APP下载

装备保障数据仓库实施中的多维数据模型构建研究

2014-03-11谢峰孙江生代冬升梁伟杰

装备环境工程 2014年5期
关键词:数据模型数据仓库本体

谢峰,孙江生,代冬升,梁伟杰

(机械技术研究所,石家庄050000)

装备保障数据仓库实施中的多维数据模型构建研究

谢峰,孙江生,代冬升,梁伟杰

(机械技术研究所,石家庄050000)

目的解决装备保障数据仓库实施中数据建模问题。方法总结近年来多维数据模型的构建方法,对基于本体的多维数据模型构建方法进行优化,提出适于装备保障数据多维模型构建的“本体-层次”建模方法。结果该方法的运用,能够在庞大的装备保障体系中,较为便捷地提取数据模型的维度与指标,简化了多维数据模型的构建过程。结论为装备保障数据仓库的实施提供了有力支持。

本体;多维数据模型;数据仓库;装备保障

近年来,数据仓库技术在装备保障领域得以应用,解决了因装备保障数据量急速增长、数据分析需求不断提高带来的现实难题。现代信息技术的使用,有效提高了装备保障的效率,为装备战斗力的快速生成提供了有力支撑[1—2]。不同于普通企业数据仓库的构建,在装备保障数据仓库实施过程中,因其体系庞大,面临许多新的技术问题,这些问题的存在对于项目实施提出了新的挑战[3]。多维数据模型构建是装备保障数据仓库实施中的核心问题,通过对传统建模方法的总结分析,文中提出基于“本体-层次”的多维数据模型构建方式。在装备保障数据仓库实施实践中,该方法对多维数据模型的构建过程提供了有力支持,具有良好的实践应用价值。

1 多维数据模型构建概述

传统的多维数据模型构建方法主要有基于关系表[4]、E-R模型[5]和UML[6]等构建方式。这些方式大都是立足于传统数据库中数据的建模方式,在构建多维数据模型的过程中都有一定的局限性。2007年,Oscar Romero和Alberto Abello提出基于本体的半自动维度建模方法[7],在该方法的指导下,陆群进行了海洋环境数据仓库多维模型的构建实践,取得良好效果[8]。该方法能较为便捷地生成维度候选集,却并未完成最后维度的确定。徐俊良采用本体与业务混合驱动的方式实现了维度的筛选与确定,为维度的确定提供了一种新方法[9]。在混合驱动的多维数据模型构建中,业务的理解较为复杂,无形中增加了开发人员的工作负担和数据仓库开发周期。文中使用一种体系化的多维数据模型构建方法,从本体生成,到候选维度生成,再到维度确定,实现了装备保障数据多维数据模型的完整构建。多维数据模型维度构建实施步骤如图1所示。

图1 “本体-层次”方法多维数据模型构建实施步骤Fig.1"Ontology-AHP"based process for building multidimensional data models

2 装备保障领域本体生成

装备保障领域本体构建是装备保障信息化发展的必然。根据装备保障领域知识的研究和应用,进行科学化地提取和分类,形成形式化的概念,即本体。本体现阶段的主要构建方法主要有手工构建、复用已有本体(半自动构建)以及自动构建本体等3种方法。胡金强对装备保障领域本体进行了研究,采用了半自动的方式进行构建,利用已有的装备保障资源目录,结合领域专家的参与,对装备保障领域本体构建进行了分析[10]。借鉴上述文献的本体构建思想,并对常用的本体构建方法进行总结,文中使用较为常用的斯坦福大学的“七步法”,参考已有的知识库资源,对装备保障本体进行构建,实施过程如图2所示。

图2 装备保障领域本体构建流程Fig.2 Process of building equipment support business ontology

3 基于装备保障领域本体的维度候选集生成

3.1 本体的三元组表示

装备保障领域内的本体结构可以表示为一个三元组:

ESOntology∶∶=<C,R,Attr>。

1)C表示概念集合,主要指装备保障领域中的对象、类,如设备工具类、备件器材类类、故障维修类等,形式化描述为:

C∶∶=<CID,Name,Syn,Abb,ParentC,ChildC, Domain,Description>

分别表示概念标识符、概念名称、同义词、缩略词、父概念、子概念、领域以及概念的描述。

2)R表示概念间的关系,及装备保障领域中定义的关系包括常用的关系(如is-a,part-of,kind-of)等以装备保障领域中定义的关系(如基地、仓库与部队),形式化描述为:

R∶∶=<RID,Name,FirstCID,SecondCID,Description>

分别表示关系标识符、关系名称、第一个概念标识符、第二个概念标识符、关系描述。需要说明的是,一些基本关系具有传递性,例如:如果存在c1∈C,c2∈C,c3∈C且c1is-a c,c2is-a c3,则c1is-a c3。

3)Attr表示概念的属性集合,如维修器材类的属性有:器材名称、器材编码、生产厂家、单价、器材批次等表示为:

Attr∶∶=<AtrrID,Name,CID,RID,Type,Constraint,Default,Description>

其分别表示属性标识符、属性名称、概念标识符、关系标识符、属性取值类型、属性缺省值、属性描述。另外,属性可以附属于某一概念,也可以附属于某一关系。

3.2 OWL描述本体中维度的生成策略

在数据仓库中,数据模型以星型结构或雪花型结构进行存储,这种存储结构利于数据的分析、挖掘,同时形成了维度与事实之间的特殊关系,即一对多的关系。其关系总结如下:对于每个事实都有且仅有1个维与之对应;对于每个维度来说也就有多个事实与之对应。基于维度与事实的这一特殊关系,结合本体概念的特殊描述形式,得到如下推论:在本体集中如果一个概念与另一个概念是一对多的关系,那么这个概念就有可能成为一个潜在的维。

OWL是常用的本体描述语言,该语言中,将本体描述为概念、属性、实例等3部分,其中属性又分为对象属性和数据属性,对象属性能够完整描述类之间的相互关系。通过上文的分析,维度与事实的关系符合OWL描述语言中的如下描述:

本体中描述的概念F和D,如果F的一个属性R具有约束‘allValuesFrom(D)’和‘minCardinality (1)’,那么就可以认为D和F之间的关系式是维度与事实。

其中,属性R的约束allValuesFrom(D)表示F中的实例全部来源于概念D的;属性R的约束min-Cardinality(1)表示概念F的实例数量至少为1。

通过以上分析,从本体描述的OWL中遴选装备保障数据仓库维度集,其实现的伪代码如下:

for(classObj:ontology){//循环本体中的概念

class=ontology.getNextClass();//获取本体中的概念

Fact fact=new Fact(classObj);//为概念建立事实

for(property:ontology){//循环本体中的属性

property=ontology.getNextProperty();//得到本体中的属性

if(property.allValueFrom(class)and minCardinality(1)){//存在allValueFrom和minCardinality (1)关系

dimension=new Dimension(property);//建立维度

fact.addDim(dimension);//为事实表添加维度}}}

4 基于层次分析法的维度确定

美国运筹学家A.L.Saaty于20世纪70年代提出的层次分析法(Analytic Hierar-chy Process, AHP),是一种定性、定量分析相结合的多目标决策分析方法[11—13]。应用该方法,对上文通过本体筛选出的维度候选集进行评价,得到符合装备保障需求的最优选维度集。应用层次分析法,通过以下步骤实现维度确定[14—15]:建立装备保障层次结构模型、构造判断矩阵、层次单排序、判断矩阵的一致性检验、层次总排序权重计算。

1)建立层次结构模型,确定各个评价指标。如图3所示。

图3 维度集评价指标体系Fig.3 Index system for dimensionality evaluation

2)根据指标体系的层次结构构建判断矩阵,并求出权重向量。

表1 比例标度含义Table 1 Implications of the proportional scale

表2为判断矩阵之一,是准则B层对于A层的权重判断矩阵。层次分析法是一种多层级的分析方法,这样,每一层对于上层的影响都有一定的权重分配。表2确定了B层的领导决策支持、业务工作指导、基层保障实施相对于A层装备保障数据仓库维度集确定相对重要性权重。

表2 A-B判断矩阵Table 2 A-B judgment matrix

5)进行层次总排序获得维度排序。通过以上几个步骤,得到了一组元素对其上一层中某元素的权重向量。通过自上而下将单一准则下的权重进行合成,得到了各元素对于评价指标体系顶层目标的最终排序。该排序反映出各维度在装备保障工作中的重要程度。

通过以上5个步骤,在维度候选集中的对象以定量的方式给出了排序。用户根据排序,选取最具有价值的维度对象,生成最终的维度集,完成了装备保障数据仓库维度的生成。

5 结语

面对装备保障地域广、层次复杂、对象多样的现实情况,数据仓库维度的选择亟待一种定性与定量相结合的筛选方法。文中在汲取近年来多维数据模型构建方法的基础上,提出的“本体-层次”多维数据维度选取方法,改变了简单由客户需求定性生成维度集的单一方式,减少了多维模型构建中维度选择的盲目性。通过科学化、体系化的方法甄选维度集,使得模型维度的构建更符合装备保障的实际需求,为装备保障数据仓库的实施提供了有力支持。

[1] 阮拥军,董立宁,刘栋.信息化战场环境下装备精确保障探析[J].装备环境工程,2012,9(2):54—56. RUAN Yong-jun,DONG Li-ning,LIU Dong.Research of Equipment Support in Informatization Battlefield Environment Analysis[J].Equipment Environmental Engineering,2012,9(2):54—56.

[2] 单志伟.装备综合保障工程[M].北京:国防工业出版社,2007. SHAN Zhi-wei.Integrated Equipment Support Project [M].Beijing:Defense Industry Press,2007.

[3] 郑岩.数据仓库与数据挖掘原理及应用[M].北京:清华大学出版社,2011. ZHENG Yan.Data Warehouse and Data Mining Principles and Application[M].Beijing:Tsinghua University Press, 2011.

[4] 陆昌辉.基于关系数据模型的多维数据建模方法的研究[D].长沙:国防科学技术大学,2002. LU Chang-hui.Multidimensional Data Modeling Method Based on The Relational Data Model Research[D].Changsha:National University of Defense Technology,2002.

[5] 严金贵.基于ER模型的多维数据建模方法研究[D].重庆:重庆大学,2006. YAN Jin-gui.The Research of Multidimensional Data Modeling Based on ER[D].Chongqing:Chongqing University,2006.

[6] 段薇,戴莉萍.基于UML的社会保险多维数据模型建模的研究[J].计算机与现代化,2008,10:40—42. DUAN Wei,DAI Li-ping.On Multidimensional Data Model of Social Insurance Based on UML[J].Computer and Modernization,2008,10:40—42.

[7] OSCAR Romero,ALBERTO Abello.A Survey of Multidimensional Modeling Methodologies[J].International Journal of Data Warehousing&Mining,2009,5(2):1—23.

[8] 陆群.基于领域本体的海洋环境数据仓库设计[D].沈阳:东北大学,2009. LU Qun.Domain Ontology-based Marine Environmental Data Warehouse Design[D].Shenyang:Northeastern University,2009.

[9] 徐俊良.混合驱动多维数据模型建模方法研究与应用[D].上海:上海交通大学,2012. XU Jun-liang.Research and Application of Hybrid-driven Data Warehouse Modeling Method[D].Shanghai:Shanghai Jiaotong University.

[10]胡金强.装备保障知识管理平台构建与应用研究[D].石家庄:军械工程学院,2010. HU Jin-qiang.Research on Construction and Application for Knowledge Management Platform of Equipment Support[D].Shijiazhuang:Ordnance Engineering College, 2010.

[11]李千,纪小柠,牟牧.基于AHP和ANP作战飞机系统效能评估[J].火力与指挥控制,2009(S1):92—94. LI Qian,JI Xiao-ning,MOU Mu.AHP and ANP based combat aircraft system performance evaluation[J].Fire Control and Command Control,2009(S1):92—94.

[12]张志强,徐斌,何勇灵,等.基于AHP评价方法的发动机性能评价[J].兵工学报,2008(5):625—628. ZHANG Zhi-qiang,XU Bin,HE Yong-ling,et al.AHP Based Engine Performance Evaluation[J].Journal of China Ordance,2008(5):625—628.

[13]赵国存,刘占岭.基于AHP-TOPSIS的装备保障信息定量评价研究[J].装备环境工程,2012,9(4):118—122. ZHAO Guo-cun,LIU Zhan-ling.Based on AHP and TOPSIS Equipment Support Information Quantitative Evaluation Research[J].Equipment Environmental Engineering,2012,9(4):118—122.

[14]梁波,易建政,蔡军锋,等.基于AHP的野战弹药防护效果评价[J].装备环境工程,2007,4(2):73—76. LIANG Bo,YI Jian-zheng,CAI Jun-feng,et al.Field Ammunition Protection Effect Evaluation Based on AHP[J]. Equipment Environmental Engineering,2007,4(2):73—76.

[15]蓝金辉,马宝华,李有文,等.层次分析法用于多传感器数据融合中属性权的求取[J].兵工学报,2001(1): 74—77. LAN Jin-hui,MA Bao-hua,LI You-wen,et al.AHP Used in Multi-sensor Data Fusion in the Calculating of Property Rights[J].Journal of China Ordnance,2001(1):74—77.

Study on Multidimensional Data Modeling in Building Equipment Support Data Warehouse

XIE Feng,SUN Jiang-sheng,DAI Dong-sheng,LIAGN Wei-jie
(Mechanical Technical Research Institute,Shijiazhuang 050000,China)

Objective To solve the issue of the construction of multidimensional data model in the implementation of equipment support data warehouse.Methods This paper summarized multidimensional data modeling methods in recent years,optimized the ontology-based multidimensional data modeling method and put forward a new method of establishing multidimensional data model-"ontology-AHP"construction method.Results This method conveniently extracted the dimension and indexes for the data model from the large equipment support system and simplified the construction process of multidimensional data modeling.Conclusion It provided strong support for the implementation of equipment support data warehouse.

ontology;multidimensional data model;data warehouse;equipment support

10.7643/issn.1672-9242.2014.05.026

TP311.1

:A

1672-9242(2014)05-0137-05

2014-06-05;

2014-07-30

Received:2014-06-05;Revised:2014-07-30

谢峰(1986—),男,山东泰安人,硕士研究生,主要研究方向为装备保障信息化。

Biography:XIE Feng(1986—),Male,from Tai'an,Shandong,Master graduate sutdent,Research focus:equipment support informatization.

猜你喜欢

数据模型数据仓库本体
基于区块链的微网绿电交易数据模型研究
眼睛是“本体”
基于数据仓库的数据倾斜解决方案研究
基于Pro/E 的发射装置设计数据快速转化方法
一种基于社会选择的本体聚类与合并机制
探析电力系统调度中数据仓库技术的应用
数据仓库系统设计与实现
经济全球化对我国劳动收入份额影响机制研究——基于面板数据模型
数据复用在存储数据仓库中的运用
专题