XML 的語法,僅僅是數據互操作的基礎;下一步,是實現語義的透明性。一些組織致力於定義完整的文檔格式,期望人們全盤接受;另一些則寄望於找到在更小粒度上層表達通用術語與概念的方法。本文中,Uche Ogbuji 聚焦 XML Topic Maps Published Subjects(XML 主題圖書發布主題)與 Universal Data Element Framework(UDEF,通用數據元素框架)——這兩者都是小粒度的方法,如同在洶湧的語義之流中投下一个个可供搜尋的錨。
我在本專欄此前談過,XML 僅僅為通用信息交換提供了最基本的手段。XML 大局既定之後,在它之上構建標準的浩大工程,如今已轉向「語義透明性」——即借助某種結構化的 XML 文檔,讓不同系統對真實概念達成共通理解(關於語義透明性的討論,可參見 Thinking XML 專欄的開場白)。
實現這一宏偉目標的方法有很多,但我傾向於把它們分為兩大類:
自頂向下的方法,其範圍通常更具可控性,一般也建立在業界既有基礎之上;自底向上的方法潛在優勢更大,卻更難開發與推廣。RosettaNet 的做法頗有意思,它同時兼顧兩條路,既提供字典又提供文檔方案;此外,UBL 也在 ebXML 領域內與自底向上的方法緊密結合。
我們在辭典與語義登記表中定義名詞與概念,這些就是所謂的「錨」——在做 XML 通信時,你可以用它們來搭建通用語義。本文中,我將再探討兩種構建錨的方法。
在我上一篇拙文中,我提到過 XML Topic Maps,並說過那項技術的核心思想之一是 subject identifier(主題標識)——它為特定概念提供唯一標識。而最有野心的做法,則是全盤採用 published subjects(主題發布)。雖然主題發布的思想與 Topic Maps 的原則緊密相連,但也沒理由說它只能用於 Topic Maps——它同樣可以作為通用的語義錨,甚至應用到 RDF 和一般 XML 詞彙等技術之中。XML Topic Maps(若你還記得,它是更一般的 Topic Maps 規範的一個特例)規定,主題發布應採用 URI,並以此與大多數 Web 技術(如 XML、RDF)保持一致。OASIS Topic Maps Published Subjects TC 致力於定義並推廣可在多種技術中通用的公共主題。其技術規範中有一篇名為「Published Subjects: Introduction and Basic Requirements」的引言,其中說道:
OASIS Topic Maps Published Subject 技術委員會的目標,是透過應用主題發布來實現主題圖書的互操作性。更進一步的目標,是實現主題圖書與其他明顯使用主題之抽象表示技術之間的互操作性,如資源描述框架(RDF)以及 Web 本體描述語言(OWL)。
規範中所定義的 Published Subjects,提供了一種開放、可擴展、基於 URI 的方法,用於標識所談論的話題。它們同時照顧人與應用程序的需要,並提供用戶端建立信心與信任的機制。因此,Published Subjects 特別希望能引起本體論、分類學、辭典學、登記學、目錄學等方面的出版者與用戶的關注,並期望被應用於獲取、比較與匯聚信息與知識的應用程序(包括中間件)。
Published Subjects TC 只做了框架性的工作,真正的公共主題則由其他組織完成。我能找到的最出色的主題發布,是 OASIS Topic Maps Published Subjects for Geography and Languages TC 完成的 ISO 語言與國家代碼(我還在〈參考資料〉中列舉了其他一些主題發布工作)。清單 1 是從用這些主題發布製作的一份 XML Topic Map 中節選的一段代碼。
清單 1. 用 XTM 主題發布表示的 ISO 國家代碼示例
<topic id="French">
<subjectIdentity>
<subjectIndicatorRef
xlink:href="
https://psi.oasis-open.org/geolang/iso639/#fre"/>
</subjectIdentity>
<baseName>
<baseNameString>francais</baseNameString>
</baseName>
</topic>
Published Subjects TC 的主席 Bernard Vatant 還做過一個例子,用來說明主題發布如何應用於 Web Ontology Language(Web 本體描述語言,OWL)。OWL 最初是為取代 DAML+OIL 而生(在〈知識管理的基本 XML 與 RDF 技術,第 5 部分〉中講過),稍後我會更深入地談 OWL。清單 2 是同一個主題發布的代碼片段,這次用的是 OWL。
清單 2. 用 OWL 主題發布表示的 ISO 國家代碼示例
<Lang rdf:ID="fre">
<!-- The following asserts equivalence between the local resource #fre
and the published subject for the French language -->
<owl:sameAs rdf:resource="
https://psi.oasis-open.org/geolang/iso639/#fre"/>
<rdfs:label xml:lang="en">French</rdfs:label>
<rdfs:label xml:lang="fr">francais</rdfs:label>
</Lang>
這裡的 owl:sameAs 語句,連同主題發布,有效地提供了一個錨,把局部定義的資源指向語義上較為含混的概念。
Universal Data Element Framework(通用數據元素框架,UDEF)是一項雄心勃勃的計劃,為不同行業內的多種關鍵數據元素提供唯一標識。這項目所定義的數據元素,風格上近似杜威十進制分類法,並且明白無誤地恪守自底向上的原則:
網上已開展了大量集成與應用協作的工作,因此我們需要釐清當前正在進行的文檔標準、核心組件、本體論與分類學工作彼此之間究竟有何區別。UDEF 只是尋求成為「數據元素中的屬性」。它不涉及過程、驗證或處理的需求,而只是在試圖用標準的、可重複的方式通信,並準確獲知數據元素所表達的概念。上下文內容極少,剛好夠用來明確標識數據元素即可。
UDEF 採用了一種頗有意思的做法:把字母、數字、下劃線、句號結合起來,用以代替自然語言作為標識符。這樣做的好處是對各地語言都顯得更自然——不像許多 XML 技術那樣偏向英語——但代價是,即便只想非正式地處理 UDEF,查找工具也變得不可或缺。舉例來說,某個「產品部件標識符」概念的 UDEF ID 是 9_5.8;而依前面主題發布一節的例子,「國家代碼」概念的 UDEF 標識符則是 e.7_4。
迄今為止,主題發布領域還沒能給開發者提供多少可供搭建的實質內容。基本需求才剛剛定下,還比計劃進度落後了約一年,TC 也走過一段頗為艱辛的歷程。而 ISO BSR 工作的停滯狀態,也意味著「自底向上實現語義透明性」面臨著巨大挑戰。然而,困難總被樂觀的前景沖淡——我建議讀者持續關注這些開創性的工作。我當然希望有更多開發者對主題發布產生興趣,投身其中。OASIS 有一項值得發揚的傳統:它的工作組向來非常開放、透明。
UDEF 確實對 Bizcode 以及聯合國貿易促進與電子商務中心(UN/CEFACT)的 Core Components Identifiers(核心組件標識)構成了競爭。以核心組件標識為例,它是 ebXML 的重要組成部分,並應用於 UBL。相關討論無不著眼於如何把各方力量整合起來,但最終仍要看實踐中哪一方能獲得更多支持——即便最終是各自守著自己的地盤,也未嘗不可。在以後的文章裡,我會談到 Bizcode、Core Component,以及更多這類開創性工作。
如此多的力量從不同角度投身語義透明性問題,實在是件好事。在這樣開放的環境中,可以預期:各方在推進自家工作的同時,也會把彼此的相似之處納入考量。UDEF 中就提供了範例,說明如何在 ebXML、OAGIS,以及 RDF、XML 方案中使用它們的 ID。不過,我們不妨也思考一下:對於在語義層真正建立透明性而言,自頂向下與自底向上,究竟哪一種更為關鍵?是「先打造完整連貫的文檔方法」更好落地,還是「必須先備好共享術語表這一基本構件,才能在不必認可精確文檔標準的前提下實現互操作」?歡迎你毫不遲疑地到 Thinking XML 論壇上,發表對這一問題的看法。