这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

DOREMUS：关联音乐作品的知识图谱研究

一、研究作者与发表信息

本研究由Manel Achichi（蒙彼利埃大学LIRMM实验室）、Pasquale Lisena（EURECOM研究院）、Konstantin Todorov（蒙彼利埃大学LIRMM实验室）、Raphaël Troncy（EURECOM研究院）和Jean Delahousse（OUROUK公司）合作完成，发表于ISWC 2018（International Semantic Web Conference），收录于Springer的LNCS系列（Lecture Notes in Computer Science）。

二、学术背景与研究目标

科学领域：本研究属于语义网（Semantic Web）与数字图书馆（Digital Libraries）的交叉领域，聚焦于音乐元数据的关联数据（Linked Data）建模与发布。

研究动机：尽管图书馆和博物馆已广泛采用关联数据技术，但古典音乐和传统音乐的语义化描述仍存在空白。法国三大文化机构——法国国家图书馆（BNF）、法国广播电台（Radio France）和巴黎爱乐乐团（Philharmonie de Paris）——希望通过共享方法，将其音乐作品和演出活动的目录语义化并互联。

研究目标：
1. 开发DOREMUS本体，扩展CIDOC-CRM和FRBRoo模型，填补音乐领域的语义表示空白；
2. 构建知识图谱，整合三家机构的音乐作品与事件数据；
3. 开发工具链，支持数据转换、对齐、链接及开放发布；
4. 提供可探索数据的应用（如搜索引擎）。

三、研究流程与方法

研究分为以下核心步骤：

1. 数据转换（Data Conversion）

• 输入数据：BNF和巴黎爱乐乐团的数据采用MARC格式（UniMARC和InterMARC），法国广播电台的数据为XML格式。
  
• 工具开发：
  
  • marc2rdf：将MARC记录转换为RDF，遵循DOREMUS本体。其流程包括：
    
  • 文件解析：按字段和子字段提取内容；
    
  • 规则映射：基于专家定义的转换规则，将字段映射到本体属性（如mus:U12_has_genre表示作品流派）；
    
  • 自由文本解析：通过正则表达式提取结构化信息（如演出媒介、创作日期）；
    
  • 词汇表对齐：将字符串匹配到SKOS标准化词汇表的URI（如“钢琴”映射到统一术语）。
    
  • itema3converter：专为法国广播电台XML数据设计的转换工具。
    

2. 数据链接（Data Linking）

• 挑战：三家机构的数据高度异构（如描述深度、属性链长度、自由文本注释差异）。
  
• 工具开发：
  
  • Legato：自主研发的实体链接系统，解决传统方法（如Silk、LIMES）的不足。其流程包括：
    
  • 数据清洗：移除不可比属性（如自由文本注释）；
    
  • 实例分析：将实体表示为子图（CBD），提取所有字面值作为词袋（Bag-of-Words）；
    
  • 聚类与匹配：通过层次聚类和RDF键发现算法（如SAKey）生成高置信度链接；
    
  • 冲突处理：识别“三角链接”“缺失链接”等模式，部分交由专家验证。
    
  • 基准测试：构建手动标注的基准数据集（OAEI 2016/2017），Legato在2017年OAEI中表现最佳。
    

3. 知识图谱构建与发布

• 核心成果：
  
  • 三大知识图谱：分别对应BNF（作品与艺术家）、巴黎爱乐乐团（作品与音乐会）、法国广播电台（音乐会与录音）；
    
  • 枢纽图谱（Pivot Graph）：合并三家数据中的唯一作品，通过owl:sameAs链接原始URI；
    
  • 开放访问：提供SPARQL端点、RDF文件下载（CC BY 4.0许可）。
    

4. 应用开发

• Overture搜索引擎：基于DOREMUS图谱的探索工具，支持：
  
  • 多维度检索：按作曲家、流派、调性、演出媒介等筛选；
    
  • 推荐系统：利用Node2Vec生成知识图谱嵌入，推荐相似作品；
    
  • 时间线可视化：展示作品的创作、首演、出版等事件。
    

四、主要研究结果

1. DOREMUS本体与词汇表：

   • 扩展FRBRoo，新增40余类和100余属性，支持音乐领域精细建模（如“演出作品”“录音表达”）；
     
   • 发布17个SKOS标准化词汇表（涵盖流派、调性、演出媒介等），并通过YAM++工具对齐。
     

2. 知识图谱统计：

   • 超1600万三元组，描述300余万实体；
     
   • 代表性数据量（如表2）：BNF包含135,818个作品表达（Expression），其中12万含演出媒介详情，19,645含调性信息。
     

3. 数据链接成果：

   • 自动生成7,495条跨图谱链接，包括2,520条单链接、396条三角链接；
     
   • 枢纽图谱整合所有唯一作品，确保数据可追溯性。
     

4. 应用验证：

   • Overture已用于音乐学者、图书馆员的复杂查询；
     
   • 衍生应用如CityMus（基于地理位置的播放列表推荐）和音乐问答聊天机器人。
     

五、研究结论与价值

科学价值：
- 提出首个专为古典音乐设计的关联数据模型，弥合图书馆编目与音乐元数据的鸿沟；
- 开发通用工具链（如Legato、marc2rdf），可复用于其他文化领域的数据集成。

应用价值：
- 为文化机构提供语义化出版范式，增强数据互操作性；
- 通过开放数据集和工具（如Overture），促进音乐研究的大众化访问。

六、研究亮点

1. 本体创新：DOREMUS是FRBRoo在音乐领域的首个系统化扩展，支持复杂事件链建模（如作曲→演出→录音）。
   
2. 技术贡献：Legato解决了高度异构数据的实体链接难题，其聚类与键发现方法具有通用性。
   
3. 生态构建：从数据转换到应用开发的完整工具链，辅以教学材料（GitHub开源），推动社区采纳。
   

七、其他有价值内容

• 行业影响：DOREMUS本体已被国际图联（IFLA）视为音乐编目的事实标准；
  
• 长期维护：法国国家图书馆承诺永久托管该资源，确保可持续性。
  

（报告总字数：约1,800字）