[發明專利]基于語義標注的異構數據關聯方法及系統

在審

• 申請號: 201410854051.0
• 申請日: 2014-12-31
• 公開（公告）號: CN104679823A
• 公開（公告）日: 2015-06-03
• 發明（設計）人: 曾龍海;張少杰
• 申請（專利權）人: 智慧城市信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 深圳市華優知識產權代理事務所(普通合伙) 44319
• 代理人: 周丹

1.一種基于語義標注的異構數據關聯方法，其特征在于，包括：

獲取異構數據源語義標簽以及異構數據源所包含的數據信息語義標簽；

對所獲取的任一所述數據信息語義標簽進行語義文本拆分，建立與數據信息對應的語義字典庫；

對所建立的至少兩個語義字典庫進行相似值計算；以及

當所述相似值大于或等于設定閾值時，將所述至少兩個語義字典庫分別對應的所述數據信息及所述相似值進行關聯記錄。

2.如權利要求1所述的異構數據關聯方法，其特征在于，在所述獲取異構數據源語義標簽以及異構數據源所包含的數據信息語義標簽的步驟之后，還包括：

根據所述異構數據源語義標簽以及所述異構數據源所包含的數據信息語義標簽的獲取情況，對所述數據信息的內容進行分布式存儲。

3.如權利要求1或2所述的異構數據關聯方法，其特征在于，對所建立的至少兩個語義字典庫進行相似值計算，包括：

統計所述至少兩個語義字典庫中所包含的語義文本的出現頻率，并分別構建頻率向量；

對所述至少兩個語義字典庫中的所述語義文本進行比較，當存在有不同的語義文本時，分別在所述至少兩個語義字典庫構建的所述頻率向量中進行補充，生成同維頻率向量；以及

根據生成的所述同維頻率向量計算所述至少兩個語義字典庫之間的所述相似值。

4.如權利要求3所述的異構數據關聯方法，其特征在于，在統計各語義字典庫中所包含語義文本的出現頻率，構建頻率向量之前，還包括：

對所述至少兩個語義字典庫中所包含的所述語義文本進行轉碼。

5.如權利要求3所述的異構數據關聯方法，其特征在于，所述語義字典庫之間的所述相似值通過下述公式進行計算：

其中，x_i和y_i分別對應為不同語義字典庫所構建的所述同維頻率向量中的頻率值。

6.一種基于語義標注的異構數據關聯系統，其特征在于，包括：

獲取模塊，用于獲取異構數據源語義標簽以及異構數據源所包含的數據信息語義標簽；

建立模塊，耦合于所述獲取模塊，用于對所獲取的任一所述數據信息語義標簽進行語義文本拆分，建立與數據信息對應的語義字典庫；以及

計算模塊，耦合于所述建立模塊，用于對所建立的至少兩個語義字典庫進行相似值計算，當所述相似值大于或等于設定閾值時，將所述至少兩個語義字典庫分別對應的所述數據信息及所述相似值進行關聯記錄。

7.如權利要求6所述的異構數據關聯系統，其特征在于，還包括：

存儲模塊，耦合于所述獲取模塊，用于根據所述異構數據源語義標簽以及所述異構數據源所包含的數據信息語義標簽的獲取情況，對所述數據信息的內容進行分布式存儲。

8.如權利要求7所述的異構數據關聯系統，其特征在于，所述計算模塊包括：

統計單元，用于統計所述至少兩個語義字典庫中所包含的語義文本的出現頻率，構建頻率向量；

比較單元，用于對所述至少兩個語義字典庫中的所述語義文本進行比較，當存在有不同的語義文本時，分別在所述至少兩個語義字典庫構建的所述頻率向量中進行補充，生成同維頻率向量；以及

計算單元，用于根據生成的所述同維頻率向量計算所述至少兩個語義字典庫之間的所述相似值。

9.如權利要求7所述的異構數據關聯系統，其特征在于，所述計算模塊還包括：

轉碼單元，用于對所述至少兩個語義字典庫中所包含的所述語義文本進行轉碼。

10.如權利要求7所述的異構數據關聯系統，其特征在于，所述計算單元通過下述公式對所述語義字典庫之間的所述相似值進行計算：

其中，x_i和y_i分別對應為不同語義字典庫所構建的所述同維頻率向量中的頻率值。