Nghiên cứu và triển khai linked data cho các ứng dụng web ngữ nghĩa

TẠP CHÍ KHOA HỌC, Đại học Huế, Số 65, 2011<br /> NGHIÊN CỨU VÀ TRIỂN KHAI LINKED DATA<br /> CHO CÁC ỨNG DỤNG WEB NGỮ NGHĨA<br /> Lê Thị Thanh Tâm, Trường Cao đẳng Công nghiệp Huế<br /> Hoàng Hữu Hạnh, Lê Mạnh Thạnh<br /> Đại học Huế<br /> <br /> TÓM TẮT<br /> Web ngữ nghĩa là xu thế phát triển trong việc biểu diễn dữ liệu để khắc phục các hạn<br /> chế của Web hiện tại và hướng đến một thế hệ Web đáp ứng tốt hơn nhu cầu của con người và<br /> các ứng dụng. Linked Data là thuật ngữ chỉ cách thức liên kết các nguồn dữ liệu trên Web hay<br /> đơn giản là sử dụng Web để kết nối các dữ liệu từ nhiều nguồn khác nhau, là một trong những<br /> cách tạo dựng nền tảng cho Web ngữ nghĩa. Vấn đề đặt ra là làm sao để chúng ta có thể chia sẻ<br /> các dữ liệu trên Web dễ dàng như chia sẻ các tài liệu trên Web ngày nay. Bài báo này trình bày<br /> các khái niệm và các kỹ thuật nền tảng của Linked Data, mô tả cách xuất bản Linked Data lên<br /> Web. Phần cuối đưa ra ví dụ minh họa việc xuất bản Linked Data và liên kết đến các nguồn dữ<br /> liệu khác trên Web.<br /> <br /> 1. Giới thiệu<br /> Mặc dù Web đã mang lại những lợi ích to lớn cho đến tận hôm nay. Tuy nhiên,<br /> những công nghệ đó chỉ áp dụng cho Web của tài liệu như hiện tại mà không thể áp<br /> dụng cho một thế hệ Web mới, Web dữ liệu (Web of Data). Thông thường, dữ liệu được<br /> xuất bản lên Web đã được định sẵn dưới dạng thô XML hay bằng HTML, mà bỏ qua<br /> nhiều cấu trúc và ngữ nghĩa của nó, dẫn đến thông tin thu được thiếu chính xác và đầy<br /> đủ. Trong Web siêu văn bản, tính tự nhiên của các mối quan hệ giữa hai tài liệu liên kết<br /> không rõ ràng vì định dạng dữ liệu HTML không hiệu quả khi biểu diễn các hạng mục<br /> riêng biệt được mô tả trong một tài liệu cụ thể và kết nối bởi liên kết định kiểu đến các<br /> mục liên quan. [1, 3]<br /> Xuất phát từ ý tưởng của Tim Berner-Lee năm 1998: “Web ngữ nghĩa không chỉ<br /> đưa dữ liệu lên Web. Nó còn là những liên kết để người hay máy có thể duyệt được dữ<br /> liệu trên Web. Với các dữ liệu được liên kết, khi bạn có một vài thứ bạn có thể tìm thấy<br /> những dữ liệu khác liên quan” [3]. Vấn đề đặt ra là làm sao để chúng ta có thể chia sẻ<br /> các dữ liệu (có cấu trúc) trên web dễ dàng như chia sẻ các tài liệu trên web ngày nay.<br /> Thuật ngữ Linked Data được Tim Berner-Lee đưa ra trong các ghi chép về kiến<br /> trúc Linked Data Web của mình. Thuật ngữ này chỉ cách thức (kiểu) để xuất bản và liên<br /> kết các dữ liệu có cấu trúc trên web. Giả định cơ bản của Linked Data là lợi ích và giá<br /> trị của dữ liệu tăng lên khi nó được liên kết với các dữ liệu khác [3, 9].<br /> 179<br /> <br /> Trong khi thành phần chính của Web hiện nay (hay còn gọi là web siêu liên kết)<br /> là tài liệu HTML được kết nối bởi các siêu liên kết không định kiểu (không xác định<br /> kiểu dữ liệu hay kiểu quan hệ), Linked Data dựa vào tài liệu chứa dữ liệu dạng RDF<br /> [19]. Tuy nhiên, tốt hơn các tài liệu kết nối đơn giản, Linked Data sử dụng RDF để làm<br /> các câu định kiểu liên kết các tài nguyên trong thế gới thực. Kết quả, những gì chúng ta<br /> tham chiếu trong Web của dữ liệu, có thể thực sự được mô tả như trong thế giới thực<br /> (Web of things), được mô tả bởi dữ liệu trên Web. [7, 8]<br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Liên kết<br /> <br /> Liên kết<br /> <br /> A<br /> <br /> B<br /> <br /> Liên kết<br /> <br /> C<br /> <br /> Liên kết<br /> <br /> D<br /> <br /> E<br /> <br /> Hình 1. Mô hình liên kết dữ liệu trong Web ngữ nghĩa<br /> <br /> 2. Một số khái niệm và thuật ngữ<br /> 2.1. Các nguyên lý của Linked Data<br /> Tim Berner Lee đã đưa ra 4 nguyên lý cơ bản của Linked Data như sau [3,7,11]:<br /> -<br /> <br /> Dùng URI để đặt tên cho mọi thứ, không chỉ là các tài liệu;<br /> <br /> -<br /> <br /> Sử dụng HTTP URI để tìm kiếm tên tài nguyên;<br /> <br /> -<br /> <br /> Khi tìm kiếm phải cung cấp thêm các thông tin hữu ích, sử dụng các kỹ thuật<br /> đã được chuẩn hóa (RDF, SPARQL);<br /> <br /> -<br /> <br /> Có những liên kết đến URI khác cho phép khám phá thêm những tài nguyên<br /> (tri thức) khác.<br /> <br /> Linked Data sử dụng mô hình dữ liệu RDF để xuất bản dữ liệu có cấu trúc trên<br /> Web và sử dụng liên kết RDF để kết nối các dữ liệu từ nhiều nguồn dữ liệu khác nhau.<br /> Điều đó tạo ra các nguồn dữ liệu chung trên Web nơi mà các cá nhân hay tổ chức có thể<br /> đưa dữ liệu lên hay sử dụng dữ liệu về bất cứ thứ gì [2, 8].<br /> 2.2. Tài nguyên<br /> Để xuất bản dữ liệu trên Web, đầu tiên chúng ta phải đặt tên hay định danh các<br /> thứ quan tâm trong lĩnh vực của ứng dụng. Khi mô tả chúng, ta cần quan tâm đến các<br /> thuộc tính và mối quan hệ của chúng với những thứ khác. Trong thuật ngữ của kiến trúc<br /> Web, tất cả các thứ quan tâm được gọi là tài nguyên [8].<br /> 180<br /> <br /> Có hai loại tài nguyên là tài nguyên thông tin và tài nguyên phi thông tin (tài<br /> nguyên thế giới thực hay còn gọi là thực thể thế giới thực) [8]. Tất cả tài nguyên trong<br /> Web tài liệu như các tệp tài liệu, hình ảnh và các tệp phương tiện khác đều là tài nguyên<br /> thông tin. Nhưng nhiều thứ mà chúng ta muốn chia sẻ dữ liệu thì không phải chẳng hạn<br /> như con người, sản phẩm vật lý, nơi chốn, chất đạm, các khái niệm khoa học, v.v…<br /> Tóm lại, tất cả các đối tượng thế giới thực tồn tại bên ngoài Web là các tài nguyên phi<br /> thông tin [8].<br /> 2.3. Định danh tài nguyên<br /> Tài nguyên được định danh bằng URI (Uniform Resource Identifier - định danh<br /> tài nguyên đồng nhất). URI là một chuỗi các ký tự dùng để định danh tài nguyên trên<br /> Internet. Những dịnh danh này có khả năng tương tác với sự biểu diễn của tài nguyên<br /> trên mạng sử dụng giao thức cụ thể và phổ biến nhất là HTTP, do đó, thường gọi là lược<br /> đồ HTTP URI [15, 18].<br /> 2.4. Biểu diễn tài nguyên<br /> Tài nguyên thông tin có sự biểu diễn (hiển thị). Một biểu diễn là chuỗi các byte<br /> trong một định dạng cứng như HTML, RDF, XML hay JPEG. Ví dụ: hóa đơn là một tài<br /> nguyên thông tin, nó có thể được biểu diễn như một trang HTML, một tài liệu PDF in<br /> được hay một tài liệu RDF. Một tài nguyên thông tin đơn có thể có nhiều biểu diễn khác<br /> nhau, như định dạng khác nhau về chất lượng phân giải hay ngôn ngữ tự nhiên. Tài<br /> nguyên phi thông tin không thể được biểu diễn một cách trực tiếp từ URI mà phải thông<br /> qua một tài nguyên thông tin biểu diễn mô tả của chúng [8, 15].<br /> Định danh tài nguyên (URI)<br /> ID<br /> Ứng dụng Web ngữ nghĩa<br /> <br /> Trình duyệt Web<br /> <br /> RDF<br /> <br /> HTML<br /> <br /> URI tài liệu RDF<br /> <br /> URI tài liệu HTML<br /> <br /> Hình 2. Mối quan hệ giữa một tài nguyên và sự biểu diễn nó<br /> <br /> Có hai dạng mẫu HTTP URI để định danh URI là Hash URI (sử dụng phân đoạn #)<br /> và Slash URI (sử dụng dấu / ) để tách việc định danh với sự biểu diễn tài nguyên [8, 15].<br /> 2.4.1. Bí danh URI<br /> Trong một môi trường mở như Web thì thường xảy ra vấn đề nhiều người cung<br /> cấp những thông tin khác nhau cùng chỉ đến một tài nguyên phi thông tin, ví dụ như vị<br /> trí địa lý hay các nhân vật nổi tiếng. Vì họ không biết về nhau nên họ đưa ra những URI<br /> khác nhau cho cùng một đối tượng thế giới thực. Các URI tham chiếu đến cùng một tài<br /> 181<br /> <br /> nguyên phi thông tin, chúng được gọi là các bí danh.<br /> 2.4.2. Tham chiếu URI<br /> Tham chiếu URI hay tham chiếu tài nguyên là tiến trình tìm kiếm một URI trên<br /> Web để lấy thông tin về tài nguyên được tham chiếu [8].<br /> Với tài nguyên thông tin, khi một URI định danh của một tài nguyên thông tin<br /> được tham chiếu, máy chủ của URI đó thường sẽ sinh ra một biểu diễn mới, một hình<br /> ảnh chụp nhanh về trạng thái hiện tại của tài nguyên thông tin và gửi trở lại máy trạm<br /> dùng giao thức HTTP [8, 9, 15].<br /> Tài nguyên phi thông tin không thể được tham chiếu trực tiếp. Vì vậy, kiến trúc<br /> Web sử dụng một bí quyết để làm cho URI định danh các tài nguyên phi thông tin được<br /> tham chiếu. Thay vì gửi một biểu diễn của tài nguyên, máy chủ gửi đến máy trạm một<br /> tài nguyên thông tin mô tả tài nguyên phi thông tin sử dụng mã HTTP 303 See Other.<br /> Điều này gọi là chuyển tiếp 303 (redirect). Bước thứ 2, máy trạm sẽ tham chiếu đến<br /> URI mới này và lấy thông tin mô tả biểu diễn tài nguyên phi thông tin [15].<br /> 3. Xuất bản Linked Data<br /> Web ngữ nghĩa đã tạo nên một lớp ứng dụng mới sử dụng công nghệ Web ngữ<br /> nghĩa và gọi là các ứng dụng Web ngữ nghĩa [8, 13, 15]. Linked Data là cách thức liên<br /> kết dữ liệu trên Web. Vậy để tạo nên ứng dụng Linked Data, cần tìm hiểu cách xuất bản<br /> Linked Data lên Web như thế nào.<br /> Trình duyệt Linked<br /> Data<br /> <br /> Ứng dụng Linked<br /> Data<br /> <br /> Máy tìm kiếm Linked<br /> Data<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Tài nguyên<br /> <br /> Liên kết<br /> <br /> A<br /> <br /> Liên kết<br /> <br /> B<br /> <br /> Liên kết<br /> <br /> C<br /> <br /> Liên kết<br /> <br /> D<br /> <br /> E<br /> <br /> Hình 3. Ứng dụng Web ngữ nghĩa sử dụng Linked Data<br /> <br /> Các ứng dụng Web ngữ nghĩa sử dụng Linked Data đều cần xuất bản dữ liệu lên<br /> Web. Sau đây là tiến trình chung cho việc xuất bản dữ liệu lên Web theo nguyên lý<br /> Linked Data.<br /> 182<br /> <br /> 3.1. Chuẩn bị dữ liệu<br /> Bước đầu tiên để xuất bản Linked Data là chuẩn bị dữ liệu cho ứng dụng. Dữ<br /> liệu của ứng dụng chính là các tài nguyên trên Web, do đó chuẩn bị dữ liệu trước hết<br /> chính là việc thiết kế không gian tên URI cho tập dữ liệu, có thể hiểu đó là cách tạo ra<br /> URI cho dữ liệu của ứng dụng. Và sau đó sẽ tạo mới hoặc chọn để sử dụng lại các bộ từ<br /> vựng có sẵn [8, 15].<br /> TIẾN TRÌNH XUẤT BẢN LINKED DATA<br /> <br /> Chuẩn bị dữ liệu<br /> Tạo và sinh liên kết<br /> Xuất bản dữ liệu<br /> Kiểm thử và gỡ lỗi<br /> Hình 4. Tiến trình xuất bản Linked Data lên Web<br /> <br /> 3.2. Chọn URI<br /> Có hai mẫu HTTP URI dùng để định danh cho đối tượng là slash URI và hash<br /> URI. Vậy có thể chọn một trong hai mẫu HTTP URI để xác định các thực thể trong ứng<br /> dụng. Cả hai mẫu này đều đảm bảo rằng các máy trạm có thể phân biệt giữa URI xác<br /> định thực thể thế giới thực và URI định danh tài liệu Web mô tả những thực thể thế giới<br /> thực tức là tài nguyên thông tin và tài nguyên phi thông tin. Một số tiêu chí thông<br /> thường được đưa ra cho việc định danh đối tượng như sau:<br /> -<br /> <br /> Đặt tên dễ nhớ, ngắn gọn.<br /> <br /> -<br /> <br /> Định danh trong không gian tên của mình. (Tên miền có thể chính là không<br /> gian tên).<br /> <br /> -<br /> <br /> Quan tâm đến tính mềm dẻo và nhất quán của URI vì việc thay đổi URI sẽ<br /> làm vỡ các liên kết đã thiết lập.<br /> <br /> Tài nguyên thông tin thì thường có một địa chỉ Web cụ thể để biểu diễn. Nhưng<br /> một tài nguyên phi thông tin thì không. Một tài nguyên phi thông tin cần xác định 3<br /> định danh URI liên quan:<br /> -<br /> <br /> 1 định danh cho tài nguyên.<br /> <br /> -<br /> <br /> 1 định danh cho tài nguyên thông tin mô tả tài nguyên đó phù hợp cho trình<br /> 183<br /> <br />