOA方式实现，并且SOA也可以不基于Web服务，但是目前业界普遍承认Web服务是实现SOA的理想方式。Web服务提供了一整套相关技术（当然还不够），例如XML、简单对象存取协议（SOAP）、和Web服务描述语言（WSDL）、发现和集成（UDDI）等等，这些技术为Web服务自身的消息传送和接收，以及消息传输协议的绑定提供了灵活的、可扩展的语言支持，能够帮助人们针对具体的消息和应用找到编程的方法，从而实现SOA架构所提出的理念。因此，Web服务又可以看成是一系列的标准规范，而SOA是一系列的设计原则。这两种技术目前在应用中正互相促进，发展势头迅猛。

由于SOA和Web服务的上述特性，非常适合于用于实现数字图书馆的基于本体的语义互操作。

1. 数字图书馆语义互操作是一种逐步进化的、分步实施的、分散维护的应用。
2. 数字图书馆语义互操作需要支持时时更新的、多线程并发的、组合型的、实时的应用；
3. 数字图书馆语义互操作在系统建立时需要支持“事件驱动架构”（EDA: Event-driven Architecture），而SOA与EDA具有很好的互补性；
4. 灵活的业务流程管理需要同时支持SOA和EDA。

SOA是一种软件架构，由一组独立的、自我描述的服务组成，并能够通过标准的方式进行访问。服务在其中作为粗粒度的，可被发现的，自解释的对象、实体或者构件，可以与其它服务或应用进行交互，并且常常是通过松散耦合的、异步的、基于消息通信的方式进行交互。各个单独的服务即可以独立提供服务，也可以组合成完整的服务过程[1]。

SOA也可以看成是服务与用户之间的一种联系，每个服务模块都能够独立完成一定的功能，用户（通常是软件代理）通过服务界面（中的名字）进行调用（通常是通过请求-回复的消息机制）。一般说来，SOA非常适合解决Internet环境下的不同应用之间的业务集成问题，这个环境具有以下特点：

1 异构信息系统都是具有独立功能的实体，相互之间只具有松散联系。
在Internet这样松散的使用环境中，任何访问请求都有可能出错，因此任何企图通过Internet进行控制的结构都会面临严重的稳定性问题。 SOA非常强调架构中提供服务的功能实体的完全独立自主的自我管理和恢复能力，比如事务处理(Transaction)，消息队列(Message Queue)，冗余部署(Redundant Deployment)和集群系统(Cluster)在SOA中都起到至关重要的作用。

2 基于文本的消息传递
传统的组件模型二进制编码在服务器和客户端之间传送对象，客户端通过对象调用实现某些功能。但是在Internet环境下，平台、语言和数据的异构给不同的服务之间传递对象带来的很大困难，由于基于文本的消息本身是不包含任何处理逻辑和数据类型的（或者说其包含的逻辑和数据定义对于传输过程是没有意义的，由接收方进行解析），因此服务间只传递基于文本的消息，具有最大的适应性和兼容性。
并且对于一个服务来说，Internet上各类服务和有关定义信息的版本管理几乎只能采取基于文本的消息传递方式，一方面服务使用方无法事先得知服务提供方的版本更新情况，但可以选择“兼容”的版本；另一方面可以只选择处理自己所需的，或者所能够解析的那部分数据，而忽略其它的数据。

3 海量数据的低频次访问
对于传统的分布式计算而言，通常都是通过函数调用的方式进行资源调用，一个功能的完成常常需要客户端和服务器来回多次。在Intranet环境下多次调用往往产生难以预计的后果，因此SOA系统推荐采用大数据量的方式一次性进行信息交换。

SOA具有以下六方面的优点：

1. 定义界面和数据结构的标准简单；
2. 语言和平台独立，基于标准，允许应用调用任何设备、基于任何软件和操作系统的服务；
3. 服务界面与应用分离，允许许多服务自主升级而不影响用户使用；
4. 面向消息的通信可以在广域网上提供分布式服务；
5. 服务之间的松散耦合，使服务之间的相互依赖最小化，有利于服务的重用；
6. 服务的发现机制，以及建立服务连接、组合服务的能力等。

使机器能够处理“语义”是目前信息系统互操作所追求的最高目标。硬件平台能够“兼容”，通信协议取得一致，数据格式得到通用，软件系统也实现了“跨平台”，只剩下一个问题：信息内容的“语义”（即“意思”）经过传输之后，能否得到理解，怎样得到理解？得到理解的条件是什么？如何保证理解不走样？

对于具体的数字图书馆或者一个封闭的系统来说实现语义互操作可能并不难，即使是考虑到足够的灵活性和可扩展性，采用开放的软硬件平台，通过一系列严格定义的标准规范也能做到，例如传统的情报检索系统，或者用数据库系统实现的信息系统，都具有良好的语义一致性。但是在开放的网络环境中就不那么容易了，语义的规定不受同一控制，互操作要顾及各个层面，标准规范的制定和执行，永远是滞后的，标准规范使用的范围，永远只能在有限的领域范围内，其“效力”也不可能是强制的，其内容也不可能兼顾到方方面面，等等等等，这些因素，造成标准规范作用的局限性。

因而除了所需的各种标准规范之外，我们还需要一定的系统架构来保障语义功能的实现。这种架构就是面向服务的架构SOA，其主要实现形式为Web服务。

传统上互操作是指“不同平台或编程语言之间交换和共享数据的能力（Interoperability is the ability to communicate and share data across programming languages and platforms）”。为了达到“平台或编程语言之间交换和共享数据”的目的，需要包括硬件、网络、操作系统、数据库系统、应用软件、数据格式、数据语义等不同层次的互操作，问题涉及运行环境、体系结构、应用流程、安全管理、操作控制、实现技术、语言、数据模型等。数字图书馆所要解决的互操作问题，重点在信息系统之间的互操作。据上述对“互操作”的定义，信息系统之间的互操作可以定义为“不同的信息系统之间共享信息或依据所共享的信息而做出行为的能力”*，包括数据、信息和系统层次的互操作，但不包括硬件、网络和操作系统层面的底层互操作。

信息系统的异构是一种状态，而互操作一般而言必须是一种交互行为：一方提供服务而另一方接受服务，其中必然包含两个系统（实体）之间的信息交流过程，否则就不是互操作。例如一个椅子靠近一个桌子，或者安装于同一台电脑上的两个毫无关系的软件，就不存在互操作。

作为一种行为，信息系统之间的互操作可以分为设计时(design-time)互操作和进行时(run-time)互操作。顾名思义，设计时互操作是指系统之间的互操作在系统建立阶段已经根据明确的需求进行了设计，而进行时互操作需要等两个异构的系统有进行交互的需求的时候，例如检索提问式实时分发到不同的系统的时候，才进行互操作。可以看到，设计时互操作比较适用于封闭的、成熟的和集中式的信息系统或领域应用，其在数据格式、语法、语义、服务质量等方面都是可控的，而运行时互操作更加适合于开放系统，如数字图书馆所存在的互联网环境，相对来说实现起来非常困难，在目前还没有很好的解决方案。本研究的主要目的就是在建立数字图书馆领域应用设计时互操作架构的基础上，探索动态的运行时互操作的实现机制和方法。

这两种类型的互操作都需要建立在大量的标准规范的基础上，进行时互操作除了与设计时互操作一样要求有关数据结构、格式、语法、通信协议等静态的标准规范之外，还需要更多的服务过程、组合、注册、发现等方面体系规范。数字图书馆对于不同资源库的整合，实现统一检索或联邦检索，大多都是进行现有各种资源站点的系统层面的静态整合，整合结束之后，如果有新的系统加入，又要对原有整合系统进行调整，增加索引或修改服务器设置等。要实现“事后的”“动态的”运行时互操作，必须在体系架构和解决方案的模块设计方面进行整合（integrated solutions），而不能停留于系统层次（integrated systems）。

*Carney, D.; Smith, J.; & Place, P. Topics in Interoperability: Infrastructure Replacement in a System of Systems Pittsburgh, PA: Software Engineering Institute, Carnegie Mellon University.

定义7：对于本体五元组O(T,V,I,F,A)，建立由T到V的映射的过程，即ξ:T→V，称为语义化过程。

直观地说，语义化过程就是为元数据方案建立相互之间联系的过程，主要有如前所述的三方面的联系：资源库之间、资源之间和元素之间的联系，资源库之间的联系可以看成局部本体构成全局本体，资源之间的联系是建立局部本体的过程，元素之间的联系是建立元数据方案（即元数据应用纲要，为资源库C规定所有的元数据应用纲要AP_r1, AP_r2…AP_rn，以及为每一类资源R规定属性元素P）的过程。正是这些联系使数字图书馆建立起资源之间的语义模型，仅仅是术语T的规范化只能提供规范的元数据方案，而不能提供整套的语义架构。

语义化的核心是为具体的数字图书馆应用建立领域本体，使领域本体发挥作用，也即建立具体数字图书馆的语义模型。满足数字图书馆的语义功能需求有赖于整个语义架构的设计和实现。本研究的目的即在于探索语义架构的组成，并为其设计和实现提供方法论支持。

去年大约这个时候，去北京参加了一次共享工程会议，当时感到有些话不吐不快，可“吐”了又不好，正好在悉心经营博客，于是都倾泻在博客上了。

巧的是时隔整整一年，前几天又去北京开共享工程会议，回来后依旧郁闷，都是好人哪！从高层领导到普通职员，特别三位主任副主任，焦虑之情溢于言表，心急如焚以至于坐立不安。可是为什么好事情就那么难办好呢？

作为特邀“专家”赴会，没能出什么好主意，实在实在是有愧的紧。虽然技术人员常常扮演“关键先生”的角色（这一年多的实践又是这样），然而问题还不是出在技术上的，而是制度和管理上的，这几乎已成了颠扑不破的真理。 所以虽然对目前的技术路线存有疑问，但这样的小事还轮不到担心。

最大的一个担心倒是观念上的：领导的话到底应该如何去听？哪些话该听哪些话不该听？现在最高领导都重视共享工程了，部领导抓得紧，指示一个接一个，从战略目标到具体措施，如果都听，真还办不成事。只要领会了精神，把事情办好，有些话不照领导说的办，有关系吗？当然如果只希望保住乌纱帽，不负责任，虽然事情是肯定办不好地，倒不失稳妥，呵呵，现在大家都这样。

比方说技术方案，领导说不能另起炉灶，必须在原有方案的基础上，利用原有的架构是基础，总结原有方案的教训也是以原有方案为基础，在我看来原有方案是肯定没法用的。比方说对于为农民服务，我就非常赞同LDL馆长的意见，必须根据当地具体情况，以基层图书馆为依托拓展服务。

翻开去年的博文，实在佩服自己说的真有道理，许多东西依旧没有改观，实在也很难再增加些什么，于是原封不动附在后头吧，重温一下。

附去年的博客文章（含评论及回复）：

对共享工程有话要说

前几日参加了一个会 议，有关全国文化信息资源共享工程，感到我们国家的各级领导都非常急切地想把事情做好，真正为老百姓多办点实事。特别是两办发文以后，更舍得花钱了。但以 我们的经验似乎总是事与愿违，很好的事情一到下面就走样。回顾以往，我们这个行业很难找到成功案例，许多项目虎头蛇尾，转型变调，甚至被人利用。原谅我就 不举例子了。人们不禁要问：这是为什么？

目前已经不能用领导不 重视、资金不充足、人才不得力，技术不成熟等借口来解释了，国家现在对文化事业的重视超过了以往任何时期。当然我们一方面不能满足，但另一方面我们必须要 有作为才能有所地位。共享工程已启动三年，两办发文犹如一剂补药，然而如果一些根本问题没有解决，可能不会得到应有的效果。
目前有如下几点我感到有话要说：

1、定位清楚

这四个字说起来容易，争论起来没完没了。项目的目标和定位必须成为这个项目上上下下耳熟能详的东西，必须作为一切决策、运营、执行和服务中的原则和准绳。

据我了解，中央领导已经给共享工程明确定位：为三种人服务：1）农民；2）未成年人；3） 弱势群体。并将该工程定位于传播先进文化的公益性事业。这就对资源建设和最终的服务提出了明确的要求，资源建设从内容到形式都必须是这三种人所喜闻乐见 的，服务方式也必须强调对这三种人免费。而免费就会有人不高兴，或不乐意，工程的实施就常常会背离初衷，会走样，因而工程要想办法协调好与各种利益集团之 间的关系。

2、目标明确

项 目的目标涉及到工程的可持续发展问题。工程到底是个什么东东？项目总有个结束，结束之后成为什么？网站？网络运营商？资源提供商？服务平台提供商？还是兼 而有之。共享工程的网络是个全国范围的局域网（合适吗？仅仅为了规避资源的法律问题？没有其他办法？）？还是什么？我的想法，应该是个数字图书馆，是我们 文化领域的公共数字图书馆或者数字公共图书馆。谁说数字图书馆不能是一个网站？现在什么服务不是通过一个互联网门户进去的？况且共享工程还必须依托大量的 各级图书馆，特别是基层图书馆进行各种服务，最有特色的就是数字参考服务，网站倒是忽略或者无法进行大量人工服务的。共享工程与我国的公共图书馆事业有一 个非常良好的互动、互相促进的关系。谁说数字图书馆不能收藏剧团、影视等多媒体资源呢？只是碍于现有体制，没有收藏罢了。从图书馆的社会职能和定位来看， 不收藏反而是不应该的。而且对照国内国外，高等教育系统的CADLIS，科技系统的CSDL，以及美国的NSDL和DLF等全国性的联盟，我们的公共图书馆的数字图书馆一直没有一个体系，共享工程正是一个机遇。

3、规划得当

这主要是一个”技术”层面的事情，但是必须要认真对待，有时各个层面的规划计划要占到项目实施的一半时间。其中该有两个原则：1）足够公开、开放，吸取各方意见，特别要专家主事；2） 严格按程序办事，不能在执行过程中随意走样。如果要更改也要经过一定的管理程序，形成新的补充文档。这可能是项目管理层面的事情，有时严格按照项目管理学 科所规定的条条框框去做，似乎显得繁琐，然而却是很有必要的。可能我们文化部的项目没有这种习惯，为什么不能聘请一个有高级资格认证的PM呢？可能不一定适应我们的文化，但是事情总有个开始，以我的迂腐之见，总比没有好吧？

4、组织有力

” 政治路线确定之后，干部就是决定的因素。”对于共享工程，项目组织最重要的在于明确各方的关系，目前还有不少模糊的地方，涉及到信息资源的权利明确、管理 上的责任义务，等等。例如工程管理中心和国家中心之间的关系（包括资源使用的关系，到底属于无偿租用，还是永久占用？这其中就涉及到不同资源的服务边界问 题）；国家中心和各省市自治区中心之间的关系；基层服务点与图书馆的关系（大量的基层服务点并不是图书馆网点，要图书馆去管理，必然有问题）；基层服务点 与主管部门关系（工商、税务、公安等不认）等等。这个问题也涉及可持续发展，应该尽可能清晰地明确下来。

5、利益驱动

各参与方都是有自己的利益的，项目需要保障各方利益，才能获得自己最大的利益。这里面有两个问题需要把握：1）明确自己的利益，不要变来变去，而且上下一定要统一。如果”自己人”在一个项目中有不同的利益就麻烦了；2）与各参与方的利益关系要以明确的形式固定下来，例如合同、协议等等，以免口说无凭，后患无穷。

6、有限目标

同时不可太急功近利。英国UKOLN在最近发布的一篇”最佳实践指南”（http://www.ukoln.ac.uk/interop-focus/gpg/）中说项目的目标应该符合SMART原则，即：

# 专指度Specific: expressed singularly目标的表达具有单一性（相比较我们的许多项目目标的表达非常的”综合”"艺术”，可以各种解释，莫测高深）。
# 可度量Measurable: ideally in quantitative terms
# 可接受Acceptable: to stakeholders被所有相关利益人（领导、参与方、用户等）接受
# 现实性Realistic: in terms of achievement（目标可以被达到，而不是虚拟的、长远的）
# 时间确定Time-bound: a timeframe is stated（必需在一个时间段内完成）
技 术要讲求性价比，对于共享工程关键是两头：资源建设和最终服务，这两个方面必须下力气，资源建设要考虑长期保存、一物多用；最终服务不一定要采取最先进的 网络全自动方法，辅之以许多人工的群众运动也很好，只要效果达到，群众喜欢，得到实惠。对于网络体系架构技术发展很快，价格变化大，应以利用其他网络提供 商提供的服务为主，（例如有线电视，与之合作，租用他的频道，将来租用他的数字频道，用他的机顶盒）。很多东西都是我们不可控的，就外包出去。

- 作者： kevenlw 2005年03月11日, 星期五 10:58

回复

- 评论人：lily Thu May 26 15:52:43 CST 2005

单 位实施工享工程也有一年的时间了。我现在收到的走进农村信息是开通的时候装的其它信息停在2004.12.21，只有视频的东西能够正常接收，但有一个问 题就是无法保存下来。我们是一个县的公共图书馆，本来想在这方面走出一条服务于农的路子来，但太难了。当然有自身的原因，但共享工程资源本身也存在很多的 缺陷，起码搜索引擎方面就没办法。想来实施了的朋友都有同感。

- 评论人：keven Mon Mar 14 08:26:38 CST 2005

谢 谢！我也同意您的观点。但是目前大多数图书馆搞的数字化，我认为基本上是一种浪费，不具有系统独立性（例如完全依附于某些软件，资源不能重用，长期保存更 是奢谈，而且硬件设备三五年内就废了），如果再不能贴近用户，积极服务发挥作用，将更是一钱不值。我们在图书馆事业上的投入/产出比远远逊于国外，这一点 与其他“国有”行业的投资一样，又是一种大干快上的恶果。结果只能是多了些年终报奖的材料，以及肥了某些公司和个人。

- 评论人：罗布泊 Fri Mar 11 12:21:44 CST 2005

我极同意您的这个观点！结果虽然会如此，但是概念的“炒做”毕竟是能够从大财政口袋里掏出钱来“捷径”。不少中西部地区的公共大馆因此补上了多年“数字化”欠帐。这也是一件大好事吧？

定义6：对于一类资源R，其属性元素P_r 的数量是有限的，P_r的集合可以表达为形式化的元数据应用纲要（Application Profile）AP_r。

具体的数字图书馆应用系统所要揭示的资源种类及每种资源的属性总是有限的，因此元数据方案的属性元素数量是有限的，对其进行较为严格的形式化规定也是可能的。目前元数据的研究最活跃的就是不同领域对于元数据属性元素集合规范的研究和制订，推出了大量的元数据标准规范方案，然而对于这些方案在形式上的约定还没有很多成果，DCMI提出的元数据应用纲要（Application Profile）是目前的一种较为成熟的形式，《都柏林核心元数据应用纲要使用指南》[1]已经被欧洲采纳为CEN CWA14855标准，并且这个标准已经被DCMI之外的领域所采用，例如IEEE/LOM、DOI、MARC/MODS等。但这个标准还只是一个初步的、主要供人阅读和使用的规范，正式的、支持机器处理的、严格精确的应用纲要尚未编制完成。

本文所提出的语义架构实际上也是对应用纲要的进一步限定和扩展，如果把一应用纲要为基础的元数据方案看成是一种简单的本体的话，完全可以采用形式化的人工语言例如OWL进行编码，这是实现元数据方案自动或半自动转换、映射服务的基础，在此基础上数字图书馆基于本体的语义架构以及基于Web服务的服务合成才能建立并发挥作用。

定义5：对于资源库C中的每一类资源R，如果存在属性P_r∈V，有属性值M_r∈T，或存在映射函数F: M_r→T，就称为M是资源R基于本体O的元数据。

任何一套元数据方案都对数字图书馆应用中的一种或多种实体进行了属性元素的定义，如果在形式上进行一定的约束和规定，构成一套相互关联的属性元素及相互关系的规则集，并使其能够具有一定的一致性和完整性，这已经形成了一个初步的本体。

这是一个对“基于本体的元数据”最低程度的定义，即只要符合下列规定，即可称为该数字图书馆的元数据基于某个为其制订的本体（该本体主要由一整套经过规定的元数据方案构成）：

• 所有的数据元素（即属性）均为这个本体中的关系V集合的成员；
• 所有属性词均为这个本体中术语T集合的成员；
• 某些元素的属性值取自于规范词表，这些规范词表也是术语T集合中的成员；
• 或者某些元素的属性值与规范词表存在一定的关系，例如规范词表约束了属性的表达方式（例如符合RFC8601表达的日期形式）。

如果所有属性元素P都取自V，所有元数据值或某些属性的所有元数据值（如主题词、分类号等）都取自规范词表(∈T)，就属于规范程度比较高、比较严格地基于本体的元数据应用（数字图书馆）。进一步地，如果整个数字图书馆的应用模型和概念体系架构（包括数据类型、势或其它约束）能够以OWL/OWL-S或其它本体语言进行描述，则可以称之为严格的基于本体的数字图书馆。

定义4：本体O为由术语T，关系V，实例I，函数F和公理A构成的五元组O(T,V,I,F,A)。

本体有很多定义，人工智能领域把本体作为一种知识建模的工具，定义为领域知识的“显式的概念化说明”[1]，并认为完整的领域知识应该包括5个方面的要素组成：

1. 类T（这里称为“术语”，似乎不太严格，对于数字图书馆中可以称为术语，更一般地应该称为“类Class”，由类名表示，是类名的集合）：除了包括表达事物的一般意义上的概念，用来表达关系、功能、任务、行为、策略、推理过程等等的概念也在这个集合中。即凡是领域知识中用到的表达为术语的概念，都属此列。例如“题名”虽然表示一种属性，属于资源之间的关系（或谓词，即五元组中的V），即某个资源的“名称”是一个字串或另一资源，但这个术语（同时是个类名）是属于“类”的。
2. 关系V：表示类之间的关联，是个抽象的集合，具体的概念术语表示形式入类。例如用、代、属、分、参的关系，或面向对象分析中的13类“标准”的关系（一时没有查到出处，如有谁知道，多谢告知），或者任何元数据方案中的元素都是表示资源之间的关系的。可以用V₁×V₂×…× V_n来表示术语T _1,T_2,。。。,T_n之间的n元关系。雨师说这个最重要，真是说对了！数字图书馆中所需要揭示的所有关系，包括资源库之间的关系（表现为本体之间的关系——这里面好像有嵌套关系：本体包含本体）、资源之间的关系（表现为元数据方案之间的关系）、以及属性之间的关系（表现为元素之间的关系）都需要进行规范。语义架构实际上就是对这三个层次关系的规范。
3. 实例I：即数字图书馆中的所有资源，都是实例。每个资源至少用一种元数据方案的一种元素进行过描述。当然作为工具本体的常常把实例分开存储，不包含在内，这样本体就是对于领域知识的一种抽象，领域知识本身是个数据库或者知识库。
4. 函数F：是一种特殊的关系，即通过其它关系可以唯一地获得的关系。例如第k个关系可以由前面k-1个关系通过函数F获得，就可以记为：F：V₁×V₂×…× V_k-1→V_k。
5. 公理A：表示领域内的永真式，可以用来说明函数之间或关系之间存在的关联和约束。

函数和公理也并不是所有的数字图书馆本体都需要，较为严格的体系化的领域知识，例如涉及一致性、整体性维护和机器推理的一些知识库，常常需要这些描述，而且功能的实现还有赖于系统开发和专用工具的支持。大多数数字图书馆只要应用了基于类和关系描述的本体，就能够实现基本的语义功能了。因此也有将本体定义为三元组：O(T,V,L)，其中T为所有论域中的概念的集合，V为建立在T上的关系的集合，L为对所有V的约束的集合。

定义3：元数据元素P为资源R的内容（语义）属性，对于每一个r∈R，有P:M_r→r。M_r 为资源r的属性P的元数据（值），且M_r∈R。

元数据是关于资源的某一方面的属性，人们对于某一类事物（实体）的认识往往通过比较它们的相同属性而获得，因而常常同一类事物从某个角度去看可以归纳出一套属性集合，不同的角度可以有不同的属性集合，这就是元数据属性集，可以分别构成元数据方案。例如人的生物学属性可以包括身高、体重、肤色等等，而社会属性可以包括职业、单位、家庭等情况。

具体事物的属性可以通过赋值而使其有意义。在数字图书馆中，实体的属性值可以是具有一定数据类型的数据，根据数字图书馆的结构模型，也可以是具有id（在互联网中通常是URI）的另一个实体，即另一个“资源”。这个资源同样是数字图书馆中的内容（是不是属于该资源库，或者该“数字图书馆”，取决于该数字图书馆的开放性，即id的管理与调度的范围是否能够延伸到更大范围的网络中），即M_r∈R。

这样，资源、资源的属性与资源的属性值就构成了一个语义说明的模型：一个典型的RDF三元组结构：

资源—(属性)—→属性值，例如： 数字图书馆语义互操作—(作者)—→Keven

逻辑表达式P:M_r→r说明资源r的属性P的值是M_r。P用作谓词，→表示“蕴含”。也就是说，对于属性P，M_r 就代表了资源r。如果检索值为M_r 的命中结果，肯定包含r。

这里有一个定义困难，即什么是“内容（语义）属性”？元数据可以为了任何用途，描述信息资源的任何属性，甚至描述信息资源利用过程中的功能性、辅助性属性，不仅仅是资源内容的“语义”，例如数据格式。这些属性在某些情况下确实是用户所需要知道的。所以在这里我们并不明确区分哪些是语义属性，哪些不是，而将这个问题留给具体的数字图书馆建设时进行指定。哪些对于用户有意义的，或者要直接呈现给用户的属性，都属于“语义属性”，都是我们提出的数字图书馆语义架构中的内容。

元数据的“值”照理说不是“语义架构”所能够关注的问题。试想，一个数字图书馆中的海量资源，每个资源具有大量的属性元素，每个属性元素所具有的值几乎是不可预测的。

然而这一块正是现在的Web、语义Web和所有Internet上的应用所最缺少的，也是我们图书情报科学最早提出的、最拿手的，即“规范控制”。网络信息缺乏可信度，关键在于没有实现有效的规范控制机制，没有基本的规范控制手段，传统的图书情报规范控制方法也肯定不能适应现在的网络应用需求，必须把合理的思想，与先进的网络技术结合起来。

• 思想一：取值来自于封闭的规范词表，例如分类词、主题词等，词表由另一套机制进行维护。
• 思想二：取值来自于开放的权威档，例如人名、地名，权威机构赋值，开放使用。
• 思想三：自由赋值，建立到权威档/规范体系（scheme）的关系，例如相关关系，同义关系，包含关系、从属关系等等，当然首先系统要支持这些“关系”的定义和描述。建立关系的过程和方式可以多种多样，先组后控、自动人工都可以。实际上现在的Tag就是这种思想，只是还没有完整实现和全面实施。

属性（元数据元素）和属性值的规范控制是本文提出的数字图书馆语义架构要实现的重要内容。

定义2：每个数字图书馆是一个论域(discourse)D，由资源库C₁ C_2。。。C_n（Collection）组成，资源库C_i是资源R_i（resource）的集合C_i(R_i) 。

独立异构的资源站点之间的互操作是数字图书馆所要解决的重要问题。数字图书馆不单是具有一定内容主题、功能和服务的数字化资源的集合（论域），或者说“是在有效管理下的数字对象（内容）以及对这些数字对象进行存储、发现、检索、保存等一系列服务（操作）的集合”（见高文《数字图书馆——原理与技术实现》p.111），更是对网络中不同资源库提供统一检索、统一用户视图的资源门户。

独立异构的资源站点（资源库）分别有自身的业务模型和数据模型，提供能够满足各自需求的多种服务。它们对用户的服务接口，包括元数据属性、检索功能以及服务协议等，可能都各不相同。根据目前的技术，数字图书馆要在它们之上建立一层统一的用户视图，提供统一的服务工具，必须根据数字图书馆的服务要求进行分别的处理。目前常用的做法有：

（此表待完善）

统一的服务必然在资源内容、揭示方式和服务方式等各方面牺牲特殊性，只是满足粗粒度的、大范围的信息浏览、定位和查找，可能无法满足许多个性化的需求。例如对于地理信息、生物信息、数学公式等特殊学科领域方面的内容，还是需要专业信息系统提供。

本研究的目的正式满足一般的、宏观层面的信息系统的互操作，把互操作的重点集中到信息资源内容的语义上来。因此并不想提出一个新的互操作协议，或者更完善的信息内容揭示方法，而是综合现有的各种可能用于互操作的协议，以及使现有的各种内容描述、揭示方法更加一般化、模型化，满足信息系统之间高层语义交互的需求。

定义1：资源R为有标识的任何实体，是数字图书馆的基本逻辑单位，记为R(id, E)。

数字对象是数字图书馆的结构要素，根据Kahn/wilensky结构，数字对象是由句柄（handle）、元数据和数据组成，元数据和数据都可以指向另一个实体。因而如果我们可以把组成数字图书馆的最小结构单位定义为“信息资源”(简称资源：Resource)，可以认为这种资源可以是具有独立含义的具体的实体存在，也可以是一个只有独立标识（Identity或简称ID），元数据和数据都指向外部其它实体的虚拟的实体。只要在逻辑上独立存在，不管粒度、构成如何，是否具有包含、嵌套甚至递归关系，都是数字图书馆的基本组成单位。 

因此可以看到，构成数字图书馆的资源的结构是非常复杂的。对于具体的数字图书馆来说，其基本结构单位的“粒度”是根据其功能要求而“认定”的，没有绝对的臧否对错。一旦认定，在逻辑上有一定联系、具有独立标识、包含多个基本逻辑单位的数字图书馆组成称为资源集合，比基本逻辑单位粒度更细、具有独立标识、常常作为“资源”的组成部分的“亚结构”称为“亚资源”，复杂数字对象常常由“亚资源组成”。例如如果把HTML网页看成是一类资源，那么其中包含的微内容（微结构）就是亚资源。网页可以看成是非结构化的简单资源，也可以看成是具有结构（或半结构化）的复杂数字对象。如有必要，可以通过抽取或标注手段，使资源对象的结构呈现出来，这样简单的数字资源对象也变成了复杂资源对象。

“独立标识”可以是在某一时空范围内的任何唯一名称。在目前的技术架构下一般以URI作为资源同一性的认定，相同的URI就被认为是相同的资源。网络上任何具有URI的实体都是“资源”，但可以，但不必是数字图书馆的资源。所有的资源都有其生命周期，并非永久存在，因而任何“永久标识（Persistent ID）”的永久性也只是一个相对的时间概念，作为资源的数字对象的生命周期可能与其标识的生命周期相同，也可能不同。标识也可能被重用（recycle）。

定义1：资源R为有标识的任何实体，是数字图书馆的基本逻辑单位，记为R(id, E)。

定义2：每个数字图书馆是一个论域(discourse)D，由资源库C₁ C_2。。。C_n（Collection）组成，资源库C_i是资源R_i（resource）的集合C_i(R_i) 。

定义3：元数据元素P为资源R的内容（语义）属性，对于每一个r∈R，有P:M_r→r。M_r 为资源r的属性P的元数据（值），且M_r∈R。

定义4：本体O为由术语T，关系V，实例I，函数F和公理A构成的五元组O(T,V,I,F,A)。

定义5：对于资源库C中的每一类资源R，如果存在属性P_r∈V，且属性值M_r∈T，或存在映射函数F: M_r→T，就称为M是资源R基于本体O的元数据。

定义6：对于一类资源R，其属性元素P_r 的数量是有限的，P_r的集合可以表达为形式化的元数据应用纲要（Application Profile）AP_r。

定义7：对于本体五元组O(T,V,I,F,A)，建立由T到V的映射的过程，即ξ:T→V，称为语义化过程。

定义8：资源库C中的资源有多种属性P_r1, P_r2, … P_rm，可以分别基于不同的本体O₁, O₂, …O_m。

定义9：资源库C₁ C_2。。。C_n 中的所有资源的所有属性如果基于不同的本体，称为语义异构。

定义10：为不同的本体建立映射、转换关系，称为本体的互操作。

定义11：论域D中的所有本体构成数字图书馆的语义架构，由完整的语义化过程所实现。

一个话题最近在国外图林中反响热烈，就是：“十招制敌：如何失去你的技术人员”（Ten Ways to Lose Your Techie Librarians）？

1. 禁止博客/维客/RSS的使用，因为这些都是技术迷们的把戏而不适合读者用户Dismiss blogs/wikis/RSS as just for the geeks not library users
2. 直到技术项目正式启动或签订合同才让技术人员参与Plan technology projects without involving them until the wheels are in motion/contracts are signed
3. 让敌视技术的图书馆员来管理技术人员Appoint a technophobe librarian to manage the techies
4. 面对技术人员与图书馆员之间存在的隔阂无能为力Allow barriers to exist that make it difficult for IT staff and librarians to plan and collaborate
5. 对于技术项目进行中出现的困难采取官僚主义的做法，久拖不决Bog down their projects in red tape and approvals that take weeks or months to get
6. 只派图书馆员参加会议，而不让图书馆员和技术人员都有机会参加各类技术或非技术的专业会议Send your seasoned librarians to conferences instead of mixing up seasoned folks & your techies to a variety of association and professional meetings, including tech-based conferences
7. 项目长期拖延，等到要执行时已经时过境迁（类似问题：项目决策长期拖延，一旦决策又要立即见效）Plan project timelines that extend so long the planned service or tech innovation is out of date before it launches
8. 对新技术嗤之以鼻，认为图书馆不用也做得很好（接近另一种类似腔调：图书馆只适用成熟技术）Pooh Pooh the idea of the Emerging Technology Committee, the library is doing just fine without it
9. 建图书馆网站只是作为事后凑数之举，并非一开始就筹划好的、实体图书馆在互联网上的一个分支（Lawrence翻译，特别鸣谢！）。Make your library Web site an afterthought not a “cyber branch” location
10. 永远只是不懂技术的人进行技术决策Always ensure that non-technical people make the important technical decisions

有人提供了相反立场的同样看法：

TOP 10 WAYS TO KEEP YOUR TECHIE LIBRARIANS:

1) Treat technology as being as important to your library as circulating books or having storytimes.
2) Try to have a “techie” on as many library teams as possible - they may see ways to leverage projects further with a little bit of “techno-juice”
3) Enable your techie librarians to attend tech conferences, not just library ones.
4) Give your techies time to “play” with new techologies - most libraries probably can’t afford the 20% of time that Google allows their engineers, but with a small investment you’ll likely see big results.
5) Encourage your organization to understand that big improvements are worth rolling out even if they aren’t (yet) perfect.
6) Realize that training expenses for technology staff are likely going to be higher than for others, and occur more often. Realize too that they will likely pay for themselves.
7) To echo Sarah Houghton, if the local job market decrees that IT workers are paid more than librarians, be prepared to match those salaries.
If you need to bring in outside help for large initiatives, please be sure that your techies are involved every step of the way.
9) Give them the tools they need to get their jobs done.
10) And, maybe even above all else, create an atmosphere where they can have fun.

Freerangelibrarian又加了七点：

1. 抠紧技术预算，特别对于技术人员的工资，削减经费首先考虑IT设备Underfund technology as much as possible. Pay particular attention to keeping a lid on technology salaries, but don’t be afraid to shave the hardware budget first and foremost when cuts must be made.
2. 当面临取消传统的没有人用的服务还是投资技术改造的选择时，总是选择保留传统服务When faced between eliminating an old service no one uses and improving technology funding, go for the old service every time.
3. 对没有图书馆学历的技术人员多多强调图书馆员的“专业性”，谁让他们不是图书馆员？Be sure to throw around the phrase “professional staff” in the presence of library tech workers who do not have library degrees. So what if they have degrees in computer science or decades of skill, if they aren’t librarians?
4. 要求技术人员完成他们不熟悉的工作，例如参考咨询。Require library technical staff to work in areas they are unfamiliar with, such as reference (and be sure to single-staff them on the ref desk at peak times). Just because you would never ask a children’s librarian to reboot a server doesn’t mean you can’t ask that a techy be ‘well-rounded.”
5. 认为技术人员就应该在奇怪的时间工作（例如周末、午夜）而不给于任何补偿Expect technology staff to routinely work weird hours without special compensation. They’re the ones who chose to go into technology; they should be willing to come in to the library Saturday at midnight to do server work.
6. 纵容奇谈怪论，诸如“技术抢夺了“真实”的图书馆工作”Make frequent comments–or simply tolerate them from staff–about how “having” to provide technology takes away from “real” library work.
7. 非技术人员不会技术是很正常的，技术人员应该前去帮助图书馆员插上主机电源——因为图书馆员认为显示器开着就应该可以工作（这是我的“本地化”翻译）。Do not expect non-technical staff to learn any technology skills whatsoever. It is perfectly reasonable for someone upgrading a server to run across the library to help someone put a bullet in Powerpoint.

我突然发现，我应该可以补充“符合国情”的“十招逼走你的技术人员”，至少十条，虽然我们并没有多少技术人员。然而为了饭碗考虑，还是略去了吧…

元数据描述是将数字图书馆中的信息资源语义外显化（或称语义化）的基本方式。元数据的标注一般可以通过两种方式：先组式或后控式。前者可以在数字图书馆建设的初期，即数字化的过程中完成，系统一俟建立，就有一套规范的语义描述层（传统上的书目数据库就是这样一种结构，但不仅仅是语义的）；后者是目前语义Web发展的一个重点，即在Web上再造一个语义Web，而不是从头造一个全新的语义Web（TimBL原话是现有Web的扩展：the extension of present Web），这样主要要大量用到annotation方法，例如现在Web2.0的许多应用（用Greasemonkey给Firefox写js代码，PiggyBank/SemanticBank项目等）。

进一步，如果这些元数据能够“嵌入”逻辑语言，就能建立所对应的资源之间的丰富联系，并能进行推理。数字图书馆在这一点上比Web更有优势，因为数字图书馆{Web，更有组织。这样做不仅需要用元数据将资源之间的逻辑联系外显地表达出来，还要具有逻辑上的一致性，满足形式化条件。也就是以一定的规范本体形式来表达。

例如家谱中关于人的描述，可以建立家族本体，可以进行自动的证伪；关于地理和时间的描述，可以自动推演某些历史时期的人口分布情况。当然这些首先需要描述的规范化。

最典型的例子是图书馆的资料中的分类法和主题词标引，分别符合规范的学科体系，可以组织成完整的“知识地图”，辅助人们对于资源进行导航浏览和学习。

当然严格的形式化和完全知识在现实中是很难获得的，半形式化的本体也能做很多事情，这就需要进行理论上的探讨。

一套元数据术语集通过赋予单独的URI标识而在网上声明，这个术语集可以看成是一个领域本体。目前网络中的元数据登记注册系统常常同时管理多个元数据术语集合，除了一般的元素定义、管理维护、元素间的关系明确功能之外，还兼有多个元数据元素集合之间的关系定义、映射表维护等功能，实际上充当了本体注册系统。为了区分这两类登记注册系统，我们把只负责管理一套元数据方案的登记注册系统称为元数据注册登记系统，负责多套元数据注册登记及相互关系定义的注册体系，称为本体注册系统。一套元数据方案是对于一个信息库的抽象，本体注册系统则可以看成元元数据，是对于数字图书馆信息资源的二次抽象，可以看成是异构信息模型。

这样进行分层和抽象的目的是把元数据与资源，本体与元数据的关系定义在一阶逻辑之内，同时设定论域闭包，建立一个可以进行语义相似性计算和匹配的数字图书馆信息模型。

哪些知识表示语言和工具可以用来表达这种本体呢？有许多。例如语义网和框架系统（Semantic Network and Framework System）、一阶逻辑(First-order Logic)、本体、情境逻辑（context logic）、演绎数据库、分布式数据库等。这些大都是基于一阶逻辑的，对于不符合一阶逻辑的应用，例如概率逻辑、时态逻辑、高阶逻辑等就不能用只支持一阶逻辑的各种形式化方法，例如OWL语言。

一晚上画了一幅图。

（*注：本文为研究报告的部分内容，保留版权，欢迎批评指正。）

上世纪九十年代以来，数字图书馆作为一个综合的研究领域得到了很大发展，在体系结构、海量存储、分布式搜索、多媒体信息管理与利用、个性化传播、人机界面与可视化方面都有了显著进展。然而对于如何保证在分布式的数字图书馆环境中，人们能够更准确而全面地获得其所需要的知识和信息这一方面，并没有太多的研究，遑论突破性的研究。但是我们也同时看到，进入二十一世纪以来在互联网技术方面的进展，以语义Web为核心的知识本体和元数据技术，能够结合Web服务、分布式构建技术、面向对象技术以及数据库和知识库领域几十年的积累，使这个领域的突破成为现实和可能。

数字图书馆从本质上说是一个没有明确边界的研究领域，关注的是对一个有组织（或称为有序）的信息体的构造，不论这个信息体是分布的还是集中的、虚拟的还是实在的，以满足特定的信息需求，不论这个需求来自真实的用户还是机器代理。数字化和网络化，特别是近20年来互联网的指数级发展给人们带来严重的信息超载（Information Overload），使数字图书馆应运而生。更好地组织信息，满足人们的信息需求，从根本上有赖于机器对信息的处理能力，甚至“理解”能力，而不仅仅满足于对编码信息、符号甚至信号的识别和处理。数字图书馆关注大规模信息体内的语义信息的组织和检索问题，应该说也是理所当然。

“语义”通常是指“信息的含义”。互联网不仅是无数台服务器、信息设备的联合体，更可以看作是一个庞大的信息资源的联合体。从抽象意义上来看，这个联合体实际上是一个巨大的符号系统，由无数的语法、语用和语义规则联结而成。从具体的组成来看，这个联合体是由无数自治的信息体和功能体组成，每个相对独立的信息体就是一个数字图书馆。对于作为信息体的数字图书馆而言，“语义”和基于语义而实现的功能是其存在的目的和价值所在，所有的语法规则（各类协议、结构、约束等）和语用信息都是为了组织和传播语义而存在的。

“互操作性”指不同系统平台或编程语言之间交换和共享数据的能力（Interoperability is the ability to communicate and share data across programming languages and platforms[1]）互操作解决信息系统的“异构”问题，信息系统的异构是有层次的，因而互操作也是有层次的。互联网最初的设计，是为了解决机器的互联互通，因而只要在网络和硬件层面达到互操作就可以了。随着各类标准规范的建立，达成网络操作系统、分布式数据库等数据层面的互操作也逐步成为可能。然而人类的需求是无止境的。信息资源的增加和网络规模的扩张积累到一定程度的时候，仅仅数据层面的互操作往往不能尽如人意，直接表达和处理“语义”的需求就提了出来。

互操作是数字图书馆作为网络分布式应用需要解决的一个核心问题，而语义互操作是互操作的目的和重点。这并不是说目前的互操作解决方案中没有考虑语义互操作，而是没有把语义互操作当作独立的目标来考虑。可以设想，定义和设计独立的互操作层，使数字图书馆所包含的信息资源的语义“显性”化，而不是象现在大多数系统一样，隐式地、内含地包含在语法和其它结构中，将大大地促进数字图书馆的语义互操作问题的解决。

[1]参见：ISO/IEC 2382 Information Technology Vocabulary

看到那边老槐总结古今中外，推出中文图书馆学五定律之2.0版，本不想唱和，这边一飞也推出一个版本，让老夫玩兴大发，推出一个搅局版，大家乐乐。

(update1: 接受老槐意见，作适当修改，成简化版。考虑到对外交流需要，特加上英语，作为凯冈纳赞五定律。）
(update2: 为了叶帅等大教授能够明白定律5的艰辛，冒着被领导骂的危险，修改得更明白些了。)

第一定律：图书馆是给人骂的（Libraries are for blame）。
这两年图书馆界屡次“事件”充分证明了这一点。我们能够把坏事变成好事充分说明我们能够为构建和谐社会做出重大贡献。

第二定律：图书馆是读者的，但首先是馆员的，特别是馆长的。
简版：图书馆是馆长的（Every library, its librarian)。
馆员们要充分发挥主人翁责任感，当然最重要的是馆长们首先要有大局意识责任意识忧患意识。

第三定律：图书馆无处不在，也可虚拟存在。
简版：图书馆是虚拟的（Libraries can be everything but real）
领导如果重视，就应该建设更加雄伟壮观的图书馆，或者更多的图书馆，使图书馆成为当地文化的标志，使图书馆的服务深入社区，深入千家万户。
领导如果更加重视，但又相对囊中羞涩，据专家说可以建设数字图书馆，使图书馆虚拟化，像空气一样飘浮起来，无处不在，无所不在。

第四定律：图书馆无上的用户体验（Every reader experiences everything but easy）。
让用户无时、无处不感到图书馆的存在， “资源到户，服务到人”，通过各种手段昭示用户，图书馆能够给大家带来无穷的丰富体验，包括耐心培养、社交能力培训，言谈、举止等礼仪教育等等，使图书馆成为城市文明的展区和市民培训的基地。

第五定律：图书馆永远追求完美（Libraries are far more than perfect）。
也即图书馆永远不是完美的，你我就认命把，永远都要满足现状，知足者常乐哈。