云環(huán)境下多源數(shù)據(jù)資源發(fā)現(xiàn)機(jī)制的構(gòu)建研究

杜明，郝國(guó)生

（江蘇師范大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 徐州221116）

計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展為圖書(shū)館和數(shù)據(jù)中心的信息服務(wù)提供了跨越式和學(xué)科交叉發(fā)展的良機(jī)，同時(shí)也帶來(lái)了嚴(yán)峻的挑戰(zhàn).隨著圖書(shū)館和數(shù)據(jù)中心數(shù)字資源建設(shè)的深入進(jìn)展，將會(huì)面臨大量的數(shù)字資源和多源異構(gòu)數(shù)據(jù)（如多學(xué)科交叉數(shù)據(jù)等），在數(shù)字資源特色化、異構(gòu)數(shù)據(jù)資源的導(dǎo)航和發(fā)現(xiàn)整合方面也會(huì)遭遇難題［1］.如何實(shí)現(xiàn)海量多源異構(gòu)數(shù)據(jù)資源的深入挖掘、發(fā)現(xiàn)及有效整合，并提供一站式的資源檢索和知識(shí)發(fā)現(xiàn)服務(wù)，滿足用戶各種專業(yè)性需求，是業(yè)界研究與實(shí)踐的熱點(diǎn)和難點(diǎn).

云計(jì)算的出現(xiàn)為圖書(shū)館和數(shù)據(jù)中心提供了強(qiáng)大的多源異構(gòu)數(shù)據(jù)支撐環(huán)境、海量存儲(chǔ)能力，以及有效的知識(shí)發(fā)現(xiàn)服務(wù)和資源整合機(jī)制.云計(jì)算是傳統(tǒng)計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)發(fā)展融合的新產(chǎn)物，是一種新的資源提供模式，其核心思想是對(duì)分布式網(wǎng)絡(luò)資源進(jìn)行統(tǒng)一地管理和整合，將這些資源看成一個(gè)整體，并賦予用戶獲取和使用資源的自由.當(dāng)前，圖書(shū)館和數(shù)據(jù)中心的數(shù)據(jù)資源正在呈幾何級(jí)增長(zhǎng)，信息的分布卻處于分而不聚和聚而不合的異構(gòu)狀態(tài)［2］.而云計(jì)算可以有效地處理海量數(shù)據(jù)的存儲(chǔ)、多學(xué)科交叉數(shù)據(jù)的計(jì)算，以及多源異構(gòu)數(shù)據(jù)的深入發(fā)現(xiàn)和資源整合，進(jìn)而加快圖書(shū)館和數(shù)據(jù)中心的信息資源的數(shù)字化及資源整合利用率，并跟蹤用戶的信息需求行為，動(dòng)態(tài)適應(yīng)性地為用戶提供有效的資源發(fā)現(xiàn)和聚合服務(wù)，為數(shù)據(jù)資源發(fā)現(xiàn)、整合和服務(wù)創(chuàng)新提供了新的發(fā)展空間［3］.

1 多源數(shù)據(jù)資源的發(fā)現(xiàn)及整合服務(wù)

對(duì)數(shù)據(jù)資源的發(fā)現(xiàn)和整合都是在資源發(fā)現(xiàn)機(jī)制的基礎(chǔ)上進(jìn)行的.發(fā)現(xiàn)機(jī)制是數(shù)據(jù)資源管理整合的核心，也是數(shù)據(jù)資源生命周期的開(kāi)始，具有重要的地位.

1.1 數(shù)據(jù)資源的發(fā)現(xiàn)機(jī)制

數(shù)據(jù)資源的提供方式已經(jīng)從傳統(tǒng)的網(wǎng)頁(yè)集合形式轉(zhuǎn)變成Web集合的形式，Web服務(wù)是目前數(shù)據(jù)資源尤其是在海量的異構(gòu)數(shù)據(jù)方面提供的基本單元.數(shù)據(jù)資源的發(fā)現(xiàn)是指在資源集合中找到有用數(shù)據(jù)的過(guò)程.目前，數(shù)據(jù)資源的發(fā)現(xiàn)機(jī)制主要有兩種，一種是基于語(yǔ)法的關(guān)鍵詞精確匹配的發(fā)現(xiàn)機(jī)制，另一種是基于語(yǔ)義本體的發(fā)現(xiàn)機(jī)制.基于語(yǔ)法的關(guān)鍵詞精確匹配的發(fā)現(xiàn)機(jī)制是通過(guò)UDDI實(shí)現(xiàn)的，在早期互聯(lián)網(wǎng)數(shù)據(jù)量不多的情況下，該發(fā)現(xiàn)機(jī)制具有良好效果，但是面對(duì)數(shù)據(jù)資源的海量增長(zhǎng)和結(jié)構(gòu)的多異性，關(guān)鍵詞匹配的精確度降低，且無(wú)法從語(yǔ)義上進(jìn)行準(zhǔn)確地發(fā)現(xiàn)，因而逐漸被淘汰.基于語(yǔ)義本體的發(fā)現(xiàn)機(jī)制主要有兩種方法，一是Ki m Christensen等提出的單獨(dú)建立語(yǔ)義 Web服務(wù)的注冊(cè)中心［4］，另一個(gè)是Paolucci等提出的對(duì)于UDDI進(jìn)行的語(yǔ)義擴(kuò)展［5］.設(shè)計(jì)一個(gè)合理有效的基于語(yǔ)義本體的發(fā)現(xiàn)機(jī)制，是云環(huán)境下多源異構(gòu)數(shù)據(jù)資源管理以及整合的前提，其重點(diǎn)是需要設(shè)置數(shù)據(jù)資源的相關(guān)特征信息，如對(duì)數(shù)據(jù)資源的本體描述和對(duì)數(shù)據(jù)資源的本體映射方法等.數(shù)據(jù)資源自被創(chuàng)造開(kāi)始，會(huì)經(jīng)歷一個(gè)生命周期［6］，數(shù)據(jù)資源的生命周期管理是對(duì)該資源進(jìn)行有效管理的一個(gè)模型（如圖1所示）.在生命周期中，每個(gè)階段都需要有相應(yīng)的技術(shù)手段進(jìn)行實(shí)現(xiàn)，基于語(yǔ)義本體的發(fā)現(xiàn)機(jī)制是數(shù)據(jù)資源各個(gè)階段管理和分析的基礎(chǔ).

圖1 數(shù)據(jù)資源生命周期管理Fig.1 Lifecycle management of data resources

1.2 數(shù)據(jù)資源的發(fā)現(xiàn)和整合服務(wù)

在互聯(lián)網(wǎng)發(fā)展早期，提供網(wǎng)絡(luò)資源發(fā)現(xiàn)的方法是導(dǎo)航服務(wù).許多學(xué)術(shù)科研機(jī)構(gòu)和圖書(shū)館在提供數(shù)據(jù)資源導(dǎo)航服務(wù)的同時(shí)，與知識(shí)組織等方法相結(jié)合提供數(shù)據(jù)資源的發(fā)現(xiàn)和整合服務(wù).但是，隨著網(wǎng)絡(luò)數(shù)據(jù)資源的爆炸式增長(zhǎng)，以及用戶的個(gè)性化和多樣化的需求，導(dǎo)航服務(wù)已不能滿足數(shù)據(jù)資源發(fā)現(xiàn)和整合的需求，搜索引擎技術(shù)則應(yīng)運(yùn)而生.搜索引擎利用爬蟲(chóng)技術(shù)發(fā)現(xiàn)網(wǎng)絡(luò)中的海量資源并制作檢索，為用戶提供了廣泛的數(shù)據(jù)資源發(fā)現(xiàn)服務(wù).但搜索引擎同樣面臨著很多的問(wèn)題，如數(shù)據(jù)資源覆蓋度較低、語(yǔ)義分析精度不高、數(shù)據(jù)資源發(fā)現(xiàn)后的整合效率較差以及元數(shù)據(jù)利用存在障礙等［7］.聯(lián)邦檢索是在搜索引擎技術(shù)之后出現(xiàn)的，是一種結(jié)合語(yǔ)法和語(yǔ)義技術(shù)的以多個(gè)分布式異構(gòu)數(shù)據(jù)源為對(duì)象的檢索系統(tǒng)，能夠發(fā)現(xiàn)網(wǎng)絡(luò)中深層的數(shù)據(jù)資源.目前，各個(gè)學(xué)校和科研機(jī)構(gòu)的圖書(shū)館均擁有多個(gè)數(shù)據(jù)庫(kù)，加之多個(gè)學(xué)校或者科研機(jī)構(gòu)之間合作和資源共享，使得信息中心數(shù)據(jù)庫(kù)的數(shù)量異常龐大，且為多源和異構(gòu)數(shù)據(jù).聯(lián)邦檢索是解決這種問(wèn)題進(jìn)行數(shù)據(jù)庫(kù)整合以提供知識(shí)發(fā)現(xiàn)服務(wù)的有效工具，但存在檢索速度慢、返回結(jié)果有限、跨庫(kù)檢索效果不理想等問(wèn)題.因此，在數(shù)據(jù)資源的發(fā)現(xiàn)、整合和服務(wù)的發(fā)展要求下，云計(jì)算服務(wù)是必然趨勢(shì).云計(jì)算服務(wù)的出現(xiàn)解決了聯(lián)邦檢索技術(shù)存在的問(wèn)題，使海量多源異構(gòu)數(shù)據(jù)資源的發(fā)現(xiàn)服務(wù)從本地走向網(wǎng)絡(luò)，發(fā)現(xiàn)深度增高，資源的集成性較為明顯，同時(shí)可節(jié)約圖書(shū)館和數(shù)據(jù)中心信息化建設(shè)的成本，并能夠滿足用戶的個(gè)性化知識(shí)發(fā)現(xiàn)服務(wù)和資源整合需求.

2 云環(huán)境下基于語(yǔ)義的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制

在云環(huán)境下，數(shù)據(jù)資源具有多源性、異構(gòu)性、不確定性和動(dòng)態(tài)性等特征，并且面對(duì)用戶資源需求的個(gè)性化和多樣化等問(wèn)題，其數(shù)據(jù)資源的發(fā)現(xiàn)、選擇、整合和管理均需要有更大的創(chuàng)新和發(fā)展.研究云環(huán)境下跨平臺(tái)、領(lǐng)域、學(xué)科的多源數(shù)據(jù)資源的描述、發(fā)現(xiàn)、匹配和整合機(jī)制，是實(shí)現(xiàn)多源數(shù)據(jù)資源管理和提供優(yōu)質(zhì)服務(wù)的重要途徑.對(duì)于用戶來(lái)說(shuō)，其目標(biāo)是最大化地獲得自己所需要的數(shù)據(jù)資源，因此，可以看出發(fā)現(xiàn)是對(duì)數(shù)據(jù)資源進(jìn)行利用和再創(chuàng)造的基礎(chǔ)，具有重要的地位.本文將在有關(guān)研究的基礎(chǔ)上給出一種基于語(yǔ)義的多源數(shù)據(jù)資源的聯(lián)合發(fā)現(xiàn)機(jī)制.

2.1 擴(kuò)展UDDI和 OWL－S

擴(kuò)展UDDI語(yǔ)義［5］是目前云環(huán)境下構(gòu)建基于語(yǔ)義本體的多源數(shù)據(jù)資源發(fā)現(xiàn)機(jī)制的一個(gè)重要實(shí)現(xiàn)方法，數(shù)據(jù)資源的本體描述是資源發(fā)現(xiàn)的基礎(chǔ)和關(guān)鍵，由于建立基于領(lǐng)域的本體庫(kù)能夠有效地解決資源描述的問(wèn)題，因而領(lǐng)域本體庫(kù)的建立是擴(kuò)展UDDI語(yǔ)義的前提.本體是對(duì)數(shù)據(jù)資源以及概念間關(guān)系的精確描述，這種描述對(duì)于多源性、異構(gòu)性、不確定性和動(dòng)態(tài)性的數(shù)據(jù)資源發(fā)現(xiàn)具有重要的作用.OWL－S語(yǔ)言［8］則規(guī)范了一組描述數(shù)據(jù)資源服務(wù)的知識(shí)本體，OWL－S主要由3部分組成，分別是描述數(shù)據(jù)資源服務(wù)做什么、如何工作和如何被訪問(wèn)的.作為描述性語(yǔ)言，OWLS增強(qiáng)了資源服務(wù)的理解性和易用性.

2.2 基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制

在云環(huán)境下，多源數(shù)據(jù)資源的發(fā)現(xiàn)是對(duì)資源進(jìn)行選擇、整合和管理的基礎(chǔ)，而數(shù)據(jù)的描述是發(fā)現(xiàn)機(jī)制的前提.因此，對(duì)數(shù)據(jù)資源的描述和發(fā)現(xiàn)是資源管理全程的核心.研究數(shù)據(jù)資源的描述和發(fā)現(xiàn)機(jī)制實(shí)際上就是研究需求和服務(wù)匹配之間關(guān)聯(lián)機(jī)制.圖2是一種基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制的框架.

圖2 基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制框架Fig.2 Joint discovery mechanism framework of data resources based on UDDI and OWL－S

由圖2可知，在數(shù)據(jù)資源的發(fā)現(xiàn)過(guò)程中，代理中心接受服務(wù)（數(shù)據(jù)）提供者所提供的數(shù)據(jù)資源，將數(shù)據(jù)映射成UDDI的標(biāo)準(zhǔn)結(jié)構(gòu)后，通過(guò)調(diào)用UDDI的API完成服務(wù)（數(shù)據(jù)）在UDDI注冊(cè)中心的發(fā)布.注冊(cè)發(fā)布后，數(shù)據(jù)資源本體獲得描述信息得到唯一的標(biāo)識(shí)符，返回給代理，存入領(lǐng)域本體庫(kù)，然后由代理中心將該資源的本體描述結(jié)合語(yǔ)義標(biāo)注信息存入OWL－S語(yǔ)義庫(kù)中.在數(shù)據(jù)資源的本體描述和領(lǐng)域本體庫(kù)的建立過(guò)程中，由于數(shù)據(jù)是多源、異構(gòu)和動(dòng)態(tài)不確定性的，需要通過(guò)本體映射機(jī)實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的規(guī)范化，以解決語(yǔ)義異構(gòu)的問(wèn)題.本體映射機(jī)通過(guò)范化、計(jì)算本體的語(yǔ)義相似度以及根據(jù)相似度實(shí)現(xiàn)領(lǐng)域本體的映射并進(jìn)行修成等來(lái)實(shí)現(xiàn)規(guī)范化.服務(wù)匹配是數(shù)據(jù)資源發(fā)現(xiàn)機(jī)制中的一個(gè)核心，是實(shí)現(xiàn)用戶資源需求和有效服務(wù)的基礎(chǔ).當(dāng)有服務(wù)（數(shù)據(jù)）請(qǐng)求時(shí)，代理中心接受用戶的服務(wù)需求，并將用戶的服務(wù)需求發(fā)送到服務(wù)匹配引擎，服務(wù)匹配引擎根據(jù)用戶需求的語(yǔ)義信息和語(yǔ)義匹配算法計(jì)算出匹配的級(jí)別，從建立的領(lǐng)域本體庫(kù)中尋找并匹配符合用戶需求的數(shù)據(jù)或信息.匹配成功后，直接調(diào)用UDDI中心的API，根據(jù)匹配的本體標(biāo)識(shí)和描述在UDDI中心進(jìn)行檢索，獲取資源信息并返回給用戶，滿足用戶的資源需求.

2.3 服務(wù)匹配策略及語(yǔ)義相似算法

2.3.1 服務(wù)匹配策略 服務(wù)匹配是數(shù)據(jù)資源發(fā)現(xiàn)機(jī)制的核心.服務(wù)匹配的實(shí)質(zhì)就是將用戶的服務(wù)請(qǐng)求信息和本體庫(kù)中的本體描述信息進(jìn)行比較，當(dāng)兩者的匹配程度達(dá)到設(shè)置的閾值時(shí)，即匹配成功，UDDI中心根據(jù)匹配結(jié)果檢索后即返回用戶需求的資源.在基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制中，我們主要采用2層匹配策略.第一層次是服務(wù)（數(shù)據(jù)）類別的匹配；第二層是資源本體描述的匹配.在數(shù)據(jù)資源發(fā)現(xiàn)和服務(wù)過(guò)程中，當(dāng)匹配引擎接收到代理中心傳遞過(guò)來(lái)的用戶服務(wù)需求信息之后，首先進(jìn)行第一層次的匹配，即服務(wù)（數(shù)據(jù)）類別匹配.該層次主要進(jìn)行領(lǐng)域知識(shí)的匹配，若匹配不成功，則進(jìn)行其他領(lǐng)域的匹配；若匹配成功，則轉(zhuǎn)入第二層次的匹配.服務(wù)（數(shù)據(jù)）類別匹配成功后，即進(jìn)入本體描述的匹配.本體描述的匹配標(biāo)準(zhǔn)是用戶服務(wù)請(qǐng)求信息和領(lǐng)域本體庫(kù)中本體描述之間的相似度，相似度的計(jì)算由語(yǔ)義相似算法完成.

2.3.2 語(yǔ)義相似算法 對(duì)于資源本體而言，一個(gè)本體可以有若干個(gè)概念，將本體的第i個(gè)概念用Ci表示.當(dāng)本體的2個(gè)概念Ci和Cj相同時(shí)，Ci和Cj之間的相似度等于1；其他情況下，Ci和Cj之間的相似度均小于1；當(dāng)本體的2個(gè)概念不存在公共的上位概念元素時(shí)，Ci和Cj之間的相似度則為0.Ci和Cj之間的相似度S（Ci，Cj，M）可定義如下［9］：

式中：M為資源本體；DS（Ci，M）為本體M的第i個(gè)概念Ci的上位概念.

在服務(wù)匹配策略本體描述匹配中，根據(jù)式（1）可計(jì)算出用戶服務(wù)請(qǐng)求信息與領(lǐng)域本體庫(kù)描述的相似度，并將其返回給用戶.

面對(duì)數(shù)據(jù)資源海量、多源、異構(gòu)、動(dòng)態(tài)和不確定的情況，基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制比常規(guī)的資源發(fā)現(xiàn)機(jī)制具有良好的先進(jìn)性和精確性，對(duì)云環(huán)境下的圖書(shū)館和數(shù)據(jù)中心多源數(shù)據(jù)的共享和服務(wù)以及信息化建設(shè)方面具有顯著的推動(dòng)作用.

3 結(jié)語(yǔ)

雖然云計(jì)算在圖書(shū)館和數(shù)據(jù)中心信息化建設(shè)中的應(yīng)用能極大地促進(jìn)其發(fā)展，但由于云計(jì)算尚處于早期探索的過(guò)程，在實(shí)踐中面臨著大量的技術(shù)難題，如分布式多源異構(gòu)數(shù)據(jù)的發(fā)現(xiàn)、海量數(shù)據(jù)的存儲(chǔ)等［10］.本文介紹的基于UDDI和OWL－S的數(shù)據(jù)資源聯(lián)合發(fā)現(xiàn)機(jī)制具有良好的先進(jìn)性和精確性，而隨著云計(jì)算的發(fā)展和計(jì)算環(huán)境的變化，這種發(fā)現(xiàn)機(jī)制在時(shí)效性等方面也會(huì)存有不足.只有準(zhǔn)確把握云環(huán)境下云計(jì)算技術(shù)的實(shí)質(zhì)，深入研究數(shù)據(jù)資源的挖掘和發(fā)現(xiàn)機(jī)制，持續(xù)進(jìn)行更新和再創(chuàng)造，才能有效提高海量多源異構(gòu)數(shù)據(jù)資源的整合，不斷滿足用戶個(gè)性化和多樣化的需求.

［1］張軍玲.云計(jì)算環(huán)境下高校數(shù)字圖書(shū)館信息資源整合機(jī)制研究［J］.圖書(shū)館學(xué)研究，2012（7）：25－28.

［2］楊善林，羅賀，丁帥.基于云計(jì)算的多源信息服務(wù)系統(tǒng)研究綜述［J］.管理科學(xué)學(xué)報(bào)，2012，15（5）：83－95.

［3］余永紅，向曉軍，高陽(yáng)，等.面向服務(wù)的云數(shù)據(jù)挖掘引擎的研究［J］.計(jì)算機(jī)科學(xué)與探索，2012，6（1）：46－57.

［4］Christensen K，Olesen T，Thomsen L L.Matching semantically described web services using ontologies［J］.Information Technology and Control，2006，35（3 A）：267－275.

［5］Srinivasan N，Paolucci M，Sycara K.AnEfficient AIgorithm for OWL－s based semantic Searchin UDDI［C］.Berlin：Proceeding of Semantic Web Services and Web Process Composition：First international Workshop，SPring－Verlag，2005：96－110.

［6］Boniface M，Nasser B，Papay J，et al.Platform as a service architecture for real－ti me quality of service management inclouds［C］.Washington，DC：Proceedings of the 2010 Fift h Inter national Conference on Inter net and Web Applications and Services：IEEE computer Society，2010：155－160.

［7］Zhang J，Alexandra D.The Impact of Metadata Implementation on Webpage Visibility in Search Engine R esults［J］.Information Processing and Management，2005（41）：691－715.

［8］Meditskos G，Bassiliades N.A combinatory framework ofweb 2.0 mashup tools，OWL－S and UDDI［J］.Expert Systems with Applications，2011（38）：6657－6668.

［9］汪衛(wèi)星，劉飛.云制造資源的一種發(fā)現(xiàn)機(jī)制［J］.廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，37（2）：323－327.

［10］Wang C Q，Ai F.Study on Information Resources Integration and Service Mode Innovation of Digital Library under the Cloud Computing Environment［J］.Library Work and Study，2011，179（1）：48－51.