基于異構技術的數字圖書館信息統計平臺

尤勝

摘 要： 針對傳統圖書館數據庫結構混亂、檢索信息分散、無序、使用不便的現狀，研究和設計了一套基于異構技術的數字圖書館統一檢索查詢系統，改善了傳統檢索方法，使用戶可以通過統一的檢索界面查詢不同的數據源。系統的核心部件為信息統計平臺，其功能是根據用戶請求的信息，提取有價值需求進行翻譯轉化，然后返回有效的檢索結果。系統基于Web Services技術和Portal技術設計，通過信息統計平臺上的對比實驗，證明了該系統的可靠性、可擴展性，實現了系統的預期目標，可以方便地幫助用戶進行統一數據信息的檢索。

關鍵詞： 數字圖書館； 信息統計； 統一檢索； Web Services； Portal

中圖分類號： TN911?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2016）07?0167?04

Abstract： Since the traditional library has the disadvantages of chaos database structure， scattered and disordered retrieval information， and inconvenient use， a unified retrieval and query system of digital library based on heterogeneous technology was studied and designed to improve the traditional retrieval method. The users can query different data sources by means of unified retrieval interface. The core assembly of the system is the information statistics platform， its function is to extract and translate the valuable demand according to the information of user request， and then return the effective retrieval results. The system design is based on Web Services technology and Portal technology. The results of contrast experiment on the information statistics platform prove that the system is reliable and scalable， and can conveniently retrieve the unified data information for the users. The expected goal of the system was achieved.

Keywords： digital library； information statistics； unified retrieval； Web Services； Portal

0 引 言

隨著計算機技術，特別是Internet技術的迅猛發展，通過自建、引進數據庫，圖書館已經使得電子資源的建設具有一定的規模，電子文獻占文獻服務的比重也越來越大。在這些信息服務和管理系統中，數據資源是一個很重要的部分，實際情況卻是各個不同的數據管理系統被不同業務所運用[1]，這就構成了企業所謂的異構數據庫，即由單純的文件數據庫到繁復的網絡數據庫[2]。

當前“信息孤島”現象的形成就是因為各個業務范圍根據自己的業務需求引進或自主研發各種應用系統，而應用系統的研發之間缺乏基本的溝通和統一的規劃。應用系統同數據聯系十分密切，當采用數據庫和所依據的硬件平臺各異時，所呈現的數據表現形式和數據模型也千差萬別 [3]。

不同部門和不同業務常常采用不同的數據庫管理系統（如Oracle，SQLServer，DB2等）和不同的網絡電子資源無縫鏈接整合軟件系統（如Metalib，Sfx，Aleph等），同時運行于不同的計算機操作系統（Windows，Unix，Linux等），據此，數據的異構性得以構成。部門、單位、行業決策分析和信息化管理的非常大的不便性就是由數據異構帶來的，為了解決這一問題才產生了數據整合技術[4]。

企業所收集的各類內部應用系統數據庫以及外部信息數據庫都由數據平臺進行整理合并，通過對各種各異數據資源的有效利用使得數據的展現方式更加靈活。提高企業的信息化程度[5]。

1 信息統計平臺系統設計

1.1 系統方案和設計原則

基于數據的異構性，把已有的資源進行整合，在統一的檢索平臺中納入不同結構、不同類型、不同用法、不同環境的各種異構數據庫，即將圖書館各個系統的統計數據統一匯總。為其他系統提供了一個統一的統計平臺，具有高匯聚，高兼容性，將不同系統的統計數據統一展現在同一平臺上，使用戶更方便、更高效地獲取信息。系統采取開放性的架構、模塊化設計、通用化通信接口，方便系統維護和功能擴展[6]。

1.2 系統設計體系結構

MVC體系結構是系統采用的結構模式。MVC（Model?View?Controller）模式的中文意義為“模式?視圖?控制器”。由此可知，MVC模式由模式、視圖、控制器三個部分組成 [7]。

分布式系統設計的改良能夠通過將數據模式從各類能被控制和存取的數據中剝離出來而實現。MVC模式由模式、視圖、控制器三個部分組成。其中：模式指的是應用對象，是沒有用戶界面的；而視圖表示的是用戶所得到的數據，是直接顯示在屏幕上的內容；控制器負責將用戶的操作轉換成針對Model的指令，是界面對用戶動作的具體反饋方式。Model中數據的變化通過View的更新數據體現，上述模式、視圖、控制器的關系如圖1所示。

View和Model的分離是通過定購/通知的方式實現的。Model的狀態和內容是通過View正確地反映出來的。View可以嵌套是MVC的主要特征之一。 嵌套可以管理視圖，同時能夠運用于各種可以運用視圖的地方。上述思想表現的設計方式將視圖組件和組合視圖平等對待。同時，View對用戶的輸入反饋方法是在不改變View的情況下進行的，也是MVC的重要特征之一。MVC的這一特征對經常需要改變響應邏輯的系統十分重要。

當前的B2B電子商務系統依據Web的分布式系統，該系統采用MVC架構十分適用。經過對該構架進行分析可從高層次的角度把應用對象分為三類。其中：一類對象中包括各類數據和商業規則；一類對象負責顯示；還有一類對象負責接收請求，同時通過對商業對象的控制解決問題。View對象在系統發布后是由HTML/JSP設計人員、美工和系統管理員進行管理，應用開發人員負責開發并實行Controller對象、領域專家、開發人員、數據庫管理員共同完成對商業數據對象及商業規則對象的管理。

2 系統結構模型

信息統計平臺的Web應用被分成三個各負其責的層次。這些層次是：表現層、業務層、持久層。每層在應用程序中都有明確的責任，不和其他層混淆功能。每一應用層彼此獨立，但各層之間存在通信接口，系統框圖如圖2所示。

三種框架有機的結合才能更好地發揮它們各自的優勢，實現系統多層開發的耦合，系統的設計采取JAVA企業版的J2EE三層結構設計。

系統組件列表：

（1） 數據持久層包括：數據庫聯接組件、數據采集組件、數據映射組件。

（2） 業務邏輯層包括：統計業務組件、統計報表組件、統計視圖組件、認證業務組件、個性化業務組件、Web Service接口層。

（3） 展示層包括：頁面邏輯控制組件、頁面顯示組件。

3 信息統計平臺系統實現

3.1 數據持久層設計與實現

目前常用的元數據抽取技術主要有：基于自然語言理解方式的抽取技術、基于包裝器歸納方式（WrapperInduction）的抽取技術、基于HTML結構的抽取技術以及基于Ontology方式的抽取技術，信息統計平臺系統原數據的抽取是根據HTML結構的抽取技術完成的。基于Web頁面的結構定位信息是該技術的特征。運用解析器將Web文檔解析成語法樹是信息抽取的前提，再運用半自動或者自動的方法生成抽取的規則，從而將抽取信息轉化為操作語法樹，信息的抽取最終得以實現。

由于從服務器端返回的結果頁面顯示每一條信息結果記錄的形式相同，所以系統中一條啟示性規則得以總結：頁面中重復出現的、表現形式相同的信息塊就是系統要抽取的、用戶感興趣的信息。在JDOM樹中找出這個特定的區域，即通過重復出現的模式來發現要抽取的元數據塊。大多數情況下，在一個單個頁面上可能含有若干個這樣的區域。這些信息塊對應于HTMLDOM樹中的一組相同的或相似的內部結構。

系統基于JDOM樹的元數據抽取思想，以探求元數據自動抽取技術的實現。其核心是通過JDOM樹來定位欲抽取的信息塊部分，進而生成元數據的抽取規則。抽取規則以XSLT表現，執行XSLT即可得到以XML展現的抽取結果。

采用數據庫連接池技術解決系統數據庫的訪問瓶頸，圖3為連接池基本的核心原理。

面向對象的軟件和關系數據庫一起使用是一個相當麻煩的工作。解決這個問題的辦法就是使用對象關系映射工具來簡化數據庫訪問的瑣碎操作，本系統中選用DAO作為對象關系映射的框架。

3.2 業務邏輯層設計與實現

應用程序中數據的獲取通常來源于運行在IBM主機上的程序；又或者通過把數據發送到Unix應用程序或主機來獲取。不同軟件廠商研發的不同軟件在同一平臺上也需要集成整合。應用程序可以通過對WebServices的運用把自身的數據和功能標準準確的表現出來，以便其他應用程序進行整合利用。

信息統計平臺系統登錄功能由用戶名（ID）驗證，密碼（PSW）驗證和用戶角色（ROLE）驗證三部分組成。當用戶輸入用戶名（ID）后，系統通過用戶名在數據庫中的用戶注冊表“USERS”中查找該用戶名是否存在，若用戶名不存在，則在登錄頁面顯示登錄錯誤信息；若用戶名存在，則根據用戶名在數據庫對應表中查找該用戶名的密碼和用戶角色，并將查找到的密碼和用戶角色與用戶輸入的密碼和用戶角色進行比較，若與用戶輸入一致，則根據不同的用戶角色進入不同的系統操作頁面，若不一致，則在登錄頁面上顯示登錄錯誤信息，請用戶重新登錄。信息統計平臺用戶認證流程如圖4所示。

采用DTD文件作為數據交換的中間文件，提出了一種基于元數據和規則數據交換的中間件。這里的元數據就是指具體的基礎數據，一般指業務數據結構的描述數據，而不描述數據間的關系信息。

系統圖形解決方案，采用AJAX技術，能夠解決目前圖形方面的需求，該方案能夠實現與Excel和PDF的關聯，同時也可以實現將圖形導出的格式調整為JPEG和PNG。AJAX流程示意圖見圖5，具體實現過程如下：

（1） 客戶端初始化XMLHttpRequest方法；

（2） 客戶端設置回調處理方法；

（3） 發送請求，并自動監視請求；

（4） 當請求完成時獲得服務器端數據；

（5） 調用更新方法來更新客戶端數據。

3.3 客戶展示層設計與實現

Portal可以提供各種單次登錄、個性化服務，同時將信息源的內容進行聚集，是其表現層的宿主，是一種Web應用。聚集指一個Web頁面里的內容由各個信息源所包含的內容組合而成。

（1） 頁面控制邏輯模塊

通過調用Servlets，JSPs和JSPs標簽庫，Portlets模塊可以產生實際需求的內容。例如Servlets和JSPs被Servlet調用的情況一樣，為了進一步調用Servlets和JSPs，請求發送者可以通過Portlet發送指令。在Portlet規范內，Servlet對象可以被廣泛使用，其目的是使Servlets和Portlets更加完美的結合。基于portletresponse模塊，系統response將相應的信號和指令傳給Servlet或JSP。在Portlet中，在Servlet和JSP被系統調用的情況下，request是以portletrequest為基礎傳給Servlet或JSP指令信息。可以將portletrequest的Attributes設置給予servletrequest模塊和包含于Portlet模塊的Servlet或JSP，使用相同的輸出流傳遞信息。通過獲取Servlet的信息來設置Portlet會話中Attributes的數值。

（2） 頁面展示模塊

Portlet是專門處理各種生產動態信息和用戶需求的客戶，由PortletContainer進行管理，Portlet是一種依據Java技術的Web組件。產生標記片段是Portlet的功能之一。Portal經常在Portlet所生成的標記片段中加上控制按鈕、標題或其他修飾。上述新生成的標記片段即為Portlet窗口。Portal通過整理合并這些新產生的Portlet窗口形成一個完整的文檔（Portal頁面），Portal頁面的生成過程如圖6所示。

4 結 論

本文通過對信息集成平臺結構設計的分析以及對該平臺各功能模塊實現的方法和原理的詳盡介紹，重點研究了統一檢索系統中的信息集成平臺。在同一功能可以有多種實現方法時，通過對各種方式優缺點的對比選擇最優的方式。除信息集成平臺之外，本文還詳細介紹了Web服務，而Web服務是該平臺所使用的主要技術之一。

計算機、多媒體、通信、高密度存儲等各類信息技術的普及，其中最明顯的是網絡的迅速發展和應用，使得數字圖書館的建設將進一步朝著網絡化、自動化、集成化方向發展。其中對異構數據庫的統一和訪問是非常重要的，但是圖書館現有數字資源在系統平臺、DBMS、網絡異構等方面存在較大的差異。實現基于Java技術的數字圖書館異構數據源訪問管理系統，為廣大的圖書館用戶提供統一、簡便的訪問使用界面，將有效的整合和充分利用圖書館現有數據資源，為廣大的圖書館用戶提供高質有效的服務，也必將促進數字圖書館的建設。數字圖書館能夠單機使用，能夠通過各瀏覽器進行瀏覽查詢，同時還能夠通過企業內部的網絡訪問服務器的數據庫，數字圖書館可以提高工作效率，使檔案管理規范化，更能給予用戶方便。當前，投入使用的本系統得到了很好的反饋信息。

參考文獻

[1] 趙姍姍，楊臻，徐奉，等.企業異構數據集成[J].網絡新媒體技術，2013（7）：12?14.

[2] 李忠慧，李秀梅.MVC架構及其在Web應用開發中的應用[J].福建電腦，2013（1）：112?113.

[3] 蓋索林，王世江.基于J2EE的異構數據集成的模式設計[M].北京：人民郵電出版社，2009：43?55.

[4] 靳強勇，李冠宇，張俊.異構數據集成技術的發展和現狀[J].計算機工程與應用，2002（11）：112?114.

[5] 蔡羅成.Web信息抽取技術研究進展[J].信息安全與通信保密，2010（6）：47?49.

[6] 霍正雷.圖書館網絡化協作發展及措施[J].新教育時代，2015（20）：78?80.

[7] 李志彤，閏艷生.多層分布式體系技術及其應用[J].計算機工程與應用，2003（25）：95?97.