一、引言
伴随着科技的不断进步，互联网，万维网的不断发展。我们越来越热爱万维网，也欣赏他的发展方式。20世纪90年代初，万维网还只是一个将文档联系起来的简单网络。如今，他已经成为了全球信息的框架。显然，如何表达万维网上的数据是下一步需要解决的问题。但这个问题并不简单。
关联数据是万维网上表示和连接结构化数据的一系列技术。通过关联数据将万维网转换为一个全球性的数据空，我们称之为数据网（Web of Data）。通过关联数据SPARQL查询语言同时查询多个信息源的关联数据，并动态合并并查询结果，这样的方法是传统数据管理技术很难实现的或根本无法做到的。
籍由关联数据技术，我们更容易和他人共享数据。理论上说，可以采用关联数据描述任何内容。万维网上的关联数据可以被发现，共享并与其他用户的数据进行合并。与传统的数据管理系统不同，关联数据将信息从专有容器中（proprietary container）中释放出来，任何人都可以使用这些信息。与其他数据一样，关联数据的质量和效用由数据使用者来负责评估。人们只信任可靠的数据。
我们正是基于这样一个数据可靠、安全、数据之间可关联的关联数据技术，来实现我们对于搜索服务和基于语义的推荐服务。
世界上有非常多的软件编译语言，主流的有C、C++、JAVA、PYTHON、C#等等。每一种编译语言都有他们自己的特点，每一种编译语言都有他们自己的库和相关的编译工具。用什么样的语言来实现我们搜索和推荐服务是首先要考虑的。
搜索和推荐服务是一个对互联网信息资源进行搜索整理、分类，并储存在网络数据库中供用户查询的系统，包括信息收集，信息分类，和目标查询三个部分组成。
从使用者的角度看，搜索和推荐服务提供一个包含搜索输入框的页面，在搜索框中输入词汇，通过浏览器提交给搜索后台服务引擎后，搜索后台服务引擎就会返回跟用户输入的内容相关的信息列表。其实这样的搜索后台服务引擎涉及到很多领域的理论和技术：数字图书馆，数据库，信息检索，信息提取，人工智能，机器学习，自然语言处理，计算机语言学，统计数据分析，数据挖掘，计算机网络，分布式处理等等，具有综合性和挑战性。
在世界范围内，百度，GOOGLE，搜狗就是非常好的搜索引擎。通过学习这些搜索服务，我们发现他们都是通过Web来进行搜索服务的。
因此我们确定我们的搜索和推荐服务也应当是通过TCP方式，HTTP协议，以Web的方式进行搜索和推荐服务，通过Web来实现搜索和推荐的交互功能。
在实现Web这样的B/S架构时，我们发现两种语言适用于开发这样的服务程序。一个是Java语言，一个是Python语言。
在Java语言中有Tomcat服务来实现网页与后台的相互传参，运算；在Python语言中有Callimachus和Django来实现网页与后台逻辑的通讯。
通过对比Java和Python开发我们发现：
Java开发所需要的JDK版本一旦安装完成，在同一台PC机上是需要通过卸载重新安装来实现；在Python中对于Python2.7和Python3，我们通过virtualenv和anaconda等虚拟容易来盛放不同的python版本只需要通过cmd（windows下）命令就可以实现
Java中的库主要都是对于类型转换，和网页servlet方式的库；在python中不仅包含于网页的相关库，他更强大的是有很多算法库，由于python属于脚本语言，所有他所支持和库所涉及的功能范围比java库要更加多
在Java中进行相关的SPARQL查询，需要安装jena，并将安装好的jena文件进行相应的环境变量配置；但是在python中对于sparqlwrapper，只需要通过cmd命令（pip install xxx）就可以静待电脑自动安装相应文件，而不需要配置相应的环境变量
因此基于以上分析，我们最终选用python来作为我们的软件开发语言。
一个好的关联数据开发平台有助于提高开发效率。Callimachus和Django都是这样的一种平台。
尽管Callimachus的开发者们将其定义为关联数据管理系统，但是将其视为关联数据的应用服务器更加合适。Callichus主要具备以下特征：
模板系统能自动为OWL类（OWL class）的所有成员生成网页。严格来说，OWL类与RDF schema类本身或其子类并无二致（取决于所用的OWL配置文件）。简单起见，我们认为OWL类与RDF Schema类是等价的
在运行时检索数据，并将其转换为RDF格式
将SPARQL查询与URL关联起来，对查询进行参数化，并使用带有图标库（charting library）的查询结果
PURL（持久化URL）实现
基于DocBook的结构化书写系统（structured writing system）包括可视化编辑环境。
简而言之，Callimachus支持使用关联数据进行导航，可视化，构建应用程序等操作。数据既可以保存在本地，也可以从万维网上采集，甚至可以在载入Callimachus时被转换为RDF。
