彭鹏 ，邹磊

1.湖南大学，信息科学与工程学院,湖南 长沙 410082

2.北京大学，王选计算机研究所,北京 100080

引言

由于科学数据本身存在的复杂结构，以及它们之间的复杂关联性，很多科学数据发布者将其数据表示为知识图谱的形式。比如，由欧洲生物信息研究所、瑞士生物信息研究所以及美国蛋白质信息资源中心构建的一个全面的、高质量的、可免费使用的蛋白质序列与功能信息知识图谱UniProt[1]；由阿尔伯塔大学构建的一个生物信息学和化学信息学知识图谱DrugBank[2]；由京都大学化学研究所构建的关于基因组、生物化学物质等信息的知识图谱KEGG[3]。

目前，在生命科学领域构建知识图谱的过程中，知识图谱的表示方式以W3C 提出的RDF[4]最为有名且已经被广泛地应用。RDF (Resource Description Framework，即资源描述框架)是W3C 提出的一组知识表示的模型，以便更为丰富地描述和表达网络资源的内容与结构。RDF 利用国际化资源标识符（Internationalized Resource Identifier，IRI）来标识对象。这些IRI所对应的对象既可以是真实世界中的实体（比如一个蛋白质），也包括人们在社会实践中形成的概念（比如疾病）等。这些IRI 所对应的事物又被称为资源。RDF 的基本数据单元是一个三元组，可以表示为< 主体，属性，客体>。每个三元组表示某个资源的一个属性值或者某个资源与其他资源的关系。在实际中，人们还经常将RDF 数据视为通过预先定义的语义所构成的一个或多个连通图。其中，RDF 数据中每个资源被视为一个点，而每个三元组被视为连接两个资源的一条边。而基于图模型的RDF数据模型是被最普遍应用的知识图谱数据模型。……