CN110309505A - 一种基于词嵌入语义分析的数据格式自解析方法 - Google Patents

一种基于词嵌入语义分析的数据格式自解析方法 Download PDF

Info

Publication number
CN110309505A
CN110309505A CN201910444184.3A CN201910444184A CN110309505A CN 110309505 A CN110309505 A CN 110309505A CN 201910444184 A CN201910444184 A CN 201910444184A CN 110309505 A CN110309505 A CN 110309505A
Authority
CN
China
Prior art keywords
word
term vector
message
instruction word
instruction
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.)
Pending
Application number
CN201910444184.3A
Other languages
English (en)
Inventor
林孝康
罗一鸣
张文通
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Gaokai Core Technology Development Co Ltd
Original Assignee
Chongqing Gaokai Core Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Gaokai Core Technology Development Co Ltd filed Critical Chongqing Gaokai Core Technology Development Co Ltd
Priority to CN201910444184.3A priority Critical patent/CN110309505A/zh
Publication of CN110309505A publication Critical patent/CN110309505A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/565—Conversion or adaptation of application format or content

Abstract

本发明提供一种基于词嵌入语义分析的数据格式自解析方法包括：收集不同节点的的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量，形成词向量列表，将所述词向量列表嵌入到各个节点中；发送节点将发送报文中的第一指令词，通过词嵌入的方式转换为第一词向量后，发送报文；接收节点接收所述发送报文，提取发送报文的第一词向量，第一词向量与词向量列表中的词向量匹配，获取词向量列表中，与第一词向量相同或相近的第二词向量，执行第二词向量对应的第二指令词。本发明有效解决非同源设备之间的由于数据格式不一致而无法解析的问题。

Description

一种基于词嵌入语义分析的数据格式自解析方法
技术领域
本发明涉及自然语言处理技术领域，特别涉及一种基于词嵌入语义分析的数据格式自解析方法。
背景技术
随着物联网(Internet of Things,IoT)产业的发展，不同类型的物联网设备如雨后春笋般涌现出来。然而，由于生产标准不一致，不同厂家生产的物联网传感器和处理器之间很难互联互通。用户业务间的互联和信息共享十分困难。在已有物联网解决方案中，物联网节点通信过程中，发送端A和接收端B可能是非同源设备(设备厂商、产品型号或者生产标准不同)而导致的A和B的数据格式对业务数据格式有着不同的定义。
因此，A发出的报文与B接收的报文使用的数据格式定义规约不一致。接受节点由于与发送端采用的数据格式不匹配，导致两个节点之间难以实现有效的信息传递，极大地限制了非同源节点之间互联互通有效范围。
因此，为了解决现有技术中出现的上述问题，需要一种基于词嵌入语义分析的数据格式自解析方法，来解决不同源节点之间互联互通受限的问题。
发明内容
本发明的目的在于提供一种基于词嵌入语义分析的数据格式自解析方法，所述方法包括：
收集不同节点的的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量，形成词向量列表，将所述词向量列表嵌入到各个节点中；
发送节点将发送报文中的第一指令词，通过词嵌入的方式转换为第一词向量后，发送报文；
接收节点接收所述发送报文，提取发送报文的第一词向量，第一词向量与词向量列表中的词向量匹配，获取词向量列表中，与第一词向量相同或相近的第二词向量，执行第二词向量对应的第二指令词。
优选地，所述方法还包括：
接收节点接收发送报文，提取发送报文的第一指令词，将第一指令与第二词向量对应的第二指令词进行相似度判断。
优选地，将第一指令词映射到n维欧式空间中的一个点，将第二指令词映射到n维欧式空间中的一个点，判断两个点的距离。
优选地，收集不同节点的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量过程中，对用于建立训练文本语料库的文献类别进行甄选。
优选地，建立的所述训练文本语料库中出现的第一类词，剔除该类关键词。
优选地，建立的所述训练文本语料库中出现的第二类词，剔除该类关键词。
优选地，当建立的所述训练文本语料库中出现的第一类词或第二类词，通过词嵌入的方式进行词性分析，剔除第一类词或第二类词关键词。
本发明提供的一种基于词嵌入语义分析的数据格式自解析方法，针对通信双方数据格式不一致的场景，基于消息语义对消息数据进行转换，对发送节点的数据包进行关键信息的提取，并将其转化为与接收方匹配的形式，有效解决非同源设备之间的由于数据格式不一致而无法解析的问题。
应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图，本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明，其中：
图1示意性示出了本发明一个实施例中所采用的词嵌入原理示意图。
图2示出了非同源网络节点通信示意图。
图3示出了具有中央控制节点网络的结构示意图。
图4示出了无中央控制节点的Mesh网络的结构示意图。
图5示出了本发明一种基于词嵌入语义分析的数据格式自解析方法的流程框图。
具体实施方式
通过参考示范性实施例，本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而，本发明并不受限于以下所公开的示范性实施例；可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中，将参考附图描述本发明的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
下面通过具体的实施例对本发明的提供的一种基于词嵌入语义分析的数据格式自解析方法进行阐述。为了使本发明的内容得以更加清晰的说明，实施例中首先对词嵌入(Word Embedding)技术的原理进行说明。Google的Tomas Mikolov等人在自然语言处理方面做了重要工作提出了word2vec。基于此技术，现有技术中衍生出Fasttext,Glove,Elmo,Bert等性能更好的词嵌入方法。
词嵌入是将稀疏离散的词汇用一定维度的连续向量表示的方法，通常有CBOW和Skip Gram两种结构。前者是使用某个单词的上下文对其进行出现概率的预测，后者是使用单词本身预测上下文的单词出现概率。二者的结构均为双层神经网络。
特殊地，当上下文单词数为1时，两种结构一致。即使用某一个单词来预测后一个单词出现的概率P(wt+1|wt)。以此为例说明词嵌入的原理，本发明的一个实施例中将采该类词嵌入方式，如图1所示本发明一个实施例中所采用的词嵌入原理示意图。
首先将指令词(例如“调暗”、“降低亮度”)一维有效编码的形式表示，即将指令词转化为one-hot向量X。
再通过一层全连接网络得到输出中间向量E，即为该指令词的嵌入形式表达，中间向量E在经过一层全连接网络即可得到输入概率向量P，概率向量P的各个元素对应整个词表各个单词出现在已知词下一个位置的概率，选出最大的作为预测结果，该结果可能与训练文本语料库中已知词下一个位置出现的单词(Ground Truth Word)，以条件对数似然函数作为目标函数进行迭代训练，利用反向传播算法更新两层神经网络的网络参数，Wk×n和Wn×m经过多轮以后收敛，参数稳定，此时的中间向量E即为指令词的词嵌入表示，中间向量E为词向量。
如图2所示非同源网络节点通信示意图，物联网(IoT)的网络节点间的通信过程中，发送端节点A和接收端节点B可能是非同源设备(设备厂商、产品型号或者生产标准不同)，此时导致A和B的数据格式对业务数据格式有着不同的定义，例如节点A为Zigbee协议，节点B为Bluetooth协议，A发出的报文与B接收的报文使用的数据格式定义规约不一致。
由于接受节点由于与发送端采用的数据格式不匹配，导致两个节点之间难以实现有效的信息传递，极大地限制了非同源节点之间互联互通有效范围。
图3所示具有中央控制节点网络的结构示意图，当网络为具有中央控制节点的网络结构时，网络中心控制端(例如手机等)可以将不同通信协议的数据格式定义标准进行实现和兼容。A节点与B节点通信时，先将报文发送至中心控制节点C，中心控制节点C按照A的通信数据格式接收并解析数据，提取目标节点信息并将数据报文转化为B节点支持的通信数据格式，网络广播后，B节点接受并解析，实现消息传递。这种方式实现简单，但边缘节点之间通信不够灵活。业务量大时易出现网络拥塞，增加通信延时。
如图4所示无中央控制节点的Mesh网络的结构示意图，若无中心控制节点的Mesh网络，节点1至节点7之间彼此相互进行信息传递。本发明提供的一种基于词嵌入语义分析的数据格式自解析方法，主要针对无中央控制节点的Mesh网络的结构，对非同源节点数据格式不匹配，导致两个节点之间难以实现有效的信息传递的问题。
如图5所示本发明一种基于词嵌入语义分析的数据格式自解析方法的流程框图。根据本发明的实施例，一种基于词嵌入语义分析的数据格式自解析方法包括如下方法步骤：
步骤S101、建立训练文本语料库。
如上文阐述，指令词在通过嵌入词方式转换为词向量过程中，需要建立训练文本语料库，在训练文本语料库的基础上进行迭代训练。
本实施例中，对于一些文章、论文、文献中出现的词语并不适合物联网中作为自然语言进行嵌入词的应用基础，例如：需要甄别文献文章的内容类别，集中收集科技新闻、科技文献、智能家居等行业新闻和学术资料，避免收集国际政治、体育赛事、娱乐新闻等。在这些领域通常不会出现物联网场景下所需要的指令词，直接使用会大大增加计算量而对提高性能无益。
此外，即便出现了指令词，其含义或者上下文与物联网领域中该词的含义完全不同的概率极大，不仅增加计算量，也影响了词嵌入向量计算结果的准确性，降低了性能。
为此，本发明收集不同节点的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量过程中，对用于建立训练文本语料库的文献类别进行甄选。
在一些实施例中，利用收集的文章、论文、文献等建立训练文本语料库，在建立的所训练文本语料库中出现第一类词，剔除该类关键词。本实施例中，第一类词是指虚词，例如介词，连词、助词、感叹词等没有实际意义的虚词。
微处理器指令是高度概括极为简练的，而虚词在文章中这些词出现频率高，往往会对其他词的词向量计算过程产生误导作用，弱化性能。在使用词嵌入算法之前，应将虚词去掉，保证最后训练文本语料库的准确性。
在一些实施例中，利用收集的文章、论文、文献等建立训练文本语料库，在建立的所述训练文本语料库中出现第二类词，剔除该类关键词。本实施例中，第二类词是指专有名词，例如人名、地名、国家名等与物联网领域关联不大的实词和专有名词。去掉专业名词，从而保证训练文本语料库的准确性，减少这些词对物联网指令词嵌入向量计算的不必要影响。
根据本发明的实施例，对于建立的训练文本语料库中出现的第一类词或第二类词，通过词嵌入的方式进行词性分析，剔除第一类词或第二类词关键词。
步骤S102、形成词向量列表。
根据本发明的实施例，收集不同节点的的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量，形成词向量列表，将所述词向量列表嵌入到各个节点中。
例如网络中存在多个网络节点A、B、C、D、E、…，收集不同节点的指令词，将不同节点的指令词(以一维有效编码的形式表示)按照上述词嵌入的方式转换为词向量(加入长度为4)，如表1为形成的词向量列表。
表1：词向量列表
将形成的词向量列表嵌入到网络节点A、B、C、D、E、…各个节点中。
步骤S103、不同节点之间发送报文。
发送节点将发送报文中的第一指令词，通过词嵌入的方式转换为第一词向量后，发送报文。
例如节点A向节点B发送报文时，节点A将发送报文的第一指令词(例如“调暗”)，将第一指令词“调暗”通过词嵌入的方式转换为第一词向量“[0.20,0.60,0.10,0.10]”。转换后，节点A向节点B发送报文。
根据本发明的实施例，接收节点接收所述发送报文，提取发送报文的第一词向量，第一词向量与词向量列表中的词向量匹配，获取词向量列表中，与第一词向量相同或相近的第二词向量，执行第二词向量对应的第二指令词。
例如接收节点B接收发送节点发送的报文，但是节点B中保存的指令词为“降低亮度”、“dark”等，无法解析第一指令词“调暗”。根据本发明的实施例，接收节点B提取第一词向量“[0.20,0.60,0.10,0.10]”，第一词向量“[0.20,0.60,0.10,0.10]”与词向量列表中的词向量进行匹配。经过匹配，第一词向量“[0.20,0.60,0.10,0.10]”与词向量列表中的第二词向量“[0.15,0.55,0.12,0.08]”相似度最高，空间距离最近，并且第二词向量“[0.15,0.55,0.12,0.08]”对应的指令词保存在接收节点B中，则接收节点B执行第二词向量对应的第二指令词“降低亮度”。
经过上述过程，非同源设备之间实现了数据格式自解析，两个节点之间实现有效的信息传递。
步骤S104，指令词相似度判断。
根据本发明的实施例，一种基于词嵌入语义分析的数据格式自解析方法，为了更加精确地判断指令词的相似程度，对指令词进行相似度判断。
接收节点接收发送报文，提取发送报文的第一指令词，将第一指令与第二词向量对应的第二指令词进行相似度判断。具体地，将第一指令词映射到n维欧式空间中的一个点，将第二指令词映射到n维欧式空间中的一个点，判断两个点的距离。
例如接收节点B接收到发送节点的发送报文，提取发送报文的第一指令词“调暗”，将第一指令词(以一维有效编码的形式表示)映射到n维欧式空间中的一个点，将接收节点中保存的第二指令词“降低亮度”(通过步骤S103进行词向量匹配后得到)映射到n维欧式空间中的一个点，判断两个点的距离。
具体判断过程，可以设置一个阈值，判断两个点的距离，当距离小于阈值时，则第一指令词与第二指令词具有较高的相似度。
本发明提供的一种基于词嵌入语义分析的数据格式自解析方法，针对通信双方数据格式不一致的场景，基于消息语义对消息数据进行转换，对发送节点的数据包进行关键信息的提取，并将其转化为与接收方匹配的形式，有效解决非同源设备之间的由于数据格式不一致而无法解析的问题。
结合这里披露的本发明的说明和实践，本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的，本发明的真正范围和主旨均由权利要求所限定。

Claims (7)

1.一种基于词嵌入语义分析的数据格式自解析方法，其特征在于，所述方法包括：
收集不同节点的的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量，形成词向量列表，将所述词向量列表嵌入到各个节点中；
发送节点将发送报文中的第一指令词，通过词嵌入的方式转换为第一词向量后，发送报文；
接收节点接收所述发送报文，提取发送报文的第一词向量，第一词向量与词向量列表中的词向量匹配，获取词向量列表中，与第一词向量相同或相近的第二词向量，执行第二词向量对应的第二指令词。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收节点接收发送报文，提取发送报文的第一指令词，将第一指令与第二词向量对应的第二指令词进行相似度判断。
3.根据权利要求2所述的方法，其特征在于，将第一指令词映射到n维欧式空间中的一个点，将第二指令词映射到n维欧式空间中的一个点，判断两个点的距离。
4.根据权利要求1所述的方法，其特征在于，收集不同节点的指令词，并将不同节点的指令词通过词嵌入的方式转换为词向量过程中，对用于建立训练文本语料库的文献类别进行甄选。
5.根据权利要求4所述的方法，其特征在于，建立的所述训练文本语料库中出现第一类词，剔除该类关键词。
6.根据权利要求4所述的方法，其特征在于，建立的所述训练文本语料库中出现第二类词，剔除该类关键词。
7.根据权利要求5或6所述的方法，其特征在于，当建立的所述训练文本语料库中出现的第一类词或第二类词，通过词嵌入的方式进行词性分析，剔除第一类词或第二类词关键词。
CN201910444184.3A 2019-05-27 2019-05-27 一种基于词嵌入语义分析的数据格式自解析方法 Pending CN110309505A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910444184.3A CN110309505A (zh) 2019-05-27 2019-05-27 一种基于词嵌入语义分析的数据格式自解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910444184.3A CN110309505A (zh) 2019-05-27 2019-05-27 一种基于词嵌入语义分析的数据格式自解析方法

Publications (1)

Publication Number Publication Date
CN110309505A true CN110309505A (zh) 2019-10-08

Family

ID=68075130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910444184.3A Pending CN110309505A (zh) 2019-05-27 2019-05-27 一种基于词嵌入语义分析的数据格式自解析方法

Country Status (1)

Country Link
CN (1) CN110309505A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733520A (zh) * 2020-12-30 2021-04-30 望海康信(北京)科技股份公司 文本相似度计算方法、系统及相应设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880617A (zh) * 2011-07-15 2013-01-16 无锡物联网产业研究院 物联网实体搜索方法及系统
CN104144215A (zh) * 2014-07-24 2014-11-12 西北工业大学 一种物联网泛在设备资源模型的构建方法
CN105072613A (zh) * 2015-08-04 2015-11-18 成都世纪光合作用科技有限公司 一种无线网络系统及无线网络接入方法
US20170126741A1 (en) * 2014-01-22 2017-05-04 Ulrich Lang Automated and adaptive model-driven security system and method for operating the same
CN107172051A (zh) * 2017-05-23 2017-09-15 南京邮电大学 一种物联网设备发现和管理的方法
CN108399163A (zh) * 2018-03-21 2018-08-14 北京理工大学 结合词聚合与词组合语义特征的文本相似性度量方法
US20180285397A1 (en) * 2017-04-04 2018-10-04 Cisco Technology, Inc. Entity-centric log indexing with context embedding
CN109792402A (zh) * 2016-07-08 2019-05-21 艾赛普公司 自动响应用户的请求

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102880617A (zh) * 2011-07-15 2013-01-16 无锡物联网产业研究院 物联网实体搜索方法及系统
US20170126741A1 (en) * 2014-01-22 2017-05-04 Ulrich Lang Automated and adaptive model-driven security system and method for operating the same
CN104144215A (zh) * 2014-07-24 2014-11-12 西北工业大学 一种物联网泛在设备资源模型的构建方法
CN105072613A (zh) * 2015-08-04 2015-11-18 成都世纪光合作用科技有限公司 一种无线网络系统及无线网络接入方法
CN109792402A (zh) * 2016-07-08 2019-05-21 艾赛普公司 自动响应用户的请求
US20180285397A1 (en) * 2017-04-04 2018-10-04 Cisco Technology, Inc. Entity-centric log indexing with context embedding
CN107172051A (zh) * 2017-05-23 2017-09-15 南京邮电大学 一种物联网设备发现和管理的方法
CN108399163A (zh) * 2018-03-21 2018-08-14 北京理工大学 结合词聚合与词组合语义特征的文本相似性度量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JUN-SONG FU: "Secure Data Storage and Searching for Industrial IoT by Integrating Fog Computing and Cloud Computing", 《IEEE TRANSACTION ON INDUSTRIAL INFORMATICS》 *
严碧: "制造物联环境下车间多源信息建模与适配方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
于增光: "基于服务的物联网数据交换平台的研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
许斌等: "一种基于事件处理的信息交换方法的研究", 《微型电脑应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112733520A (zh) * 2020-12-30 2021-04-30 望海康信(北京)科技股份公司 文本相似度计算方法、系统及相应设备和存储介质
CN112733520B (zh) * 2020-12-30 2023-07-18 望海康信(北京)科技股份公司 文本相似度计算方法、系统及相应设备和存储介质

Similar Documents

Publication Publication Date Title
JP4456554B2 (ja) データ圧縮方法及び圧縮データ送信方法
CN113259972B (zh) 基于无线通信网络数据仓库构建方法、系统、设备及介质
CN109902274A (zh) 一种将json字符串转化为thrift二进制流的方法及系统
KR20210102039A (ko) 전자 디바이스 및 이의 제어 방법
WO2018121145A1 (zh) 段落向量化的方法和装置
CN115858796A (zh) 一种故障知识图谱构建方法及装置
CN109614626A (zh) 基于万有引力模型的关键词自动抽取方法
CN110347401B (zh) 一种基于语义相似度的API Framework服务发现方法
CN116319599A (zh) 一种承载voip业务的信道分配系统及其方法
CN115828143A (zh) 基于图卷积和自注意力机制实现异构图元路径聚合的节点分类方法
CN116489152A (zh) 物联设备联动控制方法、装置、电子设备和介质
CN110309505A (zh) 一种基于词嵌入语义分析的数据格式自解析方法
CN113360300B (zh) 接口调用链路生成方法、装置、设备及可读存储介质
Gao et al. A deep learning framework with spatial-temporal attention mechanism for cellular traffic prediction
CN116545871A (zh) 一种多模态网络流量预测方法、装置、介质
CN111597139A (zh) 一种gpu的通信方法、系统、设备以及介质
CN115580564A (zh) 一种物联网通信网关动态调用装置
CN113886547A (zh) 基于人工智能的客户实时对话转接方法、装置和电子设备
CN111708936B (zh) 基于相似性传播策略的Web服务推荐系统及方法
CN109462598B (zh) 一种从网络报文中提取账号信息的方法
CN113836395A (zh) 一种基于异构信息网络的服务开发者按需推荐方法及系统
WO2019114481A1 (zh) 集群类型识别方法、装置、电子设备及存储介质
de Aquino et al. A sampling data stream algorithm for wireless sensor networks
CN109408527A (zh) 一种基于向量空间的rdf结构化查询自动构建方法
CN115361032B (zh) 一种用于5g通信的天线单元

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230825