基于区块链跨链协同的冷链产品关联性查询方法及装置制造方法及图纸

本发明专利技术公开了基于区块链跨链协同的冷链产品关联性查询方法及装置，对冷链产品信息进行数据清洗和数据处理；对清洗后的数据集，构建多标签文本分类模型，经过训练得到分类结果；在不同区块链中存储不同类别的冷链产品信息构成多条产品链，形成产品链网络；通过中继链节点利用共识算法确定产品链是否进行身份验证，得到合法申请注册的产品链；用户提出跨链查询请求，利用哈希锁定中的智能合约对产品链之间进行跨链身份认证；对每个链的区块节点之间进行关联性分析计算，得到最终产品查询结果信息。本发明专利技术使用多标签文本分类模型、区块链存储和跨链技术融合以及数据关联性分析算法，有效解决冷链领域中产品分类准确率低、查询效率低的问题。询效率低的问题。询效率低的问题。

【技术实现步骤摘要】
基于区块链跨链协同的冷链产品关联性查询方法及装置


[0001]本专利技术属于文本多标签分类和区块链跨链技术融合领域，特别涉及基于区块链跨链协同的冷链产品关联性查询方法及装置。

技术介绍

[0002]区块链技术是由密码学、数据库等多种技术融合的底层核心技术，本质是一种去中性化的分布式账本。区块链公开透明、防篡改、集体维护性等特征，使其具有较高的可信性和安全性。然而，区块链存在不同的公有链、联盟链、私有链，链与链的孤立存在，阻碍了不同区块链之间协同交互。因此，如何实现链间的信息互通，是区块链技术发展面临的问题。
[0003]冷链产品大致涵盖四个环节：冷冻加工、冷冻贮藏、冷藏运输及配送、冷冻销售。主要分为上中下游三部分产品链，上游主要是材料供应、设备制造，中游是物流运输和仓储管理，下游主要是产品到食品、医药、化工、电子和商用的冷链。因此，冷链产品数量庞大、产品之间关联性高，故提出将这些冷链产品信息进行精确的分类，从而存储到多条区块链的区块中，既可以降低本地数据库的存储压力又可以保证数据的可信性和防篡改性。同时，每个区块链之间产品信息具有紧密相关联性，故提出跨链协同技术融合实现多链间的互通性，保障了数据查询交互。在跨链的基础上，提出关联性分析算法，计算区块间和链间的产品关联性，最终获得更为精确的产品信息，方便用户便捷性。
[0004]在浏览器中查询产品信息时，有许多问题：1、冷链产品分类不准确问题；2、因数据量大，获取信息时间长问题；3、查询关联性的冷链产品信息没有结果问题。

技术实现思路

[0005]专利技术目的：针对上述问题，本专利技术提供了一种基于区块链跨链协同的基于区块链跨链协同的冷链产品关联性查询方法及装置，用以解决用户在海量的冷链产品数据中，出现的产品分类不准确、查询产品信息耗时长、查询效率低的问题。
[0006]技术方案：本专利技术提出基于跨链协同的冷链产品关联性查询的方法及装置，包括如下步骤：
[0007]步骤1：爬取冷链产品信息进行数据清洗和数据处理，得到清洗、处理好的数据集；
[0008]步骤2：通过清洗后的数据集，构建多标签文本分类模型，经过训练得到分类结果，所述多标签文本分类模型结合CNN网络、LSTM模型以及多通道注意力，通过该多标签文本分类模型获取融合后的文本信息向量表示E作为分类器的输入获取分类结果y；
[0009]步骤3：根据分类结果，在不同区块链中存储不同类别的冷链产品信息构成多条产品链Pi，形成产品链网络；
[0010]步骤4：产品链网络中的多条产品链作为区块链跨链交互的主体，在符合中继链身份注册的基础上，可以有合法权限进行跨链交互，利用中继链中的共识算法进行监督注册和验证，最终得到合法身份注册的产品链；
[0011]步骤5：根据用户提出跨链查询请求，利用哈希锁定中的智能合约对产品链之间进行跨链身份认证；
[0012]步骤6：身份验证后，对每个链的区块节点之间进行关联性分析，得到最终查询产品结果信息。
[0013]进一步地，所述步骤1的具体方法为：
[0014]步骤1.1：对待清洗数据集D1进行去重、去空和去除特殊字符得到清洗后数据集D2；
[0015]步骤1.2：对清洗后数据集D2的待处理文本进行jieba分词处理；
[0016]步骤1.3：将数据集D2的待处理文本内容固定为统一长度Lmax，并利用预训练好的Bert模型将文本进行tokenization分词，将每个词转化成固定长度的向量，得到词向量的数据集D3；
[0017]步骤1.4：将所述词向量分别送入Bert模型中的Token Embedding层、Segment Embeddings层和Position Embeddings层以及双向Transformer中，将词向量转化为字向量，输出len(D3)个字向量序列S＝s1，s2，s3，...，sj，...，slen(D3)。
[0018]进一步地，所述步骤2的具体方法为：
[0019]步骤2.1：将所述字向量序列S的字向量子序列sj输入CNN网络进行训练后获取特征向量f4j；
[0020]步骤2.2：利用LSTM模型对字向量子序列sj进行一个序列上的双向运算，得到的输出经过非线性激活层的运算后，得到另一个特征向量lj；
[0021]步骤2.3：将特征向量f4j和lj作为多通道注意力的输入；
[0022]步骤2.4：计算特征向量f4j和lj与整个特征向量匹配得分S1j和S2j；
[0023]步骤2.5：根据匹配得分S1j和S2j计算特征向量得分占总体百分比α 1j和α 2j；
[0024]步骤2.6：根据特征向量得分占总体百分比对特征向量进行求和再平均，得到最终输出向量V和T；
[0025]步骤2.7：将输出向量V和T融合，得到最终的文本信息向量表示E，向量E作为分类器的输入；
[0026]步骤2.8：将向量化表示Ej经过全连接层和隐藏层输入到softmax，采用softmax函数进行文档分类预测，得到分类概率预测向量P＝p1，p2，...，Pi，...，pn；
[0027]步骤2.9：查找向量P中的最大值，并将最大值对应的的结果输出，得到分类结果y。
[0028]进一步地，所述步骤3的具体方法为：
[0029]步骤3.1：根据步骤2产品分类结果y，划分y个不同的区块链，将y个不同的冷链产品信息链构成冷链产品区块网络；
[0030]步骤3.2：将每条冷链产品区块链由多个区块连接，每个区块存储同类别下的产品，每个区块由验证块和信息块构成，验证块存储该产品的验证id和密钥，信息块存储该产品的id和具体信息；
[0031]步骤3.3：用户通过浏览器，在冷链产品信息网站中进行浏览，请求通过HTTP协议发送，实现访问接口与其他子系统进行交互；
[0032]步骤3.4：服务器组收到HTTP请求后，根据文本框中获取的冷链产品关键词信息与从产品区块链服务器节点获取到的冷链产品信息进行同步对称加密密钥处理。
[0033]进一步地，所述步骤4的具体方法为：
[0034]步骤4.1：产品链Pi接入跨链网关，通过跨链网关向中继链发送注册申请，请求注册信息reg包含区块链标识、证书、身份标识信息，即reg＝{BlockchainInfo，Version，UID}作为映射关系；
[0035]步骤4.2：跨链网关接收到产品链Pi申请注册的请求，对请求消息进行转发，在注册信息映射关系中追加注册请求标识；
[0036]步骤4.3：中继链节点通过共识算法确定该产品链Pi是否可以进行注册，并对产品链的合法节点利用秘密共享机制生成子密钥；
[0037]步骤4.4：若未收到申请，则返回步骤4.1继续申请请求；
[0038]步骤4.5：若中继链中收到申请注册请求，则进行注册请求验证，验证注册信息是否合法，并公开自身的私钥；
[0039]步骤4.4：将产品链Pi的地址及哈希存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链跨链协同的冷链产品关联性查询方法，其特征在于，包括如下步骤：步骤1：爬取冷链产品信息进行数据清洗和数据处理，得到清洗、处理好的数据集；步骤2：通过清洗后的数据集，构建多标签文本分类模型，经过训练得到分类结果，所述多标签文本分类模型利用CNN网络、LSTM模型以及多通道注意力机制进行加权融合，通过该多标签文本分类模型获取融合后的文本信息向量表示E作为分类器的输入获取分类结果y；步骤3：根据分类结果，在不同区块链中存储不同类别的冷链产品信息构成多条产品链Pi，形成产品链网络；步骤4：产品链网络中的多条产品链作为区块链跨链交互的主体，在符合中继链身份注册的基础上，可以有合法权限进行跨链交互，利用中继链中的共识算法进行监督注册和验证，最终得到合法身份注册的产品链；步骤5：根据用户提出跨链查询请求，利用哈希锁定中的智能合约对产品链之间进行跨链身份认证；步骤6：身份验证后，对每个链的区块节点之间进行关联性分析，得到最终查询产品结果信息。2.根据权利要求1所述的基于区块链跨链协同的冷链产品关联性查询方法，其特征在于，所述步骤1的具体方法为：步骤1.1：对待清洗数据集D1进行去重、去空和去除特殊字符得到清洗后数据集D2；步骤1.2：对清洗后数据集D2的待处理文本进行jieba分词处理；步骤1.3：将数据集D2的待处理文本内容固定为统一长度Lmax，并利用预训练好的Bert模型将文本进行tokenization分词，将每个词转化成固定长度的向量，得到词向量的数据集D3；步骤1.4：将所述词向量分别送入Bert模型中的Token Embedding层、Segment Embeddings层和Position Embeddings层以及双向Transformer中，将词向量转化为字向量，输出len(D3)个字向量序列S＝s1，s2，s3，...，sj，...，slen(D3)。3.根据权利要求2所述的基于区块链跨链协同的冷链产品关联性查询方法，其特征在于，所述步骤2的具体方法为：步骤2.1：将所述字向量序列S的字向量子序列sj输入CNN网络进行训练后获取特征向量f4j；步骤2.2：利用LSTM模型对字向量子序列sj进行一个序列上的双向运算，得到的输出经过非线性激活层的运算后，得到另一个特征向量lj；步骤2.3：将特征向量f4j和lj作为多通道注意力的输入；步骤2.4：计算特征向量f4j和lj与整个特征向量匹配得分S1j和S2j；步骤2.5：根据匹配得分S1j和S2j计算特征向量得分占总体百分比α1j和α2j；步骤2.6：根据特征向量得分占总体百分比对特征向量进行求和再平均，得到最终输出向量V和T；步骤2.7：将输出向量V和T融合，得到最终的文本信息向量表示E，向量E作为分类器的输入；步骤2.8：将向量化表示Ej经过全连接层和隐藏层输入到softmax，采用softmax函数进行文档分类预测，得到分类概率预测向量P＝p1，p2，...，Pi，...，pn；
步骤2.9：查找向量P中的最大值，并将最大值对应的的结果输出，得到分类结果y。4.根据权利要求1所述的基于区块链跨链协同的冷链产品关联性查询方法，其特征在于，所述步骤3的具体方法为：步骤3.1：根据步骤2产品分类结果y，划分y个不同的区块链，将y个不同的冷链产品信息链构成冷链产品区块网络；步骤3.2：将每条冷链产品区块链由多个区块连接，每个区块存储同类别下的产品，每个区块由验证块和信息块构成...

【专利技术属性】
技术研发人员：李翔，费晶茹，谢乾，朱全银，周泓，任柯，孙纪舟，张豪杰，丁婧娴，张宁，束玮，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：