基于刻面的數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)

王江海，武林仙，吳揚(yáng)揚(yáng)

（華僑大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，福建廈門361021）

基于刻面的數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)

王江海，武林仙，吳揚(yáng)揚(yáng)

（華僑大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，福建廈門361021）

提出一種基于刻面描述的數(shù)據(jù)空間數(shù)據(jù)源描述模型（FADSM），實(shí)現(xiàn)數(shù)據(jù)空間對(duì)數(shù)據(jù)源“先有數(shù)據(jù)，后在模式”的即插即用的管理模式.在數(shù)據(jù)空間原型系統(tǒng)架構(gòu)下，以FADSM模型為基礎(chǔ)構(gòu)建一個(gè)數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng).原型系統(tǒng)實(shí)現(xiàn)對(duì)數(shù)據(jù)空間中異構(gòu)異質(zhì)數(shù)據(jù)源內(nèi)部及外部屬性的提取，以Pay－As－You－Go的管理模式實(shí)現(xiàn)統(tǒng)一管理，并提供對(duì)數(shù)據(jù)源添加、刪除和瀏覽等基本管理功能.

數(shù)據(jù)空間；刻面；數(shù)據(jù)源管理；異構(gòu)異質(zhì)數(shù)據(jù)

信息技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，在實(shí)現(xiàn)數(shù)據(jù)共享的同時(shí)，也使用戶不得不面對(duì)大量的不斷快速增長(zhǎng)的數(shù)據(jù).數(shù)據(jù)的海量、共享性及其多樣性使得傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)管理模式面臨著嚴(yán)峻的挑戰(zhàn).數(shù)據(jù)空間（dataspace）就是針對(duì)異構(gòu)異質(zhì)數(shù)據(jù)數(shù)據(jù)管理難的問題提出來的.與關(guān)系型數(shù)據(jù)庫(kù)區(qū)別的是，將數(shù)據(jù)加入到數(shù)據(jù)空間之前，無需像關(guān)系數(shù)據(jù)庫(kù)事先為其定義關(guān)系模式，而直接將數(shù)據(jù)源加入數(shù)據(jù)空間，并以Pay－As－You－Go模式實(shí)現(xiàn)數(shù)據(jù)的管理［1－3］，使其更能適應(yīng)未來各種異構(gòu)異質(zhì)數(shù)據(jù)的管理需求.iDM（imemex data model）［4］是通過資源視力來描述數(shù)據(jù)源，但基于iQL查詢可能會(huì)很復(fù)雜；UDM（unified data model）［5］主要是關(guān)注桌面搜索的無法提供關(guān)系數(shù)據(jù)查詢；Triple Model［6］是基于RDF的，提供了強(qiáng)大的查詢能力，但不支持屬性查詢和不確定查詢，普通用戶使用比較困難；Probabilitstic Sematic Model［7］是基于概率的，能夠處理不確定數(shù)據(jù)源，但其擴(kuò)展性受到使用的集成方法的限制.基于任務(wù)的數(shù)據(jù)空間模型［8］只是從用戶任務(wù)方面考慮的，弱化了數(shù)據(jù)源內(nèi)容；PAD和CKP模型［9］使用了本體的概念，但其本體本身的建構(gòu)需要領(lǐng)域?qū)＜业膮⑴c；RSM（refined standard model）［10］將數(shù)據(jù)空間看作是若干個(gè)資源的空間的集合，各個(gè)資源空間中有相同屬性的數(shù)據(jù)聚類，但卻忽略了不同類數(shù)據(jù)間的內(nèi)容間關(guān)聯(lián)性；LGDM（layered graph data model）［11］也是基于圖的模型，以對(duì)象的概念作為數(shù)據(jù)最小單元.若干屬性對(duì)數(shù)據(jù)源描述可以是對(duì)數(shù)據(jù)源的某方面特征的描述，而以上介紹的數(shù)據(jù)空間模型在描述數(shù)據(jù)源時(shí)多是將數(shù)據(jù)源看作簡(jiǎn)單的屬性集合，忽略了屬性間的關(guān)系.為描述數(shù)據(jù)空間中的數(shù)據(jù)，本文提出一種基于刻面描述的數(shù)據(jù)空間模型（FADSM模型），并在此模型上構(gòu)建了一個(gè)數(shù)據(jù)源管理子系統(tǒng).

1 數(shù)據(jù)空間數(shù)據(jù)源的描述模型

在軟件構(gòu)件庫(kù)的分類模式中，刻面分類將對(duì)構(gòu)件描述的關(guān)鍵詞置于不同的語(yǔ)境，從而可以從多個(gè)視角來觀察構(gòu)件，以此來精確分類構(gòu)件.通常對(duì)數(shù)據(jù)源的描述是基于屬性集合的，即通過屬性名和屬性值元組的集合來完成.這種表達(dá)方式只是將數(shù)據(jù)源看做簡(jiǎn)單的屬性集合，并沒有進(jìn)一步挖掘出屬性間的關(guān)系.文中對(duì)這些屬性進(jìn)行了進(jìn)一步的抽象，提取屬性之間的關(guān)系，將各個(gè)屬性劃入不同的刻面.

在基于刻面的概念下，通過數(shù)據(jù)源、刻面和屬性來描述數(shù)據(jù)源.數(shù)據(jù)源并非單獨(dú)存在的，它同時(shí)與其它數(shù)據(jù)存在著各種各樣的關(guān)聯(lián)，如引用、具有相同的刻面等.因此，在對(duì)數(shù)據(jù)源描述時(shí)不能僅描述數(shù)據(jù)源內(nèi)部屬性的關(guān)系，還需要引入一個(gè)關(guān)系集來描述各種不同數(shù)據(jù)源之間的關(guān)系.即通過刻面、屬性和關(guān)系來描述數(shù)據(jù)空間中的數(shù)據(jù)源.

定義如圖1所示的數(shù)據(jù)空間的FADSM模型為Dsource＝（ID，F(xiàn)S，A－VS）.其中：ID是數(shù)據(jù)源的標(biāo)識(shí)符，表示數(shù)據(jù)的類別和存儲(chǔ)位置，類似于URL的表示方式；FS是數(shù)據(jù)源的刻面集合；A－VS是刻面所包含的內(nèi)容集合，包括了描述這個(gè)數(shù)據(jù)源的所有屬性及關(guān)系等.

圖1 FADSM模型示意圖Fig.1 Diagram of FADSM model

在FADSM模型中，屬性用來描述數(shù)據(jù)源對(duì)象的特性，如郵件用來描述文件的大小、位置、時(shí)間等，數(shù)據(jù)庫(kù)的表、列等，網(wǎng)頁(yè)的URL，Title等.對(duì)于用戶對(duì)數(shù)據(jù)源的自定義屬性，也用來作為對(duì)數(shù)據(jù)源的描述加以使用.刻面是指用戶觀察數(shù)據(jù)源的視角，如一張新聞網(wǎng)頁(yè)，從文件的角度看，它有網(wǎng)頁(yè)大小、網(wǎng)頁(yè)存放位置、網(wǎng)頁(yè)創(chuàng)建時(shí)間等屬性；從內(nèi)容的角度看，有新聞標(biāo)題、新聞?dòng)浾?、發(fā)生時(shí)間等屬性；而從網(wǎng)頁(yè)的角度看，則有URL地址，Title，相關(guān)頁(yè)等屬性.本模型可以為用戶提供從不同的角度瀏覽和查詢數(shù)據(jù).

在研制的數(shù)據(jù)源管理子系統(tǒng)中，對(duì)于常見的數(shù)據(jù)源，設(shè)置了兩個(gè)初始的刻面集及其屬性集，用戶可根據(jù)需要增加或修改.初始的刻面包括Basic基礎(chǔ)刻面和Content內(nèi)容刻面.表1是一些常見數(shù)據(jù)源的初始刻面集和屬性集.

表1 常見數(shù)據(jù)源初始刻面及屬性集Tab.1 Initial facets and attributes for common data sources

圖2 數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)架構(gòu)圖Fig.2 Architecture of data management subsystem for dataspace

數(shù)據(jù)源管理子系統(tǒng)對(duì)加入數(shù)據(jù)空間的數(shù)據(jù)源自動(dòng)抽取其各個(gè)刻面的屬性，并建立其多刻面地描述模式.用戶不需要定義數(shù)據(jù)模式，就能對(duì)異構(gòu)異質(zhì)數(shù)據(jù)源的管理，實(shí)現(xiàn)數(shù)據(jù)源的瀏覽、查詢和檢索.

2 數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)

基于上述FADSM模型，構(gòu)建一個(gè)數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)，如圖2所示.系統(tǒng)通過對(duì)數(shù)據(jù)空間中異構(gòu)、異質(zhì)數(shù)據(jù)源內(nèi)部及外部屬性的自動(dòng)提取，以Pay－As－You－Go的管理模式實(shí)現(xiàn)數(shù)據(jù)源的統(tǒng)一管理，并提供了對(duì)數(shù)據(jù)源添加、刪除和瀏覽等基本管理功能，為將來數(shù)據(jù)空間索引及空間演化提供了基礎(chǔ).該系統(tǒng)主要由5個(gè)模塊組成，包括顯示模塊、數(shù)據(jù)源管理模塊、屬性存儲(chǔ)模塊、數(shù)據(jù)源自動(dòng)抽取模塊和數(shù)據(jù)源包裝模塊.

1）數(shù)據(jù)源包裝模塊.主要定義了文件、數(shù)據(jù)庫(kù)、郵件和xml等數(shù)據(jù)源的刻面描述信息的訪問方法.模塊向上提供對(duì)異構(gòu)數(shù)據(jù)源的元數(shù)據(jù)信息及內(nèi)容的訪問接口，實(shí)現(xiàn)對(duì)數(shù)據(jù)源的統(tǒng)一訪問，在后續(xù)的新數(shù)據(jù)源中只需要實(shí)現(xiàn)元數(shù)據(jù)訪問接口就可以保證對(duì)新數(shù)據(jù)源的訪問.

2）數(shù)據(jù)源管理模塊.數(shù)據(jù)源管理模塊提供數(shù)據(jù)空間中數(shù)據(jù)源管理的主要功能，完成包括添加數(shù)據(jù)源、刪除數(shù)據(jù)源和瀏覽數(shù)據(jù)源3個(gè)主要業(yè)務(wù)邏輯.模塊實(shí)現(xiàn)了數(shù)據(jù)源加入到數(shù)據(jù)空間、利用屬性提取模塊抽取數(shù)據(jù)源屬性，以及向顯示模塊提供數(shù)據(jù)源刻面描述信息的查詢及內(nèi)部數(shù)據(jù)的瀏覽方法.

3）自動(dòng)提取模塊.包括對(duì)數(shù)據(jù)源外部信息和內(nèi)容信息的刻面描述的自動(dòng)抽取及數(shù)據(jù)源內(nèi)容的索引.模塊根據(jù)提供的數(shù)據(jù)源訪問信息判斷數(shù)據(jù)源類型，調(diào)用數(shù)據(jù)源包裝模塊提供的數(shù)據(jù)源訪問API，獲取數(shù)據(jù)源的刻面描述信息并存儲(chǔ).外部屬性的提取主要是針對(duì)數(shù)據(jù)源各種外部描述元數(shù)據(jù)的提??；對(duì)于內(nèi)部?jī)?nèi)容信息的抽取，通過基于加權(quán)重規(guī)則統(tǒng)計(jì)、貝葉斯分類模型和支持向量機(jī)模型結(jié)合的機(jī)器學(xué)習(xí)方法，對(duì)標(biāo)題、作者、關(guān)鍵字、主題和語(yǔ)言等數(shù)據(jù)信息進(jìn)行提取，同時(shí)通過Lucene工具對(duì)數(shù)據(jù)源內(nèi)容進(jìn)行索引，方便查詢.

4）存儲(chǔ)模塊.使用刻面描述模型對(duì)數(shù)據(jù)源以數(shù)據(jù)源、刻面、屬性3個(gè)層次來描述并存儲(chǔ)，并提供對(duì)這些信息的查詢方法.這種存儲(chǔ)方式與數(shù)據(jù)源本身的異構(gòu)性無關(guān)，具有良好的擴(kuò)展性能，對(duì)數(shù)據(jù)源信息的變更不影響存儲(chǔ)的本身結(jié)構(gòu).同時(shí)，屬性的存儲(chǔ)的訪問接口提供了對(duì)插入數(shù)據(jù)源屬性到屬性存儲(chǔ)的訪問方法，保證了屬性自動(dòng)提取模塊的相對(duì)存儲(chǔ)的獨(dú)立性.

5）顯示模塊.提供用戶將數(shù)據(jù)空間外部的數(shù)據(jù)源加入到管理子系統(tǒng)中、數(shù)據(jù)空間內(nèi)部數(shù)據(jù)源移除據(jù)空間管理等操作的用戶界面，并提供對(duì)數(shù)據(jù)源刻面描述信息的瀏覽（數(shù)據(jù)源的刻面名、刻面集合等）及數(shù)據(jù)源內(nèi)容查看的界面.

數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)的系統(tǒng)界面共分為4部分.最上層是系統(tǒng)的菜單欄和工具欄，提供數(shù)據(jù)空間原型系統(tǒng)的基本功能的入口，包括數(shù)據(jù)源添加和刪除、數(shù)據(jù)源索引、數(shù)據(jù)空間配置等功能入口；左邊樹型結(jié)構(gòu)區(qū)域是數(shù)據(jù)空間中數(shù)據(jù)源樹型瀏覽區(qū)，提供數(shù)據(jù)空間中所有數(shù)據(jù)源的瀏覽入口；右邊窗口上部是數(shù)據(jù)空間的查詢?nèi)肟冢峁?shù)據(jù)源空間的關(guān)鍵字查詢；右下部是內(nèi)容顯示區(qū)，提供數(shù)據(jù)源內(nèi)容、關(guān)鍵字查詢、基于用戶活動(dòng)的查詢結(jié)果等內(nèi)容的顯示.

在實(shí)驗(yàn)中，將236個(gè)普通文件（74.5 Mb）、262封郵件（20.4 Mb）、8個(gè)數(shù)據(jù)庫(kù)（435.4 Mb）和78個(gè)xml數(shù)據(jù)文件（52.2 Mb）共4類異構(gòu)異質(zhì)數(shù)據(jù)源加入到數(shù)據(jù)空間中進(jìn)行管理.用戶通過菜單欄中的數(shù)據(jù)源菜單下的添加數(shù)據(jù)源菜單，進(jìn)入數(shù)據(jù)源添加窗口；窗口提供了多種異構(gòu)數(shù)據(jù)源的添加功能，用戶只需要選擇相應(yīng)的數(shù)據(jù)源，并提供訪問時(shí)所需要的連接信息；點(diǎn)擊確定后，系統(tǒng)將在后臺(tái)自動(dòng)抽取數(shù)據(jù)源刻面信息，并對(duì)數(shù)據(jù)源內(nèi)容進(jìn)行索引.數(shù)據(jù)源加入數(shù)據(jù)空間后，用戶瀏覽系統(tǒng)抽取的數(shù)據(jù)源的刻面描述信息，如圖3所示.對(duì)于加入到數(shù)據(jù)空間數(shù)據(jù)源管理子系統(tǒng)的數(shù)據(jù)源，用戶可以通過上面的查詢框中，輸入刻面信息的關(guān)鍵字來查詢相關(guān)的數(shù)據(jù)源.

圖3 數(shù)據(jù)空間數(shù)據(jù)源刻面瀏覽Fig.3 Data resource facet browse for dataspace

3 結(jié)論

提出了一種基于刻面描述的數(shù)據(jù)空間數(shù)據(jù)源描述模型（FADSM），并在此基礎(chǔ)上利用Java語(yǔ)言的優(yōu)勢(shì)構(gòu)建了一個(gè)數(shù)據(jù)源管理子系統(tǒng)，實(shí)現(xiàn)了對(duì)數(shù)據(jù)空間中異構(gòu)異質(zhì)數(shù)據(jù)的統(tǒng)一管理.雖然系統(tǒng)未實(shí)現(xiàn)對(duì)空間中數(shù)據(jù)源變化的監(jiān)控及空間的進(jìn)化，但統(tǒng)一的管理方法及數(shù)據(jù)源的存儲(chǔ)方法為將來數(shù)據(jù)空間索引及空間演化提供了基礎(chǔ).

實(shí)驗(yàn)結(jié)果表明：FADSM模型滿足了數(shù)據(jù)空間對(duì)異構(gòu)異質(zhì)數(shù)據(jù)源的統(tǒng)一管理的要求.數(shù)據(jù)源管理子系統(tǒng)通過預(yù)先對(duì)數(shù)據(jù)源的基礎(chǔ)刻面的抽取提供數(shù)據(jù)源的基本管理功能.下一步的工作，將是完成對(duì)數(shù)據(jù)源的監(jiān)控和挖掘的數(shù)據(jù)源間關(guān)系，以實(shí)現(xiàn)數(shù)據(jù)空間的演化，為用戶提供更強(qiáng)大的服務(wù).

［1］ FRANKLIN M，HALEVY A，MAIER D.From databases to dataspaces：A new abstraction for information management［J］.ACM SIGMOD Record，2005，34（4）：27－33.

［2］ HALEVY A，F(xiàn)RANKLIN M，MAIER D.Principles of dataspace systems［C］∥25th International Conference on Management of Data Principles of Database Systems.Chicago：ACM SIGMOD，2006：1－9.

［3］ HALEVY A，F(xiàn)RANKLIN M，MAIER D.Dataspaces：A new abstraction for information management［C］∥25th International Conference on Management of Data Principles of Database Systems.Chicago：ACM SIGMOD，2006：1－2.

［4］ DITTRICH J P，SALLES M A V.iDM：A unified and versatile data model for personal dataspace management［C］∥Proceedings of the 32nd International Conference on Very Large Data Bases.Seoul：［s.n.］，2006：367－378.

［5］ PRADHAN S.Towards a novel desktop search technique［C］∥Proceedings of 18th International Conference on Database and Expert Systems Applications.Regensburg：［s.n.］，2007：192－201.

［6］ ZHONG Ming，LIU Meng－chi，CHEN Qian.Modeling heterogeneous data in dataspace［C］∥IEEE International Conference on Information Reuse and Integration.Las Vegas：［s.n.］，2008：404－409.

［7］ SARMA A D，DONG X L，HALEVY A Y.Data modeling in dataspace support platforms［J］.Conceptual Modeling：Foundations and Applications，2009，5600：122－138.

［8］ 寇玉波，李玉坤，孟小峰，等.個(gè)人數(shù)據(jù)空間管理中的任務(wù)挖掘策略［J］.計(jì)算機(jī)研究與發(fā)展，2009，46（增刊2）：446－452.

［9］ 董彥磊，申德榮，寇月，等.數(shù)據(jù)空間中數(shù)據(jù)組織模型以及關(guān)聯(lián)關(guān)系發(fā)現(xiàn)模型的研究［J］.計(jì)算機(jī)研究與發(fā)展，2009，46（增刊2）：191－199.

［10］ JIANG Xiao－rui，SUN Xiao－ping，ZHUGE Hai.A Resource space model for dataspace［C］∥Sixth International Conference on Semantics，Knowledge and Grids.Washington D C：IEEE Computer Society，2010：33－41.

［11］ YANG Dan，SHEN De－rong，NIE Tie－zheng，et al.Layered graph data model for data management of dataspace support platform［J］.Web－Age Information Management，2011，6897：353－365.

A Data sources Management Subsystem for Dataspace Based on Facets

WANG Jiang－h(huán)ai，WU Lin－xian，WU Yang－yang
（College of Computer Science and Technology，Huaqiao University，Xiamen 361021，China）

A facet－based attributes dataspace model（FADSM）is proposed in this article，which implements data－first management model.In the architecture of dataspace prototype，we design a subsystem for data sources management in dataspace based on FADSM.Our system achieves to extract the internal and external attributes of heterogeneous data in dataspace and manage data in Pay－As－You－Go style.It also implements the basic functions to add，delete and browse data sources in dataspace，which provides a basis for data indexing and evolution in dataspace.

dataspace；facets；data source management；heterogeneous data

TP 311.13

A

（責(zé)任編輯：陳志賢 英文審校：吳逢鐵）

1000－5013（2012）05－0509－04

2012－03－24

吳揚(yáng)揚(yáng)（1957－），女，教授，主要從事數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘的研究.E－mail：wuyy＠hqu.edu.cn.

福建省科技計(jì)劃重大項(xiàng)目（2011H6016，2011H0028）