龔永罡 吳 萌* 廉小親 田潤琳 夏 天

1(北京工商大學(xué)計算機與信息工程學(xué)院食品安全大數(shù)據(jù)技術(shù)北京市重點實驗室 北京 100048)2(中國人民大學(xué)信息資源管理學(xué)院 北京 100872)

0 引 言

繼國務(wù)院2009年發(fā)布《政府信息公開目錄系統(tǒng)實施指引》后，2016年國務(wù)院更進一步推進了決策、執(zhí)行、管理、服務(wù)、結(jié)果公開，加強政策解讀、回應(yīng)社會關(guān)切、公開平臺建設(shè)等工作[1]，要求在2018年底前，國務(wù)院各部門應(yīng)全面完成本部門本系統(tǒng)主動公開基本目錄的編制工作，并動態(tài)更新，每年要對未公開的信息以及依申請公開較為集中的信息進行全面自查，各級政府辦公廳要定期抽查，對發(fā)現(xiàn)的應(yīng)公開未公開等問題要及時督促整改，嚴格落實公開前保密審查機制，妥善處理好政務(wù)公開與保守國家秘密的關(guān)系，不斷提升主動公開的標準化和規(guī)范化水平[2]。因此，開發(fā)一個規(guī)范標準，便于維護的政府信息公開系統(tǒng)，是各級政府網(wǎng)站宣傳部門的一個很重要的工作。

公開信息大多是公文和附件等非結(jié)構(gòu)化文檔，傳統(tǒng)基于數(shù)據(jù)庫與文件系統(tǒng)的開發(fā)方式工作量大、開發(fā)周期長、過程復(fù)雜、維護困難。針對這一難題，本文提出了一種基于內(nèi)容庫來開發(fā)政府信息公開系統(tǒng)的新方案。信息公開的非結(jié)構(gòu)化文檔存儲在內(nèi)容庫中，由內(nèi)容庫負責它的存儲和管理。公開系統(tǒng)依據(jù)功能要求，通過內(nèi)容庫的標準CMIS接口來實現(xiàn)公開系統(tǒng)的各項功能。新方案降低了文檔管理和文檔使用之間的耦合度，減小了開發(fā)難度，降低了開發(fā)周期和維護成本。

1 內(nèi)容庫概述

1.1 內(nèi)容庫

關(guān)系型數(shù)據(jù)庫中存儲和管理的是二維結(jié)構(gòu)的表對象。不同于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，內(nèi)容庫(Content Repository，CR)[3]存儲和管理對象是被稱為非結(jié)構(gòu)化的數(shù)據(jù)，各種文件，視音頻數(shù)據(jù)、圖像數(shù)據(jù)、大文本數(shù)據(jù)是這類數(shù)據(jù)對象的典型代表[4-5]。內(nèi)容庫對內(nèi)容提供統(tǒng)一的訪問控制、鎖定、事務(wù)、版本控制以及搜索，允許應(yīng)用程序獨立地通過標準接口訪問，其中一個關(guān)鍵特性是：它不關(guān)注數(shù)據(jù)是如何存放的，不管數(shù)據(jù)存放在數(shù)據(jù)庫、文件系統(tǒng)、還是XML文件，應(yīng)用程序都可以對數(shù)據(jù)文件進行訪問控制、查詢、版本控制、鎖定等[6-7]。

1.2 內(nèi)容管理互操作性服務(wù)

隨著內(nèi)容管理應(yīng)用程序的日益普及，遵循內(nèi)容倉庫標準，提供標準化API的內(nèi)容庫需求已凸顯出來。早在2005年，Java聯(lián)盟機構(gòu)就提出了一套操作內(nèi)容庫的Java標準API，即JCR(Java Content Repository)標準[8-9]。JCR的提出降低了內(nèi)容管理系統(tǒng)實現(xiàn)的復(fù)雜度，提高了系統(tǒng)的可維護性[10-11]。但JCR只能在Java環(huán)境中使用，開發(fā)語言和平臺受到了很大的限制。2010年10月，由IBM、Oracle、EMC、Microsoft、Alfresco等公司共同參與制定了新一代內(nèi)容庫標準——CMIS(Content Management Interoperability Services)[12]。CMIS的設(shè)計目的是定義一個完全和語言、平臺無關(guān)的，通過Web直接訪問的調(diào)用接口[13]。CMIS標準規(guī)范定義了一個核心域模型，持久性的信息實體對象構(gòu)成了一個典型的CMIS的域，包括文檔、文件夾、關(guān)系和策略[14]。CMIS指定了一套基本的服務(wù)，應(yīng)用程序可以使用它來訪問和操縱這些實體。由于其中涵蓋了大多數(shù)的內(nèi)容，所以文檔、文件夾兩個類型最為重要。CMIS文檔和文件類似，它含有保持文檔元數(shù)據(jù)的屬性，例如：文檔作者、類型和專有自定義屬性等。如圖1所示，CMIS文件夾是CMIS文檔和其他CMIS文件夾的容器。文件夾可以決定它們能包含何種類型的文檔[15-16]。文檔可以被放在多個文件夾中，或者不在任意文件夾中。

圖1 CMIS文件夾

2 政府信息公開系統(tǒng)的建設(shè)依據(jù)

2.1 政府信息公開系統(tǒng)的關(guān)鍵屬性

在編制政府信息公開目錄中，有幾個比較重要的概念，即：核心元數(shù)據(jù)、索引碼、索引號編碼、內(nèi)容概述、信息分類體系等。核心元數(shù)據(jù)是描述政府信息的關(guān)鍵屬性，每條政府信息起碼應(yīng)該有四個核心元數(shù)據(jù)，分別為索引號、名稱、生成日期、內(nèi)容概述。編制政府信息公開目錄最重要的工作是編制核心元數(shù)據(jù)，需要制定既適合國辦需要，又能擴展的核心元數(shù)據(jù)定義方案，最后一共設(shè)定了12個元數(shù)據(jù)，其中有8個必選項、3個可選項、1個條件可選項。這12個元數(shù)據(jù)包括索引號、標題、內(nèi)容概述、發(fā)布日期、有效期、文號、相關(guān)信息、發(fā)布機構(gòu)、關(guān)鍵詞、信息分類、獲取方式、著錄日期。12個元數(shù)據(jù)從多個角度對數(shù)據(jù)進行了刻畫，有了這些元數(shù)據(jù)會使政府信息檢索、使用的效率大大提高[17]。

2.2 政府信息公開系統(tǒng)目錄格式與構(gòu)成

展示目錄的形式就是目錄格式，一般分為三級，即一級目錄、二級目錄、三級目錄。在一級目錄中，每條政府信息的主要核心元數(shù)據(jù)占一行，可以同時看到很多政府信息的基本內(nèi)容，通常應(yīng)包括標題、發(fā)布日期、文號等主要核心元數(shù)據(jù)。其突出優(yōu)點是顯示清楚、一目了然。二級目錄，即預(yù)覽簡要模式，包含的核心元數(shù)據(jù)比一級目錄多一些，可同時包括索引號、內(nèi)容概述、相關(guān)信息、獲取方式、主題關(guān)鍵詞等。二級目錄可以幫助公眾更多地了解政府信息的詳細情況。三級目錄是政府信息的全面展示。

根據(jù)這個思路，政府信息公開系統(tǒng)主要由管理子系統(tǒng)和服務(wù)子系統(tǒng)這兩個部分構(gòu)成。其中管理子系統(tǒng)是對政府即將公開的信息文件進行匯總、整理、加工。從原始文件中提取出要公開文件的主要屬性，即核心元數(shù)據(jù)和擬公開的全文，并以json的格式發(fā)送給服務(wù)子系統(tǒng)并通過瀏覽器進行解析。服務(wù)子系統(tǒng)的主體是公眾，通過瀏覽器和互聯(lián)網(wǎng)向公眾提供信息檢索，在線瀏覽政府的公開信息以及相應(yīng)的文件與附件的下載與打印服務(wù)。服務(wù)子系統(tǒng)主要提供檢索、分類和導(dǎo)航等服務(wù)。通過互聯(lián)網(wǎng)下載和打印政府信息，使公眾能夠快速、方便地訪問和獲取政府信息。其總體框架如圖2所示。

圖2 政府信息公開系統(tǒng)的構(gòu)成

3 系統(tǒng)設(shè)計

3.1 整體架構(gòu)設(shè)計

本系統(tǒng)基于內(nèi)容庫特性與政府信息公開系統(tǒng)的建設(shè)依據(jù)進行設(shè)計。政府信息公開系統(tǒng)發(fā)布的內(nèi)容包括word、excel或PDF等，使用內(nèi)容庫作為系統(tǒng)的核心可以很好地契合政府信息公開系統(tǒng)的需要，整體設(shè)計上分為前端服務(wù)子系統(tǒng)和后臺管理子系統(tǒng)，服務(wù)子系統(tǒng)提供公開信息展示和相應(yīng)功能的開發(fā)，涵蓋了信息檢索、分類導(dǎo)航、信息展現(xiàn)、公開文件及附件的下載打印等模塊的開發(fā)設(shè)計。管理子系統(tǒng)的開發(fā)，包括了信息管理、類目管理、目錄管理、元數(shù)據(jù)管理等功能的開發(fā)設(shè)計。管理子系統(tǒng)通過CMIS的Web服務(wù)接口與內(nèi)容庫進行交互。系統(tǒng)整體設(shè)計架構(gòu)如圖3所示。

圖3 系統(tǒng)的整體架構(gòu)

3.2 元數(shù)據(jù)設(shè)計

元數(shù)據(jù)設(shè)計是基于內(nèi)容庫的政府信息公開系統(tǒng)的核心部分，這里元數(shù)據(jù)的概念是抽象的，它是數(shù)據(jù)結(jié)構(gòu)和意義的描述，也是非結(jié)構(gòu)化數(shù)據(jù)向結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換的描述，例如一個文件的名稱、文件類型、大小、創(chuàng)建時間、創(chuàng)建人等都是對文件進行描述的元數(shù)據(jù)，通常使用XML格式標記語言來編寫。XML標記語言可以很好地把數(shù)據(jù)結(jié)構(gòu)和其顯示方式通過不同標簽分離開，是現(xiàn)在主流編寫元數(shù)據(jù)的主要語言[18]。內(nèi)容庫支持自定義規(guī)則屬性，其對政府信息公開系統(tǒng)的元數(shù)據(jù)的開發(fā)提供了極大的便利。最終展示給用戶的公開文件的屬性僅需要通過相關(guān)接口抽取內(nèi)容庫中其文件的元數(shù)據(jù)進行顯示即可。

自定義元數(shù)據(jù)屬性，通過在ContentModel.xml文件中自定義屬性property即可。例如：

針對政府信息公開系統(tǒng)的特征，及《政府信息公開目錄系統(tǒng)實施指引》對政府信息公開系統(tǒng)元數(shù)據(jù)的要求，系統(tǒng)需涵蓋14個核心元數(shù)據(jù)，其中有六個必選項、三個條件必選項、五個非必選項。其公開文件的元數(shù)據(jù)設(shè)計如表1所示。

表1 系統(tǒng)元數(shù)據(jù)設(shè)計表

續(xù)表1

3.3 接口設(shè)計

基于內(nèi)容庫的CMIS接口均是以Web服務(wù)技術(shù)開發(fā)。提供兩種調(diào)用方式：一種是傳統(tǒng)的Web Service，一種是RESTful風格的Web調(diào)用。本系統(tǒng)的接口設(shè)計采用更加簡單輕量的RESTful方法設(shè)計和實現(xiàn)。每一個接口都是一個綁定到URI的服務(wù)，它響應(yīng)GET、POST、PUT和DELETE等HTTP方法，并且提供了對內(nèi)容庫中內(nèi)容的REST式訪問。借助RESTful接口，可以很容易將內(nèi)容庫中的任意內(nèi)容映射到Web上的資源。開發(fā)一個內(nèi)容庫與管理子系統(tǒng)相互訪問的接口需要三步，在Web Scripts Extensions文件夾下創(chuàng)建XML格式的描述文件、相應(yīng)的ftl格式的模板文件和一個控制器文件，用于接收參數(shù)并通過Lucence檢索內(nèi)容庫中的數(shù)據(jù)。主要的接口功能說明、請求方式、所需參數(shù)以及返回結(jié)果如表2所示。

表2 系統(tǒng)主要的接口設(shè)計

4 子系統(tǒng)的實現(xiàn)

4.1 管理子系統(tǒng)

管理子系統(tǒng)的實現(xiàn)包括原始信息的采集、元數(shù)據(jù)的抽取和標引、公開文件的校對審核。管理子系統(tǒng)應(yīng)當實現(xiàn)對政府公開信息采集、加工、編審、入庫的全程控制。同時還應(yīng)該具有整體的流程管理、用戶權(quán)限管理、信息公開系統(tǒng)的元數(shù)據(jù)管理等輔助功能。其實現(xiàn)流程如圖4所示。

圖4 管理子系統(tǒng)的實現(xiàn)流程

管理子系統(tǒng)需先對公開信息進行采集形成原始文件。政府公開信息的采集渠道和方式主要有三種：一是相關(guān)政府或是行政機關(guān)已在網(wǎng)站上公開的信息，但按照規(guī)定應(yīng)該納入政府信息公開目錄里，對于這種信息，可以使用從相關(guān)機構(gòu)或行政機關(guān)的網(wǎng)站上自動爬取信息的方法實現(xiàn)采集。二是政府行政單位內(nèi)部業(yè)務(wù)系統(tǒng)中已經(jīng)產(chǎn)生應(yīng)公開但還尚未公開的政府信息，這種信息可以使用內(nèi)部業(yè)務(wù)系統(tǒng)中的接口，以數(shù)據(jù)交換的方式實現(xiàn)采集。三是尚未形成電子數(shù)據(jù)的政府公開信息，這種信息使用以人工的形式進行錄入。形成原始文件后需要判斷文件類型，其屬于公開文件還是附件，若是公開文件，則需對公開文件進行元數(shù)據(jù)的抽取，若是附件，則需要綁定其對應(yīng)的公開文件。對于公開文件，可以使用元數(shù)據(jù)提取器來檢查文件，提取元數(shù)據(jù)并將元數(shù)據(jù)保存在節(jié)點的屬性中。元數(shù)據(jù)提取器是配置為Spring bean的Java類，可以在內(nèi)容庫創(chuàng)建內(nèi)容時調(diào)用，也可以通過規(guī)則操作調(diào)用提取器。由于元數(shù)據(jù)提取器聲明了它們支持的MIME類型，所以內(nèi)容庫知道哪個提取器用于給定的內(nèi)容，通過配置規(guī)則調(diào)用元數(shù)據(jù)提取器，即可對公開文件的標題、文號、發(fā)布機構(gòu)等元數(shù)據(jù)實現(xiàn)自動抽取。抽取屬性后需進行人為的完善工作，即對公開文件中未涉及的屬性進行人為的完善擴充。不管是公開文件還是附件最后都需創(chuàng)建索引才能最終入庫，內(nèi)容庫內(nèi)置的Lucene引擎會對內(nèi)容進行索引的創(chuàng)建，并存入索引庫。Lucene的使用為內(nèi)容庫提供了高效的數(shù)據(jù)查詢索引，對系統(tǒng)的搜索服務(wù)提供了巨大的幫助。最后實現(xiàn)入庫，其中元數(shù)據(jù)保存在關(guān)系型數(shù)據(jù)庫中，而內(nèi)容文件和Lucene索引則保存在文件系統(tǒng)中。

4.2 服務(wù)子系統(tǒng)

服務(wù)子系統(tǒng)主要是通過互聯(lián)網(wǎng)為公眾提供政府信息公開的相關(guān)服務(wù)，使公眾能快速、便捷地查閱、獲取、申請公開信息，其實現(xiàn)流程如圖5所示。

圖5 服務(wù)子系統(tǒng)的實現(xiàn)流程

服務(wù)子系統(tǒng)的受體為廣大的人民群眾，公眾可以在政府網(wǎng)站上瀏覽相關(guān)的公開信息或提交申請以瀏覽其想要看到的公開文件。對于公眾瀏覽的公開信息應(yīng)有以下服務(wù)：用戶可以查看或點擊分類目錄，分類目錄下對應(yīng)著相關(guān)的公開文件，當用戶點開公開文件時，應(yīng)可在線預(yù)覽，并提供公開文件與其附件的下載功能。對于核心元數(shù)據(jù)應(yīng)在目錄項的基本信息中予以顯示。用戶在瀏覽政府信息公開網(wǎng)站的同時，點擊相應(yīng)主目錄或是子目錄、公開信息、檢索關(guān)鍵詞等即會調(diào)用后臺的API進行數(shù)據(jù)的傳輸與交換。作為系統(tǒng)前臺的開發(fā)，需要JQuery、AJAX、html等前端技術(shù)。當用戶進行上述操作時，政府信息公開系統(tǒng)前臺會通過AJAX技術(shù)將要傳遞參數(shù)以JSON的格式送入定制好的webscript接口中，在相應(yīng)的接口控制器中調(diào)用lucene引擎檢索出結(jié)果，最后再將要返回的數(shù)據(jù)封裝成JSON的格式返回到政府信息公開系統(tǒng)的前臺，通過JQuery的AJAX方法解析并呈現(xiàn)給用戶。這里用到了前面所設(shè)計的四個接口。當用戶查看分類目錄時，實際調(diào)用了檢索“政府信息公開目錄”文件夾下的類型為文件夾的對象接口。當用戶進行下載功能時，實際調(diào)用了下載功能的接口，所需參數(shù)的值為下載的鏈接地址，其為公開文件的一個屬性。當用戶查看一級目錄或二級目錄下的所有文章列表時，實際上調(diào)用了檢索相應(yīng)子文件夾類型為“內(nèi)容”的全部對象。通過相應(yīng)的接口控制器，與內(nèi)容庫進行數(shù)據(jù)交互。

4.3 信息檢索子系統(tǒng)

政府信息公開系統(tǒng)的查詢子系統(tǒng)支持原生的Lucene查詢、XPath查詢、全文查詢，以及CMIS查詢語言，如圖6所示。

圖6 信息檢索子系統(tǒng)

默認情況下，內(nèi)容庫會將節(jié)點存儲在關(guān)系型數(shù)據(jù)庫中，而內(nèi)容則是存在硬盤的文件系統(tǒng)中。使用一個數(shù)據(jù)庫抽象層與數(shù)據(jù)庫進行交互，從而使存儲引擎可以從復(fù)雜的SQL連接語句中獨立出來，簡化了數(shù)據(jù)庫移植工作，使得內(nèi)容庫可以基于各種主流數(shù)據(jù)庫實現(xiàn)。查詢字符串使用了Lucene查詢語法來查找內(nèi)容基于全文內(nèi)容、屬性值、路徑和內(nèi)容類型。使用Lucene的查詢主要分以下幾步：首先驗證啟動一個會話，之后對搜索的節(jié)點進行參考獲取，然后使用Lucene的查詢字符串建立查詢對象，最后執(zhí)行查詢并轉(zhuǎn)儲結(jié)果。

定義一個操作類DataQueries類，這個類中可以接受文件夾或文件的名稱作為參數(shù)。在類中定義兩個方法：getQueryResults() 和doExamples()。getQueryResults()是一種通用的方法，執(zhí)行一個指定的查詢字符串，并返回一個ContentResult對象的列表。其中ContentResult是一個內(nèi)部類，它作為輔助用于管理查詢結(jié)果的屬性。doExamples()方法調(diào)用getQueryResults()多次以顯示不同的搜索字符串的例子。

5 結(jié) 語

本文提出并實現(xiàn)了一種基于內(nèi)容庫的政府信息公開系統(tǒng)，相較于傳統(tǒng)的基于數(shù)據(jù)庫和文件系統(tǒng)的信息公開系統(tǒng)開發(fā)模式，新方案具有層次清晰、易于實現(xiàn)，耦合度低、便于維護的優(yōu)點，節(jié)省了設(shè)計與開發(fā)的時間周期。進一步研究可以擴展標準的CMIS接口規(guī)范，提供更多的調(diào)用模式，將內(nèi)容庫作為企業(yè)統(tǒng)一的非結(jié)構(gòu)化資源存儲庫，獨立存儲和管理非結(jié)構(gòu)化文檔，為眾多的業(yè)務(wù)系統(tǒng)提供內(nèi)容資源支持。