科学数据规范化分析和管理.pdfVIP

科学数据规范化分析与管理 中国科学院计算机网络信息中心 胡 良 霖 2008年05月 提纲 1. 基本概念 2. 科学数据的特点 3. 科学数据规范化 3.1 规范化分析 3.2 规范化管理 4. 示例模型 5. 科学数据规范化工作模式 1. 基本概念 数据（data ） 对事实、概念或指令的一种形式化表示，适用于以人 工或自动方式进行通信、解释或处理。 数据集（dataset ） 可以标识的数据集合。 注：数据集可以是一个数据库或一个或多个数据文件。 元数据 （metadata ） 定义和描述其他数据的数据。 数据模型（data model ） 以反应信息结构的某种方式对数据组织的描述。 描述数据、数据关系、数据语义以及一致性约束的概 念工具的集合。[ 《数据库系统概念》（第三版）] 注：以上概念除特殊注明外均摘自GB/T18391.1-2002 《信息技术的规范化与标准化第一部分：数据 元的规范化与标准化框架》 1. 基本概念 数据元（data element ） 用一组属性描述其定义、标识、表示和允许值的数据单元，在 一定语境下，通常用于构建一个语义正确、独立且无歧义的特 定概念语义的信息单元。 注：数据元也是构建元数据和元数据实体的基本单元。 数据元目录（data element directory ） 列出并定义了全部相关数据元的一种信息资源。 注：数据元目录可有不同层级，例如，ISO/IEC委员会级、国际协会 级、行业部门级、公司级、应用系统级。 数据元值（data element value ） 数据元允许值集合中的一个值。 数据元值的长度（data element value length ） 数据元值中字符的数目。 注：按ASCII字符数目计算数据元值的长度，一个汉字相当于2个字符。 注：以上概念释义均出自GB/T18391.1-2002。 2. 科学数据的特点 生产模式多样 设备 方法 生产者，等 管理模式多样 原生数据 分布式集成 NEON数据分级，等 应用范围广泛 科学研究 经济建设，等 应用方式多样 随需而变 2. 科学数据的特点 学科领域众多 就中国科学院而言，目前研究机构已近百家，且多数 单位都有一定的科学数据生产能力 分布广泛 中国科学院 国家部委 高校，etc 数据类型多样 数据文件 关系数据库，等 质量状况参差不齐 3. 科学数据规范化 生产模式多样 管理模式多样 应用范围广泛 应用方式多样 问题庞杂 学科领域众多 解决方案多样 分布广泛 数据类型多样 质量状况参差不齐 3. 科学数据规范化 数据异构 数据异构 数据共享时，同一领域不同数据集或不同领域 数据共享 的相关数据集间存在表现多样的异构性 异构性 同概念的数据 不一致 信息孤岛 数据含义 数据名称 数据表示