CN101442466B - 一种叠加网络及实现方法 - Google Patents

Abstract

本发明公开了一种叠加网络的实现方法，包括以下步骤：用带权重的Ontology路径集合表示节点兴趣，基于节点的兴趣相似度进行分组，构建叶级叠加网络；将所述叶级叠加网络进行组聚簇，构建层次化叠加网络。本发明还公开了一种叠加网络及设备。本发明实施例中，从用户对不同数据信息的兴趣出发，基于Ontology结构对用户兴趣进行分类和建模，并根据用户兴趣的相似度构建叠加网络，简单易实现；显著提高信息获取命中率和效率，网络可扩展性好。

Description

一种叠加网络及实现方法

技术领域

本发明涉及通信技术领域，尤其涉及一种叠加网络及实现方法。

背景技术

Overlay(叠加网络)提供了一种构造网络的方法，可在原有物理网络的基础上，通过构造一个虚拟网络来支持原有网络没有或很难提供的功能，并能最大限度地保证与原有网络的兼容性。因叠加网络特殊的网络构造方式，使叠加网络不需得到网络中所有组件的支持且无需改变已有的网络结构，即可为新型应用提供所需的服务。以叠加网络为基础构造网格系统，屏蔽了物理网络的异构性和不确定性，使问题得到简化，易于兼容现有的网络，从而在动态异构的物理网络环境上提供个性化的、能适应业务变化和满足即时需求的服务。

Ontology(本体论)是一种有效区分现实世界概念的工具，大多数Web站点(例如Yahoo！，Open Directory等)都可以为用户免费提供Ontology结构，因此下载和保存Ontology结构的成本很低。此外，大多数Ontology结构(例如现有的Web Ontology)都是层次化结构，且通常是层次敏感的，因此可以用Ontology结构的一个路径子集来对节点兴趣建模。另一个好处就是，Ontology结构通常是非常稳定的，即使有更新，在节点间传输的更新也很小，占用带宽很低。例如，Yahoo！Directory Ontology中，整个Ontology结构可以用一棵树来表示，包含了虚拟根节点(Yahoo！)下的所有路径集合，如图1a所示；而节点兴趣可能包含多个Ontology路径，如图1b所示。

EMD(Earth Mover’s Distance，堆土机距离)本质是求解加权点集转换过程中的最小代价，属于约束最优化问题，最早被应用于计算视觉问题。计算EMD的方法来源于有名的运输问题(transportation problem)的解决方案。运输问题是这样描述的，假设有k₁个供应商，每个人都有一定数量w_i的货物，需要供货给k₂个消费商，每个消费商都有一个购货能力上限w’_j，在任何供应商与消费商之间运输一个单位货物的成本给定，传输问题就是寻找最小代价货物流，货物从供应商流向消费商，这些货物能满足消费商的要求。运输问题可以形式化为线性规划问题：

给定

v₁＝{(P₁，w₁)，...，(P_k1，w_k1)}和v₂＝{(P’₁，w’₁)，...，(P’_k2，w’_k2)}

和c_ij＝dist(P_i，P’_i)，表示P_i和P’_i之间的地面距离

需要寻找一个流矩阵F＝[f_ij]，其中f_ij为P_i和P’_i之间流，使得全局代价函数

最小，同时满足以下限制条件：

f_ij≥0，1≤i≤k₁，1≤j≤k₂         (1.1)

${\mathrm{\Σ}}_{j=1}^{k_2}{f}_{\mathrm{ij}}={\mathrm{\ω}}_i,1\≤i\≤k_1---\left(1.2\right)$

${\mathrm{\Σ}}_{i=1}^{k_1}{f}_{\mathrm{ij}}={\mathrm{\ω}}_j^{\′},1\≤j\≤k_2---\left(1.3\right)$

$\underset{i=1}{\overset{k_1}{\mathrm{\Σ}}}\underset{j=1}{\overset{k_2}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{f}_{\mathrm{ij}}=\min ({\mathrm{\Σ}}_{i=1}^{k_1}{\mathrm{\ω}}_i,{\mathrm{\Σ}}_{j=1}^{k_2}{\mathrm{\ω}}_j^{\′})---\left(1.4\right)$

条件(1.1)使得流从P(供应商)流向P’(消费商)，而不是相反；条件(1.2)限制了每个供应商的供应数量；条件(1.3)限制了每个消费商的消费数量；条件(1.4)使得尽可能地移动最大数量的货物，称为这个数量的总流。一旦运输问题得到解决，就得到了矩阵F，于是EMD距离就定义为所有运输工作的规格化值：

$\mathrm{EMD}(v_1,v_2)=\frac{\underset{i=1}{\overset{k_1}{\mathrm{\Σ}}}\underset{j=1}{\overset{k_2}{\mathrm{\Σ}}}{c}_{\mathrm{ij}}{f}_{\mathrm{ij}}}{\underset{i=1}{\overset{k_1}{\mathrm{\Σ}}}\underset{j=1}{\overset{k_2}{\mathrm{\Σ}}}{f}_{\mathrm{ij}}},$ 其中，规格化因子

是总的权重。

当

时，EMD是一种度量。EMD距离不仅形象直观，还具有可处理长度可变的特征的显著优点，因此可以有效描述层次化结构的相似度。

下面举个例子来说明如何用EMD测量Ontology中三条路径之间的距离。

如下为三条带权重的Ontology路径集合：

s1＝{(“Recreational/Movies″，0.7)；(“Engineering/P2P″，0.3)}

s2＝{(“Recreational/Movies″，0.5)；(“Engineering/Database″，0.5)}

s3＝{(“Recreational/Movies″，0.8)；(“Engineering/P2P″，0.1)；(“Engineering/Database″，0.1)}

一对路径P和P’之间的距离pathDist(P，P‘)，可通过表示路径的字符串差别个数来表示，如下：

pathDist(″Recreational/Movies″；″Engineering/P2P″)＝18

pathDist(″Recreational/Movies″；″Engineering/Database″)＝19

pathDist(″Engineering/P2P″；″Engineering/Database″)＝8

则三条Ontology路径之间的EMD距离为：

EMD(s1，s2)＝

0.2×pathDist(″Recreational/Movies″；″Engineering/Database″)

+0.3×pathDist(″Engineering/P2P″；″Engineering/Database″)

＝0.2×19+0.3×8＝6.2

EMD(s1，s3)＝

0.1×pathDist(″Engineering/P2P″；″Recreational/Movies″)

+0.1×pathDist(″Engineering/P2P″；″Engineering/Database″)

＝0.1×18+0.1×8＝2.6

EMD(s2，s3)＝

0.3×pathDist(″Engineering/Database″；″Recreational/Movies″)

+0.1×pathDist(″Engineering/Database″；″Engineering/P2P″)

＝0.3×19+0.1×8＝6.5

Gossip(消息扩散协议)是网络中节点的一种通信机制。Gossip是经典的分布式消息扩散机制，是一种大规模可靠的组通信信息扩散机制。每个节点在与某个节点通信时，将自己知道的有关其他节点的信息全部捎带给对方，通过这种节点间不断相互传递信息的机制，节点最终可以获取其他所有节点的信息。

现有层次化叠加网络中，通过混合搜索方式获取大规模分布式网络中信息的一种技术方案，是基于数据流行度构建层次化叠加网络。基本原理是：流行数据被大量复制，因此通过泛洪很容易就能获取；而稀缺的数据可以通过结构化路由来维护和访问。但是，首先需要测量数据流行度，目前有两种方法：一种是通过测量叠加网络中存在的文件副本的基数(cardinality)，推断出数据流行度；但是基数测量本身就需要在整个网络中进行信息传播和处理，增加了巨大的通信开销。另一种是通过局部跟踪用户发出的查询和路由过程来估计数据流行度；但是这种通过局部信息来估算全局信息的方法，准确性不高。

对基于兴趣构建叠加网络，现有技术方案一没有特定的兴趣建模方法。网络中的最上层是类型层(Class level)，覆盖比较大的类别，例如音乐、图片、体育等等。中间层是簇层(Cluster level)，对应每个类型下面小的种类，例如古典音乐，重金属音乐等。节点层(Node level)是最底层。类型层和簇层的分类都是网络预先设置的。用户可以根据自己的兴趣注册加入某个类型或簇，甚至可以在同一时刻注册加入不同簇，基于兴趣的两或三层结构如图2所示。

上述构建叠加网络的方法中，预先设定节点兴趣，在实施中存在以下缺点：

(1)网络中的兴趣类型是预先设定的，自组织和可扩展性差；

(2)网络层次固定，随着用户规模增加或者兴趣种类扩大，网络将变得很扁平，网络的路由效率将随着用户数量的增加显著下降。

发明内容

本发明实施例提供了一种叠加网络及实现方法，以有效获取大规模分布式网络中的资源或信息。

本发明实施例提供了一种叠加网络的实现方法，包括以下步骤：

用带权重的本体论Ontology路径集合表示节点兴趣；

使节点根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述将多个叶级叠加网络进行组聚簇，构建层次化叠加网络具体包括：

获取两个叶级叠加网络中任意节点之间的最大描述距离；

将所述最大描述距离最近的一对叶级叠加网络加入一个超级叠加网络，逐级构成完整的层次化叠加网络；所述使节点根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络具体包括：在网络中随机选取多个节点作为中心节点；所有中心节点在整个网络中扩散Gossip本身的IP地址和描述，所述描述是所述节点兴趣的本体论路径集合的表述；每个节点计算本身到各个中心节点的描述距离，并选择加入描述距离最小的中心节点所在的叠加网络；每个中心节点和所有加入的节点组成一个叶级叠加网络。

本发明实施例还提供了一种叠加网络，所述节点，通过使用带权重的本体论路径集合表示节点兴趣，并根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络，进而将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述节点包括：

节点兴趣获取单元，用于使用带权重的本体论Ontology路径集合表示节点兴趣；

叶级叠加网络构建单元，用于根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

组聚簇单元，用于通过将所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述组聚簇单元具体包括：

叶级叠加网络距离获取子单元，用于获取两个叶级叠加网络之间的距离；

超级叠加网络建立子单元，用于逐级将距离最近的一对叠加网络加入一个超级叠加网络。

本发明实施例还提供了一种节点，包括：

节点兴趣获取单元，用于使用带权重的Ontology路径集合表示节点兴趣；

叶级叠加网络构建单元，用于根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

组聚簇单元，用于通过将所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述组聚簇单元具体包括：

叶级叠加网络距离获取子单元，用于获取两个叶级叠加网络之间的距离；

超级叠加网络建立子单元，用于逐级将距离最近的一对叠加网络加入一个超级叠加网络。

与现有技术相比，本发明实施例具有以下优点：

本发明实施例中，从用户对不同数据信息的兴趣出发，基于Ontology结构对用户兴趣进行分类和建模，并根据用户兴趣的相似度构建叠加网络，简单易实现；显著提高信息获取命中率和效率，以及网络可扩展性。

附图说明

图1a是现有技术中Ontology层次化结构图；

图1b是现有技术中Ontology路径示意图；

图2是现有技术中基于兴趣的两或三层结构示意图；

图3是本发明实施例中构建叠加网络的流程图；

图4是本发明实施例中组间的描述距离示意图；

图5是本发明实施例中叠加的部分视图；

图6是本发明实施例中叠加中节点结构图。

具体实施方式

本发明实施例用带权重的本体论路径集合表示节点兴趣，使节点根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；进而将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络。对一个有共同兴趣的特定用户组(叶级叠加网络)，有三种类型的数据：(1)在整个网络中大量复制的数据；(2)与这个用户组(叶级叠加网络)相关的数据，也就是该叶级叠加网络中用户共同感兴趣的数据；(3)稀缺的数据，也就是该叶级叠加网络中用户很少感兴趣的数据。

本发明实施例对查询也采用相同的Ontology结构建模，并利用有效的混合搜索算法在这个叠加网络中获取信息。基于兴趣的分类，使得所有数据在某种程度上都是“流行”的：或者对整个网络，或者对特定的用户组。因此，节点对于前两种类型的数据可以在本地组内获取；而最后一类数据，可通过路由到远端组来获取。本发明不依赖任何特定的Ontology分类机制，而只是假设数据和查询在同样的Ontology结构下描述，这样数据和查询间的相似度是在同一个语义层次上测量。

本发明实施例采用Ontology的层次化结构对数据和查询建模，节点的兴趣可用属于Ontology的路径子集来表示，例如图1b所示。通过给路径分配一个权重，可以更细的粒度描述节点的兴趣偏好。

一个节点兴趣可以抽象的表示为{(“P₁”，w₁)，(“P₂”，w₂)...({(“P_n”，w_n)}，这种表示称为描述(profile)。每个节点访问的路径权重之和为1，每个描述(profile)是带权重Ontology路径的集合。例如，一个带权重的节点兴趣可以表示为{(“Recreation/Movies”，0.8)，(“Engineering/P2P”，0.2)}，权重0.8表示在相应节点的所有数据获取中有80％属于“Recreation/Movies”，而只有20％属于“Engineering/P2P”。

由于相似度测量需要在网络上传送描述，可以对描述进行编码(例如，Dewey order编码)，以降低传送描述带来的网络带宽消耗。如图1a，显示了Dewey-id-annotated的部分层次化Ontology路径。然后采用EMD(Earth MoverDistance)函数来测量一对描述、也就是节点兴趣之间的距离。再根据节点的描述距离，也就是兴趣相似度组成一个组，构建层次化叠加网络。

本发明实施例中构建叠加网络的过程如图3所示，包括以下两个步骤：

步骤s100，构建叶级叠加网络(leaf-level overlay)。具体过程包括：

s110，首先在网络中随机选取S个节点，称为“中心节点，pivot”，S值可通过系统配置。选取过程如下：每个节点通过使用一个全局统一的随机哈希(hash)函数(例如SHA-1)，对该节点在网络中的唯一标识(例如IP地址)进行哈希，各自生成一个哈希值，称作令牌(token)；将哈希函数值的范围分割成O(N/S)个不重叠的连续区域，其中N是网络大小；随机选择分割后的一个区域，将令牌处在这个区域内的节点指定为中心节点。由于哈希函数值是统一分发的，中心节点的个数就是S。例如，N为100，S为10，那么哈希函数的范围也为100，分割后共有10个不相交区域，每个区域最多有10个(即S个)节点。在这10个区域中任选一个区域，将令牌落在这个区域内的节点选为中心节点。

s120，所有中心节点在整个网络中gossip(扩散)本身的IP地址和描述，描述可以根据需要进行编码。

s130，每个节点计算本身的描述和网络中所有中心节点的描述之间的EMD值，就是描述距离；比较计算得到的每个描述距离，并选择加入描述距离最小的中心节点所在的组。

s140，每个中心节点和所有加入的节点组成一个组(叶级叠加网络)，定义该叶级叠加网络半径为任意组员和中心节点之间的最大描述距离，用rad(G)表示叶级叠加网络G的半径。

s150，每个叶级叠加网络中，节点需要维护叠加网络内O(lnk)个随机采样(也就是成员的IP地址)，其中k滚示组的大小。

步骤s200，层次化聚簇。当每个节点收到所有中心节点信息之后，同时开始将叶级叠加网络聚簇，构建层次化叠加网络，过程如下：

s210，获取两个叶级叠加网络G1和G2(相应的中心节点分别用p1和p2表示)之间的距离：G1和G2中任意节点之间的最大描述距离，表示为D_max(G1，G2)；根据三角不等式原理，最大不超过rad(G1)+rad(G2)+dist(p1，p2)，其中rad表示相应的叶级叠加网络半径，dist表示两点间的距离，如图4所示。

s220，基于距离D_max(G1，G2)，将距离最近的一对叶级叠加网络加入一个超级叶级叠加网络(super-group)，用G_1，2表示。一直重复运行这种聚簇算法，直到log₂S层。

s230，每个节点属于一个叶级叠加网络G，需要维护如下路由信息：G的兄弟(即属于同一个超级叠加网络的叶级叠加网络)、组G的祖先超级叠加网络，以及祖先超级叠加网络的兄弟。路由条目最大为2×log₂S。每个路由条目包括一个超级叠加网络的中心节点的IP地址和半径；通过路由到超级叠加网络的中心节点，每个节点就可以访问相应的超级叠加网络。如图5，给出了叠加的部分视图，以及路由表的缩略图。

本发明另一个实施例中，当某个节点p发起一个查询时，也采用同样的Ontology对查询建模，得到查询的描述，然后通过如下步骤获取信息：

步骤s310，p通过统一的gossip协议在本地叶级叠加网络内传播查询；直观上，由p发起的查询与p的兴趣相关，因此本地叶级叠加网络包含查询结果的概率很高。当查询和p的兴趣无关，但是要获取的数据在整个层次化叠加网络中被大量复制时，在本地叶级叠加网络获得查询结果的概率也很高。

步骤s320，当查询在本地无法得到满足时，将查询通过层次化路由(例如DHT)到远端叶级叠加网络，具体包括：

s321，假设节点p发起一个查询q，p查询路由表，并定位那些到q的描述距离不超出相应超级叠加网络半径的中心节点。

s322，q被同时发送给那些中心中心。路由处理过程会一直重复，直到抵达一个叶级叠加网络；路由的跳数受限于层次化叠加的深度，也就是O(log₂S)。

s323，如果一个叶级叠加网络的中心节点与q之间的描述距离不超过这个叶级叠加网络半径，就在这个叶级叠加网络内传播q以获取信息，获得的所有结果被传回到节点p。

本发明实施例二，通常叠加网络(例如P2P网络)的动态性很高，中心节点的离开可能使相应的分枝无法访问其他节点。在构建层次化叠加的过程中，可以采用一种备份机制来提高叠加网络的容错能力，包括以下步骤：

S410，对叶级叠加网络和/或超级叠加网络，节点通过分布式选举机制选取多个通信节点(contacts)，并在路由表中维护这些通信节点的IP地址。

S420，所有通信节点复制其所在叠加网络的中心节点的描述和叠加网络的半径。

S430，在路由处理过程中，节点可以选择任意一个通信节点来转发查询。根据网络的故障率，通信节点的数量是可配置的。由于所有通信节点同时失效的概率很小，因此可以避免网络中节点的动态性造成的路由扰动。

另外，在MSN，QQ等应用中，用户也有与兴趣相关的信息查询和获取操作，利用本发明技术方案可以采用统一的Ontology结构对用户兴趣分类，从而快速有效的构建叠加、获取信息。

本发明实施例还提供了一种叠加网络，包括至少两个节点，所述节点，通过使用带权重的本体论路径集合表示节点兴趣，并根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络，进而将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络。

其中，所述节点如图6所示，具体包括：节点兴趣获取单元10，用于使用带权重的本体论Ontology路径集合表示节点兴趣；叶级叠加网络构建单元20，用于根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；组聚簇单元30，用于通过将所述叶级叠加网络进行组聚簇，构建层次化叠加网络。查询单元40，用于采用相同的本体论结构对节点所要查询的信息进行分类，并根据所述分类后的信息得到查询的本体论路径集合，即查询的描述。备份单元50，用于在叶级叠加网络和/或超级叠加网络中选取多个节点作为通信节点，并在节点的路由表中维护所述通信节点的IP地址；使每个通信节点复制其所在叠加网络的中心节点的描述和叠加网络的半径。

所述叶级叠加网络构建单元20具体包括：中心节点获取子单元21，用于在网络中随机选取多个节点作为中心节点；处理子单元22，用于在整个网络中扩散Gossip本身的IP地址和描述，所述描述是所述节点兴趣的本体论路径集合的表述；描述距离计算子单元23，用于计算本身到各个中心节点的描述距离，并选择加入描述距离最小的中心节点所在的网络。

所述组聚簇单元30具体包括：叶级叠加网络距离获取子单元31，用于获取两个叶级叠加网络之间的距离；超级叠加网络建立子单元32，用于逐级将距离最近的一对叠加网络加入一个超级叠加网络。

本发明实施例中，从用户对不同数据信息的兴趣出发，基于Ontology结构对用户兴趣进行分类和建模，并根据用户兴趣的相似度构建叠加网络。不仅简单易实现；显著提高信息获取命中率和效率，网络可扩展性好。此外，多个通信节点(contacts)的备份机制，可以自动进行网络维护，降低网络动态性对路由的影响，提高网络的容错性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (9)

1.一种叠加网络的实现方法，其特征在于，包括以下步骤：

用带权重的本体论Ontology路径集合表示节点兴趣；

使节点根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述将多个叶级叠加网络进行组聚簇，构建层次化叠加网络具体包括：

获取两个叶级叠加网络中任意节点之间的最大描述距离；

将所述最大描述距离最近的一对叶级叠加网络加入一个超级叠加网络，逐级构成完整的层次化叠加网络；

所述使节点根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络具体包括：

在网络中随机选取多个节点作为中心节点；

所有中心节点在整个网络中扩散Gossip本身的IP地址和描述，所述描述是所述节点兴趣的本体论路径集合的表述；

每个节点计算本身到各个中心节点的描述距离，并选择加入描述距离最小的中心节点所在的叠加网络；

每个中心节点和所有加入的节点组成一个叶级叠加网络。

2.如权利要求1所述叠加网络的实现方法，其特征在于，所述构建层次化叠加网络之后还包括：

采用相同的本体论结构对节点所要查询的信息进行分类；

根据所述分类后的信息得到查询的本体论路径集合，即查询的描述。

3.如权利要求2所述叠加网络的实现方法，其特征在于，所述采用相同的本体论结构对节点所要查询的信息进行分类具体包括：

通过扩散Gossip协议在本地叶级叠加网络内传播查询的描述；

当在本地叶级叠加网络内没有得到查询结果时，通过层次化路由到远端叶级叠加网络进行查询。

4.如权利要求3所述叠加网络的实现方法，其特征在于，所述通过层次化路由到远端叶级叠加网络进行查询具体包括：

查询路由表，并定位到一个或多个中心节点，所述中心节点与所述查询的描述距离不超出其所在超级叠加网络半径；

查询的描述被发送给所述中心节点，逐级路由到叶级叠加网络；

如果所述叶级叠加网络的中心节点与所述查询的描述距离不超过叶级叠加网络半径，在所述叶级叠加网络内传播所述查询信息。

5.如权利要求1所述叠加网络的实现方法，其特征在于，还包括备份过程：

在叶级叠加网络和/或超级叠加网络中，选取多个节点作为通信节点，并在节点的路由表中维护所述通信节点的IP地址；

每个通信节点复制其所在叠加网络的中心节点的描述和叠加网络的半径；

在路由处理过程中，选择任意一个通信节点转发查询信息。

6.一种叠加网络，包括至少两个节点，其特征在于：

所述节点，通过使用带权重的本体论路径集合表示节点兴趣，并根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络，进而将多个所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述节点包括：

节点兴趣获取单元，用于使用带权重的本体论Ontology路径集合表示节点兴趣；

叶级叠加网络构建单元，用于根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

组聚簇单元，用于通过将所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述组聚簇单元具体包括：

叶级叠加网络距离获取子单元，用于获取两个叶级叠加网络之间的距离；

超级叠加网络建立子单元，用于逐级将距离最近的一对叠加网络加入一个超级叠加网络；

所述叶级叠加网络构建单元包括：

中心节点获取子单元，用于在网络中选取多个节点作为中心节点；

处理子单元，用于在整个网络中扩散Gossip本身的IP地址和描述，所述描述是所述节点兴趣的本体论路径集合的表述；

描述距离计算子单元，用于计算本身到各个中心节点的描述距离，并选择加入描述距离最小的中心节点所在的网络。

7.如权利要求6所述叠加网络，其特征在于，所述节点还包括：

查询单元，用于采用相同的本体论结构对节点所要查询的信息进行分类，并根据所述分类后的信息得到查询的本体论路径集合，即查询的描述。

8.如权利要求6所述叠加网络，其特征在于，所述叠加网络还包括：

备份单元，用于在叶级叠加网络和/或超级叠加网络中选取多个节点作为通信节点，并在节点的路由表中维护所述通信节点的IP地址；使每个通信节点复制其所在叠加网络的中心节点的描述和叠加网络的半径。

9.一种节点，其特征在于，包括：

节点兴趣获取单元，用于使用带权重的本体论Ontology路径集合表示节点兴趣；

叶级叠加网络构建单元，用于根据获取的所述节点兴趣加入到某个叶级叠加网络中，形成叶级叠加网络；

组聚簇单元，用于通过将所述叶级叠加网络进行组聚簇，构建层次化叠加网络；

所述组聚簇单元具体包括：

叶级叠加网络距离获取子单元，用于获取两个叶级叠加网络之间的距离；

超级叠加网络建立子单元，用于逐级将距离最近的一对叠加网络加入一个超级叠加网络；

所述叶级叠加网络构建单元具体包括：

中心节点获取子单元，用于在网络中选取多个节点作为中心节点；

处理子单元，用于在整个网络中扩散Gossip本身的IP地址和描述，所述描述是所述节点兴趣的本体论路径集合的表述；

描述距离计算子单元，用于计算本身到各个中心节点的描述距离，并选择加入描述距离最小的中心节点所在的网络。

Images