WEB数据挖掘（七）——Aperture数据抽取（3）：RDF存储引擎

如果我们已经了解语义网的相关知识，那么接下来继续深入Aperture框架实现数据解析的机制

Aperture框架内部是基于RDF2Go框架来实现RDF模型的存储引擎，RDF模型涉及语义网的概念，下面我们来看一个简单的XML格式的RDF文件

<rdf:RDF
  xmlns:rdf='http://www.w3.org/1999/02/22-rdf-syntax-ns#'
  xmlns:vCard='http://www.w3.org/2001/vcard-rdf/3.0#'
   >

  <rdf:Description rdf:about="http://somewhere/JohnSmith/">
    <vCard:FN>John Smith</vCard:FN>
    <vCard:N rdf:parseType="Resource">
    <vCard:Family>Smith</vCard:Family>
    <vCard:Given>John</vCard:Given>
    </vCard:N>
  </rdf:Description>

  <rdf:Description rdf:about="http://somewhere/RebeccaSmith/">
    <vCard:FN>Becky Smith</vCard:FN>
    <vCard:N rdf:parseType="Resource">
    <vCard:Family>Smith</vCard:Family>
    <vCard:Given>Rebecca</vCard:Given>
    </vCard:N>
  </rdf:Description>

  <rdf:Description rdf:about="http://somewhere/SarahJones/">
    <vCard:FN>Sarah Jones</vCard:FN>
    <vCard:N rdf:parseType="Resource">
    <vCard:Family>Jones</vCard:Family>
    <vCard:Given>Sarah</vCard:Given>
    </vCard:N>
  </rdf:Description>

  <rdf:Description rdf:about="http://somewhere/MattJones/">
    <vCard:FN>Matt Jones</vCard:FN>
    <vCard:N
    vCard:Family="Jones"
    vCard:Given="Matthew"/>
  </rdf:Description>

</rdf:RDF>

对于RDF模型我们可以联想到语文学习里面的陈述句，一个RDF文件里面是有很多资源组成的，每一个资源又由一些陈述句组成，用来描述这个资源；一个陈述句由主词、谓词和宾词组成，主词是被描述的对象，宾词是描述的属性，谓词则是关系，在具体场景代表不同的关系。

RDF模型本人觉得是对逻辑学推理的一种形式化，基本上了解了逻辑学也就同时了解了语义网，在西方哲学领域本体的概念与实体的概念两者经常存在交叉歧义，不过对于语义网意义上的本体我们不必深究那么多了

（补充：RDF模型起初是用于描述元数据信息，感觉这种方式与GSA的xmlfeed目的与方式都是比较类似的）

RDF2Go框架本身并没有提供对rdf模型存储引擎的具体实现，它只提供了一个抽象层，类似于java类库里面的一些规范，而具体的实现则依赖于第三方的组件；RDF2Go框架主要是实现对第三方的RDF存储引擎的接口转换功能，使之适配成共同的处理方式。

根据RDF2Go官方文档，RDF2Go框架目前支持以下RDF存储引擎

Jena Adapter (rdf2go.impl.jena)

Implements the API and extends the impl.base classes. Delegates all calls to a Jena 2.10.1 model. This adapter provides a Modelimplementation and, new also a ModelSet.

• Anonymous Subversion (use https:// for developer access)
• Download from http://mavenrepo.fzi.de/semweb4j.org/repo/org/semweb4j/rdf2go.impl.jena/4.8.3/
• Status: up-to date with RDF2Go 4.8.3 API

Sesame Adapter (rdf2go.impl.sesame)

Implements the API and extends the impl.base classes. Delegates all calls to a Sesame 2.7.1 repository. This adapter provides aModel and a ModelSet implementation.

• Maven reports including links to JavaDocs, changelog, source code as HTML, JUnit test results, developer team, dependencies, list of open TODO tags in the code, ...
• Releases (consider downloding the distribution instead)
• Anonymous Subversion (use https:// for developer access)
• Status: up-to date with RDF2Go 4.8.3 API

OWLIM (com.ontotext.trree.rdf2go)

Implements API and uses a BigOWLIM SAIL as part of the SemanticSpaces project.

上面这些第三方框架，都是具体的RDF存储引擎，本人只对其中的Apache Jena稍微熟悉一点，不过这并不影响我们对RDF存储引擎的理解；我们可以将RDF存储引擎类比于数据库，我们可以对RDF模型进行添加　修改　检索等功能，至于RDF模型怎么存储、怎么索引、怎么实现查询接口（SPARQL）则是RDF存储引擎所要实现的功能。

这些第三方的RDF存储引擎的API本文就不作演示了，本人在这里要实现的是利用RDF2Go框架开发一个操作RDF模型的示例

如果读者对Semweb4j框架有所了解的话，那么我们开发起来也就相对易于上手了，Semweb4j是一个开源的语义搜索引擎框架，这个系统本身即是基于RDF2Go框架和RDFReactor框架的。

首先我们在eclipse开发工具中建立maven项目（本人特别不愿意采用手动加入jar文件依赖的方式），这里我们导入Semweb4j框架的相关依赖

<!--rdf2go-->
<dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdf2go.api</artifactId>
            <version>${project.version}</version>
        </dependency>

        <dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdf2go.impl.sesame</artifactId>
            <version>${project.version}</version>
        </dependency>

        <dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdf2go.impl.jena</artifactId>
            <version>${project.version}</version>
        </dependency>
       <!--rdfreactor-->
        <dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdfreactor.generator</artifactId>
            <version>${project.version}</version>
        </dependency>

        <dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdfreactor.runtime</artifactId>
            <version>${project.version}</version>
        </dependency>

        <dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>rdfreactor-maven-plugin</artifactId>
            <version>${project.version}</version>
        </dependency>

上面是显式的导入RDF2Go框架和RDFReactor框架的相关依赖，当然我们也可以更简短的方式导入依赖

<dependency>
            <groupId>org.semweb4j</groupId>
            <artifactId>dist</artifactId>
            <version>${project.version}</version>
            <type>pom</type>
        </dependency>

本人采用的Semweb4j版本为4.8.3

/**
     * @param args
     */
    public static void main(String[] args) throws ModelRuntimeException{
        // TODO Auto-generated method stub
        // getting model factory
        ModelFactory modelFactory = RDF2Go.getModelFactory();       // getting model
        Model model = modelFactory.createModel();
        model.open();
        assert model.isOpen();

        // creating URIs
        String foafURI = "http://xmlns.com/foaf/0.1/";
        URI max = model.createURI("http://xam.de/foaf.rdf.xml#i");
        URI currentProject = model.createURI(foafURI + "#term_currentProject");
        URI name = model.createURI(foafURI + "#term_name");
        URI semweb4j = model.createURI("http://semweb4j.org");

        // adding a statement to the model
        model.addStatement(max, currentProject, semweb4j);
        model.addStatement(max, name, "Max Völkel");

        // dumping model to the screen
        model.dump();

        // removing a statement from the model
        model.removeStatement(max, currentProject, semweb4j);

        // dumping model to the screen
        model.dump();

    }

运行该类的main方法，控制台输出结果如下

Dumping Repository contents ----------------------------------------------
http://xam.de/foaf.rdf.xml#i - http://xmlns.com/foaf/0.1/#term_currentProject - http://semweb4j.org
http://xam.de/foaf.rdf.xml#i - http://xmlns.com/foaf/0.1/#term_name - Max Völkel
Dumping Repository contents ----------------------------------------------
http://xam.de/foaf.rdf.xml#i - http://xmlns.com/foaf/0.1/#term_name - Max Völkel

至此，第一个RDF模型的示例程序已经运行成功了，如果本人理解有误，还请各位同仁指正

--------------------------------------------------------------------------- 

本系列WEB数据挖掘系本人原创

作者 博客园 刺猬的温驯 

本文链接http://www.cnblogs.com/chenying99/archive/2013/06/12/3132406.html

本文版权归作者所有，未经作者同意，严禁转载及用作商业传播，否则将追究法律责任。