重用标准RDF词汇 - 第1部分

这是Adam Retter的Guest Blog Post作出的二进制文件，他是全国档案馆项目欧米茄的顾问技术架构师......

在TNA（国家档案馆）项目Omega的第1阶段，我们评估了几种不同现有的模型和词汇表/本体，以确定他们表达TNA新的Pan-Archival目录数据的适用性。我们出版了一份相当综合的考察报告，并提出了前进的方式：目录模型提案。

总之，我们认为没有现有的模型是完美的。我们认识到，ICA的RIC（国际档案馆关于上下文中的档案记录）非常有前途，但目前为TNA的需求开发。最终，我们觉得在开发马特宏峰数据模型中采取的方法具有很大的优势，我们将采取类似的路径。

试图遵守RIC概念模型的更广泛的原则，但丢弃了RIC的本体论。

遵循马特宏峰RDF数据模型的方法，即重复使用现有词汇表，而不是创建自己的。

我们开始使用Matterhorn中指定的模型，并根据我们需要的其他共享和标准化词汇表添加了附加属性和类。我们的数据模型的（正在进行的）文件：Omega目录数据模型。

现在我们在项目欧米茄的第2阶段，并以龟RDF的形式将数据导出到此数据模型中，我们开始重新审视我们关于重用的一些初始假设。

重用现有词汇的美丽（假设您选择了流行和标准化的词汇），是任何开发人员，数据科学家或与RDF一起工作的用户可能已经了解并与我们的数据合作。例如，让我们考虑记录的简化描述：

@prefix tna：＆lt; http://www.nationalarchives.gov.uk/> 。 @prefix dct：＆lt; http://purl.org/dc/terms/> 。 tna：res.fo.2020.3j.p.1 dct：标识符＆＃34; fo.2020.3j.p.1＆＃34; ; DCT：描述＆＃34;这是关于...＆＃34的外交办公室记录; ; 。

DCT（都柏林核心术语）是自2008年以来一直存在的词汇，其使用是无处不在的。即使某种方式用户不知道都柏林核心，条款的命名也是直截了当的。作为人类，我可能会推断DCT：标识符作为保存资源的标识符的标识符，以及DCT：描述作为保留资源的描述。如果您觉得需要，您可以通过检查都柏林核心标准文档本身确认您的怀疑，但这是您没有必要的点，这意味着已经知道或至少几乎明显。这是重用流行词汇表的主要好处，因为它既可以减少与数据一起使用的人的认知负载，并使我们能够形成和使用共享语言，即使在使用众异的数据集时也可以使用共享语言。

在倒塌方面，重新使用流行的共享词汇表的缺点是它们通常是通过设计，在其定义中非常通用。这当然是必要的，广泛受众可以接受的共同术语需要通过该受众来令人满意，因此通用和/或模糊的术语更加卑鄙。

定义自己的词汇表具有绝对优势，允许您精确定义世界观，并准确地界定您的意思。这是强大的东西！

@prefix tna：＆lt; http://www.nationalarchives.gov.uk/> 。 tna：res.fo.2020.3j.p.1 tna：oci＆＃34; fo.2020.3j.p.1＆＃34; ; TNA：范围内容＆＃34;这是关于...＆＃34的外交办公室记录; ; 。

如果您在档案部门工作，您可能会猜测TNA：范围内容持有记录的范围和内容......但是档案部门以外的人究竟知道＆＃34;范围和内容＆＃34;记录？即便如此，你可能会知道TNA的含义：OCI！它＆＃39; omega目录标识符，并且意识甚至在整个TNA中都没有组织。我们当然会写入owl和文档来定义什么TNA：OCI和TNA：范围内容意味着，但用户必须先阅读并读取它们可以使用数据。

权衡最终是：通过重用共享词汇表Vs.精确/正确表达您的域和数据来易消化。

在Omega，我们的潜在原则是首先尝试重复使用。我们正在发现有时，只能从流行的标准化词汇中重复使用，只有一个合适的财产或类。

作为一个例子，让我解释一下我们最近不得不解决项目Omega的用例。 TNA的目录目前包含每个描述单位的覆盖日期（文件夹的单个文档）。这些覆盖日期是所描述的记录的时间段。它们在1到3之间表示：日期文本（如描述单位上显示），第一次（期间开始）以及期间的最后日期（期末）。

最初我们决定使用普通词汇的财产来表达这些，都柏林核心条款（也许你知道它！）。我们最初选择的属性是DCT：时间。正如我解释DCT（Dublin核心术语）标准，它看起来是DCT：时间旨在描述资源的时间覆盖，即资源中讨论/所示的时间段而不是资源的日期创建。因此，在进一步考虑之后，我们决定使用其他东西而不是DCT：时间，这是我们必须开始进行权衡的地方。

使用DCT：改为创建。不幸的是DCT：创建是一个数据类型属性，所以需要一个文字值，但我们需要存储3个文字值（日期文本，第一个日期和最后一个日期）。为了实现这一目标，我们可以：a）使用ISO 8601-1，W3CDTF，EDTF或DCMI期间将3个文字值编码为1个文字值。这具有对SPARQL查询此功能的缺点变得复杂，需要各种字符串分割操作。例如，使用DCMI期间的编码可能会产生单个文字字符串值：name = 1941-1951;方案= W3C-DTF; start = 1941-01-01z;结束= 1951-01-01z。 b）忽略这里的Dublin核心细节，并使用对象属性。我们可以在某种程度上强制使用Shacl和文档来强制这种方法。然而，那些习惯于都柏林核心的人可能会感到惊讶; DCT的SPARQL查询：我们的系统中的创建将不同于其他系统。这否定了使用来自共享标准化词汇的财产的优势！

使用时间：更换。这是来自W3C时间本体在OWL中的通用属性。这是一个对象属性，使我们能够完全按照我们所需的方式表达我们的覆盖日期。不幸的是，TME：赶紧只告诉我们有一个时间，而不是那个时间代表的时间。它太过通用，无法充分描述这些是记录的创建日期; DCT：创建会更精确！

创建自己的词汇属性。我们有两个如何接近的主要选择：a）在我们自己的词汇表中定义自己的独立财产。 b）如果常见的词汇属性接近我们所需要的常见词汇，我们可以定义我们自己的属性，该属性来自此。

虽然DCT：创建了infers（对人类）我们正在寻找它的含义，并不让我们存储我们所需要的信息。时间：Hastime属性是相反的，它缺乏足够的精确含义，但允许我们如何存储我们的覆盖日期的极大灵活性。因此，由于没有常见词汇的易于合适的财产，我们几乎没有选择，而是创造自己的！

作为属性时间：Hastime允许我们存储我们需要的数据，但缺乏足够的描述性，而不是定义自己的独立财产，而不是定义我们的房产，而是从时间派生我们的财产：加速并添加进一步的描述性信息。我们的新派生属性将是TNA：创建，可以看出这样的东西：

@prefix owl＆lt; http://www.w3.org/2002/07/owl#> 。 @prefix rdfs＆lt; http://www.w3.org/2000/01/rdf-schema#> 。 @prefix tna：＆lt; http://www.nationalarchives.gov.uk/> 。 @prefix dct：＆lt; http://purl.org/dc/terms/> 。 @prefix时间：＆lt; http://www.w3.org/2006/time#& gt; 。 @prefix rdae：＆lt; http://rdaregistry.info/elements/e/> 。 TNA：创建了一只猫头鹰：ObjectProperty; rdfs：subpropertyof时间：匆匆; RDFS：标签＆＃34;创建的日期＆＃34; ; RDFS：评论＆＃34;创建资源的日期，或者创建资源的日期期间。历史上，在国家档案中，这也被称为＆＃39;覆盖日期＆＃39; （描述单位）。＆＃34; @en; RDFS：Seealso DCT：创建，RDAE：P20214。

上面的TNA定义：创建将其声明为时间的子属性：汇率，但提供有关其使用的更多信息，并通过查看DCT来通知我们，创建和RDAE可以找到其他信息：P20214。

在实际使用中，我们之前的RDF增强了我们的覆盖日期，现在终于看起来像：

@prefix tna：＆lt; http://www.nationalarchives.gov.uk/> 。 @prefix dct：＆lt; http://purl.org/dc/terms/> 。 @prefix时间：＆lt; http://www.w3.org/2006/time#& gt; 。 @prefix xsd：＆lt; http://www.w3.org/2001/xmlschema#& gt; 。 tna：res.fo.2020.3j.p.1 dct：标识符＆＃34; fo.2020.3j.p.1＆＃34; ; DCT：描述＆＃34;这是关于...＆＃34的外交办公室记录; ; TNA：创建[时间：proceptinterval; DCT：描述＆＃34; 1941-1951＆＃34; ;时间：hasbeginning [时间：即时;时间：inxsddate＆＃34; 1941-01-01z＆＃34; ^^ xsd：date];时间：哈打[时间：瞬发;时间：Inxsddate＆＃34; 1951-12-31z＆＃34; ^^ xsd：date]]。

我们仍然利用DCT：标识符和DCT：上面的描述，因为它们是重复使用的合适。虽然新的TNA：创建完全展示了我们的权衡！

早些时候，我解释说我们想要重复使用DCT：创建，因为它是一个广泛使用和理解的属性，但它不适合存储我们的覆盖日期（因为它被指定为数据类型属性）。由于我们找不到来自现有流行词汇的合适物业，我们可以重用，我们被迫创造自己的。这个属性，TNA：创建，有两个重要的设计方面：

它的名字是直截了当的。即使是来自档案部门之外的人也可能猜测它是意义和目的。有人不太可能看看我们的猫头鹰定义或文档，以便能够开始与之合作。非常有意的是，这一目了然看起来很像DCT：创造了。

虽然这个属性是TNA特定的并且阐述了精确的含义，但它并不是独立的。相反，它通过从时间衍生出来的ovl（一种流行的词汇本身）来重用W3C时间本体论：Hastime属性。

对于项目Omega - 我们仍然可以随时随地重复使用，因为它可以让他人更容易消耗。创建新的属性或类（即使从公共词汇中派生）有时是不可避免的，但应该被视为绝对的最后一个度假胜地，并且只有在没有共同属性时才进行，或者所述财产未能充分描述数据。

希望本文为您提供了一些洞察力，以严格试图重用现有的词汇表以及可能所需的权衡时出现的挑战。