Schema.org数据集词汇表：2024年技术术语全解析指南

# Data and Datasets in Schema.org: A Technical Overview **注意**：您正在查看 [Schema.org](https://schema.org/) 的开发版本。详情请参阅 [我们的工作方式](https://schema.org/docs/howwework.html)。 ## Introduction 本文档提供了关于 Schema.org 生态系统中“数据”和“数据集”概念的技术背景。作为一个项目和一套词汇表，Schema.org 从根本上说是关于数据的——包括其定义、表征、描述和编码。其核心词汇表包含诸如 `Event`、`NewsArticle`、`Review` 和 `Person` 等类型，以及用于描述和链接这些类型实例的属性（例如，`alumni` 属性将 `Person` 与 `EducationalOrganization` 关联起来）。然而，当描述的对象本身就是一个数据包时，复杂性就出现了，这就需要专门的词汇表来描述数据集和统计聚合数据。 ## Core Concepts: Describing Data with Schema.org 除了描述现实世界实体的主要作用外，Schema.org 还为发布、发现或集成各种形式数据的应用程序提供了专用术语。这一能力补充了 Schema.org 作为结构化数据模式集合的基础性质，并与许多其他以数据为中心的标准和格式共存。 ### The `Dataset用于描述打包数据集合的Schema.org类型，通常用于科学、学术或政府开放数据存储库中发布的数据。` Type and Related Vocabulary 当描述打包的数据集合时——例如在科学、学术或政府开放数据存储库中找到的那些——Schema.org 提供了特定的类型。与描述网页内容的典型 Schema.org 标记不同，用此词汇表描述的数据集可以是任意格式（例如，CSV 文件、数字图像或专业科学格式）。这种多样性反映了现实世界的复杂性，但也给 Wikidata 和 DataCommons.org 等统一知识图谱带来了集成挑战。Schema.org 中的 `Dataset` 词汇表最初基于 DCAT数据目录词汇表，是W3C推荐的标准，用于描述数据目录和数据集。Schema.org的Dataset词汇表基于此标准。（数据目录词汇表），而 DCAT 本身使用了都柏林核心（Dublin Core）和 FOAF 的术语。 ### Statistical Data: `StatisticalPopulationSchema.org类型，用于描述个体实体集合（“总体”），通常与Observation类型一起使用来表示统计观测数据。` and `ObservationSchema.org类型，用于描述统计观测数据，通常与StatisticalPopulation类型一起使用。` 为了聚合和集成关于实体集合（“总体”）的统计观测数据，Schema.org 提供了 `StatisticalPopulation` 和 `Observation` 类型。这种方法在其[提案](https://github.com/schemaorg/schemaorg/issues/2291)和[概述文档](https://docs.google.com/document/d/139jXakeQk4ChwCkGjqq5wJfCPMDnwIV94oCH-JzJrhM/edit)中有详细说明，强调使用 Schema.org 词汇表来集成来自多个独立统计数据集的信息。它使用共享词汇表解释统计数据的*内容*，正如 [DataCommons.org](http://datacommons.org/) 大规模演示的那样。 ## Practical Distinctions and Examples 这些抽象层次之间的区别至关重要。以火山数据为例：`https://schema.org/Volcano` 类型用于提供关于特定火山的直接信息（例如，其名称、位置、海拔）。`https://schema.org/Dataset` 类型描述关于火山的*数据集合*，例如包含多个火山记录的 CSV 文件或 XML 存档。`Observation` 类型可以表示关于由 `StatisticalPopulation` 定义的火山总体的聚合统计信息（例如，平均海拔、总数）。 ## Related Standards and Technologies Schema.org 与数据相关的词汇表与其它一些 W3C 和社区规范相互作用并互为补充。这些技术通常依赖于 JSON-LD、RDFa、Microdata 和 XML 等底层标准，共享一种广义上类似 RDF资源描述框架，是W3C标准，用于表示网络资源的信息。Schema.org和相关技术采用类似RDF的方法来表示信息。 的信息表示模型。此外，还存在一些标准，用于将事实数据从各种数据集格式“提升”为使用 Schema.org 等词汇表的 RDF 陈述。 ## Conclusion Schema.org 提供了一个多层框架来处理网络上的数据。虽然其主要优势在于描述单个实体（`Volcano`、`Person`），但它也提供了强大的词汇表，用于将数据集合描述为可发布的制品（`Dataset`），以及用于表示聚合的统计观测数据（`StatisticalPopulation`/`Observation`）。理解每个层次（实体、数据集或统计信息）的适用语境，是有效利用 Schema.org 以及 DCAT、CSVW 和 RDF Data Cube 等相关标准进行全面的数据发布和集成的关键。