1、构建中医药数据资源结构图谱的探讨【关键词】 中医药信息学;数据资源;数据结构整合本研究通过分析中医药数据库资源的类型、特点和中医药资源存在的问题,提出基于现有数据库资源与结构,参考现有资源整合技术,从数据层、物理层、基础层 3 个方面入手,并结合体系构建等相关的资源深层整合技术,探讨构建中医药数据资源结构图谱的实际解决方案。1 中医药数据资源现状与问题中医药数据库建设工作起源于 1985 年,目前,已经建立了覆盖中医药学科的复杂的多类型数据库,总数据量约 200 G,文献数据库收集年代跨越 58 年。数据库建设主要包括单表数据库、结构性数据库和数据平台的建设。目前,中医药现代资源数据库的建设已
2、经具有一定的规模,已经形成以中医药科学数据中心与分中心为主体的中医药文献型及事实型数据库群,几乎涉及到中医药信息的方方面面。 然而这些资源库群是彻底异构的,从数据结构、操作系统,到数据库系统、应用系统;从命名方式,到数据格式、结构模型、用户界面,都有可能完全不同,目前还没有标准规范能够对这个各个层次的异构进行适当的约束。中医药科学数据中心缺少完整解决方案。1.1 局部有序、整体无序 从某一种具体资源的角度来看,他们都是经过一定程度加工整序,具有统一的分类体系和检索界面。但从全局的角度来,中医药科学数据中心拥有的各种资源是一个个的“信息孤岛”, 各种资源内容交叉,信息重复,关联度低,用户查找资料
3、时不但要在多个数据库中来回穿梭、重复操作,还要精通各种不同数据库、不同界面的数字资源系统检索技术,否则便难以查全或查准所需要的资料。1.2 数据结构与标准不统一各种不同类型的数字资源不但采用 Oracle、mySQL、SQL、Access 等不同的数据库物理模型或半结构、非结构的数据结构,而且在对资源的描述与揭示时没有采用元数据、数据元、数据模式等标准。数据库字段与数据表命名差异性较大,例如：“ZZ”表名对应数据字段名就有“主治”、“著作”、“作者”等。1.3 数据来源多途径与数据版本复杂中医药数据资源是指中医药科学数据中心与分中心收集的各类型专业数据,这部分资源数量众多,构成了学术数字资源的
4、主体,现已成为重要的文献来源。从文献类型上看,有期刊、图书、会议论文、学位论文等;从文献级别上看,有题录、文摘、全文等不同的层次。自建数据库有多种载体、多种形式、多种类型、分散异构的信息资源,这些数据库形成时间长,数据更新多次,缺少清晰的资源定义与描述。1.4 系统平台与应用程序各异各种不同类型的数字资源有着不同的系统平台;不同的数据资源存在着过程数据的不同服务方式,例如：期刊文献数据库、结构型文献数据库、分析结构型文献数据库;同时,数据表存在着基础数据库、粗表数据库、细表数据库、单元素数据库等,部署在共建、共享的服务器上,也给数据管理带来麻烦。2 数据资源与结构整合技术2.1 数据资源整合整
5、合的实质就是各个单独事物共同遵循统一的原则、标准、规定,打破原来的界限形成有机的统一体。数据资源的整合1,英文可译作“digital resource integration”,就是通过各种手段和工具将已有的信息资源集成起来,并按照一定的逻辑关系进行组织,实现信息资源的有效共享,为用户提供条理化的信息服务,为后续信息的管理与使用提供规范,从而实现信息的增值利用。数字资源整合主要集中在数据集的整合和应用的整合两个方面,再具体细分还可以划分为数据集成、信息集成、信息系统集成及业务(或工作流)集成等 4 个阶段。通常数据资源整合的范围可以包括 4 个方面。数据整合：数据标准、主题数据库、数据交换平台
6、、基于语义的全局数据视图。应用整合：使用统一用户认证、使用统一的数据交换、使用门户实现应用集成。内容整合：信息规划、信息导航、统一搜索、信息专题、信息门户。流程整合：统一数据采集加工处理流程、统一数据存储管理、统一数据访问和调用接口。信息资源整合根据系统论的原则,依据一定的需要,对各个相对独立系统中的数据对象、功能结构及互动关系进行融合、类聚和重组,重新构建一个新的有机整体,形成一个效能更好、效率更高的新的信息资源系统。目前,数字资源整合的方式主要包括：基于 OPAC 资源系统的整合、基于数字资源导航的整合、基于异构数据库跨库检索的整合、基于数字图书馆应用系统的整合等。2.2 数据资源整合技术
7、22.2.1 DOI 技术DOI(Digital Object Identifier)由 International DOI Foundation 组织构造。该系统提供了一个框架,为数字环境中的数字对象分配唯一的、永久性的标识,方便该对象被管理和使用。DOI 系统由 4 部分构成：申请 DOI;创建对指定 DOI 对象的描述;解析系统;规则。2.2.2 SFX 技术SFX 即 Special Effects Cinematography,它是比利时根特大学的萨姆堡尔为首的研究小组提出的。通过 Open URL 框架把复杂的数据库之间的互连通过简单的链接完成。2.2.3 Web Services
8、 技术Web Service 是为实现“基于 web 无缝集成”的目标而提出的全新概念,希望通过 Web Service 能够实现不同的系统之间能够用“软件-软件对话”的方式相互调用,打破软件应用、网站和各种设备之间格格不入的状态。2.2.4 地域性索引服务平台技术A.N.ZINCIR-HEYWOOD 提出一个地域性索引服务平台(Domain Index Server),建议依靠一个索引代理去创建成主要的原文献索引,这个代理通常是软件系统,能够在异构信息支撑下自动行动(搜索)的系统。2.2.5 MAP 资源整合系统INNOPAC 公司推出的 MAP (Millennium Access Plu
9、s)是一个集成的资源整合系统,它可实现不同信息资源的动态链接。这些资源包括全文电子资源、题录和文摘数据库、书目数据库、图书馆在线书目系统、图像数据库及搜索引擎等其他 Web 资源。2.2.6 OAI 标准整合模式OAI 是指 open archives initiative,它的目标是发展和促进互操作标准,促进内容数据的有效传播。数据提供者：提供元数据的 Web 服务器。服务提供者：向数据提供者发出请求并且利用得到的元数据构建增值服务。存储体：由数据提供者管理的可以在网上访问的服务器,它提供服务提供者需要采集的元数据。采集器：在服务提供者方作为从存储体中搜集元数据的一种应用工具。2.2.7 情
10、报源图谱美国国立医学图书馆主持了一项长期研究和开发计划,即统一医学语言系统(UMLS),其项目中有一个是关于生物医学机读信息资源的情报源图谱,其目的是利用超级叙词表和语义网络实现情报源与特定提问的相关性;有效组织信息资源,为用户提供特定信息源的范围、功能和检索条件等人工可读的信息;自动连接相关信息源;在一个或多个情报源中自动检索并自动组织检索的结果3。3 构建中医药数据资源结构图谱3.1 中医药数据资源结构图谱框架(见图 1)3.2 中医药数据资源结构图谱内容3.2.1 物理层系统运行的硬件、软件环境,解决如何为应用系统提供统一的支撑环境,支持应用系统的运作。3.2.2 基础层位于物理互连的网
11、络协议之上,用于标准化、规范化描述数据,为更上层的数据交换提供基础性支持的标准、规范。基础性协议标准又可以划分为数据描述层面和数据访问层面。前者主要包括元数据、XML、RSS,后者主要包括开放数据库互连标准(ODBC)等。在数据描述层面内部,RSS 具有提供内容聚合的功能,是为实现内容聚合而制定的一种信息描述、组织的规范,但它也具有资源发现、发布的功能,更是一种新形式的描述规则。因此,将 RSS 归入基础的描述层面标准。准确的说,RSS 本身也是基于 XML 格式的,其实是 XML 成功应用的一个典型。从这一层总体来看,这些基础的标准、规范(除了 RSS 之外),大多数都不是专门为解决资源整合
12、的问题而制定的,主要是从信息组织、跨异构数据库的互连、互访用途出发的。但是,它们确为更好地实现资源整合提供了有力的支持。3.2.3 数据层整合旨在屏蔽各数据源异构性,使得各数据源之间能够进行数据的交换与交互,令用户可透明地访问多个数据源。要实现数据整合,必须对数据进行跨数据源的收集、组织、处理与集成。根据整合系统与数据源之间交互的特点,又可以分为 3 种形式：基于联邦的整合、基于采集的整合、基于链接的整合;数据层整合协议的重点是解决系统之间的数据交换和数据交互。整合揭示以下功能。不同文献层次、级别的指引关系：题录信息标引信息文摘信息全文结构信息,一次文献和二次文献之间的对应联系。中心数字资源和
13、网络数字资源之间的交叉、重复和互补关系：全文数据库与中心文献相重复的部分;又如 PUBMED 的生物医学资源中的期刊包括绝大多数的馆藏期刊,并提供了大部分题录和部分免费全文。数字资源之间的主题相关或学科相关,内容上的重合和互补关系：引用和被引用及共同引用的关系,说明资源在内容上的相互关联。数字资源与服务之间的关系：共建资源与服务资源之间存在密切联系,但因服务层次需求分为全文、结构、粗表、细表、分析表等资源。3.2.4 具体整合要求数据库资源的详细描述与统一管理,包括数据库元数据管理、每个中医药相关的数据库涉及表的管理、每个表的数据元管理 3 个部分。数据库的元数据管理需要对数据制作相关的信息如
14、制作人、起始日期、制作背景、目标、更新周期等信息进行管理,并可以使用中医药的分类词表对数据库进行描述;表的数据元管理需要指明字段的名称、类型、大小、取值范围以及所对应的标准。此外,多个数据库之间也存在一定的关系,如方剂数据相关的数据库,就有中国方剂数据库、方剂现代应用数据库等,对于方剂类数据库需要制定统一的方剂数据库制作标准,并对这些库之间的关系进行描述。要求研制管理工具,能够增、删改每个数据库的元数据、数据元,以及每个数据库之间的关系,并能够逐层次的展示各层的信息以及关系。能够使用检索方式、分类方式来具体的定位到相关的信息。应用软件的详细描述与统一管理,包括应用软件的描述、应用软件使用数据库
15、资源的描述。应用软件包括软件开发的起始日期、目标、版本、开发语言、开发人员、源代码、可运行包、状态、安装运行条件、软件描述、使用者、帮助文档、安装文档等信息。管理工具需要管理这些信息并能够映射数据库资源,能够看到每个软件所使用的数据资源,并能够从数据库资源导航到相关的软件。服务器信息的管理主要指数据库资源在具体服务器上的分布以及存贮信息,包括服务器的编号、所安装的数据库、数据量、可存贮量、实际的数据存贮情况、每个数据库的超级管理员帐号、数据库表空间的帐户信息等。每个数据库资源需要映射到相应的服务器。3.3 中医药数据资源结构图谱功能由于中医药数字资源的内在联系不是单向或线性的,而是呈网状的复杂
16、关系,因此,不可能通过单一的线索或统一的机制描述全局的状况。建立中医药资源结构图谱目标是要通过多种模式,多角度和多层次地挖掘和揭示这些内在关系,通过链接、集成和嵌入实现资源之间、资源和服务的整合。其实现的主要功能如下。3.3.1 数据库资源管理功能该项功能主要实现对数据库元数据的管理和展示,主要分数据库管理、单个数据库管理、单个表的管理以及数据库信息展示 4 个子功能。数据库管理。提供对数据库信息的管理,包括以下功能：a.增加和删除数据库元数据,并可以对其进行编辑(元数据包括制作人,起始日期,制作背景,目标,更新周期等);b.管理不同数据库之间的关系,实现数据库之间关系的增加、删除、编辑功能;
17、c.通过中医药分类词表对数据库进行描述。数据库中表的管理。提供对指定数据库中所属表信息的管理,包括对数据库中所属表信息的管理。单个表对应信息的管理。提供对单个表对应元数据的管理,包括以下功能：a.对单个表的元数据进行管理,表中的字段信息可以直接从数据库中得到;b.管理表对应的标准。元数据的定位和展示功能。实现对元数据的定位和展示,包括可以对元数据进行逐层展示。根据数据资源分类标准进行元数据目录分类的分层,并定位元数据。3.3.2 数据库应用软件管理功能这项功能主要实现对具体应用程序的描述和管理,包括以下子功能：应用软件自身信息的展示,包括软件开发的起始日期、目标、版本、开发语言、开发人员、源代
18、码、可运行包、状态、安装运行条件、软件描述、使用者、帮助文档、安装文档等信息。应用软件使用数据资源的描述,可以查看软件对应的数据资源。增添元数据管展示功能,可以通过数据资源导航到相关软件。3.3.3 应用程序信息管理功能实现对应用程序相关信息的管理,包括以下子功能：增加、删除和编辑应用程序的元数据;管理应用程序与其数据资源之间的关系,可以建立、删除、编辑应用程序与数据资源(数据库中的表)之间的关联。3.3.4 服务器信息的管理实现对服务器上数据资源信息的管理,包括以下子功能：建立、删除、编辑服务器元数据,包括服务器的编号、所安装的数据库、数据量、可存贮量、实际的数据存贮情况,每个数据库的超级管
19、理员帐号,数据库表空间的帐户信息等;建立、删除、编辑数据库与服务器之间的关系。随着网络信息的海量增长,信息资源的有序化和信息的可用性问题已经成为以数字化为核心的中医信息资源建设中的一个关键问题。中医药科学数据中心与互联网包容的信息内容在数量和覆盖内容方面日趋全面,我们期待着设计更加科学、结构更加完备、管理更加规范、功能更加强大的资源整合系统,为网络资源的发现、整合与利用提供一个全新而高效的技术平台,为中医药信息服务开辟更加广阔的发展前景。【参考文献】1 李希明.从信息孤岛的形成谈数字资源整合的作用J.图书馆论坛, 2003,(6)：121-122.2 高新陵,谢友宁.基于用户的数字资源整合模式研究J.图书馆杂志, 2005,(5)：44-45.3 李 毅.基于多层次概念语义网络结构的中文医学信息语义标引体系和语义检索模型研究J.情报学报,2003,(4)：403-411.
