多數據源通信信息的標準化研究

劉旭 史珂

1. 91033部隊 山東 青島 266000 2. 海軍潛艇學院 山東 青島 266000

引言

由于科研工作者的編寫習慣不一致，導致數據源在不同文件中結構、語義和釋義的不同，從而使整個通信信息的數據出現雜亂、重復、語義不一致等現象，這給通信數據資源的二次利用造成了很大的困擾。面對數據量的大規模爆發，許多科研機構都在力圖解決數據碎片化所帶來的一系列問題，把這些碎片化的異構數據源進行整合從而達到規范化、一致性是目前各個機構和科研工作者的首要任務。

1 數據來源分析

隨著互聯網的使用越來越廣泛，電子文檔的使用頻率變高，其形式也多種多樣。但是，具體到通信信息領域，其電子數據大體分為兩種存儲格式，一種是Word文件，另外一種是Excel文件。針對這兩種文件格式進行標準化，科學地管理現有的異構數據源，是一個亟須解決的實際問題。

2 Word文檔的標準化

2.1 Word語義模型

通信信息領域Word文檔的格式和組織架構相對來說比較固定，處理這種格式相對較為單一的Word文檔的主要方法需要用到本文接下來所提到的Word語義模型，通過模型的設計可以更加方便地實現格式轉化和數據轉儲。通過分析大量通信信息的Word文檔，設計出一種符合大部分文檔的規范，預先定義好該Word文檔的語義排版和顯示格式，在之后編輯文本時，只需要直接輸入相應的文本信息，系統自動生成預定義的標準模式，就不再需要進行煩瑣的排版操作。

Word文檔的表示模型在高效規范的處理其中的數據資源上起到了重要作用，然而這種表示模型，在表示Word文檔中的潛在語義信息和詞間關系方面并不是很擅長。為了使集成數據信息和實現語義化的處理和整合更加方便，我們需要通過定義規范有效的語義模型來處理Word文檔的數據。通過對大量的通信信息Word文檔樣本進行深入分析，結合有效的語義模型，我們可以得出這種設計的模式有如下兩種好處：

（1）該模式通過轉換之后的結果存儲格式為XML格式，這種格式很容易被其他應用程序二次使用，為數據集成、數據交換和數據共享提供了有利的條件，支持各類以計算為使用基礎的應用。

（2）該模式的格式轉換非常靈活，能最大程度的滿足一種數據格式向另一種數據格式的轉化。

2.2 Word模版的設計

文檔的基本結構和設置，例如頁面布局、快捷鍵制定方案、菜單、宏、字體等都是由模版來決定[1]，其實所有的Word文檔的基礎都是模版，我們把共用模版和文檔模版看作模版的兩種基本類型。其中共用模板所包含的設置適用于任何文檔。而另外一種模版，文檔模版的設置僅適用于以該模版為基礎的Word文檔。例如，如果用文檔模版創建一個關于通信信息的Word文檔，該Word文檔能同時使用共用模板的設置。Word文檔提供了很多文檔模版，我們也可以編輯創建數據自己的文檔模型。

我們首先需要自己創建一個模版，才能通過基于模版的方法來轉換Word文檔。第一步，先按照通信信息常見的Word文檔設計模版格式，在數據經常出現變化和需要填充文字信息的地方都插入“域”，其插入方式如下：

（1）單擊要插入域的位置之后，在菜單欄的“插入”功能下，找到“文檔部件”，在彈出的下拉菜單中點擊“域”。

（2）點擊“域”后會自動彈出窗口，共有九個類別，每個類別對應不同的域名，我們可以根據模板的需要進行相應的選擇。

（3）域類型和域名定義好后，根據每個域名不同的特性，再對域屬性根據需求進行相應設置，最后點擊“確定”即可。

通過域的設定，我們可以把字體、位置、顏色等顯示樣式規范化[2]。域中的數據都是可變的，如果以后用戶自主創建Word文檔，只需更改域中的文字信息即可，不需要再對樣式、排版進行編輯。對于這種建立模版方法，我們在插入每一個域時，都需要輸入相應的提示文本，作為該域的語義信息。

我們通過對通信信息大量Word敘詞文檔的研究與總結設計Word模版，模板中包括{標題}、{撰寫人}、{序號}、{概念}、{釋義}都是域的提示文本，提示文本其實就是語義信息，與關系表中的字段名類似。

使用了通過域定義的語義模版后的Word文檔，如下圖1所示，擁有三個通信信息的概念，其中概念用加粗字體表示，對應釋義用普通字體表示，概念與釋義之間用空格銜接。

圖1 使用模板后的通信信息Word文檔

3 Excel文檔的標準

3.1 Excel文檔結構分析

通過分析現有通信信息Excel文檔，其中不僅有概念，還有概念與概念之間的關系，其基本關系如下圖2所示，通過分析，前一列與后一列之間的關系可以分為三種，分別為層級關系、相關關系、等同關系。這是一種規范的結構，其信息存放在單件中，其排列方式可以是多種多樣的，關系類型是簡單的數據值，可以方便地添加新的關系類型。

圖2 Excel概念間基本關

3.2 Excel文檔模板設計

為方便后續數據加工處理，在Excel文檔中概念與概念關系的規范勢在必行。根據通信信息文檔的分析，以層級關系居多，因此需要將相關關系與等同關系都規范為層級關系。

（1）相關關系的規范

相關關系，體現的是一種相互依存的關系，如“有線通信——對稱電纜——雙絞線”，其中有線通信和對稱電纜為層級關系，對稱電纜和雙絞線為相關關系，此種情況，保留相關關系的上一層關系，即“有線通信——對稱電纜”，將相關關系“對稱電纜——雙絞線”轉換至通信信息Word模板中，即對稱電纜：雙絞線，體現為概念與釋義的關系。

（2）等同關系的規范

等同關系，即二者體現的是一個概念，如“按消息傳遞方向——半雙工通信——雙向交替通信”，其中按消息傳遞方向和半雙工通信為層級關系，半雙工通信和雙向交替通信為等同關系，此種情況，保留等同關系的上一層關系，即“按消息傳遞方向——半雙工通信”，將同等關系的下一層提到上一層的括號中，即半雙工通信（雙向交替通信），體現為概念與備注的關系。

且為了后續數據映射處理方便，層級關系的每一列均不使用合并單元格的操作，標準化后的Excel文檔，如下圖3所示。

4 結束語

本文設計的Word和Excel標準化文檔，客觀真實地反映通信信息領域的知識結構框架，提高專業領域信息管理的效率，但標準化僅僅是第一步，后續還需要更為智能的管理系統科學高效地管理通信數據，實現通信文獻和研究成果的資源共享和跨地域管理，全方位多角度地展現數據。