The invention discloses a method and a system for searching entities in an Internet of things. The method includes: the user's query processing and generating interlingua no ambiguity; through knowledge map the interlingua system for analytical queries; method of constructing knowledge tree through self-learning or artificial training mode; and the method of distributed query protocol through the server and sensor network system to query. The system includes a search service system analysis and result feedback of user query; maintenance of knowledge map and artificial intelligence system analysis; according to the retrieval server cluster and sensor network system of entity query system. By the above method and system the user can use natural language search in IOT entity; abstract knowledge map and the divergence of the search target may be any description of the objective entity or virtual object; sensor network system and protocol of the system described the search task step by step and split assignment, which has characteristics of high concurrent and strong compatibility.
【技术实现步骤摘要】
本专利技术涉及信息技术和人工智能领域,更具体地说,本专利技术涉及基于人工智能的物联网实体搜索方法及系统。
技术介绍
物联网是在互联网基础上的延伸和扩展的网络,是新一代信息技术的重要组成部分。物联网的核心和基础仍然是互联网,但是通过传感器网络将用户端延伸和扩展到了任何物品与物品之间,进行信息交换和通信。这使得物联网通过智能感知、识别技术与通用计算等通信感知技术,广泛应用于网络的融合中。当大量生活中的实体,如家电、公共设施等在接入物联网后,将会产生海量的实体信息。传统的搜索技术,即基于关键词的搜索技术很难做到对实体的精确高效搜索,因此,基于物联网的实体搜索技术应运而生。实体搜索的技术组成主要包括实体属性的提取和消歧、实体信息分类、实体关系挖掘。这些技术的基础就是需要前期花大量的时间和精力来建立的实体信息数据库。即便是建立后,随着系统的复杂化,实体信息数据库也需要不断更新。随着物联网规模的扩大,搜索引擎系统的负荷也会越来越大。传统搜索引擎中所使用的倒排表、网页快照等技术依赖对已知网页的不断抓取与分析,很难对网络上的变化做出实时响应,然而物联网中的信息几乎是一直变化的,因此更需要高并发的实时查询技术。以上两点是目前物联网实体搜索技术面临的主要难题。
技术实现思路
有鉴于此,本专利技术提供了一种物联网实体搜索方法及系统,使用知识图谱与自学习等人工智能技术解决了实体信息数据库建立与维护难题,并且通过一种新的传感网系统解决了高并发实时查询难题。为实现上述目的,本专利技术提供如下技术方案。一种物联网实体搜索方法,包括:处理用户的查询语句并与知识图谱中的概念进行映射的方法;通 ...
【技术保护点】
一种用于物联网实体搜索的方法,其内容包括:处理用户的查询语句并与知识图谱中的概念进行映射的方法;通过知识图谱对查询语句进行语义分析并生成系统内查询语句的方法;构造、拓展、更新知识图谱的方法;对传感网系统进行分布式查询的方法与协议。
【技术特征摘要】
1.一种用于物联网实体搜索的方法,其内容包括:处理用户的查询语句并与知识图谱中的概念进行映射的方法;通过知识图谱对查询语句进行语义分析并生成系统内查询语句的方法;构造、拓展、更新知识图谱的方法;对传感网系统进行分布式查询的方法与协议。2.如权利要求1中所述的方法,其特征在于,处理用户的查询语句并与知识图谱中的概念进行映射的方法,包括:分词:即将语言划分为独立的词汇;成分分析:确定词汇在语句中的成分,如主语、谓语或者宾语;成分补全:将语句中省略的成分填充完整;代词替换:将语句中的代词替换成对应的实体;语序重排:将倒装句、问句、从句等句式进行排序和拆分;消歧:通过概率分析等手段,将有歧义的词汇转换为无歧义词汇或者限定其表达的含义;迭代:重复以上步骤,直到解析结果达到预期精度;以上过程的顺序并不固定,且并非每步都必须执行,根据用户输入的语句有选择地进行,其中使用到的一些逻辑规则存储于知识图谱中。3.如权利要求1中所述的方法,其特征在于,方法生成的中间语言和用户所要表达的含义之间是对应的关系,即每句中间语言只能表达一种含义。4.如权利要求1中所述的方法,其特征在于,知识图谱,包括:实体的定义:实体包含名称等属性,对属性的约束,可以对实体进行的动作,实体可以发出的动作等;关系:包括关系描述,关系建立的条件和断开的条件,判断实体间是否存在关系的方法等,这种关系可以是多个实体间和非实体间的;非实体的定义:非实体指一些不具有实体特性的概念,非实体可以包含描述信息,适用范围,应用方法等。5.如权利要求1中所述的方法,其特征在于,通过知识图谱对查询语句进行语义分析并生成系统内查询语句的方法,包括:实体映射,将语句中的词语映射为实体;非实体映射,将语句中的词语映射为非实体;关系映射,分析实体与非实体之间的关系;语境分析,根据语句中词语的组合、顺序等特征判断语句所描述内容的环境;语义分析,解析语句想要表达的意思,即希望系统完成什么操作;以上过程的顺序并不固定,且并非每步都必须执行,根据中间语言有选择地进行。6.如权利要求1中所述的方法,其特征在于,构造、拓展、更新知识图谱的方法,包括:通过向导对人工智能系统进行样本训练;直接向知识图谱添加内容;通过对互联网、物联网等媒体上的信息进行聚类分析;通过对知识图谱中已有的内容进行逻辑推导获得新的内容或者挖掘出潜在的内容。7.如权利要求1中所述的方法,其特征在于,分布式查询方法,包括:传感网网关将系统内查询语句转发给传感...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。