面向生物領(lǐng)域協(xié)作的科學(xué)軟件分享、選擇與推薦研究.pdf

1、近年來(lái)，由于生物數(shù)據(jù)爆炸性的增長(zhǎng)，生物領(lǐng)域研究突顯出計(jì)算密集型和數(shù)據(jù)密集型的特點(diǎn)，過(guò)去以個(gè)人或小組為主的研究方式逐漸被多人或多個(gè)單位共同參與、協(xié)同合作的方式所取代。隨著eScience、Collaboratory的興起和流行，科學(xué)工作流(Scientific Workflow)已成為生物研究者協(xié)同進(jìn)行大規(guī)模科研實(shí)驗(yàn)的主要方式。然而，生物領(lǐng)域協(xié)作在向著更深層次開(kāi)展的同時(shí)，也面臨著新的問(wèn)題和挑戰(zhàn)。首先，伴隨著協(xié)作規(guī)模的擴(kuò)大，分析流程變得愈加

2、復(fù)雜，加大了用戶論證數(shù)據(jù)結(jié)果、理解流程執(zhí)行過(guò)程的難度。其次，計(jì)算需求增大帶來(lái)的壓力需要通過(guò)軟件資源的分享來(lái)緩解，而現(xiàn)有研究主要集中在分享的方式上，對(duì)于分享行為本身的關(guān)注較少，影響了協(xié)作的開(kāi)展。此外，軟件和數(shù)據(jù)分享雖然提供了豐富的科研資源，但也帶來(lái)了選擇上的困難，導(dǎo)致用戶無(wú)法快速定位到高質(zhì)量的資源。本文針對(duì)上述關(guān)鍵問(wèn)題，在生物工作流數(shù)據(jù)世系管理、生物科學(xué)軟件分享和選擇、生物數(shù)據(jù)文件推薦三個(gè)方面進(jìn)行了研究，主要研究?jī)?nèi)容和貢獻(xiàn)如下:
　

3、　1)提出一個(gè)面向生物科學(xué)工作流的協(xié)同數(shù)據(jù)世系模型。該模型用于記錄生物數(shù)據(jù)分析流程的整個(gè)過(guò)程，包括工作流執(zhí)行所涉及的數(shù)據(jù)、軟件、用戶、任務(wù)等基本對(duì)象以及對(duì)象間的相互作用關(guān)系。在此基礎(chǔ)上討論了數(shù)據(jù)依賴、運(yùn)行依賴等隱含關(guān)系的定義與求解，并引入了協(xié)同關(guān)系來(lái)描述用戶在軟件和數(shù)據(jù)兩個(gè)不同層面上的協(xié)作行為，為結(jié)果數(shù)據(jù)理解、執(zhí)行過(guò)程重現(xiàn)、錯(cuò)誤跟蹤定位、用戶協(xié)作分析提供支持。
　　2)提出一個(gè)生物科學(xué)軟件分享模型。本文針對(duì)生物科學(xué)軟件分享活動(dòng)，通

4、過(guò)參與觀察和半結(jié)構(gòu)化訪談的方式收集了相關(guān)數(shù)據(jù)，經(jīng)過(guò)歸納演繹分析發(fā)現(xiàn)，軟件的類型、分享的對(duì)象和范圍、軟件生命周期的不同階段、軟件自身的技術(shù)特征都會(huì)對(duì)生物科學(xué)軟件的分享產(chǎn)生影響，需要采用相應(yīng)的分享機(jī)制來(lái)保證軟件分享者和使用者的權(quán)益，并設(shè)計(jì)了基于有限狀態(tài)自動(dòng)機(jī)的生物科學(xué)軟件分享模型，模型的狀態(tài)集合和轉(zhuǎn)移函數(shù)綜合了上述研究發(fā)現(xiàn)，可為生物協(xié)作中軟件分享使用提供指導(dǎo)。
　　3)提出基于社會(huì)屬性的生物科學(xué)軟件選擇和組合方法。采用人種志的方法對(duì)生

5、物研究人員的軟件使用行為分析發(fā)現(xiàn)，在生物科學(xué)軟件使用方面，用戶較重視軟件的社會(huì)屬性，進(jìn)而確定出包括師生指導(dǎo)關(guān)系、軟件開(kāi)發(fā)者、軟件學(xué)術(shù)水平以及軟件聲譽(yù)在內(nèi)的四個(gè)影響用戶選擇的關(guān)鍵因素，形成生物科學(xué)軟件質(zhì)量模型。并結(jié)合協(xié)同數(shù)據(jù)世系，設(shè)計(jì)選擇算法對(duì)質(zhì)量模型進(jìn)行量化，完成定性分析到定量選擇的轉(zhuǎn)換。在此基礎(chǔ)上，根據(jù)軟件協(xié)作信息，基于最大化軟件組合協(xié)作度的思想，設(shè)計(jì)了軟件組合優(yōu)化算法。實(shí)驗(yàn)數(shù)據(jù)表明，該方法可以有效的提高軟件選擇組合的效率。
　

6、　4)提出基于用戶信任的生物數(shù)據(jù)文件推薦方法。以序列比對(duì)為主要分析手段的生物數(shù)據(jù)研究依賴于參考數(shù)據(jù)文件的質(zhì)量，而生物數(shù)據(jù)呈指數(shù)增長(zhǎng)帶來(lái)的信息過(guò)載使得用戶難以快速的找到高質(zhì)量的數(shù)據(jù)文件。本文根據(jù)協(xié)同數(shù)據(jù)世系中數(shù)據(jù)文件的使用信息，分析用戶的使用偏好，定義數(shù)據(jù)信任關(guān)系，然后基于用戶行為的相似性計(jì)算得到用戶間的信任關(guān)系，并結(jié)合兩方面的信息，通過(guò)推薦算法預(yù)測(cè)用戶對(duì)數(shù)據(jù)文件的信任程度，過(guò)濾出高質(zhì)量的數(shù)據(jù)文件向用戶推薦。實(shí)驗(yàn)結(jié)果表明，使用該方法推薦的