[发明专利]大规模信息网络中数据语义信息的处理方法

权利要求书

1.一种大规模信息网络中数据语义信息的处理方法，其特征在于，步骤为：

（1）高维数据规格化：利用哈希函数将网络中不同种类的高维数据A用相同的属性序列表示，将不同属性的数据对象统一映射到相同结构的属性数组B中，高维数据对象转化为固定维空间中的点；

（2）数据分区：对多维数据空间中随机分布的高维数据进行数据分区，将高维数据分成多个互不相交的数据聚集区，保证每个聚集区内的数据尽量趋于均匀分布；

（3）数据区归整划分：首先将每个数据聚集区归整为高维数据空间内的多维超立方体，并为每一个超立方体确定一个立方体数j；然后以超立方体中心为顶点，数据聚集区的（d-1）维超平面作为基，将每个d维数据聚集区（超立方体）划分为2d个金字塔，并为每个金字塔赋予一个金字塔值i；

（4）数据映射：将每个金字塔分成与基平行的几个子划分，每一个子划分与一个B+树数据页相对应，然后根据高维数据点到金字塔基的距离将数据聚集区内的高维数据映射为一维数值；

（5）数据处理：在一维数据空间内为每一个多维超立方体划分一个区间，保证各区间互不相交，根据高维数据点所在的立方体数、金字塔值及其到基的距离将高维数据映射到一维空间内，并利用B+树创建索引；

（6）数据搜索：根据查询点和查询范围判断是否与多维数据空间中的超立方体相交，若相交则计算相交边界值的一维索引关键字，根据索引关键字确定高维数据空间中的精确搜索范围，然后根据用户需求利用相似搜索方法求得结果数据信息并输出结果。

2.根据权利要求1所述的大规模信息网络中数据语义信息的处理方法，其特征在于，所述步骤（1）的具体步骤如下：

（1.1）将网络中高维数据对象的属性用一个序列表示，如A={A₁,A₂,…,A_n}，A_i.attr(0<i<n)指的是属性的名称，A_i.val为每个属性对应类型的值，由于数据对象有其独特的属性种类及属性值，不同数据对象的属性序列不一致，映射到不同的属性空间中；

（1.2）定义哈希函数iHash1(A_i.attr)，根据数据对象属性的名称把属性集合A映射到一个有M个单元的归一化属性数组B中，返回的是A中每个属性单元在B中的具体位置；

（1.3）定义哈希函数iHash2(B_i,A_i.val)，将A中每个属性的值都哈希成N位的比特流，存放于该属性在B中的位置；形式化表示为其中B是一个由M个单元构成的数组，每个单元大小都是N位，值代表着A中的属性单元。

3.根据权利要求1所述的大规模信息网络中数据语义信息的处理方法，其特征在于，所述步骤（2）的具体步骤如下：

（2.1）先随机的选取K个对象作为数据分区的中心；

（2.2）将数据空间中剩余的数据对象分配到离其最近的中心点；

（2.3）在每个数据分区内根据数据对象分布计算出新的数据区中心点；

（2.4）重复以上过程，直到每个数据区中心点不再发生变化。