科研數(shù)字資源平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)分析

王 月，閻 慧，梁家林，龍 杰

（1. 航天工程大學(xué) 航天信息學(xué)院，北京 101416；2. 航天工程大學(xué) 研究生院，北京 101416）

0 引言

隨著大數(shù)據(jù)時(shí)代的來臨，數(shù)字資源基礎(chǔ)平臺(tái)的建設(shè)成為相關(guān)領(lǐng)域的重要課題之一，關(guān)于數(shù)字資源，是指經(jīng)過一定程度加工整序過的、不同類型不同學(xué)科且相對(duì)獨(dú)立的數(shù)字資源系統(tǒng)，不包括網(wǎng)上無序的以及自身沒有控制的數(shù)字信息資源。數(shù)字資源是在信息技術(shù)發(fā)展下促成的文獻(xiàn)信息的新型表現(xiàn)形式，是將計(jì)算機(jī)技術(shù)、通信技術(shù)及多媒體技術(shù)以數(shù)字形式發(fā)布、存取、利用的信息資源的總和[1]。

而科研數(shù)字資源泛指科研活動(dòng)中產(chǎn)生的各類文本、圖像、音視頻、模型和實(shí)驗(yàn)數(shù)據(jù)等，既包括各類電子儀表、傳感器、數(shù)據(jù)采集器等產(chǎn)生的直接數(shù)據(jù)，也包括經(jīng)過學(xué)者處理或分析后的各種可靠的研究成果。根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）監(jiān)測(cè)，全球產(chǎn)生的各類數(shù)字資源量大約每?jī)赡攴环琜2]。通過有效的采集、整理、分析和挖掘，可以從這些數(shù)字資源中挖掘重要的知識(shí)和規(guī)律。中央深改組2018年1月 23日審議通過《科學(xué)數(shù)據(jù)管理辦法》，積極推進(jìn)科學(xué)數(shù)據(jù)資源開發(fā)利用和開放共享。建立開放、共享、高效的智慧數(shù)據(jù)平臺(tái)成為國(guó)內(nèi)外加強(qiáng)數(shù)字資源應(yīng)用效率和提高科研能力的重要課題之一。

1 科研數(shù)字資源平臺(tái)建設(shè)的現(xiàn)狀

目前科研數(shù)字資源平臺(tái)的建設(shè)主要體現(xiàn)在以下兩個(gè)方面：

首先是數(shù)字圖書館，新時(shí)期數(shù)字圖書館的建設(shè)多是以知識(shí)管理為核心的智慧圖書館。在這一方面國(guó)內(nèi)外高校圖書館和期刊數(shù)據(jù)庫最具代表性，數(shù)字圖書館中所涉及的科研數(shù)字資源以學(xué)術(shù)論文為主，包括碩博士論文及期刊文獻(xiàn)等。

另外則是科技信息服務(wù)平臺(tái)，此類平臺(tái)涉及的科研數(shù)字資源以科技項(xiàng)目、單位、專家等資料為主，也包括各行業(yè)標(biāo)準(zhǔn)、行業(yè)數(shù)據(jù)庫等，世界各國(guó)均有不同領(lǐng)域的科技信息服務(wù)平臺(tái)。如由美國(guó)國(guó)家虛擬天文臺(tái)、歐洲天體物理虛擬天文臺(tái)、英國(guó)虛擬天文臺(tái) AstroGrid計(jì)劃共同發(fā)起成立了國(guó)際虛擬天文臺(tái)聯(lián)盟（Iternational Virtual Observatory Alliance，IVOA），將積累的全球基于地面和空間望遠(yuǎn)鏡的天文數(shù)據(jù)建成數(shù)據(jù)集合，使天文學(xué)研究者能夠發(fā)現(xiàn)和分析這些數(shù)據(jù)[3]。美國(guó)國(guó)家地理數(shù)據(jù)中心與研究人員緊密合作，建立文件和可靠數(shù)據(jù)集，并與政府機(jī)構(gòu)、非贏利機(jī)構(gòu)、高校積極開展合作項(xiàng)目，鼓勵(lì)數(shù)據(jù)交換。日本社會(huì)科學(xué)數(shù)據(jù)存檔中心（SSJDA）從無法自己?jiǎn)为?dú)分發(fā)數(shù)據(jù)但又愿將數(shù)據(jù)存放在SSJDA的組織和研究人員那里收集數(shù)據(jù)，同時(shí)鼓勵(lì)有能力分發(fā)數(shù)據(jù)的組織和研究人員將數(shù)據(jù)進(jìn)行共享[4]。我國(guó)科學(xué)技術(shù)信息研究所也正在建設(shè)國(guó)家科技管理信息系統(tǒng)公共服務(wù)平臺(tái)[5]。這些科技信息服務(wù)平臺(tái)大多由國(guó)家政府牽引，科研機(jī)構(gòu)參與建設(shè)。

推動(dòng)科研數(shù)字資源平臺(tái)建設(shè)的動(dòng)力來自于各個(gè)方面，各類文獻(xiàn)主要從推動(dòng)科學(xué)研究的發(fā)展、避免重復(fù)浪費(fèi)、促進(jìn)科學(xué)研究合作等方面進(jìn)行探討。

（1）支持科學(xué)質(zhì)詢,方便證實(shí)科研成果的正確性和有效性。相關(guān)學(xué)者科研通過對(duì)他人科研成果相關(guān)的支撐數(shù)據(jù)或研究結(jié)果數(shù)據(jù)等進(jìn)行驗(yàn)證, 從而為證實(shí)科學(xué)研究是否存在錯(cuò)誤和偏差提供驗(yàn)證途徑，減少科研錯(cuò)誤的出現(xiàn)；

（2）為后續(xù)研究提供數(shù)據(jù)基礎(chǔ)。目前絕大多數(shù)學(xué)者都是在前人的研究基礎(chǔ)上進(jìn)行深入探索，人類基因項(xiàng)目（Human Genome Project）的科學(xué)數(shù)據(jù)共享實(shí)踐已經(jīng)證明, 快速的數(shù)據(jù)共享為后續(xù)研究提供了便利；

（3）建立開放共享的科研數(shù)字資源平臺(tái)可以有效打破科研壁壘，對(duì)研究機(jī)構(gòu)而言可有效利用有限的資金, 避免重復(fù)研究帶來的資源浪費(fèi)[6]；

（4）有利于宏觀調(diào)控，從國(guó)家決策者和領(lǐng)域?qū)＜业慕嵌龋ㄟ^科研數(shù)字資源平臺(tái)對(duì)已有資源進(jìn)行分析挖掘，便于了解當(dāng)前的領(lǐng)域研究現(xiàn)狀，有利于科學(xué)有效的把握科研方向；

（5）促進(jìn)稀有數(shù)據(jù)的長(zhǎng)期有效保存，為孤立數(shù)據(jù)（orphan data）提供存儲(chǔ)空間；

（6）提高與其他科學(xué)研究者和研究機(jī)構(gòu)的合作機(jī)率。

2 目前科研數(shù)字資源平臺(tái)建設(shè)面臨的問題

隨著國(guó)內(nèi)外多種數(shù)字資源平臺(tái)的建設(shè)，國(guó)內(nèi)諸多學(xué)者都做了相關(guān)的調(diào)研工作，結(jié)合其結(jié)論，提出幾點(diǎn)目前科研數(shù)字資源平臺(tái)建設(shè)需要解決的問題。

2.1 管理系統(tǒng)陳舊，浪費(fèi)資源潛力

目前科研數(shù)字資源管理并未順應(yīng)時(shí)代的發(fā)展，在知識(shí)應(yīng)用和智慧應(yīng)用方面尚未加以研究，依然停留在老舊的一般數(shù)據(jù)管理信息系統(tǒng)中，雖然這些技術(shù)較為成熟，但難以滿足當(dāng)前科學(xué)研究中對(duì)于知識(shí)、創(chuàng)新性等需求。其次在數(shù)字資源管理方面，科研活動(dòng)中所產(chǎn)生的絕大部分科研數(shù)據(jù)并未真正錄入到科研數(shù)字資源管理中，尤其是在小范圍科研活動(dòng)中依然采用人工管理的方式，其所具有的挖掘潛力被浪費(fèi)，給科研數(shù)字資源的利用造成了極大的不便。

2.2 數(shù)字資源單薄，技術(shù)應(yīng)用不足

另一方面在面對(duì)越來越多的非結(jié)構(gòu)化、半結(jié)構(gòu)化等異構(gòu)數(shù)據(jù)，這些傳統(tǒng)的數(shù)據(jù)管理信息系統(tǒng)往往束手無策。目前針對(duì)數(shù)字資源管理的相關(guān)技術(shù)數(shù)量多、應(yīng)用廣，不同技術(shù)之間相互聯(lián)系、互相摻雜，在相關(guān)信息系統(tǒng)開發(fā)過程中需要數(shù)據(jù)專家針對(duì)具體環(huán)境給出具體解決方案，耗費(fèi)資源巨大。而無論應(yīng)用何種技術(shù)進(jìn)行數(shù)字資源管理都離不開數(shù)據(jù)的建 模過程，但數(shù)字資源的建模方法尚未形成標(biāo)準(zhǔn)，沒有規(guī)范的、完整的解決途徑，從理論到方法依然不完善。

2.3 服務(wù)功能單一，拓展能力較弱

服務(wù)功能需要增強(qiáng)，目前在應(yīng)用階段，大多停留于資源檢索，對(duì)于科研數(shù)字資源的智慧應(yīng)用可以說是處于空白階段，與此相似的智慧城市、智慧校園數(shù)字資源智慧服務(wù)功能的相關(guān)研究已有受到大家認(rèn)可的研究成果，因此應(yīng)當(dāng)充分考慮科研數(shù)字資源平臺(tái)的需求，借鑒智慧應(yīng)用的研究，構(gòu)建面向科研數(shù)字資源平臺(tái)的知識(shí)應(yīng)用架構(gòu)，為之后建立智能應(yīng)用建立結(jié)構(gòu)基礎(chǔ)。

3 科研數(shù)字資源平臺(tái)基礎(chǔ)架構(gòu)設(shè)計(jì)

3.1 設(shè)計(jì)原則

（1）打破資源壁壘。面向智慧應(yīng)用的科研數(shù)字資源平臺(tái)應(yīng)匯集相關(guān)各類數(shù)據(jù)，既包括紙質(zhì)、光盤等傳統(tǒng)媒介，也包括已有科研管理系統(tǒng)中的數(shù)字資源，從結(jié)構(gòu)化的文本、數(shù)據(jù)庫資源到非結(jié)構(gòu)化的音視頻、仿真模型、實(shí)驗(yàn)數(shù)據(jù)、科研成果等，都通過相應(yīng)技術(shù)手段，匯入科研數(shù)字資源平臺(tái)中。

（2）以標(biāo)準(zhǔn)化的數(shù)據(jù)建模為核心。為提高平臺(tái)的擴(kuò)展性，應(yīng)以最根本的數(shù)據(jù)管理為支撐，通過標(biāo)準(zhǔn)化的建模手段建立具有一致性的集中式或分布式數(shù)據(jù)管理平臺(tái)，為后續(xù)擴(kuò)展性功能研發(fā)提供基礎(chǔ)保障。

（3）個(gè)性化服務(wù)滿足用戶需求。針對(duì)不同用戶群體提供分級(jí)服務(wù)，同時(shí)通過不同功能模塊提供個(gè)性化服務(wù)，在線分析、個(gè)性化知識(shí)管理、個(gè)性化推送等，有效滿足不同用戶的不用使用需求[7]。

3.2 總體架構(gòu)

我國(guó)的科研數(shù)字資源平臺(tái)實(shí)踐尚處于建設(shè)的初步階段，尚未形成一定的規(guī)模，結(jié)合近幾年的大數(shù)據(jù)與云計(jì)算相關(guān)技術(shù)的發(fā)展，筆者就科研數(shù)字資源平臺(tái)的構(gòu)建提供思路如圖1所示。

圖1 科研數(shù)字資源平臺(tái)整體架構(gòu)Fig.1 Scientific research digital resource platform

從宏觀來看，科研數(shù)字資源平臺(tái)的總體架構(gòu)可分四層：源數(shù)據(jù)層、數(shù)據(jù)管理層、系統(tǒng)支撐層和應(yīng)用窗口層。

（1）源數(shù)據(jù)層：通過自動(dòng)或手動(dòng)的方式，將歷史資源、自動(dòng)識(shí)別、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)等方面的科研數(shù)字資源進(jìn)行采集，提供給數(shù)據(jù)管理層。

（2）數(shù)據(jù)管理層：是整個(gè)科研數(shù)字資源平臺(tái)的核心與難點(diǎn)，以大數(shù)據(jù)與云計(jì)算基礎(chǔ)平臺(tái)為紐帶，綜合各種數(shù)據(jù)處理手段，系統(tǒng)支撐層提供數(shù)據(jù)支撐，通過將來自源數(shù)據(jù)層的初始數(shù)據(jù)進(jìn)行過濾、整合、存儲(chǔ)，這一層是整個(gè)平臺(tái)的基礎(chǔ)。

（3）系統(tǒng)支撐層：根據(jù)提出的功能需求，分別開發(fā)相應(yīng)的采集系統(tǒng)、檢索系統(tǒng)、存儲(chǔ)系統(tǒng)、挖掘系統(tǒng)和用戶管理系統(tǒng)，通過接口與應(yīng)用窗口相連，以實(shí)現(xiàn)相關(guān)功能。

（4）應(yīng)用窗口層：首先從需求角度出發(fā)，面對(duì)可能使用該平臺(tái)的科技人員、領(lǐng)域?qū)＜摇⒐芾砣藛T等分別提供公眾訪問平臺(tái)和綜合管理平臺(tái)兩個(gè)應(yīng)用窗口，前臺(tái)應(yīng)用實(shí)現(xiàn)科研數(shù)字資源的檢索、瀏覽、分析與挖掘、下載和上傳等操作，后臺(tái)應(yīng)用實(shí)現(xiàn)科研數(shù)字資源的審核、數(shù)據(jù)管理、用戶管理等工作。為適應(yīng)時(shí)代發(fā)展，其應(yīng)適用于多種不同的設(shè)備端，故應(yīng)支持異構(gòu)與分布的運(yùn)行環(huán)境。

針對(duì)目前已有或在建的數(shù)字資源平臺(tái)，提出以數(shù)據(jù)管理層為系統(tǒng)的核心，避免以往僅從用戶角度出發(fā)產(chǎn)生的功能不足的缺陷，通過建立完善的基于大數(shù)據(jù)與云計(jì)算的數(shù)據(jù)管理分析基礎(chǔ)平臺(tái)綜合管理各種數(shù)據(jù)源為系統(tǒng)提供全面的數(shù)據(jù)支撐，再通過應(yīng)用與功能層的建設(shè)滿足不同用戶的不同需求。

4 基本實(shí)現(xiàn)技術(shù)路線

科研數(shù)字資源平臺(tái)構(gòu)建是一個(gè)大型的系統(tǒng)工程，其中涉及的相關(guān)領(lǐng)域和學(xué)科眾多，筆者認(rèn)為應(yīng)當(dāng)進(jìn)行自主開發(fā)，采用 java、php等開發(fā)語言，結(jié)合MySQL、Oracle等專業(yè)數(shù)據(jù)庫進(jìn)行開發(fā)，此方式具有較強(qiáng)的自主性和可適性，為避免從前期調(diào)研、開發(fā)到后期實(shí)施、應(yīng)用周期過長(zhǎng)，應(yīng)選擇適當(dāng)?shù)墓こ涕_發(fā)方式。筆者根據(jù)提出的科研數(shù)字資源平臺(tái)基礎(chǔ)架構(gòu)，提出幾點(diǎn)技術(shù)問題的建議。

4.1 源數(shù)據(jù)層開發(fā)

由于目前已有的傳統(tǒng)數(shù)字資源管理、存儲(chǔ)系統(tǒng)數(shù)量眾多應(yīng)用較深，盡管這些項(xiàng)目管理信息系統(tǒng)對(duì)應(yīng)傳統(tǒng)的項(xiàng)目管理特點(diǎn)與模式上都比較成熟，但由于智慧應(yīng)用的發(fā)展，這些傳統(tǒng)的科研管理信息系統(tǒng)并不能直接用于智慧應(yīng)用，在數(shù)據(jù)結(jié)構(gòu)、系統(tǒng)框架上都存在諸多不足，并不能直接加以利用。傳統(tǒng)科研管理系統(tǒng)中流轉(zhuǎn)的數(shù)據(jù)資源因其大多為數(shù)據(jù)庫資源或文本資源，也包括少量非結(jié)構(gòu)化的圖片、數(shù)據(jù)表等，筆者提出應(yīng)當(dāng)基于此類系統(tǒng)進(jìn)行二次開發(fā)，從已有數(shù)據(jù)庫、數(shù)據(jù)倉庫展開工作，結(jié)合新興的自動(dòng)識(shí)別[8]、物聯(lián)網(wǎng)[9]、互聯(lián)網(wǎng)技術(shù)。嘗試將兩者結(jié)合，應(yīng)用到科研數(shù)字資源平臺(tái)的源數(shù)據(jù)層中，以滿足智慧應(yīng)用的要求，順應(yīng)數(shù)據(jù)時(shí)代的發(fā)展。

4.2 數(shù)據(jù)管理層開發(fā)

從現(xiàn)有的研究成果來看，數(shù)字資源的過濾、整合、存儲(chǔ)都需要進(jìn)行數(shù)據(jù)建模，離不開元數(shù)據(jù)。元數(shù)據(jù)被稱為“關(guān)于數(shù)據(jù)的數(shù)據(jù)”，是對(duì)數(shù)字資源的規(guī)范化描述，不僅能起到描述數(shù)據(jù)的作用，而且起到管理數(shù)據(jù)的作用。建立科學(xué)完整的元數(shù)據(jù)也是數(shù)據(jù)標(biāo)準(zhǔn)化的重要內(nèi)容。我國(guó)在元數(shù)據(jù)研究中已經(jīng)取得一定的進(jìn)展與成果，隨著科技部 2002年正式啟動(dòng)的國(guó)家科學(xué)數(shù)據(jù)共享工程的推進(jìn)，國(guó)內(nèi)各行業(yè)都制定了相應(yīng)的元數(shù)據(jù)標(biāo)準(zhǔn)，為數(shù)據(jù)管理提供了巨大便利[10]。黃文碧[11]在詳細(xì)闡述利用元數(shù)據(jù)實(shí)現(xiàn)館藏資源聚合的可行性的基礎(chǔ)上,提出經(jīng)過元數(shù)據(jù)倉庫構(gòu)建、元數(shù)據(jù)映射和元數(shù)據(jù)關(guān)聯(lián)等過程實(shí)現(xiàn)館藏資源對(duì)象的分面語義關(guān)聯(lián)。本體作為”共享概念模型的明確的形式化規(guī)范說明”[12]。能夠捕獲相關(guān)領(lǐng)域的知識(shí)，提供對(duì)該領(lǐng)域知識(shí)的共同理解，確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯，并從不同層次的形式化模式上給出這些詞匯術(shù)語和詞匯間相互關(guān)系的明確定義。本體的這一作用可以實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的集成[13-15]以及知識(shí)建模[16-17]和語義建模[18-20]，為系統(tǒng)支撐層中的知識(shí)挖掘提供便利。

4.3 系統(tǒng)支撐層和應(yīng)用窗口層開發(fā)

既要充分考慮一個(gè)實(shí)用的數(shù)字資源平臺(tái)所必需的上傳、下載、索引、瀏覽、數(shù)據(jù)管理和用戶管理的基本功能外，應(yīng)當(dāng)緊密結(jié)合用戶需求，引入大數(shù)據(jù)與云計(jì)算的相關(guān)技術(shù)，提供個(gè)性化服務(wù)、分級(jí)服務(wù)，對(duì)某些不能開放、共享的資源實(shí)現(xiàn)分級(jí)對(duì)待。同時(shí)提高對(duì)用戶的使用權(quán)限管理，從而提高數(shù)據(jù)安全性和系統(tǒng)可靠性。此外也應(yīng)考慮平臺(tái)今后的交互性和可擴(kuò)展性等功能。

5 結(jié)語

大數(shù)據(jù)時(shí)代，構(gòu)建科研數(shù)字資源平臺(tái)，推動(dòng)科學(xué)技術(shù)的發(fā)展，是一項(xiàng)重要的歷史使命。本文分析了構(gòu)建科研數(shù)字資源平臺(tái)的重要意義，說明現(xiàn)有數(shù)據(jù)平臺(tái)存在的問題，在此基礎(chǔ)上提出了面向智慧應(yīng)用的數(shù)字資源平臺(tái)基礎(chǔ)架構(gòu)，詳細(xì)說明了其相關(guān)技術(shù)路線。

[1] Ohio LINK Resources[OL]. [2018-4-12]. https://www. ohiolink.edu.

[2] 陳如明. 大數(shù)據(jù)時(shí)代的挑戰(zhàn)、價(jià)值與應(yīng)對(duì)策略[J]. 移動(dòng)通信, 2012(17): 14-15.

[3] The International Virtual Observatory Alliance[OL]. [2018-4-12]. http://www.ivoa.net/.

[4] Information from SSJDA[OL]. [2018-4-12]. http://csrda.iss.u-tokyo.ac.jp/en/。

[5] 國(guó)家科技管理信息系統(tǒng)公共服務(wù)平臺(tái)[OL]. [2018-4-12].http://service.most.cn/index/.

[6] 黃如花, 邱春艷. 國(guó)外科學(xué)數(shù)據(jù)共享研究綜述[J]. 情報(bào)資料工作, 2013(4): 25-31.

[7] 李瑾, 顧戈琦. 基于“互聯(lián)網(wǎng)+”的農(nóng)業(yè)大數(shù)據(jù)平臺(tái)構(gòu)建[J].湖北農(nóng)業(yè)科學(xué), 2017, 56(10): 1947-1952.

[8] 姚楠, 耿奇. 基于MATLAB GUI的車牌自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)[J].軟件, 2016, 37.

[9] 曾慶勇, 劉遠(yuǎn)仲. 淺談物聯(lián)網(wǎng)技術(shù)發(fā)展方向與產(chǎn)業(yè)前景[J].軟件, 2018, 39(3): 37-40.

[10] 戴劍偉, 吳照林, 朱明東, 等. 數(shù)據(jù)工程理論與技術(shù)[M].國(guó)防工業(yè)出版社, 2010.

[11] 黃文碧. 基于元數(shù)據(jù)關(guān)聯(lián)的館藏資源聚合研究[J]. 情報(bào)理論與實(shí)踐, 2015, 38(4): 74-79.

[12] Studer R, Benjamins V R, Fensel D. Knowledge engineering:principles and methods[J]. Data & Knowledge Engineering,1998, 25(1–2): 161-197.

[13] 高文浩. 基于本體的異構(gòu)數(shù)據(jù)庫集成技術(shù)研究及應(yīng)用[D].江蘇大學(xué), 2009.

[14] 陽其凱, 王堅(jiān), 凌衛(wèi)青. 基于本體和云服務(wù)的交通異構(gòu)數(shù)據(jù)集成方法研究[J]. 高技術(shù)通訊, 2015, 25(7): 694-702.

[15] 吳佑波, 陶熠. 基于本體的異構(gòu)系統(tǒng)語義互操作研究[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, 34(2): 65-70.

[16] 李培培. 基于本體的知識(shí)建模框架及實(shí)例研究[D]. 西南大學(xué), 2008.

[17] 王威. 基于本體的信息系統(tǒng)知識(shí)建模與表示框架的研究與應(yīng)用[D]. 浙江大學(xué), 2015.

[18] 唐曉波, 翟夏普. 基于本體知識(shí)集合的知識(shí)檢索研究[J].圖書館學(xué)研究, 2018(1).

[19] 閆東. 基于本體的石油地質(zhì)領(lǐng)域知識(shí)服務(wù)系統(tǒng)研究[J]. 軟件, 2017, 38(11): 101-106.

[20] 張力生, 年歡, 宋輝, 等. 領(lǐng)域模型中關(guān)聯(lián)語義的描述邏輯表示與應(yīng)用[J]. 軟件, 2015, 36(6): 66-74.