W3C数据目录本体(DCAT)入门

11/3收到“W3C数据目录本体(DCAT)入门”网络会议(Webinar – Introduction to the W3C Data Catalog Ontology (DCAT))的邮件,看了是11/13零点的网会。由于前一天刚买好机票,确定11/10-13在海南旅游,不打算玩的时候还听网会,就没有注册,但邮件一直放在收件箱中没有处理,还打算有机会进一步了解。不料11/9上海出现一本地新冠肺炎病例,尽管那地方离我的活动区域有四五十公里(相当于到了江苏昆山),但由于之前一直关注各地疫情防控政策,推测很多地方极有可能小题大作,为免麻烦深夜退票取消了第2天的行程。于是11/10上午用通知上提供的折扣码免费注册了这个ASIS&T主办的DCMI网会。

提早一个多小时就打开网址,测试了网络,不料等会议开始,才弹出下载程序,下载龟速(会议时间近半仍未完成)。改看手机,倒是不必下载程序,但没有声音。所幸找到PPT可以下载,且手机下载速度较快,总算半夜没有白辛苦。第2天一早看PPT,备注中有详细解说,笔记见后。

先访问词表网站:

DCAT于2020-2-4发布了第2版,第1版6年前。粗略对照2个版本,类由7个增加到13个,属性有变化、仍有不少直接复用其他词表属性(仍以都柏林核心dct为主,增加大量prov本体)。

第2版类一览:类=复用词表(属性数量)

  • Catalog (7)、CatalogRecord (6)、Dataset (7)、Distribution (19)
  • ConceptScheme=skos (0)、Concept=skos (0)、Organization/Person=foaf (0)
  • 新增:
  • CatalogedResource (22)、DataService (3)
  • Relationship (2)、Role (0)=provPeriodOfTime(4)、Location(3)

DCAT2附录有与schema.org映射。既然这些属性schema.org都有,为什么需要DCAT?我想是因为它提供了一个针对发布数据的很好框架。看会议PPT,强化了以上初步印象。

W3C数据目录本体入门(笔记)

Introduction to the W3C Data Catalog Ontology (DCAT)

会议介绍主讲Peter Winstanley(Semantic Arts公司的本体专家,W3C Dataset Exchange Working Group共同主席),但PPT上没有署名。

PPT末称会议录音、PPT及后续调查会在48小时内提供。

【背景】“开放数据”运动——互联网的发展意味着信息分发的边际成本接近于零,因此,主张免费获取出自公共钱包支付费用的信息(在某些情况下,这不侵犯个人隐私、 政治敏感度或商业机密性)的观点变得势不可挡。 这在许多国家催生了立法,许多组织致力于推广“开放数据”,并帮助公共和非营利组织的人们将数据公开。(slide 4)

【历史】在此背景下,Vassilios Peristeras等从2006/2007年间开始研究使用RDF模型在网络上发布数据目录的框架,[2010前]作为W3C推荐标准发布。后为欧盟委员会创建了一个DCAT-AP[https://joinup.ec.europa.eu/release/dcat-ap-v11],也用于欧洲数据门户(European Data Portal, EDP),他还启动了其他2个应用纲要扩展:统计STAT/DCAT-AP和地理GEO/DCAT-AP。(slide 6-9)

【第1版(2014)】基于都柏林核心的类和谓词。包括4个类:dcat:Catalogue(数据目录),dcat:Dataset(数据集),dcat:CatalogRecord(目录记录=注册事件),dcat:Distribution(数据集的各种序列化的发布,如同作品具有载体表现)[另有第5个类foaf:Agent]。此外,搜索由许多可索引的文本字段完成,并使用SKOS概念来表征数据集[另2个类:skos:ConceptScheme和skos:Concept(合计7个类)]。(slide 10)

【应用纲要(AP)】对于主流用户社区(如欧盟委员会和欧盟成员国)而言,基本的DCAT词表本身是不够的,但是以应用纲要的形式添加了其他几个组成部分,这是一种非常具有竞争力的通用语言,用来描述数据集并促进其发现(slide 12)。此后,针对国家或垂直行业(如统计、地理空间、运输和地质学)开发了其他更专业的应用纲要(slide 13)。

  • DCAT-AP – https://joinup.ec.europa.eu/release/dcat-ap-v11
  • GeoDCAT-AP – https://joinup.ec.europa.eu/release/geodcat-ap-v10
  • StatDCAT-AP – https://joinup.ec.europa.eu/release/statdcat-ap-v100
  • DCAT-AP_IT – https://www.dati.gov.it/content/dcat-ap-it-v10-profilo-italiano-dcat-ap-0
  • DCAT-AP.de – https://www.dcat-ap.de/
  • DCAT-AP-NO – https://doc.difi.no/dcat-ap-no/
  • Transport-DCAT-AP – https://oasis.team/storage/app/media/O1.2%20TransportDCAT-AP%20and%20Controlled%20Vocs.pdf
  • EPOS-DCAT-AP – https://github.com/epos-eu/EPOS-DCAT-AP
  • DCAT-US – https://resources.data.gov/resources/dcat-us/
  • DCAT – Australia – https://toolkit.data.gov.au/Discovering_Metadata.html

【第2版(2020)】[2016/2017]从征求的用例中提炼出一组需求,形成第2版。优势:

  • [1] 放宽类和属性定义的约束,以促进术语和模块的重用。[对比keywork:第1版定义域dcat:Dataset,值域skos:Concept;第2版定义域无,值域rdfs:Literal]
  • [2-3] 新增超级类dcat:Resource(表示目录中无法包含的任何资产),下属dcat:Dataset、dcat:DataService(支持提供对数据资产访问的目录服务端点;新增)。
  • [4] 增加表示结构松散的目录的方式,其中数据集及其发行之间没有区别。
  • [5] 表示数据集来源和质量的方式的更多细节。
  • [6] DCAT词表与schema.org词表之间的对齐方式。(slide 14-15)

【示例】dcat:Catalog具有一些元数据和一组dcat:Dataset实例URI……(slide 16-19)

【如何使用】(slide 20-28)创建一个或多个dcat:Catalog实体;添加相关的元数据,包括:标识符,发布者详情,所用主题分类法,权利和政策(许可等)、使用如ODRL、CC或相关词表,创建、更新日期等;添加目录内容——数据集、数据服务、发布等。……

  • (文件集)在dcat:Dataset只是一个“文件袋”(没有“发布”意义)的情况下,可以使用dct:relation表示各种文件;
  • (链接数据集到出版物)可以使用dct:isReferencedBy将数据集与出版物相关;
  • (质量控制)利用W3C数据质量词表(Data Quality Vocabulary, dqv:)

【版本控制】在第3版解决。查看讨论:https://github.com/w3c/dxwg/wiki/Material-for-a-SPRINT-on-Versioning

【为什么选择DCAT】有其他用于描述/编目数据集的词表(如:欧洲通用研究信息格式CERIFDataCiteISO19115-1地理信息、Schema.org),但DCAT可以在整个数据集目录之间提供通用语言,并且专注于在Web上发布,是一个互操作标准。(slide 30)

【参考资料】(slide 32)

  • * https://www.w3.org/TR/vocab-dcat-2      W3C DCAT v2
  • * https://github.com/SEMICeu/DCAT-AP     SEMIC EU DCAT-AP work
  • * https://github.com/digst/DCAT-AP-DK      DCAT-AP-DK