面向时空基准的观测对象体系混合组织模型制造技术

本发明专利技术公开了面向时空基准的观测对象体系混合组织模型，建立观测对象体系；搜集需要关注的观测对象，建立观测对象体系，观测对象就是所关注实体或目标；提取观测对象的特征，包括外部特征、边界特征、著名人名特征、音译名符号特征、词性特征；使用统计机器学习方法来识别观测对象，使用GIS算法进行参数估计，利用规则进行人名武器名的识别；根据步骤3和步骤4的识别结果建立数据与观测对象的关联关系。本发明专利技术的有益效果是实现数据的快速组织,为后续的数据深层挖掘提供方便。

【技术实现步骤摘要】

本专利技术属于数据自动关联
，涉及面向时空基准的观测对象体系混合组织 模型。
技术介绍
在面向军事应用的系统中，为了便于数据的存储、管理，便于信息的检索、提取和 分析，满足信息挖掘和情报分析的应用目的，必须按照统一的数据模型和组织框架整合各 类各型海量空间信息。传统的数据组织模型一般从数据类型、空间、时间上对数据进行组 织。这样的体系可以描述数据的类型和相互之间时空关系，但是无法在数据之间建立基于 内容的联系。更重要的是，典型的军事应用普遍较为关注一些特定类型的观测对象（如某 军政人物、某战斗部队），通过统计观测对象在数据中的出现情况来提供一系列的应用。 比如，在军事数据组织模型中，构成数据应用层的观测对象体系模型位于模型层 次结构的高层，直接为数据应用服务。因此观测对象体系的构建是军事应用的基础。
技术实现思路
本专利技术的目的在于提供面向时空基准的观测对象体系混合组织模型，本专利技术的有 益效果是解决了解决海量数据的自动组织和关联问题。 本专利技术所采用的技术方案是建立模型的方法如下步骤： 步骤1 :建立观测对象体系；搜集需要关注的观测对象，建立观测对象体系本文档来自技高网...

【技术保护点】
面向时空基准的观测对象体系混合组织模型，其特征在于建立模型的方法如下步骤：步骤1：建立观测对象体系；搜集需要关注的观测对象，建立观测对象体系，观测对象就是所关注实体或目标；步骤2：提取观测对象的特征，包括外部特征、边界特征、著名人名特征、音译名符号特征、词性特征；步骤3：使用统计机器学习方法来识别观测对象，使用GIS算法进行参数估计：计算出Hij=ΣxP(x)*ΣyPj(y|x)*fi(x,y),]]>其中P(x)是x在训练样本中的经验分布，Pj(y|x)表示观测到的词序列产生标签的概率，fi(x,y)为不同的特征；计算αij+1=αij*HiH...

【技术特征摘要】

【专利技术属性】
技术研发人员：付琨，许光銮，孙显，黄宇，王磊，宋俊，张利利，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：北京;11