CN103198136A - 一种基于时序关联的个人电脑文件查询方法 - Google Patents

Abstract

一种基于时序关联的个人电脑文件查询方法。该方法通过自动监控个人电脑的文件操作，自动得到用户对于个人电脑中文件的访问时序，根据访问时序建立个人文件之间的时序关联图。然后基于输入的关键词，利用字符串匹配方法，获取文件名称能够匹配用户输入关键字的文件集合作为初始查询结果集合，基于该集合并利用时序关联图，进一步计算出更为全面的查询结果。本发明将个人桌面文件查询和用户访问文件的时序关系结合起来，针对用户希望通过文件访问时序关系进行查询的问题，提出以上解决方案，该方法具有简洁实用、容易实现的特性，同时还可以大大减少用户的文件搜索时间，便于用户查询个人桌面文件，能够满足用户特定情景下的查询需求。

Description

一种基于时序关联的个人电脑文件查询方法

技术领域

本发明涉及个人信息管理领域，尤其是涉及一种基于时序关联的个人电脑文件查询方法。

背景技术

数字化技术和web的发展使人们每天处理的信息量剧增，而人的注意力和能够用在数据管理上的时间却是基本不变的。随着个人计算机中的文件数量急剧增加，如果用户不能准确地记住想要查找的文件的确切位置和相关属性信息，查找个人电脑中的某个文件就会变成一件困难的事情。

目前常用的个人桌面查询方法主要有操作系统提供的资源管理器和计算机桌面搜索（Desktop Search）工具。基于文件系统的资源浏览器是目前人们管理及查询个人桌面文件最常使用的方式。这种方法有以下局限性：对于一些很长时间没有使用的文件，用户往往不能回忆起文件存放的准确位置，可能需要进行多次尝试才能找到所需要的文件，从而浪费时间。有时甚至无法找到所需要的文件。桌面搜索是目前人们经常使用的一种查找个人电脑中文件的方法。例如微软、谷歌、雅虎等都有自己的桌面搜索工具。目前的桌面搜索工具主要是通过对个人电脑中的文件建立全文索引，从而支持用户通过关键字搜索需要的文件。这种方法有以下局限性：一是对于一些很长时间没有使用的文件，用户往往不能准确回忆起文件名中包含的关键字；二是对大量文件的全文索引往往导致比较低的查询效率。因此目前的搜索工具在特定情况下不能很好地满足用户查询个人文件的需要。

例如用户希望查询几年前参加某个学术会议的一张照片，其文件名可能是类似于“DC001.jpg”之类的没有确切含义的字符串，这样如果用户不能够记住文件名或存放路径，就无法用现有的桌面搜索工具或资源管理器进行查找，因此需要针对这种情况研究发明新的个人电脑文件查询方法。

基于用户访问时序关系检索个人电脑上的文件信息可以提高特定情景下的查询效率，本发明就是针对这一问题。

发明内容

本发明的目的是克服现有技术存在的上述问题，提出一种基于时序关联的个人电脑文件查询方法。

本发明是基于用户对个人电脑中文件的访问规律的分析提出的。该方法通过自动监控个人电脑的文件操作，自动得到用户对于个人电脑中文件的访问时序，根据访问时序建立个人文件之间的时序关联信息表。然后基于输入的关键词，利用字符串匹配方法，获取文件名称能够匹配用户输入关键字的文件集合作为初始查询结果集合，基于该集合并利用时序关联信息表，进一步计算出更为准确的查询结果。

本发明提供的基于访问时序的个人电脑文件查询方法具体步骤包括：

第1、利用关系数据表存储个人电脑中的用户文件和用户操作日志

所涉及的数据表主要包括三个：用户文件表、用户日志表、文件时序关联信息表；用户文件表包括以下主要字段：文件标识符、文件名、文件存放路径、文件描述，文件描述为通过对文件名进行分词得到的关键字集合，例如，“Dasfaa会议论文初稿.doc”是一个文件，其文件描述为{Dasfaa，会议，论文，初稿}；用户日志表存储用户操作日志，主要字段包括：访问时间、文件名称、文件路径，用户日志按照操作时间进行排序；文件时序关联信息表用来保存文件之间的时序关联关系，主要字段包括：文件标识符1、文件标识符2、时序关联度，每一条记录表示两个文件被用户连续访问的频繁度；

第2、自动记录用户在个人电脑上的操作日志

定时调用操作系统的API函数监控电脑上打开的窗口，通过打开窗口列表的变化，获取新打开窗口的标题和打开时间；从窗口标题中抽取文件名，并利用操作系统的最近访问文件夹获取所访问文件的存取路径；发现用户打开新文件就在用户日志表中增加一条操作记录，如果访问的文件在用户文件表中不存在，则将其作为新的用户文件添加到用户文件表中；

第3、自动构建个人电脑上文件的时序信息关联表

每次监控到用户变换文件访问窗口，对时序信息关联表进行更新；基于用户日志表能够得到最后连续访问的两个文件，假定其为(F1,F2)，查询时序关联信息表中是否存在文件标识符1为F1且文件标识符2为F2或者文件标识符1为F2且文件标识符2为F1的记录，如果不存在，则在时序关联信息表中增加一个新的记录，其中各字段的值如下：文件标识符1为F1，文件标识符2为F2且时序关联度为0.5；如果存在，则将这两个文件原来的时序关联度更新，计算公式为：

$W_{\mathrm{new}}=\frac{1}{W_{\mathrm{old}}+1}$

其中W_old为原来的时序关联度，W_new为新计算出来的时序关联度；该公式的计算满足：时序关联度的值在0到1之间；连续访问的次数越多，时序关联度的值越大；

第4、利用关键字匹配方法和时序信息关联表计算查询结果

第4.1输入要查询桌面文件的关键词K₁,K₂,...,K_l，其中下标L为用户输入的关键字个数；

第4.2计算用户文件表中每个文件描述和输入关键字集合的相似度(具体计算方法可以利用已有的Jaccard距离)，得到相似度大于1的文件集合{F₁F₂,…,F_n}，n为文件描述与用户输入的关键字相似度大于0的文件个数；尽管Jaccard距离的计算方法并不是本发明的内容，为便于理解，这里仍给出Jaccard距离的计算公式：

$S_{\mathrm{Jaccard}}=\frac{|A\∩B|}{|A\∪B|}$

该公式中A和B表示两个关键字的集合。

第4.3在时序关联信息表中查询出与{F₁,F₂,…,F_n}任意一个文件具有时序关系的文件集合{D₁,D₂,…,D_m}；

第4.4将{F₁,F₂,...,F_n}和{D₁,D₂,...,D_m}合并进行排序，返回查询结果。

本发明将个人桌面文件与时间序列关系结合起来，针对个人数据管理中文件的查询问题，提出解决方案，方法具有独特的创新性。

本发明的优点和有益效果：

本发明将个人桌面文件内容与访问的时序关系结合起来，针对个人数据管理中特定的查询问题，提出解决方案，该方法具有独特的创造性和实用性，既可以集成到现有的桌面搜索引擎等个人信息管理工具，也可以用于设计创建新的个人信息服务软件，具有实际的应用价值。

本发明方法新颖，具有简洁实用、容易实现的特性，基于用户访问过的文件进行搜索大大减少了扫描的文件范围，提高了文件的召回率以及准确率。

附图说明

图1是根据本发明的基于时序关联的个人电脑文件查询方法方框图；

图2是根据本发明的用户日志生成方法的详细方框图；

图3是根据本发明的文件时序关联信息生成的详细方框图；

图4是根据本发明的基于文件时序关联信息的查询方法的详细方框图；

图5是根据本发明的各种数据表的示意图；

图6是根据本发明的用户日志表示例；

图7是根据本发明的基于图6用户日志表示例的文件时序关系表示例；

图8是根据本发明的基于图7所示文件时序关系表示例，用户输入的关键字为”Dasfaa”的查询的执行结果。

具体实施方式

为了更全面地理解本发明及其优点，下面结合附图及具体实施例对本发明做进一步详细地说明。

本发明涉及的几个概念以及所基于的原理描述如下：

个人桌面文件（Personal Desktop File）：

个人文件是指存放在个人电脑上的用户曾经访问过的文件。本发明利用用户文件表存储个人桌面文件的信息。

个人桌面访问日志（Personal Access Log）：

个人访问日志是指由用户对个人文件的操作记录组成的按访问时间排序的文件。本发明利用用户日志表存储个人桌面文件访问日志。

个人桌面文件图（Desktop File Graph）

个人桌面文件图是由个人电脑中用户访问过的文件之间的时序关系构成的有权图，其中每个节点表示用户访问过的文件，节点之间的边表示两个文件的时序关联关系，即只要两个文件被顺序访问过，在两个文件之间就会有一条边。边的权重的计算基于两个文件被用户连序访问的次数，次数越多，权重越大。本发明利用文件时序关联信息表存储个人桌面文件图的相关信息。

在本发明中主要考虑了以下用户访问行为规律：

（1）用户对个人电脑中文件的访问往往是“再访问”，即访问曾经访问过的数据对象；

（2）用户访问过的数据对象往往只占个人电脑中所有文件的很小部分，因为个人电脑中有很多的系统文件；

（3）人们的工作有一定的连续性，在文件访问上体现为多次连续访问的文件往往具有一定的关系。

实施例1

下面我们参考附图和以一个例子来说明基于时序关联的个人电脑文件查询方法，并且对以上概念进行实例的说明。

第一，本发明方法所涉及的基本数据表

图1所示为本发明方法的三个主要步骤：用户操作日志生成、文件关联信息表构建、基于时序关联关系的查询。系统涉及的数据库存储的数据表包括三个：用户文件表、用户日志表、文件时序关联信息表，如图5所示。

用户文件表包括以下主要字段：文件标识符、文件名、文件存放路径、文件描述。文件描述为文件名中包含的词的集合。

用户日志表存储用户操作日志信息，主要字段包括：访问时间、文件名称、文件路径。

文件时序关联信息表与文件时序关联图相对应，主要用来保存文件之间的时序关联关系，其主要字段包括：文件标识符1、文件标识符2、时序关联度。文件标识符1和文件标识符2对应文件时序关联图中的两个节点，时序关联度对应两个节点之间边的权重，即两个文件被连续访问的频繁度。

在本发明中，上述三个数据表中的内容是随着对用户操作行为的监控和分析自动建立的，通过监控用户操作，获取用户操作记录，更新用户日志表、用户文件表和文件时序关联信息表。

第二，基本数据表的自动更新

定时调用操作系统的API函数监控电脑上打开的窗口，通过打开窗口列表的变化，获取新打开窗口的标题和打开时间；从窗口标题中抽取文件名，并利用操作系统的最近访问文件夹获取所访问文件的存取路径；发现用户打开新文件就在用户日志表中增加一条操作记录，如果访问的文件在用户文件表中不存在，则将其作为新的用户文件添加到用户文件表中。自动更新的步骤如附图2。图6示出了根据本发明的用户日志表的一个示例，其记录了用户的5个连续的访问日志记录，

(1)时序关联关系表的更新

每次监控到用户变换文件访问窗口，对时序信息关联表进行更新。基于用户日志表可以得到最后连续访问的两个文件，假定其为(F1,F2)，查询时序关联信息表中是否存在文件标识符1为F1且文件标识符2为F2（或者文件标识符1为F2且文件标识符2为F1）的记录，如果不存在，则在时序关联信息表中增加一个新的记录，其中各字段的值如下：文件标识符1为F1，文件标识符2为F2且时序关联度为0.5；如果存在，则将这两个文件原来的时序关联度更新，计算公式为：

$W_{\mathrm{new}}=\frac{1}{W_{\mathrm{old}}+1}$

其中W_old为原来的时序关联度，W_new为新计算出来的时序关联度。该公式的计算满足：时序关联度的值在0到1之间；连续访问的次数越多，时序关联度的值越大。

以图6示出的5个连续的访问日志记录，可以看出文件“Dasfaa会议论文初稿.doc”和“实验数据.xml”被连续访问2次（不计访问先后顺序）；图7示出了基于图6用户日志表示例的文件时序关联信息表的示例，示出了文件之间的时序关联度，其第1条记录为（“Dasfaa会议论文初稿.doc”，“实验数据.xml”，0.75），其时序关联度0.75的计算过程为：第1次连续出现，时序关联度为初值0.5,第2此连续出现，时序关联度为1/(0.5+1)=0.75；

(2)基于时序关联表进行查询

基于时序关联表进行查询主要包括两个步骤：生成初步结果集、生成最终结果集。

初步结果集生成单元负责基于用户输入的关键字利用关键字匹配的方法自动生成查询结果。具体来说，首先计算用户输入的多个关键字和各个文件描述之间的相似度，从而得到一个向量A=(a₁,a₂,…,a_v)，其中n为个人文件的总数，a_i表示第i个文件与用户输入的关键字的相似度。

最终结果集生成基于初步结果集，利用文件关联信息表中存储的文件之间的关联关系。将初步结果集中每个文件相关联的文件也添加到结果集合中。具体方法，假设R={a_ij|1≤i≤n,1≤j≤n}为一个矩阵,其中a_ij表示文件F_i和文件F_j之间的时序关系，通过B=A×R可以的到一个n维向量，其中B_i是每个文件与输入关键字的匹配度。最终结果按照文件与输入的匹配度排序即可。

图8示出了基于图7所示的文件时序关联信息表，用户输入关键字“Dasfaa”的查询结果。初步计算结果基于经常使用的Jaccard距离计算文件名与用户输入关键字的相似度。以用户输入关键字“Dasfaa”为例，则用户输入的关键字集合为{Dasfaa},考虑文件“Dasfaa会议论文初稿.doc”，文件描述为4个关键字{Dasfaa，会议，论文，初稿}，其与用户输入关键字集合交集的关键字有1个，并集的关键字有4个，所以其Jaccard距离为1/4，即0.25。图8示出了图6所示的几个文件和关键字{Dasfaa}的最终匹配度。以文件“实验数据.xml”为例，其最终计算的相似度为0.19。其计算依据为：“实验数据.xml”与“Dasfaa会议论文初稿.doc”的时序关联度为0.75，而“Dasfaa会议论文初稿.doc”与用户输入的匹配度为0.25,因此“实验数据.xml”与用户输入关键字的匹配度为0.25×0.75=0.19。

通过上述可知，本发明方法新颖，具有简洁实用、容易实现的特性，可以满足特定情况下用户查询个人文件的需要，提高文件的召回率以及准确率。

对于本领域的普通技术人员来说可显而易见的得出其他优点和修改。因此，具有更广方面的本发明并不局限于这里所示出的并且所描述的具体说明及示例性实施例。因此，在不脱离由随后权利要求及其等价体所定义的一般发明构思的精神和范围的情况下，可对其做出各种修改。

Claims (1)

1.一种基于时序关联的个人电脑文件查询方法，其特征在于该方法包括：

第1、利用关系数据表存储个人电脑中的用户文件和用户操作日志

所涉及的数据表主要包括三个：用户文件表、用户日志表、文件时序关联信息表；用户文件表包括以下主要字段：文件标识符、文件名、文件存放路径、文件描述，文件描述为通过对文件名进行分词得到的关键字集合；用户日志表存储用户操作日志，主要字段包括：访问时间、文件名称、文件路径，用户日志按照操作时间进行排序；文件时序关联信息表用来保存文件之间的时序关联关系，主要字段包括：文件标识符1、文件标识符2、时序关联度，每一条记录表示两个文件被用户连续访问的频繁度；

第2、自动记录用户在个人电脑上的操作日志

定时调用操作系统的API函数监控电脑上打开的窗口，通过打开窗口列表的变化，获取新打开窗口的标题和打开时间；从窗口标题中抽取文件名，并利用操作系统的最近访问文件夹获取所访问文件的存取路径；发现用户打开新文件就在用户日志表中增加一条操作记录，如果访问的文件在用户文件表中不存在，则将其作为新的用户文件添加到用户文件表中；

第3、自动构建个人电脑上文件的时序关联信息表

每次监控到用户变换文件访问窗口，对时序关联信息表进行更新；基于用户日志表能够得到最后连续访问的两个文件，假定其为(F1,F2)，查询时序关联信息表中是否存在文件标识符1为F1且文件标识符2为F2或者文件标识符1为F2且文件标识符2为F1的记录，如果不存在，则在时序关联信息表中增加一个新的记录，其中各字段的值如下：文件标识符1为F1，文件标识符2为F2且时序关联度为0.5；如果存在，则将这两个文件原来的时序关联度更新，计算公式为：

$W_{\mathrm{new}}=\frac{1}{W_{\mathrm{old}}+1}$

其中W_old为原来的时序关联度，W_new为新计算出来的时序关联度；该公式的计算满足：时序关联度的值在0到1之间；连续访问的次数越多，时序关联度的值越大；

第4、利用关键字匹配方法和时序信息关联表计算查询结果

第4.1输入要查询桌面文件的关键词K₁,K₂,...,K_l，其中下标L为用户输入的关键字个数；

第4.2计算用户文件表中每个文件描述和输入关键字集合的相似度，得到相似度大于1的文件集合{F₁F₂,…,F_n}，n为文件描述与用户输入的关键字相似度大于0的文件个数；

第4.3在时序关联信息表中查询出与{F₁,F₂,…,F_n}任意一个文件具有时序关系的文件集合{D₁,D₂,…,D_m}；

第4.4将{F₁,F₂,...,F_n}和{D₁,D₂,...,D_m}合并进行排序，返回查询结果。

Images