CN111431962A - 基于情景感知计算的跨域资源接入物联网服务发现方法 - Google Patents

基于情景感知计算的跨域资源接入物联网服务发现方法 Download PDF

Info

Publication number
CN111431962A
CN111431962A CN202010104507.7A CN202010104507A CN111431962A CN 111431962 A CN111431962 A CN 111431962A CN 202010104507 A CN202010104507 A CN 202010104507A CN 111431962 A CN111431962 A CN 111431962A
Authority
CN
China
Prior art keywords
entity
service
entities
knowledge graph
request information
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
Application number
CN202010104507.7A
Other languages
English (en)
Other versions
CN111431962B (zh
Inventor
双锴
李季杰
姚顺雨
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202010104507.7A priority Critical patent/CN111431962B/zh
Publication of CN111431962A publication Critical patent/CN111431962A/zh
Application granted granted Critical
Publication of CN111431962B publication Critical patent/CN111431962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于情景感知计算的跨域资源接入物联网服务发现方法、装置、电子设备及非暂态计算机可读存储介质，包括：接收服务请求信息；根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；之后获取服务集合表，进而在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。通过上述方法可以提高服务发现水平、降低服务发现的误差以及提升服务发现效果。

Description

基于情景感知计算的跨域资源接入物联网服务发现方法
技术领域
本发明涉及物联网技术领域，尤其涉及一种基于情景感知计算的跨域资源接入物联网服务发现方法、装置、电子设备及非暂态计算机可读存储介质。
背景技术
物联网(Internet of things，简称IoT)是指物物相连的互联网，它将互联网扩展到物理世界中，通过射频识别(radio frequency identification，简称RFID)、传感器、全球定位等信息传感技术，按约定的协议，把物理世界中的物体与互联网相连接，进行信息交换和通信，从而实现对物体的智能化识别、定位、跟踪、监控和管理。
随着RFID、无线传感技术、嵌入式设备和移动智能设备技术的快速发展和物理设备的廉价化，越来越多的物理设备将被连接到物联网中，物联网服务提供的数据开始向着大规模、多源异构、跨领域、跨媒体、跨语言、动态演化、普适化发展。如何从大量的、资源受限的异构设备中发现具有特定功能的服务来满足用户的需求，显得越来越重要。通过利用大数据技术，实现数据的关联、交叉和融合，实现数据的价值最大化，以此建立一种高效、快速且能自动对服务进行分类管理的智能物联网服务发现框架是当下物联网产业主要关注的一个问题。
目前，智能服务发现很多都是基于语义的服务相似度计算的方式，对服务进行分类，以缩小服务发现需要搜索的空间，来提高服务提供的效率，如一些概率主题模型。上述模型可以实现的一个场景：当收到一个对某一附近的医院的请求，这种模型可能面临完全没有本体世界知识的情况，反馈所有医院的信息；或是拥有简单的地理知识的支持，返回欧式距离最近的医院，但也许并没有直接的道路可以到达，或是道路很远。这都不会是服务请求发起者想要的。上述场景仅是一个缺乏空间信息可能带来的问题，现实中我们的服务请求还可能会出现对于时间和社会关系知识等信息的需求。
由于上述模型缺乏对于本体世界的相关知识，且不存在推理功能，已经不再适用于跨领域、大规模数据的服务发现，此外，上述模型还可能出现很大的误差。
发明内容
有鉴于此，本发明的目的在于提出一种基于情景感知计算的跨域资源接入物联网服务发现方法、装置、电子设备及非暂态计算机可读存储介质，以解决现有技术服务发现水平低、误差大以及效果差问题。
基于上述目的，本发明提供了一种基于情景感知计算的跨域资源接入物联网服务发现方法，包括：
接收服务请求信息；
根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
获取服务集合表；
在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
在一个实施例中，所述根据所述服务请求信息，确定响应所述服务请求信息的至少一个实体包括：
提取所述服务请求信息中的基本条件信息和请求对象；
根据所述基本条件信息和请求对象，确定响应所述服务请求信息的至少一个实体。
在一个实施例中，所述获取服务集合表包括：
获取服务描述文本；
采用所述服务描述文本对所述目标知识图谱模型中的实体进行分类，确定所述实体对应的服务集合；
将所述实体以及所述实体对应的服务集合进行汇总，得到所述服务集合表。
在一个实施例中，所述接收服务请求信息之前包括：
获取Wikipedia数据集和初始知识图谱模型；
根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型。
在一个实施例中，所述根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型包括：
对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体；
对所述实体进行实体关系抽取，确定所述实体之间的相应关系；
将所述实体和所述实体之间的相应关系输入所述初始知识图谱模型，生成所述目标知识图谱模型。
在一个实施例中，所述对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体包括：
识别所述Wikipedia数据集中的非结构化数据，得到所述Wikipedia数据集对应的非结构化数据；
对所述非结构化数据进行命名实体识别，提取所述非结构化数据中多种预设类型的实体。
在一个实施例中，所述对所述实体进行实体关系抽取，确定所述实体之间的相应关系包括：
根据所述多种预设类型的实体中的每种预设类型的实体，确定所述每种预设类型的实体对应的预设关系类型；
采用所述每种预设类型的实体对应的预设关系类型，确定所述每种预设类型的实体之间的相应关系。
一种基于情景感知计算的跨域资源接入物联网服务发现装置，包括：
接收模块，用于接收服务请求信息；
实体确定模块，用于根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
第一获取模块，用于获取服务集合表；
索引模块，用于在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项所述的方法。
一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一所述方法。
从上面所述可以看出，本发明提供的基于情景感知计算的跨域资源接入物联网服务发现方法、装置、电子设备及非暂态计算机可读存储介质，包括：接收服务请求信息；根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；之后获取服务集合表，进而在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。本申请提出一种新的面向大批量、异构、跨域资源的物联网的服务方法，在服务接入端，使用知识图谱技术存储获得的所有本体知识，以获取实体以及实体之间的对应关系；在服务接入与注册层，通过索引实体对应的服务集合，可快速获得所需服务内容，本申请可以提高服务发现水平、降低服务发现的误差以及提升服务发现效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为现有技术实施例的SOA物联网架构示意图；
图2为现有技术实施例的基于概率主题模型的物联网服务发现框架示意图；
图3为本发明实施例的一种服务基于情景感知计算的跨域资源接入物联网服务发现方法的应用环境示意图；
图4为本发明实施例的建立目标知识图谱模型的示意图；
图5为本发明实施例的一种基于情景感知计算的跨域资源接入物联网服务发现方法的流程示意图；
图6为本发明另一实施例的一种基于情景感知计算的跨域资源接入物联网服务发现方法的流程示意图；
图7为现有技术实施例的知识图谱示意图；
图8为本发明实施例的一种基于情景感知计算的跨域资源接入物联网服务发现装置的结构示意图；
图9为本发明实施例的一种电子设备硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
目前，物联网应用系统构建方法主要基于面向服务的体系结构(SOA)，即将智能物品看作是物理信息的提供者和消费者，将其提供的功能和资源与现有互联网环境中的计算、存储和处理资源都统一抽象为服务，并将它们作为系统的软件构件按照应用需求集成起来，组成“物端”和“云端”松耦合协同工作的网络化计算系统。
如图1所示，在标准的SOA架构中，主要包含设备、服务和用户3个模块，其中主要的逻辑功能都集成于服务层。服务层由下至上又分为服务实体、服务注册管理、服务发现、服务组合、编程接口几个子层。服务实体为物理设备的抽象化体现；服务注册管理层主要负责根据协议、接口信息完成服务至物联网的接入；服务发现层负责根据的服务请求在所有接入的服务中查找合适的服务以响应请求；服务组合层通过将来自用户的服务请求分解为多个服务发现任务，再下发至服务发现层等待请求；编程接口为服务层开放给用户层的API接口。
根据标准的SOA架构，相应地推出各种模型以实现服务发现，如图2所示的基于概率主题模型的物联网服务发现架构(详见魏强，金芝，许焱，基于概率主题模型的物联网服务发现，软件学报，2014，25(8)：1640-1658)。但是，由于现有技术中的模型缺乏对于本体世界的相关知识，且不存在推理功能，已经不再适用于跨领域、大规模数据的服务发现。
自1990年代初以来，作为普遍存在和普遍使用的计算机系统的核心特征，情景感知就已经存在并开始使用。在过去的十年中，对情境感知计算的关注已从台式机应用程序、Web应用程序、移动计算以及普适性/普适计算发展到物联网。但是，随着Mark Weiser在1991年发表的突破性论文《21世纪的计算机》中引入“无处不在的计算”一词，情境感知计算变得更加流行。自那时以来，情境感知的研究已被确立为计算机科学领域的著名研究领域。许多研究人员提出了定义和解释。2014年，Charith Perera等人阐述了情景感知计算的基本概念，以及其在解决物联网对于接入资源的理解问题上的适用性。2018年，Omer BeratSezer论述了对大数据的理解，学习和推理对于物联网的未来成功的重要性，并在CharithPerera的基础上再次总结情景感知计算在物联网技术上的诸多应用，说明了这一研究的美好前景。
根据Charith Perera等人的总结，将情境感知计算模型分为以下6种：键值模型、标记模型、图模型、基于对象模型、基于逻辑模型和基于本体知识模型。本申请将主要使用本体知识模型，本体知识模型使用语义技术将情景组织成本体。根据要求，可以使用许多不同的标准(RDF，RDFS，OWL)和推理功能，还提供了各种各样的开发工具和推理引擎。但是，当数据量增加时，上下文检索可能会占用大量计算资源和时间。根据许多调查，在上下文感知计算和传感器数据管理中，尽管存在弱点，本体还是管理和建模上下文的首选机制。由于其在过去的五年中在学术界和工业界的广泛应用和广泛应用。本申请提出一种新的面向大批量、异构、跨域资源的物联网系统接入模型，在服务接入端，系统使用信息抽取技术完成服务语义的提取，组织成本体知识，并使用知识图谱技术存储获得的所有本体知识，提供知识推理功能。在服务接入与注册层，将应用文本分类技术，根据知识图谱中的实体结点对所有的服务进行分类，为知识图谱中的实体绑定服务集合。
下面对本申请进行具体阐述，本申请提供一种基于情景感知计算的跨域资源接入物联网服务发现方法，其中，服务发现方法包括两个部分，分别为建立目标知识图谱模型和采用建立的目标知识图谱模型进行对应的服务。
本申请提供的一种基于情景感知计算的跨域资源接入物联网服务发现方法可以应用于如图3所示的应用环境中。其中，用户101输入服务请求信息，服务器102(相当于SOA架构)接收服务请求信息，服务器102根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络，之后获取服务集合表，进而在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。其中，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
进一步地，本申请中建立好的目标知识图谱模型设置于SOA架构服务发现层的接入端，为用户101提供服务请求信息对应于所述目标知识图谱中的至少一个响应实体；在服务接入与注册层，根据所述至少一个响应实体，索引所述至少一个实体所对应的至少一个服务集合。
在一个实施例中，建立目标知识图谱模型包括：
步骤S201：获取Wikipedia数据集和初始知识图谱模型；
步骤S202：根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型。
知识图谱(Knowledge Graph)在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体地，本申请将Wikipedia数据集引输入初始知识图谱模型，以获取所需的目标知识图谱模型，目的是引入基本的本体世界知识，以提高查询服务的精确性以及实用性。其中，本体世界知识包括实体以及实体之间的对应关系。
在一个实施例中，所述步骤S202包括：
步骤S2021：对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体；
步骤S2022：对所述实体进行实体关系抽取，确定所述实体之间的相应关系；
步骤S2023：将所述实体和所述实体之间的相应关系输入所述初始知识图谱模型，生成所述目标知识图谱模型。
如图4所示，本申请使用wikipedia数据集进行命名实体识别，以发现无结构文本中的多个实体，再确定多个实体之间的对应关系，并将多个实体以及每个实体间的对应关系输入初始知识图谱模型，以获取所需的目标知识图谱模型，随后使用Neo4j数据库存储我们的关系图谱。例如，无结构文本中的实体包括积水潭医院、人民医院和协和医院，且均属于医院，那么，假设积水潭医院与人民医院的对应关系为同属于一个区，人民医院与协和医院的对应关系为不属于一个区，以及积水潭医院与协和医院的对应关系为不属于一个区。最后，将实体“积水潭医院、人民医院和协和医院”和各个实体之间的对应关系“属于一个区、不属于一个区和不属于一个区”输入初始知识图谱模型，得到所需的目标知识图谱模型。
在一个实施例中，所述步骤S2021包括：
步骤S2021a：识别所述Wikipedia数据集中的非结构化数据，得到所述Wikipedia数据集对应的非结构化数据；
步骤S2021b：对所述非结构化数据进行命名实体识别，提取所述非结构化数据中多种预设类型的实体。
在步骤S2021a-S2021b中，非结构化数据(即无结构文本中的实体)是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像、音频信息以及视频信息等等。
进一步地，对非结构化数据进行命名实体识别，以发现无结构文本中的多个实体。上述实施例中的无结构文本中的实体属于同一类型，均为地名。当然，无结构文本中的实体也可以属于多个类型。多个类型可包括地名、高校、医院等。
在一个实施例中，所述步骤S2022包括：
步骤S2022a：根据所述多种预设类型的实体中的每种预设类型的实体，确定所述每种预设类型的实体对应的预设关系类型；
步骤S2022b：采用所述每种预设类型的实体对应的预设关系类型，确定所述每种预设类型的实体之间的相应关系。
在步骤S2022a-S2022b中，使用wikipedia数据集进行命名实体识别发现无结构文本中的实体，即从无结构的文本中提取出预设类型的实体作为知识库中的本体，如希望识别实体预设类型的范围为机构名，人名，通过命名实体识别后，将在无结构的文本中发现例如XX大学、XX公司以及XX同学、XX先生等实体，并对这些实体进行关系分类工作。使用对于应用领域有关的预设关系类型，如在地理位置相关的应用领域中，可以使用附属于、毗邻于等关系。关系分类完成后，将实体及实体之间的关系输入知识图谱，随后使用Neo4j数据库存储我们的关系图谱。
进一步地，当存在多种预设类型的实体的情况下，不仅每个类型中的多个实体之间存在对应关系，不同类型的多个实体之间也可能存在对应关系。例如，无结构中的实体包括积水潭医院、北医三院、协和医院、北京大学、人民大学和清华大学，其中，积水潭医院、北医三院和协和医院属于医院，而北京大学、人民大学和清华大学属于高校。设积水潭医院与北医三院不属于一个区，北医三院与协和医院不属于一个区，以及积水潭医院与协和医院属于一个区，即它们之间的对应关系分别为不属于一个区、不属于一个区和属于一个区，即积水潭医院、北医三院和协和医院的预设关系类型为是否属于同一个区。设北京大学比人民大学排名靠前，人民大学比清华大学排名靠后，以及北京大学比清华大学排名靠后，即它们之间的对应关系分别为排名靠前、排名靠后和排名靠后，即北京大学、人民大学和清华大学的预设关系类型为高校综合实力。此外，北医三院与人民大学的对应关系为毗邻，北医三院与人民大学属于一个区，北医三院与清华大学也属于一个区。在建立目标知识图谱模型的过程中，需将多个不同类型的实体以及各个实体之间的对应关系类型均输入初始知识图谱模型中。
如图5和6所示，引入目标知识图谱模型的服务发现方法，包括：
步骤S301：接收服务请求信息。
服务请求信息指用户根据个人需求输入的想要查询的信息，其中，查询信息可为文本、图片等可识别的信息。例如，用户若想去离自己最近的医院，则只需输入“离我最近的医院”。
步骤S302：根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络。
图7为一个知识图谱示例，知识图谱中包括多个实体，以及各个实体以及各个实体之间的联系。其中，每个椭圆代表实体，椭圆之间的连线代表了实体间的对应关系。例如，相同类别的实体设置于同一虚线框内，虚线框内的各个实体之间存在对应关系，具体地，如最右侧虚线框中的实体人、身份标识、角色和任务属于同一类别，且实体“人、身份标识、角色和任务”之间存在对应关系，即人与身份标识之间的对应关系为拥有身份、人与角色之间的对应关系为拥有角色、人与任务之间的对应关系为拥有任务，其他虚线框内的同一类别的多个实体与上述例子类似，此处不再具体赘述。此外，不同类别的实体之间也可能存在对应关系，如最左侧的虚线框内的实体“设备”与最右侧虚线框内的实体“人”之间的对应关系为使用设备。
本申请中采用的目标知识图谱模型是通过融合各种数据、经过训练而成的直接可应用于服务查询的模型，即目标知识图谱模型中记载了各种实体以及各个实体之间的联系。当用户输入“离我最近的医院”，在目标知识图谱模型中存在至少一个实体响应此请求信息，至少一个实体可能为3个或5个等。
步骤S303：获取服务集合表。
通过应用文本分类技术，对服务的描述文本按与每个实体的相关度进行分类，为目标知识图谱中的每个实体结点都绑定一个与之相关的服务集合，建立一个<实体，服务集合>表。若目标知识图谱中有两个实体，那么，每个服务描述文本分别与两个实体进行相关度计算，来确定每个实体所要绑定的服务集合。当确定了每个实体所要绑定的服务集合，则可建立每个实体所对应的服务集合表。
具体地，假设目标知识图谱中的两个实体分别为“医院”和“大学”，当用户输入“离我最近的医院”，若目标知识图谱模型中的两个实体有一个实体响应此请求信息，即实体“医院”。设通过服务描述文本与实体“医院”进行相关度计算，与实体“医院”相关度最大的服务集合为“北医三院”，则实体“医院”相对应的服务集合表为<医院，北医三院>。
步骤S304：在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
具体地，若目标知识图谱中的实体为“医院”，则与实体“医院”相对应的服务集合为医院相关信息，至少包括以下至少之一，如医院名称、医院地址、医院电话、医院与用户之间的路线等。
进一步地，当用户输入“离我最近的医院”，首先确定目标知识图谱中响应此请求信息的实体，即实体“医院”；然后将实体“医院”与服务描述文本进行相关度计算，得到相关度最大的服务描述文本作为实体“医院”所对应的服务集合，即“北医三院”，构成的服务集合表为<医院，北医三院>；最后，获取服务集合表为<医院，北医三院>，查找实体“医院”所对应的服务集合“北医三院”，其中，服务集合“北医三院”即为用户所需信息。
如图6所示，虚线部分所示的修正知识信息，但是需要进行说明的是，随着现实世界本体知识的不断更新与扩展，可根据传感器修正目标知识图谱中实体之间的对应关系，如简单的数值型关系和bool值数据，以满足用户的需求。
本发明提供的基于情景感知计算的跨域资源接入物联网服务发现方法，包括：接收服务请求信息；根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体；之后获取服务集合表，进而在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。通过提出一种新的面向大批量、异构、跨域资源的物联网系统接入模型，在服务接入端，系统使用信息抽取技术完成服务语义的提取，组织成本体知识，并使用知识图谱技术存储获得的所有本体知识，提供知识推理功能；在服务接入与注册层，将应用文本分类技术，根据知识图谱中的实体结点对所有的服务进行分类，为知识图谱中的实体绑定服务集合，以提高服务发现水平、降低服务发现的误差以及提升服务发现效果。
在一个实施例中，所述步骤S302包括：
步骤S3021：提取所述服务请求信息中的基本条件信息和请求对象；
步骤S3022：根据所述基本条件信息和请求对象，确定响应所述服务请求信息的至少一个实体。
具体地，结合上一实施例中实体以及实体之间对应关系的例子，若在一个提供地理位置服务的物理网系统中，用户发起了一个对于最近的医院状况的服务请求，即用户输入“离我最近的医院”。在收到服务请求后，首先提取请求对象包含“最近”，“医院”两个要点，用户自己的地理位置则作为基本条件信息。假设用户在人民大学，在目标知识图谱模型中找到人民大学代表的实体结点，基于“最近”的要求查找该实体通过类似“通行”或“毗邻”关系连接的实体结点，若人民大学实体与北医三院实体之间存在“毗邻”关系，则通过索引<实体，服务集合>表，将其绑定的服务集合加入用于回应请求的服务集合内，作为该请求的的一个回答。
进一步地，还可以通过设置一个参数e，以设置对目标知识图谱模型进行e步的知识推理来发现可以回应的结点，以弥补知识图谱的信息缺失问题。其中，e代表推理路径的最大长度。例如，通过人民大学实体与神州公司实体之间是通过“通行”关系连接的，而神州公司实体与北医三院之间也是通过“通行”关系连接，则北医三院实体结点也可以作为请求回应结点。
在一个实施例中，所述步骤S303包括：
步骤S3031：获取服务描述文本；
步骤S3032：采用所述服务描述文本对所述目标知识图谱模型中的实体进行分类，确定所述实体对应的服务集合；
步骤S3033：将所述实体以及所述实体对应的服务集合进行汇总，得到所述服务集合表。
具体地，根据上述目标知识图谱模型中的三个实体，如北京大学、人民大学和清华大学。当服务接入后，将服务描述文本与目标知识图谱中的三个实体分别进行相关度分类。若服务描述文本为“北京大学的摄像机”，可知其与实体“北京大学”的相关度最高，则将“北京大学的摄像机”作为实体“北京大学”的一个服务集合；若服务描述文本中直接体现了某实体就没必要用文本相关度分类了，例如服务描述文本为“人民大学”；若服务描述文本最相关的实体并不在目标知识图谱的实体范围中，如天津肿瘤医院，这时就需要用文本分类分析文本的具体语义信息，尝试为其绑定一个存在于目标知识图谱中的最相关实体。
需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
如图8所示，本申请还提出一种基于情景感知计算的跨域资源接入物联网服务发现装置，包括：
接收模块1，用于接收服务请求信息；
实体确定模块2，用于根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
第一获取模块3，用于获取服务集合表；
索引模块4，用于在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
在一个实施例中，所述实体确定模块2包括：
提取模块21，用于提取所述服务请求信息中的基本条件信息和请求对象；
目标实体确定模块22，用于根据所述基本条件信息和请求对象，确定响应所述服务请求信息的至少一个实体。
在一个实施例中，所述第一获取模块3包括：
第四获取模块31，用于获取服务描述文本；
服务集合确定模块32，用于采用所述服务描述文本对所述目标知识图谱模型中的实体进行分类，确定所述实体对应的服务集合；
汇总模块33，用于将所述实体以及所述实体对应的服务集合进行汇总，得到所述服务集合表。
在一个实施例中，所述接收模块1之前包括：
第二获取模块01，用于获取Wikipedia数据集和初始知识图谱模型；
模型建立模块02，用于根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型。
在一个实施例中，所述模型建立模块02包括：
第一识别模块021，用于对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体；
关系抽取模块022，用于对所述实体进行实体关系抽取，确定所述实体之间的相应关系；
模型生成模块023，用于将所述实体和所述实体之间的相应关系输入所述初始知识图谱模型，生成所述目标知识图谱模型。
在一个实施例中，所述第一识别模块01包括：
第三获取模块011，用于识别所述Wikipedia数据集中的非结构化数据，得到所述Wikipedia数据集对应的非结构化数据；
第二识别模块012，用于对所述非结构化数据进行命名实体识别，提取所述非结构化数据中多种预设类型的实体。
在一个实施例中，所述关系抽取模块022包括：
关系类型确定模块0221，用于根据所述多种预设类型的实体中的每种预设类型的实体，确定所述每种预设类型的实体对应的预设关系类型；
相应关系确定模块0222，用于采用所述每种预设类型的实体对应的预设关系类型，确定所述每种预设类型的实体之间的相应关系。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行以下方法：
接收服务请求信息；
根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
获取服务集合表；
在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
图9示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本申请还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行以下方法：
接收服务请求信息；
根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体；
获取服务集合表；
在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于情景感知计算的跨域资源接入物联网服务发现方法，其特征在于，包括：
接收服务请求信息；
根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
获取服务集合表；
在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
2.根据权利要求1所述的方法，其特征在于，所述根据所述服务请求信息，确定响应所述服务请求信息的至少一个实体包括：
提取所述服务请求信息中的基本条件信息和请求对象；
根据所述基本条件信息和请求对象，确定响应所述服务请求信息的至少一个实体。
3.根据权利要求1所述的方法，其特征在于，所述获取服务集合表包括：
获取服务描述文本；
采用所述服务描述文本对所述目标知识图谱模型中的实体进行分类，确定所述实体对应的服务集合；
将所述实体以及所述实体对应的服务集合进行汇总，得到所述服务集合表。
4.根据权利要求1所述的方法，其特征在于，所述接收服务请求信息之前包括：
获取Wikipedia数据集和初始知识图谱模型；
根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述Wikipedia数据集和初始知识图谱模型，建立所述目标知识图谱模型包括：
对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体；
对所述实体进行实体关系抽取，确定所述实体之间的相应关系；
将所述实体和所述实体之间的相应关系输入所述初始知识图谱模型，生成所述目标知识图谱模型。
6.根据权利要求5所述的方法，其特征在于，所述对所述Wikipedia数据集中的数据进行命名实体识别，得到所述数据对应的实体包括：
识别所述Wikipedia数据集中的非结构化数据，得到所述Wikipedia数据集对应的非结构化数据；
对所述非结构化数据进行命名实体识别，提取所述非结构化数据中多种预设类型的实体。
7.根据权利要求6所述的方法，其特征在于，所述对所述实体进行实体关系抽取，确定所述实体之间的相应关系包括：
根据所述多种预设类型的实体中的每种预设类型的实体，确定所述每种预设类型的实体对应的预设关系类型；
采用所述每种预设类型的实体对应的预设关系类型，确定所述每种预设类型的实体之间的相应关系。
8.一种基于情景感知计算的跨域资源接入物联网服务发现装置，其特征在于，包括：
接收模块，用于接收服务请求信息；
实体确定模块，用于根据所述服务请求信息，确定响应所述服务请求信息的目标知识图谱模型中的至少一个实体，其中，所述目标知识图谱模型表征了实体以及实体之间的相应关系所构成的实体关系网络；
第一获取模块，用于获取服务集合表；
索引模块，用于在所述服务集合表中索引与所述至少一个实体对应的至少一个服务集合。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任意一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至7中任一项所述的方法。
CN202010104507.7A 2020-02-20 2020-02-20 基于情景感知计算的跨域资源接入物联网服务发现方法 Active CN111431962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010104507.7A CN111431962B (zh) 2020-02-20 2020-02-20 基于情景感知计算的跨域资源接入物联网服务发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010104507.7A CN111431962B (zh) 2020-02-20 2020-02-20 基于情景感知计算的跨域资源接入物联网服务发现方法

Publications (2)

Publication Number Publication Date
CN111431962A true CN111431962A (zh) 2020-07-17
CN111431962B CN111431962B (zh) 2021-10-01

Family

ID=71547224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010104507.7A Active CN111431962B (zh) 2020-02-20 2020-02-20 基于情景感知计算的跨域资源接入物联网服务发现方法

Country Status (1)

Country Link
CN (1) CN111431962B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988398A (zh) * 2020-08-19 2020-11-24 政采云有限公司 一种数据获取方法、api网关、介质
CN113220894B (zh) * 2021-02-07 2023-08-18 国家卫星气象中心(国家空间天气监测预警中心) 一种基于感知计算的卫星遥感数据智能获取方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649878A (zh) * 2017-01-07 2017-05-10 陈翔宇 基于人工智能的物联网实体搜索方法及系统
CN109033358A (zh) * 2018-07-26 2018-12-18 李辰洋 新闻聚合与智能实体关联的方法
CN109255033A (zh) * 2018-11-05 2019-01-22 桂林电子科技大学 一种基于位置服务领域的知识图谱的推荐方法
CN109597855A (zh) * 2018-11-29 2019-04-09 北京邮电大学 基于大数据驱动的领域知识图谱构建方法及系统
CN110059173A (zh) * 2019-04-19 2019-07-26 辽宁工程技术大学 一种基于知识图谱的智能厨房问答助手系统
US20190294732A1 (en) * 2018-03-22 2019-09-26 Adobe Inc. Constructing enterprise-specific knowledge graphs

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649878A (zh) * 2017-01-07 2017-05-10 陈翔宇 基于人工智能的物联网实体搜索方法及系统
US20190294732A1 (en) * 2018-03-22 2019-09-26 Adobe Inc. Constructing enterprise-specific knowledge graphs
CN109033358A (zh) * 2018-07-26 2018-12-18 李辰洋 新闻聚合与智能实体关联的方法
CN109255033A (zh) * 2018-11-05 2019-01-22 桂林电子科技大学 一种基于位置服务领域的知识图谱的推荐方法
CN109597855A (zh) * 2018-11-29 2019-04-09 北京邮电大学 基于大数据驱动的领域知识图谱构建方法及系统
CN110059173A (zh) * 2019-04-19 2019-07-26 辽宁工程技术大学 一种基于知识图谱的智能厨房问答助手系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
常亮，张伟涛，古天龙，孙文平，宾辰忠: "知识图谱的推荐系统综述", 《智能系统学报》 *
张香玲, 陈跃国, 马登豪, 陈 峻, 杜小勇: "实体搜索综述", 《软件学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988398A (zh) * 2020-08-19 2020-11-24 政采云有限公司 一种数据获取方法、api网关、介质
CN113220894B (zh) * 2021-02-07 2023-08-18 国家卫星气象中心(国家空间天气监测预警中心) 一种基于感知计算的卫星遥感数据智能获取方法

Also Published As

Publication number Publication date
CN111431962B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Barnaghi et al. On searching the internet of things: Requirements and challenges
JP6759844B2 (ja) 画像を施設に対して関連付けるシステム、方法、プログラム及び装置
Wiemann et al. Spatial data fusion in spatial data infrastructures using linked data
CN105934755B (zh) 用社交标记来增强搜索结果
CN111522927B (zh) 基于知识图谱的实体查询方法和装置
EP3732587B1 (en) Systems and methods for context-independent database search paths
CN107103011B (zh) 终端数据搜索的实现方法和装置
US20170103125A1 (en) Apparatus and method of exploring and accessing relevant data from big data repository
CN111431962B (zh) 基于情景感知计算的跨域资源接入物联网服务发现方法
Antunes et al. Scalable semantic aware context storage
CN112182045A (zh) 元数据管理方法、装置、计算机设备及存储介质
Ly et al. Automated information extraction from web APIs documentation
Zhang et al. A multi-dimensional ontology-based IoT resource model
US20130346405A1 (en) Systems and methods for managing data items using structured tags
Li [Retracted] Internet Tourism Resource Retrieval Using PageRank Search Ranking Algorithm
US11314793B2 (en) Query processing
Antunes et al. Semantic-based publish/subscribe for M2M
CN116756166A (zh) 数据检索服务系统及方法、存储介质、计算机设备
CN112685572B (zh) 一种异构数据融合方法及装置
Castelli et al. Extracting high-level information from location data: the w4 diary example
KR20130012388A (ko) 시맨틱 웹 어플리케이션의 모델 확장 장치, 시맨틱 웹 어플리케이션의 모델 확장 방법 및 이를 이용한 단말기
Gu et al. Design and implementation for semantic information retrieval through convergence of ontology and user context based on mobile device
Fonteles et al. An adaptive context acquisition framework to support mobile spatial and context-aware applications
Sui et al. Social media as sensor in real world: movement trajectory detection with microblog
Faheem et al. Keywords and spatial based indexing for searching the things on web

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