劉兵，徐建良
　?。ㄖ袊?guó)海洋大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266100）

       摘要：PROV模型是W3C推薦的數(shù)據(jù)溯源模型，擁有豐富的語義詞匯和數(shù)據(jù)模型。結(jié)合大洋樣品領(lǐng)域知識(shí)，從溯源信息的描述、溯源信息的存儲(chǔ)和溯源信息的查詢?nèi)矫娼榻BPROV模型在大洋樣品領(lǐng)域的應(yīng)用過程和技術(shù)路線。
　　關(guān)鍵詞：PROV；大洋樣品；數(shù)據(jù)溯源　　

0引言
　　大洋樣品館的主要職能為樣品的收集、整理、保存、分配，屬性數(shù)據(jù)提取［1］，而為了能夠更好地實(shí)現(xiàn)信息化，為樣品管理工作提供更強(qiáng)大的信息支持，樣品館設(shè)計(jì)并開發(fā)了大洋樣品管理系統(tǒng)，該系統(tǒng)主要負(fù)責(zé)對(duì)入館樣品從入館交接到樣品分配出庫之間的信息管理工作。
　　目前，隨著數(shù)據(jù)量的增加，以及對(duì)樣品信息可靠性要求的提高，管理系統(tǒng)漸漸暴露出一些問題，隨著樣品數(shù)據(jù)的變遷很難保證樣品信息的可靠性。這個(gè)問題隨著數(shù)據(jù)量與業(yè)務(wù)的不斷增長(zhǎng)，變得愈發(fā)嚴(yán)重。
　　近幾年數(shù)據(jù)溯源技術(shù)的流行，為解決大洋樣品管理系統(tǒng)產(chǎn)生的問題提供了比較合適的解決方案。數(shù)據(jù)溯源的研究最早可追溯到20世紀(jì)90年代，它的名稱是從“data provenance”翻譯過來的，意思是對(duì)數(shù)據(jù)來源進(jìn)行追蹤然后將數(shù)據(jù)的歷史狀態(tài)重現(xiàn)出來。
　　目前國(guó)內(nèi)數(shù)據(jù)溯源的研究還比較少，將數(shù)據(jù)溯源應(yīng)用到大洋樣品管理中的也較為少見。國(guó)外這方面的研究比較流行，數(shù)據(jù)溯源模型也很多，較為流行的有OPM模型和PROV模型。
1PROV模型
　　PROV是一個(gè)由W3C定義的有關(guān)溯源的標(biāo)準(zhǔn)文檔集合(PROV Family)，目前共由11個(gè)文檔組成，其中4個(gè)為推薦標(biāo)準(zhǔn)，如圖1所示。

　　作為一個(gè)抽象模型，PROV并不針對(duì)具體的應(yīng)用環(huán)境，而只是對(duì)于各領(lǐng)域下數(shù)據(jù)起源過程的一般化表達(dá)［2］。因此，如果要將PROV應(yīng)用到特定的環(huán)境中，必須根據(jù)具體情況進(jìn)行相應(yīng)的擴(kuò)展，否則會(huì)帶來諸如語義不準(zhǔn)確等問題。
　　PROV數(shù)據(jù)模型(PROVDM) 是PROV標(biāo)準(zhǔn)家族的核心，其為溯源數(shù)據(jù)的表述提供了通用的術(shù)語概念。PROV模型作為一個(gè)上層溯源模型獨(dú)立于具體領(lǐng)域，從抽象層次上描述了溯源過程，其核心包括實(shí)體(Entity)、活動(dòng)(Activity)和代理(Agent)。
　　實(shí)體和實(shí)體間的變化和流動(dòng)通過屬性prov:wasDerivedFrom來表示；實(shí)體和活動(dòng)之間的關(guān)系有prov:used和prov:wasGeneratedBy，分別表示實(shí)體被活動(dòng)所使用和實(shí)體由活動(dòng)產(chǎn)生；活動(dòng)和活動(dòng)之間利用屬性prov:wasInformedBy表示時(shí)間次序關(guān)系；代理之間的關(guān)系使用prov:actedOnBehalfOf屬性表示；代理與實(shí)體存在的關(guān)聯(lián)使用屬性prov:wasAttributedTo表達(dá)；代理與活動(dòng)的關(guān)聯(lián)使用屬性prov:wasAssociatedWit h表達(dá)［3］。這三個(gè)比較核心的概念及其相互關(guān)系如圖2所示。

　　PROV還包含了一個(gè)專門為數(shù)據(jù)模型而定義的比較輕量級(jí)的本體，即PROVO［4］。PROVO使用標(biāo)準(zhǔn)網(wǎng)絡(luò)本體語言O(shè)WL描述，支持PROV的數(shù)據(jù)模型向RDF映射［5］。PROV本體根據(jù)用戶的應(yīng)用需求分為三個(gè)級(jí)別，本文使用第一級(jí)別描述大洋樣品溯源信息。
2樣品信息溯源
　　2.1溯源信息描述
　　資源描述框架(Resource Description Framework, RDF)是用來描述網(wǎng)絡(luò)資源的W3C標(biāo)準(zhǔn)，RDF事實(shí)上已成為PROV模型的標(biāo)準(zhǔn)描述方式［6］。
　　以樣品的分割活動(dòng)為例，假設(shè)某科學(xué)家申請(qǐng)樣品A中的一部分，樣品管理員（Admin01）需要將樣品A（SampleA）分割成為樣品B（SampleB）與樣品C（SampleC）。假設(shè)上述樣品只存在樣品編碼（Coding）屬性。
　　該場(chǎng)景涉及樣品管理領(lǐng)域的多個(gè)概念，這些概念在PROV模型的基礎(chǔ)上用相應(yīng)的本體詞匯進(jìn)行描述，該詞匯集在“http://www.cosr.or g.cn/mso#”命名空間下。
　　這些詞匯建立在PROV模型之上，是對(duì)PROV模型在本領(lǐng)域內(nèi)的擴(kuò)展，這里只列舉出上文場(chǎng)景中出現(xiàn)的詞匯。上述樣品分割操作的RDF描述如下：
　　@prefix foaf: <http://xmlnscom/foaf/0.1/> .
　　@prefix prov: <http://wwww3org/ns/prov#> .
　　@prefix : <http://wwwcosrorgcn/mso#> .
　　:sampleA
　　a :Sample,prov:Entity;
　　prov:wasGeneratedBy: code01;
　　:Coding "1L4130126"^^xsd:string;.
　　:sampleB
　　a :Sample,prov:Entity;
　　prov:wasGeneratedBy:separate01;
　　:Coding "1L4130127"^^xsd:string; .
　　:sampleC
　　a :Sample,prov:Entity;
　　prov:wasGeneratedBy:separate01;
　　:Coding "1L41301268"^^xsd:string;.
　　:Admin01
　　a :Admin,foaf:Person,prov:Agent;
　　foaf:mbox<mailto:XX@example.org>;
　　foaf:name"XiaoMing"; .
　　:separate01
　　a :Separate,prov:activity;
　　prov:used:sampleA;
　　prov:wasAssociatedWith :application01;
　　prov:wasAssociatedWith :Admin01;
　　prov:startedAtTime "20160105"^^xsd:dateTime;
　　prov:endedAtTime "20160105"^^xsd:dateTime;
　　2.2溯源信息存儲(chǔ)
　　在傳統(tǒng)PROV溯源系統(tǒng)中，一般直接使用RDF文件或者關(guān)系型數(shù)據(jù)庫存儲(chǔ)溯源數(shù)據(jù)，文件存儲(chǔ)存在數(shù)據(jù)共享性差、獨(dú)立性差和冗余度大等缺點(diǎn)，關(guān)系型數(shù)據(jù)庫由于存在過于結(jié)構(gòu)化的特點(diǎn)，在數(shù)據(jù)庫擴(kuò)展和存儲(chǔ)非結(jié)構(gòu)化數(shù)據(jù)時(shí)比較困難［7］。
　　BrightstarDB數(shù)據(jù)庫可以解決上面的問題，BrightstarDB是原生的基于.NET的用于存儲(chǔ)RDF所描述的三元組的非關(guān)系型數(shù)據(jù)庫，支持SPARQL查詢語法。利用BrightstarDB提供的API，可以方便地將描述存入數(shù)據(jù)庫。如下所示將一條三元組描述存入數(shù)據(jù)庫：
　　var addTriples = new StringBuilder();
　　//三元http://wwwcosrorgcn/mso/separate01是PROV活動(dòng)
　　addTriplesAppendLine("http://wwwcosrorgcn/mso/separate01 http://wwww3org/1999/02/22-rdf-syntax-ns/type http://www.w3.org/ns/prov/activity .");
　　//創(chuàng)建事務(wù)數(shù)據(jù)參數(shù)
　　var transactionData = new UpdateTransactionData { InsertData = addTriples };
　　//執(zhí)行事務(wù)
　　var jobInfo = clientExecuteTransaction(storeName, transactionData);
　　2.3溯源信息查詢
　　SPARQL是W3C推薦的RDF查詢語言，SPARQL語言的RDF數(shù)據(jù)查詢實(shí)現(xiàn)原理是圖模式匹配［8］，由于BrightstarDB支持SPARQL查詢語言，所以可以直接使用SPARQL對(duì)溯源信息進(jìn)行查詢。
　　在大洋樣品溯源查詢中，假設(shè)已知樣品B的樣品編碼，要查詢出它的母樣品的編碼和執(zhí)行分割操作的管理員的姓名。圖3是該查詢的圖模式（查詢意圖）。

圖中每條連線都是一條三元組陳述，用SPARQL語言實(shí)現(xiàn)代碼如下：
　　@prefix rdf:<http://www.w3.org/1999/02/22-rdf-synt ax-ns#> .
　　@prefix foaf: <http://xmlns.com/foaf/0.1/> .
　　@prefix prov: <http://www.w3.org/ns/prov#> .
　　@prefix : <http://www.cosr.org.cn/mso#> .
　　SELECT ?Coding ?name
　　WHERE {?B :Coding “1L4130127”;
　　prov:wasGeneratedBy ?AC .
　　?AC prov:used ?A ;
　　prov:wasAssociatedWith ?Admin .
　　?Admin rdf:type :Admin ;
　　foaf:name ?name .
　　?A:Coding ?Coding .
　　}
　　該語句的執(zhí)行結(jié)果如表1所示。

3結(jié)論
　　隨著大洋領(lǐng)域業(yè)務(wù)量的增加和用戶需求的豐富，現(xiàn)行的大洋樣品管理系統(tǒng)在一定程度上已經(jīng)暴露出缺陷。本文通過對(duì)PROV模型的研究，將PROV模型應(yīng)用到大洋樣品管理領(lǐng)域，解決了大洋樣品衍生數(shù)據(jù)可靠性的問題，為以后大洋樣品管理系統(tǒng)升級(jí)提供技術(shù)支持。
　　參考文獻(xiàn)
　　［1］ 杜林濤.大洋樣品倉庫信息化管理的研究［D］.青島:中國(guó)海洋大學(xué)，2013.［2］ 柯潔，董紅斌，梁意文，等. 基于PROV的ETL起源信息統(tǒng)一表達(dá)機(jī)制［J］. 四川大學(xué)學(xué)報(bào)(工程科學(xué)版)，2015，47(5):126130.
　?。?］ LEBO T，SAHOO S，MCGUINNESS D， et al．ProvO: The PROV  ontology［EB/OL］．(2013XXXX)［20160330］http: / /www.w3.org /TR/2013 /REC provo 20130430.
　?。?］ MOREAU L，MISSIER P，BELHAJJAME K，et al.Provdm:the PROV data model［EB/OL］．(2013XXXX)［20160330］http://www.w3.org/TR/2013 /REC prov dm 20130430.
　?。?］ LIU X，WANG C. Data with provenance: models and storage［J］. China Academic Journal Electronic Publishing House，2008，35(10): 187191.
　?。?］ 倪靜，孟憲學(xué)．關(guān)聯(lián)數(shù)據(jù)環(huán)境下數(shù)據(jù)溯源描述語言的比較研究［J］． 現(xiàn)代圖書情報(bào)技,2013(2):1823.
　?。?］ 陳彥.應(yīng)用SPARQL進(jìn)行RDF數(shù)據(jù)查詢［J］.企業(yè)技術(shù)開發(fā)，2007(7)：610.
　?。?］ 周邠林，趙麗敏，蔣薇.基于RFID的生豬溯源系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.微型機(jī)與應(yīng)用，2014,33(10):8385.
　?。?］ 唐永瑞，張達(dá)敏. 基于Ajax與MVC模式的信息系統(tǒng)的研究與設(shè)計(jì)［J］.電子技術(shù)應(yīng)用，2014,40(2):7578.