Page 424 - 《软件学报》2025年第12期

黄小龙 等: ReproLink: 面向可复现性的科研数据管理系统 5805

π I : O → I, π P : O → P, π E : O → E 分别
体标识的集合为 I, 全体属性集的集合为 P, 全体数据实体的集合为 E, 函数
为科研数据对象到其标识、属性集、数据实体的映射. 即对于科研数据对象 O = (I,P,E), 有 π I (O) = I, π P (O) = P,
π E (O) = E.
2) 标识 I ∈ I 为一个字符串, 用于唯一标识和寻址 O 中的每个科研数据对象. ∀O 1 ,O 2 ∈ O, O 1 , O 2 满足 π I (O 1 ) ,
π : I → O π −1 表示了使用唯一标识定位
−1
.
π I (O 2 ). 且 ∀I ∈ I,∃O ∈ O 满足 π I (O) = I, 即 π I (O) 为双射. 设 π I 的反函数为
I I
和访问科研数据对象的过程.
3) 属性集 P 为一个键值对的集合, 对于属性 p i ∈ P, 有 p i = (k i ,v i ), 其中 k i 为该属性的键, v i 为该属性的值, 满足
,
∀i, j,k i , k j . 科研数据对象 O 属性的键集合和值集合分别记作 K O ,V O , 有 K O = {k i | ∃v i ,(k i ,v i ) ∈ π P (O)} V O = {v i | ∃k i ,
(k i ,v i ) ∈ π P (O)}. 函数 ϕ O : K O → V O 为科研数据对象 O 的属性映射函数, ∀k ∈ K O , ϕ O (k) = v 当且仅当 (k,v) ∈ π P (O). 对
于类型为 t 科研数据对象 , 存在一组必要属性集 K t , 表示这种类型的科研数据对象必须包含的属性, 满足
t
O
t P 主
∀O , K t ⊂ K O t . 除必要属性集规定的属性外, 用户还可通过增加可选属性的方式扩展系统的表示形式, 属性集
要包括用于描述和发现科研数据对象的相关元数据.
4) 所有科研数据对象的属性集中都包含其类型, ∀O∈O,type∈K O . 称 ϕ O (type) 为科研数据对象 O 的类型, ϕ O (type) ∈
{code,paper,dataset,reproduction}.
E 表示科研数据对象所包含数据资源的实际内容, 为一个字节序列, 例如论文的 PDF 文件、数据
5) 数据实体
集文件、源代码文件等.
图 1 中的对象①–⑧即为科研数据对象. 以对象③即文献 [33] 所对应的科研数据对象为例. 图 1 右侧的示例
展示了对象③的标识、属性集和数据实体. 其标识为文献 [33] 的 DOI, 属性集包括此论文的标题、作者等信息,
数据实体即为此论文的 PDF 文件.

标识

属性集

数据实体

图 1 科研数据关系图示例

本文的研究主要关注科研中使用的论文、代码、数据集这 3 类数据, 因此科研数据对象包括论文对象、代码
对象和数据集对象这 3 种类型. 为了一致地表示复现单元和其他科研数据对象之间的关系, 本文将复现单元也建
模为一类特殊的科研数据对象. 实际上, 也可以将模型扩展到其他类型的科研数据, 以满足不同领域的科研数据管
理需求. 下面依次给出这些科研数据对象的定义.
定义 2 (论文对象). 对于 O ∈ O, 若 ϕ O P(type) = paper, 则称 O 为论文对象. 论文对象的数据实体 π E (O ) 为论
P
P
P
文 PDF 文件. 定义论文对象的必要属性集为 K paper = {title,venue,abstract,publication_date,authors}, 对于任意的论
P
文对象 O , 都有 K paper ⊂ K O P , 并且有:
1) ϕ O P(title) 为论文的标题;
2) ϕ O P(venue) 为论文发表的期刊或会议;