藥學論文：構建中醫(yī)藥數據資源結構圖譜的探討

1、藥學論文：構建中醫(yī)藥數據資源結構圖譜的探討 作者：尹愛寧,何前鋒,張慧敏【關鍵詞】 中醫(yī)藥信息學；數據資源；數據結構整合 本研究通過分析中醫(yī)藥數據庫資源的類型、特點和中醫(yī)藥資源存在的問題,提出基于現有數據庫資源與結構,參考現有資源整合技術,從數據層、物理層、基礎層3個方面入手,并結合體系構建等相關的資源深層整合技術,探討構建中醫(yī)藥數據資源結構圖譜的實際解決方案。1 中醫(yī)藥數據資源現狀與問題 中醫(yī)藥數據庫建設工作起源于1985年,目前,已經建立了覆蓋中醫(yī)藥學科的復雜的多類型數據庫,總數據量約200 G,文獻數據庫收集年代跨越58年。數據庫建設主要包括單表數據庫、結構性數據庫和數據平臺的建設。目前

2、,中醫(yī)藥現代資源數據庫的建設已經具有一定的規(guī)模,已經形成以中醫(yī)藥科學數據中心與分中心為主體的中醫(yī)藥文獻型及事實型數據庫群,幾乎涉及到中醫(yī)藥信息的方方面面。 然而這些資源庫群是徹底異構的,從數據結構、操作系統(tǒng),到數據庫系統(tǒng)、應用系統(tǒng)；從命名方式,到數據格式、結構模型、用戶界面,都有可能完全不同,目前還沒有標準規(guī)范能夠對這個各個層次的異構進行適當的約束。中醫(yī)藥科學數據中心缺少完整解決方案。1.1 局部有序、整體無序 從某一種具體資源的角度來看,他們都是經過一定程度加工整序,具有統(tǒng)一的分類體系和檢索界面。但從全局的角度來,中醫(yī)藥科學數據中心擁有的各種資源是一個個的“信息孤島”, 各種資源內容交叉,信

3、息重復,關聯(lián)度低,用戶查找資料時不但要在多個數據庫中來回穿梭、重復操作,還要精通各種不同數據庫、不同界面的數字資源系統(tǒng)檢索技術,否則便難以查全或查準所需要的資料。1.2 數據結構與標準不統(tǒng)一 各種不同類型的數字資源不但采用Oracle、mySQL、SQL、Access等不同的數據庫物理模型或半結構、非結構的數據結構,而且在對資源的描述與揭示時沒有采用元數據、數據元、數據模式等標準。數據庫字段與數據表命名差異性較大,例如：“ZZ”表名對應數據字段名就有“主治”、“著作”、“作者”等。1.3 數據來源多途徑與數據版本復雜 中醫(yī)藥數據資源是指中醫(yī)藥科學數據中心與分中心收集的各類型專業(yè)數據,這部分資源

4、數量眾多,構成了學術數字資源的主體,現已成為重要的文獻來源。從文獻類型上看,有期刊、圖書、會議論文、學位論文等；從文獻級別上看,有題錄、文摘、全文等不同的層次。自建數據庫有多種載體、多種形式、多種類型、分散異構的信息資源,這些數據庫形成時間長,數據更新多次,缺少清晰的資源定義與描述。1.4 系統(tǒng)平臺與應用程序各異各種不同類型的數字資源有著不同的系統(tǒng)平臺；不同的數據資源存在著過程數據的不同服務方式,例如：期刊文獻數據庫、結構型文獻數據庫、分析結構型文獻數據庫；同時,數據表存在著基礎數據庫、粗表數據庫、細表數據庫、單元素數據庫等,部署在共建、共享的服務器上,也給數據管理帶來麻煩。2 數據資源與結構

5、整合技術2.1 數據資源整合 整合的實質就是各個單獨事物共同遵循統(tǒng)一的原則、標準、規(guī)定,打破原來的界限形成有機的統(tǒng)一體。數據資源的整合1,英文可譯作“digital resource integration”,就是通過各種手段和工具將已有的信息資源集成起來,并按照一定的邏輯關系進行組織,實現信息資源的有效共享,為用戶提供條理化的信息服務,為后續(xù)信息的管理與使用提供規(guī)范,從而實現信息的增值利用。 數字資源整合主要集中在數據集的整合和應用的整合兩個方面,再具體細分還可以劃分為數據集成、信息集成、信息系統(tǒng)集成及業(yè)務(或工作流)集成等4個階段。 通常數據資源整合的范圍可以包括4個方面。數據整合：數據標

6、準、主題數據庫、數據交換平臺、基于語義的全局數據視圖。應用整合：使用統(tǒng)一用戶認證、使用統(tǒng)一的數據交換、使用門戶實現應用集成。內容整合：信息規(guī)劃、信息導航、統(tǒng)一搜索、信息專題、信息門戶。流程整合：統(tǒng)一數據采集加工處理流程、統(tǒng)一數據存儲管理、統(tǒng)一數據訪問和調用接口。 信息資源整合根據系統(tǒng)論的原則,依據一定的需要,對各個相對獨立系統(tǒng)中的數據對象、功能結構及互動關系進行融合、類聚和重組,重新構建一個新的有機整體,形成一個效能更好、效率更高的新的信息資源系統(tǒng)。目前,數字資源整合的方式主要包括：基于OPAC資源系統(tǒng)的整合、基于數字資源導航的整合、基于異構數據庫跨庫檢索的整合、基于數字圖書館應用系統(tǒng)的整合等

7、。2.2 數據資源整合技術22.2.1 DOI技術DOI(Digital Object Identifier)由International DOI Foundation組織構造。該系統(tǒng)提供了一個框架,為數字環(huán)境中的數字對象分配唯一的、永久性的標識,方便該對象被管理和使用。DOI系統(tǒng)由4部分構成：申請DOI；創(chuàng)建對指定DOI對象的描述；解析系統(tǒng)；規(guī)則。2.2.2 SFX技術SFX即Special Effects Cinematography,它是比利時根特大學的薩姆堡爾為首的研究小組提出的。通過Open URL框架把復雜的數據庫之間的互連通過簡單的鏈接完成。2.2.3 Web Services技

8、術Web Service是為實現“基于web無縫集成”的目標而提出的全新概念,希望通過Web Service能夠實現不同的系統(tǒng)之間能夠用“軟件-軟件對話”的方式相互調用,打破軟件應用、網站和各種設備之間格格不入的狀態(tài)。2.2.4 地域性索引服務平臺技術A.N.ZINCIR-HEYWOOD提出一個地域性索引服務平臺(Domain Index Server),建議依靠一個索引代理去創(chuàng)建成主要的原文獻索引,這個代理通常是軟件系統(tǒng),能夠在異構信息支撐下自動行動(搜索)的系統(tǒng)。2.2.5 MAP資源整合系統(tǒng)INNOPAC公司推出的MAP (Millennium Access Plus)是一個集成的資源整

9、合系統(tǒng),它可實現不同信息資源的動態(tài)鏈接。這些資源包括全文電子資源、題錄和文摘數據庫、書目數據庫、圖書館在線書目系統(tǒng)、圖像數據庫及搜索引擎等其他Web資源。2.2.6 OAI標準整合模式OAI是指open archives initiative,它的目標是發(fā)展和促進互操作標準,促進內容數據的有效傳播。數據提供者：提供元數據的Web服務器。服務提供者：向數據提供者發(fā)出請求并且利用得到的元數據構建增值服務。存儲體：由數據提供者管理的可以在網上訪問的服務器,它提供服務提供者需要采集的元數據。采集器：在服務提供者方作為從存儲體中搜集元數據的一種應用工具。2.2.7 情報源圖譜美國國立醫(yī)學圖書館主持了一項

10、長期研究和開發(fā)計劃,即統(tǒng)一醫(yī)學語言系統(tǒng)(UMLS),其項目中有一個是關于生物醫(yī)學機讀信息資源的情報源圖譜,其目的是利用超級敘詞表和語義網絡實現情報源與特定提問的相關性；有效組織信息資源,為用戶提供特定信息源的范圍、功能和檢索條件等人工可讀的信息；自動連接相關信息源；在一個或多個情報源中自動檢索并自動組織檢索的結果3。3 構建中醫(yī)藥數據資源結構圖譜3.1 中醫(yī)藥數據資源結構圖譜框架(見圖1)3.2 中醫(yī)藥數據資源結構圖譜內容3.2.1 物理層系統(tǒng)運行的硬件、軟件環(huán)境,解決如何為應用系統(tǒng)提供統(tǒng)一的支撐環(huán)境,支持應用系統(tǒng)的運作。3.2.2 基礎層位于物理互連的網絡協(xié)議之上,用于標準化、規(guī)范化描述數據

11、,為更上層的數據交換提供基礎性支持的標準、規(guī)范。基礎性協(xié)議標準又可以劃分為數據描述層面和數據訪問層面。前者主要包括元數據、XML、RSS,后者主要包括開放數據庫互連標準(ODBC)等。在數據描述層面內部,RSS具有提供內容聚合的功能,是為實現內容聚合而制定的一種信息描述、組織的規(guī)范,但它也具有資源發(fā)現、發(fā)布的功能,更是一種新形式的描述規(guī)則。因此,將RSS歸入基礎的描述層面標準。準確的說,RSS本身也是基于XML格式的,其實是XML成功應用的一個典型。從這一層總體來看,這些基礎的標準、規(guī)范(除了RSS之外),大多數都不是專門為解決資源整合的問題而制定的,主要是從信息組織、跨異構數據庫的互連、互訪

12、用途出發(fā)的。但是,它們確為更好地實現資源整合提供了有力的支持。3.2.3 數據層整合旨在屏蔽各數據源異構性,使得各數據源之間能夠進行數據的交換與交互,令用戶可透明地訪問多個數據源。要實現數據整合,必須對數據進行跨數據源的收集、組織、處理與集成。根據整合系統(tǒng)與數據源之間交互的特點,又可以分為3種形式：基于聯(lián)邦的整合、基于采集的整合、基于鏈接的整合；數據層整合協(xié)議的重點是解決系統(tǒng)之間的數據交換和數據交互。 整合揭示以下功能。不同文獻層次、級別的指引關系：題錄信息標引信息文摘信息全文結構信息,一次文獻和二次文獻之間的對應聯(lián)系。中心數字資源和網絡數字資源之間的交叉、重復和互補關系：全文數據庫與中心文獻

13、相重復的部分；又如PUBMED的生物醫(yī)學資源中的期刊包括絕大多數的館藏期刊,并提供了大部分題錄和部分免費全文。數字資源之間的主題相關或學科相關,內容上的重合和互補關系：引用和被引用及共同引用的關系,說明資源在內容上的相互關聯(lián)。數字資源與服務之間的關系：共建資源與服務資源之間存在密切聯(lián)系,但因服務層次需求分為全文、結構、粗表、細表、分析表等資源。3.2.4 具體整合要求數據庫資源的詳細描述與統(tǒng)一管理,包括數據庫元數據管理、每個中醫(yī)藥相關的數據庫涉及表的管理、每個表的數據元管理3個部分。數據庫的元數據管理需要對數據制作相關的信息如制作人、起始日期、制作背景、目標、更新周期等信息進行管理,并可以使用

14、中醫(yī)藥的分類詞表對數據庫進行描述；表的數據元管理需要指明字段的名稱、類型、大小、取值范圍以及所對應的標準。此外,多個數據庫之間也存在一定的關系,如方劑數據相關的數據庫,就有中國方劑數據庫、方劑現代應用數據庫等,對于方劑類數據庫需要制定統(tǒng)一的方劑數據庫制作標準,并對這些庫之間的關系進行描述。 要求研制管理工具,能夠增、刪改每個數據庫的元數據、數據元,以及每個數據庫之間的關系,并能夠逐層次的展示各層的信息以及關系。能夠使用檢索方式、分類方式來具體的定位到相關的信息。 應用軟件的詳細描述與統(tǒng)一管理,包括應用軟件的描述、應用軟件使用數據庫資源的描述。應用軟件包括軟件開發(fā)的起始日期、目標、版本、開發(fā)語言

15、、開發(fā)人員、源代碼、可運行包、狀態(tài)、安裝運行條件、軟件描述、使用者、幫助文檔、安裝文檔等信息。 管理工具需要管理這些信息并能夠映射數據庫資源,能夠看到每個軟件所使用的數據資源,并能夠從數據庫資源導航到相關的軟件。 服務器信息的管理主要指數據庫資源在具體服務器上的分布以及存貯信息,包括服務器的編號、所安裝的數據庫、數據量、可存貯量、實際的數據存貯情況、每個數據庫的超級管理員帳號、數據庫表空間的帳戶信息等。每個數據庫資源需要映射到相應的服務器。3.3 中醫(yī)藥數據資源結構圖譜功能 由于中醫(yī)藥數字資源的內在聯(lián)系不是單向或線性的,而是呈網狀的復雜關系,因此,不可能通過單一的線索或統(tǒng)一的機制描述全局的狀況

16、。建立中醫(yī)藥資源結構圖譜目標是要通過多種模式,多角度和多層次地挖掘和揭示這些內在關系,通過鏈接、集成和嵌入實現資源之間、資源和服務的整合。其實現的主要功能如下。3.3.1 數據庫資源管理功能該項功能主要實現對數據庫元數據的管理和展示,主要分數據庫管理、單個數據庫管理、單個表的管理以及數據庫信息展示4個子功能。 數據庫管理。提供對數據庫信息的管理,包括以下功能：a.增加和刪除數據庫元數據,并可以對其進行編輯(元數據包括制作人,起始日期,制作背景,目標,更新周期等)；b.管理不同數據庫之間的關系,實現數據庫之間關系的增加、刪除、編輯功能；c.通過中醫(yī)藥分類詞表對數據庫進行描述。 數據庫中表的管理。

17、提供對指定數據庫中所屬表信息的管理,包括對數據庫中所屬表信息的管理。 單個表對應信息的管理。提供對單個表對應元數據的管理,包括以下功能：a.對單個表的元數據進行管理,表中的字段信息可以直接從數據庫中得到；b.管理表對應的標準。 元數據的定位和展示功能。實現對元數據的定位和展示,包括可以對元數據進行逐層展示。根據數據資源分類標準進行元數據目錄分類的分層,并定位元數據。3.3.2 數據庫應用軟件管理功能這項功能主要實現對具體應用程序的描述和管理,包括以下子功能：應用軟件自身信息的展示,包括軟件開發(fā)的起始日期、目標、版本、開發(fā)語言、開發(fā)人員、源代碼、可運行包、狀態(tài)、安裝運行條件、軟件描述、使用者、幫

18、助文檔、安裝文檔等信息。應用軟件使用數據資源的描述,可以查看軟件對應的數據資源。增添元數據管展示功能,可以通過數據資源導航到相關軟件。3.3.3 應用程序信息管理功能實現對應用程序相關信息的管理,包括以下子功能：增加、刪除和編輯應用程序的元數據；管理應用程序與其數據資源之間的關系,可以建立、刪除、編輯應用程序與數據資源(數據庫中的表)之間的關聯(lián)。3.3.4 服務器信息的管理實現對服務器上數據資源信息的管理,包括以下子功能：建立、刪除、編輯服務器元數據,包括服務器的編號、所安裝的數據庫、數據量、可存貯量、實際的數據存貯情況,每個數據庫的超級管理員帳號,數據庫表空間的帳戶信息等；建立、刪除、編輯數據庫與服務器之間的關系。 隨著網絡信息的海量增長,信息資源的有序化和信息的可用性問題已經成為以數字化為核心的中醫(yī)信息資源建設中的一個關鍵問題。中醫(yī)藥科學