基于兴趣对象预测的物联网实时搜索方法及系统技术方案

本发明专利技术提供一种基于兴趣对象预测的物联网实时搜索方法及系统，包括：对兴趣对象进行原始数据的采集，对原始数据进行属性分析，并根据属性生成元数据库；根据所述元数据库，分析兴趣对象的周期状态，根据周期状态对兴趣对象的未来状态进行预测；获取兴趣对象的查询请求，将查询请求与兴趣对象的未来状态信息进行匹配，获得预测结果，并对预测结果进行验真，得到最终结果输出。通过对兴趣对象进行原始数据的采集生成元数据库，按照周期状态建立兴趣对象预测模型，针对用户的一次查询，通过将搜索词与伪动态索引库进行匹配，得到预测结果并对预测结果进行验真与反馈，通过上述过程实现了对物联网高动态性数据的实时搜索。

【技术实现步骤摘要】
基于兴趣对象预测的物联网实时搜索方法及系统
本专利技术涉及网络信息检索领域，特别涉及一种基于兴趣对象预测的物联网实时搜索方法及系统。
技术介绍
目前的网络搜索技术主要体现在互联网领域，其搜索的兴趣对象为网络或预存式非结构化内容，如文档、图片、音乐等；而在物联网领域，搜索的对象可以是具体的物体或人等物理实体，也可以是某些服务或状态等抽象实体，这些实体在形式和数量上都呈现出更繁复的特征。同时，这些实体信息往往不能从单一物联网设备或物理实体中直接获得，需要多个物联网设备和物理实体共同提供相应的数据。其次，物联网搜索具有更强的时空性和高动态性。物联网信息来源和可能为网络用户提供的服务主要由网络实体从物理世界中感知抽取并自动生成，物联网搜索的兴趣对象匹配和筛选与搜索内容的时间性、区域性关系密切，如空闲的办公室、通畅的道路信息、火车上的空位数量等信息都只有在查询的当时或下一时刻才有价值。此外，物联网网络终端不同于资源丰富的PC终端，存储资源、能量及通信能力均受限，应当避免节点间频繁的通信及复杂的指令处理操作，这对搜索过程的交互行为与通信量限制提出了更高的要求。现有的物联网实时搜索技术和系统针对传感器本身的搜索提出了一种基于传感器相关属性值相似度计算的方法来实现物联网中的传感器搜索服务。对于一个给定的传感器，根据设计的算法计算与其他传感器间的相似度，之后根据相似度得分产生一组模糊集，最后利用得分对匹配条件的结果集进行排序。在搜索过程中计算检索与资源间的相似度时，借用互联网搜索引擎的工作模式，将检索与索引库中的资源进行相似度匹配计算，而索引库是针对之前某时刻爬取到的资源信息创建的。忽略了资源实时高动态变化的特征，因而无法保证数据的实时性。
技术实现思路
（一）解决的技术问题本专利技术解决的技术问题是：如何解决现有的物联网搜索资源实时高动态变化特征所带来的时效性问题。（二）技术方案为解决上述问题，本专利技术实施例一种基于兴趣对象预测的物联网实时搜索方法，包括：对兴趣对象进行原始数据的采集，对所述原始数据进行属性分析，并根据所述兴趣对象的属性建立元数据库；根据所述元数据库，分析所述兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测，得到所述兴趣对象未来状态信息；获取所述兴趣对象的查询请求，将所述查询请求与所述兴趣对象的未来状态信息进行匹配，获得预测结果，并对所述预测结果进行验真，得到最终结果，并将所述最终结果输出。优选地，所述根据所述兴趣对象的属性建立元数据库包括：根据所述兴趣对象的属性，分别为每类兴趣对象设计元数据；根据所述兴趣对象中所述原始数据的属性以及属性对应的所述兴趣对象的状态信息，建立元数据与实体信息的映射关系；根据所述元数据与实体信息数据的映射关系生成所述兴趣对象的元数据库。优选地，所述根据所述兴趣对象的属性生成元数据库进一步包括：建立心跳机制，并根据所述心跳机制更新元数据库中的元数据；对元数据的历史信息和变化状态进行记录，利用记录的所述元数据的历史信息和变化状态分析所述兴趣对象的周期状态。优选地，所述根据所述元数据库，分析兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测，得到所述兴趣对象未来状态信息进一步包括：根据所述兴趣对象的周期状态生成所述兴趣对象对应的系统时间窗，并利用所述兴趣对象对应的系统时间窗对所述兴趣对象的未来状态进行预测；建立更新机制，当所述元数据库中的元数据发生更新时，则利用所述更新机制对所述兴趣对象的未来状态进行更新。优选地，所述获取所述兴趣对象的查询请求，将所述查询请求与所述兴趣对象的未来状态信息进行匹配，获得预测结果包括：对所述兴趣对象的未来状态信息建立索引，根据所述兴趣对象的未来状态信息的索引生成伪动态索引库；计算所述伪动态索引库中所述兴趣对象的未来状态信息与查询请求的相似度，将相似度大于预设的门限值的兴趣对象根据降序排列算法进行降序排列，得到所述兴趣对象的预测结果。优选地，所述对预测结果进行验真包括：根据元数据与实体信息数据的映射关系，获取前预设值个兴趣对象对应的数据采集器采集的真实值，并判断预测结果是否与兴趣对象的真实值相匹配；将相匹配的预测结果进行二次降序排序，并将排序结果作为最终结果输出；所述将最终结果输出进一步包括：将所述最终结果进行反馈，并根据反馈对所述降序排列算法进行修正。本专利技术实施例还提供了一种基于兴趣对象预测的物联网实时搜索系统，包括：元数据库，用于对兴趣对象进行原始数据的采集，并对所述原始数据进行属性分析；所述元数据还包括所述兴趣对象的元数据与实体信息数据的映射关系；兴趣对象预测模型，用于根据所述元数据库，分析所述兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测；验真模块，用于对获取到的所述兴趣对象的查询请求与所述兴趣对象的未来状态信息进行匹配，并将得到的预测结果进行验真并将最终结果输出。优选地，所述元数据库包括：元数据库生成模块，用于根据所述兴趣对象的属性，分别为每类兴趣对象设计元数据，根据所述兴趣对象中所述原始数据的属性以及属性对应的所述兴趣对象的状态信息，建立元数据与实体信息的映射关系，根据所述元数据与实体信息数据的映射关系生成所述兴趣对象的元数据库；元数据管理子系统，用于建立心跳机制，并根据所述心跳机制更新元数据库中的原始据；元数据日志记录系统，用于对元数据库中的元数据的历史信息和变化状态进行记录。优选地，所述兴趣对象预测模型包括：系统时间窗模块，用于根据所述兴趣对象的周期状态生成所述兴趣对象对应的系统时间窗，并利用所述兴趣对象对应的系统时间窗对所述兴趣对象的未来状态进行预测；伪动态索引库，用于保存所述兴趣对象的未来状态信息的索引；计算模块，用于计算所述伪动态索引库中所述兴趣对象的未来状态信息与查询请求的相似度；降序排列子模块，用于将相似度大于预设的门限值的兴趣对象根据降序排列算法进行降序排列；更新模块，用于建立更新机制，当所述元数据库中的元数据发生更新时，利用所述更新机制对所述兴趣对象预测模型中的所述兴趣对象的未来状态进行更新。优选地，所述验真模块包括：判断子模块，用于根据元数据与实体信息数据的映射关系，访问前预设值个兴趣对象对应的预测结果，并判断预测结果是否与兴趣对象的真实值相匹配；二次降序排列子模块，用于将相匹配的预测结果进行二次降序排列，并将排序结果作为最终结果输出；修正模块，用于将所述最终结果进行反馈，并修正所述降序排列子模块中的降序排列算法。（三）有益效果本专利技术实施例通过提供一种基于兴趣对象预测的物联网实时搜索方法及系统，对兴趣对象进行原始数据的采集生成元数据库，按照周期状态建立兴趣对象预测模型，针对用户的一次查询，通过将搜索词与伪动态索引库进行匹配，得到预测结果并对预测结果进行验真与反馈，通过上述过程实现了对物联网高动态性数据的实时搜索。附图说明图1是本专利技术实施例提供的方法流程图；图2是本专利技术实施例提供的具体方法流程图；图3是本专利技术实施例提供的系统结构示意图。具体实施方式为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲本文档来自技高网...

【技术保护点】
一种基于兴趣对象预测的物联网实时搜索方法，其特征在于，包括：对兴趣对象进行原始数据的采集，对所述原始数据进行属性分析，并根据所述兴趣对象的属性建立元数据库；根据所述元数据库，分析所述兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测，得到所述兴趣对象未来状态信息；获取所述兴趣对象的查询请求，将所述查询请求与所述兴趣对象的未来状态信息进行匹配，获得预测结果，并对所述预测结果进行验真，得到最终结果，并将所述最终结果输出。

【技术特征摘要】
1.一种基于兴趣对象预测的物联网实时搜索方法，其特征在于，包括：对兴趣对象进行原始数据的采集，对所述原始数据进行属性分析，并根据所述兴趣对象的属性建立元数据库；根据所述元数据库，分析所述兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测，得到所述兴趣对象未来状态信息；获取所述兴趣对象的查询请求，将所述查询请求与所述兴趣对象的未来状态信息进行匹配，获得预测结果，并对所述预测结果进行验真，得到最终结果，并将所述最终结果输出；所述查询请求与所述兴趣对象的具体匹配过程为：检索器将用户的查询请求进行处理，该处理包括传统检索中的中文分词、语义标注、去歧义，运用TF-TDF模型计算查询词的词条权值得到查询特征词向量输入到索引器，与伪动态索引库中的兴趣对象的未来状态信息进行匹配计算，使用向量空间模型计算查询特征词向量与索引库中文档向量间的夹角余弦值从而获得检索与伪索引库中资源的相似度值；所述根据所述兴趣对象的属性生成元数据库进一步包括：建立心跳机制，并根据所述心跳机制更新元数据库中的元数据；对元数据的历史信息和变化状态进行记录，利用记录的所述元数据的历史信息和变化状态分析所述兴趣对象的周期状态；所述对预测结果进行验真包括：根据元数据与实体信息数据的映射关系，获取前预设值个兴趣对象对应的数据采集器采集的真实值，并判断预测结果是否与兴趣对象的真实值相匹配；将相匹配的预测结果进行二次降序排序，并将排序结果作为最终结果输出；如果预测结果与真实值一致，但该预测结果在降序排列中的排名靠后，则降序排列算法将在下一次搜索过程中提升该预测结果的排名；当预测结果与真实值不一致，但该预测结果在降序排列中的排名靠前时，则降序排列算法将适当的选取函数修正搜索结果分值，在下一次搜索过程中降低该预测结果的排名；所述将最终结果输出进一步包括：将所述最终结果进行反馈，并根据反馈对所述降序排列算法进行修正。2.根据权利要求1所述的方法，其特征在于，所述根据所述兴趣对象的属性建立元数据库包括：根据所述兴趣对象的属性，分别为每类兴趣对象设计元数据；根据所述兴趣对象中所述原始数据的属性以及属性对应的所述兴趣对象的状态信息，建立元数据与实体信息的映射关系；根据所述元数据与实体信息数据的映射关系生成所述兴趣对象的元数据库。3.根据权利要求1所述的方法，其特征在于，所述根据所述元数据库，分析兴趣对象的周期状态，根据所述兴趣对象的周期状态对所述兴趣对象的未来状态进行预测，得到所述兴趣对象未来状态信息进一步包括：根据所述兴趣对象的周期状态生成所述兴趣对象对应的系统时间窗，并利用所述兴趣对象对应的系统时间窗对所述兴趣对象的未来状态进行预测；建立更新机制，当所述元数据库中的元数据发生更新时，则利用所述更新机制对所述兴趣对象的未来状态进行更新。4.根据权利要求1所述的方法，其特征在于，所述获取所述兴趣对象的查询请求，将所述查询请求与所述兴趣对象的未来状态信息进行匹配，获得预测结果包括：对所述兴趣对象的未来状态信息建立索引，根据所述兴趣对象的未来状态信息的索引生成伪动态索引库；计算所述伪动态...

【专利技术属性】
技术研发人员：刘元安，范美，吴帆，张洪光，唐碧华，
申请(专利权)人：无锡安拓思科技有限责任公司，
类型：发明
国别省市：