semanticweb&ontology

1、1,Metadata,Instructor: Zhang maoyuanE-mail: zmydragon@163.com,Semantic Web & Ontology,2,Outline,Why MetadataWhat’s MetadataWhat’s XMLQuestion,3,URI, HTML, HTTP,Static,WWW,,500 million usermore than 3 billion pag

2、es,,2.1 Current Web,4,快速發(fā)展的因素,電腦技術(shù)的快速發(fā)展電腦的普及電腦知識的普及網(wǎng)絡(luò)技術(shù)（光纖、網(wǎng)絡(luò)協(xié)議等）的發(fā)展 帶寬的提高校園網(wǎng)、電信的ISDL用戶對資源的需求 知識的需求娛樂信息,5,引發(fā)一系列問題（1）,信息發(fā)布 網(wǎng)絡(luò)IP地址的分配問題產(chǎn)生虛擬IP網(wǎng)絡(luò)、IPV6等方法來解決 信息獲取 如何從這些海量信息中查到自己感興趣的資源如何獲取這些信息產(chǎn)生搜索引擎、信息挖掘技術(shù) 信息存儲

3、 如何存儲海量信息 產(chǎn)生磁盤陣列、TB級存儲器,6,引發(fā)一系列問題（2）,信息傳遞 采用何種工具傳遞網(wǎng)絡(luò)信息 產(chǎn)生FTP、BT等軟件 信息使用 如何合法、正確使用網(wǎng)絡(luò)信息 產(chǎn)生網(wǎng)絡(luò)信息監(jiān)管的職能部門和法規(guī)產(chǎn)生針對用戶（如兒童）權(quán)限等的信息過濾技術(shù),7,Web信息結(jié)構(gòu),大部分采用HTML（HyperText Markup Language）也采用XML（eXtensible Markup Language） HT

4、ML標(biāo)記語言是在普通文本的基礎(chǔ)上加上特殊標(biāo)記(Tag)目的是運用標(biāo)記使文件達(dá)到預(yù)期的顯示效果方法是用“”擴住標(biāo)記，起始標(biāo)記用表示，終止標(biāo)記用表示,8,HTML網(wǎng)頁片斷（1）, 一個容器標(biāo)記，用以指明這是表格，其它表格標(biāo)記只能在這個標(biāo)記范圍內(nèi)使用 表示表格的行。表示表格行中的單元。,9,HTML網(wǎng)頁片斷（2）, 用來劃分框格，每個框格由一個標(biāo)記來表示 這里把頁面分成上

5、下兩部分，上面顯示a.html，下面顯示b.html,10,2.2 搜索引擎,從1995年開始逐漸發(fā)展 產(chǎn)生原因 用戶要在如此浩瀚的信息海洋里尋找信息，必然會“大海撈針”無功而返。搜索引擎正是為了解決這個"迷航"問題而出現(xiàn)的技術(shù) 目的 以一定的策略在互聯(lián)網(wǎng)中搜集、發(fā)現(xiàn)信息 對信息進(jìn)行理解、提取、組織和處理 為用戶提供檢索服務(wù),11,現(xiàn)有的搜索引擎,12,Google 簡介,斯坦福大學(xué)的博士生 Larr

6、y Page 和 Sergey Brin在 1998 年創(chuàng)立 搜索時間通常不到半秒 每天需要提供 1.5 億次查詢服務(wù) Google 的技術(shù) 代理搜索技術(shù) 高級 PageRank（網(wǎng)頁級別）技術(shù) Google 釋義 由英文單詞“googol”變化而來 表示 1 后邊帶有 100 個零的數(shù)字 代表Google想征服網(wǎng)上無窮無盡資料的雄心 PageRank利用巨大的網(wǎng)絡(luò)鏈接結(jié)構(gòu) 網(wǎng)頁 A 鏈接到網(wǎng)頁 B 時， 就認(rèn)

7、為“網(wǎng)頁 A 投了網(wǎng)頁 B 一票避免任何人為感情因素,13,百度搜索引擎簡介,李彥宏先生及徐勇先生 1999年底，百度成立于美國硅谷 2000年百度公司回國發(fā)展 百度的起名 辛棄疾的《青玉案》中 “眾里尋她千百度” 象征著百度對中文信息檢索技術(shù)執(zhí)著的追求 競價排名由用戶為自己的網(wǎng)頁出資購買關(guān)鍵字排名 按點擊計費的一種服務(wù) 搜索結(jié)果的順序?qū)⒏鶕?jù)競價的多少由高到低排列,14,雅虎搜索引擎簡介,大衛(wèi)·費羅(Dav

8、id Filo) 和楊致遠(yuǎn)(Jerry Yang) 美國斯坦福大學(xué)電機工程系的博士生 1994年4月建立了網(wǎng)絡(luò)指南信息庫 分類目錄 站點目錄分為14個大類，每一個大類下面又分若干子類 連接速度快，包含范圍廣 雅虎中國網(wǎng)站提供簡單易用、手工分類的簡體中文網(wǎng)站目錄,15,性能指標(biāo),召回率（Recall）檢索出的相關(guān)文檔數(shù)和文檔庫中所有的相關(guān)文檔數(shù)的比率衡量的是搜索引擎的查全率 精度（Pricision） 檢索出的相

9、關(guān)文檔數(shù)與檢索出的文檔總數(shù)的比率 衡量的是搜索引擎的查準(zhǔn)率 影響性能的因素 文檔和查詢的表示方法評價文檔用戶查詢相關(guān)性的匹配策略查詢結(jié)果的排序方法用戶進(jìn)行相關(guān)度反饋的機制,16,搜索引擎的類別,分類依據(jù) 信息搜集方法 服務(wù)提供方式 類別 目錄式搜索引擎 機器人搜索引擎 元搜索引擎,17,目錄式搜索引擎,搜集信息 人工方式或半自動方式 信息處理 由編輯員查看信息之后，人工形成信息摘要并將信息置于事先確定

10、的分類框架中 服務(wù)方式提供目錄瀏覽服務(wù) 提供直接檢索服務(wù) 優(yōu)點討論缺點討論代表 YAHOO 、LookSmart、Dmoz等,18,機器人搜索引擎,搜集信息 蜘蛛（Spider）的機器人程序 以某種策略自動地在互聯(lián)網(wǎng)中搜集信息 信息處理建立索引庫 服務(wù)方式 面向網(wǎng)頁的全文檢索服務(wù) 優(yōu)點 討論缺點討論代表 Google 、天網(wǎng)等,19,元搜索引擎,技術(shù)方法將用戶的查詢請求同時向多個搜索

11、引擎遞交 將返回的結(jié)果進(jìn)行重復(fù)排除、重新排序等處理 作為自己的結(jié)果返回給用戶 服務(wù)方式面向網(wǎng)頁的全文檢索 本質(zhì)特點沒有自己的數(shù)據(jù) 優(yōu)點討論缺點討論代表WebCrawler、InfoMarket等,20,搜索引擎系統(tǒng)結(jié)構(gòu),搜索器索引器檢索器用戶接口,21,搜索器,功能在互聯(lián)網(wǎng)中漫游，發(fā)現(xiàn)和搜集信息 盡可能多、盡可能快地搜集各種類型的新信息 定期更新已經(jīng)搜集過的舊信息 搜集策略從一個起始URL集

12、合開始，以寬度優(yōu)先、深度優(yōu)先或啟發(fā)式方式循環(huán)地在互聯(lián)網(wǎng)中發(fā)現(xiàn)信息 將Web空間按照域名、IP地址或國家域名劃分，每個搜索器負(fù)責(zé)一個子空間的窮盡搜索 信息類型 HTML、XML、FTP文件、字處理文檔、多媒體信息 其它支撐技術(shù)分布式、并行計算技術(shù),22,索引器,功能理解搜索器所搜索的信息從中抽取出索引項，用于表示文檔以及生成文檔庫的索引表 索引項 客觀索引項內(nèi)容索引項 支撐技術(shù)統(tǒng)計法、信息論法和概率法（計算索引項

13、的權(quán)值 ） 倒排表（Inversion List），由索引項反過來查找相應(yīng)的文檔 可以使用集中式索引算法或分布式索引算法,23,檢索器,方法根據(jù)用戶的查詢在索引庫中快速檢出文檔進(jìn)行文檔與查詢的相關(guān)度評價對將要輸出的結(jié)果進(jìn)行排序并實現(xiàn)某種用戶相關(guān)性反饋機制 如何實現(xiàn)多點的海量檢索（討論）集中式海量檢索分布式海量檢索,24,用戶接口,作用輸入用戶查詢顯示查詢結(jié)果提供用戶相關(guān)性反饋機制 目的方便用戶使用搜索引擎高

14、效率、多方式地從搜索引擎中得到有效、及時的信息簡單接口只提供用戶輸入查詢串的文本框 復(fù)雜接口 讓用戶對查詢進(jìn)行限制，如邏輯運算 、時間、長度等例子Google提供多種用戶使用界面,25,搜索引擎的研究動向,提高信息查詢結(jié)果的精度，提高檢索的有效性基于智能代理的信息過濾和個性化服務(wù)采用分布式體系結(jié)構(gòu)提高系統(tǒng)規(guī)模和性能交叉語言檢索的研究和開發(fā) 國際會議 美國Infornotics公司主辦的搜索引擎國際會議從1996年

15、開始，每年舉行一次IEEE主辦的國際萬維網(wǎng)會議、人機交互會議,26,當(dāng)前搜索引擎的不足之處 （1）,1) 語義分析不足，缺少較好的中文分詞技術(shù)支持 用google搜索引擎，關(guān)鍵詞“和服”，在第3頁有如下結(jié)果：外交部公布新版中國境外領(lǐng)事保護(hù)和服務(wù)指南 ...外交部公布新版中國境外領(lǐng)事保護(hù)和服務(wù)指南（附全文）, 中國外交部通過其官方網(wǎng)站公布了《中國境外領(lǐng)事保護(hù)和服務(wù)指南（2003年版）》，以幫助中國公民了解中國駐外使、領(lǐng)館的領(lǐng)

16、事保護(hù)和服務(wù)范圍。 ... www.china.org.cn/chinese/2003/May/328355.htm - 27k - 網(wǎng)頁快照 - 類似網(wǎng)頁,27,當(dāng)前搜索引擎的不足之處 （2）,2）智能化不足 都需要用戶提供檢索的關(guān)鍵詞、關(guān)鍵詞組，但還不能直接檢索語句 要直接檢索語句，需要更強的自然語言處理技術(shù)支持,28,2.3 Web信息提取,從提取規(guī)則角度，網(wǎng)頁信息提取方法可分為兩大類基于標(biāo)識規(guī)則的方

17、法應(yīng)用網(wǎng)頁文檔的標(biāo)識來提取網(wǎng)頁信息 基于內(nèi)容規(guī)則的方法應(yīng)用自然語言處理技術(shù) 從關(guān)鍵詞匹配到有層次的句法分析,29,基于標(biāo)識規(guī)則的方法,Harvest信息提取系統(tǒng) 利用手工編寫的wrappers分析一批固定的Web資源 只能處理Web文檔而忽略了Internet上提供的服務(wù) 依賴于提前定義的文檔類型,對新文檔結(jié)構(gòu)則無能為力 斯坦福大學(xué)提出的對象交換模型(OEM)方法 一個簡單的、自描述、嵌套的對象模型 一個帶標(biāo)記的有向

18、圖 這個模型依賴于具體問題的分析DSE(Data-rich section extraction)算法 用樹型結(jié)構(gòu)表示HTML網(wǎng)頁的布局 實質(zhì)是針對具體問題建立文檔對象模型，提取網(wǎng)頁信息,30,基于內(nèi)容規(guī)則的方法,Artequakt系統(tǒng) 建立在自然語言處理技術(shù)和實體論基礎(chǔ)上通過句法和語義分析來確定實體及關(guān)系根據(jù)用戶要求，產(chǎn)生描述格式，從而描述出藝術(shù)家傳記DL(description logics)方法 建立在實體論基礎(chǔ)

19、上用DL方法從詞匯關(guān)系、概念關(guān)系和上下文關(guān)系，抽取概念及其依賴關(guān)系樹 Diffusion webIE系統(tǒng) 依照實例模型（又稱IE規(guī)則）構(gòu)出的框架依據(jù)關(guān)鍵詞位置和值的特征的定位規(guī)則依據(jù)詞類型和取值范圍的表格提取規(guī)則句法分析規(guī)則,31,兩種方法比較,基于標(biāo)識的方法不具有自適應(yīng)能力準(zhǔn)確定位信息段的起止位置,基于內(nèi)容的方法不易準(zhǔn)確定位信息段的起止位置有一定自適應(yīng)能力依賴較強的自然語言處理技術(shù),32,信息提取的研究趨勢,融合

20、兩種規(guī)則一些網(wǎng)頁信息提取方法把這兩種規(guī)則融合在一起以求充分發(fā)揮著兩種提取規(guī)則的特點來提高提取效率 語義網(wǎng) 改變現(xiàn)有網(wǎng)頁信息結(jié)構(gòu)XML語言把信息結(jié)構(gòu)、內(nèi)容與數(shù)據(jù)的表現(xiàn)形式進(jìn)行分離RDF把信息轉(zhuǎn)換成元數(shù)據(jù) 本體論把信息的結(jié)構(gòu)與內(nèi)容相分離信息具有計算機可理解的語義,33,2.4 元數(shù)據(jù),定義 data about data (關(guān)于數(shù)據(jù)的數(shù)據(jù)) 是對web信息的一種描述方式是機器可理解的信息 基本作用 管理數(shù)據(jù)，從

21、而實現(xiàn)查詢、閱讀、交換和共享組成 一系列元素或?qū)傩岳樱簣D書館目錄如:作者，書名，出版日期，主題，分類排架號等元素,34,元數(shù)據(jù)與資源之間的關(guān)聯(lián)方式,獨立方式元素可包含在獨立于該項資源的記錄中 例如：圖書館目錄 嵌入方式數(shù)據(jù)可嵌在資源本身中 例如：印在書內(nèi)封上的在版編目(CIP)數(shù)據(jù)例如：電子文本的標(biāo)題 關(guān)聯(lián)方式的確定不預(yù)先規(guī)定 由具體情況決定,35,元數(shù)據(jù)的主要作用,用來組織和管理網(wǎng)絡(luò)信息，并挖掘信息資源

22、準(zhǔn)確地識別、定位和訪問信息 （舉例討論）幫助用戶查詢所需信息 可按照不同的地理區(qū)間、指定的語言以及具體的時間段來查找信息資源 （舉例討論）組織和維護(hù)一個機構(gòu)對數(shù)據(jù)的投資 可方便創(chuàng)建網(wǎng)頁（舉例討論）用來建立信息的數(shù)據(jù)目錄和數(shù)據(jù)交換中心 可以共享信息、維護(hù)數(shù)據(jù)（舉例討論）提供數(shù)據(jù)轉(zhuǎn)換方面的信息通過元數(shù)據(jù)，用戶可以接受并理解信息 （舉例討論）,36,如何獲取元數(shù)據(jù),元數(shù)據(jù)的編寫標(biāo)準(zhǔn) 目的為實現(xiàn)領(lǐng)域中的數(shù)據(jù)信息交換和共享，為研

23、究和生產(chǎn)服務(wù) 不同領(lǐng)域會根據(jù)不同的需求定義一個標(biāo)準(zhǔn)或幾個標(biāo)準(zhǔn) 如MARC(Machine-ReadabIe Cataloging，機器可讀編目)和Dublin Core等 實現(xiàn)的技術(shù)手段 XMLRDF,37,XML技術(shù),特點從數(shù)據(jù)與文檔的底層實現(xiàn)格式化，保證了從里到外、從處理到交換的一致性 實現(xiàn)自動抽取采用XML解析器開發(fā)的工具，可以從網(wǎng)上Web服務(wù)器的HTML、XML和數(shù)據(jù)庫中自動抽取并索引元數(shù)據(jù),38,RDF 技

24、術(shù),元數(shù)據(jù)的互操作性要求在由不同的組織制定與管理且技術(shù)規(guī)范不盡相同的元數(shù)據(jù)環(huán)境下，能夠作到對用戶保持一致性的服務(wù) 可同時攜帶多種元數(shù)據(jù)來往于互聯(lián)網(wǎng)的架構(gòu) RDF特點提供能對結(jié)構(gòu)化元數(shù)據(jù)進(jìn)行編碼，交換及再利用的體系框架 可使不同的用戶或團體在這一框架下定義他們自己的元數(shù)據(jù)元素提供了各種不同的元數(shù)據(jù)體系之間的互操作性,39,元數(shù)據(jù)映射(Metadata Mapping),原因存在元數(shù)據(jù)的互操作性問題 定義利用特定轉(zhuǎn)換程序?qū)?/p>

25、不同元數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行轉(zhuǎn)換 方法一 （元數(shù)據(jù)標(biāo)準(zhǔn)的特定轉(zhuǎn)化程序）Dublin Core與USMARC Dublin Core與EA 方法二（中介元數(shù)據(jù)格式）如UNIverse項目利用GRS格式進(jìn)行MARC格式和其他記錄格式的轉(zhuǎn)換 比較方法一轉(zhuǎn)換準(zhǔn)確、轉(zhuǎn)換效率較高,40,元數(shù)據(jù)類型,內(nèi)容元數(shù)據(jù) 描述對象內(nèi)容的信息 如大字標(biāo)題、主題、引導(dǎo)段落、圖像、影片 管理元數(shù)據(jù) 描述和電子文檔相關(guān)的信息 如作者、創(chuàng)建者、創(chuàng)建日期等

26、負(fù)載信息元數(shù)據(jù) 提供電子文檔的物理屬性 如文本中表示強調(diào)的粗體標(biāo)識，電子郵件系統(tǒng)中郵件的大小標(biāo)識 參考信息元數(shù)據(jù)源自電子文檔中的超鏈接 擴展到表達(dá)任何萬維網(wǎng)信息、文檔和資源的參考鏈接 包括環(huán)境信息，以及文檔的結(jié)構(gòu)信息 如經(jīng)常出現(xiàn)電子文檔中指向各章節(jié)的鏈接,41,元數(shù)據(jù)表示語言,標(biāo)記語言 標(biāo)準(zhǔn)通用標(biāo)記語言SGML超文本標(biāo)記語言HTML可擴展標(biāo)記語言XML虛擬現(xiàn)實模型語言VRML無線標(biāo)記語言WML元數(shù)據(jù)標(biāo)準(zhǔn)

27、Dublin Core HL7（描述醫(yī)學(xué)網(wǎng)絡(luò)資源的元數(shù)據(jù) ）教育資源元數(shù)據(jù) 機讀目錄（MARC）,42,SGML,標(biāo)準(zhǔn)通用標(biāo)記語言是一種描述語言的語言，定義了以電子形式表示文本的方法 特點 正式的，能允許驗證文檔的正確性 結(jié)構(gòu)化的，能夠處理復(fù)雜的文檔 可擴充的，能夠支持大型信息存儲的管理 組成部分SGML聲明，設(shè)定基本情況 定義DTD文檔類型，設(shè)定標(biāo)記語言結(jié)構(gòu)的語法 描述用于標(biāo)記的語義規(guī)格說明，做出了DTD表達(dá)的

28、語法限制 描述用于標(biāo)記的語義規(guī)格說明，做出了DTD表達(dá)的語法限制應(yīng)用實例HTML、XML,43,其它標(biāo)記語言,虛擬現(xiàn)實模型語言VRML用于對3維虛擬場景進(jìn)行建模的描述性語言 HTML定義2維，而VRML定義3維 無線標(biāo)記語言 WML 類似于HTML的測覽語言提供測覽支持、數(shù)據(jù)輸入、超級鏈接、文本和圖像表現(xiàn)以及表格交互 應(yīng)用于“無線應(yīng)用軟件”環(huán)境下的網(wǎng)頁語言 為WAP(Wireless Application Prot

29、ocol)協(xié)議所包括的一種標(biāo)記協(xié)議語言,44,Dublin Core元數(shù)據(jù)標(biāo)準(zhǔn),背景搜索引擎的查準(zhǔn)率比較低 創(chuàng)建者OCLC(Online Computer Library Center，Inc.，美國在線計算機圖書館中心) 目的從用戶的角度出發(fā)創(chuàng)建了一種新的網(wǎng)絡(luò)資源描述標(biāo)準(zhǔn)或格式 第一次國際研討會 1995年3月，在都柏林(Dublin)召開 探討如何建立一套描述網(wǎng)絡(luò)上電子文件特征、提高信息檢索效果的方法 開始啟動電

30、子圖書館對象元數(shù)據(jù)標(biāo)準(zhǔn)的研究項目,45,DC元數(shù)據(jù)集,包括15個核心元素 按照信息的類型和范圍分為三個子集數(shù)據(jù)資源內(nèi)容 數(shù)據(jù)知識產(chǎn)權(quán) 數(shù)據(jù)實體 特點簡練、易于理解、可擴展能與其他元數(shù)據(jù)形式兼容被稱為一個良好的網(wǎng)絡(luò)信息資源描述元數(shù)據(jù)集,46,數(shù)據(jù)資源內(nèi)容子集,47,數(shù)據(jù)知識產(chǎn)權(quán)子集,48,數(shù)據(jù)實體（形式）子集,49,DCMI,DCMI(Dublin Core Metadata Initiative) 都柏林核元數(shù)據(jù)研究

31、行動已經(jīng)成為一個國際性的電子數(shù)據(jù)對象標(biāo)準(zhǔn)研究組織 有來自英國、澳大利亞、芬蘭、加拿大、美國等國的具有多種不同專業(yè)背景的個人和團體參加 從事元數(shù)據(jù)標(biāo)準(zhǔn)、實踐指南、支撐技術(shù)及相關(guān)政策的研究與開發(fā) 成立了一個教育工作組DC－E 從數(shù)字圖書館元數(shù)據(jù)標(biāo)準(zhǔn)中篩選出上述DC中的15個核心元素作為學(xué)習(xí)對象數(shù)據(jù)要素,50,HL7(Health Level 7),開發(fā)機構(gòu) 1987年，由美國國家標(biāo)準(zhǔn)局(ANSI)授權(quán)的HL7(Health

32、Level Seven Inc)開發(fā)領(lǐng)域?qū)ｉT用于醫(yī)療衛(wèi)生機構(gòu)及醫(yī)用儀器、設(shè)備數(shù)據(jù)信息傳輸?shù)臉?biāo)準(zhǔn)支持的國家在1994年HL7已納入美國ANSI國家標(biāo)準(zhǔn) 澳洲、加拿大、德國、以色列、日本、紐西蘭、荷蘭及英國 用途適用于醫(yī)院內(nèi)部的信息交換適用于醫(yī)院與醫(yī)院之間，醫(yī)院與保險公司、醫(yī)院與上級主管部門之間的大量信息交換,51,HL7技術(shù),參考了OSI的通訊模式 HL7納為最高的一層，也就是應(yīng)用層,52,HL7標(biāo)準(zhǔn)的內(nèi)容(1),Ch

33、1: Introduction (概述與HL7歷史)Ch2: Control (控制)Ch3: Patient Administration (病患管理, 掛號)Ch4: Orders (醫(yī)令)Ch5: Query (查詢)Ch6: Financial Management (病患帳務(wù))Ch7: Observation Reporting (檢驗報告?zhèn)魉?Ch8: Master Files (參考檔同步機制),53,HL7

34、標(biāo)準(zhǔn)的內(nèi)容(2),Ch9: Medical Records/Info. Management (病歷)Ch10: Scheduling (排程)Ch11: Patient Referral (轉(zhuǎn)診)Ch12: Patient Care (病患看護(hù))附錄A: Data Definition Tables (參考表)附錄B: Lower Layer Protocol (LLP)附錄C: Network Management附錄

35、D: BNF Message Descriptions附錄E: Glossary,54,HL7 特點,可應(yīng)用于多種操作系統(tǒng)和硬件環(huán)境 所有不同平臺的醫(yī)院信息管理系統(tǒng)通過HL7都可以順利溝通 設(shè)備可以做到無縫聯(lián)接和醫(yī)學(xué)數(shù)據(jù)信息的無障礙交換 匯集了的一些標(biāo)準(zhǔn)接口格式針對不同廠商設(shè)計應(yīng)用軟件,55,教育資源元數(shù)據(jù),IEEE LOM 學(xué)習(xí)對象元數(shù)據(jù) IMS 教學(xué)管理系統(tǒng) CELTS 中國教育信息化技術(shù)標(biāo)準(zhǔn),56,IEEE L

36、OM （1）,由IEEE學(xué)習(xí)技術(shù)標(biāo)準(zhǔn)委員會P1484.12學(xué)習(xí)對象元數(shù)據(jù)工作組建立 目的使用最小屬性集完成對學(xué)習(xí)對象的管理、檢索和評估便于將來對其屬性進(jìn)行擴展 目標(biāo)定義學(xué)習(xí)對象元數(shù)據(jù)的語法與語義對安全、隱私、商業(yè)和評估等應(yīng)用提供了描述符 學(xué)習(xí)對象指一切可為教學(xué)和培訓(xùn)目的服務(wù)的對象 可以是物理的：如實驗器材、課本 可以是數(shù)字的：如教學(xué)軟件，網(wǎng)絡(luò)課件,57,IEEE LOM （2）,元素 9個基本類別（即通用類、生命周

37、期類、宏元數(shù)據(jù)類、技術(shù)類、教育類、權(quán)利類、注解類、關(guān)系類、分類類） 每個類別包括若干元素 對每個元素定義了其名稱、解釋、值域、數(shù)據(jù)類型、附注和示例 作用 在不操作學(xué)習(xí)對象的情況下通過元數(shù)據(jù)信息來了解學(xué)習(xí)對象的一些有用的屬性 可以對學(xué)習(xí)對象進(jìn)行有效的分類管理和查找 可以從元數(shù)據(jù)信息中獲取學(xué)習(xí)對象的評價信息，也可以把自己的評價加入到元數(shù)據(jù),58,IMS,1997年美國EDUCOM （美國多所大學(xué)聯(lián)合組成的聯(lián)盟 ）專門對電子學(xué)習(xí)(

38、e-Learning劫標(biāo)準(zhǔn)進(jìn)行研究項目目的能達(dá)成各校間網(wǎng)絡(luò)化教材的共享目標(biāo)達(dá)成分布式學(xué)習(xí)環(huán)境下之應(yīng)用系統(tǒng)或服務(wù)的互操作性，定義、發(fā)展所需的技術(shù)規(guī)范協(xié)助其他單位，將IMS規(guī)范納人產(chǎn)品或服務(wù)中 主要任務(wù)主要發(fā)展和推廣有關(guān)教育的開放規(guī)范促進(jìn)線上分布式的學(xué)習(xí)活動 如搜尋和使用教育用途的內(nèi)容、追蹤學(xué)習(xí)者的學(xué)習(xí)進(jìn)度 性質(zhì)并非開放性組織 所制定的規(guī)范還未成為正式的標(biāo)準(zhǔn),59,IMS 規(guī)范,用于內(nèi)容描述、發(fā)現(xiàn)和交換的規(guī)范 IM

39、S內(nèi)容包裝說明(IMS Content Packaging Specification) IMS問題與測試互操作性說明（IMS Question & Test Interoperability Specification）IMS學(xué)習(xí)資源元數(shù)據(jù)說明(IMS Learning Resource Metadata Specification) 數(shù)字資源庫互操作(Digital Repositories Interoperabil

40、ity) 用于內(nèi)容交互與跟蹤的規(guī)范 簡易串序/簡易排序（Simple Sequencing） 能力（Competencies） 學(xué)習(xí)設(shè)計（Learning Design） 可用性（Accessibility） 用于應(yīng)用系統(tǒng)互操作的規(guī)范IMS學(xué)習(xí)者信息包裝說明(IMS Learner Information Package Specification) IMS企業(yè)說明（IMS Enterprise Specificatio

41、n,60,中國教育信息化技術(shù)標(biāo)準(zhǔn),2001年開始啟動 基于LOM 目標(biāo) 實現(xiàn)資源共享支持系統(tǒng)互操作保障網(wǎng)絡(luò)教育服務(wù)質(zhì)量 方法跟蹤國際標(biāo)準(zhǔn)研究工作和引進(jìn)相關(guān)國際標(biāo)準(zhǔn)根據(jù)我國教育的實際情況修訂與創(chuàng)建各項標(biāo)準(zhǔn),61,CELTS 體系,《學(xué)習(xí)對象元數(shù)據(jù)》（CELTS-3）規(guī)定了描述學(xué)習(xí)對象的基本方法與準(zhǔn)則 屬于CELTS體系中的基礎(chǔ)標(biāo)準(zhǔn) 《教育資源建設(shè)技術(shù)規(guī)范》（CELTS-41）面向資源建設(shè)領(lǐng)域包括基礎(chǔ)教育、高等教育

42、、職業(yè)教育和培訓(xùn)等領(lǐng)域）是對《學(xué)習(xí)對象元數(shù)據(jù)》與具體應(yīng)用領(lǐng)域結(jié)合的產(chǎn)物 《基礎(chǔ)教育教學(xué)資源元數(shù)據(jù)規(guī)范》（CELTS-42）應(yīng)用領(lǐng)域則更為具體主要面向基礎(chǔ)教育的資源建設(shè) 關(guān)系一脈相承的都是以LOM為核心建立的,62,機讀目錄（MARC）,廣泛用于圖書館書目記錄數(shù)據(jù) 是目前圖書館描述、存儲、交換、處理以及檢索信息的基礎(chǔ) 特點 可變長字段的記錄格式采用目次方式 每條MARC記錄分三個區(qū)（頭標(biāo)區(qū)，目次區(qū)，數(shù)據(jù)區(qū)）,63,

43、2.5 XML,性質(zhì)W3C于1998年2月發(fā)布的一種標(biāo)準(zhǔn) 是SGML的一個簡化子集 可擴展標(biāo)記語言 特點較好地解決了HTML無法表達(dá)數(shù)據(jù)內(nèi)容等問題允許各個組織、個人建立適合自己需要的標(biāo)記集合,64,XML與HTML比較,文檔的3個要素數(shù)據(jù)、結(jié)構(gòu)以及顯示方式 HTML 顯示方式內(nèi)嵌在數(shù)據(jù)中 在創(chuàng)建文本時，要時時考慮輸出格式 創(chuàng)建文檔的重復(fù)工作量大 不易抽取語義信息 XML顯示格式從數(shù)據(jù)內(nèi)容中獨立出來，保存在樣式

44、單文件(Style Sheet)中 自我描述性質(zhì)能夠很好地表現(xiàn)許多復(fù)雜的數(shù)據(jù)關(guān)系,65,XML結(jié)構(gòu),文件頭 與HTML類似，是可選的文件主體 包括一個或多個元素 形式是一棵分級的樹 混雜的“結(jié)尾部分” 由注釋、處理指令和空白組成 注釋用表示，可在文檔中任意位置,66,元素(Element),表示方法由開始標(biāo)記、結(jié)束標(biāo)識以及標(biāo)識之間的數(shù)據(jù)構(gòu)成 標(biāo)記之間的數(shù)據(jù)被認(rèn)為是元素的值 每個元素都有不同的標(biāo)記名王力元素名是d

45、irector 元素值是“王力” 王力 元素名是actor元素值是“王力”,67,元素要點,關(guān)鍵的3點 所有元素必須有結(jié)束標(biāo)記 所有元素必須正確嵌套，不允許交迭 所有屬性值必須加引號 注意點XML文檔主體有且僅有一個XML根元素 可以嵌套XML元素，形成一棵樹形結(jié)構(gòu),68,XML文檔例子, 數(shù)據(jù)結(jié)構(gòu) 許卓群等 數(shù)據(jù)挖掘 韓家炸等 ,69,例子的樹狀結(jié)構(gòu),70,XML屬性

46、,給元素提供進(jìn)一步的說明信息 必須出現(xiàn)在起始標(biāo)記中 以名稱/取值對出現(xiàn)，屬性名不能重復(fù)名稱與取值之間用等號“=”分隔用引號把取值引起來 例如 100000說明了工資的貨幣單位是人民幣元,71,XML處理器,目的解析XML文檔提供對XML文檔內(nèi)容和結(jié)構(gòu)的訪問 文檔對象模型(Document Object Model，DOM)將完整的XML轉(zhuǎn)換成一棵樹的形式放在內(nèi)存中 供隨機訪問元素、屬性 XML簡單API(Si

47、mple API for XML，SAX) 采用事件驅(qū)動模型 通過標(biāo)記的起止來觸發(fā)事件 DOM與SAX的比較（討論）,72,處理指令(Processing Instruction),目的給XML處理器提供信息，使其能夠正確解釋文檔內(nèi)容 表示起始標(biāo)記是“” 方法XML分析器把這些信息原封不動地傳給應(yīng)用程序 由應(yīng)用程序來解釋這個指令 遵照它所提供的信息進(jìn)行處理,73,兩種處理指令,XML聲明 必須包括version

48、屬性，指明所采用的XML的版本號，而且它必須在屬性列表中排在第一位standalone屬性表明該XML文檔是否和一個外部文檔類型定義DTD配套使用 encoding屬性則指明了數(shù)據(jù)所采用的編碼標(biāo)準(zhǔn) XSL樣式單引用 告訴XSL樣式單解析器，樣式單的類型是text-xsl 類型text-xsl可以在文檔contacts.xsl中找到,74,XML的名字空間,背景由于XML對互操作性的支持，每個人都可以創(chuàng)建屬于自己的XML詞匯

49、 不同的開發(fā)者會用相同的元素來代表不同的實體 作用為XML文檔元素提供了一個上下文 允許開發(fā)者按一定的語義來處理元素 為什么引入NS(命名空間)討論,75,XML NS 例子,＜?xml version="1.0"?＞＜hamburgersxmlns:purchase=http://fastfood.org/franchise/pricesxmlns:sales=http://fastfood.or

50、g/customer/prices＞?。糷amburger lowfat="dream on"＞＜name＞CowBurger＜/name＞＜description＞Greasy and good.＜/description＞＜purchase:price＞0.99＜/price＞＜sales:price＞2.99＜/price＞＜/hamburger＞＜/hamburgers＞,76,XSL(Ext

51、ensible Stylesheet Language),背景用標(biāo)準(zhǔn)的DOM API來實現(xiàn)XML數(shù)據(jù)的交互，是十分單調(diào)乏味的 如想找到所有滿足某些條件的元素，或轉(zhuǎn)換為簡單的HTML表格，必須手工書寫代碼遍歷整棵樹來尋找 目的為標(biāo)準(zhǔn)化及簡化人們完成這些任務(wù)所需做的工作,77,食品的例子,XML文檔 月餅 中秋節(jié)食用的傳統(tǒng)食品 2.99 ,HTML文檔 食品

52、 月餅, 中秋節(jié)的傳統(tǒng) 食品, 2元 ,78,XSL文件, 選取了當(dāng)前結(jié)點的所有食品子結(jié)點 hamburgers 標(biāo)識出符合給定條件的結(jié)點 , , 取結(jié)點中各個元素的值 ,79,XSL用途,增強了互操作性 XML數(shù)據(jù)轉(zhuǎn)換為HTML從一種XML格式到另一種XML格式之間的轉(zhuǎn)換 開發(fā)人員不用為了描述

53、某種類型的數(shù)據(jù)而采用通用的詞匯某個人向你的系統(tǒng)發(fā)送了一篇XML文檔，而你的系統(tǒng)不認(rèn)識它所采用的XML詞匯只要進(jìn)行一次簡單的XSL轉(zhuǎn)換就可以得到自己熟悉的詞匯,80,文檔類型定義 DTD,目的定義XML文檔結(jié)構(gòu)，即其中的元素、屬性以及元素之間關(guān)系的 定義了文件中的元素能用什么名字，能放在什么位置，應(yīng)該怎樣組合 可以檢測XML文檔的結(jié)構(gòu)是否正確 例如描述一組，其中每個又可以包含若干個DTD中應(yīng)該有語句: 生成的表 ：管樂

54、弦樂器樂,81,DTD 引用,內(nèi)部引用包含在XML文檔的前導(dǎo)說明部分 如 文檔體…外部引用作為一個外部文檔被引用 如 文檔體…SYSTEM指一個作者或組織所編寫的通用的DTD 或是 PUBLIC 指由權(quán)威機構(gòu)制訂的、提供給特定行業(yè)或公眾使用的DTD,82,DTD中ETD(元素類型聲明),作用聲明所有有效的文檔元素 結(jié)構(gòu) 類型 空元素類型 使用空元

55、素標(biāo)記，元素中沒有內(nèi)容 ANY元素類型 元素中可以包含任何內(nèi)容 父元素類型 元素中可以包含子元素在DTD中通過正則表達(dá)式規(guī)定子元素出現(xiàn)的順序和次數(shù) 混合元素類型 元素中可以包含文本文本之間可以有選擇地插入子元素，子元素出現(xiàn)的順序和次數(shù)不受限制,83,2.6 XML Schema,DTD缺點 采用了非XML的語法規(guī)則不支持?jǐn)?shù)據(jù)類型擴展性較差 XML模式己經(jīng)漸有取代DTD的趨勢擁有比DTD更強大的功能 用于更

56、精確和有效地描述XML文檔結(jié)構(gòu),84,XML模式的優(yōu)點,一致性直接借助XML自身的特性利用XML的基本語法規(guī)則定義XML文檔的結(jié)構(gòu) 不必再利用一種特定的形式化的語言擴展性 引入了數(shù)據(jù)類型、命名空間在基本數(shù)據(jù)類型基礎(chǔ)上用戶可自己擴展數(shù)據(jù)類型 互換性 利用模式能夠書寫XML文檔并驗證文檔的合法性 對不同的模式進(jìn)行轉(zhuǎn)換，以實現(xiàn)更高層次的數(shù)據(jù)交換 規(guī)范性 利用元素的內(nèi)容和屬性來定義XML文檔的整體結(jié)構(gòu) 基于XML，

57、更具有規(guī)范性,85,數(shù)據(jù)類型,用途為Element Type和Attribute Type指定數(shù)據(jù)類型 基本數(shù)據(jù)類型 （10種)entity，entities，enumeration，id，idref，idrefs，nmtoken，nmtokens，notation和string 擴展數(shù)據(jù)類型 bin.baSe64，bin.heX，boolean，char，date，dateTime，dateTime.tz，fixed.14.

58、4，float，int，number，timetime.tz，i1 ，i2, i4，r4, r8，ui1, ui2，ui4, uri，uuid,86,XMLS元素類型,基本格式 取值及含義 (略）,87,XMLS屬性類型,基本格式 取值及含義 (略）,88,數(shù)據(jù)類型的使用例子（1）,定義元素“名字”和“生日” 其中string和date類型都是Schema中自帶的基本數(shù)據(jù)類型 minOccurs和maxOccu

59、rs是最少和最多出現(xiàn)次數(shù)的約束，這里表示有而且只出現(xiàn)一次,89,數(shù)據(jù)類型的使用例子（2）,擴展數(shù)據(jù)類型Schema中沒有規(guī)定的類型，如“性別”類型 定義例子 注釋name屬性是該數(shù)據(jù)類型的名稱 數(shù)據(jù)類型由restriction子元素進(jìn)行約束該元素中的base屬性是基類型,90,2.7元數(shù)據(jù)自動抽取技術(shù),預(yù)處理 剔除在格式、內(nèi)容、語言等方面存在問題或嚴(yán)重

60、缺失的文檔 產(chǎn)生格式相對規(guī)整的文本文檔 提取元數(shù)據(jù) 由數(shù)字化文檔元數(shù)據(jù)的規(guī)范定義，產(chǎn)生提取元數(shù)據(jù)的各種模式 依據(jù)元數(shù)據(jù)模式進(jìn)行數(shù)字化文檔的挖掘與匹配 利用與數(shù)字化文檔相關(guān)的啟發(fā)式規(guī)則和經(jīng)驗規(guī)則，有效提取元數(shù)據(jù),91,MathML,含義Mathematical Markup Language用途用來描述數(shù)學(xué)符號、紀(jì)錄其結(jié)構(gòu)和內(nèi)容目標(biāo)是在Web上實現(xiàn)能像HTML處理文本一樣，處理數(shù)學(xué)問題,92,例：x2 + 4x + 4

61、 =0,＜apply＞　＜plus/＞?。糰pply＞＜power/＞　?。糲i＞x＜/ci＞　?。糲n＞2＜/cn＞?。?apply＞　＜apply＞　?。紅imes/＞　　＜cn＞4＜/cn＞　?。糲i＞x＜/ci＞?。?apply＞＜cn＞4＜/cn＞＜/apply＞,93,SMIL,含義Synchronized Multimedia Integration Language用途一種基于XML的表述

62、多媒體演示的語言 將一組獨立的多媒體對象整合為一個多媒體演示,94,SMIL例子,＜HTML＞＜HEAD＞?。糞TYLE＞.time { behavior:url(#default#time); }＜/STYLE＞＜/HEAD＞＜BODY＞?。糄IV CLASS="time" t:timeline="seq"＞?。糚 class="time" t:dur="

63、;1"＞ This appears for one second and goes away＜/P＞ ＜P class="time" t:dur="1"＞　 This appears after one second, remains visible for one second and goes away ＜/P＞?。糚 class="time&

64、quot; t:dur="1"＞　 This appears after two seconds, remains visible for one second and goes away ＜/P＞＜/DIV＞＜/BODY＞＜/HTML＞,95,CDF,含義Channel Definition Format 一種開放的規(guī)格允許Web的發(fā)布者經(jīng)常更新信息或是頻道 CDF起到了頻道內(nèi)容目錄的作用用戶僅

65、需選擇一下頻道 信息就會從Web服務(wù)器定時的傳遞到客戶端,96,問題討論,1.什么是元數(shù)據(jù)（metadata）？ 2.元數(shù)據(jù)與數(shù)據(jù)是什么關(guān)系？3.元數(shù)據(jù)（metadata）概念提出的背景是什么？ 4.元數(shù)據(jù)能解決什么問題？ 5.元數(shù)據(jù)是新概念嗎？,97,問題討論,6. 數(shù)字圖書館和元數(shù)據(jù)的關(guān)系是什么？ 7. 什么是元數(shù)據(jù)的語義、結(jié)構(gòu)和句法？ 8. 如何使用元數(shù)據(jù)？ 9. 元數(shù)據(jù)可以應(yīng)用哪些置標(biāo)語言？ 1

66、0. 什么是RDF？,98,問題討論,11. 什么是語義萬維網(wǎng)（Semantic Web）?語義萬維網(wǎng)與元數(shù)據(jù)有什么關(guān)系？ 12. 什么是本體(Ontology)？元數(shù)據(jù)與本體有什么關(guān)系？ 13. 存在多個元數(shù)據(jù)格式 ,解決互操作問題通常有哪些方法？ 14.元數(shù)據(jù)映射解決系統(tǒng)互操作問題有什么優(yōu)缺點？,99,References,W. Song, M. Zhang. A First Step toward the Semant

67、ic Web, Higher Education Press, 2004 Bernard-Lee, T. (2000). Semantic Web - XML2000. Available: http://www.w3.org/2000/Talks/1206-xml2k-tbl/Overview.htmlXML Schema Part 0: Primer, W3C Recommendation, May 2001http://ww