CN107679221A - 面向减灾任务的时空数据获取与服务组合方案生成方法 - Google Patents
面向减灾任务的时空数据获取与服务组合方案生成方法 Download PDFInfo
- Publication number
- CN107679221A CN107679221A CN201710980706.2A CN201710980706A CN107679221A CN 107679221 A CN107679221 A CN 107679221A CN 201710980706 A CN201710980706 A CN 201710980706A CN 107679221 A CN107679221 A CN 107679221A
- Authority
- CN
- China
- Prior art keywords
- service
- disaster
- task
- data
- ddg
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000000203 mixture Substances 0.000 title claims abstract description 12
- 230000000116 mitigating effect Effects 0.000 title abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000009467 reduction Effects 0.000 claims description 104
- 230000006870 function Effects 0.000 claims description 66
- 238000012545 processing Methods 0.000 claims description 42
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000003825 pressing Methods 0.000 claims description 4
- 230000002441 reversible effect Effects 0.000 claims description 4
- 238000013506 data mapping Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims 2
- 238000013461 design Methods 0.000 abstract description 2
- 230000006378 damage Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004149 tartrazine Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向减灾任务的时空数据获取与服务组合方案生成方法,针对面向任务描述的时空数据获取方法,首先设计减灾任务描述模版,输入减灾任务描述语句,并对其预处理;然后提取用户描述语句中的实体,结合知识库中的规则推理输入数据的属性要求;最后构建标准查询语句中的筛选条件;针对面向减灾任务的服务组合方案生成方法,首先在服务元数据中增加数据关联的描述,并引入服务的功能本体;然后,基于服务间的数据关联,使用依赖图构建算法获得服务依赖图;最后,使用有效路径搜索算法验证并筛选依赖图中每条组合路径的功能,并作为服务组合方案推荐给用户;本发明解决了用户通过任务描述获取数据和构建减灾任务组合方案的困难。
Description
技术领域
本发明属于数据挖掘与服务计算技术领域,具体涉及一种面向减灾任务的时空数据获取与服务组合方案生成的构建方法。
背景技术
近年来我国重特大自然灾害频繁发生,给人民生命财产和社会经济可持续发展带来了重大危害。恰当的减灾救灾应急工作可有效减少灾害造成的损失。减灾任务通常是灾情相关数据的获取、处理和评估以获得目标数据产品,可为减灾救灾工作提供重要的信息获取、运算、分析、应用、服务等方面的技术支持。
由于减灾工作的特殊性,相较于其他单位,有如下特点:
(1)以数据为中心:减灾任务通常是灾情相关数据的获取、处理和评估,其业务活动都是针对某种数据产品的生产。而减灾任务的执行就是用合适的服务组成服务链,然后用服务链处理对应的数据或产生目标数据。
(2)时效性要求高:减灾任务通常需要及时响应减灾的具体要求,这对减灾任务处理的时效性具有很高的要求。减灾任务处理系统需要让管理人员及时跟踪减灾任务的执行,对任务执行中的异常情况能够及时了解和处理。
减灾任务是一个由多步骤组成的较为复杂的处理过程。现有的综合减灾系统中执行减灾任务的做法是:由具备减灾专业知识的用户依据经验选择相关灾情数据,然后选择并组合相关的Web服务形成处理流程,将所选数据作为流程的输入数据,最后执行流程处理输入数据后获得目标数据。如目前民政部减灾中心正在使用的“综合减灾系统”是一个综合减灾信息处理系统,该系统中执行减灾任务的过程为:通过组合相关的Web服务构成处理流程,将基础地理数据与遥感影像作为流程的输入,手工为每个服务配置输入输出数据,之后执行处理流程获得目标数据产品,该系统的用户须具备相关的专业知识才能选择恰当的输入数据、正确地组合Web服务。因此,减灾任务处理效果的好坏取决于①能否及时准确的获取相关的灾害数据,以及②能否快速准确的组合相关处理服务生产出目标时空数据。
经过调研发现,目前的减灾任务处理过程有如下特点:查询数据面向关键词查询,依据业务经验手工选择并组合Web服务,手工配置每个服务的输入数据。
现有做法中存在以下弊端:(1)查询数据只能面向关键词查询,然而数据的描述与任务描述之间有一定差距,因此依据关键词查询并不能保证准确定位最合适的数据;并且此种查询方式效率较低。(2)根据任务需求选择相应处理服务时,服务的选择需要靠业务人员凭借经验分析任务执行步骤来指定服务的组合方案。这样就导致了:①具有较高的操作难度和复杂性;②往往难以满足减灾任务处理对时效性的要求。
发明内容
为了解决上述技术问题,本发明提供了一种面向减灾任务的时空数据获取与服务组合方案生成的构建方法,首先根据用户输入的减灾任务描述语句推理,得出一些隐含的信息:即任务处理所需的输入数据、目标数据产品以及数据的属性要求。再基于服务间数据关联以及服务功能本体生成符合任务需求的组合方案。
本发明所采用的技术方案是:一种面向减灾任务的时空数据获取与服务组合方案生成方法,其特征在于:针对面向减灾任务描述的时空数据获取方法,包含以下步骤:
步骤A1:设计减灾任务描述模版;
步骤A2:输入减灾任务描述语句,并对描述语句按照减灾任务描述模版中各元素的预定格式进行规范化处理,消除用户描述中的不规范表达形式;
步骤A3:提取用户描述语句中的实体;
步骤A4:建立知识库,同时结合知识库中的规则推理出减灾任务处理流程所需输入数据的属性要求;
步骤A5:基于上述属性要求构建标准查询语句中的筛选条件,为输入数据的查询提供支持;
针对面向减灾任务的服务组合方案生成方法,包含以下步骤:
步骤B1:在服务元数据中增加服务间数据关联的描述,引入服务的功能本体以增强对服务功能的描述;
步骤B2:基于服务间的数据关联,使用依赖图构建算法获得服务依赖图;
步骤B3:基于功能本体使用有效路径搜索算法,验证依赖图中每条组合路径的功能,从而筛选出符合任务需求的组合路径作为服务组合方案推荐给用户。
相对于现有技术,本发明的有益效果是:
(a)解决了用户通过任务描述获取数据的困难,不需要通过关键词查询来完成;
(b)解决了用户构建减灾任务组合方案的困难,不需要业务人员凭借经验分析任务执行步骤来指定服务的组合方案。
附图说明
图1是本发明系统工作流程图;
图2是本发明实施例的时空数据元数据模型图;
图3是本发明实施例的功能本体树OTree结构模型图;
图4是本发明实施例的数据关联的服务链有向图;
图5是本发明实施例的服务功能本体子树图;
图6是本发明实施例的符合减灾功能的服务链有向图;
图7是本发明实施例的最终组合方案图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
请见图1,本发明首先对涉及的数据与服务做一些必要的说明。减灾任务处理流程所需的数据由数据库中已存在的时空数据、基础地理数据和需要在线获取的实时遥感数据组成,在线实时数据可通过符合OGC标准的数据服务获得。本发明涉及的Web处理服务符合OGC标准,服务协议为REST或SOAP。
本发明的处理系统分为3个层次,用户接口层,智能分析层,数据层。“智能分析层”中“语义分析及任务分解”部分,介绍如何分析用户的减灾任务描述,理解用户的查询意图以准确获取数据。“数据层”中的“生成组合方案”部分,介绍如何生成服务的组合方案。用户接口层为用户提供输入接口;智能分析层可分解用户描述语句并分析用户查询意图,生成标准的查询表达式为数据层提供查询所需的参数;数据层提供参数转化、数据查询以及给出服务组合方案的功能,用户根据推荐的组合方案组合服务进而生产出目标数据。
本发明提出的一种面向任务描述的时空数据获取方法,包含以下步骤:
步骤1:设计了减灾任务的描述模版,用户可根据模版输入减灾任务的描述语句;
步骤1.1:由于时间,位置,灾害,任务是构成完整减灾任务描述的四个基本元素,同时也是用户友好的输入方式(用户可以较为容易的构建这几个基本要素),因此本发明将这四个基本元素纳入到任务描述模版中,模版定义为:
减灾任务描述={时间,位置,灾害,任务};
其中:
“灾害发生时间”:描述了灾害发生的时间点或者时间段,如“2015年5月20日”等;
“灾害发生位置”:描述的是灾害发生的位置或者发生灾害区域的范围,如:“芦山”,“汶川”等。
“灾害名称”:是指发生灾害的种类,如“地震”,“泥石流”等。
“任务名称”:则描述了减灾任务的名称内容和类别等信息,如道“道路损毁评估”,“房屋倒塌评估”等。
从而设计出减灾任务的描述模版;
步骤1.2:用户根据输入模版输入类似结构的减灾任务描述即可:“XXXX年XX月XX日,XX(地区名),XX(灾害类型),XXXX(任务类型)”如“2013年4月20日,汶川,地震,道路损毁评估”,就是一条符合模板规范的减灾任务描述语句。
步骤2:系统对描述语句进行预处理,消除用户描述中的不规范表达形式;
步骤2.1:系统对描述语句进行预处理,消除用户描述中的不规范表达形式,首先对时间预处理,如“2016-10-10”、“2016.10.10”、“20161010”、“2016/10/10”、“10/10/2016”、“10月10日”、“2017年10月10号”(这里只对中文中常见的时间表达方式进行处理)等等,由于用户输入时间格式有多种多样,这里规定的时间格式为XXXX年XX月XX日,因此需要将其它格式的时间表达做一定的转换;
步骤2.2:对位置预处理,与时间不同,由于地名都是由汉字组成,位置输入的出错率一般比较低,可能的情形例如想要输入“雅安市”,用户可能会输入“雅安市”、“雅安”、“雅安省”、“雅安区”、“雅安县”等情况,这里使用的地名词典按照省市区分别标注词性,因此由地名词典识可知“雅安”属于“市”表中,并带有标注信息“四川省,雅安市”,可将用户输入的“雅安X”转化为“雅安市”;
步骤2.3:对灾害预处理,用户输入的灾害名称也会出现不规范的情形,例如将“洪涝灾害”写成了“洪灾”、“洪水”或其它形式等,此时需要计算用户输入的词语与灾害词典中哪一种灾害名称的相似度最高,将用户输入的灾害名称映射到相似度最高的词语上;
步骤2.4:对任务名称预处理,特定的灾害发生可能会产生出有限个具体的减灾任务。灾害名称与任务名称是一对多的关系。根据用户输入的灾害名称,查询该灾害对应的各种任务推荐给用户,用户手动选择一种减灾任务。
步骤3:借助分词工具提取出用户描述语句中的实体;
步骤3.1:这里基于规则的实体识别算法,该算法基于知识库中的规则将任务描述转化为数据属性要求。首先在预处理的减灾任务描述的基础上识别出语句中各实体;
步骤3.2:结合相关的领域知识以及规则,借助分词工具提取出用户描述语句中的实体,得出时间范围、空间范围、灾害名称、任务属性及对应的数据属性等,这里使用巴科斯范式(Bakus-Naur-Form,一种形式化符号来描述给定语言的语法)表示,这四个实体以达到深入理解用户查询意图的目的。
时间:时间数据可分为时间点和持续时间,单位包括“日,月,年”,隐式表达形式有:“春节,端午节”等等。时间点的例子有:“2008年5月12日21:00”。限定词(Qualifier)包括:“之前”,“之后”,“之间”等等,比如:“在2008年5月12日之后”,最终本发明都将其转化为统一的表示形式,描述规则如下所示:
Time Information∷=[Qualifier]+<Value>+[Year]+<Value>+[Month]+<Value>+[Day];
位置:在减灾任务里对位置信息的描述可能有如下形式:“在芦山县南部”,“芦山县”等,这里包含了地名,也可能还包含一些词描述空间范围,空间位置关系,以及空间的方向关系。位置的表达式中包含地名或者空间范围是灾害发生的位置空间位置、空间关系、空间方向的术语方向,限定词(qualifier)表达空间位置关系,例如:“在…南边”,“在…和…之间”。“relationship”是描述空间关系的术语,例如:“相交”等。地名(Toponym)描述例如“行政区划名称”。空间范围(spatialRange)用来描述灾害发生的区域范围。
Location Information∷=[Qualifier]+[Relationship]+{<Toponym>|<Spatial Range>+[Qualifier]};
灾害:任务描述中灾害类型是一个重要的信息,这里将灾害信息:用灾害名称和灾害代码表示。灾害名称如:地震灾害、洪涝灾害等。把自然灾害分为五个灾类,并细分为39个灾种,灾害代码包括灾类码、灾种码和扩展码三个部分,由六位数字编码组成;
灾类码和灾种码均采用数字顺序码,分别用01~98表示,其他用99表示,扩展码用00表示,位数不足的用00补齐,保持代码结构的六位数字构成。如地震灾害(编码为:020100)。描述规则如下:
Disaster Information::=[DisasterName]+<Value>+[DisasterCode]+<Value>;
任务:减灾任务信息是查询语句描述的核心信息,这里将减灾任务信息划分为:任务主题(Sematic),任务主题是指任务执行的专题,有监测类任务、灾害风险评估类任务、灾害损失评估类任务、救助与恢复重建评估类任务四类;任务内容(Action),任务内容则描述具体需要执行的任务是什么,例如道路损毁评估;承灾体(AffectedBody),承灾体指的是直接受到灾害影响的对象,如道路、房屋等;以及该任务对应的遥感数据要求:影像分辨率(Resolution),地图比例尺(Scale),所处波段(WaveBand)。其中遥感数据参数的描述需要限定词(qualifier)规定一些属性要求,如分辨率描述,分辨率不低于100米。规则描述如下:
Task::=[TaskName]+<Value>+{[comsumeData]+<value>+[produceData]+<value>+[Data parameters]+{Qualifier}+<Value>};
步骤4:建立知识库,同时结合知识库中的规则推理出减灾任务处理流程所需输入数据的属性要求;
步骤4.1:知识库用来规范领域知识,组织时间、位置、灾害、任务的概念以及属性,这里参考相关论文、百度文库、维基百科以及全国减灾救灾标准化技术委员会编著的《GB/T26376-2010》等权威技术标准与相关高水平论文,收集整理了有关“自然灾害管理基本术语”、“灾害类型”、“灾害代码”、“灾害应急响应等级”、“自然灾害遥感专题图产品制作要求”等多项灾害领域的专业术语和标准,分析减灾任务与数据的相关概念以及概念之间的关系;
步骤4.2:基于这些资料构建了时间本体、位置本体、灾害本体、任务本体四个知识库中的本体,时间本体描述了灾害发生时间或者灾害持续的时间范围,位置本体描述了灾害位置或者灾害发生的区域范围,灾害本体描述灾害的分类关系及灾害种类,任务本体描述了特定任务类别以及相关数据信息。
时间本体:OWL-Time是一个时间本体库,用来描述网页时间概念以及Web服务的时间属性,它提供一个词表,用于表达数据的时刻和时间间隔之间的拓扑关系。这里采用OWL-Time作为基本的时间本体,时间本体包括时间术语(例如:节日,季节),时间单位(例如:年、月、天),时间限定符(例如:之前、之后)等。汉语中有一些特殊的时间概念,例如中国农历和节气等概念,需要将这些概念加入到时间本体中。这样可以更好的支持中文时间实体的识别。
位置本体:本发明参考了GEONames本体库建立了位置本体。位置本体组织了地名,空间方位关系等概念。
灾害本体:本发明参考了《GB/T 28921—2012自然灾害分类与代码》,基于标准的灾害分类与灾害术语建立灾害本体。灾害类型包括气象水文灾害、地质地震灾害、海洋灾害、生物灾害和生态灾害共5类,灾类下又划分39个灾种。灾害的属性描述包括灾害代码、灾害名称、灾害类型。
任务本体:任务本体中包含减灾任务、时空数据、目标数据产品等三个类。本发明参考GB/T 24438.1—2009、GB/T 24438.2—2012等标准,建立了①减灾任务类,其属性包括任务类型名称、任务特征与含义、所属任务专题等;②时空数据类中包括交通矢量数据、遥感数据、震后遥感影像等子类;③目标数据产品类中包含行政区域界线数据、受损分布数据等子类;目标数据产品类中的属性和实例参照GB/T 28923.1-2012、GB/T 28923.2-2012、GB/T 28923.3-2012、GB/T 28923.4-2012等标准文件中对减灾任务专题图产品的数据要求。通过研究归纳整理出各减灾任务目标数据产品的属性以及属性的值域。特定的减灾任务的处理过程所需的数据以及数据属性不一样。这里在任务本体中描述特定减灾任务处理对应的时空数据、生产出对应的目标数据产品。
步骤4.3:构建时空计算规则以及任务推理规则;
建立规则以发掘出更多有效信息去帮助本发明更加精确的查询到需要的信息,对于时空计算规则,这里制定时间与空间的转换规则,并利用规则去发现准确的时间和位置,例如,时间的处理有:相对时间(如:今天)的表达方式标准化和隐式时间(如春天)的表达转换等。空间的处理有:利用空间分析计算、空间关系计算、坐标变换(首选WGS84)等确定空间范围;对于任务推理规则,用户输入的减灾任务描述中没有指定该任务类别对应的数据属性标准及要求,因此采用基于各个任务专题(监测、风险评估、损失评估、救助与恢复重建评估)中各任务处理的数据属性要求和SWRL(语义网规则语言Semantic Web Rule Language)的推理表达式,其中SWRL(Semantic Web Rule Language)是由以语义的方式呈现规则的一种语言,SWRL的规则部分概念是由RuleML(规则标记语言,Rule Markup Language)所演变而来,再结合OWL本体论形成,目前SWRL已经是W3C规范中的一员,在RuleML中以head表示推理结果,body表示推理前提的基本形态被保留在SWRL中,所以SWRL可视为规则和本体论的结合,透过两者的组合可使撰写规则时,直接使用本体论中所描绘的关系和词汇,这些类别之间的关系本来可能还需要额外的法则描述,但SWRL中可以直接使用本体论描述,例如在本体论中定义了下列关系:
I hasParent(x2,x1)
I hasBrother(x1,x3)
透过本体论描述可以知道x1是x2的父母,x1有一个兄弟是x3,此时欲使用SWRL设计一条规则说明x2和x3之间的关系,即在何种情况下x2和x3有叔叔的关系,如下:
Body
I hasParent(x2,x1)
I hasBrother(x1,x3)
Head
I hasUncle(x2,x3)
此规则所表达的具体语义是:当x1是x2的父母且x1和x3是兄弟时,则可以推理得出x3是x2的叔叔;
结合知识库中的规则推理出减灾任务处理流程所需输入数据的属性要求。例如,“道路损毁评估”是一个典型的评估类任务,这个任务处理流程所需的输入数据是灾后遥感影像数据和道路矢量数据,目标数据为损毁分布图,输入的数据要求为覆盖灾区的光学或微波遥感影像数据;遥感影像的属性要求为:空间分辨率不低于3m,矢量数据的比例尺不小于1:50000,推理规则可以表述如下:
Road damage assessment(?task)→Thematic map properties(?x)hasSpatialResolution(?x,y)^swrlb:lessThan(?y,3)^hasScale(?x,?z)^swrlb:NotlessThan(?z,1:50000)^hasBand(?x,?b)^bandName(?b,?bName)^swrlb:stringEqualIgnoreCase(?bName,"Optical or Microwave");
步骤5:基于上述属性要求构建标准查询语句中的筛选条件,为输入数据的查询提供支持。
步骤5.1:在分解得到用户查询的命名实体后,本发明还需要将实体描述规范化以便识别处理。例如本发明可以看一下下面的例子:“2003年8月21日,芦山南部地震,道路损毁评估”。基于规则和知识库识别出任务中的时间实体、位置实体、灾害实体、任务实体,因此识别的结果为:
时间实体:“2003年8月21日”
位置实体:“芦山南部”
灾害实体:“地震”
任务实体:“道路损毁评估”
步骤5.2:在识别出实体之后还有一步是标准化和推理。这一步是为了将识别出来的实体转化为标准的时间信息,空间信息,灾害信息以及任务信息。
时间信息:时间信息使用标准的时间表达方式:开始时间:2003-08-21T00:00:00,结束时间:2003-08-21T24:00:00
空间信息:芦山南部这个位置信息会被转化为经纬度来表示灾害发生的空间位置,本发明将芦山的地理范围用一个外接矩形表示,本发明将外接矩形分为2*2的四块部分,表示方位区域,分别为西北部,东北部,东南部和西南部。那么“芦山南部”,则取芦山区域外接矩形的东南部和西南部两块拼接成的矩形。
标准的表示形式为:经度范围:E102°47′32.76″~E102°55′41.61″纬度范围:N30°07′94.12″~N30°08′39.07″。
灾害信息:灾害名称:地震;编码:020100
任务信息:本发明可以得到任务实体为“道路损毁评估”,由知识库推理可以发现隐含的信息:任务主题、任务内容、承灾体、遥感数据参数:影像分辨率,地图比例尺,所处波段。标准化如下,任务主题:损毁评估类,任务内容:道路损毁评估,承灾体:道路,分辨率:not less than 3m,比例尺:not smaller than1:50000,波段:光学或微波。
对于前面所述的面向任务描述的时空数据获取方法,其特征在于,减灾任务信息处理的时空数据元数据中包含卫星平台标识信息、空间范围、时间范围、数据质量、分辨率、数据格式、波段属性、传感器信息、参照系等11种遥感影像数据属性信息。如图2所示的数据元数据模型。通过以上处理可以获得减灾任务描述中的时间范围、空间范围、灾害名称、任务名称、任务处理所需数据及属性等。本发明可以将这些数据属性限制条件组合成查询条件中的筛选条件Ri{Ti|Pi,Li|Ai,Di,TPi}(见基于规则的实体识别算法),基于这些条件可以支持数据的筛选,以便获取准确的时空数据。
本发明还提供一种面向减灾任务的服务组合方案生成方法,包含以下步骤:
步骤1:在服务元数据中增加服务间数据关联的描述,引入服务的功能本体以增强对服务功能的描述;
步骤1.1:定义具有数据关联的服务模型,服务元数据模型Service=<URI,Schema,Input,Output,Links,FS>,其中URI是服务的唯一标识,Schema是服务输入输出的数据模式,Input是服务的输入参数,output是服务的输出参数,Links={Shlink1,Shlink2,…,Shlinkn}是服务包含的一组服务超链,表示该服务与其他服务之间的数据映射关系。FS表示服务的功能描述,服务元数据中包含了指向其他服务的超链后,使用服务时可以直接发现与该服务有数据关联的其他服务,便于发现和组合服务;
步骤1.2:建立减灾任务的功能本体,服务的功能描述模型(ServiceFunctionOntology,SFO)由二元组构成,SFO=<V,N>,其中V表示一个动词,描述了服务的动作,N是一个名词或者一个短语,描述服务处理的对象,V和N的组合构成了动宾结构,可以描述一个服务的功能。
这里建立减灾任务的功能本体,构建的功能本体树中上下层次之间存在两种关系①部分整体关系:本体树中某节点,其任意一个孩子节点都是其功能的组成部分,孩子节点之间功能不重复,且合并孩子节点的功能等价于该节点功能;②具体化关系:某节点的孩子节点表达的功能更为具体,该节点表达的功能更加抽象。可使用“与或树”的形式来表示功能本体树OTree以及节点之间的关系。如图3所示。
其中,节点SFO112和SFO113之间有弧线连接,称为与节点,意思是合并两个节点后的功能等价于其父节点O11的功能(SFO112∧SFO113≡O11);SO131和SFO132这种没有短弧线连接的节点称为或节点,其中的任意一个节点都可以完成其父节点O13的功能(SO131∨SFO132≡O13)。“与”节点与其父节点构成了部分-整体关系,“或”节点与其父节点构成了具体化关系。其中,
原子服务的功能本体:功能本体树中的叶子节点(用□表示的节点),指没有经过功能合并的可提供相对单一功能的服务。
复合服务的功能本体:功能本体树中的非叶子结点(用○表示的节点),指由原子服务组合而成的可提供相对复杂的功能。
功能本体合并:按照上述的与或树层级之间的关系,可以合并若干叶子结点,得到一个相对复杂的处理功能。这里将由叶子结点的功能本体合并为复杂功能本体的过程称为功能本体的合并。
步骤2:基于服务间的数据关联,使用依赖图构建算法可获得服务依赖图;
步骤2.1:提出了基于数据关联的服务间数据依赖图的构建方法:假定减灾任务处理流程的输入集合为TI,输出集合为TO,为方便表示,引入抽象服务节点S0和E,将TI作为S0的输出集,TO作为E的输入集,S0和E分别作为开始节点和结束节点,定义数据依赖图DDG(Data Dependence Graph),服务数据依赖图:服务数据依赖图是基于服务间的数据关联用来表示服务之间数据依赖关系的有向图,一个服务A能出现在服务依赖图中,当且仅当图中存在服务集合B,使得A的输入和B的输出构成了输入输出数据匹配,与A存在关联的一个或多个前驱节点通过有向弧与之连接;
步骤2.2:数据依赖图DDG构建算法步骤如下:设DDG-Output是依赖图中所包含服务输出的并集,S0∈DDG,则DDG-Output=TI(∈表示将S0加入DDG中);
步骤2.3:考察服务库(使用实验室开发的服务注册系统,将服库预先注册到服务库中)中与DDG具有数据关联的服务,任意Service的Input→DDG-Output,则将此服务加入到DDG中Service∈DDG。(→表示服service与的输入数据input与DDG-Output之间存在数据映射关系);
步骤2.4:更新DDG,直至DDG-Output不再变化,否则转步骤2.3。
步骤2.5:遍历访问数据依赖图DDG中的任意节点DDG-Node,从该节点开始深度优先遍历,若遍历结束时没有访问到节点E,则删除节点DDG-Node,最后得到以S0为起点,E为终点的数据依赖图DDG。
步骤2.6:通过搜索服务数据依赖图DDG来发现是否存在满足减灾任务输入输出数据的子图,实现任务需求的组合方案就存在于以减灾任务输入数据为起点、输出数据为终点的子图中。
步骤3:基于功能本体使用有效路径搜索算法,验证依赖图中每条组合路径的功能,从而筛选出符合任务需求的组合路径作为服务组合方案推荐给用户。
步骤3.1:用一个三元组来表示一个减灾任务Task=<TI,TO,TF>,其中,TI表示的是任务处理流程的输入,TO表示任务处理流程的输出,TF表示的是减灾任务的功能需求,可以构造出反映数据依赖的有向图(服务间数据依赖图),在有向图中,将符合任务功能的服务组合路径称为有效方案或者有效路径。为了找出其中的有效路径,提出了一种搜索有效路径的算法,已知任务的功能需求为TF,在功能本体树中,将以该节点为根节点的子树复制出来待使用;
步骤3.2:搜索有效路径的算法过程如下:将功能子树的每个孩子节点标记为未映射状态T=0。声明一个栈stack并初始化,从有向图(服务间数据依赖图)的终止节点E开始,准备进行逆向的搜索;
步骤3.3:使用深度优先算法对有向图进行逆向搜索,将每一次深度优先搜索回退之前的搜索路径压入栈stack中,并将stack中的元素存入路径集合Link[i]中,即本发明可得到了一条单向无分枝服务链Link[i]。其中Link表示一个服务链,i表示第i条服务链;
步骤3.4:遍历Link[i],将Link[i]中元素映射到本体子树的叶子节点上,按照功能本体的组合方法,将这些叶子节点以及叶子节点所有可以组合得到的节点标注为T=i,表示该节点由Link[i]中的元素映射;
步骤3.5:回退一步,检查是否有未被访问的分枝,若有,则继续从分枝节点进行深度遍历,将遍历路径压入Stack栈中,并出栈存储到Link[i];直至访问完子图中所有节点;
步骤3.6:若子树的根节被映射到,即从根节点出发,遍历子树,若存在构成完整功能的节点集合,则根据子树节点上的T值,取i=T路径Link[i]的并集,输出合并后的服务集合,该集合即为有效的服务组合方案;若根节点没有被映射到则不存在符合减灾任务功能需求的组合方案,至此搜索有效路径的算法构建完成;
步骤3.7:以上过程已经选择出了符合用户功能需求的一系列服务组合集合,没有对组合方案的质量考量,因此无法得知服务组合方案的好坏。基于减灾任务的需求,结合一般服务共性的Qos属性,抽取了几个衡量减灾领域服务质量的Qos属性,如下五项:服务费用、服务执行的响应时间、服务可靠性、可用性、服务发布机构单位权威性。QoS的各属性数据类型不同,需要将各个属性作归一化处理映射到0~1之间的数值。数值越近1表示该该属性评分越高。其中权威等级本发明分为10个等级,从高到低分别用10~1的十个整数表示,本发明采用归一化的方法为
在上述公式中,q为该属性值标准化的结果,t为分级的级数,index表示等级所在的位置,当打分为10分时,index=0,q=1。
对于连续型整数数据,有两种类型:①成本型参数②效益型参数。顾名思义,成本型参数就是值越小,评分越好,如服务费用越低表示费用这个属性的评分越好。效益型参数就是值越大,评分越好,如可靠性值越大评分越好。
①如果是成本型参数,即越低越好的参数,公式为:
②如果是效益型参数,即越高越好的参数,公式为:
其中q表示归一化结果,qmax表示多个服务中该属性的最大值,qmin则表示最小值,qi表示多个服务中该属性的值。比如有三个同样功能不同价格的三个服务价格分别为:100,200,300,因为服务价格是成本型参数,所以在标准化时应该采用对应公式,计算结果为q=1,因此价格为100的服务质量最好。
步骤3.8:最后为每个参数设置不同的权值,设定的QoS属性有5个,权值w1,w2,w3,w4,w5,分别是用户为费用、响应时间、可靠性、可用性、权威性标注的权值,w1+w2+w3+w4+w5=1(wi>0,i∈(1,2,3,4,5)),用户可根据各参数重要程度设置不同的权值大小。将各个属性标准化后的数值乘以权值得到值为CQoS。
至此已经得到了若干功能有效的服务组合方式,这里认为服务之间QoS相互独立,互不影响,按照公式4.4计算组合方案中每个服务CQos的均值,数值最大者为质量最高,从而筛选出符合任务需求的组合路径作为服务组合方案推荐给用户。
对于面向减灾任务的时空数据获取与服务组合方案生成的构建方法,以“汶川地震道路损毁评估”为案例,详细介绍了本方法的执行过程,本方法在该案例中的成功执行证实了本方法的可行性。
以汶川地震道路损毁评估为例详细介绍任务描述的输入模板,任务实体的识别,基于规则的推理算法使用,标准化;服务组合方案的生成过程,功能验证过程,最后依照质量筛选组合方案的全过程。
用户输入:根据用户输入模版:{灾害发生时间,灾害发生位置,灾害类型,任务类型},本次测试的减灾任务的描述可以确定为:“2008年5月12日,汶川,地震灾害,道路损毁评估”。
任务实体识别:分词工具将任务描分词结果为:“2008年/t5月/t12日/t,/wd汶川/ns,/wd地震灾害/disaster,/wd道路损毁评估/task”,提取任务的基本元素,提出无用元素结果为:时间(t):2008年5月12日,地点(ns):汶川,灾害类型(disaster):地震灾害,任务类型(task):道路损毁评估。
推理结果:使用识别算法处理任务基本元素,算法的输出为结果集Ri{Ti|Pi,Li|Ai,Di,TPi},这里i=1,时间元素只有一个,因为算法直接将T=“2008年5月12日”加入R中;地点元素只有一个“汶川”,将L=“汶川”加入结果集R中;将灾害类型D=“地震灾害”加入R;由任务类型“道路损毁评估”进行一些推理,基于任务类型本体知识库,道路损毁评估的任务输入数据为:①震前交通矢量图,②震前遥感影像;任务的目标专题图产品(即任务处理流程输出数据):①受损交通设施分布数据、遥感影像数据;输入输出数据的要求:对于遥感影像数据,要求波段为光学或微波,空间分辨率不低于3m;对于行政区域界线数据要求格式为矢量数据,比例尺不小于1:50000。
标准化:将这几个元素标准化的结果为:①时间信息,开始时间2008-05-12T00:00:00,结束时间:2008-05-12T24:00:00。②空间信息,标准化为经纬度:纬度:N30°45′~N31°43′;经度:102°51′~103°44′,③灾害类型:地质地震类——地震,④任务信息:任务信息包括任务基本信息、基础数据、目标数据三个部分。基本信息包括任务专题:损失评估、任务名称:道路损毁评估;输入数据:[震前遥感影像、震前交通矢量图];目标数据:[受损道路分布数据、遥感影像数据]。通过该查询条件可获得相应的数据,格式如下:
标准化查询条件:
服务组合方案生成:经过以上步骤已经有规则推理出任务处理所需的输入输出数据属性,以及可以根据输入数据属性查询获得输入数据。接下来需要构建出服务的组合方案。已经获得了任务处理输入数据:震前交通矢量数据、震后遥感图像;目标数据为:道路损毁评估结果。服务库中有如下候选服务:图像几何校正服务、图像信息增强服务、图像融合服务、图像纹理分析服务、地面三维激光点云数据处理服务、监督分类服务、非监督分类服务、设置数据源服务、多尺度分割服务、面向对象遥感图像分类服务、震害建筑物信息提取服务、震害道路信息提取服务、损毁评估。需要从这13个候选服务中组合出符合道路损毁评估功能的服务链。这里列出了服务的名称、输入输出以及服务的功能描述,如表1所示:
表1候选服务集
可以通过服务数据依赖图构建算法得到一组服务组合方案。这组方案只考虑服务之间输入输出的匹配,不考虑服务功能。服务之间的数据依赖关系如图4所示。其包含组合方案有<S0,S1,S2,S8,S9,S10,S12,S13,R>,<S0,S1,S2,S9,S10,S12,S13,R>,<S0,S1,S2,S7,S12,S13,R>等30组组合方案。其中S0和R均为虚拟服务,分别表示任务执行流程的输入与输出,服务之间的箭头表示服务的输出数据与下一个服务输入数据之间有映射关系。
前面已经获得了基于服务间数据关联的服务组合方案集合,接下来需要进一步验证服务的功能是否满足任务处理功能的需求。通过数据关联获得的组合方案仅满足服务间数据关联,不是所有方案可以满足减灾任务功能,甚至没有满足任务功能的方案。为验证组合方案的功能是否满足任务功能需求:首先建立了地震领域减灾任务的功能本体树,将以“道路损毁评估”功能为根节点的功能本体子树复制出来,“道路损毁评估任务”由“图像预处理”、“震害提取”、“评估与提取”等子任务组成,如图5所示的“道路损毁评估”功能本体模型。
之后基于服务数据依赖关系图,采用有效路径算法验证出符合任务功能的组合路径,并搜索出满足“道路损毁评估”任务功能的服务组合路径。如图6所示。其中路径包含<S0,S1,S2,S8,S9,S10,S12,S13,R>,<S0,S1,S2,S7,S12,S13,R>,<S0,S1,S2,S6,S12,S13,R>等3个符合任务功能的组合方案。
如图4,由S0到R有多条路径,说明有多条符合任务功能的服务链组合,已经求得若干条满足功能需求的服务链组合方案。为用户展示结果时,需要按照服务质量由高到低的顺序展示。在此设置各Qos属性的权值,根据公式求得服务链CQos。<S0,S1,S2,S8,S9,S10,S12,S13,R>CQos值最大,即质量最优的服务组合如图7所示。
将该组合方案推荐给用户,用户根据方案组合相应的服务组建任务处理流程。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (9)
1.一种面向减灾任务的时空数据获取方法,其特征在于:包含以下步骤:
步骤A1:设计减灾任务描述模版;
步骤A2:输入减灾任务描述语句,并对描述语句按照减灾任务描述模版中各元素的预定格式进行规范化处理,消除用户描述中的不规范表达形式;
步骤A3:提取用户描述语句中的实体;
步骤A4:建立知识库,同时结合知识库中的规则推理出减灾任务处理流程所需输入数据的属性要求;
步骤A5:基于上述属性要求构建标准查询语句中的筛选条件,为输入数据的查询提供支持。
2.根据权利要求1所述的面向减灾任务的时空数据获取方法,其特征在于:步骤A1中所述减灾任务描述模版,包括灾害发生时间、灾害发生位置、灾害名称、减灾任务名称这四个基本元素。
3.根据权利要求1所述的面向减灾任务的时空数据获取方法,其特征在于:步骤A3中,结合相关的领域知识以及规则,借助分词工具提取出减灾任务描述语句中的实体,得出灾害发生时间、灾害发生位置、灾害名称、减灾任务名称,并使用巴科斯范式表示。
4.根据权利要求1所述的面向减灾任务的时空数据获取方法,其特征在于,步骤A4的具体实现包括以下子步骤:
步骤A4.1:收集包括“自然灾害管理基本术语”、“灾害类型”、“灾害代码”、“灾害应急响应等级”、“自然灾害遥感专题图产品制作要求”在内的多项灾害领域的专业术语和标准,分析减灾任务与数据的相关概念以及概念之间的关系;
步骤A4.2:构建时间本体、位置本体、灾害本体、任务本体四个知识库中的本体;时间本体用于描述灾害发生时间或者灾害持续的时间范围,位置本体用于描述灾害位置或者灾害发生的区域范围,灾害本体用于描述灾害的分类关系及灾害种类,任务本体用于描述特定任务类别以及相关数据信息;
步骤A4.3:构建时空计算规则以及任务推理规则;
所述时空计算规则,是时间与空间的转换规则,利用规则去发现准确的时间和位置;
所述任务推理规则,采用基于各个任务专题中各任务处理的数据属性要求和语义网规则语言SWRL的推理表达式,结合知识库中的规则推理出减灾任务处理流程所需输入数据的属性要求;所述任务专题包括监测、风险评估、损失评估、救助与恢复重建评估。
5.一种面向减灾任务的服务组合方案生成方法,其特征在于:包含以下步骤:
步骤B1:在服务元数据中增加服务间数据关联的描述,引入服务的功能本体以增强对服务功能的描述;
步骤B2:基于服务间的数据关联,使用依赖图构建算法获得服务依赖图;
步骤B3:基于功能本体使用有效路径搜索算法,验证依赖图中每条组合路径的功能,从而筛选出符合任务需求的组合路径作为服务组合方案推荐给用户。
6.根据权利要求5所述的面向减灾任务的服务组合方案生成方法,其特征在于,步骤B1的具体实现包括以下子步骤:
步骤B1.1:定义具有数据关联的服务模型,在服务元数据中设定指向其他服务的超链;
步骤B1.2:建立减灾任务的功能本体;
功能本体树的上下层次之间存在部分整体关系和具体化关系两种关系,功能本体包括原子服务的功能本体和复合服务的功能本体;并对功能本体合并,将由叶子结点的功能本体合并为复杂功能本体。
7.根据权利要求5所述的面向减灾任务的服务组合方案生成方法,其特征在于,步骤B2的具体实现包括以下子步骤:
步骤B2.1:构建基于数据关联的服务间数据依赖图;
假定减灾任务处理流程的输入集合为TI,输出集合为TO,引入抽象服务节点S0和E,将TI作为S0的输出集,TO作为E的输入集,S0和E分别作为开始节点和结束节点,定义数据依赖图DDG,服务数据依赖图:服务数据依赖图是基于服务间的数据关联用来表示服务之间数据依赖关系的有向图;
步骤B2.2:构建数据依赖图DDG;
设DDG-Output是依赖图中所包含服务输出的并集,S0∈DDG,则DDG-Output=TI,其中∈表示将S0加入DDG中;
步骤B2.3:考察服务库中与DDG具有数据关联的服务,任意服务Service的输入数据Input→DDG-Output,则将此服务加入到DDG中,Service∈DDG;其中,→表示服务service的输入数据input与DDG-Output之间存在数据映射关系;
步骤B2.4:更新DDG,直至DDG-Output不再变化,否则转步骤B2.3;
步骤B2.5:遍历访问数据依赖图DDG中的任意节点DDG-Node,从该节点开始深度优先遍历,若遍历结束时没有访问到节点E,则删除节点DDG-Node,最后得到以S0为起点,E为终点的数据依赖图DDG;
步骤B2.6:通过搜索服务数据依赖图DDG来发现是否存在满足减灾任务输入输出数据的子图,实现任务需求的组合方案就存在于以减灾任务输入数据为起点、输出数据为终点的子图中。
8.根据权利要求5所述的面向减灾任务的服务组合方案生成方法,其特征在于,步骤B3的具体实现包括以下子步骤:
步骤B3.1:用一个三元组来表示一个减灾任务Task=<TI,TO,TF>,其中,TI表示的是任务处理流程的输入,TO表示任务处理流程的输出,TF表示的是减灾任务的功能需求,构造出反映数据依赖的服务间数据依赖图;在服务间数据依赖图中,将符合任务功能的服务组合路径称为有效方案或者有效路径;
步骤B3.2:搜索有效路径;
具体实现包括以下子步骤:
步骤B3.2.1:将功能子树的每个孩子节点标记为未映射状态T=0;声明一个栈stack并初始化,从服务间数据依赖图的终止节点E开始,准备进行逆向的搜索;
步骤B3.2.2:使用深度优先算法对有向图进行逆向搜索,将每一次深度优先搜索回退之前的搜索路径压入栈stack中,并将stack中的元素存入路径集合Link[i]中,本发明得到一条单向无分枝服务链Link[i];其中Link表示一个服务链,i表示第i条服务链;
步骤B3.2.3:遍历Link[i],将Link[i]中元素映射到本体子树的叶子节点上,按照功能本体的组合方法,将这些叶子节点以及叶子节点所有可以组合得到的节点标注为T=i,表示该节点由Link[i]中的元素映射;
步骤B3.2.4:回退一步,检查是否有未被访问的分枝,若有,则继续从分枝节点进行深度遍历,将遍历路径压入Stack栈中,并出栈存储到Link[i];直至访问完子图中所有节点;
步骤B3.2.5:若子树的根节被映射到,即从根节点出发,遍历子树,若存在构成完整功能的节点集合,则根据子树节点上的T值,取i=T路径Link[i]的并集,输出合并后的服务集合,该集合即为有效的服务组合方案;若根节点没有被映射到则不存在符合减灾任务功能需求的组合方案,至此搜索有效路径的算法构建完成;
步骤B3.3:选择出符合用户功能需求的一系列服务组合集合;
步骤B3.4:基于减灾任务的需求,结合一般服务共性的Qos属性,抽取了几个衡量减灾领域服务质量的Qos属性,包括服务费用、服务执行的响应时间、服务可靠性、可用性、服务发布机构单位权威性;为每个参数设置不同的权值w1、w2、w3、w4、w5,w1+w2+w3+w4+w5=1;用户可根据各参数重要程度设置不同的权值大小;将各个属性标准化后的数值乘以权值得到值为CQoS;至此已经得到了若干功能有效的服务组合方式,计算组合方案中每个服务CQos的均值,数值最大者为质量最高,从而筛选出符合任务需求的组合路径作为服务组合方案推荐给用户。
9.根据权利要求8所述的面向减灾任务的服务组合方案生成方法,其特征在于,步骤B3.3中,基于减灾任务的需求,结合一般服务共性的Qos属性,抽取了几个衡量减灾领域服务质量的Qos属性,包括服务费用、服务执行的响应时间、服务可靠性、可用性、服务发布机构单位权威性;其中费用和响应时间数据类型是整型;可靠性、可用性值使用0~1的小数表示,权威性等级用1~10的整数表示;将各个属性作归一化处理映射到0~1之间的数值;数值越近1表示该该属性评分越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980706.2A CN107679221B (zh) | 2017-10-19 | 2017-10-19 | 面向减灾任务的时空数据获取与服务组合方案生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710980706.2A CN107679221B (zh) | 2017-10-19 | 2017-10-19 | 面向减灾任务的时空数据获取与服务组合方案生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107679221A true CN107679221A (zh) | 2018-02-09 |
CN107679221B CN107679221B (zh) | 2021-03-16 |
Family
ID=61141007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710980706.2A Expired - Fee Related CN107679221B (zh) | 2017-10-19 | 2017-10-19 | 面向减灾任务的时空数据获取与服务组合方案生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679221B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN109213883A (zh) * | 2018-08-22 | 2019-01-15 | 清华大学深圳研究生院 | 灾害模型群服务链编排方法及装置、终端、存储介质 |
CN110471646A (zh) * | 2019-08-08 | 2019-11-19 | 曹刚 | 一种通过人工配置实现复杂程序逻辑的方法 |
CN111241067A (zh) * | 2020-01-14 | 2020-06-05 | 智恒科技股份有限公司 | 一种水务大数据挖掘建模管理方法、装置、设备和介质 |
CN111428762A (zh) * | 2020-03-12 | 2020-07-17 | 武汉大学 | 联合深度数据学习和本体知识推理的可解释性遥感影像地物分类方法 |
CN112286926A (zh) * | 2020-12-28 | 2021-01-29 | 江苏数兑科技有限公司 | 一种基于办事事项数据供需图谱梳理数据质量规则的方法 |
CN112765407A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 物联网环境下基于用户偏好的QoS服务组合方法 |
CN113391953A (zh) * | 2021-06-07 | 2021-09-14 | 北京同创永益科技发展有限公司 | 一种基于dag的复杂灾备切换流程回退方法 |
CN113487251A (zh) * | 2021-09-07 | 2021-10-08 | 成都国星宇航科技有限公司 | 基于一键式遥感的自然灾害预警与应急响应方法与系统 |
CN116756344A (zh) * | 2023-08-16 | 2023-09-15 | 中南大学 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
CN117172633A (zh) * | 2023-10-30 | 2023-12-05 | 浙江大学高端装备研究院 | 一种面向工业互联网平台的制造服务子图仿真方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093493A (zh) * | 2006-06-23 | 2007-12-26 | 国际商业机器公司 | 数据库查询语言转换方法、转换装置、数据库查询系统 |
CN102495875A (zh) * | 2011-12-02 | 2012-06-13 | 上海海洋大学 | 一种基于数据挖掘的海洋灾害预警专家系统 |
CN102830954A (zh) * | 2012-08-24 | 2012-12-19 | 北京中科信芯科技有限责任公司 | 指令调度方法及装置 |
CN103577611A (zh) * | 2013-11-25 | 2014-02-12 | 方正国际软件有限公司 | 数据统一装置和数据统一方法 |
-
2017
- 2017-10-19 CN CN201710980706.2A patent/CN107679221B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093493A (zh) * | 2006-06-23 | 2007-12-26 | 国际商业机器公司 | 数据库查询语言转换方法、转换装置、数据库查询系统 |
CN102495875A (zh) * | 2011-12-02 | 2012-06-13 | 上海海洋大学 | 一种基于数据挖掘的海洋灾害预警专家系统 |
CN102830954A (zh) * | 2012-08-24 | 2012-12-19 | 北京中科信芯科技有限责任公司 | 指令调度方法及装置 |
CN103577611A (zh) * | 2013-11-25 | 2014-02-12 | 方正国际软件有限公司 | 数据统一装置和数据统一方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN108921295B (zh) * | 2018-06-28 | 2021-08-10 | 合肥中科加点智能科技有限公司 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
CN109213883A (zh) * | 2018-08-22 | 2019-01-15 | 清华大学深圳研究生院 | 灾害模型群服务链编排方法及装置、终端、存储介质 |
CN110471646A (zh) * | 2019-08-08 | 2019-11-19 | 曹刚 | 一种通过人工配置实现复杂程序逻辑的方法 |
CN110471646B (zh) * | 2019-08-08 | 2022-09-30 | 曹刚 | 一种通过人工配置实现复杂程序逻辑的方法 |
CN111241067A (zh) * | 2020-01-14 | 2020-06-05 | 智恒科技股份有限公司 | 一种水务大数据挖掘建模管理方法、装置、设备和介质 |
CN111241067B (zh) * | 2020-01-14 | 2022-05-03 | 智恒科技股份有限公司 | 一种水务大数据挖掘建模管理方法、装置、设备和介质 |
CN111428762B (zh) * | 2020-03-12 | 2022-03-15 | 武汉大学 | 联合深度数据学习和本体知识推理的可解释性遥感影像地物分类方法 |
CN111428762A (zh) * | 2020-03-12 | 2020-07-17 | 武汉大学 | 联合深度数据学习和本体知识推理的可解释性遥感影像地物分类方法 |
CN112286926A (zh) * | 2020-12-28 | 2021-01-29 | 江苏数兑科技有限公司 | 一种基于办事事项数据供需图谱梳理数据质量规则的方法 |
CN112286926B (zh) * | 2020-12-28 | 2021-03-30 | 江苏数兑科技有限公司 | 一种基于办事事项数据供需图谱梳理数据质量规则的方法 |
CN112765407B (zh) * | 2020-12-30 | 2022-11-11 | 重庆邮电大学 | 物联网环境下基于用户偏好的QoS服务组合方法 |
CN112765407A (zh) * | 2020-12-30 | 2021-05-07 | 重庆邮电大学 | 物联网环境下基于用户偏好的QoS服务组合方法 |
CN113391953A (zh) * | 2021-06-07 | 2021-09-14 | 北京同创永益科技发展有限公司 | 一种基于dag的复杂灾备切换流程回退方法 |
CN113487251B (zh) * | 2021-09-07 | 2021-12-03 | 成都国星宇航科技有限公司 | 基于一键式遥感的自然灾害预警与应急响应方法与系统 |
CN113487251A (zh) * | 2021-09-07 | 2021-10-08 | 成都国星宇航科技有限公司 | 基于一键式遥感的自然灾害预警与应急响应方法与系统 |
CN116756344A (zh) * | 2023-08-16 | 2023-09-15 | 中南大学 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
CN116756344B (zh) * | 2023-08-16 | 2023-11-14 | 中南大学 | 一种面向全过程的滑坡场景本体构建方法及相关设备 |
CN117172633A (zh) * | 2023-10-30 | 2023-12-05 | 浙江大学高端装备研究院 | 一种面向工业互联网平台的制造服务子图仿真方法及系统 |
CN117172633B (zh) * | 2023-10-30 | 2024-01-30 | 浙江大学高端装备研究院 | 一种面向工业互联网平台的制造服务子图仿真方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107679221B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679221B (zh) | 面向减灾任务的时空数据获取与服务组合方案生成方法 | |
US8990268B2 (en) | Domain-specific syntax tagging in a functional information system | |
CN107851000B (zh) | 用于生成功能架构文档和软件设计文档的方法 | |
Kalfoglou et al. | Ontology mapping: the state of the art | |
Bordogna et al. | A linguistic decision making approach to assess the quality of volunteer geographic information for citizen science | |
Chou et al. | Ontology for developing web sites for natural disaster management: methodology and implementation | |
CN113254507B (zh) | 一种数据资产目录智能构建盘点方法 | |
CN115099315A (zh) | 基于CityGML的多源异构地理信息数据语义融合转换方法 | |
Feng et al. | Geoqamap-geographic question answering with maps leveraging LLM and open knowledge base (short paper) | |
Ahmadian et al. | Semantic integration of OpenStreetMap and CityGML with formal concept analysis | |
Hunter et al. | A knowledge-based approach to merging information | |
Mosca et al. | Object-Based Similarity Assessment Using Land Cover Meta-Language (LCML): Concept, Challenges, and Implementation | |
CN113032353A (zh) | 数据共享方法、系统、电子设备及介质 | |
Durbha et al. | A framework for semantic reconciliation of disparate earth observation thematic data | |
Bernard et al. | Theseus: A framework for managing knowledge graphs about geographical divisions and their evolution | |
CN117473054A (zh) | 基于知识图谱的通用智能问答方法及装置 | |
Ressler et al. | Geospatial ontology trade study | |
CN113868322B (zh) | 一种语义结构解析方法、装置、设备及虚拟化系统、介质 | |
CN115934969A (zh) | 一种不可移动文物风险评估知识图谱构建方法 | |
Li et al. | Spatio-temporal data fusion techniques for modeling digital twin City | |
CN115827885A (zh) | 一种运维知识图谱的构建方法、装置及电子设备 | |
CN114880483A (zh) | 一种元数据知识图谱构建方法、存储介质及系统 | |
An et al. | Geo ontology design and comparison in geographic information integration | |
Kim et al. | Concept analysis of OWL ontology based on the context family model | |
Park | Facilitating interoperability among heterogeneous geographic database systems: A theoretical framework, a prototype system, and evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210316 Termination date: 20211019 |