1、语义环境下电子期刊出版标准探讨 1*李亚子 1，彭希珺 2，钱庆 1，侯丽 1，王军辉 11（中国医学科学院医学信息研究所，北京 100020）2（中国科学院国家科学图书馆，北京 100190）摘要：首先定义了语义出版的概念，对语义环境下数字出版的相关标准进行了分类，其次列举了适用于电子图书和多媒体等载体的相关标准，从互操作、数据交换、字体编码、标识注册以及终端应用等 5 个方面，详细分析了语义环境下电子期刊内容加工、发布与有效利用等相关的各种标准，最后概述了语义环境下电子期刊出版标准在生物医学领域中的应用现状。关键词：语义出版 语义网 互操作 数据交换 分类号：G350Discussion
2、about the Standard of Electronic Journal Publication in Semantic WebLi Yazi1,Peng Xijun2 ,Qian Qing1,Hou Li1, Wang Junhui11 (Institute of Medical Information，Chinese Academy of MedicalSciences, Beijing 100020,China)2（National Science Library, Chinese Academy of Sciences，Beijing 100190,China）Abstract
3、：Firstly introduces the concepts of semantic publication, and classifies the relevant standards of digital publication in semantic web; Secondly ,lists some standards of digital books, multimedia; from the point of interoperability, data exchange, character code, identification register, and end-poi
4、nt applications, details the various standards suited to electronic publication in semantic web, which refers to content produce, content publication and content utilizations; finally overviews the application of standards in STM publication.Keywords：Semantic publication; Semantic web; Interoperabil
5、ity; Data exchange 随着网络的发展，当前各出版商全力推行数字出版，积极介入网络化的终端用户服务，由以文献资源出版销售为主向提供知识服务为主的经营策略转变，依托对资源的占用和适应用户的需求提高、拓展服务能力，并抢占信息处理的主导地位，积极推出针对内容对象的关联解释、数据挖掘、智能检索与数据分析等服务。各出版商及其内容加工与发布系统为了实现数据关联、系统互操作、挖掘与检索等智能化、个性化服务，在出版的各个环节需要有相应的标准，确保其无缝集成。本文首先定义语义出版的概念，说明构建标准的重要性，并对数字出版标准进行分类，详细介绍了语义环境下电子期刊出版的相关标准。1 语义出版的概念语
6、义出版可以定义为任何能够提高、丰富数字出版物内容（例如数字图书、在线新闻、学术期刊论文）与知识的手段、技术和方法。具有相对完整的领域知识组织体系，以本体、控制词表等形式存在，支持知识的自动发现，内容的语义标注，并能在不同出版物之间进行知识点的链接与整合，形成以读者为中心的阅读环境。语义出版涉及到语义网的基本概1 本文系中国科学院知识创新工程重要方向项目“Journal3.0 研究与示范平台”研究成果之一。念和应用，并通过语义网相关的技术实现数字出版物内容的丰富化，方便读者阅读，提升出版物的知名度等 1。2 数字出版标准分类语义环境下的数字出版较传统出版过程更加复杂，涉及到出版流程的各个环节，其
7、最终目标是“一次制作，多元发布” ，为了确保各个环节和应用的衔接，标准体系建设是基础内容。从标准体系内容来看可以分为：互操作标准、数据交换标准、字的内置标准（例如条形码）与外置引用注册标准、标识注册标准（如 DOI）以及各种终端应用的内容版式标准 2。从载体形式来看可以分为数字图书、电子期刊、数字新闻等相关标准。 图 1 语义环境下数字出版标准分类二维表示。内容载体互操作 字的内置与外置数据交换 标识注册 终端应用电子图书电子期刊电子新闻多媒体图 1 语义环境下数字出版标准分类二维表示本文主要集中在学术领域，围绕语义环境下电子期刊相关标准建设，包括互操作、数据交换、标识以及终端应用等标准体系建
8、设。此处简要说明电子图书、多媒体等相关标准。（1）电子图书标准本文简要介绍电子图书相关的标准，包括：OEB（Open Electronic Book Standard） ，ONIX international 等。 OEB3OEB 是 Open Electronic Book 的缩写，用于格式化和包装电子书的一种行业标准。OEB 基于 XML，定义了电子出版物的文本如何被标记，以及一本 ebook 的各部分（封面、目录、正文、说明、索引等等）应如何包裹在一起。OEB1.0 版本偏重于编排格式，OEB2.0 就完全以 XML 为主干，严谨地把编排格式与资料内容分开。OEB 实际上是一个综合体，是
9、 HTML 4.0、XML1.0、Dublin Core、与 CSS1.0 的子集，集成了以上几个规范的优点于一身 4。 ONIX5ONIX 针对图书而发展的网络资料交换标准，目的在于增进电子商务，提供互联网书商丰富而标准化的产品资讯，并因应图书批发商及零售商各种格式书目资讯交换的需求。ONIX 就是在美国的 ONIX、英国的 BIC Basic 以及 EDItEUR 的 EPICS 等标准的基础上发展起来的。维护 ONIX 标准的单位主要是欧洲 EDI 团体（European EDI group，简称EDItEUR） 、图书工业研究团体（Book Industry Study Group，简
10、称 BISG）以及英国的 BIC三个团体。 EDItX XML Document Formats6基于 XML 的电子交换文件格式系列标准。 FTP Filenaming Standard7出版物产品在线信息系列标准。 ePub8EPUB （电子版）是一种电子图书标准，由国际数字出版论坛（ IDPF ）提出；其中包括 3 种文件格式标准（文件的后缀名为.epub ） 。这个格式已取代了先前的 Open eBook开放电子书标准。EPub 是一个自由的开放标准，属于一种可以“自动重新编排”的内容；也就是文字内容可以根据阅读设备的特性，以最适于阅读的方式显示。EPub 档案内部使用了 XHTML
11、或 DTBook （一种由 DAISY Consortium 提出的 XML 标准）来展现文字、并以 zip 压缩格式来包裹档案内容。EPub 格式中包含了数位版权管理（DRM）相关功能可供选用 9。（2）多媒体标准 10多媒体标准包括图像标准、音频标准以及视频标准，其中图像标准包括 GIF、JPG 等；音视频标准包括：MPEG 系列标准。多媒体标准此处不具体展开，如需了解更多请参见其他标准介绍。（3）电子期刊标准语义环境下电子期刊标准涉及到电子期刊内容的制作、描述、发布、交换以及应用等各个环节，本文从语义网以及电子期刊内容描述、发布以及互操作等方面展开标准的调研与总结。涉及到的标准有 SGM
12、L、XML、DC 等，这些标准有些也适用于电子图书和电子新闻的描述与发布，支持其互操作，这些标准很多都是 SGML 以及 XML 的延伸。为了突出两者的基础地位将其单独列出，较为详细的阐述。 SGML标准通用置标语言（Standard Generalized Markup Language，SGML） 11是现时常用的超文本格式的最高层次标准，是可以定义置标语言的元语言，甚至可以定义不必采用的常规方式。由于 SGML 的复杂，因而难以普及。下面是 SGML 的实例：typically something like this 同时 SGML 也是一个 ISO 标准：“ISO 8879:1986
13、Information processing - Text and office systems - Standard Generalized Markup Language (SGML)“。SGML 有非常强大的适应性，HTML 和 XML 同样衍生于 SGML：XML 可以被认为是 SGML 的一个子集，而HTML 是 SGML 的一个应用。 XML 的产生就是为了简化 SGML，以便用于更加通用的目的，比如 语义 Web。它已经应用于大量的场合，比较著名的有 XHTML、RSS、XML-RPC和 SOAP。 XML12可扩展标记语言（eXtensible Markup Language，
14、简称 XML） ，是一种置标语言。标记指计算机所能理解的信息符号，通过此种标记，计算机之间可以处理包含各种信息的文章等。如何定义这些标记，既可以选择国际通用的标记语言，比如 HTML，也可以使用像XML 这样由相关人士自由决定的标记语言，这就是语言的可扩展性。XML 是从标准通用标记语言（SGML ）中简化修改出来的。它主要用到的有可扩展置标语言、可扩展样式语言（XSL ） 、XBRL 和 XPath 等。XML 设计用来传送及携带数据信息，不用于表现或展示数据，HTML 语言则用来表现数据，所以 XML 用途的焦点是它说明数据是什么，以及携带数据信息，而不是数据如何展示与呈现。其作用为：第一
15、，丰富文件（Rich Documents） ，自定文件描述并使其更丰富；第二，元数据（Metadata） ，描述其它文件或网络信息，标记是用来说明一份资料的意义，对元数据的描述可以方便数据的交换和不同系统之间互操作；第三，配置文件（Configuration Files）- 描述软件设定的参数。XML 的规范形式，即定义 XML 的格式和语法，可以通过 DTD（文档类型定义，Document type definition）和 Schema 两种形式。从调研的情况（例如 PubMed、PLoS 以及RSC 等）来看，DTD 应用的范围较广，但是从 XML 发展趋势来看，Schema 应用的前景
16、较为看好，而且使用灵活 2。3 语义环境下电子期刊描述、发布与互操作标准语义环境下电子期刊内容描述标准有 RDF、OWL 等，内容发布标准有 ISO 12083，交互标准主要基于 SOA 架构下的 SOAP 数据交换。简要介绍各标准内容及应用情况。（1）IS015836 13与 Z39.85(DC)14 。描述网络资源、支持网络检索而建立的元数据模式。利用简单的 metadata 来描述种类繁多的网络元素，发展出一套有弹性，且非图书馆专业人员也可轻易了解和使用的资料描述格式著录款目，共 15 项。（2）ISO 1208315。电子手稿的准备和标记标准，发起团体为 ISO TC46/SC4、AN
17、SI和美国出版者协会。这个标准来源于标准文献 ISO 12083：1994（电子手稿的准备和标记） 。美国国家标准电子手稿准备和标记标准的制订，起源于 1983 年的标准电子手稿的准备和标记，但这个标记集的内容已经过时，且相当含糊。但美国出版商及与美国出版商有往来的欧洲出版商仍然使用这个标准。（3）MEDLINE(美国国立医学图书馆电子资源描述标准) 16 。美国国立医学图书馆的XML 文档描述格式，用于生命科学领域里的电子期刊文献描述，因为其使用的广泛性，在出版过程已经成为准国际标准。第三方系统可以调用 PubMed 的接口，读取 MEDLINE 的数据，通过解析 XML 的格式，吸取基于期
18、刊、文档级别的元数据。（4）RDF(S) 17,18 。RDF(S)是本体描述语言，对网络标记语言进行扩展。RDF 资源描述框架（Resource Description Framework） 。采用“资源- 属性-属性值”的“主谓宾”结构（或称三元组） ，提供一种框架容器，并通过 XML 定义了一套形式化的方法，为机器语义理解的结构基础。 RDFS 即 RDF Schema，用于定义元数据属性元素（例如“创建者” ） ，以描述资源的一种定义语言。（5）OWL 19（DAML、OIL 和 OWL 作为基于 Web 本体描述语言标准） 20。OWL Web 本体语言。OWL 旨在用于那些需要由应
19、用程序而不是由人类来处理文档中的信息的情形。OWL 可被用来明确表示词汇表中术语的含义以及术语间的关系。如此表示的术语及术语间的关系的表示被称为本体(ontology)。在表达含义和语义方面，OWL 比 XML、RDF和 RDF-S 有更多的表达手段，因此在 Web 上表达机器可理解内容的能力也比这些语言强。OWL 是 DAML+OIL Web 本体语言的修改版，并吸取了在 DAML+OIL 的设计和应用中得到的经验教训。数字出版领域比较知名的本体为语义出版和引用本体（Semantic Publishing and Referencing Ontologies， SPAR） ，SPAR 由英国
20、联合信息委员会（Joint Information Systems Committee，JISC）支持，旨在实现基于出版以及引用的语义本体描述。FaBiO、 CiTO、 BiRO 以及 C4O 为主要组件构建了 SPAR 本体，整合了通用本体系统中2 注：DTD 之所以广泛存在的一个原因是很多出版商不愿意使用 Schema 来替换，除非 DTD 在语法上满足不了数字出版的需求，不得已才去改变。的基本属性，如同一朵花的四个花瓣， 图 2 为 SPAR 组成结构图。图 2 SPAR 组成结构图（ The flower diagram, created by Benjamin 0Steen, sho
21、wing the component ontologies of SPAR21）SPAR 本体既可以单独使用，亦可以联合其他本体使用，各本体通过 OWL2.0 进行编码，用于描述图书和期刊文章的数目信息，嵌入 RDF 元数据创建论文实体和参考文献关联关系，建立数目之间的关系，奖励各文档组成之间的关系，以及学术出版过程各环节的关系。前四个本体 FaBiO、 CiTO、 BiRO 以及 C4O 可供检验、评论和使用，用于描述书目对象、数目记录、参考文献、引证关系、引用数目、引用背景以及书目（相关章节）和引用论文之间的关系，用于组织书目记录参考文献，形成书目库、参考文献列表以及图书馆馆藏目录。其他四
22、个本体 DoCO、 PRO、PSO 以及 PWO 提供结构化的控制词表，组织文档内容组件、出版角色、出版状态以及出版流程。（6）ACAP （Automated content access protocol） 22。ACAP 开放标准正在制定中，在允许第三方自动访问网站内容的前提下，出版商可以表述自己的条约，主要由报纸发行方和国际新闻协会（IPA， International Press Association）开发，用来通知网络搜索爬虫（crawlers）他们发现的内容所涉及的版权许可协议。CC 的首席设计师参与到自动内容访问协议（ACAP）中去。（7）SOAP 23。SOAP ：简单对象访
23、问协议，简单对象访问协议（SOAP）是一种轻量的、简单的、基于 XML 的协议，它被设计成在 WEB 上交换结构化的和固化的信息。 SOAP 可以和现存的许多因特网协议和格式结合使用，包括超文本传输协议（ HTTP） ，简单邮件传输协议（SMTP） ，多用途网际邮件扩充协议（ MIME） 。它还支持从消息系统到远程过程调用（RPC）等大量的应用程序。（8）DOI24 。与 DOI 相关的标准有： ISOCD 26324(Digital object identifier system)与 Z3984(Syntax for the Digital Object Identifier)等，数字对象
24、标识符。该国际标准草案对DOI 命名（ DOI name）和 DOI 系统（DOI system）作出了明确的定义和区分。DOI 命名是在 DOI 系统内规定的一个单独的对象的字符串。DOI 系统是通过对 DOI 命名的分配、解析、描述和管理实现对网络环境下对数字对象提供唯一和持久标识并提供信息交换的系统。DOI 命名的使用范围得到了扩充。该国际标准草案规定 DOI 命名可以用来识别任何形式的对象，不论是抽象的还是具体的，也不论是纸质的还是数字的。DOI 作为对象的数字化识别符，而不是数字对象的识别符。（9）特殊字符编码标准。特殊字符编码标准（special character sets）包括
25、 ISOamsa25、ISOamsb、ISOlat1、ISOpub 以及 ISOtech 等 22 中特殊字符编码标准。（10）CC（creative common） 26。利用创作共享 CC 认证规定内容重用的权利，出版商可以清晰地定义允许免费开放获取内容的时间，支持不同系统之间的互操作。上述内容的描述、数据交换、互操作以及内容利用等方面标准将语义环境下电子期刊出版作为一个整体进行规范,支持计算机程序之间的相互理解。对期刊内容的描述其粒度进行深入的细分，在细分过程存在两种依据，第一，电子期刊出版的流程；第二，依据纸版期刊的格式细分。其中依据纸版格式细分可分为期刊标题（article titl
26、e） 、作者（authors ） 、作者机构（Affiliation） 、摘要（Abstract）以及关键词（keyword）等，本文对展现格式不进行深入探讨，如有需要可参见“E-JOURNAL ARCHIVEDTD FEASIBILITY STUDY”27和“Standards for electronic publishing”28。4.语义环境下电子期刊出版标准在生物医学领域中的应用现状2007 年 11 月 Brussels Declaration 在 STM 出版中 (http:/www.stm-assoc.org/brussels-declaration/)对“scientific
27、, technical and medical” (STM)进行如下阐述：STM 的出版者致力于科学研究的改变和变革，使得科学研究具有更高的效率，并认为研究的原始数据和数据集应该和论文一起提交到编辑部，从而使其他学者可以轻松获取论文及其数据。语义环境下生物医学电子期刊出版应当利用现有的语义网技术使科学论文和数据关联，引文之间彼此联结，同时能将不同出版物相关内容关联起来。（1）DOIDOI 是网络环境下数字对象唯一和持久标识，DOI 系统的主要功能是给数字对象分配永久且唯一的标志符，通过开放式参考链接系统 CrossRef，为科学、技术和医学期刊注册DOI,用来建立在不同出版商的网络平台上出版的
28、期刊内容之间的跨平台链接。例如期刊Journal of Medical Internet Research刊载论文Medicine 2.0: Social Networking, Collaboration, Participation, Apomediation, and Openness的 DOI 为“10.2196/jmir.1030” 。（2）HTML如前文所述 HTML 是 SGML 的一个应用，提供面向读者、友好的人机交互界面，STM 期刊论文将结构化的内容以 HTML 页面展示，通过脚本嵌入图片、表格、引文，甚至与其关联的数据和数据集。例如在 PMC 中 HTML 脚本“Figu
29、re 1”表示图片 1 的位置，引文在 HTML 中的脚本表示为“1,6 1,6”，该展示方法的优点在于对用户可读，同时便于计算机读取脚本分析，进行后处理。可见 HTML 不仅展示了结构化的内容，还可以嵌入了供计算机可读的信息。（3）XMLElsevier 期刊FEBS Letters的编辑和作者共同维护 MINT 数据库（Molecular INTeraction Database ，http:/mint.bio.uniroma2.it/） ，MINT 记录了期刊论文中验证蛋白之间交互的方法，并提供了结构化摘要，提供了 HTML 和 XML 两种展示的方法，前一种供读者阅读，后者有助于计算机
30、理解。（4）RDF/RDFSRDF/RDFS 是标准的语义网知识展示语言，期刊PLoS computational biology利用RDF 描述期刊元数据，将论文的引文、DOI、作者、CC 认证等进行关联，并提供 RDF 文件下载。（5）Ontology英国皇家化学学会是语义出版领域的先锋，旗下期刊Molecular Biosystems提供了嵌入式的 HTML 版本，并对其中的词汇进行了语义标注，这些标注由业务知识熟练的领域专家给出，这些标注来源于基因本体 Gene Ontology、细胞本体 Cell Ontology 和序列本体 Sequence Ontology 等，图 3 为 RS
31、C 页 面 标 注 截 图 ， 并 将 这 些 标 注 以 可 视 化 的 形 式 显 示 给 用 户 。 每 种 知识 组 织 体 系 下 的 词 汇 或 者 概 念 以 不 同 的 眼 色 加 亮 显 示 。图 3 RSC 页 面 标 注From： http:/www.rsc.org/delivery/_ArticleLinking/ArticleLinking.asp?JournalCode=SC&Year=2010&ManuscriptID=C0SC00107D图 3 是 文 章 “Diamine ligands in copper-catalyzed reactions”在 期 刊
32、The Royal Society of Chemistry 中 以 富 HTML（ rich HTML） 格 式 显 示 的 。 浅 绿 色 的 表 示化 学 词 汇 、 浅 蓝 色 的 表 示 是 生 物 医 学 的 词 汇 。5. 总结本文首先对数字出版的相关标准进行了分类，并就语义环境下的电子期刊出版标准进行了详细的调研，这些标准之间具有很大的相关性，并阐述了电子期刊出版标准在生命科学领域中的应用现状。分析语义环境下数字出版的相关标准为数字内容加工、发布和有效利用提供参考，有利于系统间的互操作，机器之间的相互理解以及为终端用户提供数据挖掘、热点分析以及趋势预测等语义 Web 服务。值得
33、注意的是，不管是传统出版、数字出版还是将来语义出版，必须进行针对性的思考与规划，标准的推广和应用甚至比标准制定本身更为重要。1 Davic SHOTTON. Semantic publishing: the coming revolution in scientific journal publishing. To appear in Learned Publishing, 2009,22(2):85-94.2 孙卫等. 数字复合出版的用户需求分析. 科技与出版, 2009,(9):55-593 OEB in Wiki. http:/en.wikipedia.org/wiki/Open_eBo
34、okOL.2010-11-294 OEB. http:/ 2010-11-085 ONIX. http:/zh.wikipedia.org/zh-cn/ONIXOL.2010-11-086 Standards & Best Practices | EDI & E-Commerce | FTP File Naming Standard | Book Industry Study Group, Inc.http:/www.bisg.org/what-we-do-17-23-editx-xml-document-formats.phpOL.2010-11-297 同 58 ePub in Wiki.
35、http:/zh.wikipedia.org/zh-cn/EPUBOL.2010-11-299 EPUB. http:/zh.wikipedia.org/zh-cn/EPUBOL.2010-11-0810 多媒体标准及格式.http:/ SGML. http:/zh.wikipedia.org/zh/SGMLOL.2010-11-0812 Extensible Markup Language (XML). http:/www.w3.org/XML/OL.2010-11-2913 电子文件管理元数据置标语言的比较研究. http:/ ANSI/NISO Z39.85 - The Dublin C
36、ore Metadata Element Set. http:/www.niso.org/standards/z39-85-2007/OL.2010-11-2915 ISO 12083:1994. http:/www.iso.org/iso/catalogue_detail.htm?csnumber=20866 OL.2010-11-0816 NLM uses XML for MEDLINE.Data. http:/www.nlm.nih.gov/news/medlinedata.htmlOL.2010-11-0817 RDF in W3C. http:/www.w3.org/RDF/OL.2
37、010-11-2918 RDF Vocabulary Description Language 1.0: RDF Schema.http:/www.w3.org/TR/rdf-schema/ OL.2010-11-0819 Web Ontology Language (OWL). http:/www.w3.org/2004/OWL/OL.2010-11-0820 DAML+OIL (March 2001) Reference Description http:/www.w3.org/TR/daml+oil-referenceOL.2010-11-0821 Davidshotton. Intro
38、ducing the Semantic Publishing and Referencing (SPAR) Ontologie Introducing the Semantic Publishing and Referencing (SPAR) OntologieOL.http:/ ACAP - Automated Content Access Protocol. http:/www.the-acap.org/OL.2010-11-2923 SOAP in Wiki. http:/en.wikipedia.org/wiki/SOAPOL.2010-11-2924 DOI. http:/www.
39、doi.org/ OL.2010-11-2925 ISOAMSA Characters and Glyphs. http:/www.w3.org/TR/MathML2/isoamsa.htmlOL.2010-11-2926 CC（creative common）. http:/creativecommons.org/OL.2010-11-2927 E-JOURNAL ARCHIVEDTD FEASIBILITY STUDY. http:/www.diglib.org/preserve/hadtdfs.pdfOL.2010-11-2928 Standards for electronic publishing. http:/nedlib.kb.nl/results/e-publishingstandards.pdfOL.2010-11-29李亚子男，1979年生，博士研究生单位：医科院信息所地址：北京市朝阳区雅宝路3号电话：01052328785手机：13810084409email:彭希珺女，1979年生单位：中国科学院国家科学图书馆地址：北四环西路33号
