[發明專利]一種面向物聯網的基于語義聚類的物資信息檢索方法

有效

• 申請號: 201310290805.X
• 申請日: 2013-07-11
• 公開（公告）號: CN103425740A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 葉寧;趙婷婷;王汝傳;林巧民;王忠勤
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 江蘇愛信律師事務所 32241
• 代理人: 唐小紅

1.一種面向物聯網的基于語義聚類的物資信息檢索方法，其特征在于該檢索方法包括語義分析、關鍵詞提取、優先數分配、PML歸一化、層次聚類模塊，具體步驟為：

步驟1）用戶在Web應用平臺上輸入所要檢索物資的相關信息；

步驟2）語義分析的任務就是自動地、批量地對Web頁面進行分析，并自動

提取領域的語義信息，采用先對Web內容進行預處理，去除網頁內的噪音的方法，以提高語義分析提取信息的速度和精度，具體的語義分析過程如下：

步驟21：對Web頁面輸入的文本進行噪音清洗處理，就是去除與網頁主題無關的內容；

步驟22：對經過噪音清洗的Web頁面進行預處理，把相關的內容文本進行短句、詞性劃分；

步驟23：從經過預處理后的文本中識別出重點詞，即文本中基本的信息元素，這些重點詞識別依據是現存的人工參與制定的規則；

步驟24：在整個文本中找出個體事實之間的引用和關聯關系，通過分析同一事實在文本中不同部分的不同描述，合并相同的實體，整合出更大粒度的信息點，即下一步需要的關鍵詞：???????????????????????????????????????????????；

步驟3）為了減少不必要的重復聚類，進一步提高檢索效率，根據現有的詞頻統計資料，經過相互比較，為詞頻最低的關鍵詞分配優先數為1，然后依次確定各個層級的關鍵詞的優先數，假設關鍵詞個數為n，具體過程如下:

步驟31：根據已有資料統計各關鍵詞的詞頻；

步驟32：采用冒泡排序的第一趟算法，兩兩比較相鄰關鍵詞的詞頻，從而

得到詞頻的最小值，對該關鍵詞賦予優先數1；

步驟33：重復步驟32，為剩下的關鍵詞分別分配優先數2，3，…,n；

步驟4）根據得到的優先數，按照優先數由大到小的順序依次將各關鍵詞歸一化為PML格式的文件，作為與電子產品代碼信息服務EPCIS管理下的數據庫進行數據通信的基礎；

步驟5）在數據庫中采用凝聚層次聚類的方式對數據進行聚類，相似度區間劃分為51%--100%、0—50%；最終結果以文件夾和子文件夾的形式展現在用戶檢索的頁面上，文件夾以可變長度的句子命名，具體算法如下：

步驟51：按照上述歸一化的順序，第一個生成的PML描述的關鍵詞作為第一層聚類的特征值，將各原子簇的屬性和關鍵詞進行比較，根據相似度分別將它們合并到同一相似度區間的簇中；

步驟52：將得到結果中的每個簇作為整體放入對應的文件夾中，文件夾以聚類采用的關鍵詞及相似度區間共同命名，即“關鍵詞+相似度區間”，所有文件以并列的形式存在；

步驟53：將第二個生成的PML描述的關鍵詞作為第二層聚類的特征值，將步驟52所得的文件名為“關鍵詞+51%--100%”文件夾中的各數據作為原子簇，重復步驟51中聚類過程；

步驟54：將步驟53所得的結果放入按照步驟52的命名原則得到的相應新文件夾中；

步驟55：按照順序依次對上一步生成的文件進行聚類，每次都是對文件名為“關鍵詞+51%--100%”的文件夾進行新的聚類，直到最后一個關鍵詞聚類完為止。