RDF数据聚合（RDF Data Aggregation）

1. 什么是数据聚合
这里说的数据聚合（Data Aggregation）就是指合并来自不同数据源的数据. (@@@todo:我没找到比较正式的定义，希望谁能补充一下), 而数据集成（Data Integration）是指为不同的数据源提供统一的查询视图，其中很重要的一步是“Answering Query using Views ”。数据聚合主要是强调把分散在不同地方关于同一对象的不同说法合并起来，得到此对象的更为完整的信息。另外，数据聚集一般都牵涉到隐私问题，因为把数据合并，并通过一些推理后，可能会得出一些数据发布者并不期望的结论。

2. RDF数据容易聚合

对RDF数据来说，它相对于XML数据的一个最大的优势就是容易聚合，因为RDF有URIref标识资源，数据模型又是基于图的，RDF陈述的主体，客体都可以是URIref，因此，很容易通过URI把RDF数据合并。而XML数据是很难聚合的，根本原因是XML中的数据没有标识符。

3. 基于URI的聚合

如果资源都有URIref标识，聚合的过程就是把关于这个URIref的陈述都合并起来就行了。

例如，在香港某网站上的A.rdf中，说了
  http://foo.com/JackChen  ex:girlfriend  http://foo.com/QiliWu（吴绮莉）
然后在马来西亚某网站上有个B.rdf，说了，
  http://foo.com/QiliWu  ex:hasChild   “小龙女”
RDF聚合软件（Aggregator）就会根据URI http://foo.com/QiliWu,  把这两个陈述合并，得到结论：JackChen的女朋友有个女儿。如果这个Aggregator大胆些的话，有一条规则：?x ex:girlfriend ?y 且 ?y ex:hasChild ?z   ?x ex:hasChild ?z 的话，就会得到JackChen还有个女儿。 特大新闻！呵呵， 这就是聚合的威力！这当然也侵犯了某人的隐私。

4. 基于IFP的聚合

基于基于URI的聚合的前提是资源都有URIref标识, 并且不同的人对同一个资源使用相同的URIref，这显然是不现实的。例如，同一本书，不同卖书网站给的URIref一般不同。

解决这个问题的一个办法是cross-mapping：即维护一个映射，说明 ex:a owl:sameAs ex:b, 即说明哪些URI标识的对象是相同的，这个方法也比较麻烦，因为这个映射难以维护。何况很多资源还不一定有URIref呢，可能是匿名资源。

另外一个方法是基于IFP属性(InverserFunctionalProperty), 即OWL中的反函数型属性，类似于数据库中的主键。即这个属性的值唯一标识了有个对象。如身份证号码标识了一个公民。如果一个地方都说有个人，它的身份证号码是1001，它的名字是xxx，另外一个地方说说有个人，它的身份证号码是1001，它的年龄是yyy, 虽然没有URIref来标识它，聚合器可以得到把这两条信息合并起来。

对RDF数据的基于IFP的聚合，现在有个特定的名词很流行：Smushing (is an informal term for ’merging data based on knowledge of uniquely identifying properties’.) 

基于IFP的聚合减少了对URI的依赖，但同时引入了新问题：即大家要使用同一个关于这个IFP属性的词汇表。

后面的参考文献中有对聚合算法的讨论。这里不多说了。

5. 进一步的讨论
a） 数据聚合要考虑不同数据的来源(provenance)以及其上下文(context).
b） 可以放宽对属性的限制，即不一定要是IFP属性，更通用的是reference-by-description（Guha’s works, TAP project in Stanford）
c） 不同数据源的数据含有矛盾，怎么处理？

参考文献：

Identifying things in FOAF

Finally… a couple of points of further reading on the technical rather than social side of this problem. A couple of years ago I wrote a brief note on aggregation strategies which describes the ’smushing’ problem. A more recent writeup by Matt Biddulph describing his Java implementation is worth a read too, as are many of the documents from the TAP project, which share FOAF’s concern for reference-by-description. Guha and Rob’s overview paper sets out the issues very clearly.