空难事故跨媒体信息采集与检索方法的研究

葛炜琦+贺蜀川+林海舟+蔡蕤+王红

摘要：针对民航空难事故信息来源广泛，数据形式呈现多样性，信息检索不方便的问题，提出了基于J2EE的空难事故跨媒体信息管理的设计思路。采用webmagic实现了跨媒体数据的采集，运用Maven与Java开发工具，实现了空难事故信息从数据层到应用层的存储与检索，有效解决了以文本、图像和视频等单一媒体表现形式描述民航空难事故信息的不足，为航空安全事故的关联分析提供了技术支持。

关键词：民航空难事故；跨媒体信息采集；数据存储；信息检索

中图分类号：TP315 文献标识码：A 文章编号：1009-3044（2016）12-0006-04

Abstract ：According to the problems of the wide range of information sources， the diversity of data forms and the inconvenience of information retrieval， the design ideas of cross media information management based on J2EE is put forward.Using webmagic to achieve cross-media data acquisition，using Maven and Java development tools，storage and retrieval of information from data layer to application layer is realized， effectively solve the insufficient description of civil aviation accident accident information in single media forms like text， image and video and so on， provide technical support for the analysis of the relationship of aviation safety accidents.

Key words ： civil aviation accident； Cross-media information collection；data storage；Information retrieval

1 概述

航空安全一直以来都是人们关注的焦点。随着信息获取、存储和传播技术的飞速发展，网络多媒体资源迅猛增长、多媒体类型及结构日趋复杂化，民航空难信息呈现出多源异构、关联性高、时效性等复杂特征，其内容跨越了文本、视频、图像等多种信息形态，并涉及不同信息源对事件的不同评论等多种属性。“9.11”恐怖事件以来，特别是2014年马航MH370等一系列航空不安全事件引起了全球公众对航空安全更高的要求。基于跨媒体的民航空难事故数据采集、数据存储与检索方法的研究成为了民航空难信息管理与应用研究的热点问题。

2 系统设计

2.1系统架构设计

系统设计分为数据层和应用层。数据层作为最低端为整个管理系统提供数据信息的服务，以JBoss网络服务器为基础，使用网络爬虫的技术把在各个主流民航类网页上的空难事故信息采集下来，以编码的方式对数据进行组织，并存储在数据库中，以便为应用层的信息检索提供服务；……