《非结构化数据表示》编制说明.pdfVIP

国家标准《非结构化数据表示规范》（征求意见稿）

编制说明

1．任务来源

2012年按照国家标准化管理委员会的国家标准制定计划，全国信息技术标

准化技术委员会启动了《非结构化数据表示规范》的制定工作。本标准为自主制

定标准，计划编号为T-469,起草单位为北京航空航天大学、中国电

子技术标准化研究院、清华大学、人民大学、浙江大学，归口单位为全国信息技

术标准化技术委员会（SAC/TC28）。主办单位为北京航空航天大学。

2．编制背景

伴随着云计算、大数据时代的来临，中国的信息技术产业正面临着前所未有

的挑战，如何对海量的数据进行有效的存储、索引、组织、管理，进而支持高效

的数据访问和更新正成为各大企业、研究院所的重点和难点课题。在当前的海量

数据中有高达80%的数据为非结构化数据，并且其总量仍在迅猛的增长之中。因

此，高效的非结构化数据访问已成为企业快速发展的重要支柱，对中国当前的信

息化产业发展显得尤为重要。

2012年成立了全国信息技术标准化技术委员会非结构化数据管理标准工作

组,工作组的筹建书中明确提出：在国家“核高基”专项的推动下，我国在该领

域已经形成了一批核心技术，申请了一些技术专利，开发了若干系统产品，并在

一些典型应用领域进行了应用推广，展示出良好的行业应用前景。为促进“核高

基”非结构化数据管理课题创新成果的产业化，加速课题成果向我国数据库产品

开发商和高端信息应用服务企业进行技术转移，推动我国非结构化数据管理领域

的跨越发展，提高我国非结构化数据管理领域的自主创新能力和核心竞争力，有

必要尽快编制非结构化数据管理标准体系并研制非结构化数据管理相关标准。

非结构化数据例如文本、图形、图像、音频和视频等，从内容上没有统一的

结构，数据是以原生态形式保存的，因此计算机无法直接理解和处理。为了对不

同类型的非结构化数据进行处理，本标准规定了文本、音频、视频、图像等非结

构化数据的统一数据表示，适用于非结构化管理系统中非结构化数据的表示。

3．编制原则

本标准以核高基“非结构化数据管理系统”课题中研制的非结构化数据管理

系统处理的非结构化数据特征为基础，结合了国内外非结构化数据表示方法的研

究成果，自主制定。

4．简要过程及里程碑说明

2012年年底国标委下达标准计划任务后，“非结构化数据管理标准工作组”

讨论确定成立标准编制组，由北京航空航天大学牵头，中国电子技术标准化研究

院、清华大学、中国人民大学和浙江大学参与。

在“核高基”非结构化数据管理系统课题中，3家课题牵头单位北京航空航

天大学、清华大学和浙江大学分别研制了3个非结构化数据管理系统原型，本标

准以这3个原型系统能够处理的非结构化数据特征为基础编制，并分别于2013

年10月及11月集合3家高校召开2次标准讨论会，于2013年11月形成标准草

案。

2013年12月在非结构化数据管理标准工作组第二次全会上，北京航空航天

大学汇报了本标准的编制情况，同时展开面向工作组成员单位的征求意见工作。

得到意见反馈后，标准编制组认真处理了来自2个单位的2条反馈意见，于2014

年11月形成标准征求意见稿。

5．结构说明

《非结构化数据表示规范》一共分为11章。第5章介绍了非结构化数据DDL

表示框架；第6章介绍了数据类型；第7章介绍了基本属性描述；第8章介绍了

语义特征描述；第9章介绍了底层特征描述；第10章介绍了原始数据描述；第

11章介绍了关联描述符。

6．主要技术内容说明

1)非结构化数据描述：

本标准从基本属性、语义特征、底层特征以及原始数据4个方面对一个非结

构化数据进行描述，其中：

基本属性：所有非结构化数据都具有的一般属性,这些属性不涉及数据的语

义,包括名称、类型、创建者、创建时间等；

语义特征：以文字表达的非结构化数据特有的语义属性,包括作者创作意

图、数据主题说明、底层特征含义等语义要素；

底层特征：通过各种专用处理技术(如图像、语音、视频等处理技术)获得

的非结构化数据特性,例如对图像数据而言，有颜色、纹理、形状等；

原始数据：非结构化数据的原生态文件。

2)描述定义语言DDL：

在描述定义语言部分，本标准遵循W3C的XMLSchemaLanguage规范，即

支持XMLSchema所有的数据