[发明专利]一种基于地理时空数据的移动信息搜索及知识发现系统

权利要求书

1.一种基于地理时空数据的移动信息搜索及知识发现系统，其特征在于，包括：

信息搜索服务器：采用Hadoop并行集群架构，运用网络爬虫采集工具进行并行网络信息的采集，根据网络信息爬行入口生成若干爬行任务，依照Hadoop并行集群架构划分给各处理机去获取页面，并对页面文件进行格式解析，爬行深度由系统设置；

知识发现服务器：根据用户定义将地理区域划分为若干位置围栏，同时接收上述信息搜索服务器采集的网络信息，通过位置知识本体对其中包含有多个位置围栏及其附属的相关概念的位置知识进行挖掘提取后给网络信息增加与该位置知识对应的位置标签，并将其以索引形式存储到知识发现服务器数据池中,该知识发现服务器根据网络信息的位置标签，将网络信息摘要映射到各个已设置好的位置围栏中，所述网络信息的摘要包括：标题，时间，正文前若干字，出处网址URL，所述正文前若干字根据用户设定；

信息推送服务器：将根据用户所在位置与上述知识发现服务器数据池中的位置知识本体中各个位置围栏的归属匹配结果，从所述知识发现服务器数据池中提取符合该位置的网络信息摘要，组织该网络信息摘要的发布顺序，对用户实现基于位置的网络信息自适应推送；

客户端：通过GPS定位芯片获得用户所在位置信息，并利用无线网络将位置信息发送给信息推送服务器，同时能接收所述信息推送服务器所推送的网络信息摘要，并将其显示在所述客户端上。

2.根据权利要求1所述的一种基于地理时空数据的移动信息搜索及知识发现系统，其特征在于，所述的信息搜索服务器包括一个预设的爬行数据库以及一个海量数据抓取模块，所述的海量数据抓取模块包括：

网页追踪单元：将用户设定的网页URL地址注入到所述爬行数据库中，实现以该网页为入口的网络信息采集，爬行由该入口地址开始深度遍历有链接的网页，爬行最大深度由用户定义；

内容获取单元：根据爬虫爬行规则根据上述网页追踪单元设定的网页进行访问网页信息，将网页内容进行下载，获取网络信息内容；

格式解析单元：根据上述下载的网络信息进行格式解析，分析页面的HTML格式，提取页面标题、正文及相关数据内容，形成网络信息摘要，存储到一个设置在格式解析单元内的文本数据库中；

爬行数据库更新单元：若发现上述内容获取单元中的网页URL地址有更新，则将其更新的网络URL地址存储到上述爬行数据库中。

3.根据权利要求1所述的一种基于地理时空数据的移动信息搜索及知识发现系统，其特征在于，所述的知识发现服务器包括：

位置围栏管理模块：根据用户设定，将地理位置划分为若干位置围栏，并基于关联挖掘算法是确定两两位置围栏的关联度；

中文分词模块：所述中文分词模块内建一个通用语境下的中文辞典，然后通过词表切分并根据该中文辞典获得上述设置在格式解析单元内的文本数据库中网络信息的词汇元素；

索引建立模块：根据所述中文分词模块获取的关键词建立以8位字节为基础的逆序索引文件格式，建立索引文件，并将索引文件进行存储；

检索模块：根据位置知识本体运用布尔操作、模糊以及分组查询方式针对上述文本数据库中网络信息中的位置知识的查询，如果网络信息含有某些位置围栏相关的词汇，则将此网络信息标注该位置围栏的位置标签，将文本信息的摘要映射到位置围栏中。