CN110442734B - 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 - Google Patents
基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 Download PDFInfo
- Publication number
- CN110442734B CN110442734B CN201910742770.6A CN201910742770A CN110442734B CN 110442734 B CN110442734 B CN 110442734B CN 201910742770 A CN201910742770 A CN 201910742770A CN 110442734 B CN110442734 B CN 110442734B
- Authority
- CN
- China
- Prior art keywords
- content
- map
- user
- graph
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/1008—Server selection for load balancing based on parameters of servers, e.g. available memory or workload
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
- H04L67/101—Server selection for load balancing based on network conditions
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,通过考虑内容传递的准确性和效率构建基于数据图谱、信息图谱、知识图谱内容库,实现传递方案优化和传递内容的重构,解决不同用户之间对内容理解存在差异的问题,且重构的内容在保留了原内容的关键语义的基础上实现个性化的表述以及对传递内容进行优化整合,提高内容传递的准确性和传递效率。
Description
技术领域
本发明涉及分布式计算和通信技术领域,特别涉及一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法。
背景技术
内容传递既要实现传递形式的无障碍,也要保证传递内容的理解无障碍;现有的大量研究和技术手段主要集中在实现传输形式的无障碍;但在各种场景中,经常出现词不达意、表意不完整、表述赘余等情况,导致内容无效传递或低效率传递;因此,实现传递内容无障碍显得尤为重要。
不同用户之间存在认知积累的差异,实现不同用户之间内容的传递,不能仅停留在数据(Data)的层面;从知识图谱架构的层面,原始的独立数据(Data)没有任何意义,不能用来解答任何特定的问题;或者说,数据(Data)在不同的场景可以具有完全不同的意义;知识图谱通过将每个项目、实体或用户作为结点表示,并且通过边缘将彼此相互作用的那些结点链接起来构造的图形;结点之间的边可以表示任意关系; 知识图谱具有更丰富的自然语义,表达机制更接近于自然语言,蕴含更多更完整的语义信息;因此,基于数据图谱、信息图谱和知识图谱的三层结构框架构建内容库,可以实现对传递内容的精准转述和优化整合,提高传递效率。
发明内容
技术问题:内容传递既要实现传递形式的无障碍,也要保证传递内容的理解无障碍;现有的大量研究和技术手段主要集中在实现传递形式的无障碍;但在各种场景中,经常出现词不达意、表意不完整、表述赘余等情况,导致内容无效传递或低效率传递;因此,实现传递内容无障碍显得尤为重要。
技术方案:针对上述问题,本发明设计一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,用于实现不同用户之间准确快速传递内容;包括基于数据图谱、信息图谱、知识图谱的内容库,基于数据图谱、信息图谱、知识图谱的内容重构,基于数据图谱、信息图谱、知识图谱的内容传输,用户数据积累与隐私保护;主要体现两方面特点,一是传递的准确性,二是传递的效率。
体系结构:
数据图谱:数据图谱能记录实体中的基本属性,但是在没有上下文语境的情况下,它们本身没有意义;数据图谱可以用数组、链表、队列、树、栈、图等数据结构来表达;数据图谱只能进行静态分析,无法表达实体之间的交互关系;同时数据图谱上也未对数据的准确性进行分析,可能出现不同的实体但表示同一含义,例如番茄和西红柿,这两种实体所具有的属性都是相同的,这就产生了数据冗余;
信息图谱:信息是通过数据和数据组合之后的上下文来传达的,经过概念映射和相关关系组合之后的适合分析和解释的信息;信息图谱可以根据关系数据库来表达;信息图谱上进行数据清洗,消除冗余数据;信息图谱可以记录实体之间的交互关系;
知识图谱:知识图谱根据数据图谱和信息图谱进一步完善了实体之间的语义关系,通过信息推理和实体链接提高知识图谱的边密度和结点密度,知识图谱的无结构特性使得自身可以无缝链接。
一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法的实施步骤如下:
构建基于数据图谱、信息图谱、知识图谱的架构的内容库;内容库分为公共内容库和私有内容库两种;在用户端积累用户数据构建私有内容库;内容库初始阶段对用户提供较高的信任度,快速采集用户数据并完整保留用户特征;由用户设定隐私保护的程度,对用户内容库数据进行私有特征删除后,以匿名形式上传,用于构建公共内容库。
下面是两种简化的场景:
①由内容发出方用户S、内容接收方用户D组成的场景。
②由内容发出方用户S、内容接收方用户D、负责内容转述的第三方M组成的场景。
进一步地,场景中可以有多个内容发出方,或多个内容接收方;负责内容转述的第三方也可以有多个,即沟通内容可以经过多次转述。
进一步地,单向传递场景可以扩展为双向的交互场景。
进一步地,所述的端设备,也可以是代理、软件等功能实现形式。
S1:用户S发出要传递的内容,用户S的端设备接收到要传递的内容后,基于用户S的内容库中,对其进行基于数据图谱、信息图谱、知识图谱层面的语义分析。
将用户S要传递的内容在数据图谱、信息图谱、知识图谱层面,映射为其内容库内部分子图来实现对传递内容的语义分析;
(1)将要传递的内容,基于沟通场景信息,确定涉及的子图的范围,结合图谱进行关键词提取;
(2)根据子图获取关键词在不同层面出现的概率(频度),概率较高的关键词确定为核心关键词;
(3)以核心关键词为中心,确定与语义相关的所有关键词及其在子图中的交互关系,进一步缩小要传递的子图范围,从而保证传递内容的准确性和完整性。
S2:对三方场景中涉及的内容库进行比对,确定要传递的子图属于哪种类型块,从而决定传输和重构的可能方案;具体如下表:
其中,在数据图谱层面映射为一个子图,子图可能属于的类型块一共有六种,见附图3;包括四种一般情形,如S内容库无重合部分、S与D内容库两两重合部分、S与M内容库两两重合部分和SMD内容库三者重合部分;两种边界情形:S、M、D内容库完全重合的情形B1,S、M、D内容库相互独立的情形B2;边界情形B1特点是内容库没有私有部分,传递效率最高,可看做一般情形中SMD内容库三者重合部分的特殊情况; 边界情形B2特点是内容库全部是私有部分,隐私保护等级最高,可看做一般情形中S内容库无重合部分的特殊情况。
进一步地,两方传递的场景包含在上述的讨论中。
进一步地,所有方案都可以在D端进行一次个性化的重构;会影响效率,但提升体验感,需要做平衡。
进一步地, 信息图谱层面,内容库不能按照数据图谱层面进行明确的划分,相互之间不存在是否重叠,只存在关联的远近,但相应的方案筛选,也应按照总代价进行负载均衡。
S3:设计算法给出所有可能的基于数据图谱、信息图谱、知识图谱的内容重构方案,以负载均衡为目标对重构方案进行筛选。
重构这一处理过程原则上可以在任一用户端或第三方代理端进行;但用户和第三方代理的内容库都处于不断构造中,不同用户的内容库积累的内容的丰富程度不同,对传递内容的重构能力也存在差别。
重构方案直接影响传输方案,可以在同一客户端完成后所有重构计算再进行传输,或边进行重构计算边传输,如按内容划分后分散在多个客户端完成,或按程度划分后分散在多个客户端完成。
重构方案筛选步骤:
(1)判断不同端设备及内容库的处理能力;
(2)选择有处理能力的端设备和内容库进行处理;
(3)如果都具有相应处理能力,由计算机完成负载均衡工作,从计算的空余和成本角度做出判断;
所述的负载均衡以总代价Cost_Total为标准;总代价Cost_Total与重构代价Cost_Recon和传输代价Cost_Trans有关,根据公式计算方案的总代价:
Cost_Total =Σ(1-αi)*Cost_Reconi +Σ(1-βj)*Cost_Transj
其中,α是方案中重构端的计算空余量与计算能力的比值,β是传输空余量与传输带宽的比值;下标i表示沟通场景中的第i个用户,包括转述的第三方或代理;下标j表示沟通场景中的第j段传输路径;
重构代价Cost_Recon与进行重构的原内容库的容量Range_Ori和目标内容库的容量Range_Tar有关,根据公式计算重构代价:
Cost_Recon =|Range_Ori - Range_Tar|*k
其中,k是内容库差距与计算成本的换算系数,通过机器训练得到;
(4)重构方案的筛选具有一定的灵活性;公共内容库需要积累大量的数据,子图迁移到第三方M后再进行重构,有利于公共内容库扩容和优化,提升适应性和服务能力;而优先在用户端处理,有利于隐私的保护和提高个性化服务能力;用户之间直接传递内容,长期子图迁移使用户间内容库重合程度提高,有助于实现更多内容的直接传输,形成内容传递上的默契。
S4:完成内容传递即子图迁移,基于内容库中已构建的数据图谱、信息图谱、知识图谱,对关键词和图谱中对应的交互关系,重新进行语义解释,形成语义精准、更容易理解的内容,实现个性化的内容重构。
在用户端设备进行的内容重构,可以使用的内容库中私有部分,重构后的内容体现个性化特点,在可理解、可接受的层面进行内容的优化,能提供更好的用户体验;在优先考虑用户体验的情况下,所有需要经过重构的内容,都应在用户端进行个性化重构。
在第三方端设备进行的内容重构,使用的是公共内容库,重构内容倾向于中性、大众化,不具有个性化的特点,仅提供一种效率较高,但准确性一般的转述;在优先考虑效率的情况下,优先考虑采用第三方设备完成重构。
进一步地,对于接收到的传递内容进行重构,也包括基于数据图谱、信息图谱、知识图谱对传递内容进行优化整合,去除冗余,使重构的内容更简洁,信息更准确,同时传递效率也会提升。
S5:结合用户反馈的理解情况,对用户S、用户D、第三方M的端设备内容库进行优化;对用户给出隐私保护程度调整建议。
本发明具有以下有益效果:
1. 基于数据图谱、信息图谱、知识图谱构建内容库,实现了传递内容的重构,解决了不同用户之间对内容理解存在差异的问题;
2. 重构的内容保留了原内容的关键语义的基础上实现了个性化的表述,提高内容传递准确性;
3. 对传递内容进行优化整合,实现内容传递效率的提升。
附图说明
下面结合附图对本发明做进一步地说明:
图1 是一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法的详细流程图;
图2 是一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法的传输路径方案示意图;
图3 是一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法中传递内容子图所属类型块的六种情况示意图;
图4 是实施例1的示意图;
图5 是实施例2的示意图;
图6 是实施例3的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
用户S想要“雪”这一概念进行描述,给出的个性化描述是:雪像砂糖一样;如果直接传递这一内容,当用户D没有“砂糖”这一概念时,不能对用户S的描述产生正确的理解,将会产生传递内容理解上的障碍;在由内容发出方用户S、内容接收方用户D组成的场景中,本发明的基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法具体实施如下。
S1:用户S向端发出要传递的内容,用户S的端设备接收到要传递的内容后,对其进行基于用户S的内容库中数据图谱、信息图谱、知识图谱的语义分析。
传递的内容为雪像砂糖一样;基于用户S端设备积累的内容库,分析结果是关键词“雪”、“白色”、“颗粒”,在图谱中的交互关系为“颜色”、“形态”,其中,“雪”是核心关键词,从而保证传递内容是用来描述雪这一概念。
S2:计算出可能的传输和重构方案,对基于数据图谱、信息图谱、知识图谱三个层面上的方案进行分析。传递内容映射的子图分别在类型块CSD和CS上,对应的方案如下表:
S3:判断不同端设备的处理能力,计算所有可能传输和重构方案的总代价,以负载均衡为目标对重构方案进行筛选。
根据公式计算方案的总代价:
Cost_Total =Σ(1-αi)*Cost_Reconi +Σ(1-βj)*Cost_Transj
其中,α是方案中重构端的计算空余量与计算能力的比值,β是传输空余量与传输带宽的比值;下标i表示沟通场景中的第i个用户,包括转述的第三方或代理;下标j表示沟通场景中的第j段传输路径;
根据公式计算重构代价:
Cost_Recon =|Range_Ori - Range_Tar|*k
其中,k是内容库差距与计算成本的换算系数,通过机器训练得到;
如果是经验丰富的老师向知识匮乏的学生传递内容,这一情景中只有发送用户S端设备及内容库具备相应的处理能力;筛选的结果是在用户S端进行内容重构。
如果都具有相应处理能力,由计算机完成负载均衡工作,从计算的空余和成本角度做出判断。
S4:使用内容库中已构建的数据图谱、信息图谱、知识图谱,基于接收的关键词和图谱中对应的交互关系,重新进行语义解释,形成语义精准、更容易理解的内容,实现个性化的内容重构。
不同用户之间可能存在,某一方的内容库中不存在某一概念,或在双方的内容库中,同一概念可能对应不同的理解;判断沟通双方内容库的重叠部分,比如用户R内容库中有“棉花”这一概念,关键词“雪”、“白色”、“颗粒”和交互关系“颜色”、“形态”,重构为雪像棉花一样;如果接收方用户R同时也没有“棉花”这一概念,但有一定的化学基础,上述传递内容可以重构为雪是水的晶体。
S5:结合用户D反馈的理解情况,和传递内容的子图在端设备内容库中基于数据图谱、信息图谱、知识图谱的迁移情况,重新优化对传输和内容重构方案的筛选。
实施例2
S5:根据接收到的对传递内容的语义分析结果,使用内容库中已构建的数据图谱、信息图谱、知识图谱,基于接收的关键词和图谱中对应的交互关系,重新进行语义解释,形成语义精准、更容易理解的内容,实现个性化的内容重构。
进一步地,对于接收到的传递内容进行重构,也包括基于数据图谱、信息图谱、知识图谱对传递内容进行优化整合,去除冗余,使重构的内容更简洁,包含信息更准确,提高传递内容的效率。
农民向前来视察的领导汇报农业生产情况的情境中,农民提供了当年的榴莲产量比去年提高了……,芒果收成增加了……,西瓜种植的面积增加……,收入增加……等的增产情况和增收情况,可以判断农民传递内容的语义核心为“榴莲”“芒果”“西瓜”“增产”“增收”,内容重构时,进行优化整合得到关键词“水果”和“丰收”,领导接收到的内容为水果丰收。
在不同的沟通场景中会得到不同的内容重构,如果是农民和水果采购商沟通,内容重构为水果增产;如果是民生调查,内容重构为农民增收。
实施例3
进一步,对于重构内容的选择上,一种优化方案有助于提高传递内容的准确性;要传递“水果”这一概念,长期生活在“寒带”的用户表述为“苹果”,基于用户内容库的数据图谱、信息图谱、知识图谱分析后得出,要表述的语义不只是一种水果,更可能是一种常见水果;在这个沟通场景中,如果对方是长期生活在“热带”,内容库中图谱虽然同时有“山竹”和“苹果”两个概念,显然将内容重构为“山竹”更能完整体现“水果”和“常见”两个语义。
Claims (5)
1.一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,其特征在于,基于数据图谱、信息图谱、知识图谱构建内容库,实现传递内容的重构,其传递内容的重构步骤具体为:
S1:内容发出方用户S向端发出要传递的内容,内容发出方用户S的端设备接收到要传递的内容后,对其进行基于内容发出方用户S的内容库中数据图谱、信息图谱、知识图谱的语义分析;
S2:计算出所有可能的传输和重构方案,对基于数据图谱、信息图谱、知识图谱三个层面上的方案进行分析;
S3:判断不同端设备的处理能力,计算所有可能传输和重构方案的总代价,以负载均衡为目标对重构方案进行筛选;
S4:使用内容库中已构建的数据图谱、信息图谱、知识图谱,基于接收的关键词和所述关键词在图谱中对应的交互关系,重新进行语义解释,实现个性化的内容重构。
2.根据权利要求1所述的一种基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,其特征在于,还包括在用户的端设备上积累用户数据以构建内容库,端设备的内容库采集并完整保留用户的个性化特点;内容转述的第三方M只保留已删除私有特征的匿名的公共数据,积累用户数据的同时实现隐私保护。
3.根据权利要求1所述的基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,其特征在于,还包括基于用户的端设备上积累的内容库,确定传递内容的有效关键词、关键词出现的概率和关键词在图谱中的交互关系;将出现频次最高的关键词作为核心关键词保留;同时还保留对语义倾向性有影响的其他关键词和其在图谱中的交互关系。
4.根据权利要求1所述的基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,其特征在于,还包括所传递的内容在数据图谱层面映射为一个子图,子图可能属于的类型块一共有六种;包括四种一般情形,为内容发出方用户S的内容库的部分、内容发出方用户S与内容接收方用户D的内容库两两重合的部分、内容发出方用户S与内容转述的第三方M的内容库两两重合的部分和内容发出方用户S、内容转述的第三方M、内容接收方用户D内容库三者重合的部分;两种边界情形:内容发出方用户S、内容转述的第三方M、内容接收方用户D内容库完全重合的情形,内容发出方用户S、内容转述的第三方M、内容接收方用户D内容库相互独立的情形。
5.根据权利要求1所述的基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法,其特征在于,内容重构还包括所传递的内容在呈现给接收用户前进行基于数据图谱、信息图谱、知识图谱的重构;重构方案筛选步骤:
(1)判断不同端设备及内容库的处理能力;
(2)选择有处理能力的端设备和内容库进行处理;
(3)如果都具有相应处理能力,由计算机完成负载均衡工作,从计算的空余和成本角度做出判断;所述的负载均衡以总代价Cost_Total为标准;计算代价Cost_Total与重构代价Cost_Recon和传输代价Cost_Trans有关,根据以下公式计算重构方案的总代价:
Cost_Total =Σ(1-αi)·Cost_Reconi +Σ(1-βj)·Cost_Transj
其中,α是方案中重构端的计算空余量与计算能力的比值,β是传输空余量与传输带宽的比值;下标i表示沟通场景中的第i个用户,包括转述的第三方或代理;下标j表示沟通场景中的第j段传输路径;
重构代价Cost_Recon与进行重构的原内容库的容量Range_Ori和目标内容库的容量Range_Tar有关,根据以下公式计算重构代价:
Cost_Recon =|Range_Ori - Range_Tar|·k
其中,k是内容库差距与计算成本的换算系数,通过机器训练得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742770.6A CN110442734B (zh) | 2019-08-13 | 2019-08-13 | 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910742770.6A CN110442734B (zh) | 2019-08-13 | 2019-08-13 | 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110442734A CN110442734A (zh) | 2019-11-12 |
CN110442734B true CN110442734B (zh) | 2020-11-17 |
Family
ID=68434990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910742770.6A Active CN110442734B (zh) | 2019-08-13 | 2019-08-13 | 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110442734B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722505B (zh) * | 2021-08-30 | 2023-04-18 | 海南大学 | 面向dikw资源的情感表达映射、度量与优化传输系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294325A (zh) * | 2016-08-11 | 2017-01-04 | 海信集团有限公司 | 自然语言生成语句的优化方法及装置 |
CN108052625A (zh) * | 2017-12-18 | 2018-05-18 | 清华大学 | 一种实体精细分类方法 |
CN109739995A (zh) * | 2018-12-21 | 2019-05-10 | 中国银联股份有限公司 | 一种信息处理方法及装置 |
CN110084323A (zh) * | 2019-05-09 | 2019-08-02 | 苏州思必驰信息科技有限公司 | 端到端语义解析系统及训练方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7308436B2 (en) * | 2002-07-10 | 2007-12-11 | Inferx Corporation | Distributed data mining and compression method and system |
-
2019
- 2019-08-13 CN CN201910742770.6A patent/CN110442734B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294325A (zh) * | 2016-08-11 | 2017-01-04 | 海信集团有限公司 | 自然语言生成语句的优化方法及装置 |
CN108052625A (zh) * | 2017-12-18 | 2018-05-18 | 清华大学 | 一种实体精细分类方法 |
CN109739995A (zh) * | 2018-12-21 | 2019-05-10 | 中国银联股份有限公司 | 一种信息处理方法及装置 |
CN110084323A (zh) * | 2019-05-09 | 2019-08-02 | 苏州思必驰信息科技有限公司 | 端到端语义解析系统及训练方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110442734A (zh) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Underwater acoustic sensor networks | |
Yin et al. | LCARS: A spatial item recommender system | |
Kortsarz et al. | Approximation algorithms for minimum-time broadcast | |
Liu et al. | HGL: A hybrid global-local load balancing routing scheme for the Internet of Things through satellite networks | |
Morato et al. | Identification of priority conservation areas and potential corridors for jaguars in the Caatinga biome, Brazil | |
US9152709B2 (en) | Cross-domain topic space | |
Sahni et al. | Algorithms for wireless sensor networks | |
US10592535B2 (en) | Data flow based feature vector clustering | |
Li et al. | On team formation with expertise query in collaborative social networks | |
US20140310243A1 (en) | Heart beacon cycle | |
US20130007131A1 (en) | Elastic and scalable publish/subscribe service | |
Kandappu et al. | Obfuscation at-source: Privacy in context-aware mobile crowd-sourcing | |
CN110442734B (zh) | 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理方法 | |
Kannan et al. | Development of energy-efficient routing protocol in wireless sensor networks using optimal gradient routing with on demand neighborhood information | |
Rathore et al. | Big data analytics of geosocial media for planning and real-time decisions | |
CN110457488B (zh) | 基于数据图谱、信息图谱和知识图谱的内容传输建模及处理优化方法 | |
Khan et al. | Value of information based data retrieval in UWSNs | |
Yousfi et al. | Towards a generic multimodal architecture for batch and streaming big data integration | |
Nia et al. | Leveraging social interactions to suggest friends | |
CN109960748A (zh) | 基于知识图谱的个人直播用户观看主播预测的方法及系统 | |
DuBois et al. | Rigorous probabilistic trust-inference with applications to clustering | |
Patil et al. | LATEST: learning-assisted selectivity estimation over spatio-textual streams | |
CN105512252B (zh) | 一种获取多媒体数据间相关性的方法及装置 | |
Ma et al. | EBRP: An energy-efficient and buffer-aware routing protocol for mobile crowdsensing network | |
Prabhakaran et al. | Building a Big data provenance with its applications for Smart cities |
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 |