SaaS模式下的信息集成方法：解决异构、提升效率

"这篇博士学位论文主要探讨了在人工智能和机器学习的背景下，如何在软件即服务（SaaS）模式下实现高效的信息集成方法和技术。它着重解决了信息集成中的异构问题，降低了信息共享的成本，提升了信息服务的可用性，并对信息资源的规划、度量和治理进行了全局性的考虑。论文提出了SaaS模式下的信息集成方法（SMII方法）和一个包含多租户数据服务、信息服务管理和信息集成应用构造三层结构的参考架构。" 在当前信息技术快速发展的时代，信息已成为关键资源。然而，网络环境下的信息资源具有多种特性，如数字化、动态性、无序性和共享性，这使得“信息集成”变得至关重要。传统信息集成方法由于其封闭性、被动性和低效率，已无法满足日益复杂的信息集成需求。因此，该论文提出了利用SaaS模式作为解决方案，以适应信息集成的规模化、主动化和集约化趋势。 论文深入研究了SaaS模式下的信息集成，关注了三个关键问题：一是构建透明且经济的数据存储和管理系统，特别是对于关系型数据；二是管理和维护来自不同用户的大量信息服务，确保第三方信息服务的可用性；三是从全局视角规划信息资源，进行信息服务治理评估和应用运行调度。 作者提出了SMII方法，这是一种基于SaaS模式的信息集成新方法，包括多租户数据库服务、信息服务管理和信息集成应用构造三层。这种方法强调开放性、用户参与度和低成本的集成应用开发，特别适合Web 2.0环境下的动态信息集成需求。 SMII方法的核心贡献在于提供了一个开放的信息集成范围，鼓励用户积极参与，降低了集成应用的开发成本。通过多租户数据库服务，它支持信息资源共享；信息服务管理则确保服务的有效提供；信息集成应用构造层则支持信息应用的快速开发。此外，论文还研究了多租户数据服务、信息服务社区模型、信息服务可用性保障机制和元数据管理机制，这些都是SaaS信息集成的重要组成部分。 这篇论文为SaaS模式下的人工智能和机器学习环境提供了信息集成的新视角和实用方法，对推动信息技术领域的发展具有重要的理论和实践意义。