基于基于PROV的大洋样品数据溯源 的大洋样品数据溯源 PROV模型是W3C推荐的数据溯源模型，拥有丰富的语义词汇和数据模型。结合大洋样品领域知识，从溯源信 息的描述、溯源信息的存储和溯源信息的查询三方面介绍PROV模型在大洋样品领域的应用过程和技术路线。 　　刘兵，徐建良 　　（中国海洋大学 信息科学与工程学院，山东 青岛 266100） 摘要：摘要： 　　关键词： 关键词：PROV；大洋样品；数据溯源　　 0引言引言 　　大洋样品馆的主要职能为样品的收集、整理、保存、分配，属性数据提取［1］，而为了能够更好地实现信息化，为样品 管理工作提供更强大的信息支持，样品馆设计并开发了大洋样品管理系统，该系统主要负责对入馆样品从入馆交接到样品分配 出库之间的信息管理工作。 　　目前，随着数据量的增加，以及对样品信息可靠性要求的提高，管理系统渐渐暴露出一些问题，随着样品数据的变迁很难 保证样品信息的可靠性。这个问题随着数据量与业务的不断增长，变得愈发严重。 　　近几年数据溯源技术的流行，为解决大洋样品管理系统产生的问题提供了比较合适的解决方案。数据溯源的研究最早可追 溯到20世纪90年代，它的名称是从“data provenance”翻译过来的，意思是对数据来源进行追踪然后将数据的历史状态重现出 来。 　　目前国内数据溯源的研究还比较少，将数据溯源应用到大洋样品管理中的也较为少见。国外这方面的研究比较流行，数据 溯源模型也很多，较为流行的有OPM模型和PROV模型。 1PROV模型模型 　　PROV是一个由W3C定义的有关溯源的标准文档集合(PROV Family)，目前共由11个文档组成，其中4个为推荐标准，如 图1所示。 　　作为一个抽象模型，PROV并不针对具体的应用环境，而只是对于各领域下数据起源过程的一般化表达［2］。因此，如 果要将PROV应用到特定的环境中，必须根据具体情况进行相应的扩展，否则会带来诸如语义不准确等问题。 　　PROV数据模型(PROVDM) 是PROV标准家族的核心，其为溯源数据的表述提供了通用的术语概念。PROV模型作为一个 上层溯源模型独立于具体领域，从抽象层次上描述了溯源过程，其核心包括实体(Entity)、活动(Activity)和代理(Agent)。 　　实体和实体间的变化和流动通过属性prov:wasDerivedFrom来表示；实体和活动之间的关系有prov:used和 prov:wasGeneratedBy，分别表示实体被活动所使用和实体由活动产生；活动和活动之间利用属性prov:wasInformedBy表示时 间次序关系；代理之间的关系使用prov:actedOnBehalfOf属性表示；代理与实体存在的关联使用属性prov:wasAttributedTo表 达；代理与活动的关联使用属性prov:wasAssociatedWit h表达［3］。这三个比较核心的概念及其相互关系如图2所示。 　　PROV还包含了一个专门为数据模型而定义的比较轻量级的本体，即PROVO［4］。PROVO使用标准网络本体语言 OWL描述，支持PROV的数据模型向RDF映射［5］。PROV本体根据用户的应用需求分为三个级别，本文使用第一级别描述 大洋样品溯源信息。 2样品信息溯源 样品信息溯源 　　　　2.1溯源信息描述 溯源信息描述 　　资源描述框架(Resource Description Framework, RDF)是用来描述网络资源的W3C标准，RDF事实上已成为PROV模型 的标准描述方式［6］。 　　以样品的分割活动为例，假设某科学家申请样品A中的一部分，样品管理员（Admin01）需要将样品A（SampleA）分割 成为样品B（SampleB）与样品C（SampleC）。假设上述样品只存在样品编码（Coding）属性。 　　该场景涉及样品管理领域的多个概念，这些概念在PROV模型的基础上用相应的本体词汇进行描述，该词汇集 

在“http://www.cosr.or g.cn/mso#”命名空间下。 　　这些词汇建立在PROV模型之上，是对PROV模型在本领域内的扩展，这里只列举出上文场景中出现的词汇。上述样品分 割操作的RDF描述如下： 　　@prefix foaf: . 　　@prefix prov: . 　　@prefix : . 　　: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; 　　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溯源信息存储 溯源信息存储 　　在传统PROV溯源系统中，一般直接使用RDF文件或者关系型数据库存储溯源数据，文件存储存在数据共享性差、独立性 差和冗余度大等缺点，关系型数据库由于存在过于结构化的特点，在数据库扩展和存储非结构化数据时比较困难［7］。 　　BrightstarDB数据库可以解决上面的问题，BrightstarDB是原生的基于.NET的用于存储RDF所描述的三元组的非关系型数 据库，支持SPARQL查询语法。利用BrightstarDB提供的API，可以方便地将描述存入数据库。如下所示将一条三元组描述存 入数据库： 　　var addTriples = new StringBuilder(); 　　//三元http://wwwcosrorgcn/mso/separate01是PROV活动 　　addTriplesAppendLine("http://wwwcosrorgcn/mso/separate01 http://wwww3org/1999/02/22-rdf-syntax-ns/type http://www.w3.org/ns/prov/activity ."); 　　//创建事务数据参数 　　var transactionData = new UpdateTransactionData { InsertData = addTriples }; 　　//执行事务 　　var jobInfo = clientExecuteTransaction(storeName, transactionData); 　　2.3溯源信息查询 溯源信息查询 　　SPARQL是W3C推荐的RDF查询语言，SPARQL语言的RDF数据查询实现原理是图模式匹配［8］，由于BrightstarDB支 持SPARQL查询语言，所以可以直接使用SPARQL对溯源信息进行查询。 　　在大洋样品溯源查询中，假设已知样品B的样品编码，要查询出它的母样品的编码和执行分割操作的管理员的姓名。图3 是该查询的图模式（查询意图）。 　　 图中每条连线都是一条三元组陈述，用SPARQL语言实现代码如下： 　　@prefix rdf: . 　　@prefix foaf: . 　　@prefix prov: . 　　@prefix : . 　　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 . 　　} 　　该语句的执行结果如表1所示。 3结论结论 　　随着大洋领域业务量的增加和用户需求的丰富，现行的大洋样品管理系统在一定程度上已经暴露出缺陷。本文通过对 PROV模型的研究，将PROV模型应用到大洋样品管理领域，解决了大洋样品衍生数据可靠性的问题，为以后大洋样品管理系 统升级提供技术支持。 　　参考文献 参考文献 　　［1］ 杜林涛.大洋样品仓库信息化管理的研究［D］.青岛:中国海洋大学，2013.［2］ 柯洁，董红斌，梁意文，等. 基于 PROV的ETL起源信息统一表达机制［J］. 四川大学学报(工程科学版)，2015，47(5):126130. 　　［3］ LEBO T，SAHOO S，MCGUINNESS D， et al．ProvO: The PROV ontology［EB/OL］．(2013XXXX) ［20160330］http: / /www.w3.org /TR/2013 /REC provo 20130430. 　　［4］ MOREAU L，MISSIER P，BELHAJJAME K，et al.Provdm:the PROV data model［EB/OL］．(2013XXXX) ［20160330］http://www.w3.org/TR/2013 /REC prov dm 20130430. 　　［5］ LIU X，WANG C. Data with provenance: models and storage［J］. China Academic Journal Electronic Publishing House，2008，35(10): 187191. 　　［6］ 倪静，孟宪学．关联数据环境下数据溯源描述语言的比较研究［J］． 现代图书情报技,2013(2):1823. 　　［7］ 陈彦.应用SPARQL进行RDF数据查询［J］.企业技术开发，2007(7)：610. 　　［8］ 周邠林，赵丽敏，蒋薇.基于RFID的生猪溯源系统设计与实现［J］.微型机与应用，2014,33(10):8385. 　　［9］ 唐永瑞，张达敏. 基于Ajax与MVC模式的信息系统的研究与设计［J］.电子技术应用，2014,40(2):7578.