[发明专利]基于体系化维度的数据及数据图谱的度量模型构建方法

说明书

本发明是基于体系化维度的数据及数据图谱的度量模型构建方法；本发明基于数据图谱将实体元素抽象分解为时间、空间、结构、使用频度、关联频度和变异频度，使得各个实体元素之间便于比较，实体元素自身变化时各个状态之间的差异便于比较；本发明属于分布式计算和软件工程交叉领域。

技术领域

本发明是基于体系化维度的数据及数据图谱的度量模型构建方法，属于分布式计算和软件工程交叉领域。

背景技术

实体元素的收集和使用会产生价值，然而信息安全的保护却尚未得到管理，在对比实体元素之间的差异过程中，将会考虑多种因素；因此，现有方法对于对比实体元素之间的差异，以及考虑转移实体元素所花费的代价是困难的；

本发明是基于体系化维度的数据及数据图谱的度量模型构建方法；本发明基于数据图谱，将实体元素抽象分解为时间（T），空间（I），结构（S），使用频度（U_P），关联频度（R_P）和变异频度（C_P）；其中使用频度，关联频度和变异频度又可以由时间，空间和结构得到。

发明内容

技术问题：现有的方法对于对比实体元素之间的差异，以及考虑转移实体元素所花费的代价是困难的。

技术方案：本发明的方法是一种策略性方法，本发明基于数据图谱，将实体元素抽象分解为时间（T），空间（I），结构（S），使用频度（U_P），关联频度（R_P）和变异频度（C_P）；其中使用频度，关联频度和变异频度又可以由时间，空间和结构得到；对于比较实体元素之间的差异和转移实体元素所花费的代价时可以只需考虑由时间（T），空间（I），结构（S），使用频度（U_P），关联频度（R_P）和变异频度（C_P）得到的一个综合值（Value）；通过对比各个实体元素的Value来考虑实体元素之间的差异和转移实体元素所花费的代价。

体系结构：

本发明基于数据图谱将实体元素抽象分解为时间（T），空间（I），结构（S），使用频度（U_P），关联频度（R_P）和变异频度（C_P），通过计算各个实体元素的Value值来考虑实体元素之间的差异和转移实体元素所花费的代价；下面给出数据图谱，时间，空间，结构，使用频度，关联频度和变异频度的定义：

数据图谱(DG)_DIK：(DG)_DIK:=collection{array,list,stack,queue,tree,graph}

(DG)_DIK是各种数据结构包括数组（array）、链表（list）、栈（stack）、队列（queue）、树（tree）和图（graph）等的集合；数据图谱可以记录实体的基本结构，此外，数据图谱还可以记录时间和空间拓扑结构的频度；

时间（T）：实体元素在不同时间的单位总称；通过数据训练得到，图2展示了一个数据实体于12:00在坐标为（1,4,3）的位置；图2中所示的时刻t=12:00即为一个T；

空间（I）：实体元素在不同位置的单位总称；通过数据训练得到节点位置i（x,y,z），然后将i（x,y,z）通过投影到一维空间得到，如图2所示的i=(1_(4,3))（i的值因投影函数的不同而不同）；

结构（S）：实体元素发生结构上的变化的单位总称，例如实体元素内元素出现增加或减少；通过计算出每个节点的关联度大小，并将关联度结果s相加得到，关联度（s）计算公式如公式（1）所示，其中deg⁺代表节点的出度，deg^-代表节点的入度：

（1）